Perché Monitorare il Tempo Non Salverà i Margini della Tua Agenzia

Galen Low: Se qualcuno ci ascolta e la sua organizzazione non ha una cultura dei dati, quanto tempo servirà per mettersi al passo?

Marcel Petitpas: Il primo passo è chiarire il tuo framework. Non puoi prendere decisioni su quali strumenti utilizzare, come usarli, cosa tracciare e cosa no, a meno che tu non sappia quali metriche monitorerai.

Sai esattamente come verranno calcolate queste metriche. Come definirai ogni oggetto all'interno di ogni metrica, e cosa ti dice quella metrica sulla tua azienda quando sale o scende.

Galen Low: Se gestisci un'agenzia, come decidi — all’interno di questo framework — quali tattiche avranno il maggiore impatto sull’efficienza operativa?

Marcel Petitpas: Pensiamo a questo come al circolo virtuoso del profitto dell’agenzia, che ha quattro fasi. La numero uno sono le tue assunzioni. La numero due sono i dati effettivi, e insieme costituiscono il tuo circuito di feedback quantitativo. Ti dicono dove c’è una discrepanza e quale metrica all’interno del business dobbiamo spostare.

Galen Low: Se sei un operatore, devi essere molto alfabetizzato nei dati, orientato ai dati, data-driven, più tecnico, più ingegneristico, oppure anche questa è una fallacia?

Marcel Petitpas: Arriverà un momento, non troppo lontano, in cui potrai costruire e gestire una piccola pipeline di dati senza dover essere iper tecnico o un super esperto di dati. Tuttavia, ciò che resterà vero è…

Galen Low: Benvenuti al podcast Digital Project Manager — lo show che aiuta i responsabili della delivery a lavorare in modo più smart, consegnare più velocemente e guidare meglio nell’era dell’IA. Io sono Galen, e ogni settimana approfondiamo strategie reali, nuovi strumenti, framework collaudati e anche qualche “storia di guerra” dal fronte dei progetti. Che tu gestisca grandi progetti di trasformazione, coordini flussi di lavoro con IA, o semplicemente cerchi di gestire il caos, sei nel posto giusto. Iniziamo.

Oggi parliamo del rapporto tra redditività, operazioni e dati. E in particolare, quando è il momento giusto per assicurarsi che i dati siano abbastanza puliti da comprendere la redditività, e come recuperare terreno se ti senti già indietro con l’operatività data-driven potenziata dall’IA.

Con me oggi c’è Marcel Petitpas, fondatore e CEO di Parakeeto, ed è anche la mia risorsa di riferimento per operazioni di agenzia profittevoli guidate dai dati, oltre che per spiegarmi la regressione lineare come se avessi cinque anni. Marcel e il suo team si collocano a metà strada tra un CFO frazionale e un COO frazionale, lavorando insieme per far crescere la tua agenzia in modo prevedibile, sostenibile e redditizio.

Ultimamente Marcel è stato ovunque. Ha parlato all’Agency Growth Event Summit, all’All-In Agency Summit, al Mirren AI 2025, al Consulting Success Live 2025 e ha fatto varie apparizioni con l’Agency Management Institute. È anche il conduttore del podcast Agency Profit, dove ogni settimana intervista leader ed esperti del settore.

Marcel, grazie per essere tornato nel nostro show.

Marcel Petitpas: Galen, vederti fare quella intro è stato mozzafiato. Eri così concentrato. Era davvero incredibile. Stavamo chiacchierando dietro le quinte e poi sei entrato nella parte. Grazie per avermi invitato. È un piacere essere qui e grazie per la splendida presentazione di poco fa.

Galen Low: Grazie per i complimenti. In realtà sono IA da sempre. Marcel mi ha creato. Marcel, sei già stato al nostro show, hai partecipato a eventi con noi. Mi piace averti perché hai una prospettiva unica e pragmatica su dove stanno andando agenzie e aziende in termini di cultura del dato, operazioni data-driven e il collegamento con il valore. Vai subito al sodo.

Marcel Petitpas: Apprezzo che tu lo dica. È qualcosa a cui dedico un’enorme quantità di tempo, e sono fortunato a potermelo permettere. Sai, mi sono sporcato le mani per sette anni implementando queste cose in agenzie, e penso che sia qui, soprattutto nel project management, che ho prospettive spesso diverse dalla saggezza comune su quelle che vengono considerate best practice.

