Uno studio di fattibilità invece di un reparto di ricerca: come verificare un progetto di IA con un rischio contenuto

Una media impresa senza un proprio reparto R&S può affrontare un progetto di IA in modo responsabile se prima lo traduce in uno studio di fattibilità a tempo determinato: con poche domande verificabili su tecnologia, dati e redditività, e con criteri di prosecuzione o interruzione fissati prima dell'avvio. Lo studio non sostituisce un reparto di ricerca, ma fornisce la base decisionale per il passo di budget successivo, compresa un'interruzione motivata.

Per la maggior parte delle imprese non è una questione marginale. Secondo il rapporto KfW sull'innovazione nelle medie imprese 2025, solo il 3 % delle medie imprese tedesche fa ricerca in modo continuativo e il 6 % occasionalmente; l'80 % delle imprese innovative innova senza R&S propria. Allo stesso tempo, secondo KfW Research, le imprese con R&S usano l'IA quasi tre volte più spesso. Anche a parità di altre caratteristiche, la probabilità stimata di usare l'IA è del 38 % con R&S continuativa e del 19 % per le imprese innovative senza R&S. È una correlazione statistica, non una prova di causalità. KfW la spiega con la capacità di assorbire conoscenze esterne. Proprio questa capacità si può acquisire per progetto: secondo lo Stifterverband, l'economia tedesca affida già all'esterno poco più di un terzo della propria spesa in R&S.

Tre domande a cui lo studio deve rispondere

Uno studio di fattibilità è utile quando risponde a tre domande distinte, invece di produrre una demo.

Tecnica: un metodo può risolvere il compito con la qualità necessaria, e meglio di un'alternativa più semplice come regole, ricerca o un processo manuale migliorato? La domanda guida è: quale ipotesi verifichiamo e come la misuriamo?

Dati: sono disponibili dati sufficienti, di qualità utilizzabile e con diritti d'uso chiariti? La guida del Fraunhofer IIS per le PMI colloca espressamente la verifica della base di dati prima della modellazione di un prototipo.

Economica: il beneficio copre i costi dell'intero flusso di lavoro, cioè preparazione dei dati, integrazione, verifica specialistica ed esercizio? Questa domanda è particolarmente rilevante: nel panel KfW sulle medie imprese, il 50 % indica l'incertezza sul successo commerciale come ostacolo all'innovazione.

Le domande coincidono con le cause tipiche di progetti di IA falliti individuate da RAND sulla base di 65 interviste: un problema frainteso, mancanza di dati di addestramento, focus sulla tecnologia anziché sul problema, infrastruttura insufficiente e compiti troppo difficili per lo stato dell'arte.

Fissare i criteri di prosecuzione o interruzione prima dell'avvio

I criteri di interruzione funzionano solo se sono fissati prima dei primi risultati. Hanno senso soglie per ogni domanda: una qualità minima su casi di test reali, un insieme di dati reperibile entro un termine stabilito e un tetto di costi d'esercizio al di sotto del quale il progetto conviene. A ciò si aggiunge la domanda su chi valuti il risultato dal punto di vista specialistico e che cosa debba essere dimostrato prima del passo di budget successivo. Altrettanto importante è quale errore costerebbe caro nell'esercizio successivo: un valore di prova letto male pesa diversamente da una bozza di testo maldestra, e da questo dipende la qualità richiesta.

Senza tali criteri spesso resta solo un giudizio vago. In un'indagine dell'Agenzia federale delle reti tedesca (Bundesnetzagentur), il 58 % delle imprese che avevano testato e poi abbandonato l'IA ha indicato come motivo il mancato raggiungimento degli obiettivi.

Perché sia importante lo mostrano previsioni e indagini di diversa solidità. Gartner aveva previsto che almeno il 30 % dei progetti di IA generativa sarebbe stato abbandonato dopo la prova di concetto entro la fine del 2025, citando tra l'altro qualità dei dati, costi e benefici poco chiari. Uno studio del progetto NANDA del MIT riferisce che la maggior parte delle organizzazioni non ha visto un effetto misurabile sui risultati (Fortune). Si basa però su 52 interviste e 153 intervistati, per lo più statunitensi, e vale solo come indizio. In questa logica, un «no» dopo poche settimane non è un fallimento, ma un risultato che fa risparmiare i costi di pilota e di rollout.

