Quanto costa l’AI nel marketing: come si calcola il ROI

Secondo il rapporto degli Osservatori del Politecnico di Milano sul Mercato Digital Italia, tra il 2023 e il 2025 l’investimento medio delle aziende italiane in strumenti di AI per il marketing è raddoppiato. Dietro la media, però, c’è chi ha ottenuto ritorni misurabili, chi ha speso senza risultati e chi non sa ancora se ne sia valsa la pena.

Qui trovi i numeri osservati nell’ultimo anno nei progetti di Komsulting, il modo in cui valutiamo il ROI dell’AI nel marketing e tre casi reali, resi anonimi, con tutte le cifre: nel marketing scientifico si parte sempre da lì.

Perché le statistiche aggregate sul ROI dell’AI sono quasi sempre inutili

Titoli come «Le aziende ottengono in media X% di ROI sull’AI» nascono quasi sempre da autodichiarazioni: un campione di marketing manager stima a sensazione, o con calcoli approssimativi, il ROI dei propri investimenti in AI, e la media finisce nel titolo. Su dati raccolti così un’azienda non può basare una decisione.

Lo stesso vale per i casi studio dei fornitori di AI, che hanno interesse a mostrare i clienti con ROI positivo e a tacere gli insoddisfatti: numeri selezionati così non rappresentano la realtà.

A un’azienda serve sapere quanto le costerebbe l’AI e quale valore concreto può aspettarsi, e per rispondere bisogna fare i conti voce per voce.

Come calcolare il ROI dell’AI: costi e benefici

Nelle valutazioni di fattibilità per i clienti dividiamo costi e benefici in quattro gruppi, compresi quelli che molti calcoli ignorano.

Costi diretti visibili

Sono le licenze degli strumenti AI (Claude, ChatGPT, Gemini, Copilot), le API per le integrazioni, le eventuali piattaforme AI di settore (marketing automation con moduli AI, analisi predittive) e l’hardware dedicato, raro nel marketing.

Per un team marketing di 10 persone, nel 2026 le licenze AI costano tra 3.000 e 12.000 euro l’anno, a seconda degli strumenti.

Costi diretti nascosti

Nelle valutazioni superficiali vengono sottostimati o dimenticati, eppure nei progetti reali pesano parecchio.

Formazione del team. Perché l’AI renda, il team deve saperla usare: di solito 2.000-8.000 euro di formazione iniziale strutturata e 500-2.000 euro l’anno di aggiornamento.

Gestione del cambiamento. I responsabili intermedi devono ridisegnare i flussi di lavoro, scrivere le nuove procedure e seguire la transizione: di solito 20-60 giorni-uomo nel primo anno.

Regole interne e conformità. Va deciso cosa si può caricare negli strumenti AI, chi usa cosa e come si trattano i dati sensibili: in genere 10-30 giorni del responsabile privacy o legale nel primo anno, più gli aggiornamenti.

Integrazione tecnica. Collegare l’AI ai sistemi esistenti (CRM, piattaforma e-commerce, archivio dati aziendale) costa facilmente 5.000-30.000 euro di sviluppo e consulenza nel primo anno.

Tempo di supervisione. Il lavoro dell’AI va sempre ricontrollato e quelle ore entrano nel conto: al netto, stimiamo un risparmio di tempo dal 30% al 70% sul lavoro manuale, secondo la maturità del team e il tipo di compito.

Benefici diretti misurabili

Contano solo i benefici misurabili, e l’«efficienza percepita» resta fuori. Sono quattro:

Tempo liberato. Si misura confrontando i tempi prima e dopo l’AI su un campione rappresentativo di attività e si converte in euro al costo orario medio delle persone coinvolte.

Più lavoro a parità di risorse. Se il team scriveva 4 articoli al mese e ora ne scrive 12 di qualità pari o migliore, il beneficio vale 8 articoli al mese al prezzo di un fornitore esterno.

Risultati migliori. Aumenti di conversione, valore medio del carrello, tasso di apertura delle email o tempo sulla pagina, se un A/B test strutturato permette di attribuirli all’AI con ragionevole certezza (un «da quando usiamo l’AI è aumentato X» non basta).

Meno costi esterni. Quello che si risparmia in consulenze, agenzie o strumenti diventati superflui, al netto delle licenze AI.

Benefici indiretti difficili da quantificare

Altri benefici sono reali ma difficili da tradurre in euro, e vanno comunque descritti:

L’azienda riesce a fare analisi prima troppo costose, reagisce più in fretta ai cambiamenti, ha persone più preparate e più richieste sul mercato del lavoro e rischia meno di restare indietro.

Per evitare stime fantasiose, restano nella valutazione qualitativa e fuori dal calcolo del ROI.

Il calcolo del ROI che proponiamo ai clienti

Messe insieme queste voci, il ROI dell’AI nel marketing si calcola così:

ROI = (Benefici diretti misurabili – Costi diretti visibili – Costi diretti nascosti) / (Costi diretti visibili + Costi diretti nascosti)

Moltiplicato per 100, dà la percentuale.

