IBM ha ufficializzato l’acquisizione di Confluent con una mossa che chiarisce in modo netto dove stia andando la competizione sulle piattaforme dati per l’AI. Le due società hanno firmato un accordo definitivo in base al quale IBM acquisterà tutte le azioni ordinarie di Confluent a 31 dollari per azione in contanti, per un enterprise value di circa 11 miliardi di dollari. Il board di entrambe le aziende ha già approvato l’operazione e una larga fetta degli azionisti di Confluent – circa il 62% dei diritti di voto – si è impegnata a sostenerla; il closing è atteso entro metà 2026, dopo il voto dei soci e le autorizzazioni regolatorie. L’annuncio arriva dopo settimane di speculazioni di mercato e di report sulla trattativa in corso, che vedevano IBM in pole position per portare a casa uno degli asset più preziosi dell’ecosistema “data in motion”.
Nata dai creatori di Apache Kafka, Confluent ha trasformato un progetto open source – oggi lo standard de facto per lo streaming di eventi – in una piattaforma enterprise capace di connettere, processare e governare dati in tempo reale su vasta scala. Kafka, nella sua essenza, è un commit log distribuito che consente di pubblicare e consumare eventi con throughput elevatissimo e latenze ridotte, mantenendo persistenza, ordinamento per partizione e replicazione nativa. Confluent ha costruito sopra Kafka un layer di funzionalità operative e di governance che in ambito enterprise fa la differenza: connettori gestiti, controllo degli schemi, stream processing, strumenti di osservabilità e sicurezza, fino ai servizi più recenti pensati per l’AI agentica e per ridurre il “context gap” tra modelli e dati live.
L’acquisizione è legata alla strategia IBM su hybrid cloud e AI sulla base della previsione che l’esplosione di applicazioni distribuite e agenti generativi renderà indispensabile un tessuto connettivo di dati affidabili e in tempo reale. In architetture moderne, infatti, il dato non viene più trattato come un carico batch che finisce in un warehouse a fine giornata: è un flusso continuo che alimenta microservizi, analytics operative, feature store e sistemi di automazione. Per questo lo streaming è diventato una fondazione dell’AI industrializzata: senza pipeline real-time e governate, la promessa degli agenti – osservare, ragionare e agire su sistemi complessi – resta inefficiente o fragile. La crescita della domanda di data infrastructure per la GenAI è infatti uno dei driver che ha spinto il mercato verso un’ondata di M&A nel 2025.
Da Kafka a Confluent
Apache Kafka è il fulcro tecnologico su cui Confluent ha costruito la propria leadership: non un semplice message broker, ma una piattaforma di event streaming che combina messaggistica, storage e replicazione in un’unica architettura distribuita. Kafka tratta ogni informazione come un evento append-only registrato in un log: i producer scrivono su topic logici che vengono spezzati in partizioni fisiche, così da distribuire il carico su più nodi e abilitare parallelismo massivo. L’ordine degli eventi è garantito all’interno di ciascuna partizione, mentre la chiave del messaggio determina dove l’evento verrà collocato, assicurando coerenza per specifiche entità di business (per esempio lo stesso cliente o la stessa transazione). Sul piano dell’affidabilità, ogni partizione è replicata su più broker: un leader gestisce le operazioni di lettura e scrittura e i follower mantengono copie sincronizzate, pronti a subentrare automaticamente in caso di fault. Questo modello, unito alla scrittura sequenziale su disco tipica dei commit log, rende Kafka estremamente efficiente e stabile anche a volumi molto elevati, perché evita aggiornamenti casuali e sfrutta al massimo la cache del sistema operativo e meccanismi di trasferimento dati a basso overhead. Un altro elemento distintivo è la gestione degli offset: i consumer leggono progressivamente gli eventi e memorizzano la posizione raggiunta, potendo ripartire da lì dopo un errore o “riavvolgere” un flusso per replay, audit o ricostruzione dello stato applicativo. È questa capacità di fungere da memoria temporale dei dati in movimento che ha trasformato Kafka nel backbone di architetture event-driven moderne: i sistemi upstream e downstream restano disaccoppiati, più applicazioni possono consumare gli stessi flussi in modo indipendente e l’intero ecosistema digitale può reagire in tempo reale a ciò che accade. Per questo Kafka è diventato una precondizione infrastrutturale non solo per microservizi, osservabilità e analytics operative, ma anche per la nuova ondata di AI enterprise e agentica, dove modelli e agenti hanno bisogno di contesto aggiornato continuamente per prendere decisioni corrette e agire con latenza minima.
Confluent non è soltanto “Kafka enterprise”, ma una piattaforma completa per governare i dati in movimento lungo tutto il loro ciclo di vita, dal momento in cui vengono prodotti fino al loro consumo da applicazioni, analytics e agenti AI. Il cuore resta Apache Kafka, arricchito con funzioni operative e di sicurezza di livello enterprise; nel cloud, però, Confluent ha spinto oltre il modello “cluster gestito” adottando un motore cloud-native (Kora) che separa calcolo e storage e sfrutta object storage per scalare in modo elastico, abbattendo complessità e costi. Attorno a questo core, Confluent Cloud offre servizi gestiti che coprono ingestione, trasformazione e controllo dei flussi: connettori pronti per integrare sistemi legacy e SaaS, stream processing con ksqlDB e Flink, e un livello di governance basato su Schema Registry e regole di compatibilità che consente ai topic di evolvere senza spezzare i contratti dati tra producer e consumer. La piattaforma si estende poi ai contesti ibridi e sovrani con Confluent Platform self-managed, con il modello BYOC di WarpStream per workload massivi su cloud del cliente e con Confluent Private Cloud per portare un’esperienza “managed” anche on-prem. In questo quadro si inseriscono le componenti più recenti orientate all’AI, come gli Streaming Agents e il Real-Time Context Engine, pensate per servire agli agenti generativi un contesto affidabile e aggiornato in tempo reale: è questa combinazione—backbone eventi, processing continuo e governance integrata—che spiega perché IBM abbia identificato Confluent come strato fondazionale per la propria strategia hybrid cloud e AI enterprise.
Per IBM il valore è duplice. Da un lato compra un’infrastruttura real-time già diffusa, con migliaia di clienti e una presenza forte tra le aziende Fortune 500. Dall’altro si assicura un tassello tecnologico che completa il proprio portafoglio dati e automazione: Confluent diventa il backbone di eventi su cui innestare watsonx, le piattaforme di integrazione, gli strumenti di process orchestration e l’offerta di consulting. È coerente con la traiettoria di Arvind Krishna, che negli ultimi anni ha riportato IBM a crescere puntando su software ad alto margine e cloud ibrido. In più, l’operazione rafforza la strategia open source della casa di Armonk: dopo Red Hat e HashiCorp, Confluent è un altro grande brand “open-core” su cui IBM può costruire standard industriali.
Il CEO di IBM Arvind Krishna lega l’operazione alla strategia di hybrid cloud e intelligenza artificiale: “IBM e Confluent insieme permetteranno alle imprese di distribuire l’AI generativa e agentica meglio e più velocemente, fornendo comunicazione e flussi di dati affidabili tra ambienti, applicazioni e API. I dati sono distribuiti tra cloud pubblici e privati, data center e innumerevoli provider tecnologici. Con l’acquisizione di Confluent, IBM offrirà la piattaforma dati intelligente per l’IT enterprise, progettata appositamente per l’AI”.
Dal lato Confluent, il CEO e co-fondatore Jay Kreps sottolinea la continuità della missione e l’accelerazione resa possibile dalla scala IBM: “Fin dalla sua nascita, Confluent ha aiutato le organizzazioni a sbloccare tutto il potenziale dei propri dati, guidando l’innovazione in un panorama IT sempre più complesso. Siamo estremamente orgogliosi del lavoro svolto nel fornire ai clienti una piattaforma di data streaming in tempo reale per la prossima era della tecnologia, inclusa l’AI generativa e agentica. Siamo entusiasti della possibilità di entrare in IBM e di accelerare la nostra strategia con la sua competenza commerciale, la sua scala globale e il suo ampio portafoglio. Non vedo l’ora di costruire insieme il futuro, mentre Confluent diventa parte di IBM”.
Sul mercato del data streaming, l’accordo sposta gli equilibri. Confluent finora ha giocato la carta della neutralità verso hyperscaler e stack concorrenti, grazie a integrazioni profonde con AWS, Google Cloud e Microsoft, oltre che con piattaforme dati come Snowflake e Databricks. IBM dovrà preservare questa linea per non trasformare Confluent in un pezzo percepito come “solo IBM”, perché parte del suo vantaggio competitivo nasce proprio dall’essere il layer event-driven trasversale ai cloud. Se la neutralità regge, però, la combinazione con il go-to-market IBM può accelerare l’adozione in settori regolati e mission-critical dove Kafka è spesso presente ma non standardizzato come piattaforma aziendale unica. È qui che l’acquisizione ha il suo potenziale più forte: portare lo streaming real-time dal perimetro dei team digitali al cuore delle operazioni enterprise.
L’acquisizione di Confluent non è una mossa marginale: è un investimento sulla tesi che l’AI enterprise, soprattutto in versione agentica, si regga su dati in movimento più che su dati “fermi”. IBM compra lo standard industriale di fatto per orchestrare questi flussi e lo porta dentro la propria strategia di piattaforma, provando a diventare il punto di riferimento per chi deve fare AI su ambienti ibridi complessi. Se l’integrazione manterrà neutralità multi-cloud e ritmo di innovazione, il 2026 potrebbe segnare l’inizio di una nuova fase per Kafka e per l’intero mercato dell’event streaming.
Eventbrite passa a Bending Spoons con un’operazione da circa 500 milioni di dollari che segna un nuovo salto di scala per il gruppo italiano e rafforza la sua ambizione di costruire un portafoglio globale di piattaforme digitali. L’accordo definitivo prevede un’acquisizione interamente in contanti: agli azionisti di Eventbrite verranno riconosciuti 4,50 dollari per azione, un prezzo che incorpora un premio dell’82% rispetto alla media ponderata dei 60 giorni precedenti la chiusura del mercato del 1° dicembre. Il board della società americana ha già approvato all’unanimità l’operazione; restano le consuete autorizzazioni regolatorie e il voto dei soci, con closing atteso nella prima metà del 2026.
Per Bending Spoons non si tratta soltanto di entrare in un nuovo verticale, ma di acquisire un marketplace consumer con un marchio forte, una base globale di organizzatori e partecipanti e barriere all’uscita elevate grazie all’effetto piattaforma a due lati. È un profilo pienamente coerente con la strategia del gruppo: rilevare prodotti digitali maturi e già noti al grande pubblico, per riattivarne la crescita intervenendo in profondità su efficienza operativa e roadmap tecnologica.
Luca Ferrari, CEO e co-fondatore di Bending Spoons
Luca Ferrari, CEO e co-fondatore di Bending Spoons, lo sintetizza così: “Per vent’anni Eventbrite è stata in prima linea nell’economia delle esperienze, aiutando decine di milioni di persone a creare, scoprire e partecipare a eventi indimenticabili. Unire le forze con Bending Spoons accelererà l’innovazione e rafforzerà strumenti e risorse di Eventbrite, portando ancora più persone a ritrovarsi attraverso esperienze dal vivo condivise per molti anni a venire”. Ferrari aggiunge che il gruppo, da “fan di lunga data” della piattaforma, ha già individuato opportunità da esplorare con il team dopo il closing: “costruire una funzione di messaggistica dedicata, introdurre l’AI per facilitare la creazione di eventi, migliorare la capacità di ricerca e realizzare un sistema per il mercato secondario dei biglietti. Siamo impegnati a investire in Eventbrite nel lungo periodo e speriamo di aiutarla a raggiungere nuovi traguardi”.
Il razionale industriale è chiaro: le direttrici indicate dal management puntano a rafforzare sia il lato offerta sia il lato domanda del marketplace. La messaggistica nativa mira ad aumentare engagement e fidelizzazione, rendendo più “relazionale” l’esperienza tra community e organizer. L’introduzione dell’AI nella creazione eventi – dalla scrittura dei testi alla generazione di contenuti visuali e alla configurazione assistita – riduce tempi e costi per gli organizzatori, aumentando quantità e qualità dell’inventario disponibile. Una search più evoluta, costruita su segnali comportamentali e di contesto, migliora la discovery e sulla conversione. Infine, la gestione interna del secondary ticketing consente di recuperare valore oggi intercettato da circuiti esterni e di controllare meglio frodi, speculazioni e customer experience.
Julia Hartz, CEO di Eventbrite
Dal lato Eventbrite, Julia Hartz – co-fondatrice e oggi CEO ed Executive Chair – inquadra l’acquisizione come prosecuzione naturale della missione dell’azienda e come leva per accelerare il prossimo ciclo di sviluppo: “Eventbrite ha fatto emergere qualcosa di profondamente umano: il bisogno di riunirsi, connettersi e costruire comunità attorno alle passioni che condividiamo. Ciò che era nato come risposta a un’esigenza non soddisfatta – dare ai creator locali e ai leader comunitari il potere di far incontrare le persone – è diventato un movimento globale, capace di generare milioni di esperienze significative e di aiutare i partecipanti a trovare la propria comunità nei momenti che contano di più”. Hartz sottolinea anche il contesto: “Non c’è mai stato un momento più importante per riportare le persone insieme nella vita reale. Guardando avanti, mi entusiasmano la velocità, le risorse e la forza innovativa di Bending Spoons per spingere Eventbrite nel suo prossimo capitolo”.
L’operazione si inserisce in una sequenza che negli ultimi tre anni ha cambiato il profilo di Bending Spoons. Fondata a Milano nel 2013 come sviluppatore di app consumer, l’azienda ha accelerato la transizione verso un modello di holding software internazionale. Il cambio di passo è diventato evidente nel 2022 con Evernote e Meetup, due acquisizioni orientate a piattaforme ad altissima notorietà e con comunità consolidate. Nel 2024 sono seguite WeTransfer e Brightcove, che hanno ampliato il portafoglio su creator economy e video enterprise. Quest‘anno il deal su Vimeo (1,38 miliardi di dollari), ormai chiuso, ha consolidato un polo video professionale; l’accordo annunciato per AOL ha confermato la disponibilità a operare su brand storici del web con ancora massa critica globale. Eventbrite aggiunge ora un verticale in ripresa strutturale – esperienze live e community – potenzialmente sinergico con altri asset del gruppo sul fronte community building, creator tools e distribuzione di contenuti.
Sul piano delle modalità, Bending Spoons sta applicando uno schema che combina rapidità di esecuzione e integrazione profonda. La holding tende a chiudere in cash e a premio per portare rapidamente l’asset sotto controllo industriale; dopo il closing centralizza funzioni replicabili (data/analytics, growth, monetizzazione, infrastrutture), impone cicli di sviluppo corti e rigorosamente guidati da metriche e interviene su UX, pricing e organizzazione dei team per aumentare sostenibilità e margini. È un modello da proprietario operativo, non da gestore finanziario: l’efficienza generata serve a finanziare un’accelerazione tecnologica del prodotto e ad alimentare nuove acquisizioni.
Per questo Eventbrite va letta come un’operazione a doppia valenza. Per la piattaforma americana significa entrare in un gruppo che intende spingere su AI, innovazione di marketplace e nuove forme di monetizzazione lungo tutto il ciclo di vita dell’evento. Per Bending Spoons è un ulteriore passo – difficilmente l’ultimo – nella trasformazione da scale-up italiana a conglomerato software globale, capace di presidiare verticali diversi con marchi di prima fascia e di guidarne la prossima fase di evoluzione tecnologica e di business.
Si è aperto a Las Vegas AWS re:Invent 2025, l’evento più importante di Amazon Web Services nel quale si concentra, in una settimana, il rilascio di gran parte delle novità di piattaforma per l’anno successivo: un mix di keynote, sessioni tecniche, laboratori hands-on, certificazioni, expo con partner e storie di clienti.
L’edizione 2025, alla quale stiamo partecipando, è esplicitamente orientata all’AI. Il cloud non è più solo infrastruttura per applicazioni, ma impianto industriale per modelli e agenti, con annunci che coprono hardware, piattaforma di inferenza, dato proprietario e runtime agentico nello stesso disegno strategico.
Matt Garman, CEO di AWS, apre il keynote ricordando la scala dell’evento e del pubblico – 60.000 persone presenti e quasi due milioni in streaming – per fissare subito il punto: l’AI non è una track verticale, ma la nuova prospettiva con cui AWS rilegge l’intero stack.
Questa cornice viene ancorata ai numeri di AWS. “AWS è cresciuta fino a diventare un business da 132 miliardi di dollari”, con una crescita che accelera al 20% anno su anno; l’incremento nell’ultimo anno è stato di circa 22 miliardi di dollari, un importo che – nelle parole di Garman – supera il fatturato annuo di oltre metà delle Fortune 500. Il messaggio è duplice: c’è una piattaforma già in scala “industriale”, e l’AI si innesta su quella continuità, non su un cambio di rotta improvvisato.
La scala economica viene trasformata in scala ingegneristica. Sullo storage, S3 ha ormai superato i 500.000 miliardi (500 trillion) di oggetti e gestisce centinaia di exabyte, con oltre 200 milioni di richieste al secondo da tre anni consecutivi: dati che anticipano la pressione dei carichi AI su data lake e pipeline di retrieval. Sul calcolo, più della metà della capacità CPU aggiunta nell’ultimo anno arriva da Graviton, segnale di una piattaforma che continua a ricompattare costi ed energia proprio mentre l’inferenza cresce. Sul generativo, Bedrock alimenta inferenza per oltre 100mila aziende nel mondo: la GenAI è già workload di produzione, non sperimentazione laterale.
Garman completa l’introduzione con la dimensione fisica globale: 38 regioni e 120 Availability Zone, tre nuove regioni in arrivo, una rete privata planetaria e 3,8 GW di nuova capacità data center aggiunta nell’ultimo anno, “più di chiunque altro al mondo”. L’AI industriale richiede capacità distribuita, resiliente e prevedibile; e AWS sostiene di avere già quella base.
Il punto di flesso: dagli LLM agli agenti
Dopo questa premessa, il keynote cambia tono. Garman riconosce l’esplosione di creatività che la GenAI sta portando nelle aziende, ma inserisce una diagnosi prudente: siamo ancora all’inizio della curva del valore. “Non avete ancora visto i ritorni che corrispondono alla promessa dell’AI… il vero valore non è ancora stato sbloccato”.
Il fattore che cambia la traiettoria sono gli agenti. Garman li descrive come la transizione dai sistemi generativi a sistemi che “svolgono compiti e automatizzano per vostro conto”, ed è qui che “iniziamo a vedere ritorni materiali dagli investimenti AI”. La tesi è che l’agente non sia un chatbot migliore, ma una nuova unità di software persistente: mantiene contesto nel tempo, pianifica in più step, richiama strumenti, verifica risultati e porta avanti obiettivi operativi fino alla chiusura. In alcuni casi, dice, stanno già moltiplicando di un ordine di grandezza l’impatto delle persone, liberandole dal lavoro ripetitivo che oggi blocca la scalabilità dei processi.
