AI Program Management
Business Case per l'AI: Farlo Approvare dal Board
Il board non approva un progetto AI perché il modello è elegante. Lo approva quando qualcuno gli mostra un business case che lega l'investimento a un ritorno misurabile, espresso nella lingua con cui giudica ogni altra spesa aziendale: pipeline, margine, costo evitato. La parte tecnica interessa a chi costruisce il sistema; a chi firma il budget interessa cosa cambia nel conto economico e con quale margine di errore. In questo articolo spiego come costruisco un business case per l'AI che regge davanti a chi decide.
Parla la lingua del board, non quella dell'ingegneria
Il primo errore che vedo fare è presentare un progetto AI descrivendo la tecnologia: il tipo di modello, l'architettura, le sue capacità. Sono le cose che entusiasmano chi le costruisce e lasciano indifferente chi deve deciderne il finanziamento. Un business case efficace fa il percorso inverso: parte dal numero che il progetto sposterà (una conversione più alta, un costo che sparisce, un ciclo di vendita più corto) e usa la tecnologia solo come mezzo per arrivarci.
Ho costruito business case in questi termini anche fuori dal perimetro strettamente AI. Il go-to-market partner-led di Optimizely che ho guidato nei primi sei mesi ha generato 1M€ di pipeline, 5 opportunità e 15 proposte, e quel risultato è nato da un business case che prometteva un numero specifico, non una tecnologia promettente.
La regola della singola riga
Ho una prova semplice per capire se un business case è pronto: se non riesco a scrivere in una riga cosa cambierà nel conto economico o nell'esperienza cliente, e con quale margine di errore, il business case non è pronto per il board. "Riduciamo del 75% il costo di localizzazione dei video mantenendo il controllo editoriale" è una riga che un board capisce e può giudicare. "Implementiamo una pipeline AI multimodale" non lo è.
Legare l'investimento a KPI credibili
Un business case senza metriche di verifica è una promessa che nessuno potrà mai smentire, e proprio per questo il board se ne fida poco. Ogni cifra che metto in un business case è collegata a un KPI che sarà misurato in produzione, così che tra sei mesi si possa dire con onestà se la promessa è stata mantenuta. Come strumento questi KPI e li collego al business case lo descrivo nell'articolo su come misurare un progetto AI in produzione.
La credibilità di un business case, in un board che ne ha visti fallire altri, dipende più dall'onestà delle stime che dalla loro ambizione. Un ritorno modesto ma difendibile convince più di un ritorno spettacolare che nessuno crede davvero raggiungibile.
Prevedi le obiezioni prima di presentarle
Un business case si presenta a un tavolo che chiederà "e se non funziona?". Prepararsi a quella domanda prima significa dichiarare i rischi in modo esplicito: cosa succede se i dati non sono pronti, quale parte del ritorno è certa e quale è scommessa, e qual è il costo di fermarsi dopo il pilota se i numeri non arrivano. Un business case che nasconde i rischi sembra più forte in sala e crolla al primo imprevisto; uno che li mette sul tavolo è più difficile da attaccare.
Questo vale in modo particolare per i progetti di AI applicata al marketing, dove la tentazione di promettere risultati vaghi è più forte. Come porto l'AI in operazioni di marketing reali, con i casi e i numeri concreti dietro, lo racconto nella guida all'AI per il marketing. Il metodo con cui costruisco l'intero programma, dalla roadmap al delivery, è invece nella guida al program management dei progetti AI.
Parliamo del tuo progetto
Ti è utile questo articolo? Vediamo come applicarlo al tuo contesto.
Articoli correlati
KPI di un Progetto AI: Misurare in Produzione
Quali KPI seguire per capire se un progetto AI funziona in produzione, come strumentarli e come collegarli al business case che lo ha fatto approvare dal board.
Dal PoC alla Produzione: Perché i Progetti AI Falliscono
La maggior parte dei progetti AI muore nel pilota. Cosa serve davvero per passare dal PoC alla produzione, con le lezioni imparate su casi enterprise reali.
Program Management Progetti AI: Guida Completa
Come si gestisce un programma AI in azienda dalla roadmap al delivery: governance, KPI, dal PoC alla produzione. La guida completa basata su programmi reali.