Con l’evoluzione dell’AI generativa verso l’AI agentica, la decisione tra costruire e acquistare è diventata sempre più complessa e dipende da fattori come la dimensione dell’azienda, i casi d’uso e le priorità strategiche.

Le imprese e le piccole e medie imprese (PMI) si confrontano da tempo con una domanda fondamentale: costruire internamente le capacità di AI o acquistarle da un fornitore. Questa decisione non determina soltanto il modo in cui le organizzazioni adottano la tecnologia, ma anche quanto il loro approccio risulti conveniente dal punto di vista dei costi.

Quando OpenAI presentò per la prima volta ChatGPT circa quattro anni fa e le aziende iniziarono a sperimentare con l’AI generativa, la strada da seguire sembrava semplice. Acquistare modelli linguistici di grandi dimensioni da OpenAI o Anthropic, oppure utilizzare modelli open source di Meta, appariva una scelta sicura per le organizzazioni che non volevano restare indietro.

Tuttavia, con la maturazione dell’AI generativa e la crescente adozione dell’AI agentica, il dilemma tra build e buy è diventato più sfumato. A differenza degli strumenti di AI generativa che rispondono a singoli prompt, i sistemi di AI agentica sono progettati per pianificare ed eseguire autonomamente attività multi-step, interagendo con strumenti esterni, database e API per completare flussi di lavoro come l’elaborazione di pratiche, la gestione dell’inventario o la pianificazione. Questo passaggio dalla generazione di contenuti all’azione autonoma introduce nuovi requisiti in termini di affidabilità, monitoraggio e integrazione dei sistemi, che le prime implementazioni di AI non richiedevano. Le considerazioni chiave includono ora la dimensione dell’azienda, le applicazioni specifiche e ciò che un’impresa o una PMI identifica come il proprio "moat" — la proposta di valore distintiva che la differenzia e la protegge dai concorrenti.

Focus e flessibilità

Per Home Depot, l’esperienza del cliente (CX) è uno degli elementi più critici del business. Ningyu Chen, senior vice president of technology del rivenditore, lo ha sottolineato durante una sessione alla conferenza Ai4 2026 a Las Vegas.

"We would never outsource that piece to others," ha detto Chen.

Tuttavia, Home Depot mantiene partnership con importanti fornitori di tecnologia AI, tra cui Anthropic, OpenAI, Google e Microsoft, e utilizza attivamente le loro tecnologie nelle proprie operazioni.

Chen consiglia alle aziende che valutano la scelta tra costruire e acquistare di concentrarsi prima di tutto sul caso d’uso corretto e di restare flessibili rispetto a partnership e fornitori.

"I will leave the partnership very open," ha detto in un’intervista con AI Business. "We are still early, and there are a lot of things that can happen. Look at OpenAI, it was dominant; now it is not anymore."

Il panorama dei fornitori di modelli si è infatti ampliato notevolmente dal debutto di ChatGPT. Claude di Anthropic, Gemini di Google, la famiglia open-weight Llama di Meta, Mistral in Francia e DeepSeek e Moonshot AI in Cina sono tra le alternative che oggi competono su diversi livelli di prestazioni e fasce di prezzo, offrendo agli acquirenti più opzioni — e più complessità — che in qualsiasi momento precedente.

"You have to have an abstraction layer to prevent yourself from these changes," ha aggiunto.

Santhi Ramesh, CEO e chief AI strategy officer della società di consulenza Future Propel, ha osservato che le aziende che intendono costruire dovrebbero valutare con attenzione il tempo e il personale che sono pronte a investire nell’integrazione dell’AI generativa o agentica nelle proprie piattaforme.

Ramesh, che in passato ha guidato iniziative di trasformazione AI presso organizzazioni come The Hershey Company e Ferrero, la società italiana del settore dolciario, ha affermato che la decisione dipende anche dalla competenza core dell’azienda.

"If your core competency is not a technology company, you are better off partnering and buying," ha detto in un’intervista. "If you have intense data, security, massive amounts of data and a custom solution that you want, then you must build on your own. I have done both."

Queste considerazioni su dati e sicurezza hanno un peso particolare in settori regolamentati come sanità, servizi finanziari e assicurazioni, dove gli obblighi relativi a residenza dei dati, verificabilità e compliance possono limitare l’uso di piattaforme AI di terze parti.

Per le imprese e le PMI che richiedono maggiore flessibilità, Ramesh ha consigliato di testare, imparare e acquistare una piattaforma oppure allearsi con un fornitore in termini che consentano di uscire dalla partnership — per esempio, dopo una prova beta.

