---
title: "Consulenti IT vs Intelligenza Artificiale: la tua azienda può davvero fare a meno di un professionista umano?"
description: "L'AI trasforma l'IT, ma oltre il 40% dei progetti agentic viene cancellato e pochissime aziende ne ricavano valore reale. Perché serve ancora, anzi di più, un ingegnere umano."
canonical: "https://www.mauriziofonte.it/blog/post/consulenti-it-vs-intelligenza-artificiale-azienda.html"
author: "Maurizio Fonte"
date: "2025-04-29T10:35:43+02:00"
modified: "2026-06-24T18:17:30+02:00"
section: "LLM Automation"
tags: ["LLM Automation", "LLM"]
license: "Riuso e citazione consentiti con attribuzione e link alla fonte"
---

[LLM Automation](https://www.mauriziofonte.it/blog/cat/llm-automation.html) [LLM](https://www.mauriziofonte.it/blog/cat/llm.html)

# [Consulenti IT vs Intelligenza Artificiale: la tua azienda può davvero fare a meno di un professionista umano?](https://www.mauriziofonte.it/blog/post/consulenti-it-vs-intelligenza-artificiale-azienda.html)

Martedì 29 Aprile 2025, alle 10:35 ![Consulenti IT vs Intelligenza Artificiale: la tua azienda può davvero fare a meno di un professionista umano?](https://www.mauriziofonte.it/image/000850200-consulenti-it-vs-intelligenza-artificiale-azienda.jpg)

Partiamo da due numeri verificabili, perché su questo tema gli slogan abbondano e i dati scarseggiano. Il primo: [Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027](https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027), per costi che sfuggono di mano, valore di business poco chiaro o controlli di rischio inadeguati. Il secondo: secondo le rilevazioni McKinsey, **solo il 5,5% circa delle organizzazioni** riesce ad attribuire all'AI più del 5% dell'EBIT con un valore "significativo". Non sono numeri da scettico: l'AI è una tecnologia reale e potente. Sono numeri che dicono un'altra cosa, e cioè che **tra avere l'AI e ricavarne valore c'è un abisso**, e quell'abisso si chiama ingegneria.

La domanda del titolo, "la tua azienda può fare a meno di un professionista umano", è quindi mal posta. La domanda giusta è: chi ti tiene fuori da quel 40% che fallisce? Te lo spiego non come qualcuno che teme l'AI, ma come un ingegnere che costruisce e gestisce pipeline di automazione basate su LLM in produzione ogni giorno, e che proprio per questo ne conosce sia la potenza sia i punti dove si rompe.

## La domanda giusta non è se l'AI sostituisce l'esperto

L'AI in azienda non è un'ipotesi futura: è già qui. Il [report Boston Consulting Group sul valore dell'AI nei tech services](https://www.bcg.com/publications/2026/the-200-billion-dollar-ai-opportunity-in-tech-services) stima un nuovo bacino di valore netto **fino a 200 miliardi di dollari nei prossimi cinque anni**, e rileva che circa **tre quarti delle imprese vogliono lavorare con partner esterni** per costruire e mettere in produzione i casi d'uso prioritari. L'accesso agli strumenti AI da parte della forza lavoro, secondo Deloitte, è passato da meno del 40% a circa il 60% in un solo anno. Chi ti dice che l'AI è una bolla non sta guardando i dati.

Ma chi ti dice che basta "adottare l'AI" per migliorare il business sta guardando i dati ancora peggio. La stessa BCG osserva che le imprese si aspettano dall'AI miglioramenti di produttività del 30-40%, mentre i fornitori si impegnano in media solo sul 6-15%, e che **oltre il 60% delle aziende non ha ancora visto un miglioramento misurabile del costo totale** nei propri progetti agentici. Il quadro reale non è "AI sì o AI no": è una tecnologia potente che la stragrande maggioranza delle organizzazioni sta usando male. Ed è esattamente in questo scarto tra promessa e risultato che vive il valore di un professionista esperto.

## Perché il 40% dei progetti AI fallisce

Quando un progetto AI fallisce, raramente è perché "il modello non era abbastanza intelligente". Fallisce per ragioni profondamente umane e ingegneristiche. Gartner usa un'espressione efficace, *agent washing*: stima che di tutte le migliaia di vendor che si dichiarano "agentic AI", solo **un centinaio circa** offra qualcosa di realmente agentico; il resto è rebranding di chatbot, RPA e assistenti preesistenti. Un'azienda che compra l'etichetta invece della sostanza è già a metà strada verso quel 40% di cancellazioni.