Da questo punto di vista, l’effetto è paragonabile a Internet o al cloud: un cambio di paradigma in cui “miliardi di agenti” diventeranno parte della vita operativa di ogni impresa. La conseguenza è architetturale: per rendere gli agenti praticabili a quella scala, non basta un modello più grande. Serve una filiera tecnologica completa.
Quattro livelli concatenati
Il cuore del keynote è una costruzione a quattro livelli, introdotti in sequenza logica perché uno senza l’altro renderebbe gli agenti fragili o troppo costosi: AI infrastructure → inference platform → dati proprietari → strumenti per costruire agenti. L’idea è che il “valore agentico” si sblocchi solo se l’intero stack è progettato insieme.
AI infrastructure: ridurre costi e latenza dell’inferenza agentica
Con agenti che concatenano molte inferenze per obiettivo e lavorano in parallelo, costo per token e latenza diventano variabili strutturali. Per questo AWS spinge su un’infrastruttura bifronte. Da un lato porta in cloud la nuova generazione Nvidia con EC2 P6e-GB300 UltraServers basati su GB300 NVL72, pensati per inferenza frontier ad altissima densità di GPU e memoria. Dall’altro consolida l’acceleratore proprietario: Trainium3 entra in disponibilità generale nelle istanze Trn3, con un salto rilevante in capacità di calcolo, banda memoria ed efficienza energetica, e viene affiancato da una rete chip-to-chip e server-to-server orientata al training distribuito su scala “ultracluster”.
La road map continua con Trainium4, che introduce prestazioni FP4/FP8 più alte e, soprattutto, l’integrazione NVLink Fusion per rack misti Trainium-GPU-Graviton, così da poter scegliere dinamicamente la piattaforma più efficiente per training e inferenza senza cambiare stack.
Nello stesso livello rientrano le AI Factories: infrastrutture full-stack installate on-prem e gestite da AWS come “private region”, per governi e grandi imprese con vincoli di sovranità, compliance o latenza. Non è colocation di GPU, ma un dominio AI completo con acceleratori Nvidia e Trainium, rete ad alte prestazioni, storage e Bedrock/SageMaker locali con lo stesso modello operativo del cloud pubblico.
Inference platform: Bedrock come tessuto multi-modello
Il secondo livello è l’inferenza. Garman insiste sulla “model choice”: non esiste un unico modello adatto a tutto, e le applicazioni non possono essere riscritte a ogni salto di generazione. Bedrock viene quindi posizionata come runtime stabile per servire modelli diversi sotto governance unificata. La trazione è di produzione: aziende Bedrock raddoppiate in un anno e decine di clienti che hanno superato un trilione di token ciascuno.
Il catalogo si amplia con 18 nuovi modelli open-weight in un unico rilascio, inclusi gli ingressi Mistral: Mistral Large 3 come open-weight frontier multimodale e Ministral 3 come famiglia compatta generalista. Accanto al multi-provider, AWS rafforza anche la linea proprietaria con Nova 2 (Lite, Pro, Sonic e Omni), costruita per price-performance nativo su Bedrock e per casi agentici, voce realtime e multimodalità unificata.
Dati proprietari: specializzare i foundation model “dall’interno”
Il terzo livello riguarda il vantaggio competitivo. Garman pone un limite preciso al fine-tuning: migliora ma non basta, perché non trasferisce davvero dominio se i dati non entrano nel pre-training. Da qui Nova Forge, che permette di partire da checkpoint intermedi dei Nova 2 e “fondere” i dati aziendali lungo la traiettoria di training, generando foundation model privati (“Novella”) poi eseguibili in Bedrock come modelli interni.
Il quarto livello riguarda la messa in produzione degli agenti. Il vincolo non è solo farli funzionare, ma farli agire in modo verificabile quando devono usare tool e dati reali. Garman osserva che un agente che pianifica e genera codice “non è deterministico per definizione”, quindi non basta fidarsi del modello.
Da qui AgentCore, runtime per agenti persistenti, con due nuove estensioni significative: Policy, che introduce controlli deterministici in tempo reale tra agente e sistemi aziendali, ed Evaluations, che mette la qualità degli agenti sotto regressione continua prima e dopo il deploy.
Su questa base si innestano strumenti per memoria e automazione che mostrano l’agentica già in produzione su servizi AWS esistenti: Quick, l’assistente di deep research per utenti business, Quick Flows, agenti leggeri personali o di team per automatizzare attività ripetitive e portare capacità agentiche nel lavoro quotidiano. mentre Connect è l’esempio lato customer service: una piattaforma cloud di contact center ormai “AI and agent powered”, con self-service automatizzato e raccomandazioni in tempo reale per gli operatori. Quick e Connect, sottolinea Garman, sono due esempi di come queste capacità stiano già entrando nei servizi prima ancora di arrivare agli strumenti generalisti per costruire e governare agenti su larga scala.
La struttura a quattro livelli chiarisce perché AWS parla di “agent-first” come progetto di piattaforma, non come feature. L’infrastruttura (GPU e Trainium) serve a domare i costi dell’inferenza multi-step; Bedrock rende il mondo multi-modello progettuale, non caotico; Nova Forge sposta la differenziazione sui dati proprietari dentro la costruzione del modello; AgentCore con Policy/Evaluations rende l’autonomia governabile e continuativamente misurabile. S3 e S3 Vectors chiudono il cerchio portando memoria e retrieval dentro lo stesso substrato dati che alimenta il training.
È un modo di dire che gli agenti non possono diventare “miliardi” se restano un add-on: devono essere il risultato di uno stack coerente in cui silicio, runtime di inferenza, specializzazione sui dati, tool-calling e sicurezza crescono insieme.
Agenti già al lavoro: modernizzazione e operations come prova di scala
Dopo aver definito gli strumenti che rendono gli agenti governabili in produzione — runtime persistente, controlli deterministici e valutazioni continue — Garman sposta il fuoco sull’esito pratico di questo stack. La filiera agent-first non si chiude in modo astratto: viene subito tradotta in servizi verticali dove l’autonomia controllata diventa lavoro operativo misurabile.
Da un lato c’è AWS Transform, presentato come servizio di modernizzazione agentica full-stack: gli agenti analizzano grandi patrimoni legacy, ricostruiscono dipendenze e obiettivi di migrazione, poi automatizzano trasformazioni coordinate e ripetibili su ambienti Windows/.NET, mainframe e VMware. Dall’altro arrivano i Frontier Agents — Kiro per sviluppo, Security Agent per SecOps e DevOps Agent per operations — descritti come agenti persistenti specializzati, capaci di seguire obiettivi lunghi con memoria stabile e parallelismo, operando come forza lavoro software su backlog, incidenti e postura di sicurezza. Non è un nuovo livello tecnico separato, ma la prima evidenza industriale di ciò che lo stack abilita: quando infrastruttura, inferenza, dati proprietari e governance sono allineati, gli agenti entrano nei processi reali e producono ROI strutturale.
È questa la direzione complessiva del keynote: trasformare l’AI da funzione “a richiesta” a catena operativa continua, sostenuta da un’architettura end-to-end che parte dal silicio e arriva ai workflow di modernizzazione, sviluppo e gestione IT.
Dentro la strategia agent-first, AWS non si limita a proporre un runtime per costruire agenti: porta sul palco agenti già incapsulati in servizi verticali, progettati per lavorare su obiettivi lunghi, con memoria persistente e catene di azioni verificabili. L’assunto è che l’adozione enterprise non partirà da agenti generici lasciati ai team, ma da agenti specializzati dove il valore è immediatamente misurabile su processi ad alta intensità di lavoro. È in questa logica che si collocano due blocchi molto concreti: AWS Transform per la modernizzazione del legacy e i Frontier Agents per sviluppo, operations e sicurezza.
Transform viene presentato come prima istanza di “agentic modernization service”: una fabbrica di modernizzazione basata su agenti che analizzano un patrimonio applicativo, pianificano il percorso e poi eseguono trasformazioni coordinate in modo ripetibile. Non è un toolkit di migrazione, ma un servizio che internalizza in agenti l’esperienza necessaria a smontare e ricostruire grandi basi software. AWS lo rende subito quantitativo: i clienti hanno già analizzato circa 1,1 miliardi di linee di codice e risparmiato oltre 810.000 ore di lavoro manuale, numeri che inquadrano Transform come processo industriale, non come progetto sperimentale.
L’ambito iniziale è triplo e copre tre aree ad altissimo debito tecnico in enterprise IT: Windows/.NET, mainframe, virtualizzazioni VMware. La peculiarità, sottolineata anche nel comunicato, è la modernizzazione full-stack: non si interviene solo sul codice, ma su applicazione, database, framework UI, runtime e deployment, con l’obiettivo di portare tutto verso alternative cloud-native e open source.
La foto di apertura con il server obsoleto fatto esplodere in diretta visualizza bene cosa significa attaccare il technical debt in chiave agent-first: non un ritocco incrementale, ma la scomposizione controllata di una base tecnologica stratificata e fragile, fatta di dipendenze opache, patch storiche e costi di manutenzione che crescono più del valore prodotto. In questo senso gli agenti di modernizzazione operano come una forza di “smontaggio e ricostruzione industriale”: analizzano l’inventario applicativo, ricostruiscono le relazioni tra componenti, isolano i pezzi da rifare e quelli da ritirare, generano trasformazioni ripetibili e testabili, e riassemblano lo stack su fondamenta cloud-native. Il risultato atteso non è solo migrare il legacy, ma distruggere debito tecnico strutturale riducendo complessità, tempi di ciclo e vincoli di piattaforma: il server che salta in aria non è caos, è la rappresentazione di un legacy che viene disaggregato per essere rifondato su architetture più semplici, governabili e meno costose da evolvere.
Sul mondo Windows, Transform evolve proprio in direzione full-stack. L’agente analizza l’intero ambiente .NET e SQL Server, ricostruisce dipendenze applicative e di deployment, propone un piano coordinato e poi trasforma sia la logica applicativa e la UI sia la piattaforma dati e il sistema operativo verso stack Linux/open source, producendo report di trasformazione end-to-end. AWS lega il valore a due effetti congiunti: compressione del tempo di progetto (fino a 5× più rapido del manuale) e riduzione del costo di licensing e manutenzione, con risparmi dichiarati fino al 70% nei passaggi tipici SQL Server→PostgreSQL e Windows→Linux.
I casi citati servono a mostrare la scala. Teamfront modernizza circa 800.000 linee di codice in due settimane, preparando anche la migrazione del database verso PostgreSQL. Thomson Reuters usa Transform in modalità pipeline continua, modernizzando fino a 1,5 milioni di linee di codice al mese e riportando una riduzione del 30% dei costi e del 50% del debito tecnico. Sono numeri che delineano Transform come leva per trasformazioni a ondate, non come refactoring selettivo.
Sul mainframe, Transform riceve tre nuovi agenti che completano il ciclo dalla decisione strategica alla validazione tecnica. Un activity analysis agent misura utilizzo e criticità per decidere cosa modernizzare e cosa ritirare; un re-imagine blueprint agent ricostruisce il legacy in capability di business e flussi dati, riducendo la complessità di dominio; infine agenti specializzati automatizzano il testing generando test plan, script di test data e automazione, attaccando una fase che spesso pesa metà della timeline di un progetto mainframe. Garman ricorda che oltre un miliardo di linee di codice mainframe sono già passate in analisi su Transform, segno che il servizio viene usato per ingegnerizzare percorsi strutturali, non solo per migrazioni puntuali.
Nel mondo VMware, dove il problema non è riscrivere codice ma sbloccare l’inventario e le dipendenze tra sistemi, Transform introduce discovery on-prem con supporto a security review e un migration planning agent che usa contesto business anche da materiali non strutturati (documenti, file, chat, regole interne). L’agente costruisce un piano di migrazione a ondate e viene esteso a network migration avanzata integrando stack di sicurezza di vendor come Cisco ACI, Fortigate e Palo Alto Networks. L’idea è che la modernizzazione non sia solo “spostare VM”, ma riallineare rete e sicurezza con la nuova topologia cloud-native.
La svolta più ampia dell’anno è però AWS Transform Custom. Dopo il primo lancio, Garman racconta che i clienti hanno iniziato a chiedere di modernizzare qualsiasi cosa: non solo .NET o mainframe, ma linguaggi, framework e runtime disparati, spesso interni. Custom nasce per questo: permette di costruire agenti di trasformazione su misura che eseguono upgrade e migrazioni su qualunque stack, combinando trasformazioni pre-costruite per pattern comuni e trasformazioni definite dal cliente per casi specifici. AWS dichiara fino a 5× accelerazione rispetto al manuale e un loop di feedback che rende l’agente progressivamente migliore. Gli esempi citati da Garman sono volutamente eterogenei — Angular→React, VBA→Python, bash→Rust — proprio per mostrare che Transform diventa una piattaforma di modernizzazione generale, non solo per legacy “classico”.
I casi d’uso concreti rafforzano questo posizionamento. Air Canada usa Transform per modernizzare migliaia di funzioni Lambda legacy, stimando un -80% su tempo e costo rispetto a un progetto manuale. QAD|Redzone lo applica alla modernizzazione di un linguaggio proprietario (Progress/ABL) riducendo trasformazioni da due settimane a meno di tre giorni, con +60–70% produttività e 7.500 ore sviluppatore/anno risparmiate. Sono esempi che collegano l’agentica a ROI misurabile sul backlog reale.
AWS completa il quadro rendendo Transform estendibile con la composability initiative: partner come Accenture, Capgemini e Pegasystems possono innestare agenti e tool proprietari direttamente nel flusso, soprattutto per verticali regolati (fintech, sanità) dove le regole di trasformazione non sono generiche. Qui Transform smette di essere solo servizio AWS e diventa piattaforma su cui far vivere competenze di dominio terze.
Accanto a Transform, i Frontier Agents mostrano la stessa logica applicata al lavoro operativo quotidiano. AWS li definisce come agenti di nuova classe perché non sono multi-step transienti: sono persistenti, mantengono stato e contesto nel tempo, seguono obiettivi lunghi e possono operare in parallelo su più thread. È una proprietà essenziale quando gli agenti entrano in processi critici; “Frontier” non è una parola marketing sul modello, ma una definizione di comportamento software.
Kiro autonomous agent è il caso più visibile: un virtual developer con contesto continuativo sul codebase reale. Non suggerisce solo snippet su richiesta; segue backlog e repository, fa triage delle issue, collega bug simili, propone priorità, esegue refactoring multi-file, genera test e produce pull request complete per la revisione umana. Se i test o la review falliscono, riprende il contesto e itera proprio perché resta persistente sul task. In termini pratici, assorbe lavoro ripetitivo ad alta intensità lasciando agli sviluppatori la supervisione architetturale e la decisione finale.
Il Security Agent applica lo stesso schema al SecOps. Opera su design e codice mentre nascono: fa design review automatizzate, controlla PR per pattern vulnerabili, valuta uso di credenziali e configurazioni IAM, coordina penetration test e propone remediation già compatibili con le policy aziendali. La persistenza lo rende utile non solo quando c’è un alert, ma come ingegnere di sicurezza continuo che segue postura e drift nel tempo.
Infine il DevOps Agent è pensato per incident response e affidabilità. In ambienti con release frequenti e architetture distribuite, il collo di bottiglia è il triage e la root cause analysis. L’agente correla log e segnali, ricostruisce catene causali, produce ipotesi verificabili e traduce diagnosi in raccomandazioni di hardening su autoscaling, retry policy, circuit breaker, configurazioni di rete o database. Anche qui la persistenza abilita un ciclo preventivo: conserva memoria dei problemi ricorrenti e delle mitigazioni già applicate.
Transform e Frontier Agents, insieme, chiariscono il tratto comune della strategia AWS. L’agentica non viene proposta solo come toolbox da sviluppatori: viene consegnata come forza lavoro software già incardinata su processi ad alto ROI, dove persistenza, parallelismo e governance deterministica sono requisiti strutturali. Transform industrializza la modernizzazione del patrimonio applicativo; Kiro, Security Agent e DevOps Agent trasformano sviluppo, sicurezza e operations in un terreno agent-native. È la traduzione più concreta della tesi di Garman: il valore della GenAI emerge quando gli agenti diventano parte stabile dei processi, non quando restano un’interfaccia intelligente su prompt.
Il quarto livello della filiera agent-first è quello che trasforma l’autonomia agentica in una proprietà industriale. Dopo infrastruttura, inferenza e dati proprietari, resta il nodo più delicato: un agente che pianifica, sceglie strumenti e agisce su sistemi reali non può essere governato con gli stessi meccanismi con cui si governa un modello generativo “a risposta singola”. Matt Garman lo dice in modo diretto: oggi gli agenti sono in grado di generare ed eseguire codice o azioni “al volo”, quindi “non possiamo essere certi di quello che faranno” quando operano in autonomia. È il vero freno alla produzione enterprise: quando le azioni hanno effetti sul business, il comportamento probabilistico del modello da solo non basta.
Da questa diagnosi nasce la piattaforma Bedrock per agenti, che AWS struttura come runtime unico con controlli deterministici, valutazioni continue e strumenti nativi per dare agli agenti contesto aziendale. L’obiettivo non è rendere gli agenti più “bravi”, ma renderli prevedibili, misurabili e auditabili.
AgentCore come runtime per agenti persistenti
AgentCore è il piano di esecuzione su cui AWS vuole standardizzare la vita operativa degli agenti: sessioni persistenti, memoria, registro dei tool, logging e osservabilità. Il senso architetturale è simile a quello di Bedrock per i modelli: separare ciò che cambia (prompt, modelli, tool, dati) da ciò che deve restare stabile (governance, telemetria, ciclo di vita). In questo modo un’azienda può costruire agenti che durano nel tempo e che continuano a funzionare mentre l’ecosistema attorno evolve. Il runtime è anche il punto di innesto per i controlli deterministici della piattaforma.
Policy: vincoli deterministici in tempo reale
La prima estensione critica è AgentCore Policy. Garman la introduce come risposta al paradosso centrale dell’agentica: più un agente è autonomo, più diventa rischioso. Policy aggiunge quindi un livello di autorizzazione deterministico che si interpone tra le intenzioni dell’agente e l’esecuzione reale su sistemi e dati aziendali. Ogni azione proposta viene verificata in tempo reale e solo se conforme alle policy viene eseguita.
