Costo di sviluppo di un agente AI e come procede il progetto

Il costo di sviluppo di un agente AI dipende da ciò che l’agente può fare, non dal modello che lo muove: i suoi strumenti, i sistemi che legge e modifica, i test che dimostrano che agisce correttamente, le sue salvaguardie e l’uso del modello che paghi ogni mese. Un primo agente circoscritto costa una frazione di un agente in produzione, e un prezzo onesto parte da un breve brief. Questa guida copre l’architettura, ogni voce di costo, MVP e produzione, i costi del primo anno, l’AI Act e come procede un progetto.

Ultimo aggiornamento: 21 ottobre 2026.

Quanto costa sviluppare un agente AI?

Un agente AI è un software che usa un modello linguistico per decidere quali passi compiere verso un obiettivo e poi li compie tramite strumenti: cerca, legge, compila, invia, prenota o aggiorna, e controlla il risultato prima di proseguire. È questa la differenza rispetto a un chatbot, che si limita a rispondere. Il suo costo dipende da queste azioni.

In Odduel, un’agenzia creativa e tecnologica con sede a Barcellona e a São Paulo, quotiamo lo sviluppo AI partendo da un breve brief: il compito di cui l’agente è responsabile, le persone che serve, i sistemi che tocca, cosa può fare senza chiedere e quanto deve essere affidabile prima che qualcuno ci conti. Da quel brief diamo un prezzo fisso per una prima fase definita. Prima, qualsiasi cifra sarebbe un’ipotesi.

In breve: il modello è raramente la voce più grande. Integrazione con i tuoi sistemi, valutazione e salvaguardie assorbono di solito la maggior parte dello sviluppo, perché un agente che può agire deve dimostrare di agire bene. I costi di esercizio sono reali e ricorrenti: l’uso del modello cresce con ogni passo dell’agente. Parti da un agente circoscritto, misuralo, poi decidi se passare alla produzione.

Perché i preventivi per gli agenti variano tanto

Due preventivi per «un agente che gestisce le email dei fornitori» possono essere molto diversi ed essere entrambi corretti. Uno presume che l’agente legga le email e scriva bozze di risposta che una persona invia. L’altro presume che legga gli allegati, li verifichi nel sistema acquisti, aggiorni gli ordini, risponda da solo entro limiti stabiliti e inoltri il resto. Il secondo ha più strumenti, permessi di scrittura, regole di approvazione, una suite di test più ampia e un registro di audit. Le voci qui sotto servono a confrontarli alla pari.

Dove l’AI riduce anche il costo dello sviluppo

L’AI è dentro il prodotto, e si occupa anche di gran parte della produzione ripetitiva dello sviluppo: componenti di interfaccia che seguono un design system, codice di base dei connettori degli strumenti, prime bozze dei casi di test, dati di esempio sintetici. Questo accorcia i progetti e ne abbassa il costo. Le decisioni che rendono un agente sicuro e utile restano lavoro umano: cosa può fare, dove deve approvare una persona, come fallisce, come si misura, come si trattano i dati personali. È lì che va il budget.

Come si costruisce un agente AI?

Ogni agente, per quanto semplice, è fatto delle stesse parti. Conoscerle ti permette di leggere una proposta e vedere cosa è incluso e cosa manca.

Le parti di un agente

• Il modello: il modello linguistico che legge la situazione e decide il passo successivo. Di solito un modello ospitato raggiunto tramite API; a volte un modello che ospiti tu.
• Le istruzioni: il ruolo, le regole e i limiti scritti entro cui lavora l’agente, versionati come il codice.
• Gli strumenti: le azioni che può compiere, ognuna una funzione definita con input, output e permessi (cercare nella knowledge base, leggere un ordine, aprire un ticket, inviare un’email).
• La conoscenza: i documenti e i dati che può consultare, di solito tramite retrieval: l’agente trova i passaggi pertinenti e li legge prima di decidere.
• Memoria e stato: ciò che ricorda durante un compito e, se consentito, tra un compito e l’altro.
• Orchestrazione: il ciclo pianifica, agisci, verifica e ripeti, con limiti su passi, tempo e spesa.
• Salvaguardie e approvazioni: controlli su ciò che entra e ciò che esce, e i punti in cui una persona deve approvare.
• Registro e monitoraggio: la traccia di ogni passo, chiamata a strumento e decisione, per il debug, il controllo dei costi e la responsabilità.

Uno o più agenti

Molti compiti richiedono un solo agente con pochi strumenti. Alcuni traggono vantaggio da più agenti specializzati che si passano il lavoro, per esempio uno che smista le richieste in arrivo e altri che gestiscono ciascun tipo. Le architetture multi-agente aggiungono orchestrazione, più test e più uso del modello, quindi vanno giustificate dal compito, non scelte perché sembrano avanzate. Il nostro confronto AI agentica vs AI generativa spiega quando agire, invece di rispondere, vale il costo in più.

