Gli assistenti di coding IA hanno reso più economico produrre parti del lavoro di ingegneria. Gli acquirenti lo sanno e chiedono il risparmio. Questa nota parla di chi se lo tiene, e del perché la risposta dipende meno dallo strumento che dal modo in cui il lavoro viene prezzato.
La versione breve, se state acquistando
Ci sono tre modi comuni di prezzare lo stesso lavoro.
- A ore. Pagate ogni ora lavorata. Se gli strumenti IA tagliano le ore, pagate meno. Vi accollate anche il rischio di uno sforamento, e il fornitore guadagna meno per essere diventato più veloce, quindi il modello di prezzo non gli dà alcun motivo di diventarlo.
- Prezzo fisso, senza dettaglio. Conoscete il prezzo in anticipo. Se il lavoro è diventato più economico da produrre, non lo vedete. Il fornitore si tiene l'intero risparmio finché qualcuno non rinegozia.
- Tariffe pubblicate, prezzo fisso per milestone. Il fornitore mostra le ore per ruolo alle tariffe pubblicate, fissa il prezzo di ogni milestone e fattura solo dopo che l'avete accettata rispetto a una metrica concordata prima dell'inizio del lavoro. Pagate meno di prima e conoscete la cifra in anticipo. Il fornitore si tiene il margine sull'efficienza che ottiene davvero, e si accolla il rischio se non la ottiene.
Il terzo è il modello che offriamo: tariffe nella pagina dei prezzi, un calcolatore che moltiplica le ore per ruolo per quelle tariffe, un prezzo fissato una volta concordato il perimetro e una fattura per milestone dopo l'accettazione. L'esempio svolto qui sotto mostra l'aritmetica con numeri illustrativi.
Cosa sta facendo il mercato
La pressione è esplicita, e arriva ai contratti prima che vadano in rinnovo.
- I clienti vogliono il risparmio subito. Nell'agosto 2026 Reuters ha riportato che i clienti delle grandi società di servizi IT chiedevano "lo stesso lavoro per il 25%-30% in meno", nelle parole dell'amministratore delegato di Persistent Systems. TCS ha detto che circa l'80% dei contratti nel suo segmento di servizi finanziari, HR e di business è ora basato su misure di risultato, che una persona a conoscenza della questione ha descritto come il doppio della quota di fine 2023. Lo stesso articolo descrive un accordo di automazione di Cognizant che divide tra fornitore e cliente i risparmi di costo legati all'IA, secondo persone a conoscenza dei suoi termini.
- La rinegoziazione non aspetta il rinnovo. Un articolo del giugno 2026 ripubblicato da HFS Research descrive clienti che riaprono i contratti entro 24 mesi per catturare le efficienze dell'IA, con gli accordi sopra i 50 milioni di $ l'anno sotto la pressione maggiore. L'amministratore delegato di HFS ha descritto la conversazione come uno spostamento da FTE e listini verso impegni di produttività, prezzi basati sui risultati e gain-sharing.
- Finora i margini hanno per lo più tenuto. UpperEdge ha esaminato i risultati del Q2 2026 di undici grandi fornitori. Diversi hanno ampliato i margini operativi: Wipro di 80 punti base al 17,3%, Tech Mahindra di 60 all'11,1%, Accenture di 20 al 17,0%. Il margine di TCS si è compresso al 24,0%, cosa che UpperEdge attribuisce agli aumenti salariali e alla spesa in infrastruttura IA, e il margine EBITDA rettificato di Kyndryl è sceso dal 17,3% al 14,2%. La lettura di UpperEdge è che finora l'investimento in IA "si autofinanzia invece di generare nuova spesa dei clienti". Nota anche che TCS ora dice che un miglioramento del 10–15% dovuto all'IA può essere garantito dal primo giorno di un contratto, contro il tradizionale 3–5% distribuito sulla durata del contratto.
- La direzione è segnata. IDC prevede che entro il 2029 il 30% di tutti gli incarichi con fornitori di servizi sarà basato sui risultati.