Perché ho visto dove sono le “manette d’oro”, cioè le decisioni che sembrano sensate e poi nella pratica semplicemente non funzionano perché troppo complesse.

Galen Low: Amo questa cosa. Continuiamo a usare un playbook già rotto solo perché c’è. Manette d’oro, davvero. Pensavo potessimo iniziare togliendoci una grossa domanda, qualcosa di controverso che tutti vogliono sapere, poi magari allargare il discorso su tre cose.

Innanzitutto, vorrei parlare di igiene dei dati e cosa fare se ti sembra che l’agenzia abbia già perso il treno. Poi come dati puliti e IA possono impattare sulla redditività in modo misurabile, e come valutare e dare priorità alle efficienze operative in base all’impatto.

Infine, potremmo esplorare dove porta la tana del Bianconiglio per le agenzie. In certi sensi il gioco delle agenzie è cambiato totalmente. Parleremo delle competenze e delle strutture che servono per prosperare nell’era dei dati e dell’IA. Grandi temi. Ti va?

Mi sembra davvero interessante. Entriamoci. Fantastico. Ecco la mia grande domanda spinosa. Direi: dati buoni e puliti — l’ho imparato da te — sono forse la chiave per un’operatività di agenzia davvero profittevole e guidata dai dati. Ma se qualcuno ci ascolta e nel suo team non c’è cultura dei dati o i dati non sono neppure organizzati, quanto tempo servirà per mettersi al passo?

E c’è un modo per accelerare quel processo senza essere sconsiderati?

Marcel Petitpas: La risposta è sì. Quello che trovo triste di molti clienti con cui lavoriamo — dopo che hanno passato anni a colmare questo divario — è che la maggior parte cerca di “portare il cane a spasso tirandolo per la coda”, per come affrontano il problema.

Questo è vero soprattutto per molti tra chi ascolta. E non credo sia colpa loro. È sinceramente colpa, diciamo, del complesso produttivo software, che li ha condizionati a pensare così. Si parte dal software, dalla gestione progetti e dal data tracking e dai dati contabili, ma questi sono tutti gli ultimi passi — i meno importanti, e probabilmente vi sorprenderà sentirmelo dire: non servono i dati di rilevazione presenze per ottenere l’80% della visibilità sulle performance.

Il primo passo è, uno, chiarire il tuo framework. È un po’ astratto, ma in pratica: non puoi usare davvero i tuoi dati né scegliere strumenti o cosa monitorare, a meno che tu non sappia a quali metriche prestare attenzione.

Devi sapere esattamente come saranno calcolate quelle metriche. E sapere come definisci ogni oggetto per ogni metrica. E cosa ti dice su come va il tuo business quando una metrica sale o scende. Ad esempio, è facile decidere in riunione che misureremo la saturazione.

Ma è tutta un’altra cosa dire cosa significhi davvero per noi. Cos’è un’ora fatturabile e cos’è la capacità? Come definiamo quei concetti? Cosa includiamo o escludiamo? Qual è l’istruzione logica che trasforma i dati nel concetto di saturazione?

E capiamo davvero cosa la fa salire o scendere, cosa significa per il nostro business, come influenza le decisioni e perché ci importa? Cosa cambierà se davanti a noi avremo quel numero, e lo vediamo aumentare o diminuire?

Ecco, questo è il primo passo. La buona notizia è che non serve alcun software, nessun dato, nessuna attesa. Sono solo decisioni da prendere. Non sono facili, ma abbiamo cercato di agevolare pubblicando il nostro framework su quali metriche misurare e come misurarle, rendendolo pubblico.

Quindi, questo è il passo uno. Ce n’è anche un secondo che non richiede informazioni nuove: ne parlo, ma ti lascio la parola perché potrei parlare per altri 60 minuti, lo sai.

Galen Low: E sarei felice di ascoltarti.

Ma quello che mi piace è — magari indirizzo l’ospite — penso che molti ascoltatori stiano pensando: “Dobbiamo recuperare rapidamente. Serve acquistare software e iniziare subito a tracciare il tempo, così possiamo avere una base di dati, ma siamo comunque mesi lontani dall’avere dati davvero utili per la redditività.”

Questa è la reazione istintiva, di agenzia in affanno. Quindi mi fa piacere che tu dica che la risposta non è il software. Potresti farmi un esempio concreto sulla saturazione? Perché è l’esempio perfetto delle “manette d’oro”, giusto?