Workflow o autonomia

La scelta di progetto più importante è quanta libertà ha l’agente. Un workflow fisso, in cui il modello esprime giudizi in punti stabiliti, costa meno da costruire, è più facile da testare e più prevedibile. Un agente aperto che pianifica da sé i propri passi può gestire compiti più disordinati, ma richiede più valutazione e limiti più forti. La maggior parte dei buoni agenti aziendali sta vicino al workflow.

Quali sono le voci di costo di un agente AI?

Otto voci spiegano quasi ogni budget per un agente AI. Ognuna è una decisione su cui puoi influire prima che parta lo sviluppo.

Analisi e progettazione

Questa voce definisce il compito con precisione: di cosa è responsabile l’agente, com’è il successo, quali casi deve rifiutare o inoltrare e cosa vedranno le persone intorno a lui. Comprende la mappatura del processo attuale, la scrittura dei primi casi di test da esempi reali e la progettazione delle schermate in cui le persone rivedono, approvano o correggono l’agente. È una piccola quota del budget, e la voce che protegge tutte le altre.

Uso del modello

L’uso del modello si paga in base alla quantità di testo elaborato, in entrata e in uscita. Gli agenti ne consumano molto più di una chat, perché ogni compito può avere più passi, ogni passo rilegge istruzioni, cronologia e documenti recuperati, e i risultati degli strumenti tornano nella conversazione. Il modello scelto conta: i modelli grandi costano di più per passo, quelli piccoli meno e spesso bastano per i passi di routine. Durante lo sviluppo questa voce è modesta; in produzione è il principale costo ricorrente.

Strumenti e integrazione

L’integrazione è di solito la voce più grande dello sviluppo. Ogni strumento è una connessione a un sistema reale (il tuo CRM, il sistema ordini, l’helpdesk, il calendario, il CMS o il database), con autenticazione, permessi, gestione degli errori e test. Gli strumenti di sola lettura sono più semplici; quelli che scrivono o inviano richiedono controlli, limiti e spesso un’approvazione umana. Sistemi vecchi senza un’API pulita, o più sistemi che non concordano, aggiungono lavoro.

Conoscenza e preparazione dei dati

Se l’agente consulta documenti o dati, vanno trovati, ripuliti, divisi in parti sensate e indicizzati per la ricerca, poi tenuti aggiornati quando le fonti cambiano. Fonti pulite e ben tenute rendono modesta questa voce; conoscenza sparsa, file scansionati e versioni contraddittorie la rendono grande.

Valutazione

La valutazione è il modo in cui sai che l’agente funziona. Si basa su un insieme di compiti realistici con il risultato atteso, eseguiti automaticamente a ogni modifica di istruzioni, strumenti o modello, più la revisione umana di un campione. Per un agente il test verifica le azioni oltre alle parole: ha chiamato lo strumento giusto, con i dati giusti, e si è fermato quando doveva? Questa voce è spesso sottostimata nei preventivi. È anche ciò che ti permette di cambiare modello in futuro senza timori.

Salvaguardie e sicurezza

Le salvaguardie limitano ciò che può andare storto: controlli sugli input (comprese istruzioni nascoste in email o documenti che l’agente legge), controlli sugli output, limiti sugli strumenti utilizzabili da ciascun utente, tetti di spesa e di passi, e approvazioni prima delle azioni irreversibili. Più un agente può fare da solo, più grande è questa voce.

Interfaccia e passaggio alle persone

Le persone devono vedere cosa ha fatto l’agente, approvare ciò che propone, correggerlo e subentrare. Può essere un pannello dentro uno strumento esistente o una schermata dedicata. Un buon passaggio di consegne è ciò che fa fidare le persone dell’agente e le spinge a continuare a usarlo.

Hosting, monitoraggio e registro

L’agente ha bisogno di hosting per l’orchestrazione, di archiviazione per registri e stato, di monitoraggio di errori, latenza e spesa, e di avvisi quando qualcosa devia. I registri con dati personali vanno conservati secondo il GDPR: limitati, protetti e cancellati secondo un calendario.

