Chiedi a cinque vendor un preventivo per lo stesso progetto AI e le differenze vanno ben oltre il prezzo. Un freelancer offre due settimane e una tariffa fissa. Un’agenzia vuole uno scope firmato e uno statement of work di dodici settimane. Una società di staffing può avere qualcuno nel tuo ufficio lunedì, fatturato a ore, senza alcuna data di fine.
Un fractional CTO vuole un canone mensile per consigliare, non per costruire. Un ultimo pitch descrive qualcosa di ancora diverso: un ingegnere AI embedded, che lavora dentro il tuo team contro un risultato messo a contratto invece che un deliverable fisso.
Nessuno di questi è un modo sbagliato di far costruire l’AI. Ognuno è la scelta giusta per un tipo specifico di problema, e quella sbagliata per ogni altro tipo. Quello che è cambiato è quanto sul serio il settore prende ora il modello embedded: OpenAI e Anthropic hanno lanciato entrambe joint venture per i servizi AI enterprise a maggio 2026 costruite attorno a questo modello, e AWS ha stanziato un miliardo di dollari per la propria organizzazione di forward deployed engineering, un investimento ora esteso a un programma guidato dai partner.
La storia delle origini, a partire da Palantir nel 2006, è raccontata in Forward deployed engineer: cos’è e a chi serve davvero. Un modello di delivery che un tempo richiedeva un contratto da enterprise oggi ha un prezzo alla portata di aziende con una frazione di quel budget.
Questo articolo mette in fila i sei modi in cui una piccola o media impresa fa costruire l’AI oggi, sulle dimensioni che decidono se la scelta era giusta: chi risponde del risultato, cosa ti resta quando il lavoro si ferma, come è strutturato il costo, quanto in fretta vedi qualcosa di reale, quanto a fondo il lavoro entra nei tuoi sistemi e cosa succede se va male.
Sei modi di far costruire l’AI, e cosa presuppone ciascuno
Metti le offerte in pile e sei categorie coprono quasi ogni proposta sul tavolo.
Freelancer o contractor indipendente. Una persona sola, ingaggiata direttamente o tramite un marketplace, pagata a ore o a corpo. Veloce da avviare ed economica da chiudere, ma un single point of failure se quella persona si ammala o sparisce nel progetto di un altro cliente. La maggior parte dei freelancer garantisce il proprio tempo. Pochissimi garantiscono il risultato.
Agenzia, scope fisso. Una software house definisce lo scope di un progetto, quota un prezzo chiuso e consegna contro uno statement of work firmato. I requisiti vengono congelati presto e tutto quello che cambia dopo passa da un change order. È il rapporto standard con un fornitore per lavoro di ingegneria già ben compreso prima che venga scritta la prima riga di codice.
Staff augmentation, a volte chiamata bodyshopping. Una società di staffing piazza un contractor, di solito fatturato a mese, che lavora sotto la direzione del tuo team senza deliverable fisso e senza garanzia sul risultato. Il compito della società è riempire la sedia. Se quello che viene costruito funziona davvero resta interamente responsabilità tua, ed è per questo che si tratta del modello più vecchio dell’IT enterprise, oggi rivenduto con un’etichetta AI attaccata sopra.
Fractional CTO o advisor AI. Un tecnologo senior lavora part-time, spesso dalle cinque alle quindici ore a settimana, su decisioni di architettura, valutazione dei vendor e roadmap. Alcuni fractional CTO scrivono codice; la maggior parte no. Qui stai comprando giudizio, non capacità di delivery, e questo rende l’opzione ragionevole prima di sapere abbastanza da scrivere uno scope per chiunque altro.
Ingegnere AI embedded. Un ingegnere senior lavora dentro il tuo team e i tuoi sistemi esistenti contro un risultato messo a contratto, e resta finché il sistema non funziona e le tue persone non sanno farlo girare senza aiuto esterno. È il modello forward deployed, ridotto a una scala e a un prezzo adatti a un’azienda lontanissima dalle liste clienti enterprise che OpenAI o AWS servono di solito. Alcuni provider oggi lo confezionano come servizio di ingegneria AI embedded dedicato, invece che come consulenza una tantum.