La parte chiave è come questo controllo viene espresso. Le policy si definiscono in linguaggio naturale, ma vengono tradotte automaticamente in Cedar, linguaggio open source di autorizzazione già usato in AWS. Il risultato è che il confine non vive nel prompt — dove sarebbe fragile e aggirabile — ma in una regola formale esterna che l’agente non può bypassare. Garman lo rende concreto con esempi operativi (“blocca rimborsi sopra i 1.000 dollari”, “non accedere a dati fuori dal Paese X”), chiarendo che l’autorizzazione impiega millisecondi e non spezza il flusso di lavoro agentico.
Dal punto di vista enterprise, Policy è la condizione di ingresso degli agenti nei processi reali: separa la capacità di interpretare e pianificare (modello) dalla capacità di agire entro limiti verificabili (policy), rendendo l’autonomia compatibile con compliance e rischio operativo.
Evaluations: qualità sotto controllo continuo
Il secondo pilastro è AgentCore Evaluations. Garman collega la funzione al ciclo naturale dell’AI in produzione: modelli, prompt, tools e dati cambiano continuamente, e ogni cambiamento può degradare l’agente in modo invisibile finché non esplode in produzione. Evaluations serve a mettere questa qualità prima sotto regressione sistematica e poi sotto monitoraggio costante.
Le valutazioni avvengono pre-deploy per verificare che una nuova versione dell’agente mantenga il comportamento atteso e continuano in produzione per intercettare drift, regressioni sottili o “creative misalignment”. I risultati vengono integrati nella telemetria operativa, con logging e metriche che confluiscono nei sistemi di osservabilità AWS (Garman cita l’integrazione con CloudWatch). L’idea è trattare un agente come si tratta un servizio critico: non si aggiorna senza CI/CD e senza misure di qualità misurabili nel tempo.
Quick e Connect: due esempi di agentica già in produzione
Per mostrare che questa infrastruttura non è pensata per un futuro ipotetico, Garman inserisce due esempi di servizi AWS che già incorporano capacità agentiche. Il primo è Quick, usato come assistente deep research per utenti business: nel caso descritto, un team fiscale raccoglie informazioni da fonti interne ed esterne, l’agente ricostruisce il contesto e Quick viene impiegato per organizzare e visualizzare i risultati, aiutando a monitorare cambi normativi e a reagire operativamente senza sviluppo dedicato. Quick diventa così il riferimento per una produttività agentica che porta ricerca, sintesi e insight direttamente nelle mani di chi lavora sui contenuti e sulle decisioni.
Il secondo esempio è Amazon Connect, presentato come piattaforma cloud di contact center che sta evolvendo in direzione AI- e agent-powered: self-service automatizzato, raccomandazioni in tempo reale per gli operatori e automazioni che riducono attrito e tempi di risposta nei flussi di assistenza. Garman lega Connect a una trazione ormai strutturale, indicando un run-rate annualizzato oltre il miliardo di dollari, e lo usa come prova che l’agentica sta già trasformando workload core come la customer experience. Quick e Connect sono quindi due casi speculari — analytics/knowledge work e customer service — scelti per far vedere come la logica agent-first si manifesti già dentro servizi esistenti, prima ancora di arrivare agli strumenti generali di costruzione e governance degli agenti.
Il senso del quarto livello è rendere l’autonomia un attributo controllabile, non una scommessa. AgentCore fornisce il runtime persistente; Policy stabilisce ciò che un agente può o non può fare con regole deterministiche esterne al prompt; Evaluations mantiene stabile la qualità mentre tutto il resto evolve. Quick e Connect funzionano da proof point: mostrano che le capacità agentiche entrano già oggi in servizi di produzione e in processi business-critical senza trasformarsi in un rischio operativo.
Dopo aver definito nel livello precedente l’inferenza come strato stabile e multi-modello, il terzo livello della filiera agent-first entra nel punto che rende un agente davvero utile in azienda: la capacità di ragionare sul dominio specifico e di recuperare contesto reale dai dati interni. Garman lo inquadra con una distinzione netta. Il fine-tuning tradizionale è importante, ma ha un limite strutturale: migliora un modello già formato senza trasferire davvero competenza fondazionale su un dominio. “Il fine-tuning può portarti avanti solo fino a un certo punto”, osserva, perché se i dati proprietari non entrano nel pre-training il modello resta generalista e l’azienda non costruisce un vantaggio cumulativo nel tempo.
Da qui discendono due mosse presentate a re:Invent 2025: Nova Forge per innestare i dati aziendali dentro la costruzione del modello, e una serie di evoluzioni S3 che rendono il data layer più “AI-ready” quando i dataset diventano enormi e continuamente movimentati dagli agenti.
Nova Forge: specializzazione profonda a partire dai checkpoint di training
Nova Forge è costruito sugli open training models di Amazon Nova. L’idea è offrire accesso a checkpoint intermedi del training, non solo al modello finale. Invece di fare fine-tuning “a valle”, l’azienda può ripartire da un punto della traiettoria di pre-training dei Nova 2 e inserire i propri dati lungo il percorso. Garman descrive Forge come un modo per “fondere i vostri dati proprietari con un dataset curato da Amazon in ogni fase del training”, così da trasferire capacità generali di reasoning dentro un contesto di dominio senza distruggerle.
Il risultato sono foundation model privati che AWS chiama Novella (o “novellas”), pubblicabili poi in Bedrock come modelli interni e utilizzabili con gli stessi strumenti di inferenza e governance dei modelli pubblici. Il passaggio è strategico: il dato proprietario non serve solo a “personalizzare” un modello, ma a creare un FM aziendale che entra nella piattaforma operativa quotidiana.
Garman porta un esempio pratico per rendere tangibile il salto. Un produttore hardware parte da un checkpoint Nova 2 Lite pre-addestrato all’80%, vi innesta centinaia di GB di dati interni — progetti, failure mode, note di review, ticket storici — e completa il training con le ricette Nova Forge. Il risultato è un modello che non solo risponde, ma ragiona nel linguaggio tecnico dell’azienda, sugli oggetti e sui problemi che quella specifica organizzazione affronta.
Forge include anche un meccanismo di remote reward functions e reinforcement fine-tuning. In pratica, l’azienda può collegare al training del modello metriche operative proprie (precisione su task critici, preferenze di stile, regole di business) e usarle come segnale di ricompensa, così da allineare il modello non solo ai dati ma ai criteri di successo concreti dell’organizzazione.
Il quadro che Garman traccia è quindi questo: Nova Forge serve a portare l’intelligenza generale in un dominio specifico “dall’interno”, creando un foundation model di proprietà che diventa fondazione operativa per agenti e applicazioni Bedrock.
Dal modello ai dati “a scala AI”: perché S3 viene aggiornato
Più avanti nel keynote Garman riapre la questione dei dati, ma su un piano diverso. Dopo aver mostrato come i dati proprietari entrino nel training con Forge, spiega che quegli stessi dati devono essere gestiti in modo più efficiente perché l’AI di produzione li usa con frequenza e volume mai visti prima. Qui introduce una serie di innovazioni che definisce “incrementali”, ma che segnano un innalzamento necessario delle soglie operative quando training, inferenza e retrieval insistono sullo stesso data lake.
Il primo cambio è la dimensione massima dei singoli oggetti S3, portata a 50 TB. È un salto che risponde a dataset multimodali monolitici, archivi video industriali e checkpoint di modelli enormi che non possono essere spezzati senza costi aggiuntivi di orchestrazione.
Il secondo aggiornamento riguarda le S3 Batch Operations, ora fino a 10× più veloci. Su scala S3, dove i bucket possono contenere trilioni di oggetti, job di replica, tagging, checksum, riorganizzazione o migrazione diventano operazioni quotidiane per l’AI: servono a riplasmare i data lake mentre modelli e agenti evolvono. La velocità qui incide direttamente sul time-to-experiment e sul time-to-production.
Terzo passaggio: S3 Tables per Apache Iceberg. Garman ricorda l’adozione già ampia di Iceberg e introduce due elementi che rendono questa modalità più adatta ai workload AI. Da un lato Intelligent-Tiering applicato automaticamente alle tabelle, che può ridurre i costi fino all’80% quando i pattern di accesso oscillano tra “caldo” e “freddo”. Dall’altro la replica automatica cross-region e cross-account, che permette di tenere copie locali coerenti senza orchestration manuale, utile per training distribuiti e per applicazioni RAG globali.
Nello stesso filone rientra l’estensione degli S3 Access Points per FSx for NetApp ONTAP, che espone dataset NAS legacy come oggetti S3. È un dettaglio operativo con un effetto forte: consente di portare nel perimetro AI-ready porzioni di patrimonio dati che vivono ancora su storage tradizionale, senza migrazioni preventive lente prima di poterle usare in Bedrock o in pipeline di training.
S3 Vectors: memoria semantica nativa per RAG e agenti
Dentro le innovazioni S3, il pezzo più direttamente legato alla GenAI di produzione è S3 Vectors, ora GA. AWS lo descrive come capacità di storage e query vettoriale nativa in S3, con indici fino a 2 miliardi di vettori e scala fino a 20 trilioni di vettori per bucket. Aggiunge prestazioni 2–3× migliori sulle query frequenti e riduzioni di costo fino al 90% rispetto a soluzioni vettoriali dedicate.
Il punto di collegamento con Bedrock è esplicito: S3 Vectors si integra con Amazon Bedrock Knowledge Bases e OpenSearch per costruire retrieval, grounding e memoria semantica degli agenti senza gestire un database vettoriale separato. In termini di filiera, Forge produce un modello che “sa” un dominio; S3 Vectors fornisce al modello la memoria viva di quel dominio, aggiornata minuto per minuto dai dati reali.
Una doppia strategia sul dato: competenza e memoria
Il terzo livello della filiera agent-first si chiude quindi con una doppia mossa coerente. N\e così completato: Forge trasforma i dati proprietari in competenza linguistica e di reasoning incorporata nel foundation model; le evoluzioni S3 e S3 Vectors rendono quei dati maneggiabili e recuperabili quando gli agenti li usano a scala industriale. In sintesi: prima si costruisce il proprio modello (Novella), poi si rende il data lake capace di alimentarlo continuamente con contesto e memoria semantica.
Se l’infrastruttura riduce il costo marginale dell’AI agentica, il livello successivo è quello che rende l’inferenza governabile come componente stabile delle applicazioni. Matt Garman insiste sul fatto che l’AI di produzione non può dipendere da un singolo modello “vincente” del momento: la qualità cambia, i costi di serving cambiano, e i casi d’uso richiedono profili diversi di latenza, contesto e multimodalità. Per questo Bedrock viene posizionata come runtime che separa l’evoluzione dei modelli dall’evoluzione delle applicazioni, offrendo scelta e portabilità senza riscritture continue.
La trazione è già da workload permanenti. In un anno i clienti Bedrock sono più che raddoppiati e oltre cinquanta aziende hanno superato la soglia di un trilione di token ciascuna sulla piattaforma, segno di un’inferenza non episodica ma “di linea”, orchestrata dentro processi reali. Garman collega esplicitamente questa scala all’emergere degli agenti: se l’applicazione diventa una catena di inferenze, allora ciò che conta è avere un livello di inferenza che regga variazioni di modelli e carichi senza introdurre attrito operativo o rischi di governance.
Apertura dell’ecosistema: 18 modelli open-weight in un unico rilascio
La prima mossa di re:Invent 2025 è espandere Bedrock come piattaforma multi-modello con un rilascio unico di 18 nuovi modelli open-weight. È un segnale strategico: AWS non vuole più presentare Bedrock come “collana di modelli partner”, ma come catalogo vasto che copre fasce diverse di reasoning, costo e multimodalità, lasciando al cliente la libertà di costruire architetture composite.
Tra gli ingressi evidenziati ci sono i nuovi Mistral in anteprima. Mistral Large 3 viene presentato come open-weight frontier multimodale e con contesto lungo; Ministral 3 come famiglia compatta, generalista e anch’essa multimodale. L’idea è offrire due estremi complementari: un modello grande per task complessi e un modello leggero per workload a bassa latenza o ad alto volume. Inserirli nello stesso strato Bedrock serve a renderli intercambiabili a parità di API, guardrail e strumenti di valutazione, così da scegliere modello per modello lungo la catena inferenziale senza frammentare governance o costi operativi.
Coerenza interna nella pluralità: perché esiste Nova 2
Accanto alla spinta open-weight, AWS rafforza una seconda colonna della strategia multi-modello: una famiglia proprietaria ottimizzata nativamente per Bedrock e per requisiti industriali di costo e latenza. Nova 2 arriva proprio qui. Garman la introduce ricordando che Nova, in un anno, ha già sbloccato casi d’uso specifici come speech-to-speech realtime e embeddings multimodali, poi annuncia “una nuova generazione… Nova 2”, costruita per offrire “price-performance ottimizzato con intelligenza a livello frontier”. Il ruolo è complementare, non sostitutivo: un set di modelli interni che permettono ad AWS di controllare a fondo la curva costo-prestazioni e l’integrazione con l’infrastruttura Trainium/GPU.
La famiglia Nova 2 si articola in quattro profili che coprono in modo coerente le esigenze dell’inferenza agentica: due modelli di ragionamento (Lite e Pro), un modello per conversazione vocale realtime (Sonic) e un modello multimodale unificato (Omni).
Nova 2 Lite: il “workhorse” per inferenza economica e agenti
Nova 2 Lite è il modello rapido e costo-efficiente che Garman descrive come adatto a “un ampio insieme di workload”, con un profilo pensato per essere la base operativa quotidiana. La sua funzione è chiara: massimizzare throughput e ridurre il tempo di risposta su task generalisti, mantenendo qualità sufficiente per far girare a scala larga applicazioni e agenti. Garman sottolinea che Lite è costruito per instruction following robusto, tool-calling, generazione e trasformazione di codice e comprensione di documenti, cioè le capacità che, in una catena agentica, fungono da “motore di esecuzione” più che da puro generatore testuale.
Il valore dell’approccio sta nel costo marginale. In un mondo dove un agente può fare decine di chiamate per completare un obiettivo, un modello Lite con price-performance aggressivo diventa essenziale per evitare che l’automazione agentica resti confinata a casi d’uso di nicchia. Garman lo esplicita quando lo posiziona come modello che “offre un price-performance incredibile per molti workload” ed è competitivo rispetto ai pari fascia di mercato.
Nova 2 Pro: ragionamento pesante e stabilità per workflow complessi
Nova 2 Pro è il gradino superiore della stessa architettura, dedicato a compiti a elevata complessità logica. Garman lo definisce “il nostro modello di ragionamento più intelligente per workload altamente complessi” e lo collega alla necessità di agenti affidabili in catene lunghe. Qui non conta solo la qualità del testo, ma la capacità di mantenere coerenza e precisione quando il modello deve gestire istruzioni articolate e scelte di strumenti. Pro viene presentato come particolarmente forte proprio in instruction following per agenti, con performance di benchmark in cui “spesso esce al primo posto” nel segmento high-end.
Due implicazioni operative emergono da questo posizionamento. La prima è che Pro diventa il candidato naturale per i passaggi critici di una pipeline agentica (decisioni, orchestrazione, verifica). La seconda è che un modello Pro proprietario permette ad AWS di ottimizzare serving e costi su Trainium e GPU senza dipendere dalle roadmap di provider terzi.
Nova 2 Sonic: voice-to-voice realtime come inferenza nativa
Nova 2 Sonic colloca la famiglia nel dominio conversazionale in tempo reale. Garman lo presenta come “prossima generazione di speech-to-speech” in grado di offrire AI conversazionale realtime “con tono umano per tutte le applicazioni”. L’elemento tecnico distintivo è la natività speech-to-speech: non un sistema che trascrive, poi ragiona, poi sintetizza, ma un modello progettato per minimizzare passaggi intermedi e quindi abbattere la latenza percepita nelle interazioni vocali. Per i casi d’uso agentici questo vuol dire poter usare la voce non solo come interfaccia utente, ma come canale operativo in contact center, assistenza tecnica, ambienti industriali o retail, dove il tempo di risposta è un requisito funzionale.
Nova 2 Omni: multimodalità unificata, non “a collage”
Il salto più distintivo della generazione è Nova 2 Omni. Garman parte da una constatazione sui limiti attuali dei modelli multimodali: tipicamente ragionano bene su una modalità per volta, mentre la realtà aziendale obbliga a collegare segnali diversi nello stesso contesto. Da qui la proposta di un modello unico per ragionamento e generazione multimodale: Omni viene definito “un modello unificato per ragionamento multimodale e generazione di immagini” e soprattutto “il primo modello di ragionamento del settore che supporta input testo, immagine, video e audio e output di testo e immagine”. Il punto non è solo l’ampliamento delle modalità, ma la loro co-presenza in un unico contesto di inferenza, evitando architetture dove si concatenano modelli diversi con perdita di contesto o incoerenze.
Per gli agenti questa è una condizione abilitante: se l’obiettivo operativo dipende da segnali visivi, audio e testuali nello stesso workflow (ad esempio assistenza tecnica su video, monitoraggio qualità, analisi documentale con immagini, interazioni voce-campo), Omni evita di spezzare la catena inferenziale in componenti eterogenei. La multimodalità diventa quindi proprietà del runtime, non integrazione artigianale.
Governance portabile: Guardrails come “piano di controllo” dell’inferenza
In un ambiente multi-modello, la governance deve restare uniforme. Garman richiama il ruolo dei Bedrock Guardrails come piano di controllo applicabile a modelli di provider diversi, evitando che cambiare modello costringa a rifare policy di sicurezza o compliance. Il senso è operativo: in una catena agentica l’azienda può usare modelli diversi per step diversi, ma vuole applicare le stesse regole di sicurezza, privacy e comportamento. Guardrails fornisce questa continuità.
Un runtime per un’AI fatta di scelte
Il quadro complessivo del livello inferenziale resta coerente con la tesi agent-first. Bedrock cresce perché l’inferenza diventa infrastruttura di processo, non endpoint sperimentale. L’ampliamento open-weight spinge varietà e adattabilità; Nova 2 garantisce una linea interna ottimizzata per costi, latenza e integrazione profonda con lo stack AWS, con profili diversi per scala economica (Lite), compiti critici (Pro), voce realtime (Sonic) e multimodalità unificata (Omni). Il collante è un runtime che rende queste scelte progettuali e governabili, invece che episodiche.
La prima leva della strategia agent-first di AWS è infrastrutturale. Quando un agente lavora per obiettivi complessi, non fa una singola inferenza: ne concatena molte, spesso in parallelo, con loop di verifica e correzione. Questo trasforma costo per token e latenza in vincoli strutturali. Garman mette quindi l’infrastruttura AI al centro della filiera: prima si riduce l’attrito economico e prestazionale dell’inferenza, poi si costruiscono modelli e agenti sopra quella base.