Voce di costo	Cosa la fa crescere	Quota relativa dello sviluppo
Analisi e progettazione	Compito poco chiaro, molti casi limite	Piccola
Uso del modello (fase di sviluppo)	Cicli di test lunghi, modelli grandi	Piccola
Strumenti e integrazione	Permessi di scrittura, sistemi vecchi, molti strumenti	Di solito la più grande
Conoscenza e dati	Fonti sparse o disordinate	Da piccola a grande
Valutazione	Molti tipi di compito, alta esigenza di precisione	Grande
Salvaguardie e sicurezza	Più autonomia, azioni delicate	Da media a grande
Interfaccia e passaggio di consegne	Flussi di approvazione, nuove schermate	Medio
Hosting e monitoraggio	Volume, requisiti di audit	Da piccola a media

Cosa distingue un agente MVP da uno in produzione?

La decisione più utile in un budget per un agente è separare il primo agente dall’agente in produzione. Rispondono a domande diverse e costano cifre molto diverse.

A cosa serve un agente MVP

Un agente MVP dimostra una cosa: un agente può svolgere questo compito abbastanza bene, con i nostri sistemi e i nostri dati, da meritare di essere costruito seriamente? È responsabile di un compito circoscritto, usa due o tre strumenti, spesso in sola lettura o con una persona che approva ogni azione, serve un piccolo gruppo interno e si misura su un insieme di test scritti. Lascia fuori scala, permessi completi e rifinitura. Si chiude con prove: precisione misurata, costo osservato per compito, casi di errore e ciò che servirebbe in produzione.

Cosa aggiunge la produzione

La produzione trasforma quelle prove in qualcosa su cui le persone fanno affidamento. Aggiunge gli strumenti mancanti e i permessi di scrittura, accesso e permessi corretti, regole di approvazione per azione e per utente, la suite completa di valutazione eseguita a ogni modifica, salvaguardie contro gli abusi, monitoraggio e tetti di spesa, registri conformi al GDPR, documentazione, formazione per chi lavora con l’agente e assistenza. Secondo la nostra esperienza è un multiplo del lavoro dell’agente MVP, ed è lì che va la maggior parte del budget.

Aspetto	Agente MVP	Agente in produzione
Domanda a cui risponde	Un agente può svolgere questo compito con i nostri sistemi?	Le persone possono contarci ogni giorno?
Perimetro	Un compito circoscritto	Il compito completo e le sue eccezioni
Strumenti	Due o tre, spesso in sola lettura	Tutti quelli necessari, con scrittura dove giustificata
Approvazione umana	A ogni azione	Solo dove il rischio lo richiede
Utenti	Un piccolo gruppo interno	Clienti o interi reparti
Valutazione	Un insieme di test scritti, in parte manuali	Automatica a ogni modifica, più revisione
Guardrail	Limiti di base	Controlli completi su input, output, permessi e spesa
Monitoraggio	Registri letti dal team di sviluppo	Dashboard, avvisi, audit trail
Costo di sviluppo relativo	Basso	Un multiplo dell’MVP

Come si svolge un progetto di agente AI?

Un progetto di agente ben gestito avanza per fasi brevi, e ognuna si chiude con qualcosa da testare e una decisione.

1. Brief. Una pagina: il compito, le persone, i sistemi, cosa l’agente può fare da solo, cosa richiede approvazione, come si misura il successo. Un prezzo fisso si basa su questo.
2. Analisi. Mappare il processo attuale, raccogliere esempi reali, scrivere i primi casi di test, verificare l’accesso ai dati e la posizione legale.
3. Architettura. Scegliere modello, strumenti, grado di autonomia, punti di approvazione e dove ospitare l’agente.
4. Sviluppo dell’MVP. Costruire l’agente circoscritto, i suoi strumenti e una semplice schermata di revisione; eseguire i test ogni giorno.
5. Pilota con utenti reali. Un piccolo gruppo lo usa nel lavoro vero, con una persona che approva le azioni; misurare precisione, costo per compito e tempo risparmiato.
6. Decisione. Fermarsi, aggiustare o passare alla produzione, in base alle prove, non all’entusiasmo.
7. Sviluppo per la produzione. Strumenti completi, permessi, salvaguardie, suite di valutazione, monitoraggio, documentazione e formazione.
8. Lancio e messa a punto. Rilascio graduale, attenzione costante a registri e spesa, approvazioni allentate solo dove i dati lo giustificano.

La stessa logica a fasi brevi vale chiunque lo costruisca. Il nostro articolo sulla scelta tra società di sviluppo AI e freelance mostra quale tipo di partner si adatta a quale fase.

Quanto costa far funzionare un agente AI nel primo anno?

Un agente non si paga una volta sola. Pianifica queste voci ricorrenti prima dello sviluppo, non dopo il lancio.

Cosa ricorre ogni mese

• Uso del modello. Cresce con il numero di compiti e i passi per compito. Di solito la voce ricorrente più grande. Mettere in cache le istruzioni ripetute, ridurre ciò che l’agente rilegge e affidare i passi di routine a un modello più piccolo la abbassano.
• Hosting e archiviazione. Orchestrazione, registri, stato ed eventuale indice di ricerca.
• Servizi di terzi. API a pagamento richiamate dagli strumenti, ricerca, lettura di documenti, servizi di email o messaggistica.
• Monitoraggio. Strumenti che seguono errori, latenza, qualità e spesa.