Assunzione a tempo pieno. Cerchi, assumi e inserisci un dipendente fisso. Ottieni piena proprietà e responsabilità e, col tempo, l’integrazione più profonda nel modo in cui l’azienda funziona, al costo di una ricerca che raramente va veloce e di uno stipendio che riflette quanto queste competenze siano ancora scarse.
Ingegnere AI embedded vs freelancer vs agenzia: sei modelli a confronto
Metti i sei uno accanto all’altro e le differenze sono più nette di quanto la conversazione commerciale lasci intendere di solito.
| Modello | Chi risponde del risultato | Trasferimento di conoscenza | Struttura del costo | Tempo al primo risultato | Profondità di integrazione | Rischio se va male |
|---|---|---|---|---|---|---|
| Freelancer | Tu; lui esegue un compito | Raramente previsto | A ore o a corpo, circa 90-300 $/ora | 1-3 settimane | Un sistema alla volta | Erediti un progetto orfano |
| Agenzia (scope fisso) | L’agenzia, contro la specifica firmata | Un documento di handover, profondità limitata | Prezzo chiuso, circa 5.000-220.000+ $ | 6-16 settimane | Quanto definito nello scope iniziale | Change order, dispute sullo scope |
| Staff augmentation | Tu; il contractor esegue le direttive | Nessuno previsto, se ne va con la persona | A ore o a mese, senza tetto fisso | Veloce a piazzare la persona, lenta al risultato reale | Profonda, ma legata a una persona | Nuovo staffing e nuovo ramp-up, lo slancio riparte da zero |
| Fractional CTO / advisor | Tu; lui consiglia | Continuo, per costruzione | Canone mensile, circa 3.000-15.000+ $ | Da settimane a mesi, prima la strategia | Da superficiale a media, raramente codice | Buoni consigli, nessuno che li esegua |
| Ingegnere AI embedded | Condiviso, una missione a contratto | Un deliverable a contratto | Prezzo chiuso a missione, o tariffa con tetto | Una fetta funzionante in poche settimane | Profonda, vive dentro il tuo stack | Delimitato da criteri di accettazione scritti |
| Assunzione a tempo pieno | Tu, in modo permanente | Non applicabile, è il suo lavoro | Stipendio e contributi, più mesi di ricerca | La più lenta: ricerca, poi ramp-up | La più profonda, nel tempo | Costo della ricerca perso, l’orologio riparte |
Due cose in questa tabella sono facili da perdere quando è un vendor a fartela scorrere. Staff augmentation e assunzione a tempo pieno sembrano diverse sull’organigramma ma finiscono nello stesso punto sulla responsabilità: in entrambi i casi sei tu solo a risponderne se il lavoro non rende. Una società di staffing risponde soltanto di aver piazzato una persona ragionevolmente qualificata. Se quello che viene costruito funziona non è un problema suo.
Anche la struttura del costo ti dice più cose sul rischio di quante ne dica la cifra. Una missione a prezzo chiuso con criteri di accettazione scritti delimita il tuo rischio in un modo che una tariffa oraria senza fine non farà mai, per quanto quella tariffa sembri attraente il primo mese. Vale la pena ricordarlo la prossima volta che qualcuno riduce la scelta tra assumere un ingegnere AI e ingaggiare un’agenzia a una pura questione di quale tariffa giornaliera è più bassa.
Perché staff augmentation e ingegneria embedded non sono la stessa cosa
Questi due modelli vengono confusi di continuo, e i vendor che vendono semplice staff augmentation hanno tutto l’interesse a confondere ancora di più le acque chiamando “ingegneri embedded” anche i loro contractor piazzati. L’organigramma non ti dirà quale dei due stai comprando. L’incentivo sotto il contratto sì.