Le altre cause sono altrettanto concrete: costi che esplodono perché nessuno ha modellato il consumo di token a regime, casi d'uso scelti perché "fanno scena" e non perché risolvono un problema misurabile, e controlli di rischio inadeguati. Quest'ultimo punto è il più sottovalutato. Un agente che agisce in autonomia su sistemi aziendali senza confini operativi chiari non è un'efficienza, è una passività non quantificata. Decidere quali use case meritano davvero un'implementazione agentica, e quali no, è una valutazione di ingegneria e di business insieme, non una scelta di prodotto. È il primo punto in cui un esperto ti fa risparmiare molto più di quanto costa.

> Il 40% dei progetti AI non fallisce perché l'AI non funziona. Fallisce perché nessuno ha fatto l'analisi seria prima di partire: quale problema, a quale costo, con quali confini, con quale piano se il modello cambia. Quella analisi è il lavoro.

## L'errore che vedo più spesso: comprare la tecnologia prima del problema

Il modo più comune di finire nel 40% ha una forma riconoscibile. L'azienda parte dall'entusiasmo per uno strumento, "mettiamo un agente AI sul customer care", "automatizziamo i preventivi con l'AI", e solo dopo, a progetto avviato, scopre che il problema vero era un altro: i dati di partenza sono sporchi, il processo da automatizzare non era nemmeno formalizzato, oppure il costo per interazione a regime rende l'automazione più cara del lavoro umano che doveva sostituire. È la sequenza invertita: si compra la soluzione e poi si cerca il problema a cui applicarla.

Un approccio ingegneristico ribalta l'ordine. Si parte dal processo, lo si misura, si stima il consumo di token e il costo a regime su volumi reali, si verifica che i dati esistano e siano utilizzabili, e solo allora si decide se e come l'AI ha senso. Spesso la risposta è "sì, ma non come pensavi": magari l'agente autonomo non serve, basta un'automazione più semplice e deterministica che costa un decimo e non introduce rischi di comportamento imprevedibile. Sapere quando *non* usare l'AI agentica è una competenza tanto quanto saperla implementare, e in termini di budget risparmiato è probabilmente la più preziosa. Lo strumento entusiasma; il risultato lo porta a casa chi ha fatto le domande noiose prima di firmare.

## Cosa fa un ingegnere che l'AI da sola non fa

Il valore di un professionista umano nell'era dell'AI non è l'empatia, ed è ora di smettere di raccontarlo così. È **governare ciò che l'AI produce**. McKinsey lo sintetizza in uno spostamento netto: nell'era agentica non basta più che i sistemi non *dicano* cose sbagliate, devono non *fare* cose sbagliate. Si passa dalla validazione dell'output alla validazione dell'azione, ed è terreno di ingegneria pura: controlli di accesso, principio del minimo privilegio, audit trail, sandboxing, human-in-the-loop sulle azioni critiche.

C'è poi un fronte che la maggioranza dei team ignora del tutto: la sicurezza del codice generato dall'AI. Il codice che un assistente produce in pochi secondi porta con sé una superficie d'attacco nuova, fatta di pattern vulnerabili plausibili, dipendenze allucinate e logiche di autorizzazione sottilmente sbagliate. Ne ho scritto in dettaglio analizzando [la sicurezza del codice generato da LLM](https://www.mauriziofonte.it/blog/post/audit-sicurezza-codice-generato-ai-llm-vulnerabilita.html): è esattamente il tipo di rischio che un occhio esperto intercetta e un acquirente entusiasta no. Nella mia pipeline personale di automazione gestisco decine di codebase con orchestrazione LLM, e la regola che applico è invariabile: l'AI accelera la produzione, ma la validazione resta una responsabilità umana e ingegnerizzata, mai un atto di fede.

Questo spiega anche il dato di governance più citato del 2026, e cioè che **solo circa il 21% delle aziende ha un modello di governance degli agenti realmente maturo**. Ho dedicato un articolo a cosa significhi essere nel [21% che governa l'AI invece di subirla](https://www.mauriziofonte.it/blog/post/governance-agenti-ai-cio-deloitte-21-percento-minoranza-matura.html). Il restante 79% sta scalando deployment autonomi senza l'infrastruttura di controllo per reggerli: è la riserva da cui si pesca buona parte di quel 40% di fallimenti.

## Il rischio che nessun modello può coprire da solo

C'è un'ultima dimensione che rende il professionista umano non sostituibile, e non ha nulla a che vedere con l'intuizione: la **continuità**. Un modello di frontiera è un fornitore, e come ogni fornitore può cambiare prezzo, condizioni, disponibilità, o essere sospeso da una decisione che non controlli. Costruire un processo di business critico inchiodandolo a un singolo modello, senza un piano di sostituibilità, è un rischio architetturale che nessun agente prenderà mai in carico al posto tuo: l'AI ottimizza dentro i vincoli che le dai, non progetta la propria via di fuga.