Cosa ricorre come lavoro

• Cicli di valutazione. Ogni modifica, e ogni nuova versione del modello del fornitore, richiede di eseguire e rivedere la suite di test.
• Cambi di modello. I fornitori ritirano e sostituiscono i modelli; passare a uno nuovo è lavoro, reso sicuro da una buona suite di test.
• Manutenzione della conoscenza. Indici aggiornati man mano che i documenti cambiano.
• Manutenzione degli strumenti. I sistemi collegati cambiano API, campi e permessi; gli strumenti dell’agente si adeguano.
• Revisione e messa a punto. Una persona legge un campione del lavoro dell’agente, aggiunge nuovi casi di test dagli errori reali e regola le istruzioni.

Secondo la nostra esperienza, i costi di esercizio di un agente nel primo anno sono una quota significativa dello sviluppo, più alta che per un software ordinario, perché uso del modello e valutazione non si fermano mai. Chiedi a ogni fornitore una stima del costo per compito al volume previsto e le leve che lo riducono.

Cosa significa l’EU AI Act per un agente AI?

L’AI Act europeo (regolamento (UE) 2024/1689) è entrato in vigore il 1° agosto 2024 e si applica per fasi. I divieti di alcune pratiche e l’obbligo di alfabetizzazione del personale sull’AI si applicano dal 2 febbraio 2025; gli obblighi per i fornitori di modelli di AI per finalità generali dal 2 agosto 2025.

Per la maggior parte degli agenti aziendali i punti pratici sono questi:

• Trasparenza. Le persone devono sapere quando hanno a che fare con un sistema di AI e non con una persona, a meno che non sia evidente. Un agente che scrive ai clienti o risponde loro deve dirlo; prevederlo dall’inizio costa poco.
• Categoria di rischio. La maggior parte degli agenti (assistenza, smistamento, bozze, operazioni interne) non è ad alto rischio. Un agente usato per decisioni su assunzioni, credito, accesso all’istruzione o a servizi essenziali può esserlo, e i sistemi ad alto rischio comportano obblighi pesanti di documentazione, supervisione umana e qualità. Verificalo in fase di analisi: cambia il budget più di qualsiasi scelta tecnica.
• Il tuo ruolo. Se costruisci o commissioni l’agente e lo metti in servizio con il tuo nome, puoi esserne il fornitore; se usi l’agente di un fornitore, sei il deployer. Gli obblighi sono diversi.
• Il GDPR resta valido. Un agente che legge email, pratiche o documenti tratta dati personali: servono una base giuridica, minimizzazione dei dati, un accordo sul trattamento con il fornitore del modello, attenzione ai trasferimenti fuori dall’UE e una regola di conservazione dei registri.

Verifica le date delle fasi successive, in particolare le regole sull’alto rischio, sul testo ufficiale in vigore quando pianifichi; si tratta di un’informazione generale, non di consulenza legale.

Come leggere il preventivo di un agente AI?

Controlla questi punti in un preventivo:

1. Il compito in una frase, e cosa l’agente non farà.
2. Gli strumenti elencati uno per uno, con accesso in lettura o scrittura e dove serve un’approvazione.
3. Un piano di valutazione: quanti compiti di test, cosa conta come superato, chi rivede.
4. Salvaguardie indicate per nome, non sottintese: controlli su input e output, tetti di spesa e di passi, approvazioni.
5. Prezzi separati per l’agente MVP e per la produzione, con il punto di decisione tra i due.
6. Una stima dei costi di esercizio: uso del modello per compito al tuo volume e lavoro ricorrente.
7. Proprietà: di chi sono istruzioni, codice degli strumenti, suite di test e registri, e se puoi cambiare fornitore di modello.
8. La posizione UE: trasparenza, categoria di rischio e trattamento dei dati affrontati.

Il preventivo con un unico totale e senza piano di test è quello da mettere in discussione. Se stai valutando una funzione AI dentro un’app invece di un agente, la nostra guida allo sviluppo app spiega come si costruisce.

Le domande più comuni

Se hai in mente un compito per un agente, scrivi il brief di una pagina: il compito, le persone, i sistemi, cosa può fare da solo e come lo misurerai. Lo trasformeremo in un’architettura, un piano per un agente MVP e un prezzo fisso per quella prima fase, con una stima dei costi di esercizio. Scopri come affrontiamo lo sviluppo AI, oppure raccontaci il tuo progetto.