«In due settimane hai l’IA operativa.» È la frase più ripetuta nelle chiamate di vendita e quella che seppellisce più progetti. Tecnicamente non è una bugia —certe cose in due settimane si montano davvero— e strategicamente è una trappola: ti vendono il giorno dell’inaugurazione e tu capisci che in due settimane il problema è risolto. Non è la stessa cosa. Mettiamo i tempi reali sul tavolo, con fonte, e separiamo ciò che si accende in fretta da ciò che ci mette una stagione a dare risultati veri.
Quanto tempo ci vuole per implementare l’IA in un’azienda: dipende da cosa chiami «IA»
Non c’è un tempo unico per «implementare l’IA» perché non c’è «una» IA. Ci sono due mondi con orologi diversi. Un’automazione chiavi in mano —un chatbot su API che esistono già, un flusso che collega due app, estrazione di dati con un modello di mercato— va in produzione in settimane. Un sistema su misura —un modello tarato sui tuoi dati, un RAG sulla tua documentazione, un agente con criterio e guardrail— ci mette 3-6 mesi a stare davvero in produzione. Confondere i due mondi è da dove nasce quasi tutta la delusione.
| Tipo di progetto | Tempo reale in produzione | Cosa comanda l’orologio |
|---|---|---|
| Strumento SaaS già fatto | Giorni a 2 settimane | Configurare e collegare, poco più |
| Automazione chiavi in mano (chatbot, flusso, estrazione) | 6–10 settimane | L’integrazione con i tuoi sistemi |
| Sistema su misura (modello proprio, RAG, agente con criterio) | 3–6 mesi | Dati, integrazioni e casi limite |
| Deployment IA a livello di tutta l’azienda | 12–18 mesi | Governance, conformità e adozione |
Questi intervalli non me li invento. L’aggregato delle analisi di mercato colloca la media di un deployment di IA aziendale a 6-12 mesi dall’avvio alla produzione, con le automazioni mirate su piattaforme già pronte a 6-10 settimane e i deployment su misura o di LLM a livello aziendale a 12-18 mesi (Alice Labs, maggio 2026, che cita McKinsey e Gartner). Tradotto: se qualcuno ti promette «l’IA» in due settimane, o ti sta vendendo il pezzo facile, o non ti sta raccontando il resto.
Perché «IA in due settimane» vende il giorno del lancio, non la stagione
La promessa delle due settimane è vera per una cosa molto precisa: accendere una demo. Un chatbot su un’API di mercato si tira su in giorni, e a schermo sembra fatto. Ma accendere non è risolvere. Tra la demo che funziona il martedì e il sistema che regge la tua operatività reale c’è un’intera stagione: i dati da mettere in ordine, le integrazioni con il tuo vecchio ERP, i casi limite che non compaiono fino al terzo mese e le persone che devono cambiare il modo di lavorare. La demo è il giorno della semina. I risultati sono il raccolto, e il raccolto non va al ritmo del tuo calendario commerciale.
Questo scarto tra ciò che si accende e ciò che rende è fratello dello scarto tra ciò che si preventiva e ciò che si finisce per pagare, che smontiamo in quanto costa implementare l’IA in un’azienda. Tempo e prezzo si nascondono con lo stesso trucco: mostrare la parte facile e far pagare la difficile a sorpresa.
Cosa muove davvero il tempo (i quattro orologi)
Se vuoi stimare il tuo caso prima di credere a qualsiasi calendario, guarda questi quattro orologi. Sono quelli che comandano davvero, in ordine di impatto:
- Lo stato dei tuoi dati. È l’orologio più grande e quello che nessuno guarda: la preparazione dei dati si mangia tra il 40% e il 60% del tempo totale di un progetto (Gartner, via Alice Labs). Se i tuoi dati vivono ordinati, parti; se vivono in PDF, mail e fogli che nessuno ha documentato, ci sono settimane di lavoro prima di toccare l’IA.
- Le integrazioni. Collegare un sistema moderno via API è rapido. Collegare un ERP del 2004 con middleware su misura aggiunge settimane che quasi mai sono nel piano iniziale.
- I casi limite che spuntano al terzo mese. Nessun pilota li vede, perché un pilota lavora con esempi puliti. La fattura impaginata male, l’ordine che non rientra, l’eccezione che richiede criterio: esce solo con il volume vero, e ognuno riapre il ciclo di test.
- Il cambiamento nelle persone. La causa numero uno di ritardo non è tecnica: il 42% delle organizzazioni indica la gestione del cambiamento e l’adozione come il freno più grande (Deloitte, via Alice Labs). Un sistema che nessuno usa non è in produzione, è in uno screenshot.
I primi due orologi sono idraulica: mettere i tuoi dati e i tuoi sistemi in condizione perché l’IA ci si appoggi, che è quello che facciamo in infrastruttura di IA aziendale. Gli ultimi due sono mestiere di implementazione: circoscrivere il processo, gestire i casi limite e lasciarlo girare. Come si fa bene lo sviluppiamo in automatizzare un processo con agenti e in come si crea un agente di IA che funziona davvero —spoiler: la parte dell’«accenderlo» è quella corta—.
Chiavi in mano vs su misura: il divario di tre-cinque mesi
La decisione che muove di più il tuo tempo è una: piattaforma già pronta o modello su misura. Le organizzazioni che usano piattaforme pre-costruite vanno in produzione 58% più veloci di quelle che costruiscono un modello proprio, e quella differenza si traduce in 3-5 mesi di calendario (Gartner, via Alice Labs). La lettura pratica: se una piattaforma di mercato ben configurata risolve il tuo dolore, montarti un modello su misura non ti rende più furbo, ti rende più lento. E al contrario: se il tuo caso è davvero tuo, quel modello su misura è ciò che porta il vantaggio —ma allora accetta la stagione, non la settimana. Se il dolore è muovere dati tra le app che già usi, quasi sempre è automazione delle operazioni su ciò che hai —settimane, non mesi—.
PMI da sola vs con aiuto: perché «da soli» va più lento
Farlo senza aiuto non è gratis in tempo. La PMI che va da sola inciampa proprio sui due orologi grandi: si blocca nella preparazione dei dati perché nessuno del team l’ha mai fatto, e sottovaluta l’adozione perché non è il suo mestiere. Per questo il 63% delle organizzazioni sfora il tempo che aveva stimato, quasi sempre sottovalutando quanto costava avere i dati pronti (KPMG, via Alice Labs). Un team che ha già montato il tuo stesso caso salta la scoperta e recupera settimane: non perché lavori più veloce, ma perché sa già dove sono le mine. Il conto onesto non è «gratis contro caro», è «mesi ad andare a tentoni contro poche settimane con la rete».
Come chiedere un tempo senza farti vendere fumo
Il modo di rompere il gioco è chiedere il tempo a pezzi. Tre frasi che cambiano la conversazione: «dammi il tempo fino alla prima versione in produzione, non fino alla demo»; «quanto di questo tempo è preparare i miei dati?»; «cosa succede quando spuntano i casi che il pilota non ha visto?». Chi implementa risponde a tutte e tre senza sudare, perché vive del sistema che funziona nella tua operatività. Chi fa teatro ripete «due settimane» e cambia argomento, perché vive del fatto che firmi prima di guardare il calendario vero.