Build vs Buy AI per aziende come decidere
Build vs Buy AI per aziende come decidere
Build vs Buy AI si decide in 4 criteri: copertura del SaaS attuale, valore strategico dei tuoi dati, vincoli di compliance, controllo sull'IP. Sotto il 60% di copertura SaaS e con dati che sono vantaggio competitivo, custom paga il break-even tra il mese 22 e 26. Sopra l'80% di copertura, buy resta la scelta corretta. Range custom Italia 2026: 15-50.000€ produzione.
Sono Davide Cocozza, co-founder di Datazen, 30+ progetti di sviluppo software AI consegnati. Build vs buy non è ideologia, è calcolo. Qui dentro: framework in 4 criteri, TCO a 3 anni con numeri reali, tre casi italiani (commercialisti, manifatturiero, sanità). Cluster del pillar sullo sviluppo di software AI personalizzato.
Cosa significa davvero build vs buy nel 2026
Build vs Buy è la scelta tra sviluppare custom (build) e comprare una soluzione esistente (buy). Nel 2026 il confronto non è "software custom vs SaaS classico" ma "custom con AI integrata vs SaaS con feature AI add-on".
Secondo Gartner sul SaaS spending le PMI europee hanno aumentato la spesa in licenze SaaS del 18% annuo composto dal 2022. McKinsey nel report The state of AI ha quantificato che il 47% delle aziende che hanno adottato AI generativa lamenta limiti di personalizzazione dei SaaS — sintomo del momento in cui buy comincia a costare più di quello che fa risparmiare.
La domanda corretta è "per il mio caso, il delta di valore tra custom e SaaS giustifica l'investimento iniziale di 15-50K€?".
I 4 criteri per decidere senza emotività
Quattro criteri ordinati per peso. Tutti vanno valutati: saltarne uno produce decisioni sbagliate sistematicamente.
1. Copertura funzionale del SaaS attuale
Per ogni SaaS principale calcola la percentuale del flusso operativo che copre davvero, senza copia-incolla manuale o Zapier. Sopra l'80%: resta su buy. Sotto il 60%: build diventa candidato serio. Tra 60-80%: valuta automazioni AI sopra il SaaS prima di committarti al build.
2. Valore strategico dei dati
I tuoi dati storici sono replicabili o sono un asset difensibile? 15 anni di dichiarazioni IVA, 8.000 proposte commerciali storiche, dataset di customer support specifico settore: questi sono dati che un LLM addestrato genera vantaggio non copiabile. Brand awareness, contratti generici, lead pubblici: replicabili — i SaaS bastano.
3. Vincoli di compliance e segreto
Settori regolati (sanità, finanza, legale, PA) richiedono AI Act, GDPR su profilazione (art. 22), data residency EU, audit trail. I SaaS USA spesso non garantiscono tutto in modo dimostrabile. Custom permette compliance by design. Approfondimento: AI Act e GDPR per software custom.
4. Controllo IP e portabilità
Custom è patrimonio aziendale tuo. SaaS è dipendenza ricorrente con dati su standard vendor. Domande: chi possiede il codice? Su quale GitHub vive? Posso portarlo da altro dev? Posso esportare i dati in formato standard?
Il peso relativo cambia col settore. E-commerce DTC: criteri 1-2 pesano l'80%. Studio legale: il criterio 3 pesa da solo il 60%. Agenzia in scaling: il criterio 4 diventa cruciale appena il SaaS impone limiti di automazione API.
Quando comprare SaaS è la scelta corretta
Il SaaS resta la scelta giusta più spesso di quanto i fornitori custom ammettano. I 7 segnali "buy, non build":
- Il tuo flusso operativo è standard (CRM B2B classico, email marketing, support tickets, fatturazione SDI)
- Hai bisogno di go-live in meno di 30 giorni perché manca tempo o budget per uno sviluppo custom
- Il SaaS scelto copre l'80%+ del flusso (mappato in modo onesto, non ottimistico)
- Il volume di utenti è basso (1-10 utenti) e le licenze SaaS costano meno di 300€/mese totali
- Il team interno non ha competenze per gestire un software custom (devops, monitoring, bug fixing)
- I tuoi processi cambiano spesso e il SaaS configurabile è più veloce da adattare di un custom
- Hai bisogno di feature collaterali (calendari, video call, billing, signature) che ricostruire sarebbe assurdo
Esempio reale: una startup di consulenza HR di 8 persone mi ha chiesto un CRM custom da 25.000€. Dopo 90 minuti di discovery: HubSpot Free + 3 automazioni n8n da 120€/mese risolvevano il 92% del problema. Risparmio: 24.880€ e 3 mesi.
Il fornitore onesto ti dice "non ti serve custom" il 30% delle volte. Diffida di chi propone custom sempre — sta vendendo il martello che ha.