Sembra tutto sensato: assumo persone, modello a ore fatturabili, o producono valore o no. Se no, i miei margini crollano. E sembra naturale: misura la saturazione. Ma il punto dove mi hai colpito è che è complessa da calcolare. Per chi dice: “Marcel, cos’altro potrei misurare? Deve essere la saturazione!” Quali miti sfati o incontri su questo tema? Resti comunque sulla saturazione ma la si misura meglio, o la si abbandona?

Marcel Petitpas: No. Il nostro framework include la saturazione come metrica, ma il nostro calcolo è diverso dalla maggior parte. Posso spiegare come la definiamo, ma è difficile farlo isolatamente. Finché non capisci come misuriamo il tasso orario medio fatturabile, i margini di profitto su progetto (diversi dai margini a livello di agenzia) e il costo orario, non puoi capire perché definiamo così la saturazione.

Ci ragioniamo come framework: le relazioni tra metriche, business e tra metriche stesse, e le abbiamo testate con centinaia di agenzie in sette anni, coprendo tutti i casi limite. Posso dirti che per noi la saturazione è le ore di delivery.

Cioè tempo dedicato ai clienti, fatturabile o meno. E quelle ore di delivery sono divise per la capacità, cioè tutto il tempo acquistato da chiunque tu misuri. Per tutta l’agenzia è chiunque, incluso chi non lavora con clienti.

Sono 2080 ore/anno. C’è chi dirà che non si adatta a loro. Magari, perché hai preso altre decisioni sulle altre metriche, ma ho parlato oggi con un manager il cui management insiste che il team è “saturo”, ma non è vero perché metà di quel tempo, considerato fatturabile, è in realtà tempo interno. Quindi ricevono un falso positivo, oppure sono più saturi ad agosto — altro falso positivo perché magari usano il tempo di ferie per capacità. Così segnali che il dibattito sulla saturazione non c’è mai stato dopo il “perché” — che decisioni diamo con la saturazione? Che domande rispondiamo?

Senza quella conversazione, ti accorgi subito che non puoi escludere la capacità se vuoi capire qual è l’impatto finanziario della saturazione e come influisce sulla redditività, perché sarebbe un problema. In definitiva, la grande trappola è pensare di poter misurare la performance dell’agenzia su una sola metrica. Molti cercano di usare la saturazione o la redditività dei progetti come “the metric”, ma secondo me è sbagliato. Non puoi dedurre la redditività dell’agenzia da quella di un progetto. Cercare di legarle è una perdita di tempo e risorse — e risponde male a entrambe le domande.

Galen Low: Mi piace l’aspetto “Guida galattica per autostoppisti”: chiedi il significato della vita e la risposta è 21, ma perché non hai capito la domanda. Così è la saturazione. Quindi parte uno: framework, cosa misuri e perché. Parte due.

Marcel Petitpas: La seconda parte è il modello e il forecast. Un altro elemento molto trascurato. Torniamo alla saturazione: immaginiamo di averla definita. Poi spesso il team PM si entusiasma, implementa lo strumento, chiede a tutti di usarlo. Dopo tre mesi ottengono finalmente dati accettabili. La saturazione del mese scorso è 54%. E ci si guarda attorno: “È buona o cattiva?”

Sei andato alla fine del processo, ma non ricavi valore perché non avevi stabilito le aspettative. La buona notizia è che fissare le aspettative può essere illuminante, ancor prima di sapere i dati reali. Una volta avuti i dati, questi valgono molto di più, perché l’insight nasce dal confronto tra aspettativa e realtà. Quindi il secondo passo è costruire un modello della tua azienda. Iniziando da un “payroll grid”: chi fa parte del team, quanto costa, quante ore lavora e dove prevedi andranno quelle ore se avessi lavoro illimitato, più i permessi. Poi analizzi le spese di overhead: commercialista, avvocati, abbonamenti, ufficio… Infine i prezzi: quanto effettivamente incassi e ti aspetti per ogni ora di lavoro con il cliente.

Unendo questi dati, ottieni: se tutto andasse come pianificato, quanto denaro guadagna oggi l’azienda con questo team? Quante ore su clienti? Quale percentuale di saturazione? Quanto spenderemo in spese fisse? Quale margine lordo e quale utile netto? “È buono? È ciò che vogliamo?” Spesso vediamo aziende che dicono: “Non riusciamo a essere profittevoli”. Poi facciamo questo esercizio e… “È perché avete pianificato di non esserlo.”

