Quanto costa integrare l'AI in un SaaS nel 2026: cifre reali

Vuoi aggiungere una funzione AI al tuo SaaS: un assistente per il supporto, un copilot dentro al prodotto, una ricerca che risponde in linguaggio naturale invece di restituire dieci link. La prima domanda che arriva dall'ufficio finanziario è sempre la stessa. Quanto costa? La risposta onesta è che la cifra che ti viene preventivata raramente coincide con quella che paghi, perché il costo di integrare l'AI non è un numero solo. Sono tre.

Il costo di integrare l'AI è la spesa totale del primo anno per aggiungere a un SaaS una funzione basata su un modello linguistico, e si divide in tre parti: la costruzione, l'esercizio e la manutenzione. La costruzione è il tempo di sviluppo per rilasciare la funzione. L'esercizio è il costo a consumo di ogni chiamata al modello più l'infrastruttura che ci sta dietro. La manutenzione è la parte che quasi tutti i budget dimenticano: valutazioni, monitoraggio, messa a punto dei prompt e sicurezza. Se la lasci fuori dalla stima, sbagli di circa un terzo del totale reale.

La versione in 30 secondi

Per una singola funzione AI ben delimitata (un assistente al supporto ancorato alla tua documentazione, o un copilot per un unico flusso), metti a budget dai 30.000 agli 80.000 dollari per costruirla e dai 500 ai 3.000 dollari al mese per l'esercizio nelle prime fasi. Un'integrazione più profonda, estesa a tutto il prodotto, con retrieval, più flussi e interfaccia su misura, costa dai 75.000 ai 150.000 dollari di costruzione. I sistemi enterprise con integrazione dati profonda e agenti autonomi partono attorno ai 200.000 dollari e superano il milione in fretta. Qualunque cifra di costruzione ti esca, aggiungi il 30-40% per lo strato di manutenzione del primo anno, quello che arriva dopo il rilascio.

Cosa significa davvero "integrare l'AI": tre forme, tre cartellini

L'espressione copre tre cose molto diverse. La differenza di costo tra loro è di un ordine di grandezza, quindi il primo lavoro è dare un nome a quella che stai comprando.

1. Chatbot o copilot

Una superficie conversazionale: un bot di supporto, un assistente dentro al prodotto che risponde e scrive bozze. È la forma meno cara, perché il grosso lo fa il modello e il tuo lavoro sono impianto, guardrail e interfaccia. Le piattaforme chatbot già pronte costano dai 100 ai 500 dollari al mese per qualche migliaio di conversazioni. Un copilot su misura, collegato ai tuoi dati e alle tue azioni, è dove si colloca la costruzione da 30.000-80.000 dollari.

2. Ricerca RAG e assistenti ancorati

Il retrieval-augmented generation passa al modello i tuoi contenuti al momento della domanda, così le risposte citano i tuoi dati invece di inventarli. Aggiunge una pipeline di ingestione, un passaggio di embedding e un database vettoriale. La costruzione è più pesante e l'esercizio mensile porta una voce di infrastruttura che un chatbot puro non ha.

3. Agenti autonomi

Gli agenti pianificano, chiamano strumenti e compiono azioni in più passi. Sono i più capaci e i più cari da mandare in esercizio, perché una singola richiesta si può ramificare in decine di chiamate al modello e perché servono i modelli migliori e il collaudo più intenso. È qui che i budget superano le sei cifre in fretta.

Come si tariffa l'inferenza: il conto dei token

I fornitori di modelli fatturano per milione di token, e distinguono l'input (quello che invii) dall'output (quello che il modello scrive). L'output costa sempre di più. Sui prezzi pubblicati da Anthropic, Claude Haiku 4.5 costa 1 dollaro di input e 5 di output per milione di token, Claude Sonnet 4.6 costa 3 e 15, e Claude Opus 4.8 costa 5 e 25 (prezzi Anthropic). Due leve tagliano il conto in modo netto: il prompt caching abbatte fino al 90% il costo del contesto ripetuto, e l'elaborazione in batch costa il 50% in meno quando il lavoro non è urgente.