Il costo di acquistare o costruire

L’acquisto può portare a debito operativo, ha avvertito Rachel Ibarra, vice president of data and innovation di Cardinal Group Companies, un’organizzazione di property management e real estate. Cardinal Group adotta un approccio ibrido, con un agente AI interno chiamato Stan.

Ibarra ha detto che le imprese che scelgono tra sviluppo interno e acquisto esterno devono considerare "what a cohesive system looks like."

"It’s not just the ecosystem of technology," ha detto durante un intervento alla conferenza. "It’s the ecosystem of how the organization works."

Per le aziende i cui dati conferiscono un vantaggio competitivo tangibile, costruire può essere la strada preferibile, ha detto Ibarra. Ha anche suggerito che le organizzazioni considerino la costruzione quando hanno un’esigenza parziale.

"So, you only need a part of something that’s relatively small [and] where it’s more internal facing and gives you a lot of internal advantage," ha detto in un’intervista. "That’s what I would say are better built for nontechnical companies that don’t necessarily have the resources to go and hire a huge engineering team."

L’infrastruttura rappresenta un’altra considerazione critica, secondo Markus McKay-Fleisch, professional services enablement director di Smartsheet.

"The real question for me is, do you feel like you have the right infrastructure to build yourself?" ha detto in un’intervista. "Is it a citizen development program where people in business are building, and if so, what are the guardrails you put around that?"

Le aziende devono anche assicurarsi di disporre di una solida infrastruttura di hosting e della capacità di mantenere gli agenti AI o i sistemi quando si guastano o cambiano. I principali provider cloud — AWS, Google Cloud e Microsoft Azure — hanno introdotto piattaforme di agenti gestiti pensate per ridurre questo onere, offrendo strumenti di orchestrazione e deployment preconfigurati che si collocano a metà strada tra lo sviluppo completamente personalizzato e i prodotti pronti all’uso.

Inoltre, costruire un agente o un sistema AI richiede di gestire le sfumature della scelta del modello AI più adatto a ogni caso d’uso.

Phenom, un’azienda di HR technology e applied AI che sviluppa software per aiutare le organizzazioni ad assumere candidati e sviluppare competenze, si affida a diversi modelli. Tra questi ci sono modelli open di Mistral e persino il modello a basso costo Kimi del fornitore cinese Moonshot AI.

Secondo il CEO di Phenom, Mahe Bayireddi, le organizzazioni che costruiscono agenti AI o sistemi basati su agenti a volte devono passare da un modello all’altro per adeguarsi al caso d’uso corretto. Ad esempio, alcuni modelli sono adatti alle applicazioni HR, mentre altri sono più adatti alla finanza.

Le aziende "not understanding the nuances of how to be able to switch, not at your company level, but at an industry level," ha detto Bayireddi. "Your models will switch on the fly."

Just a Bite Better

Steve Toy, fondatore e creatore di Just a Bite Better, un’app AI per la nutrizione, ha scelto di costruire gli agenti AI direttamente all’interno della propria applicazione invece di acquistare un sistema per implementarli. L’app utilizza più agenti che lavorano insieme per offrire ai consumatori una panoramica completa della loro alimentazione.

"We don’t use any one provider or any one model," ha detto Toy in un’intervista. "We built our own model garden, if you will, which is merely just here is the code that accesses the APIs of all these things."

Per Toy, la decisione di costruire invece di acquistare o di usare un model garden di Google, AWS o Microsoft deriva dalle sue competenze tecniche e dalle esigenze specifiche della sua applicazione aziendale.

"I’m not dealing with passing lots of money back and forth," ha detto, aggiungendo che i consumatori pagano l’app tramite Apple, Google o Stripe. Inoltre, i consumatori possono eliminare qualsiasi informazione personale identificabile e i loro dati sono codificati in modo da non identificare una persona specifica.

"We’re low stakes in many respects, whereas IBM and PayPal have to care about different things," ha detto Toy.

Ha aggiunto che, per le aziende che stanno ancora valutando se acquistare o costruire, è meglio sapere esattamente cosa devono acquistare, soprattutto in un mercato saturo di fornitori, prodotti e servizi AI.

"To figure out how to buy, you need to know what problem you are trying to solve and remember that every business is decomposed into pieces," ha detto. "When you’re buying, you’re buying to solve a problem, a part of your business."

Costruire, però, può aiutare anche sul fronte dei costi, ha aggiunto Toy. Per Just a Bite Better, ha implementato un sistema che impone un limite massimo rigido al numero di token o al costo che ciascun modello può utilizzare ogni mese.

"That’s how you can prevent disaster, and that’s really important because it’s really easy to wake up in the morning and find a $50,000 bill," ha detto Toy.