Galen Low: Interessante.

Marcel Petitpas: Anche eseguendo perfettamente il piano fallirete comunque. Non ha niente a che vedere con l’esecuzione — serve il piano giusto.

Quindi questa è la seconda parte: costruire il modello, capire cosa ti permette e quanto margine di errore hai. Inserendo i dati dei progetti (quanto verranno pagati, date, ore stimate) puoi guardare avanti e chiederti: “Guadagneremo quanto potremmo? Terremo il team ben occupato?” E risolvi il 70-80% dei problemi di redditività senza tracciare tempi o dati progetto, semplicemente chiarendo framework e assunzioni. Sono i primi passi che facciamo con ogni cliente; non puoi decidere nulla “downstream” senza quella base. Tutto questo è gratuito. Serve solo tempo e le informazioni che già hai nella testa — ti basta, solo non le hai mai messe nero su bianco. Non serve software, non serve attendere mesi di dati, non devi cambiare i processi contabili. È tutto già a disposizione.

Galen Low: Interessante, è gratis, ma non facile. Le domande sono basate su cose che forse sai, ma rispondervi è dura: significa guardare in faccia la propria operatività. Pensavo dicessi “pensa a quanto puoi guadagnare, poi tieniti più basso perché è utopia”, invece dici che può darsi che il tuo piano non sia profittevole, per come operi. E da PM di agenzia, mi viene sempre detto che abbiamo il peso dell’agenzia sulle spalle, dobbiamo pagare lo staff “in rosso”, servono margini, saturazione 80% o più, abbastanza margine per tutti. Ma — credo tu abbia detto — non basta solo la redditività dei progetti. Serve vedere tutto per COGS, includere tutti, programmare il lavoro fatturabile e il fatturato potenziale.

Marcel Petitpas: Assolutamente. Abbiamo visto aziende in cui ogni progetto era super profittevole, ma la società non lo era, perché la redditività dei progetti è solo UNO dei tre fattori chiave. Non dipende solo da quello. È come venderti una bottiglia d’acqua a un milione, ma lo faccio solo una volta ogni dieci anni, mentre spendo 800.000 euro/anno in attività e marketing per trovare quell’unico cliente. Margine? 99.999%. Ma… bisogna ragionare su tutto il modello, non si può guardare solo il progetto.

Galen Low: Intanto, le Stanley Cups: quello è davvero il loro modello! Vendere borracce da collezione a grande margine.

Marcel Petitpas: Sì, e indistruttibili.

Galen Low: Vorrei allargare, perché hai detto qualcosa che mi ha colpito. Hai descritto Parakeeto come “se un CFO e un COO fractionali avessero un figlio”. A parte i conflitti d’interesse e le battute sui concerti da setta… come fanno finanza e operazioni a collaborare su dati e redditività? Chi altro deve essere coinvolto per far quadrato su framework e modello? E per sfatare eventuali miti finanziari e operativi?

Marcel Petitpas: Credo torni tutto ai miei primi due punti: framework e modello dell’azienda.

Sono direttamente collegati alle tre parti più importanti del business: finanza, operazioni, e in parte new business. Sedersi insieme e ragionare su questi temi costringe tutti a collaborare e trovare un accordo. E fornisce una base oggettiva, perché sono formule matematiche, non opinioni. Se una leva cambia, cambia anche il risultato. Tutti lo devono accettare. Quello è il punto di partenza per misurare e per capire cosa serve dai dipartimenti. Serve sapere cosa arriva dalle vendite? Bisogna capirne i dati. Serve prevedere la capacità? Devi sapere quanto lavoro servirebbe. Serve pianificare le finanze? Devi sapere costi, tariffe. Serve prevedere la redditività? Devi fissare i margini. Se devi fissare un budget, devi sapere chi è in azienda e il futuro dei ruoli. Tutto si intreccia.

Ti accorgi che tutto si basa su una combinazione di dati operativi (vengono prima dei risultati finanziari) e dati finanziari (che sono il riassunto pregresso). Quindi modello e framework sono le fondamenta dei feedback loop — ed è lì che succede la collaborazione tra reparti. Senza framework o modello, ognuno “resta nella sua corsia” e quel piccolo gap non si colma mai: il management impazzisce, non si riesce a misurare niente perché i dati non corrispondono fra vendite, contabilità e project management.