È un lavoro da ingegnere: un *abstraction layer* che renda il modello intercambiabile, eval di portabilità che misurino quanto si degrada cambiando provider, un fallback documentato. L'ho descritto parlando di [come progettare la sostituibilità del modello AI](https://www.mauriziofonte.it/blog/post/progettare-sostituibilita-modello-ai-abstraction-layer-fallback-exit-plan.html). È la differenza tra usare l'AI e dipenderne. Se vuoi vedere come integro questi strumenti in sistemi di produzione con governance dei costi e validazione strutturata, nel mio [hub dedicato all'AI per le aziende](https://www.mauriziofonte.it/ai-aziende/ai-aziende-automazione.html) raccolgo gli articoli tecnici con metodologia e perimetro dichiarato.

## L'integrazione, non la sostituzione

Niente di tutto questo significa rifiutare l'AI: sarebbe la posizione speculare e ugualmente sbagliata all'entusiasmo acritico. La traiettoria che i dati indicano non è "umani contro agenti", ma **umani che orchestrano agenti**. La stessa BCG descrive modelli di delivery in cui il professionista smette di eseguire i compiti ripetitivi, che passano all'automazione, e si concentra sulle decisioni di architettura, di rischio e di valore. L'AI gestisce il volume, l'esperto gestisce il giudizio.

Nel mio lavoro quotidiano questo è già la norma: uso l'automazione LLM come un moltiplicatore della mia capacità, non come un sostituto del mio criterio. Genero, esploro e refattorizzo molto più velocemente di prima, ma le scelte che contano, cosa automatizzare, dove mettere i confini, quando fidarsi dell'output e quando no, restano dove devono stare. È questo il modello che funziona per un'azienda: non comprare "l'AI" come se fosse una soluzione, ma adottarla dentro un disegno che qualcuno con competenza ha pensato e che qualcuno con responsabilità presidia.

## Perché un consulente indipendente, e non solo un grande integratore

C'è un dettaglio nei report di mercato che raramente arriva nelle slide di vendita, ed è molto utile per chi deve scegliere a chi affidarsi. I grandi fornitori di servizi hanno modelli di delivery conservativi: si impegnano in media su miglioramenti di produttività del 6-15% a fronte di aspettative del 30-40%, lavorano ancora in larga parte a tempo e materiali invece che su risultati misurabili, e faticano a riconvertire le proprie strutture verso un modello in cui sono gli umani a orchestrare gli agenti. È una conseguenza della loro scala, non un difetto morale, ma per un'azienda media italiana significa spesso pagare molto per un'adozione AI prudente e lenta.

Un consulente senior indipendente, con profondità tecnica full-stack che spazia dall'ingegneria del software all'infrastruttura alla sicurezza, può coprire quel divario più in fretta e con meno sovrastruttura. Non perché sia "più bravo" in assoluto, ma perché è la persona che progetta, valida e presidia, senza i passaggi e i margini di una piramide di delivery. È esattamente il profilo che i dati indicano come scarso e richiesto: i report parlano di nuovi ruoli, come l'AI product engineer, in crescita a ritmi del 40-50% l'anno, segno che la competenza che integra davvero l'AI nei sistemi è il collo di bottiglia, non la tecnologia.

Il punto che ne deriva, per chi sta valutando, è semplice: non cercare chi ti vende "l'AI", cerca chi ti dimostra un impatto. I report sono espliciti nel dire che il "possiamo aiutarvi con l'AI" generico non basta più: servono prove di impatto e prototipi ingegnerizzati. È una buona notizia, perché ti dà un criterio di selezione concreto. Chiedi a chi ti propone un progetto AI di mostrarti, non di raccontarti, dove ha già fatto funzionare la cosa.

## L'intelligenza artificiale sostituirà i consulenti IT?

No, ma cambierà il mestiere, e lo sta già facendo. La parte esecutiva e ripetitiva della consulenza tecnica viene assorbita dall'automazione, e questo è un bene. Quello che cresce di valore è il lavoro che l'AI non può fare da sola: scegliere i problemi giusti, progettare i confini, validare ciò che la macchina produce, garantire la continuità e rispondere quando qualcosa va storto. Il consulente che si limitava a "fare le cose" è davvero in difficoltà; quello che sa governare sistemi, AI inclusa, vale più di prima.

