Sviluppo Software e AI

Preventivo chatbot IA per assistenza clienti: come quotare RAG, integrazioni e canoni

2 ottobre 2026

Guida pratica per agenzie e sviluppatori su come prezzare un chatbot IA per il customer service. Dalla gestione del RAG e fallback operatore fino al canone ricorrente di prompt maintenance.

L'errore principale: confondere sviluppo deterministico e modelli probabilistici

Preventivare un assistente virtuale basato su Large Language Model (LLM) non equivale a quotare un software tradizionale o un vecchio chatbot ad alberi decisionali. Nei sistemi a regole il perimetro è chiuso: tot schermate, tot scenari condizionali, tot ore di codice. Con un modello generativo, invece, subentrano tre variabili ad alto rischio marginalità: la qualità dei dati forniti dal cliente, la gestione non deterministica delle risposte (allucinazioni) e il consumo variabile dei token API.

Per evitare di lavorare in perdita o di rilasciare un bot che inventa sconti e politiche di reso, il preventivo deve scomporre chiaramente la fase di preparazione dati (RAG o fine-tuning), l'architettura di integrazione (webhook, CRM, human-in-the-loop) e la gestione continuativa dei prompt.

Le 4 voci di costo indispensabili per la fase di setup

  1. 1. Knowledge Base & Vector Store (Architettura RAG): pulizia dei documenti aziendali (PDF, manuali, FAQ, pagine web), segmentazione (chunking), embedding e indicizzazione su database vettoriale (es. Pinecone, Qdrant, Supabase pgvector). Prezzo a corpo in base al volume documentale: tipicamente tra 1.000 € e 2.500 € per basi documentali standard (fino a 500 pagine pulite).
  2. 2. Prompt Engineering, Guardrails e Tone of Voice: stesura del system prompt, iniezione di contesto dinamico, regole di sicurezza per evitare prompt injection, mitigazione delle allucinazioni e istruzioni per il routing dei topic. Fascia tipica: 800 € - 1.600 €.
  3. 3. Integrazione API, Webhook e Fallback umano: connessione del backend IA con il widget front-end (web chat, WhatsApp Business API) e con gli endpoint aziendali (es. ticketing Zendesk, HubSpot, webhook custom) per il passaggio ad agente umano quando la confidenza del bot scende sotto una soglia prefissata. Fascia tipica: 1.500 € - 3.500 €.
  4. 4. Golden Dataset & Collaudo Validativo: creazione di una suite di almeno 50-100 coppie domanda/risposta di benchmark su cui testare automaticamente o semi-automaticamente l'accuratezza del bot prima del rilascio. Fascia tipica: 500 € - 1.200 €.

Come gestire i costi di terze parti: Token API e Infrastruttura

Non inserire mai i costi vivi dei token LLM (OpenAI, Anthropic, Mistral) all'interno del canone di sviluppo a prezzo fisso senza un tetto massimo. Un picco improvviso di traffico o un abuso da parte degli utenti finali potrebbe azzerare il tuo margine operativo in pochi giorni.

La prassi migliore consiste nel far sottoscrivere al cliente l'account API di riferimento con la propria carta di credito aziendale, oppure impostare una formula con canone di gestione + ricarico percentuale sul consumo effettivo dei token, specificando a preventivo una stima di costo mensile calcolata su scenari medi (es. 500 conversazioni/giorno a circa 1.500 token per sessione).

Preventivo per Sviluppo Chatbot IA di Assistenza Clienti
VoceQ.tàPrezzo
Analisi documentale, chunking e setup Vector Database (RAG)1 a corpo€ 1.400,00
Prompt Engineering avanzato, guardrails di sicurezza e gestione tono1 a corpo€ 950,00
Integrazione Webhook CRM e flusso di handover/fallback operatore umano1 a corpo€ 1.800,00
Creazione Golden Dataset e collaudo sistematico (100 scenari di test)1 a corpo€ 650,00
Setup architettura serverless, logging conversazioni e monitoraggio errori1 a corpo€ 500,00
Totale€ 5.300,00

I prezzi si intendono IVA esclusa. I consumi delle chiamate API ai modelli LLM e i costi infrastrutturali cloud/vector DB sono a carico diretto del cliente finale tramite account dedicato.