Quando costruire custom diventa strategico
I 7 segnali speculari che indicano "build, non buy":
- Il tuo flusso operativo è specifico settore e i SaaS standard coprono meno del 60% senza workaround
- Stai pagando 4+ SaaS che insieme superano i 800€/mese e non comunicano nativamente
- I tuoi dati storici sono asset difensibili (corpus documentale, dataset proprietario, knowledge codificato)
- Hai vincoli di compliance non standard (AI Act ad alto rischio, GDPR profilazione art. 22, segreto professionale)
- Il volume utenti crescerà a 20+ in 12 mesi e i SaaS scalano i costi linearmente con utenti
- Vuoi controllo totale su UX, integrazioni legacy (gestionali italiani, ERP custom), modelli AI usati
- Hai un orizzonte di utilizzo del software superiore ai 30 mesi (sotto i 22 il break-even non arriva)
Con 4 segnali su 7 build diventa dominante. A 5+ è quasi obbligatorio. Sotto i 3 resta su buy o valuta l'ibrido (vedi più avanti).
Calcolo TCO a 3 anni custom vs SaaS
Il TCO è l'unico modo onesto per togliere emotività. Scenario: 25 dipendenti, CRM + marketing automation + customer support con AI. Confronto SaaS combinato (HubSpot Pro + Mailchimp + Intercom) vs custom Datazen.
| Voce | SaaS combinato anno 1 | SaaS combinato anno 2 | SaaS combinato anno 3 | Custom Datazen anno 1 | Custom Datazen anno 2 | Custom Datazen anno 3 |
|---|---|---|---|---|---|---|
| Setup iniziale | 0€ | 0€ | 0€ | 20.000€ | 0€ | 0€ |
| Licenze SaaS | 11.400€ | 12.540€ | 13.794€ | 0€ | 0€ | 0€ |
| API LLM (Claude/GPT) | incluse capped | incluse capped | +1.200€ extra | 1.800€ | 1.800€ | 1.800€ |
| Infrastruttura (Vercel + Supabase) | 0€ | 0€ | 0€ | 720€ | 720€ | 720€ |
| Manutenzione opzionale | 0€ | 0€ | 0€ | 3.600€ | 3.600€ | 3.600€ |
| Totale annuo | 11.400€ | 12.540€ | 14.994€ | 26.120€ | 6.120€ | 6.120€ |
| Totale cumulato | 11.400€ | 23.940€ | 38.934€ | 26.120€ | 32.240€ | 38.360€ |
Break-even al mese 35-36 nello scenario base. Con 40+ utenti scende a 18-22 mesi (SaaS scala linearmente, custom no); con aumenti SaaS del 25% (storicamente ogni 18 mesi) scende a 24 mesi.
Tre fattori non economici accelerano la decisione: personalizzazione (SaaS limita al 30%, custom infinito); ownership dati (Postgres tuo esportabile); lock-in vendor (SaaS cambia pricing, custom è codice tuo). Per il dettaglio costi vedi quanto costa un software AI personalizzato 2026.
Se il TCO ti sembra complicato da fare in autonomia, in consulenza AI per PMI lo facciamo insieme in 90 minuti con i tuoi numeri reali. Vedi anche il case study automazione CRM per un esempio.
3 esempi reali settore italiano
Tre casi italiani recenti che ho seguito direttamente, dinamiche diverse. Ancorano i 4 criteri a scenari concreti.
Studio commercialisti Milano (build vincente)
18 professionisti, 800 clienti PMI, 15 anni di dichiarazioni IVA archiviate. 3 SaaS provati (Fatture in Cloud + add-on AI + parser SDI): copertura 55%, 940€/mese, 4 punti copia-incolla manuale. Custom 32.000€ + 200€/mese: copertura 92%, break-even a 22 mesi. Il corpus di 15 anni come training data ha creato un classificatore proprietario impossibile da replicare. Vedi i 10 agenti AI di Anthropic per la finanza.
Manifatturiero industria 4.0 Veneto (ibrido vincente)
80 dipendenti, sensori IoT su 12 linee. Build totale stimato 110.000€ in 6 mesi: fuori budget. Ibrido: Senseye SaaS per anomaly detection base + custom Python + TimescaleDB per i pattern proprietari delle loro linee. Custom 22.000€, SaaS 480€/mese. Go-live in 10 settimane vs 6 mesi del build puro, ownership sui dati strategici.
Clinica privata Roma (build obbligatorio compliance)
40 medici, 15.000 pazienti. AI Act li classifica "rischio alto". Nessuno dei 3 SaaS USA-based valutati garantiva data residency EU + audit trail + supervisione umana documentata. Build obbligatorio 65.000€ + on-prem Hetzner Helsinki + Claude via AWS Bedrock Frankfurt + Llama 3.1 70B self-hosted per dati ultra-sensibili. Il SaaS non era nemmeno opzione legale.