Consigliamo un orizzonte di 24 mesi: su 12 mesi i costi iniziali, concentrati nel primo anno, pesano troppo e i benefici, che crescono man mano che il team impara, troppo poco; da 36 mesi in su le stime diventano troppo speculative.

Il ROI dell’AI in tre casi reali

Caso 1: PMI B2B di servizi, content marketing e supporto alle vendite

Contesto. Azienda di servizi professionali con 45 dipendenti, di cui 4 nel marketing, e 6 milioni di fatturato. Voleva più contenuti tecnici per il blog e più materiale commerciale (white paper, case study, brochure).

Prima dell’AI (2024). 2-3 articoli al mese e 1 white paper a trimestre; circa 18.000 euro l’anno per i testi affidati a scrittori esterni; revisione e coordinamento stimati in 1 giorno a settimana del marketing manager.

Intervento (dal secondo trimestre 2025). Claude per la scrittura assistita con metodo ibrido, formazione strutturata del team marketing, processo editoriale interno ridisegnato.

Costi totali nel primo anno. Licenze AI (Claude Team + ChatGPT Plus per 4 persone): 2.200 euro. Formazione iniziale Komsulting: 4.500 euro. Aggiornamento trimestrale: 1.800 euro. Tempo interno per il cambiamento: circa 30 giorni-uomo a 250 euro al giorno, 7.500 euro. Totale costi: 16.000 euro.

Benefici misurati nel primo anno. Niente più scrittori esterni: 18.000 euro risparmiati. Produzione salita a 6 articoli al mese e 2 white paper a trimestre, con qualità migliore misurata sul traffico organico del blog (+42% sull’anno prima). Il marketing manager ha liberato 2 giorni al mese per il supporto alle vendite: difficile da quantificare, lo stimiamo con prudenza in 1.500 euro al mese, 18.000 l’anno. Totale benefici: 36.000 euro.

ROI primo anno: +125%. L’investimento si è ripagato in circa 5 mesi. Nel secondo anno i costi sono scesi (meno formazione iniziale, lavoro più consolidato) e i benefici sono cresciuti con l’esperienza del team: ROI stimato oltre il 280%.

Caso 2: E-commerce di moda di medie dimensioni, personalizzazione e analisi

Contesto. E-commerce B2C di moda con 18 milioni di fatturato, 80.000 clienti attivi e 6 persone nel marketing. Voleva più conversioni, un carrello medio più alto e più acquisti ripetuti grazie alla personalizzazione.

Prima dell’AI (2024). 5 segmenti fissi, 4-5 campagne email al mese uguali per tutti, consigli di prodotto elementari sul sito.

Intervento (dal primo trimestre 2025). Marketing automation con motore di personalizzazione AI, collegata al gestionale dell’e-commerce, formazione del team e campagne costruite con l’AI.

Costi totali nel primo anno. Licenza della piattaforma: 24.000 euro. Integrazione tecnica iniziale: 12.000 euro. Formazione e affiancamento: 6.000 euro. Tempo interno: 45 giorni-uomo, 11.250 euro. Totale costi: 53.250 euro.

Benefici misurati nel primo anno. Conversione +22% sulle campagne personalizzate (A/B test controllati), carrello medio +16% sui segmenti con consigli di prodotto avanzati, clienti di ritorno entro 30-60 giorni +11 punti percentuali. Impatto stimato con prudenza: 180.000 euro di ricavi in più che, al margine operativo del 25%, fanno 45.000 euro di margine in più.

ROI primo anno: -16%. Il secondo anno, senza i costi di avvio che si pagano una volta sola, porta il ROI intorno al +180%: è tipico degli investimenti in infrastruttura, che rendono dal secondo anno.

Caso 3: Software B2B, lead generation e qualificazione

Contesto. Software B2B per grandi aziende, con 30 milioni di fatturato e 8 persone nel marketing. Voleva lead migliori e una qualificazione più rapida.

Prima dell’AI (2024). Lead da webinar, contenuti scaricabili ed eventi, qualificati a mano dagli SDR (gli addetti al primo contatto commerciale); il 18% dei lead marketing (MQL) diventava opportunità di vendita (SQL), in 21 giorni in media.

Intervento (dal secondo trimestre 2025). Punteggio dei lead calcolato dall’AI sui dati di comportamento, qualificazione assistita da Claude su profili e intenzioni espresse nei moduli, automazione personalizzata per far maturare i contatti.

Costi totali nel primo anno. Licenza della piattaforma AI: 18.000 euro. Integrazione con il CRM (Salesforce): 8.000 euro. API Anthropic per la qualificazione (integrazione dedicata): 3.500 euro l’anno. Formazione di SDR e marketing: 5.000 euro. Tempo interno: 25 giorni-uomo, 6.250 euro. Totale costi: 40.750 euro.

