Il tuo progetto AI merita di essere ascoltato. Ma solo se parli il linguaggio del board.

Un business case AI non è una presentazione marketing: è un documento che riduce l'incertezza e quantifica il valore. Inizia sempre con un executive summary di mezza pagina che contiene tre numeri non negoziabili.

Primo: il ROI atteso in percentuale, calcolato come (benefici annui netti) diviso (investimento iniziale). Secondo: il payback period, ovvero quanti mesi servono per recuperare l'investimento: se superi i 18 mesi su una PMI, difficilmente passerai il filtro.

Terzo: l'impatto operativo, espresso in ore recuperate, errori ridotti o revenue aggiuntiva. Un'azienda di servizi che smista in automatico le richieste di assistenza con modelli di linguaggio naturale (LLM) non racconta 'miglioriamo il servizio'.

Dice: 'riduciamo il tempo di risoluzione delle richieste da 4 ore a 48 minuti, liberando 180 ore al mese di lavoro manuale, pari a due persone a tempo pieno'. Questo è concreto. È misurabile.

È quello che un imprenditore capisce. Il quarto elemento, facoltativo ma potente, è l'orizzonte di validità delle stime. Dichiarare che i numeri sono stati calcolati su dati degli ultimi dodici mesi, e che verranno rivisti al termine del pilota, trasmette rigore e disinnesca in anticipo le obiezioni sulla loro attendibilità.

Il secondo elemento chiave è la baseline: la fotografia dello stato attuale con numeri reali, non sensazioni. Se proponi automazione, devi rispondere a questa domanda: quante ore spendete oggi in questo processo?

Su una società di 50 persone con funzioni amministrative dislocate, una gestione manuale dei rimborsi spese può costare 15-20 ore settimanali solo di coordinamento, correzione errori e tracciamento. Se non misuri questo, il beneficio dell'automazione rimane invisibile.

La baseline deve includere anche il costo nascosto dell'inazione: errori non rilevati, ritardi che impattano i clienti, risorse dirottate da attività strategiche. Nel 2026, un'azienda manifatturiera che non automatizza l'ispezione dei difetti con computer vision perde non solo efficienza, ma anche margini sui resi e la reputazione: questo va quantificato nei costi di non fare nulla.

Per costruire la baseline non servono mesi: bastano una settimana di rilevazioni sul campo, i log dei sistemi esistenti e tre interviste alle persone che eseguono il processo ogni giorno. L'importante è che i numeri siano firmati da chi opera, non stimati dall'alto: quando il responsabile amministrativo conferma le venti ore settimanali davanti al board, la discussione cambia tono immediatamente.

Terzo, la descrizione della soluzione deve essere specifica e ancorata a tecnologie reali, non buzzword. Non dici 'implementiamo AI': dici 'adottiamo un sistema di classificazione automatica, basato su modelli linguistici già addestrati, che smista le richieste di supporto in 12 categorie e le instrada ai team corretti'.

Non dici 'machine learning': dici 'un algoritmo statistico che prevede il rischio di abbandono dei clienti con una precisione del 78%, analizzando le abitudini di utilizzo dell'ultimo trimestre'. La soluzione deve rispondere a tre domande: quale problema specifico risolve, con quale tecnologia, e su quale orizzonte temporale (progetto pilota, prima versione funzionante, sistema completo in produzione).

Un'azienda B2B che vende software gestionale come Zoho CRM non ha gli stessi dati e lo stesso timing di implementazione di una banca, e questo deve essere chiaro nel documento. Chiudi la sezione con i criteri di uscita: quali risultati minimi il pilota deve raggiungere entro la data stabilita perché il progetto prosegua, e cosa succede in caso contrario.

Un board approva molto più volentieri un investimento che contiene già la propria clausola di interruzione, perché il rischio massimo diventa noto e limitato fin dall'inizio.