I grandi contratti di outsourcing non sono il mercato di un laboratorio di due ingegneri. I meccanismi però sono gli stessi a 15.000 $ come a 50 milioni di $. Qualcuno decide chi si tiene il risparmio, e il contratto o mostra quella decisione o la nasconde.
Quanto è grande il risparmio? Più piccolo e meno certo dei titoli
Il coding è una frazione del lavoro. Il Technology Report 2025 di Bain ha rilevato che i team che usano assistenti di coding IA vedono guadagni di produttività del 10–15%. Guadagni del 25–30% compaiono solo dove l'IA arriva insieme a una riprogettazione dell'intero processo. Scrivere e testare il codice occupa circa il 25–35% del tempo dall'idea al lancio, quindi anche una forte accelerazione nella scrittura del codice sposta il totale molto meno.
Misurare è difficile. Lo studio randomizzato di METR del 2025 ha rilevato che sviluppatori open source esperti impiegavano il 19% di tempo in più con gli strumenti IA. Nel febbraio 2026 ha riferito che i dati del suo studio successivo mostravano "qualche prova di accelerazione" e che gli sviluppatori erano probabilmente più veloci a inizio 2026 che a inizio 2025. Ha anche definito quei dati una prova molto debole dell'entità del cambiamento, perché sempre più sviluppatori rifiutavano di lavorare senza IA e uscivano così dal confronto. Entrambi i nuovi intervalli di confidenza includono ancora l'assenza di effetto.
Promettere un risparmio in anticipo è una scommessa. Nello stesso articolo di Reuters, l'amministratore delegato di Tech Mahindra ha detto che alcuni concorrenti stavano mettendo nel prezzo guadagni di produttività del 70–80% su cinque-sette anni e garantendo i prezzi su quella base, e che la sua azienda aveva scelto di non correre quel rischio.
Neanche noi abbiamo misurato il nostro risparmio. Un contratto che promette uno sconto percentuale fisso per l'IA promette qualcosa che nessuno può ancora verificare. Un contratto che fissa il prezzo di una milestone e lascia il rischio della stima al fornitore non ha bisogno di quel numero.
Un esempio svolto (illustrativo)
Tutto in questa sezione è illustrativo. Le ore risparmiate sono un'ipotesi, non una misurazione. Le cifre di costo sono segnaposto, non la nostra struttura dei costi.
Baseline. Prendiamo il template del copilot RAG nel nostro calcolatore: 310 ore su cinque ruoli, 14.500 € alle tariffe pubblicate e con complessità standard. Lo trattiamo come la stima senza assistenza IA. Poi ipotizziamo che l'assistenza IA tagli le ore spese su boilerplate, test e documentazione, ruolo per ruolo:
| Ruolo | Tariffa (USD/h) | Ore prima | Ore dopo (ipotizzate) | Dove vanno le ore |
|---|---|---|---|---|
| ML engineer | 50 | 120 | 108 (−10%) | harness di valutazione e loader; il design della valutazione non cambia |
| Data engineer | 45 | 60 | 52 (−13%) | impalcatura di ingestione, test sui dati |
| Backend engineer | 40 | 60 | 45 (−25%) | impalcatura delle API, test di integrazione |
| MLOps engineer | 55 | 40 | 32 (−20%) | configurazione CI, dashboard, runbook |
| Product manager | 40 | 30 | 30 (0%) | metrica, perimetro, conversazioni con il cliente |
| Totale | 310 h = 14.500 € | 267 h = 12.500 € | −43 h, −13,9% |
Abbiamo scelto il 13,9% perché sta dentro l'intervallo del 10–15% di Bain per i soli assistenti.
Altri due segnaposto. Un'ora di delivery costa al fornitore il 60% della tariffa fatturata, e gli strumenti IA costano 300 € sull'intera milestone.