Benefici misurati nel primo anno. Lead che passano da MQL a SQL dal 18% al 31% (A/B test su segmenti di lead), qualificazione da 21 a 12 giorni. Il tempo risparmiato dagli SDR vale 1,5 persone a tempo pieno: 60.000 euro l’anno di costo evitato. I lead migliori diventano anche clienti più spesso: 180 SQL in più all’anno, con tasso di chiusura del 22% e contratto medio di 18.000 euro, fanno 712.000 euro di ricavi e 392.000 euro di margine al 55% tipico del settore. Con prudenza ne attribuiamo all’AI il 40%, perché il resto dipende da altri fattori: 157.000 euro.

ROI primo anno: +433%. Anche con un’attribuzione volutamente prudente, il 40%, l’AI è stata l’intervento di marketing con più impatto dell’anno.

Cosa insegnano i tre casi

Messi insieme, i tre casi mostrano quattro tendenze che ritroviamo in molti progetti.

1. Il primo anno è sempre di investimento. Avvio, formazione e integrazione concentrano i costi all’inizio e i benefici arrivano poco per volta: giudicare solo il primo anno porta a decidere male.

2. Molto dipende dalle persone. Nel Caso 1 il ROI alto nasce da un buono strumento unito a una buona formazione; nel Caso 2 uno strumento più costoso ha reso meno il primo anno perché il team l’ha adottato più lentamente.

3. I benefici più grandi vengono dalle attività ripetitive. Classificare lead, produrre contenuti, qualificare richieste: sui grandi volumi l’AI rende bene, sulle scelte uniche come strategie e decisioni strutturali aiuta meno.

4. Il ROI attribuibile all’AI resta sotto le promesse dei fornitori. Nel Caso 3 il fornitore prometteva un ROI del 600%; la nostra misura prudente attribuisce all’AI il 40% dell’aumento, e il ROI resta comunque molto alto.

Errori comuni nel calcolo del ROI

Quando rivediamo calcoli fatti da altri, ritroviamo spesso gli stessi errori.

Ignorare i costi nascosti. Si contano le licenze e si dimenticano formazione e gestione del cambiamento: il ROI sembra positivo e il progetto fallisce.

Attribuire tutto all’AI. Se nell’anno dell’AI il fatturato cresce del 15%, darle tutto il merito è una forzatura: contano anche gli altri fattori dello stesso periodo.

Confondere tempo risparmiato e valore prodotto. Se il team risparmia 2 giorni a settimana ma non li impiega in attività di valore, il «beneficio» è solo apparente.

Usare orizzonti troppo brevi. Un calcolo fermo al primo trimestre o semestre è per forza incompleto.

Dimenticare il costo opportunità. Ogni euro speso in AI è tolto ad altre attività di marketing: il confronto giusto è con il ROI delle alternative, e quello con il «non fare nulla» dice poco.

Cinque domande da farsi prima di investire in AI

Sono quelle che suggeriamo ai clienti, e conviene rispondere con onestà.

Quali attività vogliamo migliorare? Si parte da qui, dai processi: senza una risposta chiara si compra «AI» come si comprerebbe «tecnologia», cioè male.

Il team è pronto al cambiamento? Se mancano le basi di analisi, prompt engineering e lettura critica dei risultati, l’AI produrrà lavori che nessuno sa giudicare: prima si formano le persone, poi si comprano gli strumenti.

Abbiamo metriche di partenza? Senza misurare come funzionano oggi i processi è impossibile sapere se l’AI li ha migliorati; raccogliere queste misure richiede di solito 4-8 settimane.

Qual è il nostro orizzonte di valutazione? Se serve un ritorno trimestrale, meglio puntare su interventi rapidi (content marketing, classificazione, punteggio dei lead) che su progetti di infrastruttura come le piattaforme integrate.

Possiamo permetterci un pilota prima di estendere l’uso? Un progetto pilota fatto bene su un’attività precisa costa 10.000-25.000 euro e dà dati reali per decidere; estendere senza è un azzardo.

Come affrontiamo la valutazione con i clienti

In Komsulting la valutazione viene sempre prima dell’investimento: di solito 2-3 settimane per mappare i processi di marketing, scegliere le attività in cui l’AI può aiutare, stimare costi e benefici con questo metodo e proporre un pilota misurato prima di estendere.

In due casi recenti abbiamo consigliato di non investire in AI nel marketing perché il ROI calcolato non lo giustificava, e quei budget sono andati ad attività con un ritorno più prevedibile.

Anche questo, per noi, fa parte del marketing scientifico: dire a un cliente di fermarsi quando i conti non tornano.

Il ROI dell’AI si misura come ogni altro investimento

L’entusiasmo per l’AI nel marketing si capisce ed è in parte giustificato, ma un investimento serio si decide sui numeri.

Quando si scelgono le attività, si forma il team e si misurano i risultati, l’investimento in AI nel marketing ha in media un ROI positivo; senza questi tre passaggi diventa nullo o negativo.

Se vuoi sapere quanto l’AI può rendere nel tuo marketing, parliamone. L’audit iniziale di Komsulting comprende una stima realistica di costi e benefici, su 24 mesi, per le attività in cui l’AI può entrare, con i conti fatti come in questo articolo.