La trappola è che a decidere il conto è il volume di token, non il prezzo del singolo token. Una risposta RAG infila i documenti recuperati in ogni richiesta, quindi una sola domanda può costare molti più token di input delle parole effettive dell'utente. La scelta del modello pesa più di quanto molti si aspettino: indirizzare il lavoro di routine su un modello più economico e riservare quello di punta ai casi difficili può cambiare un conto mensile di 5 volte senza perdita di qualità visibile. Scegliere il modello per compito, invece di usare per default il più grande, è la leva di costo più grande che controlli.

La voce infrastruttura: database vettoriali e lo scarto del preventivo

Il RAG ha bisogno di un posto dove tenere gli embedding. La scelta si divide tra servizi gestiti e self-hosted. Un database vettoriale gestito come Pinecone parte attorno ai 50 dollari al mese e arriva a 700 o più con 100 milioni di vettori, e un sistema RAG in produzione ad alto traffico può costare dai 1.000 ai 2.000 dollari al mese (MarkTechPost). Usare pgvector sull'istanza Postgres che già paghi costa spesso dai 45 ai 180 dollari al mese, perché scolleghi il costo dal volume di query.

Tieni d'occhio lo scarto tra il preventivo del calcolatore e la fattura. I conti reali dei database vettoriali in produzione risultano da 2,5 a 4 volte più alti della stima, per via della saturazione delle write unit e di canoni di capacità che si attivano in silenzio sotto carico costante (LeanOps). Metti a budget la fattura, non la stima.

I due terzi nascosti: cosa dimentica il budget

Ecco il numero che coglie di sorpresa i team. Il prezzo di listino di un progetto AI è solo il 58-72% del costo totale del primo anno, una volta contati inferenza, monitoraggio, manutenzione e gestione dei casi limite, e i soli costi nascosti valgono il 28-42% della spesa del primo anno, sottostimati dagli uffici acquisti di circa 3 volte (ricerca Pharos). Quattro voci spingono questo terzo nascosto.

Valutazioni. Non puoi rilasciare una funzione AI che non sai misurare. Costruire e far girare una suite di eval costa token, perché una singola esecuzione può consumarne quanti centinaia di richieste in produzione, e molti team usano un secondo modello per giudicare il primo. La valutazione è il costo che quasi tutti i fondatori saltano finché un bug in produzione non lo rende inevitabile.

Monitoraggio. Tracciare le chiamate, contabilizzare i token e cogliere i cali di qualità silenziosi richiede strumenti e attenzione. Senza, una modifica al prompt che peggiora di nascosto le risposte può andare avanti per settimane prima che qualcuno se ne accorga.

Messa a punto dei prompt. Una funzione AI in produzione non è mai finita. Alla scala emergono nuovi modi di sbagliare. Metti a budget dalle 10 alle 20 ore di sviluppo al mese per ogni flusso importante, per la messa a punto continua di prompt e retrieval (Kalvium Labs).

Sicurezza. Nel momento in cui un modello legge testo dell'utente, quel testo diventa una superficie d'attacco. Prompt injection, fuga di dati e chiamate a strumenti non volute sono rischi strutturali, non casi limite, e difendersi è tempo di sviluppo che va messo nel piano.

Come mettere a budget una funzione AI senza sorprese

Stima il costo di esercizio dal basso. Prendi i token medi per richiesta (input più output, incluso il contesto recuperato), moltiplica per il prezzo al token del modello che userai davvero, e moltiplica per le richieste mensili attese. Aggiungi la voce di database vettoriale e hosting. Poi moltiplica quel subtotale di infrastruttura per 3 o 4, per tenere conto dello scarto del preventivo e della crescita di traffico nel primo anno. Infine prendi la stima di costruzione e aggiungi il 30-40% per lo strato di manutenzione. Il risultato è un totale del primo anno difendibile, non un prezzo di listino che sforerai già dal secondo trimestre.

La decisione che sposta di più il numero è l'ambito, non il fornitore. Un assistente ancorato alla tua documentazione e una flotta di agenti autonomi sono entrambi "integrazione AI", e differiscono di 20 volte. Dai un nome alla forma, dimensiona il volume di token e valuta il terzo nascosto prima di impegnarti. Se stai definendo i costi dell'intero prodotto, la nostra analisi di quanto costa sviluppare un SaaS nel 2026 imposta il quadro più ampio, e cosa deve contenere la proposta di un'agenzia di integrazione AI spiega come leggere un preventivo rispetto a queste cifre.