Tre decisioni diverse, tutte corrette per il loro caso. Per lo stack tecnologico usato vedi stack tecnologico per software AI custom 2026.
Limiti del custom quando un SaaS è meglio anche se inferiore
Tre limiti reali che vedo nei progetti in second-opinion.
Time-to-market: SaaS dà l'80% subito, custom il 100% in 10-16 settimane. Per chi lancia su un mercato che chiude in 3 mesi, l'80% oggi vince. Forrester 2025: il 38% dei progetti custom B2B fallisce per time-to-market sbagliato, non per qualità.
Costo di cambiare dev: handover su codice non-portable costa 30-50% del progetto originale. Su custom da 50K€ rischi 15-25K€ switching cost. SaaS lo cambi in 4 settimane. Mitigabile con stack standard + ADR, non azzerabile.
Manutenzione perpetua: aggiornamenti Next.js, patch Postgres, evoluzioni LLM, deprecazioni API. Costo 300-1.500€/mese. SaaS te lo fa il vendor nel canone. Per ottimizzazioni vedi come deployare un agente AI a 7€/mese.
Pattern ibrido (custom sul cuore strategico + SaaS commodity) sta diventando dominante. BCG 2025: aziende con strategia ibrida hanno 34% più ROI sull'AI vs all-in. Vedi build vs buy per agenti AI lead gen e migliori aziende sviluppo AI custom Italia 2026.
Audit gratuito decisione build vs buy AI
In 90 minuti applichiamo il framework dei 4 criteri al tuo caso specifico, facciamo il calcolo TCO a 3 anni, e usciamo con una raccomandazione documentata: build, buy, o ibrido. Senza commitment.
Prenota audit gratuitoDomande frequenti
Apri i 3-5 SaaS principali (CRM, marketing, gestionale, support, BI) e per ognuno scrivi la percentuale del flusso operativo che copre davvero senza copia-incolla manuale o automazioni Zapier che fanno da ponte. Calcola la media pesata sul tempo che il team passa su ogni tool. Sopra l'80% rimani su SaaS. Sotto il 60% build diventa serio candidato. Tra 60-80% valuta automazioni ibride sopra il SaaS prima di committarti al custom.
Per software AI custom 3 anni è l'orizzonte minimo onesto. Sotto i 3 anni il SaaS quasi sempre vince perché il costo di sviluppo iniziale non si ammortizza. A 5 anni il custom diventa quasi sempre vincente con volumi alti perché i SaaS aumentano i prezzi del 10-30% annuo. Per scelte strategiche guarda 3 anni come default; per scelte tattiche su moduli specifici basta 18 mesi.
Sì, ed è spesso la scelta giusta. Pattern tipico: SaaS standard per moduli commodity (email, billing, calendari, signature) e custom AI per il cuore strategico (lead scoring proprietario, document AI sul corpus aziendale, workflow specifici settore). L'ibrido riduce il rischio iniziale, accelera il go-live a 6-10 settimane vs 16-24, e ti permette di sostituire i SaaS uno alla volta quando il custom matura su quel modulo.
Quattro rischi: budget che sfora del 30-50% senza milestone verificabili con demo settimanali; codice non manutenibile se il fornitore usa stack proprietari; lock-in su un singolo provider LLM se il design non è model-agnostic; nessun ROI misurabile se l'observability viene aggiunta dopo. Mitigazione: contratto a milestone, stack standard (Next.js, TypeScript, Postgres), routing model-agnostic tra Claude/GPT/Gemini, logging strutturato dal giorno 1.
Quando il SaaS standard ha colmato il gap funzionale che ti aveva spinto a costruire, e il costo di manutenzione del custom supera le licenze. Succede dopo 4-6 anni in mercati che maturano rapidamente (customer support AI, content generation). Segnali: feature parity del SaaS, ecosistema integrazioni cresciuto, prezzo SaaS sceso del 30-50%. Switchare libera risorse dev per il prossimo vantaggio competitivo.
Molto, e a favore del build per settori regolati. AI Act impone classificazione del rischio del sistema (limitato/alto/proibito), documentazione tecnica completa, supervisione umana documentata per sistemi ad alto rischio. I SaaS USA spesso non forniscono documentazione AI Act-ready o la nascondono dietro tier enterprise costosi. Custom permette documentazione AI Act compliant dal giorno 1 con costi marginali sotto i 5.000€. Per sanità, legale, finanza, HR la compliance da sola giustifica spesso il build.
Cinque domande dirette: il codice sorgente è di mia proprietà al 100%? Su quale GitHub vive (deve essere il tuo)? Su quale infrastruttura gira e posso cambiarla? Se cambio dev posso prendere tutto (codice + ADR + documentazione)? Il design è model-agnostic o lockato su Claude/GPT/Gemini? Le risposte giuste sono tutte sì. Vedi anche le PMI italiane chiedono le stesse 7 automazioni.
