Come scegliere un partner di sviluppo software AIUna checklist da usare prima di firmare

Scegliere un partner di sviluppo software AI non è come scegliere uno studio di sviluppo generico. I failure mode sono diversi. Una web app sbagliata al 30% è fastidiosa. Un sistema AI sbagliato al 30% è un sistema incorretto con sicurezza che prende decisioni su cui il tuo business si fiderà senza pensarci.

La differenza tra un partner che spedisce AI in produzione e uno che spedisce una demo impressionante è largamente invisibile nel ciclo di vendita. Questo post è la checklist che vorremmo un prospect usasse su di noi — onesta, specifica e abbastanza veloce da completare in un pomeriggio.

Quando stai valutando un partner, guarda oltre il marketing e chiedi di vedere:

Sistemi reali in produzione. Non demo pre-registrate, non dashboard con numeri finti — applicazioni vere che girano con utenti veri. Se hanno NDA è giusto, ma devono saperti parlare nello specifico di architettura, traffico, costo per richiesta e incidenti gestiti.

Il loro approccio alla valutazione. Se non sanno descrivere come misurano se una feature AI funziona, scoprirai nel modo più duro che non funziona. La risposta buona include un golden set, run automatici a ogni modifica e dashboard che il team guarda davvero. La risposta cattiva è "l'abbiamo testato a mano."

Osservabilità e controllo dei costi. Chiedi come rilevano una regressione in produzione, come tracciano il costo per utente e per feature e cosa succede quando un modello è lento o restituisce spazzatura. "Aggiungeremmo dei log" non è un piano; "usiamo questo stack, ecco uno screenshot anonimizzato" lo è.

Neutralità fra provider. Un partner serio avrà spedito su OpenAI, Anthropic, Azure, Bedrock e spesso un modello open-source self-hosted. Avrà opinioni su quale si adatta a quale caso. Un partner che conosce solo un provider è un rischio.

Maturità su retrieval e RAG. Chiedi come chunkano i documenti, gestiscono l'OCR, combinano ricerca vettoriale e keyword e valutano la rilevanza del retrieval. Se dicono "usiamo il file upload di OpenAI," non hanno spedito nulla di non banale.

Sistemi agentici in produzione. Non "abbiamo costruito un agente in un notebook" — "gestiamo agenti che eseguono azioni per utenti reali, con questi guardrail, a questo volume." I workflow agentici sono dove si trova la maggior parte del valore e dove più persone si sono scottate.

La competenza tecnica è necessaria ma non sufficiente. Serve anche un team che lavori come lavora la tua organizzazione.

Ti contraddicono. Un partner che è d'accordo con ogni spec che mandi è un partner che ti costruirà felicemente la cosa sbagliata. Vuoi qualcuno che legga il tuo brief e torni con "noi lo faremmo più piccolo, ecco perché" o "questo vincolo non ha senso, possiamo rivederlo?".

Prezzo e scope chiari. Prezzo fisso per fasi ben definite, T&M per il lavoro esplorativo e una dichiarazione esplicita di cosa significa "finito." Qualcosa di più vago è uno sforamento di budget in attesa di succedere.

Onestà su ciò che non fanno. Ogni team ha buchi — troppo piccolo per un on-call 24/7, niente team mobile, nessun designer interno. I partner che fanno finta di fare tutto sono meno affidabili di quelli che nominano i propri limiti.

Referenze che puoi davvero chiamare. Non loghi su un sito — persone. Una chiamata di 20 minuti con un cliente passato ti insegna più di dieci proposte.

Cadenza di comunicazione. Chiedi come gestiscono i progetti: demo settimanali, update scritti, task board condivise, accesso a Slack. Se la pitch è "ti manderemo una fattura al mese," non è una partnership, è una scatola nera.

Una breve lista di cose che, nella nostra esperienza, hanno correlato con progetti andati male:

• Lock-in di default. Codice ospitato da loro, modelli ospitati da loro, nessun accesso ai tuoi vettori o log. È un gioco di potere, non un servizio.
• "Fidati del modello." I team che non vogliono parlare di casi di fallimento sono i team che non li hanno ancora incontrati.
• Bingo di buzzword AI. Se ogni frase ha "autonomo," "trasformativo" e "rivoluzionario" senza un numero concreto, stai guardando un demo shop.
• Nessun ingegnere senior nella conversazione. Se il sales non riesce a portare un ingegnere hands-on in una call tecnica, quello sarà con chi lavorerai davvero.
• Riluttanza a un pilota pagato. Un buon partner definisce un pezzo piccolo a prezzo fisso prima di chiedere un impegno pluritrimestrale.

Copia queste nella prossima call con un vendor:

• "Mostrami la struttura del repository di un'app AI in produzione che avete spedito."
• "Com'è fatta la vostra pipeline di valutazione? Posso vedere un report eval anonimizzato?"
• "Qual è l'incidente più grave che avete avuto in un sistema AI e cosa avete cambiato?"
• "Spiegami come gestireste i nostri dati e access control, passo per passo."
• "Cosa tagliereste dallo scope se il budget fosse dimezzato?"
• "Chi farà il lavoro effettivo? Posso conoscerli?"
• "Qual è il vostro piano di handoff a fine ingaggio?"

Le risposte dicono più di qualsiasi slide.

Supponi di trovare tre candidati che sembrano forti. Il modo migliore di compararli è un pilota piccolo e pagato — non una gara e non un lungo ciclo di proposte.

Un buon pilota è:

• Un solo workflow. Uno vero, con stakeholder reali, non un giocattolo.
• Dalle quattro alle otto settimane. Abbastanza lungo da produrre qualcosa di utilizzabile, abbastanza corto perché il fallimento sia sopportabile.
• Criteri di successo scritti. "L'agente gestisce il 60% delle email di fatturazione end-to-end senza auto-invii errati." Non "una cosa AI figa."
• Handoff pulito. Alla fine possiedi codice, docs, eval set e deployment. Anche se proseguite col partner, potresti andartene.

Noi facciamo ingaggi esattamente così e incoraggiamo i clienti a far girare il pilota con almeno un altro studio in parallelo se sono incerti. Il confronto è più economico di un brutto impegno pluriennale.

A volte un partner è la risposta sbagliata. Costruisci il team tu se:

• L'AI è il tuo prodotto, non una feature — il moat della tua azienda dipende dal diventare più bravi dei concorrenti.
• Puoi assumere in modo credibile ingegneri AI senior (difficile nel 2025-26, ma possibile in alcuni mercati).
• Il tuo timeline sopporta 6–12 mesi di assemblaggio del team prima di spedire.
• Hai la disciplina per mantenere una pratica interna di ML ops nel lungo periodo.

Se tre di questi non sono veri, un partner ti porta in produzione più rapidamente e puoi internalizzare dopo, una volta provato il pattern.

Scegliere bene è l'80% dell'esito del progetto. Spendi una settimana a fare vera diligence — è un investimento minuscolo rispetto al costo di un ingaggio fallito.

Se vuoi che siamo fra i partner che valuti, saremmo felici di partecipare. Parti dal nostro sviluppo software AI per capire come definiamo il lavoro, oppure contattaci con il problema che vuoi risolvere.