La domanda arriva sempre alla fine della prima call, ed è quella giusta: quanto tempo ci vuole? Non perché la fretta sia una virtù, ma perché un progetto che non ha una fine credibile non parte, e uno che sfora di sei mesi si porta dietro la sfiducia di tutta l'azienda.
La risposta breve: da un mese e mezzo a due mesi per arrivare in produzione, se i dati sono in ordine e le decisioni si prendono. Sotto trovi da dove viene quel numero e, soprattutto, cosa lo fa saltare.
Due riferimenti veri
Non teoria. Due progetti che sono andati online e che stanno lavorando adesso.
Un agente AI davanti ai clienti, in punto vendita: sei settimane dal primo commit al lancio pubblico. Il sistema risponde sul catalogo indicizzato di un produttore, che per un solo fornitore contava 177 varianti di un singolo prodotto: il tipo di complessità che nessun commesso può tenere a mente e che un agente gestisce bene. Il catalogo era in ordine, ed è il motivo per cui sono state sei settimane e non dieci.
Un second brain aziendale, cioè un sistema che risponde sui tuoi documenti: per un pilota serio servono dalle quattro alle otto settimane. La forbice è larga apposta, e dipende quasi solo da una cosa: in che stato è la conoscenza che vuoi indicizzare.
Dove se ne va il tempo
Le settimane non si distribuiscono come immagina chi non ha mai fatto un progetto del genere. La parte di intelligenza artificiale, quella che sembra la più difficile, è spesso la più breve.
| Fase | Peso | Cosa succede davvero |
|---|---|---|
| Capire il processo | 1-2 settimane | Non è una formalità. Serve a decidere cosa il sistema non farà, che è la scelta che determina se funzionerà. |
| Mettere in ordine i dati | da zero a molte settimane | La voce che decide il progetto. Un catalogo pulito costa zero giorni, uno da bonificare può costarne più della costruzione. |
| Costruire | 2-3 settimane | La parte più prevedibile, e paradossalmente quella che spaventa di più chi compra. |
| Provare sul serio | 1-2 settimane | Con persone vere che fanno domande vere. È qui che emergono i casi limite, e vanno cercati prima che li trovi un cliente. |
Guarda la seconda riga: è l'unica senza un numero. Tutte le altre sono stabili, quella è un intervallo aperto. Ed è il motivo per cui chiunque ti prometta una data prima di aver visto i tuoi dati sta tirando a indovinare.
Cosa allunga i tempi
I dati che nessuno ha mai guardato davvero
Lo stesso prodotto scritto in due modi, codici che non combaciano tra il gestionale e il listino, campi compilati a mano da persone diverse con criteri diversi. Nessuno se ne accorge finché non arriva un sistema che deve leggerli tutti, e a quel punto la bonifica non è un capriccio del fornitore: è la condizione perché il sistema dica cose vere.
Le decisioni che non si prendono
Il progetto si ferma quasi sempre sulle domande che aspettano una risposta dall'azienda, non sul codice. Cosa deve dire il sistema quando non sa? Chi risponde se un cliente si lamenta? Su quali prodotti vogliamo che spinga? Se queste risposte tardano due settimane, il progetto tarda due settimane, e non c'è preventivo che lo compensi.
Il perimetro che si allarga strada facendo
È la forma più educata di fallimento. Ogni singola aggiunta sembra ragionevole, e la somma delle aggiunte ragionevoli è un progetto che non finisce mai. La regola sana: si aggiunge dopo che la prima versione è in produzione, non prima.
Il gestionale che non parla
Se i dati vivono in un sistema che espone delle API decenti, il collegamento è questione di giorni. Se l'unico modo di leggerlo è un export notturno, o peggio un file che qualcuno esporta a mano il lunedì, il tempo si allunga e la qualità peggiora.
Come si accorcia (davvero)
- Restringi il perimetro.Un processo, fatto bene, che va in produzione. Non cinque processi in una demo. Il secondo processo costerà meno del primo, perché l'impianto c'è già.
- Metti una persona sola a decidere.Non un comitato. Qualcuno che possa dire sì o no in giornata, e che abbia l'autorità per farlo.
- Guarda i dati prima di firmare. Un audit da poche migliaia di euro ti dice in che stato sei, e trasforma una forbice aperta in una data. È il modo più economico di comprare certezza.
- Accetta che la prima versione sia stretta. Un sistema che risponde bene a tre domande è utile. Un sistema che risponde male a trenta è un problema di reputazione.
Cosa succede dopo il lancio
La data di messa online non è la fine, ed è bene saperlo prima. Le settimane successive servono a guardare cosa chiedono davvero le persone, che non è mai quello che avevi previsto, e ad aggiustare di conseguenza. È la parte che rende il sistema utile, ed è anche la parte che salta se nessuno l'ha messa a budget.
Domande frequenti
Sei settimane sono davvero realistiche?+
Posso avere qualcosa da mostrare prima?+
Cosa serve da parte nostra?+
E se dopo il lancio non funziona come speravamo?+
In sintesi
Da un mese e mezzo a due mesi per andare in produzione, con due riferimenti veri alle spalle: sei settimane per un agente in punto vendita, quattro-otto settimane per un pilota su documenti aziendali.
Il tempo non se ne va dove pensi. La costruzione è la parte prevedibile: sono i dati da bonificare e le decisioni che non si prendono a spostare le date. Chi ti promette una data prima di aver visto i tuoi dati non ti sta rassicurando, ti sta indovinando.
Vuoi una data, non una forbice?
La forbice si chiude quando qualcuno guarda i tuoi dati. È esattamente quello che fa l'audit iniziale: trasforma un intervallo aperto in una data.
Articoli correlati
Chi può costruirti un agente AI: come scegliere il partner
Le quattro strade (piattaforma, freelance, agenzia, system integrator), le otto domande da fare prima di firmare, e i segnali che dicono di lasciar perdere. Il rischio più grande non è scegliere un incapace: è sceglierne uno che ti lega.
Quanto costa un agente AI per un'azienda
Le fasce vere, aggiornate a luglio 2026: 8-10k per il progetto, 200-300 euro al mese per tenerlo vivo, circa 2.000 per l'audit iniziale. E cosa le muove: i dati puliti accorciano, quelli sporchi allungano.
Gestionale custom vs SaaS: quando ha senso costruirsi il proprio
Quando un gestionale custom batte un SaaS standard, quando invece e' una pessima idea. Framework di valutazione in 8 domande, esempi reali, numeri chiari per imprenditori PMI.