Galen Low: Mi piace, la base del modello mette insieme tutti. Conosco bene il gap: tutti sono d’accordo in riunione, ma i pezzi non si incastrano, si usa un linguaggio diverso, e la colpa vengono riversate sugli altri reparti. Anche il ruolo di Parakeeto è mettere tutti allo stesso tavolo, costruire modello e framework, e portare i vari reparti a guardare all’insieme usando dati spesso già disponibili.

Marcel Petitpas: Nelle organizzazioni grandi, con un COO, CFO e CEO, li allineiamo e poi li lasciamo agire dove sono più di impatto, non persi nelle spreadsheet. Sanno tutti dove concentrarsi. Nelle realtà più piccole, se mancano CFO/COO, facciamo lo stesso coi responsabili di reparto (di solito studio contabile esterno, PM senior, CEO non formato ma esperto tecnico). Prendiamo in carico il “middle messy part” così tutti possono chiarire cosa fare e agire.

Galen Low: Curioso, perché ho vissuto proprio così in agenzie piccole: il CEO è il fondatore, appassionato di digitale, mai stato amministratore, magari entra in un club CEO per imparare, ma nascono sempre gap in cosa si può o si deve fare. Capita pure che “Ok, tu ora sei il COO, ce la puoi fare!” Mi piace che sia normale, tutti imparano facendo, ma serve un piano per sviluppare quella sensibilità, colmare i gap e guidare le decisioni assieme.

Marcel Petitpas: C’è una cosa da sottolineare: troppo spesso il PM “volontario” che diventa operations leader si sente dire dal CEO: “Risolvici la redditività”. È un’aspettativa irrealistica, si rischia di fallire. Non è una side quest. È difficile, richiede anche skill nei dati, almeno analisi se non data engineering, oltre a una solida base finanziaria. Non è realistico aspettarselo da chi arriva dal PM. Anzi, il background di PM può essere uno svantaggio qui, perché sono premiati per la precisione e il dettaglio — ma per reportistica di livello executive serve il contrario: più accuratezza, meno precisione. Esempio: per fare un forecast capacità di 4 mesi sul tuo reparto design non assegni 700 task una a una sul tool! È come usare le bacchette per impilare granelli di sabbia. Ma da PM il primo pensiero è quello.

Galen Low: Anche se lo abbiamo già detto altre volte, oggi la mia prospettiva è proprio diversa, “nell’era dell’IA”. Sono felice tu abbia portato lì la discussione. Molti che cadono nelle operations potrebbero pensare: “Faccio quello che dice Marcel, ma devo assumere un data scientist.” E ho visto che viene assunto qualcuno che “dirige i dati”, ma manca la visione d’insieme — e si rischia di essere ciechi da entrambe le parti. In effetti, risolvere la redditività può essere una mission impossible se non si è formati o non lo si è fatto prima. Altrimenti tutti sarebbero profittevoli, no? Riguardo dati, accuratezza, non sempre precisione… Chi si trova in quel ruolo, oggi, deve essere molto data-oriented, più tecnico? O anche quello è un mito?

Marcel Petitpas: Siamo a un punto difficile. Le operations dei dati diventeranno uno standard anche per le piccole imprese, ma c’è un vuoto attorno. Il nostro “segreto sporco” a Parakeeto è che abbiamo preso ciò che esiste da tanto nelle grandi imprese (data operations) e l’abbiamo pacchettizzato per le PMI a costi accessibili. Ma non puoi permetterti Databricks con un’agenzia 1M€, e non esistono tool del genere per le piccole imprese. Però arriveranno, sempre più potenti. Quindi fra non molto potrai gestirti una pipeline dati base senza essere uno scienziato. Però — sarai comunque costretto a comprendere a fondo framework e applicazione. In sostanza: bisogna sempre cominciare dalla fine, sapere cosa misurare e perché. Tutti i tool, i dati, le spreadsheet — anche da data scientist — se non sai “il cosa e il perché” perdi solo tempo.

Galen Low: Chi ascolta e pensa: “Marcel ha descritto me e non so partire dalla fine — sto solo aspettando che Databricks sia accessibile”, dove può iniziare? È meglio cambiare carriera?