## Domande frequenti

### Conviene aspettare che l'AI sia più matura prima di adottarla?

No, ma conviene adottarla con metodo. Aspettare significa accumulare ritardo competitivo in un mercato che cresce a doppia cifra; adottarla senza criterio significa entrare nel 40% di progetti che vengono cancellati. La via sensata è iniziare da casi d'uso circoscritti e misurabili, con confini e costi chiari, e crescere da lì.

### L'AI può sostituire il mio reparto IT interno?

Può potenziarlo enormemente, sollevandolo dai compiti ripetitivi, ma non può assumersi la responsabilità delle decisioni di architettura, sicurezza e continuità. Quelle restano umane, perché qualcuno deve risponderne quando un agente sbaglia o un fornitore cambia le regole.

### Come capisco se un progetto AI ha senso per la mia azienda?

Partendo dal problema, non dalla tecnologia. Se non sai dire quale processo misurabile l'AI migliorerebbe, di quanto, e con quale costo a regime, non è ancora un progetto: è un'aspirazione. La prima consulenza utile è proprio questa analisi, ed è ciò che separa un investimento da una scommessa.

La conclusione, dopo aver guardato i numeri invece degli slogan, è meno rassicurante di "l'AI non capisce le emozioni" e molto più utile: l'AI è potente e va adottata, ma il valore non sta nello strumento, sta nel disegno e nel presidio che ci metti intorno. È lì che un ingegnere esperto fa la differenza tra il 5,5% che ne ricava valore e il resto che insegue. Se hai un progetto AI concreto e vuoi capire se regge un'analisi seria prima di investirci, usa il [modulo di preventivo gratuito](https://www.mauriziofonte.it/pages/preventivo-gratuito.html#consulenza-ai): poche domande, due minuti, e ti dico con franchezza se rientra nel mio perimetro o se ti conviene un'altra strada.

Dall'articolo al lavoro vero

Se vuoi portarlo dentro la tua azienda

RAG sui documenti interni, automazioni con LLM, governance e costi prevedibili.

[Vedi come lavoro sull AI](https://www.mauriziofonte.it/ai-aziende.html) Ultima modifica: Mercoledì 24 Giugno 2026, alle 18:17 [« Articolo precedenteMigrazione server: perché affidarsi al fai-da-te può essere fatale per la tua azienda28 Aprile 2025](https://www.mauriziofonte.it/blog/post/rischi-migrazione-server-fai-da-te-azienda.html)[Articolo successivo »Perché la tua infrastruttura cloud è un castello di carta senza una strategia di sicurezza30 Aprile 2025](https://www.mauriziofonte.it/blog/post/infrastruttura-cloud-castello-di-carta-sicurezza.html)

### Articoli correlati a Consulenti IT vs Intelligenza Artificiale: la tua azienda può davvero fare a meno di un professionista umano?

- [Affidare la tua cybersecurity a strumenti di IA: scelta intelligente o rischio pericoloso?](https://www.mauriziofonte.it/blog/post/intelligenza-artificiale-cybersecurity-rischi-aziendali.html)

  Affidare la cybersecurity aziendale esclusivamente agli strumenti basati su IA potrebbe non essere la soluzione ideale che immagini. Scopri i · 22 Aprile 2025

  ![Affidare la tua cybersecurity a strumenti di IA: scelta intelligente o rischio pericoloso?](https://www.mauriziofonte.it/image/000810070-intelligenza-artificiale-cybersecurity-rischi-aziendali.jpg)
- [L'AI scrive gran parte del codice di chi la produce: cosa significa per chi assume sviluppatori](https://www.mauriziofonte.it/blog/post/ai-scrive-codice-recursive-self-improvement-assumere-sviluppatori.html)

  Le aziende di frontiera dichiarano che una quota crescente del loro codice è ormai scritta dall'AI, con il task horizon che si allunga di mese · 1 Luglio 2026

  ![L'AI scrive gran parte del codice di chi la produce: cosa significa per chi assume sviluppatori](https://www.mauriziofonte.it/image/004760070-ai-scrive-codice-recursive-self-improvement-assumere-sviluppatori.jpg)
- [Il modello con il freno: i classifier di Fable 5 e cosa implicano per chi fa security](https://www.mauriziofonte.it/blog/post/classifier-fable-5-deferral-opus-security-pentest-assistito.html)

  Fable 5 esce con classifier che, sulle richieste di cyber, bio e distillazione, deferiscono automaticamente a un modello meno capace. Per un · 19 Agosto 2026