È da questa esigenza che nasce l’idea di UltraServer, cioè un cambio di scala nel modo in cui AWS costruisce le istanze AI: non più solo somma di nodi piccoli (scale-out), ma domini scale-up ad altissima densità in cui decine o centinaia di acceleratori lavorano come un unico computer logico, con rete interna dedicata e stack software co-progettato. In un contesto agentico — fatto di inferenze multi-step e tool-calling parallelo — questo serve a ridurre la frammentazione del calcolo e a contenere la latenza di comunicazione e l’overhead di parallelismo, che diventano rapidamente il vero collo di bottiglia quando la scala cresce.
Nel keynote questa idea si declina in due famiglie. La prima è sul fronte GPU: AWS introduce EC2 P6e-GB300 UltraServers basati su NVIDIA GB300 NVL72, posizionandoli come piattaforma per training e soprattutto inferenza frontier di modelli enormi. Sono i sistemi GPU più avanzati in EC2, progettati per servire modelli da trilioni di parametri con un profilo di latenza più stabile grazie alla densità NVL72 e all’interconnessione interna di classe NVLink. In più, restano istanze cloud-native: isolamento e I/O su Nitro e integrazione diretta con EKS, così da portare workload frontier in ambienti Kubernetes gestiti senza architetture dedicate.
La seconda famiglia è proprietaria: Trn3 UltraServers, costruiti intorno al chip Trainium3 a 3 nm. Qui il salto è ancora più esplicito sul piano architetturale. Ogni Trn3 UltraServer integra fino a 144 acceleratori Trainium3 in un unico dominio scale-up connesso tramite NeuronSwitch, in modo che l’intero pacco appaia come una sola istanza per il framework di training o serving. Garman quantifica il progresso: rispetto a Trainium2 la piattaforma offre 4,4× capacità di calcolo, 3,9× banda memoria HBM e fino a 5× più token per megawatt, con l’obiettivo dichiarato di comprimere costo e consumi quando l’inferenza multi-step degli agenti cresce di ordine di grandezza.
Il tratto distintivo dei Trn3 UltraServers è la rete interna, perché è lì che oggi si gioca l’efficienza reale del calcolo AI. Trainium3 integra NeuronSwitch-v1 (banda intra-server raddoppiata) e Neuron Fabric, una rete chip-to-chip con latenza sotto i 10 microsecondi. AWS collega questa architettura a workload moderni come MoE, multimodale e reinforcement learning, dove i continui scambi fra acceleratori determinano la latenza end-to-end più del solo FLOPs. In pratica: l’UltraServer riduce il “costo nascosto” del parallelismo e rende più lineare la scalabilità sia nel training sia nell’inferenza.
Con questa base hardware e di rete, AWS annuncia UltraClusters 3.0: domini di training che aggregano migliaia di UltraServer e possono arrivare fino a un milione di chip Trainium in un unico cluster.
È un salto di ordine di grandezza rispetto alle generazioni precedenti, progettato per sostenere l’addestramento di foundation model multimodali più grandi e più costosi, ma anche per rendere praticabile inferenza distribuita in scenari ad alta concorrenza.
Qui il punto è duplice: da un lato la capacità di costruire modelli proprietari (Nova e Novella), dall’altro un serving room-scale che possa ospitare popolazioni di agenti senza che il costo per token diventi proibitivo quando l’uso entra davvero nei processi aziendali.
La road map si completa con Trainium4, annunciato come nuova generazione per il 2026. AWS dichiara incrementi di almeno 6× in FP4, 3× in FP8 e 4× banda memoria rispetto a Trainium2, oltre a una progettazione esplicita per i workload di inferenza di nuova generazione. La novità architetturale più significativa è il supporto a NVIDIA NVLink Fusion, che consente domini hardware misti in rack MGX: GPU per i modelli più esigenti, Trainium per il price-performance, Graviton per le componenti general purpose.
Questo rende l’infrastruttura componibile: training e inferenza possono spostarsi tra piattaforme scegliendo quelle più efficienti per tipo di modello, finestra temporale e budget, senza costringere a duplicare stack software o a riscrivere pipeline.
Dentro lo stesso livello infrastrutturale, AWS introduce le AI Factories come estensione on-prem della capacità AI. Sono infrastrutture AI dedicate installate nei data center del cliente e gestite come una private AWS Region: il cliente fornisce spazio, potenza elettrica e connettività, mentre AWS si occupa di progettazione, deployment e gestione dell’intero stack.
La proposta è full-stack: acceleratori NVIDIA di ultima generazione affiancati ad ASIC Trainium; rete ad alte prestazioni della stessa famiglia UltraCluster; storage e database integrati; disponibilità locale di Bedrock e SageMaker con lo stesso modello operativo, API e governance del cloud pubblico.
Il blocco è destinato in modo esplicito a governi e settori regolati, dove i vincoli di sovranità del dato, compliance o latenza impediscono di usare solo public cloud ma costruire una filiera AI completa da zero richiederebbe anni. AWS indica compatibilità con carichi fino a livelli Secret e Top Secret, quindi con un posizionamento evidente per difesa e intelligence.
AWS lega il modello a una prova su scala nazionale già in corso: l’AI Zone costruita con HUMAIN in Arabia Saudita, fino a 150.000 chip AI (inclusi GB300) e servizi AWS in loco, usata come blueprint per un’offerta replicabile.
Il livello infrastrutturale di re:Invent 2025 non è una lista di istanze nuove: è un tentativo di chiudere il triangolo prestazioni massime (GB300), efficienza economica (Trainium3/4) e sovranità operativa (AI Factories) dentro una piattaforma coerente. L’obiettivo è sostenere l’inferenza multi-step degli agenti a costi prevedibili e con latenza compatibile con workflow reali, sia nel public cloud sia in perimetri regolati.
“C’è l’intelligenza artificiale, e poi c’è l’intelligenza artificiale per l’impresa”.
Con questa frase, Alexander Rinke, co-fondatore e co-CEO di Celonis, ha aperto la Celosphere 2025dal palco di Monaco di Baviera.
Una distinzione netta, quasi una sfida lanciata al mercato dell’AI generativa: la vera intelligenza, dice Rinke, non è quella dei laboratori, ma quella che comprende come funziona un’azienda reale, con le sue regole, i suoi errori e le sue decisioni.
Il keynote si apre con un dato non rassicurante: “Solo l’11% delle aziende dichiara di ottenere benefici misurabili dai propri progetti di intelligenza artificiale”. È una cifra che racconta molto più di quanto sembri: non è solo un problema di adozione, ma di significato.
La maggior parte delle AI aziendali non sa dove si trova, non sa cosa rappresentano i dati che elabora, e di conseguenza non produce valore.
“Per far funzionare davvero l’AI d’impresa servono tre cose. La prima è che capisca il contesto di come funziona la vostra azienda. Quel contesto non è su Internet – o almeno, si spera di no – ed è incredibilmente complesso”.
Dietro l’ironia, Rinke lancia un messaggio preciso: i modelli di AI generalista possono predire, generare, imitare, ma non comprendono. Possono correlare miliardi di pattern linguistici, ma non conoscono la logica di un ordine di acquisto o la priorità di una supply chain. L’intelligenza, per essere utile all’impresa, deve nascere dal contesto.
La conoscenza che serve alle aziende non è pubblica né condivisibile: vive nei sistemi interni, nei flussi operativi, nei documenti e nelle regole che scandiscono ogni decisione quotidiana. È una conoscenza complessa, frammentata, spesso tacita — e per questo invisibile ai modelli addestrati su dati aperti.
L’AI generica può imitare il linguaggio, ma non comprende i processi. Ed è qui che si colloca la svolta concettuale proposta da Celonis.
Dal dato al contesto: la Process Intelligence
Rinke descrive il punto cieco dell’impresa moderna con precisione: “I dati oggi sono intrappolati in sistemi individuali. Il contesto essenziale su come funziona il business non è solo in quei sistemi. È disperso tra disegni di processo, diagrammi di architettura enterprise, file di log, documenti, e-mail e molto altro.”
Il problema non è la mancanza di dati, ma la loro frammentazione. Ogni sistema custodisce un pezzo di verità, ma nessuno contiene l’immagine complessiva, con il risultato che è un’azienda non vede sé stessa, e non è in grado di connettere le informazioni a ciò che rappresentano.
Alex Rinke sul palco di Celosphere 2025
“Non avete una visione olistica delle vostre operazioni. E, naturalmente, di conseguenza l’AI non ha quel contesto. E come potrebbe essere altrimenti?”
Questa cecità è la causa strutturale del basso ROI dell’intelligenza artificiale. I dati descrivono eventi, ma non raccontano la storia che li lega. Senza contesto, ogni sistema resta un’isola e l’AI diventa un esercizio sterile.
Celonis propone di risolvere questa frattura alla radice: ricostruendo il contesto stesso.
“Il nostro data core estrae dati grezzi da quei sistemi, ma non solo da sistemi: da applicazioni, da dispositivi. Poi prendiamo quei dati e li arricchiamo con il vostro contesto di business: regole, KPI, benchmark, modelli, persino diagrammi di architettura enterprise.”
Non è una semplice estrazione di dati, ma un processo di intelligenza strutturale: ogni informazione viene reinserita nel suo scenario operativo.
Il ruolo del Task Mining: catturare l’intelligenza umana
In questa ricostruzione del contesto, Rinke introduce un elemento non secondario: il Task Mining. Se il process mining rivela cosa accade nei sistemi, il task mining mostra come lavorano le persone.
“Alcune azioni compiute ogni giorno – i clic, i copia-incolla, i passaggi tra applicazioni – non vengono catturate da nessuna parte. Per questo non si ha una visione olistica delle operazioni.”
Il task mining osserva e collega le attività umane ai dati di sistema, rispettando la privacy e completando la visione operativa del business.
Permette di vedere non solo dove un processo si inceppa, ma perché: quali decisioni manuali lo rallentano, quali eccezioni lo deviano, quali comportamenti generano valore nascosto.
Nel modello Celonis, è il ponte tra l’intenzione umana e i sistemi digitali.
Unisce le sequenze di azioni agli eventi registrati, restituendo una comprensione completa del “come accade il lavoro”.
Rinke lo definisce come il passo decisivo per trasformare la Process Intelligence da un archivio analitico a una rappresentazione vivente della realtà operativa.
Al centro si trova il Process Intelligence Graph, “un gemello digitale vivente delle operazioni, completamente indipendente dai sistemi e privo di bias”.
“Vivente” perché aggiornato in tempo reale e arricchito dal contributo umano: un sistema che comprende non solo i flussi automatizzati, ma anche le eccezioni e le scelte che definiscono l’impresa.
Questo concetto ribalta l’approccio tradizionale: invece di costruire AI sopra i processi, Celonis costruisce AI dai processi — e dal lavoro reale che viene svolto per compierli.
“Con Celonis, l’AI finalmente sa come fluisce il business.”
Il contesto come fondamento dell’autonomia
Per Rinke, il contesto non è un’informazione accessoria, ma la condizione stessa che consente all’AI di agire.
“L’AI ha il contesto di cui ha bisogno. È implementata nei posti giusti e si integra senza attriti nella vostra organizzazione, trasformando i processi in operazioni guidate dall’AI”.
Un’intelligenza senza contesto è cieca: osserva senza capire. Con il contesto, invece, diventa autonoma, capace di intervenire dove serve, di coordinare risorse e migliorare i flussi.
È qui che nasce il principio che riassume la filosofia di Celonis: “Free the Process” – liberare il processo significa liberare il contesto, separare la conoscenza del business dalle infrastrutture che la imprigionano, rendere il contesto accessibile, fluido e riutilizzabile, affinché possa alimentare non solo i sistemi, ma anche le persone che prendono decisioni.
La Process Intelligence diventa così il terreno su cui costruire la libertà cognitiva dell’impresa.
“Non c’è AI senza PI”: l’intelligenza che comprende
Quando Rinke afferma che “There’s no AI without PI”, non lancia uno slogan: definisce un paradigma. L’intelligenza artificiale d’impresa non nasce dai modelli, ma dalla conoscenza che un’azienda ha di sé stessa.
“Con Celonis, la vostra AI finalmente sa come fluisce il vostro business”.
La Process Intelligence è il collegamento mancante tra dati, significato e azione. È ciò che permette all’AI di capire non solo cosa accade, ma perché accade.
Il Process Intelligence Graph fornisce all’AI una rappresentazione viva del business: non solo eventi e metriche, ma regole, soglie, obiettivi e deviazioni. Non si tratta di una nuova versione del process mining, ma di un salto concettuale: dall’analisi passiva alla comprensione attiva.
In un sistema PI, ogni dato è dotato di semantica, ogni evento è letto alla luce delle sue conseguenze operative; l’azione dell’AI è limitata da un perimetro ben definito, e da arricchita non solo dalla conoscenza del passato, ma anche dalle intenzioni aziendali.
È l’inizio di una nuova intelligenza aziendale: contestuale, situata, capace di adattarsi, un’AI che non osserva da fuori, ma partecipa al flusso della vita operativa.
Il ciclo vitale dell’Enterprise AI
Il principio di contestualizzazione trova la sua espressione più concreta nel ciclo vitale dell’Enterprise AI, articolato in tre fasi: analyze, design, operate.
Analyze – vedere ciò che accade
“Le nostre capacità di analisi permettono di scoprire il processo e di capire dove introdurre strategicamente l’AI. Significa che l’intelligenza artificiale comprende come funziona l’azienda e come migliorarla”.
In questa prima fase, l’AI osserva. Ma non si limita a contare o misurare: analizza flussi, sequenze e correlazioni tra attività.
Celonis elabora miliardi di record a velocità enterprise, restituendo una mappa vivente del modo in cui l’organizzazione realmente lavora.
L’obiettivo non è individuare difetti, ma capire il funzionamento reale.
Il sistema impara la lingua dei processi, riconosce i pattern decisionali, identifica colli di bottiglia e deviazioni, restituendo un’immagine fedele e continuamente aggiornata.
È la differenza tra vedere un cruscotto e comprendere un comportamento.
Design – progettare ciò che deve accadere
Una volta compreso come l’impresa funziona, arriva il momento di ridisegnarla.
“Le nostre capacità di design consentono di riprogettare lo stato target in base agli insight ottenuti dall’analisi, di pianificare come il processo dovrebbe funzionare meglio in futuro, di impostare risultati, limiti, punti di inserzione dell’AI e di attingere a molti blueprint di best practice”.
In questa fase, il contesto diventa intenzione. Celonis fornisce strumenti per simulare scenari, testare strategie e definire processi target coerenti con le priorità aziendali.
È qui che l’AI diventa parte del linguaggio decisionale: contribuisce alla progettazione stessa del cambiamento, suggerendo modifiche, parametri, sequenze ottimali.
Il design rappresenta l’intelligenza riflessiva dell’impresa: la capacità di immaginare e modellare il futuro sulla base della conoscenza del presente.
Operate – far accadere le cose
“È possibile ora operare questi processi nuovi o migliorati, orchestrando soluzioni AI direttamente all’interno dei workflow esistenti. Si può garantire che agenti, persone e sistemi lavorino in sincronia verso obiettivi condivisi, mentre vengono monitorate le prestazioni e misurato l’impatto”.
È la fase in cui la conoscenza diventa azione. L’AI entra nei flussi operativi, coordina attività, anticipa anomalie, riallinea le risorse.
Gli AI Agents non si limitano a seguire istruzioni: interpretano il contesto, prendono decisioni operative e le traducono in azioni concrete. Non sostituiscono l’intelligenza umana – la amplificano, estendendo la capacità dell’impresa di pensare e agire in modo coerente
Il valore del modello Celonis è che questo ciclo non si chiude mai: ogni azione produce nuovi dati che tornano nella fase di analyze, generando apprendimento continuo. È un ecosistema che si adatta e cresce con l’organizzazione.
Gli Agenti AI: l’intelligenza che agisce dentro i processi
All’interno della piattaforma Celonis, gli AI Agents rappresentano la concretizzazione operativa della Process Intelligence: non sono bot o semplici co-pilot, ma entità intelligenti che vivono dentro i processi, ne comprendono il contesto e agiscono di conseguenza. Rinke li descrive come “nodi intelligenti in grado di collegare persone, soluzioni di AI e investimenti tecnologici esistenti per orchestrare risultati attraverso l’intera azienda”. Il loro compito non è automatizzare meccanicamente, ma coordinare, in tempo reale, ciò che accade tra sistemi, dati e persone.
La differenza rispetto all’AI tradizionale è radicale. Gli agenti Celonis non risiedono in una singola applicazione, ma operano sopra il Process Intelligence Graph, il gemello digitale “vivente” che rappresenta le operazioni dell’impresa. È da questo digital twin che traggono il contesto aggiornato — regole, vincoli, priorità, eccezioni — e su di esso intervengono per mantenere l’organizzazione in equilibrio dinamico. In questo modo, l’AI smette di essere un servizio esterno e diventa parte del tessuto operativo: osserva, comprende, decide e agisce all’interno del flusso reale del lavoro.
Durante il keynote, sono stati presentati esempi concreti come quello di Uniper, dove gli agenti vengono impiegati per gestire in modo predittivo le centrali idroelettriche, bilanciando i carichi di lavoro e pianificando gli interventi di manutenzione. Il CIO di Uniper ha descritto questa evoluzione come “il sogno di avere un co-pilot consapevole del processo, che esegue, scrive nei sistemi e mi rende indipendente dal legacy”. Gli agenti, quindi, non si limitano a seguire istruzioni: interpretano il contesto, prendono decisioni operative e le traducono in azioni concrete, interagendo con i sistemi aziendali e con le persone.
Rinke e i partner tecnologici di Microsoft e IBM hanno parlato di una “frontier firm” guidata dagli esseri umani ma operata dagli agenti: un’impresa che non subisce i processi, ma li genera su richiesta, adattandoli in tempo reale ai propri obiettivi. “I sistemi intelligenti del futuro”, ha detto Rinke, “saranno in grado di generare workflow on demand, adattati alle esigenze del business in quel preciso momento”. È la logica del process-as-conversation: l’intelligenza che trasforma un’intenzione in azione, un ordine in processo.
In questo scenario, il principio di libertà assume un nuovo significato. “Freeing the process significa liberare anche gli agenti e le soluzioni AI dai silos dei sistemi legacy”, spiega Rinke. “Solo così possono reinventare e ricomporre le operazioni”. Gli agenti, dunque, incarnano la libertà del processo: sono autonomi ma connessi, intelligenti ma trasparenti, capaci di apprendere dal contesto e di adattarsi senza perdere coerenza. Non sostituiscono l’intelligenza umana, la amplificano. Non si limitano a reagire, ma contribuiscono a far evolvere il modo stesso in cui l’impresa pensa, decide e agisce.
Ecosistema aperto e impresa componibile
Una volta costruita la base cognitiva, la filosofia Celonis si apre verso l’esterno.