Un contratto di staff augmentation vende tempo. Il contractor fattura a ore o a mese, prende direttive dal tuo team e non ha alcuna ragione strutturale per rendersi superfluo. Se l’ingaggio finisce perché il lavoro è davvero concluso, è un caso, non un progetto. L’interesse commerciale della società di staffing è il rinnovo, e un contractor che diventa piano piano indispensabile è una storia di rinnovo migliore di uno che documenta tutto e se ne va in modo pulito.
Un contratto da ingegnere AI embedded vende una missione. Lo scope è un risultato definito, per esempio un flusso di lavoro automatizzato o un tasso di errore ridotto di una quota precisa, con criteri di accettazione allegati, e il trasferimento di conoscenza è scritto nel deliverable, non lasciato alla buona volontà. L’interesse commerciale del provider è la missione successiva, che dipende dal fatto che questa vada a segno e che il tuo team sappia far girare quello che è stato costruito. È un incentivo strutturalmente diverso, anche quando il lavoro quotidiano sembra identico visto dalla tua scrivania.
Un test utile prima di firmare qualsiasi cosa: chiedi cosa succede il primo giorno dopo la fine del contratto. Se la risposta onesta è che la persona se ne va e tu torni a gestire la tua ricerca di personale, stai guardando staff augmentation, comunque la chiami la proposta. Se la risposta include documentazione, un responsabile interno con nome e cognome e una milestone di handover definita, stai guardando qualcosa di più vicino all’ingegneria embedded.
Se stai valutando un’alternativa alla staff augmentation AI proprio perché questo divario di incentivi ti preoccupa, è esattamente la distinzione su cui insistere in ogni pitch, non la tariffa giornaliera o il curriculum della persona proposta.
Quando ciascuna opzione è davvero la scelta giusta
Un freelancer va bene per un prototipo delimitato
Un freelancer si guadagna il compenso quando il compito è circoscritto, tocca un solo sistema e vuoi soprattutto validare un’idea prima di impegnare budget vero. Pensa a una prima passata per riassumere i ticket di supporto, o alla prova che un modello sa estrarre i campi che ti servono da un PDF disordinato. Accetta in modo consapevole il rischio del single point of failure: tieni codice e documentazione nelle tue mani e non lasciare che la disponibilità di una sola persona diventi il tuo piano di progetto.
Un’agenzia a scope fisso va bene per requisiti che sai già scrivere
Un’agenzia si guadagna il compenso quando sai già, con ragionevole dettaglio, cosa va costruito. I requisiti stabili sono tutto il senso di uno statement of work a prezzo chiuso: il vendor sta prezzando certezza, e la certezza costa poco da vendere solo quando il bersaglio non si muove. Se stai facendo una shortlist di agenzie, le domande standard per valutare un’azienda che sviluppa agenti AI valgono senza modifiche: referenze in produzione, una vera fase di scoping prima di qualsiasi quotazione fissa e termini contrattuali che proteggono la tua proprietà intellettuale.
La staff augmentation va bene per pura capacità, non per un problema irrisolto
La staff augmentation è lo strumento giusto in un caso esatto: quando possiedi già il piano, l’architettura e i criteri di accettazione, e ti servono semplicemente più mani qualificate che eseguano sotto la tua direzione tecnica. È lo strumento sbagliato quando ti serve qualcuno che il piano lo definisca per primo. Pagare una tariffa oraria a un contractor perché scopra i tuoi requisiti al posto tuo è uno dei modi più costosi di imparare cosa andava definito prima di partire.