Come quotare il canone ricorrente di manutenzione prompt

Un bot conversazionale non è un software statico che si consegna e si dimentica. Nel tempo le informazioni aziendali cambiano (nuovi listini, promozioni, policy modificate) e il comportamento del modello può degradare con gli aggiornamenti delle API dei provider (prompt drift).

Nel preventivo affianca sempre al costo di setup una proposta di canone mensile (generalmente compreso tra 250 € e 800 €/mese per PMI) che deve includere:

  • Analisi periodica dei log delle conversazioni con punteggio di soddisfazione basso o fallback scattato.
  • Aggiornamento periodico degli indici vettoriali (ingestion di nuovi documenti o eliminazione di dati obsoleti).
  • Ottimizzazione e riallineamento dei prompt su nuovi casi limite emersi nell'uso reale.
  • SLA garantito per interventi di ripristino in caso di modifiche breaking nelle API dei vendor.

Clausole di tutela da inserire a preventivo

Per evitare contestazioni sul livello di accuratezza o su ritardi dovuti a dati incompleti, specifica sempre tre clausole precise:

  • Qualità dei dati in ingresso: l'onere di fornire file strutturati e privi di contraddizioni è del cliente. Prevedi un sovrapprezzo orario se devi occuparti tu della riscrittura di FAQ caotiche.
  • Natura probabilistica: specifica che l'IA genera risposte su base statistica e che, nonostante i guardrails, non è garantito al 100% l'annullamento di ogni singola incongruenza verbale (da cui la necessità dei filtri di fallback umano).
  • Scadenza del collaudo: definisci una finestra temporale (es. 10 giorni lavorativi dalla consegna del prototipo) entro cui il cliente deve completare i test di accettazione basati sul golden dataset concordato.

Domande frequenti

Quando conviene proporre il RAG invece del Fine-Tuning a preventivo?

Nel 95% dei progetti di assistenza clienti aziendale il fine-tuning non serve ed è controproducente: costa molto di più e non garantisce che il modello non allucini fatti. L'architettura RAG (Retrieval-Augmented Generation) permette di aggiornare i dati in tempo reale modificando solo i documenti, riducendo i costi di sviluppo di circa il 60-70% rispetto a un fine-tuning dedicato.

Cosa fare se il cliente fornisce documentazione disordinata o contraddittoria?

Aggiungi una voce a parte per la 'Bonifica e normalizzazione documentale' valorizzata a ore (solitamente tra 50 € e 90 €/ora) o a corpo per blocco di pagine, specificando che l'avvio della fase RAG è subordinato alla convalida della documentazione pulita.

Come preventivare l'infrastruttura di backend e il vector database?

Se utilizzi piattaforme di deployment managed (es. AWS Lambda, Vercel, Supabase), il costo base è quasi nullo per bassi volumi ma scala con le richieste. Specifica chiaramente a preventivo quale tier di servizio è incluso e chi sostiene l'upgrade di piano cloud al superamento delle soglie gratuite.

Fai questo preventivo in 2 minuti

Mandi un vocale a Quoto su WhatsApp e ti prepara un preventivo elegante, pronto da inviare al cliente.

Prova Quoto gratis su WhatsApp

Fai il tuo preventivo

Descrivi il lavoro e il preventivo esce in PDF, gratis e senza registrarti: fai un preventivo online.

Provalo alla tua prossima call.

Descrivi il lavoro e ricevi un preventivo professionale, interattivo e tracciabile in 2 minuti.

Crea la tua prima proposta gratis

Nessuna carta di credito richiesta.

CONTATTACI

Parla con una persona vera

Hai una domanda, un dubbio o vuoi una mano? Scrivici su WhatsApp, chiamaci o mandaci una mail: ti rispondiamo noi.