Corso gratuito
Il Project Management nell'Era dell'AI
6 moduli on-demand con Carmine Paragano
Iscriviti gratis
Forecast di completamento: cos’è, metodi e uso con l’AI
- Settembre 10, 2026
Condividi su:
Il forecast di completamento è la risposta alla domanda che ogni CFO e ogni direttore operativo si pone su ogni commessa attiva: quanto costerà davvero, e quando finirà?
Non è il budget originale – quello era una previsione fatta prima di avere dati reali. Il forecast di completamento è una previsione basata su ciò che è già successo: quanto si è speso, quanto lavoro è stato fatto, con quale efficienza. È la migliore stima disponibile del futuro, aggiornata continuamente con i dati del presente.
Questo articolo spiega come si costruisce un forecast di completamento affidabile, quali sono i metodi più usati e come l’AI sta rendendo questo calcolo automatico e continuo.
Definizione
Il forecast di completamento (Estimate at Completion — EAC) è la stima del costo totale di una commessa a completamento, calcolata in base all’avanzamento reale e all’efficienza di costo osservata fino al momento del calcolo. Non è il budget originale, ma la migliore previsione disponibile del costo finale della commessa.
I metodi per calcolare il forecast di completamento
Esistono diversi metodi per calcolare l'AEC. I più usati nelle aziende di servizi perofessionali sono quattro
Metodo 1 - AEC basato sul'efficienza attuale (CPI)
EAC = Budget at Completion / CPI. Se la commessa ha un budget di 100.000 euro e ha speso 40.000 euro completando il 35% del lavoro, il CPI è 0,875. L’EAC è 100.000 / 0,875 = 114.286 euro.
Questo metodo assume che l’efficienza futura sarà uguale a quella passata. È il metodo più conservativo e il più accurato nelle fasi avanzate della commessa, quando i pattern si sono stabilizzati.
Metodo 2 - AEC ottimistico
EAC = Actual Cost + (Budget at Completion − Earned Value). Assume che il lavoro rimanente verrà completato esattamente come pianificato, indipendentemente dall’efficienza osservata. È il metodo più ottimistico — utile come benchmark del best case, non come previsione realistica.
Metodo 3 - AEC ottimistico
EAC = Budget at Completion / (CPI × SPI). Combina l’efficienza di costo e quella temporale. Utile quando sia i costi che i tempi stanno andando male, perché i ritardi spesso generano costi aggiuntivi.
Come usare il forecast nelle decisioni operative
Il forecast di completamento è uno strumento decisionale, non solo informativo. Le domande a cui deve rispondere sono:
La commessa è ancora redditizia? Se l’EAC supera i ricavi contrattuali, la commessa sta lavorando in perdita. La decisione su cosa fare — rinegoziare con il cliente, ridurre lo scope, accettare la perdita — richiede informazioni che solo un forecast affidabile può dare.
C’è margine per assorbire una variante? Se il cliente chiede un’aggiunta di scope, sapere quanto budget rimane disponibile è la base della negoziazione.
Quando arriverà il prossimo SAL? Il forecast temporale permette di pianificare le fatturazioni e gestire il cash flow.
Quali commesse del portafoglio richiedono attenzione immediata? Un EAC significativamente sopra budget su più commesse in parallelo è un segnale che serve un intervento strutturale, non solo operativo.
Come l'AI rende il forecast automatico e continuo
Il limite tradizionale del forecast di completamento è che richiede tempo per essere calcolato. Con dati distribuiti in sistemi diversi e calcoli manuali, molte aziende lo aggiornano una volta al mese — quando i dati sono già vecchi.
I sistemi AI integrati con i dati operativi calcolano il forecast in tempo reale, ogni volta che entrano nuovi dati di consuntivo. Il PM non deve aspettare la fine del mese. Il CFO non deve aspettare il report. La previsione è sempre disponibile, sempre aggiornata, sempre basata sui dati più recenti.
Alcuni sistemi aggiungono anche previsioni adattive: invece di applicare meccanicamente un metodo EVM, utilizzano modelli di machine learning addestrati sui dati storici dell’azienda per produrre previsioni più accurate. Se le commesse di quel tipo tendono a recuperare efficienza nelle fasi finali, il modello lo incorpora nella previsione.