Un fractional CTO va bene prima di poter scrivere uno scope
Porta dentro un fractional CTO o un advisor AI quando in azienda nessuno sa ancora valutare la proposta di un vendor o giudicare se un’architettura quotata ha senso, figuriamoci scrivere una specifica che un freelancer o un’agenzia possano prezzare. Alcune aziende costruiscono così un piccolo team AI fractional: un advisor part-time che fissa la direzione, affiancato da un freelancer o un’agenzia che esegue pezzi specifici sotto. L’advisor non sostituisce chi costruisce davvero. Tratta il rapporto di advisory come il passo che viene prima dell’inizio della costruzione.
L’ingegneria AI embedded va bene per un problema reale ma non ancora specificato
Di solito è la risposta onesta quando un’azienda ha già provato un freelancer o un pilot breve e ha sbattuto contro un muro: i requisiti non erano davvero conoscibili finché qualcuno di competente non ha passato tempo vero dentro i dati, e il sistema deve raggiungere due o tre strumenti interni che nessun connettore standard copre in modo pulito. In più, il team deve arrivare a gestire il risultato da solo quando l’ingaggio finisce. Uno studio del MIT molto citato ha ricondotto la maggior parte dei pilot AI in stallo a lacune di integrazione come queste, non a modelli deboli, anche se la metodologia dello studio ha attirato critiche. Nessuno degli altri cinque modelli è costruito per gestire allo stesso tempo un bersaglio mobile e un requisito di trasferimento di conoscenza. Per un’analisi completa di quanto costa questo modello di ingaggio rispetto alle alternative qui sopra, vedi Quanto costa davvero un ingegnere AI embedded.
Un’assunzione a tempo pieno ripaga oltre una soglia di carico continuativo
Assumi quando c’è abbastanza lavoro continuativo di ingegneria AI o ML da occupare una persona in modo permanente, ben oltre il singolo progetto che ha fatto partire la ricerca. Vacci con gli occhi aperti sulla meccanica: una ricerca per un ingegnere AI o ML senior richiede in genere dai tre ai sei mesi dal primo annuncio alla firma dell’offerta, di più per competenze specializzate o per un mercato regionale ristretto. Il costo pieno di un buon candidato senior negli USA si colloca spesso tra i 220.000 e i 400.000 dollari l’anno, e il ruolo adiacente più vicino, il forward deployed engineering, ha uno stipendio mediano pubblicato più vicino ai 174.000 dollari.
L’Europa in genere costa meno, anche se raramente quanto i compratori si aspettano, e la ricerca dura altrettanto. Senza quel carico continuativo già in mano, un’assunzione a tempo pieno significa pagare un costo fisso permanente per un bisogno temporaneo, esattamente il buco che gli altri cinque modelli esistono per riempire.
A chi serve il modello embedded, e chi dovrebbe guardare altrove
Il modello embedded è il più nuovo e il meno compreso dei sei, quindi merita un confine tracciato con chiarezza.
Fa per te se:
- Il tuo caso d’uso AI tocca due o più sistemi esistenti (un CRM, un ERP, uno strumento di ticketing, un database legacy) che nessun connettore di piattaforma standard raggiunge in modo pulito.
- Non puoi ancora scrivere una specifica completa e stabile perché nessuno sa esattamente cosa significa “finito” finché qualcuno di competente non ha passato tempo vero con i tuoi dati e i tuoi casi limite.
- Il tuo team deve poter far girare e modificare il risultato dopo l’handover, invece di ricevere una scatola nera finita.
- Hai già provato un freelancer o un pilot breve e hai sbattuto contro un muro su integrazione, affidabilità o manutenzione continuativa.
Guarda altrove se:
- Il compito è circoscritto, con poca integrazione, e vuoi soprattutto validare un’idea spendendo poco. Un freelancer o un pilot breve lo fanno con meno soldi e meno impegno.
- Sai già scrivere una specifica completa e stabile. Un progetto d’agenzia a scope fisso è di solito più economico per requisiti che non si muoveranno.
- Il carico di lavoro è permanente e abbastanza grande da occupare qualcuno a tempo pieno, a tempo indeterminato. Assumere è l’economia migliore sul lungo periodo, tempi di ricerca a parte.