Marcel Petitpas: No. Questione interessante: cosa cambia per PM con l’IA? In realtà project e account management sono tra le discipline più isolate da rischi e, tolta tanta esecuzione, sono fra le attività più di valore oggi. Potrei divagare, ma rispondo: da dove cominciare? Schietta autocitazione: dalla Agency Profit Toolkit. Il framework è spiegato lì ed è gratis. Semplice, non facile (ecco perché ci assumono per agevolare il tutto). Ma se vuoi metriche, calcoli e definizioni li trovi gratis. Lì partirei.

Galen Low: Cambio un po’ registro perché hai appena fatto un’intervista con il mio team sul digital project manager (link in descrizione): abbiamo trattato tanti temi. Uno molto rilevante qui: molti guardano adesso all’equazione profit con l’IA e pensano — la mia azienda si basa sulle ore fatturabili, misuriamo saturazione, arriva l’IA che promette efficienze, ci farà decuplicare i profitti! Ma ci sono moltissimi casi d’uso, o finisci per morire di mille tagli o speri di azzeccare la scelta. Faccio l’esempio che citavi sull’IA per il recupero di contesto: risparmi tempo mettendo insieme informazioni da più tool. Ma la domanda: se guidi un’agenzia e tutti sono sopraffatti dalle opzioni IA, come scegli, con framework e modello, quali tattiche avranno più impatto sull’efficienza operativa? È quella la strada per la redditività?

Marcel Petitpas: Assolutamente. Ho visto l’IA impattare tutti e quattro i fattori che muovono la redditività. Questa risposta piacerà molto ai PM, perché è davvero concreta.

Lo pensiamo come il “flywheel” del profitto: quattro fasi. Uno: assunzioni. Due: fatti reali. Insieme, formano il ciclo di feedback quantitativo. Cosa ci aspettavamo, qual era il piano, e cosa è successo: scopri dove c’è il gap e quale metrica va migliorata. In realtà sono solo quattro le opzioni. Una volta chiarita la metrica, riunioni col team — brainstorming su come migliorarla. Alcuni strumenti o quick win sono ovvi. Poi scegli, li applichi e ripeti il ciclo finché le metriche cambiano e cambi target. Quella dovrebbe essere una routine costante. Possiamo anche dettagliare le singole metriche e come intervenire, se vuoi.

Galen Low: Possiamo addentrarci? Faccio un esempio pratico: recupero di contesto fra strumenti diversi. Supponiamo riconosciamo un gap fra profittabilità stimata e reale. Il team dice: “stiamo troppo tempo solo a recuperare file fra tools”. Quindi serve meno tempo a rincorrere asset e avremo più profitto. Ma come misurare quanto risparmiamo grazie all’IA facendo quello? Poi mi ricordo quello che hai detto: i PM vogliono dati precisi, ma non sempre serve. Allora rischio di focalizzarmi troppo sul “misuriamo quanto tempo risparmiamo” come leading indicator di profitto futuro?

Marcel Petitpas: No, stai ragionando nel modo giusto. Torniamo al modello: è un grande insieme matematico. In un’agenzia la profittabilità aumenta con due macro interventi: tagli i costi fissi oppure aumenti quello che chiamiamo delivery margin (o gross margin). Raramente un’agenzia ha un problema di overhead (su 300 viste, quasi nessuna!), magari lo credi perché il tuo P&L è mal strutturato. Il vero problema è che non si produce revenue abbastanza efficientemente — ossia i margini lordi non sono sufficienti. Puoi migliorare in tre modi: 1) tasso orario medio fatturabile: totale ricavi diviso ore lavoro; quindi puoi alzare il prezzo a parità di ore o ridurre le ore per stesso prezzo; 2) saturazione: percentuale di tempo usata per produrre valore; 3) costo medio orario.

Nel nostro esempio, se usi IA per il recupero, potrebbero migliorare tutti e tre: meno tempo necessario (+tasso orario), più saturazione (team più produttivo perché meno interruzioni), e magari puoi assegnare task anche a persone junior (+efficienza sul costo). La formula per il profitto è: tasso orario x saturazione = ricavi; costo medio x ore delivery = costi. Così puoi misurare l’incremento assoluto di ricavi, il risparmio di costi, e il miglioramento relativo del margine, semplicemente. Hai ragionato perfettamente. Ecco perché serve il modello: senza, non puoi fare questi calcoli.