Quattro modi di prezzarla:
| Modello di prezzo | Il cliente paga | Costo del fornitore | Margine del fornitore | Margine per ora lavorata |
|---|---|---|---|---|
| A. A ore, prima dell'IA (310 h lavorate) | 14.500 € | 8.700 € | 5.800 € (40,0%) | 18,71 € |
| B. A ore, dopo l'IA (267 h) | 12.500 € | 7.800 € | 4.700 € (37,6%) | 17,60 € |
| C. Fisso al vecchio prezzo, dopo l'IA (267 h) | 14.500 € | 7.800 € | 6.700 € (46,2%) | 25,09 € |
| D. Milestone fissa prezzata su 288 h, consegnata in 267 h | 13.480 € | 7.800 € | 5.680 € (42,1%) | 21,27 € |
L'aritmetica. Il costo in A è 60% × 14.500 €. In B, C e D è 60% × 12.500 € + 300 €. Il margine per ora lavorata è il margine diviso per le ore effettivamente lavorate: 310 in A, 267 negli altri. In D il fornitore si impegna su una stima che conteggia metà del risparmio atteso in ogni ruolo: ML 114 h, data 56, backend 52, MLOps 36, PM 30. Sono 288 ore, e 13.480 € alle tariffe pubblicate. (Il calcolatore arrotonda ogni ruolo al centinaio di dollari più vicino, quindi mostrerebbe 13.500 €.)
Cosa dice la tabella:
- B è ciò che la fatturazione oraria fa a un fornitore che diventa più veloce. Il cliente risparmia 2.000 €. Il margine del fornitore scende di 1.100 €, e il suo margine per ora lavorata cala del 6% sotto il livello pre-IA. Lo recupera solo se riesce a vendere a qualcun altro le 43 ore liberate. Una grande società con una coda di lavoro ci riesce. Un laboratorio di due ingegneri con uno o due progetti in parallelo spesso no. In ogni caso, il modello di prezzo premia il lavoro più lento.
- C è ciò che fa un prezzo fisso opaco. Il fornitore si tiene l'intero risparmio e guadagna il 34% in più per ora lavorata rispetto ad A. Il cliente non può vederlo. Quando lo scopre, il risultato è la rinegoziazione a metà contratto descritta negli articoli sopra.
- D divide il risparmio alla luce del sole. Il cliente paga 1.020 € (7,0%) in meno rispetto a prima dell'IA, conosce la cifra prima che inizi il lavoro e paga solo dopo aver accettato la milestone. Il fornitore guadagna circa il 14% in più per ora lavorata rispetto ad A. Entrambe le parti vedono come è stato costruito il prezzo: ore per ruolo, per tariffe pubblicate.
D ha anche un lato negativo, e ricade sul fornitore. Se il risparmio non si materializza e il lavoro richiede tutte le 310 ore, il costo è 9.000 € (60% × 14.500 € + 300 €) e il margine scende a 4.480 € (33,2%). Il cliente paga comunque 13.480 €. Accollarsi quel rischio è ciò che dà al fornitore diritto al guadagno.
Rispetto a B, il cliente in D paga sulla carta 980 € in più. In cambio ottiene una cifra fissa invece di un tassametro aperto, e il pagamento solo dopo l'accettazione. Se questo valga 980 € dipende da quanto vi fidate della stima. È per questo che le ore sono pubblicate.
Perché la metrica e il passo di accettazione contano
Un prezzo fisso senza una definizione di lavoro concluso sposta soltanto la discussione alla fine del progetto. Due cose fanno funzionare l'opzione D.
La metrica è concordata prima dell'addestramento e scritta nel contratto. Per un copilot RAG, per esempio, potrebbe essere la quota di risposte giudicate corrette su un insieme di domande concordato, più un limite sul tempo di risposta.
L'accettazione viene prima della fattura. Verificate la milestone rispetto alla metrica prima di pagare. Se il codice scritto dall'IA ha preso una scorciatoia, emerge all'accettazione, non dopo il pagamento finale.
