Big Trend
L'AI scende dalla nuvola
Le aziende stanno portando l'AI dentro il proprio perimetro, indipendentemente da esigenze di compliance. I numeri descrivono un movimento già in corso, anche se la capacità di agire resta molto indietro rispetto alla consapevolezza del problema.
Il 19 maggio NTT DATA ha pubblicato il Global AI Report 2026, su un campione di 5.000 executive. Il 95% considera la private e sovereign AI importante per la propria strategia; sta diventando imperativo costruire un dominio privato che protegga la proprietà intellettuale attraverso modelli che non possano essere addestrati pubblicamente. Eppure solo il 29% delle organizzazioni sta prioritizzando la sovereign AI in modo concreto nel breve termine. Il tema è nuovo, richiede visione architetturale e investimenti non banali.
I tre driver
Il report distingue tre driver del fenomeno. Il primo è la sovranità imposta: ragioni legali e geopolitiche — il Cloud Act americano, le restrizioni sui trasferimenti di dati, i requisiti di localizzazione. Il secondo è la regolamentazione sulla privacy: GDPR, AI Act, audit trail. Il terzo è l'autonomia strategica.
Il terzo driver è il più interessante perché costituisce una scelta competitiva. Un'azienda che porta AI in casa per proteggere la propria conoscenza operativa — costruita su anni di transazioni, criteri di pricing, dati di produzione, sistemi di anomaly detection — sta proteggendo un asset proprietario che non è in vendita sul mercato. Se a questi dati si applica una tecnologia che gira su infrastruttura condivisa, si rende necessario affrontare i problemi relativi a chi ha accesso ai dati e a chi ne trae vantaggio.
Il perimetro come architettura
Goldman Sachs ha risolto questo problema costruendo un layer intermedio tra i propri dipendenti e i modelli frontier. La GS AI Platform funziona da gateway sicuro: quando un analista interagisce con un qualsiasi LLM, i dati aziendali vengono anonimizzati prima di uscire dall'infrastruttura Goldman. Il modello non vede mai il cliente reale, vede un'entità anonima; non vede l'importo reale, vede un parametro normalizzato. La risposta viene rimappata sui dati reali all'interno del perimetro controllato. I circa 40.000 dipendenti della banca usano AI con accesso ai modelli migliori disponibili, senza che un dato sensibile abbia mai attraversato i confini dell'infrastruttura aziendale.
L'architettura tiene lontani i dati reali dal cloud: il tesoro va tenuto chiuso nel forziere.
Oltre al beneficio sulla sicurezza, questa soluzione porta con sé un vantaggio economico non trascurabile. Un orchestratore locale decide quali richieste inviare al modello esterno e quali gestire internamente; una cache semantica evita di pagare token per contesti già elaborati; la memoria persistente riduce ulteriormente la dipendenza dal cloud ad ogni interazione. I modelli open source — Llama, Mistral, ma anche i cinesi DeepSeek e Qwen — hanno già dimostrato qualità comparabile a quelli frontier a una frazione del costo, coprendo la grande maggioranza dei casi d'uso enterprise. Il risultato è che si ricorre al modello esterno solo quando serve davvero: il costo per query crolla e il consumo diventa prevedibile e ottimizzabile nel tempo, come qualsiasi altro costo operativo.
Lockheed Martin, principale player US nei settori difesa e aerospaziale, ha centralizzato i propri algoritmi di machine learning su un NVIDIA DGX SuperPOD on-premise, con flussi di lavoro che, data la loro confidenzialità, non possono girare su infrastruttura condivisa. Il mercato si sta muovendo con rapidità: Deloitte stima 100 miliardi di dollari di investimento globale in sovereign AI compute solo quest'anno. Le architetture ibride — infrastruttura controllata per i flussi di lavoro sensibili, cloud per il resto — stanno diventando lo standard per le organizzazioni strutturate.
Chi porta AI dentro il proprio perimetro non sta assumendo una posizione difensiva, né mostra nostalgia per le architetture del passato. È una scelta assunta consapevolmente da chi ha compreso che l'intelligenza operativa accumulata su dati proprietari è un asset di valore, non replicabile.
L'AI scende dalla nuvola non perché la nuvola non funzioni, ma perché il valore si costruisce dove i dati vivono.