“Vi diamo i mattoni per costruire il futuro. La nostra piattaforma è al 100% aperta, perché ogni impresa deve poter modernizzare il proprio business alle proprie condizioni”.
La composability è l’evoluzione naturale della Process Intelligence: l’intelligenza non è più centralizzata, ma distribuita. Le aziende devono poter assemblare i propri sistemi come blocchi modulari, componendo un’architettura che rifletta il proprio modo di operare.
Per decenni la tecnologia ha costretto le imprese ad adattarsi alle sue logiche; oggi Celonis rovescia il paradigma: i sistemi devono adattarsi ai processi.
La piattaforma Celonis è nelle intenzioni aperta, interoperabile, system-agnostic: capace di integrarsi con qualsiasi fonte dati o applicazione, mantenendo la coerenza semantica del contesto.
Rinke sottolinea la dimensione comunitaria di questo approccio: “Rendere l’Enterprise AI realtà non sarà il lavoro di una singola azienda, ma di un’intera comunità: clienti e partner che lavorano insieme per costruire il futuro”.
Le partnership strategiche — Microsoft, IBM, Databricks, Genpact — non sono meri integratori tecnologici, ma coautori di un linguaggio operativo comune.
“Le cose buone nascono da ecosistemi aperti”. L’apertura, spiega Rinke, non è solo tecnica. È cognitiva: un ecosistema è davvero intelligente solo se condivide la stessa semantica dei processi. La vera interoperabilità non è lo scambio di dati, ma lo scambio di significati. È qui che la Process Intelligence diventa un linguaggio universale per l’impresa moderna.
Free the Process: la libertà come architettura dell’intelligenza
“Liberare il processo significa disaccoppiamento dai sistemi legacy. Significa separare la conoscenza del business dai sistemi che la tengono prigioniera”. Con questa affermazione, Rinke chiude il cerchio: la libertà come fondamento dell’intelligenza.
Per anni, i sistemi IT hanno imposto modelli rigidi ai processi. Oggi, Celonis propone di invertire la logica: il processo deve modellare i sistemi, non il contrario.
“I processi devono essere progettati per funzionare al meglio per la vostra azienda, non per adattarsi ai sistemi su cui vivono”. Da questa idea nasce la visione dell’impresa dinamica: un’organizzazione che può reinventarsi in tempo reale.
“Immaginate di dire: “Dammi un workflow di procurement e aggiungi controlli di sostenibilità”. Questo è il futuro del SaaS – non morto, ma trasformato.
È la logica del process as conversation: l’intelligenza che traduce l’intento in azione, collegando linguaggio naturale e realtà operativa. Liberare i processi significa riportare l’intelligenza dentro l’impresa.
È il passaggio dall’AI “as-a-service”, esterna e opaca, all’AI “as-awareness”: una consapevolezza diffusa, incorporata nei processi e nelle persone.
Tecnologia e libertà: il dialogo tra María Corina Machado e Ana Corina Machado
Il momento conclusivo della Celosphere 2025 ha esteso il tema della libertà oltre i confini dell’impresa.
Sul palco virtuale è intervenuta María Corina Machado, premio Nobel per la Pace 2025, collegata in diretta dal Venezuela, introdotta dalla figlia Ana Corina Machado, oggi parte del team Celonis.
La conversazione tra madre e figlia ha intrecciato libertà politica e libertà dei processi.
Ana Corina ha aperto con un messaggio personale: “Mamma, non so dove sei oggi né quando ci rivedremo, ma anche in isolamento non hai mai smesso di lottare”.
Machado ha raccontato come la tecnologia sia diventata un’arma per la verità: “Abbiamo creato una rete di 600.000 volontari collegati tramite app sicure e satelliti, per raccogliere e pubblicare in tempo reale i risultati elettorali. La tecnologia è stata la nostra arma per dire la verità”.
Un’infrastruttura digitale basata su reti distribuite, comunicazioni criptate e sistemi decentralizzati: la traduzione, su scala civile, della stessa filosofia Celonis.
Trasparenza come condizione della fiducia; processi aperti come base della libertà.
Quando Ana Corina le chiede come la tecnologia potrà servire alla ricostruzione, la madre risponde: “Abbiamo l’opportunità di costruire la democrazia più trasparente al mondo. Ogni transazione pubblica sarà visibile in tempo reale, ogni cittadino avrà un’identità digitale sicura, ogni atto di governo potrà essere verificato”.
Un manifesto di governance digitale che riecheggia la Process Intelligence: ogni decisione tracciabile, ogni flusso verificabile, ogni errore correggibile alla luce del contesto.
Nel finale, il collegamento tra libertà politica e libertà dei processi si fa esplicito.
Rinke conclude: “Rispetto, integrità, collaborazione… e la lotta per la libertà – quella che dà senso anche alla libertà dei processi”.
Fondo Italiano d’Investimento Sgr comunica l’acquisizione, in sinergia con l’attuale squadra manageriale, del 100% del capitale di NPO Torino Srl, system integrator attivo nei servizi gestiti e nei processi critici per infrastrutture IT, con sedi anche in Brasile e Stati Uniti.
Fondata a Torino nel 2009 e controllata dal 2015 dalla multinazionale giapponese Ricoh, NPO Torino è oggi una delle realtà italiane più affermate nel settore dell’integrazione IT e conta oltre 700 dipendenti. Nell’esercizio 2024 ha realizzato un fatturato consolidato pro-forma pari a circa 100 milioni di euro.
Il deal prevede l’acquisizione del 70% di NPO Torino e delle sue società controllate e collegate da parte del Fondo, mentre il restante 30% sarà controllato dagli imprenditori-manager Massimo Altamore, Romualdo Delmirani e Piergianni Ferraris.
Si tratta della seconda operazione realizzata tramite il Fondo Italiano Consolidamento e Crescita II – FICC II, veicolo con cui Fondo Italiano sostiene progetti di aggregazione in filiere d’eccellenza italiane, caratterizzate da elevata frammentazione. L’ingresso del FICC II punta a consolidare l’attuale posizionamento di NPO Torino, creando un gruppo caratterizzato da un brand riconosciuto a livello nazionale e internazionale, attraverso il rafforzamento del modello di business, la semplificazione e una maggiore flessibilità operativa.
La società è attualmente guidata dall’amministratore delegato Massimo Altamore e dal direttore generale Romualdo Delmirani, che manterranno i medesimi ruoli anche a valle dell’ingresso del Fondo, e dal fondatore Piergianni Ferraris che resterà azionista della società coordinando le attività delle sedi in Brasile e Stati Uniti.
Gesualdo Di Bernardo, Senior Partner di Fondo Italiano d’Investimento SGR, dichiara: “L’ingresso di Fondo Italiano in NPO Torino rappresenta un’operazione di rilievo per il settore IT e per il rafforzamento del capitale industriale italiano in un comparto strategico per la competitività del Paese. Questa nuova iniziativa conferma l’impegno della seconda edizione del nostro Fondo Italiano Consolidamento e Crescita nel sostenere percorsi di aggregazione e sviluppo tecnologico di imprese nazionali ad alto potenziale. Ricoh ha accompagnato con successo la crescita di NPO Torino negli ultimi anni e ha individuato nel passaggio a una proprietà italiana la scelta più adatta per consentire all’azienda di proseguire il proprio percorso di evoluzione industriale e tecnologica. Si tratta della prima operazione del Fondo su un progetto di separazione da un gruppo internazionale, che siamo convinti possa costituire un modello di successo per altre operazioni analoghe in futuro”.
Gli imprenditori-manager Massimo Altamore, Romualdo Delmirani e Piergianni Ferraris aggiungono: “Siamo orgogliosi di avviare una nuova fase di sviluppo insieme a Fondo Italiano d’Investimento, partner che condivide la nostra visione industriale e il valore delle competenze italiane nel settore IT, in cui operiamo da anni con passione e determinazione. Ringraziamo Ricoh per aver accompagnato con professionalità e fiducia il nostro percorso fino a oggi e guardiamo al futuro con l’impegno di rafforzare la presenza di NPO Torino in Italia ed all’estero attraverso investimenti in capitale umano, tecnologia e innovazione. Abbiamo scelto di confermare il nostro impegno nel management della società perché crediamo profondamente nel suo potenziale di crescita e nella forza di questa nuova partnership, che rappresenta un punto di svolta per NPO Torino oltre che un contributo concreto al rafforzamento del settore IT del Paese”.
Davide Oriani, CEO di Ricoh Italia, aggiunge: “Desidero ringraziare il management di NPO Torino per il percorso condiviso in questi dieci anni e per i risultati costruiti insieme. Con l’accordo di oggi prende avvio una nuova fase per la società, che rappresenta un’evoluzione del lavoro svolto e rinnova valori comuni come innovazione, qualità e attenzione ai clienti. Auguriamo buon lavoro a tutte le persone di NPO Torino e ai nuovi soci per questa nuova pagina della storia dell’azienda”.
Il perfezionamento dell’operazione è previsto entro gennaio 2026 ed è subordinato alle usuali condizioni legate ai requisiti di legge.
Fondo Italiano Consolidamento e Crescita II – FICC II, fondo flagship di Fondo Italiano d’Investimento con una dotazione superiore a 500 milioni di euro, detiene già nel proprio portafoglio la società Rina Spa con sede a Genova (TIC & consulting engineering) e ha allo studio ulteriori acquisizioni in settori strategici.
Fondo Italiano d’Investimento SGR è stato assistito da Pedersoli Gattai per gli aspetti di contrattualistica e due diligence legale, da Deloitte per quelli di financial, tax & payroll due diligence, da BCG per la business due diligence, da ERM per gli aspetti ESG, EHS & climate due diligence, da WTW per la due diligence assicurativa, da Lincoln International in qualità di debt advisor e da PS Advisory come advisor M&A. Equita e Alantra hanno supportato la transazione con una linea di credito strutturata ad hoc. NPO Torino è stata assistita da Nash Advisory in qualità di financial advisor e da Pavia e Ansaldo per gli aspetti legali e Monda & Partners per gli aspetti fiscali. Ricoh è stata assistita da PwC per gli aspetti fiscali e da Gitti & Partners per gli aspetti legali.
L’intelligenza artificiale è ormai una risorsa strategica per le economie avanzate, è la base della produttività e della sicurezza digitale, ma anche un potenziale fattore di dipendenza.
Condotto su 1.928 organizzazioni in 28 Paesi e 18 settori, il report evidenzia che il 62% delle aziende europee è alla ricerca di soluzioni di intelligenza artificiale “sovrane”, capaci di garantire indipendenza strategica e sicurezza dei dati.
Il fenomeno è particolarmente evidente in Italia, dove il 71% delle imprese prevede di incrementare gli investimenti in IA sovrana nei prossimi due anni — una quota tra le più alte d’Europa, seconda solo alla Germania (73%) e ben al di sopra della media continentale.
Un continente alla ricerca di autonomia
L’Europa è nel pieno di una transizione tecnologica che intreccia innovazione e geopolitica.
La dipendenza da fornitori extra-UE, che oggi controllano circa il 95% dei modelli di intelligenza artificiale avanzata (70% USA, 25% Cina), spinge governi e imprese a riconsiderare l’intera catena del valore dell’AI: dalla disponibilità di potenza di calcolo ai modelli linguistici, dai dati al talento.
La consapevolezza è diffusa: il 73% delle organizzazioni europee ritiene che istituzioni e governi debbano svolgere un ruolo attivo nel rafforzare la sovranità digitale attraverso regolamenti, incentivi e investimenti pubblici. In parallelo, il 70% sottolinea l’importanza di coinvolgere le PMI, considerate fondamentali per costruire un tessuto tecnologico realmente autonomo e distribuito.
Il paradosso europeo: innovare senza perdere controllo
Secondo Mauro Macchi, CEO Accenture EMEA, “L’Europa si trova davanti a un paradosso. Da una parte i suoi leader comprendono la necessità di accelerare l’adozione dell’intelligenza artificiale per stimolare innovazione e crescita, ma dall’altra, poiché la maggior parte delle tecnologie proviene da fuori regione, ritengono che ciò rappresenti un rischio. Un approccio sovrano all’IA può risolvere questo dilemma, permettendo alle organizzazioni europee di proteggere le proprie attività critiche senza rallentare la competitività. Solo con un’economia innovativa e dinamica potremo investire nel rafforzamento dell’ecosistema tecnologico europeo e consentire ai nostri campioni locali di competere su scala globale.”
Solo un terzo dei progetti di intelligenza artificiale (36%), secondo lo studio, necessita di un approccio interamente sovrano — cioè sviluppato e ospitato su infrastrutture locali — principalmente per motivi regolatori o di protezione dei dati sensibili.
Per la maggior parte delle applicazioni, invece, le imprese scelgono architetture ibride, che uniscono fiducia locale e innovazione globale.
E lo sottolinea Mauro Capo, Digital Sovereignty Lead Accenture EMEA: “Un approccio di IA sovrana non significa centralizzare tutto. L’obiettivo è scegliere il giusto livello di controllo su dati, infrastruttura e modelli, mantenendo al contempo i vantaggi di scala e la velocità d’innovazione offerti da alcuni provider globali.
In alcuni casi basta garantire la residenza locale dei dati, in altri – come, ad esempio, nel settore della difesa – serve una piena sovranità su tutti i componenti dell’intelligenza artificiale”.
Italia: fiducia nei dati e spinta alla resilienza
In Italia, la sensibilità verso la sovranità digitale si traduce in una strategia di medio periodo orientata non solo alla sicurezza, ma anche alla creazione di valore.
Tre tendenze emergono con chiarezza:
Priorità ai dati sensibili. I settori con elevati requisiti regolatori — finanza, pubblica amministrazione, energia e sanità — sono in prima linea nell’adozione di modelli sovrani. Il 76% delle aziende bancarie, il 69% delle organizzazioni pubbliche e il 70% delle imprese energetiche prevedono di potenziare gli investimenti in AI sovrana nei prossimi due anni.
Equilibrio tra innovazione e controllo. Il 65% delle imprese europee, e una quota ancora maggiore in Italia, riconosce di non poter restare competitiva senza collaborazione con fornitori globali, ma punta a farlo mantenendo il controllo su infrastrutture e dati.
Governance strategica. Solo il 16% delle aziende europee ha portato il tema della sovranità AI al livello del CEO o del Consiglio di Amministrazione, ma in Italia la percentuale sale sopra il 20%, segno di una maggiore maturità manageriale nel considerare la sovranità come leva di business e non solo di conformità.
L’Italia, inoltre, è tra i Paesi che più chiedono un ruolo attivo delle istituzioni: quasi tre organizzazioni su quattro invocano interventi pubblici per favorire infrastrutture locali, standard aperti e accesso alle tecnologie sovrane.
Le AI Gigafactory: infrastrutture per la nuova Europa digitale
Uno degli assi centrali della strategia europea è la creazione delle AI Gigafactory, poli continentali di calcolo dedicati allo sviluppo e alla gestione di modelli di intelligenza artificiale sovrana.
Nel giugno 2025 sedici Stati membri hanno presentato oltre 60 proposte per ospitare questi hub, concepiti come consorzi pubblico-privati in grado di condividere dati, infrastrutture e standard di interoperabilità. L’obiettivo è passare “dalla federated governance alla federated capability”, ossia dalla mera cooperazione normativa alla costruzione congiunta di capacità produttive e di calcolo. Ciascun polo combina potenza di calcolo locale, modelli linguistici addestrati su dataset europei e sistemi di sicurezza pienamente conformi alle normative UE.
L’Italia si è inserita pienamente in questa visione europea con la nascita di IT4LIA AI Factory, una delle prime iniziative continentali approvate nell’ambito del programma EuroHPC Joint Undertaking. Coordinata dal Cineca e ospitata presso il Tecnopolo di Bologna, IT4LIA riceve un investimento complessivo di circa 420 milioni di euro, co-finanziato in parti uguali tra Commissione Europea e Governo italiano. Il progetto mette in rete i supercomputer Leonardo e LISA, la piattaforma cloud Gaia e il sistema Megaride, offrendo alle imprese, alle startup e alla pubblica amministrazione un accesso diretto a infrastrutture di calcolo avanzate, strumenti di data management e servizi di sviluppo AI. La capacità computazionale prevista è quattro volte superiore a quella delle attuali infrastrutture standard e fino a 40 volte più performante per i carichi di lavoro legati all’intelligenza artificiale.
Le AI Gigafactory rappresentano non solo un’infrastruttura strategica, ma anche un motore industriale: creeranno nuove catene del valore, dalla produzione di GPU e semiconduttori alla gestione dei modelli linguistici locali, contribuendo alla riduzione della dipendenza dal cloud extraeuropeo.
Dalla conformità al vantaggio competitivo
La sovranità dell’intelligenza artificiale non è più solo una misura difensiva. Solo il 19% delle imprese europee la considera oggi una leva competitiva, ma questa percezione è destinata a cambiare. Le aziende italiane, in particolare, iniziano a collegare la sovranità non solo alla sicurezza dei dati, ma anche alla differenziazione strategica: modelli più trasparenti, localizzazione dei dati, ecosistemi di fiducia.
Le analisi di Oppenheimer Equity Research indicano un potenziale economico di 1,5 trilioni di dollari per il mercato globale dell’AI sovrana entro il 2030, con 120 miliardi di valore generabile in Europa.
Una parte significativa di questo impatto potrà provenire dai Paesi che sapranno sviluppare infrastrutture proprie, talenti locali e partnership pubblico-private: tra questi, l’Italia parte da una posizione di vantaggio.
La dipendenza tecnologica è oggi la principale vulnerabilità dell’economia europea. Ma può diventare il punto di partenza per una leadership fondata su autonomia, fiducia e innovazione.
Le imprese italiane stanno dimostrando di aver colto il senso di questa trasformazione: proteggere i dati, ma anche generare valore attraverso l’intelligenza artificiale sovrana.
Come conclude Accenture, “la sovranità dell’AI segna la prossima fase della globalizzazione: un mondo in cui le nazioni condividono la tecnologia, ma mantengono la propria agency.”
L’Italia, in questo scenario, non è più un mercato di adozione, ma una delle piattaforme da cui può partire la costruzione della nuova Europa digitale autonoma.
Apptio, società appartenente a IBM, ha presentato una nuova generazione di strumenti FinOps basati su Cloudability e Kubecost. Le soluzioni mirano a migliorare la visibilità e il controllo dei costi del cloud in ambienti complessi, in particolare quelli legati all’adozione dell’intelligenza artificiale.
Secondo IDC, gli investimenti globali in infrastrutture AI raggiungeranno i 571 miliardi di dollari entro il 2026. Tuttavia, uno studio condotto da Apptio rileva che il 55% dei leader aziendali non dispone di informazioni sufficienti per valutare in modo efficace la spesa tecnologica.
