AI ROI: i 7 KPI che convincono CFO e Procurement

Nella pratica, CFO e Procurement non chiedono “se l’AI è potente”. Lo sanno già. Chiedono: quanto costa produrre valore, cosa succede quando degrada, e quali prove puoi mettere su un tavolo in una due diligence.

Il punto è semplice: se non misuri qualità, rischio e cost-to-serve, non stai facendo ROI. Stai facendo demo. Qui sotto trovi un set di KPI “da boardroom” e un piano 30 giorni per arrivare a un ROI pack firmabile.

1) ROI non è “costo GPU”: è unit economics + rischio

Il ROI dell’AI si rompe quasi sempre nello stesso punto: l’azienda misura il costo (token, licenze, infrastruttura) ma non misura l’unità economica. Risultato: si discute di tecnologia, non di margine.

• Unità: qual è l’output che paga? ticket risolti, documenti processati, decisioni accelerate.
• Baseline: oggi quanto costa quell’output (tempo, errori, rework, escalation)?
• Rischio: quali controlli servono (policy, logging, incident plan) e quanto costano?
• Prove: quali evidenze produci (audit trail, test set, changelog) per procurement?

Se hai queste quattro cose, il CFO ti segue. Se non le hai, l’AI resta un capitolo “innovazione” che viene tagliato al primo ciclo di budget.

2) KPI #1 — Definisci l’unità economica (e non cambiarla a metà)

Scegli una metrica che un executive capisce in 10 secondi. Non deve essere perfetta: deve essere stabile e confrontabile. Esempi tipici:

• € / ticket risolto (supporto)
• € / documento processato (operations, compliance, back office)
• € / analisi completata (risk, finance, legal)
• € / decisione accelerata (boardroom: time-to-decision)

Poi collega quella unità a un volume reale (mensile) e a una baseline. È qui che il ROI diventa misurabile.

3) KPI #2 — Time-to-decision (il moltiplicatore invisibile)

In molte aziende il vero costo non è “fare” qualcosa, è decidere. L’AI ha ROI quando riduce il tempo tra segnale → analisi → scelta, senza aumentare rischio.

Misuralo su 1 workflow: quanto tempo passa tra una richiesta e una decisione “decision-ready” (con contesto, rischi, next steps). Se scende, il ROI emerge anche quando i costi infrastrutturali sembrano “alti”.

4) KPI #3 — Quality (groundedness + hallucination rate)

Il CFO non compra risposte “plausibili”. Compra riduzione di rischio e qualità stabile. Due KPI rendono la qualità misurabile:

• Groundedness: % risposte supportate da evidenze (RAG/citazioni).
• Hallucination rate: errori fattuali su un test set (golden set).

5) KPI #4 — p95 + TTFT (perché l’esperienza guida l’adozione)

Le medie mentono. Se l’esperienza degrada al p95, l’adozione cala e il ROI muore. Per questo misuro sempre:

• TTFT (time-to-first-token): latenza percepita.
• p95 end-to-end: UI → API → modello → tool.
• Stabilità: error rate e fallback quando un componente fallisce.

6) KPI #5 — Deflection, escalation, rework (il ROI operativo)

Se lavori su supporto o back office, il ROI è spesso in tre numeri: quante richieste non diventano ticket, quante non vengono escalate, quante non vengono rifatte.

Questi KPI sono “difendibili” in procurement perché legano AI → outcome. E ti proteggono dai falsi successi: se deflection sale ma escalation esplode, non è ROI, è debito operativo.

7) KPI #6 — Evidence coverage (procurement vuole prove, non storytelling)

Il rischio “soft” dell’AI diventa costo “hard” quando arriva una security review o un audit. Per questo un KPI che piace a procurement è: coverage delle evidenze.

• Audit trail: logging strutturato, retention, accessi.
• Controlli: policy su PII, prompt injection, data leakage (testate).
• Governance: versioni modello, changelog, rollback, owner.

8) KPI #7 — Cost-to-serve reale (€/call + utilization)

Il costo non è solo “quanto paghi il modello”: è compute, storage, rete, osservabilità, sicurezza, persone. Il KPI che chiude il cerchio è € / call (o € / 1k token) su volume reale.

Qui entrano caching, batching, routing e sizing GPU. Se vuoi fare un sanity check economico (cloud vs on-prem/hybrid), usa il TCO Calculator e poi confronta i costi con l’unità economica del punto 2.

9) I 3 errori che fanno fallire il business case

1. Misurare “engagement” invece di output (vanity metrics).
2. Fare pilot senza baseline, test set e criteri go/no-go.
3. Non avere limiti e runbook: quando degrada, si spegne (e si perde fiducia).

10) Piano 30 giorni: ROI pack procurement-ready

Se vuoi trasformare KPI in un business case “firmabile”, serve un percorso breve e rigoroso. Questo è quello che uso più spesso.

Giorni 1–7 — Baseline + unit economics

• Scegli 1 workflow e 1 unità economica.
• Misura baseline: tempi, errori, escalation, rework.
• Definisci soglie go/no-go e owner.

Giorni 8–14 — Qualità + controlli + prove

• Crea golden set e eval harness.
• Attiva logging, policy e incident plan.
• Mappa obligations → controls → evidence (per audit/procurement).

Giorni 15–30 — Pilot misurato + ROI pack

• Rilascia canary e misura KPI settimanalmente.
• Calcola € / call e costo mensile su volume reale.
• Consegna un ROI pack: KPI, evidenze, rischi, roadmap.

Per accelerare: usa la Reference Architecture per allineare stack e controlli, il Compliance Mapper per trasformare obblighi in evidenze, e i case studies per esempi di output misurabili.

Conclusione: il ROI dell’AI non si racconta. Si misura.

Quando KPI e prove sono chiari, la conversazione cambia: da “che modello scegliamo?” a “quale leva economica attiviamo, con quale rischio e a quale costo”.

Se vuoi impostare KPI, test set, cost model e evidence pack in modo procurement-friendly, scrivimi: partiamo da uno Strategic Assessment e in poche settimane portiamo in produzione un use case misurabile.