- Ti serve giudizio strategico senza alcuna costruzione diretta. Un fractional CTO o un advisor è la scelta più vicina e costa meno.
Prima di firmare qualsiasi cosa
Verso qualunque dei sei tu stia pendendo, cinque domande fanno emergere in anticipo la maggior parte del rischio.
- Cosa succede a documentazione e accessi ai sistemi il giorno in cui il contratto finisce?
- Il prezzo ha un tetto o è aperto, e chi assorbe il costo se lo scope cresce?
- Puoi vedere un esempio concreto di qualcosa di simile che questo provider ha consegnato, incluso cosa è andato storto e come è stato sistemato?
- Chi dirige il lavoro quotidiano, tu o il provider, e cosa significa per la sua responsabilità se il risultato non arriva?
- “Finito” è definito nel contratto stesso, o solo descritto a voce in una call commerciale?
Nessuno dei sei modi di far costruire l’AI è in sé migliore degli altri. Ognuno presuppone qualcosa di specifico sul tuo problema: quanto è già specificato, quanto a fondo deve entrare nei tuoi sistemi e quanto è davvero permanente il carico di lavoro che c’è dietro. Sbaglia quel presupposto e il costo si presenta due volte, una in fattura e una nella ricostruzione.
Domande frequenti
Cos'è un ingegnere AI embedded e in cosa differisce dalla staff augmentation?
Un ingegnere AI embedded lavora dentro il tuo team su un risultato messo a contratto, con trasferimento di conoscenza e passaggio di consegne inclusi nel deliverable. La staff augmentation piazza un contractor che fattura a ore o a mese, senza deliverable fisso e senza alcun incentivo strutturale a rendersi superfluo. La differenza sta nell'incentivo dietro il contratto, non nell'organizzazione del lavoro quotidiano.
Quando conviene un freelancer invece di un'agenzia di sviluppo AI?
Un freelancer va bene per un prototipo circoscritto e ben definito: un'integrazione e un compito chiaro, a patto di accettare un single point of failure se quella persona diventa indisponibile. Un'agenzia funziona meglio quando i requisiti sono stabili e noti abbastanza da fissarli in uno statement of work a prezzo chiuso. Se stai ancora scoprendo cosa deve fare il sistema, nessuna delle due è ancora la scelta giusta.
Quanto tempo serve davvero per assumere un ingegnere AI senior a tempo pieno?
Metti in conto dai tre ai sei mesi dalla pubblicazione dell'annuncio alla firma dell'offerta, di più per competenze specializzate o per un mercato regionale ristretto. Il costo pieno di un buon candidato senior negli USA va di norma dai 220.000 ai 400.000 dollari l'anno, e l'Europa segue a distanza ma non è comunque economica. Assumere ripaga solo quando c'è abbastanza lavoro continuativo da tenere quella persona pienamente occupata.
Un fractional CTO è la stessa cosa di un ingegnere AI embedded?
No. Un fractional CTO è in genere un advisor part-time che copre strategia, revisione dell'architettura e valutazione dei vendor, di solito per poche ore a settimana, con poco sviluppo diretto. Un ingegnere AI embedded costruisce il sistema direttamente dentro il tuo stack, contro un risultato messo a contratto. Alcune aziende li usano entrambi: un fractional CTO per fissare la direzione e un ingegnere embedded per eseguirla.
Che fine fanno il codice e la conoscenza quando finisce il contratto di un ingegnere AI embedded?
Un ingaggio embedded ben strutturato scrive documentazione, formazione e un responsabile interno con nome e cognome dentro il deliverable stesso, come impegno contrattuale e non come promessa verbale di supporto futuro. Prima di firmare qualsiasi cosa dovresti saper dire chi nel tuo team sarà in grado di far girare e modificare il sistema il giorno in cui il contratto finisce. Se nessuno sa rispondere, chiedi che venga messo per iscritto prima della firma.