In questo contesto, le pratiche FinOps vengono sempre più utilizzate per migliorare la trasparenza finanziaria e la responsabilità nella gestione dei costi cloud.
“L’AI generativa non sta solo spingendo al limite le infrastrutture cloud, ma sta anche mettendo alla prova la capacità dei leader tecnologici e aziendali di prendere decisioni informate e valutare il ritorno sull’investimento delle spese IT. L’era dell’intelligenza artificiale è caratterizzata da un sovraccarico di informazioni e di potenza di calcolo”, ha dichiarato Eugene Khvostov, Chief Product Officer di Apptio. “Quindi, è imperativo per le organizzazioni ottenere il controllo sul proprio cloud e sul proprio patrimonio di dati. Questo è il primo passo per sfruttare l’opportunità dell’intelligenza artificiale ed è esattamente ciò che le nostre nuove soluzioni FinOps sono progettate per affrontare: una gestione proattiva e predittiva dei costi del cloud”.
Cloudability Governance: gestione proattiva in ambienti multi-cloud
Cloudability Governancenasce per rispondere a una sfida sempre più diffusa: l’espansione rapida dell’infrastruttura tramite Infrastructure as Code può ridurre la visibilità sui costi se non è accompagnata da pratiche FinOps.
La nuova versione, integrata con HashiCorp Cloud Platform e Terraform, consente di monitorare la conformità ai costi e applicare policy finanziarie direttamente nei flussi di lavoro ingegneristici.
Tra le principali funzionalità:
Gestione centralizzata dell’infrastruttura per implementazioni coerenti e riduzione dei rischi operativi.
Policy di provisioning con controlli integrati, limiti di spesa e stime di costo per evitare deviazioni dai budget.
Monitoraggio quasi in tempo reale dei costi effettivi, con raccomandazioni basate su AI per individuare anomalie e inefficienze.
“I nostri clienti vogliono una visibilità accurata e in tempo reale sulle implicazioni di costo dell’infrastruttura che gestiscono e implementano con HashiCorp Terraform”, ha dichiarato Armon Dadgar, CTO e co-fondatore di HashiCorp. “Con l’integrazione bidirezionale nativa tra HashiCorp Terraform e Cloudability, gli ingegneri ottengono visibilità sui costi dell’infrastruttura, controlli di governance integrati e opportunità di ottimizzazione direttamente all’interno dei loro flussi di lavoro”.
Kubecost 3.0: strumenti avanzati per l’efficienza dei cluster Kubernetes
La versione 3.0 di Kubecost introduce nuove funzionalità per la gestione economica degli ambienti Kubernetes di grandi dimensioni.
Tra gli aggiornamenti principali, la gestione unificata delle risorse con una visione consolidata dei cluster; raccomandazioni di risparmio per l’ottimizzazione dell’utilizzo delle risorse e la riduzione degli sprechi; supporto per il dimensionamento automatico dei container e analisi GPU avanzata basata sull’esportatore NVIDIA DCGM e strumenti di scalabilità e sicurezza per la crescita controllata delle implementazioni Kubernetes in contesti multi-cloud.
L’integrazione di Cloudability Governance con HCP e Terraform Enterprise è disponibile in anteprima, mentre Kubecost 3.0 è già accessibile al pubblico.
L’intelligenza artificiale è entrata nella sua fase industriale. Non parliamo più di progetti pilota o hackathon interni, ma di piattaforme che alimentano supply chain, customer care, risk management, operations. Lo conferma il recente rapporto di Cloudera “The Evolution of AI: The State of Enterprise AI and Data Architecture”, condotto su oltre 1.500 leader IT in 15 Paesi, con una metodologia mista che combina questionari strutturati e interviste qualitative a CIO, CDO, responsabili data platform e capi sicurezza. Il quadro è chiaro: l’adozione è ormai pervasiva, ma la qualità e la governance dei dati restano la variabile critica. Se il 96% delle aziende ha già introdotto soluzioni di AI nei processi core, solo una quota marginale dichiara piena visibilità e tracciabilità end-to-end delle informazioni che alimentano i modelli. È la contraddizione di questa fase: l’AI è ovunque, spesso però costruita su fondamenta fragili.
Fabio Pascali, Regional Vice President Italy, Greece & Cyprus di Cloudera
Fabio Pascali, Regional Vice President Italy, Greece & Cyprus di Cloudera, è netto: “Stiamo costruendo l’AI su basi non sempre solide. Se non abbiamo fiducia nei dati, non possiamo fidarci dei risultati che l’intelligenza artificiale genera”. Il punto è culturale prima che tecnologico: l’affidabilità non nasce dalla potenza dei modelli, ma dalla qualità informativa e dalla disciplina con cui il dato viene acquisito, arricchito, custodito, distribuito e messo a disposizione dei team. In questa prospettiva, la piattaforma non è un software: è un sistema nervoso che regola l’intero ciclo di vita della conoscenza.
Il 70% dei CIO intervistati prevede di aumentare gli investimenti in data management e data security nei prossimi dodici mesi; oltre la metà sta già implementando framework interni di AI governance: cataloghi attivi, policy di accesso basate su ruoli e attributi, auditing end-to-end degli utilizzi, metriche di drift e di fairness, processi di revisione indipendente.
Yari Franzini, Group Vice President Southern Europe di Cloudera
È il segnale di una maturazione reale: la competizione non è più sull’algoritmo “di moda”, ma sulla disciplina con cui si costruisce e si governa il dato. “L’AI è ovunque, ma non ovunque è matura”, osserva Yari Franzini, Group Vice President Southern Europe di Cloudera. “L’Europa può distinguersi perché ha messo la governance al centro della sua strategia”.
Dal volume al valore
Per un decennio abbiamo misurato la modernità di un’organizzazione dal volume dei dati raccolti. Oggi a fare la differenza è la qualità: coerenza semantica, provenienza verificabile, accessibilità controllata, freschezza e osservabilità. La survey Cloudera indica che la frammentazione dei dataset è percepita come barriera principale all’evoluzione dell’AI: sistemi legacy non dismessi, data mart ridondanti, cloud multipli con policy divergenti, ambienti edge non governati. “Le imprese italiane hanno montagne di dati, ma spesso non sanno da quale versante scalarle”, osserva Pascali. “La svolta avviene quando il dato smette di essere un archivio e diventa una piattaforma condivisa e governata”.
I principali limiti tecnici dell’attuale architettura dei dati nel supportare i carichi di lavoro dell’IA, secondo i partecipanti alla survey
Questa transizione richiede un approccio operativo chiaro. Primo: inventariare e classificare, attribuendo responsabilità (data ownership) e livelli di criticità per privacy, sicurezza, impatto sul business. Secondo: centralizzare i metadati in un catalogo veramente vivo, integrato nei workflow di sviluppo e di esercizio, con API che alimentano automaticamente lineage e quality score. Terzo: standardizzare e pulire, con controlli automatizzati (profiling, deduplica, conformità di schema) e regole di versioning coerenti. Quarto: portare l’AI ai dati, consentendo a modelli e pipeline di lavorare in prossimità della fonte informativa – riducendo latenza, copie e rischi di esposizione. Quinto: misurare il valore con indicatori aderenti al business (accuratezza effettiva in produzione, tempo al risultato, riduzione degli errori operativi, tasso di riuso di feature e pipeline).
L’effetto, nel medio periodo, è una diversa “contabilità dell’innovazione”: i dati e i modelli smettono di essere costo a consumo e diventano capitale cognitivo. Store condivisi, pattern di integrazione riutilizzabili, set di controlli standardizzati creano una base su cui innestare nuovi casi d’uso senza ripartire da zero; l’AI smette di vivere in progetti isolati e assume la forma di una piattaforma di conoscenza che cresce nel tempo.
L’ibrido come normalità operativa
Il modello cloud-only ha ceduto il passo alla realtà dell’ibrido. I dati vivono contemporaneamente in data center, cloud pubblici, cloud privati ed edge. Il punto non è più scegliere “dove” collocare tutto, ma garantire che il dato resti governato “ovunque” e che i controlli si muovano insieme a lui. “Il futuro non sarà né solo cloud né solo on-premise”, spiega Franzini. “Sarà ibrido per definizione, perché le aziende devono poter scegliere dove far vivere i propri dati in base a contesto e regolamentazione”.
Cloudera traduce questo paradigma in un data lakehouse unificato, basato su Apache Iceberg. Il REST Catalog introduce un linguaggio comune che consente di far lavorare motori diversi – da Databricks a Snowflake, da AWS Athena a Salesforce – sugli stessi dataset, senza copie e senza perdere coerenza transazionale. L’approccio zero-copy riduce i costi di storage, taglia il rischio di fork dei dati e accelera sensibilmente le query. Ma soprattutto elimina la patologia più costosa: i “dati divergenti” che obbligano i team a ricalibrare modelli, riconciliare KPI, risolvere incidenti nati da origini non allineate.
“L’ibrido è un patto tra business e tecnologia”, sintetizza Pascali. “Il valore non sta nella potenza di calcolo, ma nella fiducia nei dati”. In quest’ottica, l’hybrid diventa un livello di orchestrazione: policy, lineage, auditing e sicurezza vengono estesi in modo uniforme grazie al layer di governance SDX (Shared Data Experience), che funge da tessuto connettivo per pipeline, modelli e applicazioni. I controlli non sono più un recinto attorno al dato, ma un “carattere” che lo accompagna ovunque vadano elaborazione e inferenza.
Sul piano economico, l’ibrido consente di bilanciare CapEx e OpEx: sfruttare l’elasticità del cloud quando serve, ma riportare on-prem i carichi stabili o sensibili per governare costi e conformità. Nei progetti di AI industriale, questa “geometria variabile” è spesso l’unica strada per conciliare performance, latenza, sicurezza e prevedibilità finanziaria.
Sovranità e fiducia come architettura europea
Nel mercato europeo la parola chiave è sovranità. Non è sinonimo di chiusura, ma di autonomia operativa e responsabilità. Significa sapere dove risiedono i dati, chi li gestisce, quali leggi li tutelano, come vengono tracciati gli accessi e in che modo si possono esercitare i diritti degli interessati. “Sovranità non significa isolamento, ma garanzia”, chiarisce Pascali. “Le imprese devono poter scegliere dove risiedono i dati e chi vi accede, senza rinunciare alla collaborazione globale”.
La collaborazione tra Cloudera e AWS per l’European Sovereign Cloud rende concreto questo principio: dati e metadati restano all’interno dell’Unione Europea, su infrastrutture fisicamente separate e gestite da personale residente. La piattaforma dati di Cloudera è stata adattata a questo contesto con una logica esplicita – sovereign-by-design – che incorpora residenza, tracciabilità e autonomia come caratteristiche strutturali, non come impostazioni opzionali. “Il cloud sovrano offre un equilibrio concreto tra sicurezza, conformità e innovazione”, aggiunge Franzini. “È la base di un’AI europea autonoma”.
Sotto il profilo operativo, sovereign-by-design significa: controlli di accesso coerenti con la normativa UE, log a prova di audit, separazione dei ruoli tra chi amministra l’infrastruttura e chi può accedere ai dati, conservazione dei metadati in ambito europeo, possibilità di dimostrare in ogni momento residenza, versioning e lineage. Per la PA e i settori regolamentati – sanità, finanza, energia, difesa – questa architettura è spesso l’unica praticabile per scalare i casi d’uso senza frizioni legali.
IDC stima una crescita annua a doppia cifra degli investimenti in cloud sovrani: la fiducia è ormai una variabile economica. Un’azienda che sa dimostrare conformità e tracciabilità entra più facilmente in mercati sensibili, riduce i costi di audit e costruisce reputazione presso clienti e autorità. La governance diventa vantaggio competitivo misurabile.
AI privata come leva di indipendenza
Se la sovranità è il paradigma politico, l’AI privata ne è la declinazione tecnologica. La partnership tra Cloudera e Dell Technologies ha dato vita alla soluzione AI-in-a-Box, che coniuga ObjectScale (architettura a microservizi, S3-compatibile, scalabilità orizzontale) con i servizi della Cloudera Data Platform. La separazione tra livello oggetti e livello tabelle consente di ottimizzare i costi, mentre il supporto nativo a storage-tiering permette di spostare automaticamente i dati tra classi di calore in base a frequenza d’uso e requisiti di latenza. In produzione, i modelli sono esposti tramite endpoint gestiti con policy di rate-limit e autenticazione forte; i registri di modello conservano versioni, metriche e collegamenti al lineage dei dati di training.
“Molte imprese hanno scoperto che il cloud pubblico genera costi imprevedibili e rischi di compliance”, osserva Pascali. “AI-in-a-Box riporta la potenza dell’AI all’interno dell’azienda, in un ambiente governato e sovrano”.
La soluzione consente addestramento, deployment e monitoraggio dei modelli senza esportare dati critici, con auditing continuo e conformità a GDPR e AI Act. La catena è completa: sviluppo in ambienti sicuri (AI Workbench), rilascio controllato (Inference Service), orchestrazione di agenti intelligenti (Agent Studio). È pensata per chi vuole una curva dei costi prevedibile: meno consumo variabile, più controllo su capacità e performance. Ma soprattutto rappresenta una forma di continuità cognitiva: i team lavorano sugli stessi dataset e sugli stessi metadati in ogni fase del ciclo di vita del modello.
Dal punto di vista organizzativo, l’AI privata facilita la separazione dei doveri (segregation of duties), rende più semplice l’applicazione di politiche di minimizzazione del dato e abilita sandbox regolamentari in cui sperimentare tecniche come synthetic data, differential privacy, distillazione di modelli e fine-tuning controllato su domini specifici. È la forma più concreta di AI industriale: potenza, controllo e responsabilità nello stesso perimetro.
Interoperabilità come libertà digitale
L’Europa ha riscoperto gli standard aperti come base della propria autonomia tecnologica. Cloudera è tra i principali contributori di Apache Iceberg, formato aperto per gestire tabelle su scala massiva con versioning, schema evolution e time travel. Il nuovo REST Catalog aggiunge l’elemento mancante: una porta d’accesso uniforme che rende i dati portabili tra motori e ambienti senza riformattazioni né copie. “Più un ecosistema è interoperabile, più è resiliente”, afferma Pascali. “Gli standard aperti non sono un favore ai competitor, ma un patto con il futuro”.
Cloudera Iceberg REST Catalog è un catalogo lato-server basato sulle specifiche Open API di Apache Iceberg REST Catalog ed è esposto tramite API REST per gestire le tabelle Iceberg. Il catalogo REST fornisce endpoint API per eseguire attività di gestione delle tabelle, quali creazione, elenco, aggiornamento o eliminazione delle tabelle. Consente inoltre agli utenti di accedere e gestire i metadati delle tabelle Iceberg.
Lo zero-copy data sharing consente a team differenti di interrogare lo stesso dato con strumenti diversi, evitando “isole analitiche” e “modelli cannibali” che competono sulla verità dei numeri. Integrato con SDX, il catalogo mantiene lineage e controlli granulari anche quando i dati sono interrogati da strumenti terzi. Franzini lega esplicitamente l’open al tema politico: “L’open source è la ricetta concreta per la libertà digitale. Solo standard aperti ci permettono di costruire un’AI europea indipendente”. Sul piano della sostenibilità, l’apertura produce un effetto di lungo periodo: riduce il lock-in, stabilizza i costi, prolunga la vita utile dei dati perché li rende indipendenti dalla piattaforma che li elabora. Un dataset salvato oggi in Iceberg sarà accessibile domani da strumenti che ancora non esistono, senza migrazioni traumatiche.
Sicurezza by design, dal training all’inferenza
Se l’interoperabilità è la libertà, la sicurezza è la fiducia. Cloudera la concepisce come principio di progetto. “La sicurezza non è un add-on”, ribadisce Pascali. “Se la si costruisce a valle, i modelli restano deboli. Se la si progetta a monte, diventa parte della fiducia digitale”. Due sono i momenti critici e un filo rosso li collega: la tracciabilità.
Nel training, ogni spostamento di dati crea superficie d’attacco: copie ridondanti, ambienti non sovrani, tracciamento incompleto, supply chain software opache. L’AI privata consente di mantenere i dataset nei confini aziendali e di operare in “zone di addestramento” isolate, con logging severo e accessi profilati. Tecniche come data masking, tokenizzazione, synthetic data e federated learning riducono l’esposizione senza azzerare la qualità informativa. Modelli e dataset vengono firmati e versionati per ricostruire con precisione contesti e responsabilità.
Nell’inferenza, il rischio si rovescia: prompt, context window e output generativi possono veicolare informazioni sensibili o comportamenti inattesi (prompt injection, data exfiltration, jailbreaking). Qui intervengono policy runtime, filtraggio e osservabilità: SDX estende autenticazione, autorizzazione, lineage e auditing all’interazione con il modello; sistemi di monitoraggio verificano drift, bias e anomalie; i controlli di contenuto impediscono l’uscita di informazioni non autorizzate. L’obiettivo è una sicurezza che non rallenta, ma rende più rapida la messa in produzione perché previene incidenti e consente di dimostrare conformità.
“Non esiste sicurezza senza sovranità, né sovranità senza interoperabilità”, sottolinea Franzini. È il triangolo europeo dell’AI affidabile: protezione by design, dati sotto controllo, apertura governata. Pascali chiude la sintesi con una immagine efficace: “La sicurezza deve essere come la gravità: invisibile ma sempre presente”.
La cultura del dato come capitale cognitivo
La rivoluzione dell’AI è prima di tutto culturale. Solo un’impresa su quattro si definisce davvero data-driven, e questo limita la scalabilità dei progetti. “L’AI non è un costo a consumo, ma un investimento in conoscenza”, afferma Franzini. “Ogni modello addestrato e ogni pipeline validata generano valore che resta”. Il capitale cognitivo è la somma di dataset certificati, feature store consolidati, modelli verificabili, pratiche di MLOps e DataOps diffuse: un patrimonio che cresce nel tempo e riduce l’attrito tra idea e produzione.
Le aziende che possiedono una governance matura riportano ritorni superiori: più riuso di componenti, meno tempo perso in riconciliazioni, meno rischio di decisioni incoerenti. Questo valore si misura anche nella rapidità di risposta ai cambiamenti: chi governa i dati sa dove intervenire quando il modello devia, sa riprodurre esperimenti, sa spiegare le scelte all’audit e al cliente. Pascali lo riassume così: “Non c’è automazione senza controllo umano, né intelligenza artificiale senza intelligenza organizzativa”.
L’Italia come laboratorio dell’AI industriale
Il contesto italiano è un banco di prova ideale. Un tessuto di PMI e grandi gruppi che unisce creatività e disciplina operativa, con filiere complesse e dati ricchi ma spesso frammentati. “Il nostro tessuto produttivo è unico in Europa”, osserva Pascali. “Può trasformare l’esperienza operativa in conoscenza digitale”. La manifattura integra visione artificiale per il controllo qualità in linea, la finanza adotta modelli di rischio spiegabili e stress test basati su scenari generativi, la sanità sperimenta triage digitale e analisi di percorso clinico, la PA spinge su interoperabilità dei registri e automazione documentale.