Distinzione: studio, prova di concetto, pilota

I termini rispondono a domande diverse. Una prova di concetto verifica se una soluzione può funzionare tecnicamente; una prova di valore chiede se genera un beneficio di business misurabile (Fujitsu, fonte di un fornitore). Un pilota si svolge in condizioni reali con utenti reali. Lo studio di fattibilità è il quadro che lo precede: può includere una prova tecnica preliminare, ma valuta anche dati e redditività. Sulla scala di maturità tecnologica (TRL) si colloca tipicamente tra la prova di concetto sperimentale e la validazione in laboratorio o in un ambiente rilevante. Chi parte direttamente con un pilota salta questa verifica e deve poi chiarire le questioni di dati, tecnica e costi in condizioni di esercizio, dove ogni correzione costa di più.

Finanziamenti in Germania: oggi soprattutto l'incentivo fiscale alla ricerca

Il quadro dei finanziamenti è cambiato nel 2026. Lo studio di fattibilità ZIM, uno strumento ovvio, è sospeso: dal 7 luglio 2026 il Programma centrale per l'innovazione delle PMI tedesche (ZIM) non accetta domande; la ripresa è prevista per l'inizio del 2027 (BTU Cottbus-Senftenberg).

Resta aperto l'incentivo fiscale alla ricerca (Forschungszulage), un diritto di legge senza finestre di presentazione. Richiede novità, incertezza tecnico-scientifica e pianificazione sistematica. Secondo la guida di valutazione del BSFZ, i rischi economici non contano; la semplice configurazione di software consolidato è esclusa. Per lo studio significa pianificare e documentare separatamente i pacchetti di lavoro tecnici e le parti di mercato o di redditività. Se singole parti siano agevolabili va chiarito con il consulente fiscale e con l'organismo di certificazione (BSFZ).

In Baviera il buono innovazione per le imprese con meno di 50 dipendenti è stato prorogato fino alla fine del 2029; finanzia servizi esterni di R&S, ma non cita espressamente gli studi di fattibilità.

Chi imposta così un progetto di IA compra prima una decisione solida e solo dopo lo sviluppo. Se desidera strutturare la Sua domanda e i Suoi criteri di interruzione, un colloquio con capinori è un possibile primo passo.

Domande frequenti sugli studi di fattibilità di IA nelle medie imprese

Fonti (14)

• KfW Research: KfW-Innovationsbericht Mittelstand 2025, marzo 2026 (in tedesco)
• KfW Research: Fokus Volkswirtschaft n. 533, IA nelle medie imprese, 11/02/2026 (in tedesco)
• KfW Research: Fokus Volkswirtschaft n. 520, ostacoli all'innovazione, 18/11/2025 (in tedesco)
• Stifterverband: fue-facts 2024, aprile 2026 (in tedesco)
• Bundesnetzagentur: indagine sull'IA, rapporto, luglio 2025 (in tedesco)
• Fraunhofer IIS: KI-Lösung – Ein Leitfaden für KMU, aprile 2025 (in tedesco)
• RAND Corporation: The Root Causes of Failure for Artificial Intelligence Projects, 13/08/2024 (in inglese)
• Gartner: comunicato sui progetti di IA generativa dopo la prova di concetto, 29/07/2024 (in inglese)
• Fortune: articolo sullo studio MIT NANDA «The GenAI Divide», 18/08/2025 (in inglese)
• Fujitsu: Proof of Concept vs. Proof of Value, 13/03/2025 (in inglese)
• Commissione europea: Technology Readiness Levels, Orizzonte 2020, allegato G (in inglese)
• BTU Cottbus-Senftenberg: ZIM, sospensione temporanea delle domande dal 7 luglio 2026, 20/07/2026 (in tedesco)
• Bescheinigungsstelle Forschungszulage: FAQ e guida di valutazione, al 10/2025 (in tedesco)
• Bayern Innovativ: linee guida del buono innovazione Baviera 2026 (in tedesco)