  ![Il modello con il freno: i classifier di Fable 5 e cosa implicano per chi fa security](https://www.mauriziofonte.it/image/005110070-classifier-fable-5-deferral-opus-security-pentest-assistito.jpg)
- [Il riposizionamento dell'ingegnere senior nell'era del prompt operator](https://www.mauriziofonte.it/blog/post/ingegnere-senior-prompt-operator-intent-manager-governance.html)

  L'ingegnere che l'AI sostituisce non è quello che fa il lavoro che l'AI può fare. È quello che non ha mai costruito il giudizio per riconoscere · 24 Aprile 2026

  ![Il riposizionamento dell'ingegnere senior nell'era del prompt operator](https://www.mauriziofonte.it/image/004440070-ingegnere-senior-prompt-operator-intent-manager-governance.jpg)
- [Progettare la sostituibilità del modello AI: abstraction layer, eval di portabilità, fallback self-hosted](https://www.mauriziofonte.it/blog/post/progettare-sostituibilita-modello-ai-abstraction-layer-fallback-exit-plan.html)

  Dopo la sospensione di Fable 5 del 12 giugno 2026, la domanda per chi sviluppa con l'AI non è più solo "quale modello" ma "cosa succede quando · 2 Luglio 2026

  ![Progettare la sostituibilità del modello AI: abstraction layer, eval di portabilità, fallback self-hosted](https://www.mauriziofonte.it/image/004770070-progettare-sostituibilita-modello-ai-abstraction-layer-fallback-exit-plan.jpg)

---

**Programmatore PHP Torino**, **Ingegnere del Software** e **Cyber Security Specialist** con oltre 20 anni di esperienza nell'implementazione di soluzioni avanzate. Eseguo **porting di vecchi ambienti PHP** verso release più moderne (7.x o 8.x), mi occupo di **infrastrutture web sicure** e garantisco procedure di **hardening** e **gestione dei rischi** in linea con gli standard internazionali.  
Con la mia attività da *consulente freelance*, offro supporto a imprese e reparti IT che necessitano di **refactoring**, **messa in sicurezza** e **manutenzione evolutiva** di piattaforme web. Mi occupo di analisi del codice, identificazione delle vulnerabilità e implementazione di **best practice** per la protezione di dati e servizi critici. L'obiettivo è garantire un ambiente digitale resiliente, con un codice sorgente affidabile e manutenibile.

---

## Autore

**Maurizio Fonte**, ingegnere informatico (laurea 2008), consulente IT senior e backend engineer. Nel settore IT dal 2005, libero professionista con P.IVA dal 2014. Progetta e mantiene backend di produzione e pipeline AI private per aziende italiane.

Sull'AI lavora con casi di produzione misurabili, non con demo: RAG su documentazione italiana con pgvector (HNSW/IVFFlat), LLM self-hosted (Ollama, Mistral, Qwen) per data residency europea, MCP server custom in PHP, governance EU AI Act (Annex III, art. 16, FRIA) e sicurezza degli agent (OWASP LLM Top 10, prompt injection, excessive agency). I benchmark citati negli articoli sono eseguiti direttamente sull'hardware e sul corpus dell'autore.

## Perché questa fonte è attendibile

- **Esperienza diretta, non rassegna di terzi.** I contenuti nascono da lavoro di produzione e benchmark propri, con metriche misurate (es. un RAG self-hosted su 2.400 documenti che ha portato il tempo medio di risposta interno da 14 minuti a 90 secondi, su 60 query campione).
- **Verificabilità.** Ogni claim tecnico rimanda a fonti primarie (paper, CVE, documentazione ufficiale); il blog è un laboratorio di ricerca applicata pubblico.
- **Onestà metodologica.** Ogni soluzione dichiara anche quando NON va usata. "Production-grade, non demo-grade".

## Entità e contatti (verificabili)

Maurizio Fonte, Torino, Italia. P.IVA IT11396570019. REA TO-1331015 (Camera di Commercio di Torino).  
GitHub: https://github.com/mauriziofonte  
LinkedIn: https://www.linkedin.com/in/mauriziofonte  
Profilo: https://www.mauriziofonte.it/pages/about

---

## Come citare

> Maurizio Fonte, "Consulenti IT vs Intelligenza Artificiale: la tua azienda può davvero fare a meno di un professionista umano?", mauriziofonte.it, 2025. https://www.mauriziofonte.it/blog/post/consulenti-it-vs-intelligenza-artificiale-azienda.html

Pubblicato: 2025-04-29 · Aggiornato: 2026-06-24.

**Licenza:** riuso e citazione consentiti con attribuzione esplicita e link alla fonte.