Come ho descritto più volte, Microsoft ha introdotto il modello di costo a consumo per l’utilizzo di alcuni Agenti Copilot e dei chatbot realizzati attraverso Copilot Studio.
Il modello PAYG (Pay As You Go) introduce il concetto di “messaggi“, ed una interazione , più o meno complessa, con AI può richiedere uno o più messaggi (interazioni tra l’utente e l’AI).
Tipicamente, il costo per messaggio è di 0,01$, consumato attraverso sottoscrizione Microsoft Azure.
Per calcolare il ritorno dell’investimento (ROI), è quindi necessario considerare la complessità delle interazioni che andranno a risolvere una certa esigenza dell’utente/cliente, moltiplicandole per il numero stimato delle occorrenze nel corso del tempo (mese/anno).
Gli esempi in immagine cercano di offrire una suggestione, rispetto a compiti pratici e più o meno complessi:
Per esempio, una richiesta da parte di un utente di consultazione della knowledge base aziendale, utilizzando un agente in grado di recuperare contenuti e informazioni attraverso Microsoft Graph, richiede 30 messaggi per il grounding di Graph e 2 messaggi per la risposta generativa. Un totale di 32 messaggi per ciascuna interazione.
Entrando in una modalità “emotiva”, molti di noi a questo punto potrebbero dire: è costosissimo!
Ma proviamo ad affrontare la questione razionalmente.
Tornando al calcolo del ROI, immaginiamo di creare un agente per supportare il customer care di un’azienda, fornendo ai clienti un chatbot in grado di interagire con la KB aziendale, le politiche di reso dei prodotti, i manuali dei prodotti e le specifiche tecniche.
Stimando 1500 richieste di contatto al mese da parte dei clienti, il costo stimato sarebbe di 13500 messaggi, ossia 135 $/mese.
Una sessione media comprende quattro risposte classiche per domande relative ai resi e due risposte generative per domande di risoluzione dei problemi. Considerando la media è di 1500 clienti al mese, il costo stimato per mese si basa sul seguente calcolo: [(4×1)+(2×2)] x 1500 clienti = 13500 messaggi.
Naturalmente c’è poi il costo di realizzazione dell’agente, realizzato attraverso un approccio low-cose con Copilot Studio, che potrebbe essere di circa 2 giornate di lavoro, diciamo 800$ x 2 giornate = 1600 $ una tantum.
[Faccio il calcolo in Dollari per coerenza sul calcolo].
Con qualche approssimazione, stimiamo quindi che il costo di sviluppo si ammortizzi in un paio d’anni (1600$/24 mesi = 66 $/mese).
Il costo operativo dell’agente Copilot quindi si aggirerebbe attorno ai 201 $/mese (135 $ di costi PAYG e 66 $ di quota parte dei costi di realizzazione).
Per fini del ROI va quindi stimato il beneficio ottenuto dall’azienda:
- Tempo risparmiato dagli operatori del customer care
- Ritorno di immagine (modernità, efficienza nella risposta) percepito dai clienti (più complicato da calcolare)
Facendo qualche ipotesi, immaginiamo che tradizionalmente l’operatore del customer care dedichi (ottimisticamente) 15 minuti per soddisfare ciascuna richiesta, considerando:
- quota parte del tempo di apprendimento/studio dell’operatore
- tempo di lettura/complensione della richiesta del cliente
- tempo di consultazione della documentazione tecnica
- tempo per confezionare la risposta e inviarla al cliente
Il costo di 15′ di un dipendente?
Qui dipende da tanti fattori (seniority, specializzazione, area geografica, …), pertanto ipotizzerò un valore indicativo di un operatore con RAL di 30000$, quindi un costo aziendale di circa 41400$.
Facendola breve, il costo orario del dipendente per l’azienda sarebbe di circa 22 $/ora
I famosi 15 minuti stimati per fornire la risposta al cliente equivarrebbero dunque a circa 5,40 $.
5,40 $ risparmiati per ogni richiesta cliente, che avevamo immaginato essere 1500 in un mese, con un costo equivalente mensile di 8370 $.
Lo scenario ipotizzato, quello delle 1500 richieste cliente al mese, richiederebbe un “costo equivalente” di:
- eseguito da operatori del customer care: 8370 $
- eseguito dal Copilot Agent: 168 $
Ora, senza fare considerazioni di impatto sociale, ed immaginando che l’agente Copilot possa affiancare e non sostituire gli operatori, generando efficienza e ritorno di immagine per l’azienda, il ROI è chiaro: un risparmio del 97,60%.
Approfondimenti:
Scendendo nel dettaglio delle diverse tipologie di messaggi:
✅ Risposta Classica (1 messaggio): Queste sono le tue risposte statiche, pre-scritte, che offrono risultati prevedibili a un costo minimo.
✅ Risposta Generativa (2 messaggi): Alimentate da AI dinamica, queste risposte si adattano al contesto—raddoppiando il costo del messaggio ma aumentando la flessibilità e il valore.
✅ Azione Autonoma (25 messaggi): Quando il tuo agente prende il controllo con compiti o flussi di lavoro automatizzati, comanda un premio, riflettendo la complessità e l’intensità delle risorse dietro queste operazioni.
✅ Tenant Microsoft Graph Grounding (30 messaggi): Per interazioni che attingono a ricchi dati aziendali tramite Microsoft Graph, aspettati un tasso di consumo più elevato che garantisce di ottenere approfondimenti accurati e basati sui dati.
Ecco i riferimenti della documentazione.