Le aziende italiane affrontano ogni anno circa 2,8 miliardi di euro di spese IT impreviste per aggiornare o gestire le proprie infrastrutture IT, per usare l’intelligenza artificiale e per altre necessità legate all’ambiente informatico. Questa la stima di uno studio del Centre for Economics and Business Research (Cebr), commissionato da Wasabi Technologies e basato su 690 interviste condotte da Sapio Research tra luglio e agosto di quest’anno. Il campione include non soltanto aziende italiane, ma piccole, medie e grandi imprese di altri sette Paesi, ovvero, Regno Unito, Francia, Germania, Stati Uniti, Giappone, Australia e Nuova Zelanda.
Il fatto che esistano delle spese impreviste legate all’informatica non stupisce più di tanto, ma è interessante vedere dove i costi extra si focalizzano e con quali conseguenze. Le infrastrutture per il machine learning e l’AI sono la categoria tecnologica che impatta di più: a livello globale assorbono il 37% della spesa non pianificata, oltre un terzo, mentre tra le aziende italiane la quota sale al 50%, ovvero 1,4 miliardi di euro sui 2,8 miliardi stimati nel corso di un anno.
Tra gli altri grandi Paesi europei analizzati, la percentuale sovrasta quella italiana solo in Francia, 64%, mentre all’opposto ci sono il 32% del Regno Unito e il 27% della Germania. Considerando il modello di consumo (energetico e di costi legati alle chiamate Api e ai token) dell’intelligenza artificiale, le infrastrutture AI emergono dal sondaggio come la voce di spesa più difficile da prevedere. Per il 52% degli intervistati italiani, nell’anno precedente al sondaggio i costi delle infrastrutture tecnologiche hanno superato il budget aziendale o le stime iniziali.
Considerando tutti gli otto Paesi presi in esame, il conto delle spese tecnologiche extra sale a 63,4 miliardi di dollari in un anno. La spesa extra deriva sia da costi applicati dai fornitori, che l’azienda cliente non poteva prevedere, sia da utilizzi non inizialmente pianificati. Più precisamente, a livello globale tra le aziende che hanno sforato il budget per le infrastrutture di AI e machine learning, il 49% ha citato costi imprevisti delle licenze di piattaforme e modelli, il 45% spese di integrazione, deployment e gestione operativa dei modelli, il 38% la tariffazione basata su token, inferenza o consumo.
In Italia il problema principale sembra essere un’altro, tra le aziende che hanno superato il budget dedicato all’AI, il 58% ha dato la colpa a un’infrastruttura sovradimensionata, sottoutilizzata o poco adatta alle esigenze. La seconda motivazione, per il 50%, sono i costi di integrazione, deployment e gestione dei modelli, mentre solo il 25% ha citato i costi delle licenze e un analogo 25% le tariffe a consumo.
“Alle aziende non mancano le ambizioni, ma vengono colte di sorpresa da costi infrastrutturali imprevedibili che impediscono loro di portare avanti i propri piani di innovazione”, ha dichiarato Marty Falaro, presidente e chief operating officer di Wasabi Technologies. “Esiste un problema di fondo nel modo in cui le infrastrutture tecnologiche vengono acquistate e tariffate: le aziende devono sapere quanto costerà archiviare i propri dati, accedervi e spostarli prima di avviare un progetto di AI, non dopo l’arrivo della fattura. L’innovazione deve saper correre dei rischi, la fattura delle infrastrutture no”.
Le conseguenze: lentezze e investimenti mancati
Interessante, si diceva, è osservare le conseguenze di tutto ciò: avendo sforato il budget, le aziende accettano dei “compromessi” e rinunciano a investire in innovazione. Ben l’80% delle aziende italiane ha dovuto accettare almeno un compromesso sul fronte dell’innovazione a causa dei costi delle infrastrutture o di vincoli nell’accesso ai dati. Per queste stesse ragioni, il 26% delle aziende italiane ha già rimandato o ridimensionato progetti di AI, automazione o data science, il 19% ha rinunciato all’adozione di una nuova tecnologia o piattaforma. Solo il 19% degli intervistati italiani è riuscito a evitare compromessi sul fronte dell’innovazione e degli investimenti.
“La nostra ricerca ha fatto emergere il costo nascosto dell’innovazione in alcune delle principali economie del mondo”, ha commentato Owen Good, head of economics advisory di Cebr. “Una tariffazione imprevedibile non significa soltanto che le aziende pagano di più. Significa che assunzioni di persone e investimenti in nuove tecnologie vengono rinviati o ridotti, perché i budget sono dirottati per coprire costi inattesi. La tecnologia che genera più costi non pianificati è anche tra gli investimenti che le aziende tagliano per farvi fronte”.
C’è, inoltre, un diffuso problema di accesso ai dati. La mancanza o l’inadeguatezza dell’hardware ha causato ritardi, nei 12 mesi precedenti, nell’82% delle aziende italiane del campione, mentre l’86% ha registrato almeno una volta costi aggiuntivi dovuti alla frammentazione degli ambienti dati. Il cambio di fornitore è un’opzione possibile, ma non sempre percorribile: per il 23% delle aziende italiane l’attuale configurazione delle infrastrutture rende difficile passare a un altro provider o adottare tecnologie migliori.
Lo studio evidenzia anche un costo economico più ampio, perché le aziende sottraggono capitali a progetti in grado di alimentare la crescita futura. In base alla modellizzazione economica realizzata da Cebr, in Italia i 2,8 miliardi di euro di spese non previste, se recuperati, potrebbero sostenere investimenti in ricerca e sviluppo, AI e nuove tecnologie, oltre a corsi di formazione del personale e nuove assunzioni, per un totale di 8.670 posti di lavoro.