Galen Low: Chiaro. Il modello — anche per scegliere su cosa puntare: ipotizzi di investire su 10 ottimizzazioni IA, non puoi farle tutte, le valuti con la stessa logica? Prevedi +20% efficienza su recupero asset, valutando la stima rispetto ad altre opzioni che al massimo promettono +15%? Ma — siamo anche poco bravi a stimare… Il modello serve anche per decidere dove investire?

Marcel Petitpas: Sì, serve. Ma non basta confrontare in astratto 10 opzioni e scegliere quella col ROI più alto. All’interno dei tre driver (costo ora, tasso orario, saturazione), c’è una sequenza corretta: bisogna sempre cominciare dalla saturazione, poi tasso orario, poi costo orario. Un esempio: se un tubo è mezzo vuoto, non serve a niente farlo più grosso. Quindi spesso le aziende si fissano su prezzi o efficienza ma trascurano la saturazione. Dal punto di vista P&L non cambiano nulla. Conta sempre capire cosa conta di più in quel momento e ragionare metricamente. Appena la saturazione è a posto, lavorare su tasso orario va subito a margine. Anche perché per alzare i prezzi serve il contesto giusto (ad esempio se sei già al massimo della capacità puoi “rischiare” senza problemi). Queste sono logiche extra che contano sul piano pratico.

Galen Low: Interessante vedere una sequenza logica, e la metafora del tubo… perfetta. Guardando avanti: oggi tante agenzie sono in piena trasformazione. Alcuni puntano tutto sull’IA nei servizi offerti, altri solo ora inseriscono decisioni data-driven nei processi. Se ci proiettiamo di cinque anni, cos’è un’agenzia profittevole tra cinque anni?

Marcel Petitpas: È difficile dirlo nei dettagli tattici: servizi, canali… sarebbe stato impossibile prevedere, vent’anni fa, un business sulle Facebook Ads! Ma so una cosa: il modello di business basato sull’arbitraggio della competenza non scomparirà. È il settore più antico. Le competenze si adattano più rapidamente di qualsiasi altra cosa alla domanda di mercato.

Non credo che l’expertise sparirà. Ma continuerà (e proseguirà in fretta) la pressione sui margini di molti segmenti dei servizi professionali. Lo avvertiamo adesso perché la pandemia ha “compressato” 20 anni di maturazione del mercato in sei anni: boom dei costi di talento onshore, competizione globale in tempo reale. Quindi pressione su costi e prezzi. Ormai il cliente di New York non fa più differenza: “tutti lavorano da remoto”. Con l’arrivo dell’IA questa maturità va più in fretta. Sul nostro sito abbiamo un articolo con il grafico dei margini in calo nel settore. E ogni settore maturo vive questo: i margini scendono, aumenta la sofisticazione necessaria a restare sul mercato, specialmente per le PMI. Non ci sarà più tanto margine per errori, solo le aziende davvero agili riusciranno a sopravvivere.

Altra tendenza: frammentazione della filiera, come accade nei settori a margini bassi (compagnie aeree, grande distribuzione): devi essere super specializzato per sopravvivere su margini del 3%. In agenzia succederà lo stesso: massima disciplina finanziaria e gestionale. A molti farà male sentirselo dire, ma è la realtà di dove va il settore.

Galen Low: Mi piace la prospettiva: è accaduto in altri settori, non è unico e non è colpa solo dell’IA, ma ha accelerato una tendenza di cento anni.

Marcel Petitpas: Esatto, solo che ora va molto più in fretta.

Galen Low: Sì. Quel margine…

Marcel, è stato davvero interessante. Dove possono trovarti le persone che vogliono saperne di più?

Marcel Petitpas: Vai su parakeeto.com. Ci sono tantissime risorse gratuite, incluso toolkit.parakeeto.com: se vuoi approfondire metriche e implementazione, è tutto lì, gratis.

Se preferisci i podcast, ascolta Agency Profit Podcast. Se vuoi parlare direttamente con me, LinkedIn è il canale. Inviami un DM: mi farebbe piacere riceverlo.

Galen Low: Perfetto. Metterò tutti i link in descrizione, grazie ancora davvero.

Marcel Petitpas: Grazie a te, Galen. Un piacere.

Galen Low: È tutto per l’episodio di oggi del podcast Digital Project Manager. Se hai apprezzato la conversazione, iscriviti ovunque tu ci stia ascoltando. E se vuoi ancora più esempi, casi studio e playbook, vai su thedigitalprojectmanager.com.

Alla prossima, grazie per l’ascolto.