Questo è più circoscritto del pricing basato sui risultati nel senso in cui lo usano IDC e TCS, che lega i compensi ai risultati di business. Per i sistemi di ML, un risultato di business come i ricavi dipende anche da prezzi, disponibilità, marketing e stagione, nessuno dei quali è controllato dal fornitore. Una metrica di sistema che entrambe le parti possono misurare all'accettazione è ciò a cui un fornitore può essere onestamente vincolato. Il risultato di business si misura dopo, in un test A/B.
Dove non funziona
Rischio di ricerca. Se nessuno sa se i dati possono sostenere il modello, un prezzo fisso è una scommessa per entrambe le parti. Fate prima una discovery a pagamento; il teardown gratuito vi dice se ne avete bisogno. La nostra richiede 2–3 settimane e costa 6k–14k €.
Un perimetro che cambia ogni settimana. Una milestone fissa richiede un perimetro congelato per quella milestone. Se è impossibile, la fatturazione oraria con un tetto è più onesta.
Risparmi che non arrivano mai al preventivo successivo. Con D il fornitore si tiene il margine extra su questa milestone. Nel preventivo successivo le ore per ruolo dovrebbero riflettere ciò che ha imparato. Se non scendono, chiedete perché. È questo controllo che impedisce a D di scivolare verso C.
Cosa chiedere a un fornitore sui risparmi dell'IA
- Quali parti di questo lavoro saranno assistite dall'IA, e che effetto ipotizzate sulle ore, ruolo per ruolo?
- Quell'ipotesi è nel prezzo che avete proposto? Mostrate le ore e le tariffe.
- Chi paga se la stima è sbagliata, in una direzione o nell'altra?
- Cosa accettiamo prima di ogni fattura, e rispetto a quale metrica?
- Avete misurato la vostra accelerazione? Come, e su quale finestra? Un'autovalutazione non è una misurazione: i partecipanti di METR credevano di essere più veloci del 20% mentre erano più lenti del 19%.
- Chi rivede il codice scritto dall'IA, e quali controlli vengono eseguiti a ogni modifica?
- Quali strumenti IA vedranno il nostro codice e i nostri dati, e a quali condizioni?
- Il prossimo preventivo rifletterà ciò che avete imparato su questo?
Un fornitore che risponde in fretta a queste domande ha già fatto i conti. I nostri partono dal calcolatore nella pagina dei prezzi, che mostra ore e tariffe per ruolo per il vostro progetto.
Fonti
- Reuters (via The Star), AI reshapes India's IT services sector contracts as clients demand more for less, agosto 2026 — https://www.thestar.com.my/tech/tech-news/2026/08/21/ai-reshapes-india039s-it-services-sector-contracts-as-clients-demand-more-for-less
- HFS Research (ripubblicato da The Economic Times), AI drives IT contract renegotiations within 24 months as pricing models shift, giugno 2026 — https://www.hfsresearch.com/news/ai-drives-it-contract-renegotiations-within-24-months-as-pricing-models-shift/
- UpperEdge, Q2 2026 MSP Earnings: Growth Holds, but Bookings and Margins Show Where AI Pressure Is Landing, agosto 2026 — https://upperedge.com/managed-services/q2-2026-msp-earnings-growth-holds-but-bookings-and-margins-show-where-ai-pressure-is-landing/
- IDC, Charting the agentic future of IT services: From projects to platforms, ottobre 2025 — https://www.idc.com/resource-center/blog/charting-the-agentic-future-of-it-services-from-projects-to-platforms/
- Bain & Company, From Pilots to Payoff: Generative AI in Software Development (Technology Report 2025), settembre 2025 — https://www.bain.com/insights/from-pilots-to-payoff-generative-ai-in-software-development-technology-report-2025/
- METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, luglio 2025 — https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- METR, We are Changing our Developer Productivity Experiment Design, febbraio 2026 — https://metr.org/blog/2026-02-24-uplift-update/