Franzini nota un cambio di passo: “Oggi le aziende non chiedono più che cos’è l’AI, ma come governarla. È il segno di un mercato che ha capito che la tecnologia va integrata, non solo adottata”. Le partnership con AWS per il cloud sovrano e con Dell per l’AI privata offrono all’Italia un’infrastruttura europea di fiducia: federata, interoperabile, conforme. I dati possono restare locali, le conoscenze circolare: una rete di intelligenza distribuita che rispecchia l’identità produttiva del Paese. A questo si aggiunge il ruolo degli integratori e delle università: la filiera della competenza è l’elemento che trasforma piattaforme in risultati.
Il contesto regolatorio: dall’AI Act al Data Act
Il quadro europeo si sta consolidando attorno a tre pilastri. L’AI Act introduce classificazioni di rischio e obblighi di trasparenza, richiede sistemi di gestione per la qualità e la tracciabilità e impone funzioni di sorveglianza post-market. Il Data Governance Act incentiva la condivisione sicura dei dati, mentre il Data Act rafforza la portabilità e limita i vincoli di uscita dai servizi cloud. La combinazione di questi atti spinge verso architetture spiegabili, osservabili e portabili: è l’orizzonte tecnologico su cui Cloudera ha allineato piattaforma e partnership.
Casi d’uso emblematici in Italia
Nel Manufacturing, l’intelligenza artificiale viene utilizzata direttamente sulle linee produttive per il controllo qualità e la taratura delle macchine. I modelli sono addestrati on-premise, ma l’inferenza avviene in edge per mantenere una latenza inferiore ai 50 millisecondi. Grazie a retraining settimanali su campioni etichettati dal reparto qualità, il sistema riduce progressivamente i falsi positivi e migliora la precisione nel riconoscimento dei difetti.
Nel settore Energy, l’AI serve a prevedere i picchi di domanda e ottimizzare i cicli di manutenzione degli impianti. I modelli vengono calibrati in modo dinamico combinando dati meteo, consumi storici e segnali provenienti dai sensori IoT. La piattaforma SDX di Cloudera assicura la tracciabilità delle decisioni automatiche, consentendo audit puntuali su ogni previsione o azione correttiva.
In ambito Healthcare, la tecnologia supporta il triage digitale e l’analisi dei percorsi clinici attraverso dati pseudonimizzati. L’AI privata permette di mantenere le informazioni all’interno dei confini nazionali, rispettando i principi di residenza e minimizzazione del dato previsti dal GDPR. In questo modo, i modelli possono evolvere senza compromettere la riservatezza dei pazienti.
L’AI come infrastruttura della fiducia
L’intelligenza artificiale europea non sarà la più veloce, ma la più affidabile. È la visione che guida Cloudera: costruire un ecosistema aperto, governato e sicuro, dove ogni dato e ogni modello siano tracciabili e verificabili. “Il futuro dell’AI non sarà deciso da chi ha più GPU, ma da chi saprà orchestrare meglio i propri dati”, osserva Pascali. La fiducia non è un effetto collaterale: è l’infrastruttura portante dell’AI industriale. Ed è su questa architettura – fatta di sovranità, interoperabilità e cultura del dato – che l’Europa può costruire la propria leadership digitale.
Intelligenza artificiale, automazione e calcolo quantistico stanno ridisegnando le fondamenta della sicurezza digitale. In questo scenario di crescente complessità, IBM propone un modello ibrido e piattaformizzato per garantire resilienza, visibilità e governance continua dei dati. A delineare la visione è Cristiano Tito, Italy Cybersecurity Services Portfolio Lead di IBM, che illustra come la convergenza fra AI, Platformization e Quantum Safe stia trasformando la sicurezza da funzione difensiva a motore strategico per la competitività.
“Negli ultimi cinque anni – spiega Tito – la sicurezza si è trasformata da disciplina tecnica a funzione trasversale. Oggi rappresenta la base di ogni decisione aziendale, perché la fiducia è diventata un asset misurabile”.
Dalla frammentazione alla Platformization
Negli ultimi anni la sicurezza aziendale è diventata un mosaico di soluzioni eterogenee: strumenti acquistati in emergenza, framework sovrapposti, fornitori multipli. “Un’organizzazione media utilizza circa ottanta soluzioni di sicurezza e quasi trenta vendor diversi” sottolinea Tito. “Un ecosistema caotico, dove la complessità stessa è una vulnerabilità”.
Questo scenario genera debito tecnico, inefficienze operative e cecità sistemica. Ogni tool lavora in isolamento, produce log e alert propri, richiede team specializzati e genera montagne di dati non correlati. Ne deriva un ritardo decisionale che può estendersi da minuti a giorni, rallentando la risposta agli incidenti e impedendo la visione d’insieme.
Per IBM, la risposta non è aggiungere un altro strumento, ma riconnettere tutto ciò che già esiste. Da questa filosofia nasce la Platformization, un modello che unisce persone, processi e tecnologie in un ecosistema unico, orchestrato da intelligenza artificiale e automazione.
“La sicurezza non può più essere un insieme di punti di controllo, ma un sistema nervoso distribuito”, spiega Tito. “Serve un cervello che coordini ogni parte in tempo reale”.
La Platformization si fonda su tre pilastri: consolidare, correlare e coordinare.
Consolidare significa ridurre la frammentazione tecnologica; correlare significa unire i dati per generare insight; coordinare significa automatizzare la risposta per ridurre al minimo i tempi d’intervento.
Le aziende che hanno adottato questo approccio impiegano 72 giorni in meno per rilevare un incidente e 84 in meno per contenerlo, con un ROI medio del 101% rispetto al 28% dei modelli tradizionali.
“Non è un prodotto, ma un cambio di paradigma” sintetizza Tito. “La sicurezza diventa un’infrastruttura cognitiva: capace di imparare, adattarsi e anticipare”.
Dietro il concetto di Platformization non c’è teoria, ma un’architettura concreta, costruita per connettere sistemi diversi sotto una regia unificata: una piattaforma che connette ogni strato della sicurezza, dal SOC alla supply chain, e che trasforma l’informazione in azione coordinata. “La sicurezza non deve più proteggere i sistemi: deve proteggere il business” ricorda Tito.
Per i temi di CyberSecurity Platformization IBM collabora con aziende leader nel settore della sicurezza informatica come Palo Alto Alto Networks, AWS e Microsoft per evolvere la propria offerta in tale direzione.
Alcuni dei principali servizi e risorse correlate alla platformization offerti da IBM includono soluzioni di gestione delle minacce informatiche, Threat Detection Insights, Advanced Threat Dispositioning System, X-Force Predictive Threat Intel e Cybersecurity Assistants and Agents, nonché servizi specifici di X-Force: Cyber Range Experiences, Incident Response Retainer e Premier Threat Intel.
L’intelligenza artificiale tra opportunità e nuove superfici d’attacco
L’intelligenza artificiale è la nuova infrastruttura cognitiva dell’impresa, ma anche il vettore di rischio più sottovalutato. L’ avverte che “la generative AI amplifica contemporaneamente rischio e resilienza”.
Il 96 % dei dirigenti intervistati ritiene che la diffusione dell’AI generativa aumenterà la probabilità di subire una violazione nei prossimi tre anni, mentre oltre la metà dichiara di voler rafforzare i propri team di sicurezza invece di ridurli. È il segnale che la sfida non è scegliere se usare l’AI, ma come governarla.
Il report evidenzia tuttavia una frattura strutturale: solo il 24 % dei progetti basati su AI integra già un framework di sicurezza. In molti casi, l’urgenza di innovare ha avuto la meglio sul principio di security by design.
“Ogni algoritmo che prende decisioni deve essere difeso come un’infrastruttura critica” afferma Tito. “Nel momento stesso in cui l’AI entra in produzione, diventa parte della superficie d’attacco”.
Per IBM, la protezione dell’intelligenza artificiale richiede una disciplina autonoma, diversa da quella tradizionale.
Le minacce sono specifiche: data poisoning, model theft, prompt injection, furto o manipolazione dei pesi durante il training, fino alle violazioni di governance che derivano da modelli opachi.
Da questa consapevolezza nasce una strategia in tre direzioni:
Mappare l’esposizione AI, ovvero identificare dove e come i modelli vengono impiegati in azienda, comprese le dipendenze esterne e le API di terze parti.
Proteggere l’intero ciclo di vita dei modelli, dal training alla messa in produzione, garantendo integrità, tracciabilità e auditing costante.
Implementare difese specifiche per l’AI, con sistemi di controllo automatico del drift, validazione dei dataset e strumenti di red teaming per testare la robustezza dei modelli.
Per la protezione di dati e modelli di AI, IBM propone la soluzione Guardium AI Security che si distingue per completezza di funzioni e integrazione nativa con IBM watsonx.governance, permettendo su un medesimo set di metriche una vista unificata per la gestione contestuale dei rischi di sicurezza e di compliance normativa.
È un’implementazione concreta dell’AI Trust Framework di IBM, basato su un principio semplice: non c’è AI affidabile senza dati sicuri. In questa visione, la sicurezza non è più un vincolo, ma un acceleratore di fiducia.
Le aziende che implementano controlli di governance ottengono fino al 40% di riduzione dei tempi di audit e del 30% nei costi di manutenzione dei modelli.
Il 92% dei Ceo ritiene che l’intelligenza artificiale rafforzerà le capacità umane e non le sostituirà, mentre l’84 % prevede di dare priorità a soluzioni AI-driven rispetto a quelle convenzionali.
“L’AI non sostituisce l’esperienza umana”, ribadisce Tito, “la amplifica. Il valore nasce quando il pensiero umano e l’intelligenza artificiale si alimentano a vicenda”.
Shadow AI: la minaccia silenziosa dentro le aziende
In parallelo, cresce un rischio spesso invisibile: lo Shadow AI, cioè l’intelligenza artificiale “ombra” che si insinua nelle organizzazioni attraverso l’uso spontaneo di strumenti generativi non approvati. Nel tentativo di semplificare attività ripetitive o produrre testi e codice più rapidamente, molti dipendenti ricorrono a servizi di AI pubblici senza sapere dove finiscono i dati che immettono. Informazioni sensibili, dataset proprietari o elementi di identità aziendale finiscono così fuori controllo, alimentando un rischio di data leakage sistemico.
“Lo Shadow AI è già una delle principali cause di fuga di dati” avverte Tito. “Il problema non è l’intenzione, ma la mancanza di governance. Senza visibilità, non puoi difenderti”.
IBM affronta il tema alla radice, con un approccio che punta a mettere in sicurezza l’intero ciclo di vita dell’intelligenza artificiale: dai dati di addestramento ai modelli in produzione, fino alle API e ai flussi di integrazione.
Tito parla di una strategia che unisce visibilità, controllo e governance, in grado di rilevare automaticamente dove e come vengono usati strumenti di AI, legittimi o meno, e di garantire la protezione dei dati sensibili lungo tutto il processo.
Attraverso la sinergia fra QRadar Suite, Cloud Pak for Security e watsonx.governance, IBM fornisce una visione completa dell’ecosistema AI, individuando comportamenti anomali e flussi non conformi, e intervenendo in tempo reale per bloccarli o isolarli. La piattaforma analizza i flussi di rete, le chiamate API e i pattern di utilizzo, individuando comportamenti anomali o scambi di dati verso servizi non autorizzati. Quando rileva un’anomalia, può bloccare in tempo reale la trasmissione di informazioni sensibili e attivare un processo di autorizzazione controllata o bonifica.
“Non si tratta di reprimere la creatività” precisa Tito, “ma di incanalarla in modo sicuro. L’AI diventa utile quando è governata, non quando è selvaggia”.
Con questa visione, IBM porta la sicurezza dentro l’AI stessa: la intelligenza che difende la tecnologia dall’intelligenza.
Quantum Safe: roadmap, sistemi in esercizio e migrazione non invasiva
Accanto all’intelligenza artificiale, la seconda frontiera della sicurezza è il calcolo quantistico, che promette capacità di elaborazione inimmaginabili, ma che allo stesso tempo minaccia i fondamenti stessi della crittografia moderna.
Gli algoritmi su cui si basa oggi la protezione dei dati – RSA, ECC, Diffie-Hellman – devono la loro sicurezza al tempo necessario per risolvere i problemi matematici alla base delle chiavi. Ma un computer quantistico sufficientemente potente potrebbe ridurre quei tempi da miliardi di anni a poche ore.
“Il rischio è reale” spiega Tito. “Parliamo del fenomeno harvest now, decrypt later: rubare oggi i dati cifrati per decifrarli domani, quando gli algoritmi saranno superati. È un rischio silenzioso ma potenzialmente devastante”.
Secondo IBM, la risposta non può arrivare quando la minaccia sarà già concreta. Occorre agire ora, costruendo un’infrastruttura di sicurezza quantum safe, in grado di resistere agli attacchi futuri senza compromettere la continuità dei sistemi attuali.
L’obiettivo è duplice: proteggere i dati già in circolazione e predisporre un percorso di migrazione graduale.
Tito sottolinea che la transizione quantum safe non è più soltanto un tema di ricerca o di innovazione tecnologica, ma una scadenza regolatoria per imprese e pubbliche amministrazioni.
La roadmap imposta dalle autorità internazionali – in primis la U.S. National Security Memorandum-10 (NSM-10) e, in Europa, linee guida obbligatorie per la transizione di tutti gli Stati membri e delle organizzazioni di infrastrutture critiche verso la Crittografia Post-Quantistica (PQC) – stabilisce un percorso di adeguamento graduale che porterà entro la fine del decennio alla sostituzione degli algoritmi vulnerabili con standard post-quantum certificati dal NIST.
“Le organizzazioni che oggi gestiscono dati sensibili, infrastrutture critiche o servizi pubblici non potranno sottrarsi a questa transizione”, spiega Tito.
“Le normative definiscono già le tappe: censimento delle dipendenze crittografiche entro i prossimi due anni, piani di migrazione entro il 2027, e piena conformità alle suite quantum safe dal 2030”.
IBM, in questa prospettiva, offre strumenti conformi alla roadmap regolatoria, che permettono di documentare ogni fase del percorso – discovery, remediation, governance – e di dimostrare lo stato di avanzamento verso la conformità PQC (Post-Quantum Cryptography).
Il quantum safe, quindi, non è solo una scelta tecnologica, ma un obbligo normativo in via di consolidamento, che determinerà la resilienza delle organizzazioni nel prossimo decennio.
La suite IBM Quantum Safe
Per rendere operativa questa transizione, IBM ha sviluppato una suite completa di strumenti integrati: Quantum Safe Explorer, Quantum Safe Remediator e IBM Guardium Cryptography Manager.
Si tratta di una catena logica che accompagna le aziende in tre fasi: mappatura, mitigazione e governance.
“Con l’Explorer capiamo dove siamo, con il Remediator iniziamo a difenderci, con il Guardian creiamo la governance”, riassume Tito.
È una metodologia pensata per evitare il blocco operativo e consentire la modernizzazione senza interrompere i servizi.
Quantum Safe Explorer: visibilità e mappatura completa
Il primo tassello, Quantum Safe Explorer, esegue una scansione completa delle infrastrutture e dei codici applicativi, identificando le dipendenze crittografiche e classificandole in base alla vulnerabilità.
Non si limita a cercare algoritmi obsoleti: crea una mappa topologica dell’intero ecosistema crittografico, individuando dove vengono utilizzate chiavi, certificati, librerie e protocolli sensibili.
Questa visibilità è cruciale, perché molte organizzazioni non sanno esattamente dove risiede la crittografia nei loro sistemi.
Un’applicazione può dipendere da librerie esterne che a loro volta richiamano algoritmi non più sicuri, creando vulnerabilità latenti. Explorer evidenzia questi legami invisibili e genera un piano di priorità per la migrazione, valutando impatti, rischi e complessità.
“È la fase più importante” spiega Tito. “Perché non puoi proteggere ciò che non conosci. Explorer è la radiografia della sicurezza crittografica di un’azienda”.
Quantum Safe Remediator: la migrazione invisibile
Dopo la scoperta arriva la difesa. Quantum Safe Remediator consente di avviare la migrazione verso protocolli post-quantum senza interrompere i servizi in esercizio.
Funziona come un layer di compatibilità che avvolge i sistemi esistenti, creando tunnel sicuri fra endpoint e permettendo di sostituire gradualmente gli algoritmi vulnerabili.
In pratica, realizza una transizione fluida, che può essere testata e validata in modo incrementale.
Questo approccio “non invasivo” è ciò che lo distingue: le aziende possono sperimentare e implementare nuove librerie crittografiche in ambienti ibridi, anche con sistemi legacy o applicazioni mission-critical, senza dover riscrivere il codice sorgente.
“È una migrazione che non si vede” commenta Tito. “Si costruisce in parallelo, finché il vecchio e il nuovo convivono. Poi, quando tutto è pronto, il passaggio è trasparente”.
Guardium Cryptography Manager: la governance del rischio
La terza componente, IBM Guardium Cryptography Manager, fornisce la supervisione e la governance dell’intero ecosistema. Gestisce chiavi, policy e protocolli in modo centralizzato, offrendo una visione in tempo reale sullo stato di sicurezza e conformità dell’organizzazione.
Da un’unica console, i team possono sapere quali applicazioni usano ancora algoritmi non sicuri, quali sono già migrate a standard post-quantum e dove si trovano i punti di debolezza.
Guardium integra inoltre funzioni di rotazione automatica delle chiavi, gestione delle certificazioni, key escrow e segregazione dei domini crittografici, fornendo audit continuo e tracciabilità rendendo la sicurezza non solo un processo tecnico, ma una forma di governance documentata e verificabile.
Il percorso verso la resilienza quantistica
La transizione quantum safe non è un progetto, ma un processo continuo. IBM la concepisce come una roadmap in quattro fasi: scoperta, sperimentazione, migrazione e consolidamento. Ogni fase è sostenuta da strumenti, metriche e automazione per ridurre i tempi e l’impatto operativo.
Le organizzazioni che intraprendono questo percorso non solo proteggono i propri dati, ma riducano il debito di sicurezza futuro.
Secondo le analisi IBM, anticipare la migrazione al post-quantum può far risparmiare fino al 40 % dei costi di adeguamento e accelerare del 60 % i tempi di implementazione quando gli standard PQC diventeranno obbligatori.
Il valore, quindi, non è solo nella difesa, ma nella resilienza strategica. “Il quantum computing non è una minaccia da temere, ma una rivoluzione da preparare; chi costruisce oggi la propria sicurezza su basi quantiche, domani non dovrà più inseguire: guiderà il cambiamento”, conclude Tito.
Cyber Academy di Roma: la palestra della resilienza digitale
IBM accompagna la trasformazione tecnologica con un investimento formativo mirato a rafforzare la cultura della sicurezza.
La Cyber Academy di Roma, inaugurata nel 2024 con il patrocinio dell’Agenzia per la Cybersicurezza Nazionale, è per Tito “un fiore all’occhiello” del programma IBM in Europa: una struttura immersiva che simula attacchi reali e coinvolge non solo i tecnici, ma anche i dirigenti nelle decisioni di crisi.
Il progetto, ideato e realizzato dal team italiano, è diventato un format che IBM Research sta esportando in altri Paesi, segno di come l’esperienza italiana possa anticipare la direzione globale della sicurezza.
“È qualcosa che non trovi nel resto di IBM mondo” osserva Tito, “e che oggi stiamo replicando all’estero come modello di formazione esperienziale sulla resilienza digitale”. “Non è un’aula, ma una palestra di resilienza digitale” spiega Tito.
Il centro riproduce una vera infrastruttura aziendale: reti, ambienti cloud, dispositivi IoT, sistemi OT e piattaforme di collaboration, tutti configurati come in un ecosistema reale.
I partecipanti vengono immersi in scenari dinamici che simulano crisi concrete – attacchi ransomware, campagne di phishing avanzato, violazioni della supply chain o intrusioni nei sistemi industriali – fino a esercitazioni in cui si sperimentano attacchi quantistici e tecniche di manipolazione AI (adversarial attacks).
Le sessioni sono organizzate in modalità red team / blue team: un gruppo attacca, l’altro difende.
Ogni esercitazione è progettata per mettere alla prova non solo le capacità tecniche, ma anche quelle decisionali, comunicative e di leadership. I team devono reagire in tempo reale, gestire la crisi e coordinarsi con il management, proprio come in una situazione reale.
Al termine, gli esperti di IBM X-Force conducono un debriefing operativo: analizzano la risposta, misurano la prontezza, identificano i punti di debolezza e forniscono raccomandazioni personalizzate.
Ogni azienda partecipante riceve un report con indicatori di maturità cyber e un piano di miglioramento graduale.
“La formazione è la prima forma di difesa” osserva Tito. “L’obiettivo è far vivere l’esperienza dell’attacco, in modo che la reazione diventi istintiva. Quando si è preparati al caos, il caos non sorprende più”.
La Cyber Academy è anche un laboratorio di collaborazione pubblico-privato, in cui IBM mette in rete imprese, istituzioni e università.
L’obiettivo è creare un ecosistema di conoscenza condivisa, dove la cybersecurity non è una materia specialistica, ma una competenza diffusa, parte integrante del tessuto economico e sociale.
Il paradigma ibrido: convergenza tra AI, automazione e quantum safe
La visione di IBM converge in un concetto cardine: la cybersecurity ibrida.
Non è una semplice combinazione di strumenti, ma un paradigma in cui AI, automazione e crittografia post-quantum agiscono come elementi di un sistema unico, distribuito e intelligente, un ecosistema dinamico in cui le informazioni fluiscono e si correlano, le decisioni si automatizzano e la resilienza diventa proprietà strutturale.
Il report Capturing the Cybersecurity Dividend, realizzato da IBM in collaborazione con Palo Alto Networks, introduce il concetto di architetture Hybrid by Design.
Significa costruire sistemi in cui la sicurezza non è aggiunta, ma integrata fin dalla progettazione. In queste architetture, la componente umana, quella algoritmica e quella crittografica coesistono, comunicano e si rinforzano reciprocamente.
Secondo lo studio, le aziende che adottano approcci ibridi – unendo AI, automazione e governance dei dati – raggiungono un livello di maturità cyber doppio rispetto alla media del mercato, con una riduzione del 47% dei tempi medi di risposta e un incremento del 38% nell’efficacia dei team di sicurezza.
La stessa logica è ribadita nel IBM CEO Cybersecurity Report, che descrive la sicurezza come motore di crescita: ogni euro investito in cyber resilience genera ritorni in efficienza, reputazione e fiducia.
“La cybersecurity ibrida è il tessuto connettivo dell’economia digitale” sintetizza Tito; “Solo un modello che unisce intelligenza artificiale, automazione e quantum computing, governato da una regia unificata, può garantire la sicurezza necessaria per innovare. È qui che si misura la nuova competitività”.
Dalla difesa all’orchestrazione
Nell’approccio IBM, la sicurezza del futuro non è un insieme di barriere, ma una rete intelligente e adattiva.
Il modello ibrido porta a una transizione culturale: dalla logica di difesa reattiva a un paradigma di orchestrazione proattiva. L’AI analizza e anticipa le minacce, l’automazione coordina la risposta, la crittografia quantum safe ne certifica la solidità e la conformità.
Questo nuovo equilibrio sposta la cybersecurity dal perimetro dell’IT al centro della strategia aziendale.
Non è più un dipartimento che reagisce, ma un sistema cognitivo che apprende, si adatta e collabora. Ogni segnale diventa un’informazione, ogni informazione un’azione coordinata.
“Non c’è più un dentro e un fuori” spiega Tito, “c’è un ecosistema in cui la sicurezza è dappertutto, perché ogni connessione è potenzialmente un punto d’attacco e ogni decisione può rafforzare o indebolire la difesa”.
La strategia di IBM per la cybersecurity unisce tre dimensioni: intelligenza, automazione e previsione, in una visione che va oltre la difesa, mirando a costruire fiducia, trasparenza e continuità operativa in un contesto dove la minaccia non è più eccezione ma condizione permanente.
Il futuro della sicurezza, secondo Tito, sarà quello di un ecosistema ibrido e auto-adattivo, capace di anticipare e assorbire il cambiamento. “La sicurezza del domani non è fatta di muri, ma di connessioni intelligenti; “il nostro compito è costruirle oggi, perché la fiducia non si improvvisa: si progetta”.
Negli ultimi due anni, l’intelligenza artificiale è passata da sperimentazione a infrastruttura. Gli agenti autonomi — software capaci di prendere decisioni, eseguire comandi, modificare ambienti digitali — sono diventati parte integrante del tessuto operativo delle imprese. Con l’aumento dell’autonomia è cresciuto anche il rischio: un agente che opera senza supervisione può amplificare un errore in pochi secondi, modificare dataset critici o compromettere intere pipeline applicative.
È in questo contesto che Rubrik, azienda statunitense nata come specialista di data protection e che oggi si posiziona come Security and AI Operations Company, ha introdotto Rubrik Agent Cloud: una piattaforma disegnata non per fermare gli agenti AI, ma per governarli, tracciarli e correggerli.
“I leader IT e di sicurezza spesso non sanno che cosa stiano facendo i loro agenti AI, né come annullarne gli errori” ha osservato Bipul Sinha, CEO e cofondatore. “Con Agent Cloud vogliamo dare loro la possibilità di sapere quali agenti hanno, cosa fanno, a quali dati accedono e — soprattutto — se è possibile tornare indietro quando sbagliano”.
La logica è la stessa che, negli anni Duemila, trasformò il concetto di backup in quello di data recovery: non basta più salvare, serve poter ripristinare. Ora lo stesso principio viene applicato alla sfera cognitiva: non basta conoscere l’intelligenza artificiale, bisogna poterla “riavvolgere”.
Agent Cloud: una piattaforma che unisce visibilità, controllo e correzione
Rubrik descrive Agent Cloud come il primo strato di controllo enterprise per il ciclo di vita dell’agente AI. Il suo scopo è fornire alle organizzazioni un quadro completo delle interazioni tra intelligenze artificiali, dati e sistemi, trasformando quella che finora è stata una “scatola nera” in un ambiente osservabile e reversibile.
Costruita sulla Rubrik Platform, la soluzione eredita i tre pilastri della sicurezza moderna — dati, identità e applicazioni — integrandoli in una cornice cognitiva. In altre parole, ogni azione di un agente viene letta e registrata nel contesto in cui avviene: chi l’ha compiuta, su quali asset, con quali privilegi, in quale sequenza temporale.
Alessio Stellati, vicepresidente per Italia, Spagna e Portogallo, e Giampiero Petrosi, SE Manager per l’Europa meridionale di Rubrik
Durante un incontro con Alessio Stellati, vicepresidente per Italia, Spagna e Portogallo, e Giampiero Petrosi, SE Manager per l’Europa meridionale, la strategia è stata sintetizzata in modo chiaro: “L’intelligenza artificiale è un moltiplicatore di efficienza, ma anche di esposizione. Gli agenti possono eseguire centinaia di azioni in pochi secondi. Serve un’infrastruttura che permetta di capire, limitare e — se necessario — tornare indietro”.
La piattaforma si articola su tre funzioni cardine: Monitor, Govern e Remediate. Queste non sono moduli separati, ma fasi di un ciclo operativo continuo, una specie di “sistema nervoso” dell’AI aziendale.
Agent Monitor: rendere visibile l’invisibile
Il primo livello, Agent Monitor, è dedicato alla visibilità. Scansiona automaticamente ambienti cloud e SaaS — come Azure, AWS, Microsoft 365, Salesforce o ServiceNow — alla ricerca di agenti attivi. Non solo quelli creati in modo formale, ma anche quelli nati per iniziativa dei team o generati da strumenti low-code e Copilot.
Ogni agente individuato viene mappato e classificato secondo parametri di attività, privilegi, frequenza e tipologia di operazioni. Il sistema costruisce una vera e propria mappa cognitiva dell’autonomia aziendale, dove ogni azione è registrata come un evento univoco e immutabile, collegato a un’identità e a un dataset.
Questo permette di rispondere a domande che, finora, non avevano risposta: quali agenti stanno operando? su quali dati? con quali permessi?
Come ha spiegato Petrosi, “Molte aziende non sanno nemmeno quanti agenti AI abbiano attivi nei propri sistemi. Ne esistono all’interno di Copilot, nei workflow RPA, nei CRM. Noi li raccogliamo in un’unica vista e li tracciamo nel tempo”.
L’impatto è culturale prima che tecnico: la scoperta dell’autonomia diffusa. Agent Monitor rappresenta, in questo senso, un primo passo verso la trasparenza dell’intelligenza.
Agent Govern: regole dinamiche per l’autonomia artificiale
Il secondo livello, Agent Govern, interviene dove la visibilità da sola non basta. Una volta mappati gli agenti, occorre stabilire le regole del gioco: quali dati possono essere letti, quali modificati, con quale frequenza, e in quali contesti di fiducia.
Il sistema definisce policy dinamiche di comportamento, capaci di intervenire in tempo reale. Ogni agente è valutato in base alle sue azioni e ai suoi prompt, e può essere limitato se supera soglie di rischio o devia dalle policy aziendali.
La gestione avviene in stretta integrazione con i servizi di identità: Rubrik applica il principio del least privilege alle identità non umane, evitando che un agente creato per un compito limitato possa, per esempio, accedere ad archivi HR o database finanziari.
“Il controllo non può essere una revisione a posteriori” ha sottolineato Stellati. “Deve essere integrato nell’architettura stessa. È necessario capire perché un agente compie una scelta, non solo che l’ha compiuta”.
Agent Govern introduce inoltre la possibilità di simulare scenari e azioni in ambienti isolati — una sorta di sandbox per l’intelligenza artificiale — in cui verificare l’impatto delle decisioni prima che si propaghino.
L’approccio è quello della governance preventiva: l’AI può agire, ma sempre dentro un perimetro di fiducia verificabile.
Agent Remediate: l’AI che sa “tornare indietro”
Il terzo livello, Agent Remediate, rappresenta il cuore della rivoluzione Rubrik.
È l’erede diretto di Agent Rewind, la tecnologia presentata quest’anno e ora integrata nativamente in Agent Cloud. Il suo scopo è unico: permettere di riavvolgere le azioni indesiderate o distruttive di un agente AI, con la stessa semplicità con cui si ripristina un file da un backup, ma su scala cognitiva.
La piattaforma conserva una timeline semantica di tutte le azioni compiute dagli agenti: ogni prompt, ogni parametro, ogni decisione. Quando viene identificato un errore, Rubrik può tornare indietro esattamente al punto in cui è nato, correggendo solo ciò che serve, senza toccare le azioni corrette successive.
Petrosi l’ha spiegato con un esempio chiaro: “Quando catturi snapshot devi sapere il momento in cui l’agente prende una decisione. Rewind (ora Remediate) ti permette di tornare a quel punto e rimettere tutto in coerenza. È come poter riscrivere la storia operativa di un sistema senza perdere nulla”.
Il funzionamento poggia sulla combinazione tra Rubrik Security Cloud, che assicura immutabilità e versioning dei dati, e l’infrastruttura AI di Predibase, che interpreta la catena causale delle azioni. Ogni rollback è certificato, documentato e reversibile.
Questa capacità di “riavvolgere” non è solo una misura di sicurezza, ma un principio di fiducia: trasforma l’errore da minaccia a informazione utile, da perdita a conoscenza.
Rubrik sintetizza questa visione nel concetto di Cognitive Resilience Loop, un ciclo che prevede l’osservazione, la rilevazione, il riavvolgimento, il ripristino e il governo. È una forma di apprendimento continuo applicata alla sicurezza.
Come ha dichiarato Anneka Gupta, Chief Product Officer di Rubrik, “L’intelligenza artificiale non deve essere solo potente, ma responsabile. Con Agent Cloud diamo alle aziende un modello di fiducia verificabile, applicabile a ogni decisione dell’agente”.
Annapurna: la dorsale sicura della Generative AI
La seconda metà della strategia di Rubrik si chiama Annapurna. Se Agent Cloud è la mente che governa gli agenti, Annapurna ne è la linfa vitale: un’infrastruttura disegnata per garantire che ogni modello di intelligenza artificiale acceda ai dati in modo sicuro, tracciabile e contestuale.
L’obiettivo non è soltanto proteggere i dati, ma stabilire un principio di fiducia verificabile tra chi li gestisce e chi li consuma. Nell’era della Generative AI, infatti, i dati non vengono più soltanto letti: vengono trasformati in risposte, modelli linguistici, insight e automazioni. Rubrik parte da un assunto preciso: se l’intelligenza che genera valore parte da dati opachi, anche il risultato è opaco. Annapurna serve a rendere la sorgente dei dati trasparente e controllata, prima che diventi conoscenza.
Un ponte tra Rubrik Security Cloud e Amazon Bedrock
Annapurna nasce come API layer tra Rubrik Security Cloud e l’ecosistema Amazon Bedrock, la piattaforma AWS che ospita modelli linguistici come Claude, Llama 3, Titan o Mistral.
In questa posizione, Annapurna agisce come strato di mediazione intelligente: intercetta le richieste dei modelli AI verso i dati aziendali, verifica chi le formula, che cosa chiede, da dove proviene e quale livello di autorizzazione possiede.
Ogni query viene arricchita con metadati di identità, policy e contesto applicativo, così da mantenere un audit trail completo e immutabile.
La differenza rispetto a un tradizionale gateway d’accesso è che Annapurna comprende il contenuto dei dati, non solo la loro forma. È in grado di interpretare la semantica delle informazioni — tabelle, log, conversazioni, documenti, ticket, record — e di riconoscere quando un’informazione è sensibile o fuori contesto rispetto al prompt dell’agente.
Questo approccio consente di bloccare le richieste improprie prima che raggiungano il modello, evitando che informazioni riservate finiscano nel corpus di addestramento o vengano restituite come output a utenti non autorizzati.
Motore di embedding “application-aware”
Uno degli aspetti più innovativi di Annapurna è il suo motore di embedding “application-aware”.
Rubrik ha progettato la piattaforma per comprendere la struttura e la semantica delle applicazioni enterprise più diffuse — da Salesforce a ServiceNow, da Teams a SAP — mappando in modo nativo i loro schemi dati, permessi e logiche di business.
In pratica, quando un agente AI o un modello generativo effettua una richiesta, Annapurna non si limita a passare i dati: li normalizza, filtra e contestualizza, restituendo al modello solo le informazioni rilevanti e consentite.
Questo riduce drasticamente il rischio di data leakage e garantisce che la generative AI lavori su dataset coerenti, aggiornati e conformi alle regole aziendali.
L’integrazione con le architetture Retrieval-Augmented Generation (RAG) è nativa. Annapurna fornisce un accesso verificato e “zero-copy” alle fonti dati, evitando di duplicare informazioni in ambienti non protetti e semplificando la creazione di knowledge base aziendali affidabili.
Come ha spiegato Giampiero Petrosi, “il nostro approccio parte dal presupposto di non fidarsi del modello. Guardiamo i dataset prima che l’intelligenza artificiale li usi, perché dopo non c’è modo di controllare il danno”.
Il modello di fiducia: governance prima del dato
Annapurna non si limita a proteggere le informazioni: istituisce un modello di governance preventiva del dato.
Ogni accesso viene validato in tempo reale secondo tre coordinate: chi richiede, che cosa chiede, in quale contesto operativo.
La piattaforma genera una traccia audit che consente di risalire a ogni singola richiesta e di verificare se l’informazione è stata utilizzata, trasformata o rigenerata da un agente AI.
È un cambiamento profondo nel paradigma della sicurezza. Finora la protezione dei dati avveniva dopo l’uso, attraverso sistemi DLP o controlli di compliance. Annapurna sposta il baricentro prima dell’accesso, dove il rischio nasce.
È un meccanismo di prevention by design che, nelle parole di Rubrik, “anticipa la deviazione invece di reagire alla violazione”.
Impatti sul business e sulle operations
Dal punto di vista operativo, Annapurna consente alle aziende di liberare i dati per l’AI senza creare copie, tunnel o zone grigie.
Questo riduce i costi di storage e di orchestrazione, ma soprattutto elimina il fenomeno degli shadow datastore: copie non governate di dati sensibili generate per alimentare prototipi di intelligenza artificiale.
Per i CISO e i responsabili dati, significa poter approvare progetti di AI generativa con visibilità e controllo, sapendo esattamente quali dataset vengono toccati, da chi e per quale scopo.
Per i team IT e i data scientist, significa avere una pipeline certificata dove i dati sono aggiornati, anonimizzati e referenziati in modo consistente.
Annapurna si inserisce così nel quadro più ampio della AI governance delineata da Rubrik, che collega le tre dimensioni della fiducia: dati, la materia prima; identità, l’autorizzazione; intelligenza, l’autonomia. Quando queste tre componenti si parlano in modo coerente, l’automazione non è più un rischio, ma un moltiplicatore controllato.
L’Italia come banco di prova della resilienza cognitiva
L’Italia è diventata uno dei mercati chiave per Rubrik in Europa. La filiale di Milano — oggi hub operativo per Italia, Spagna e Portogallo — sta registrando una crescita superiore alla media globale.
“Negli ultimi tre anni abbiamo sempre superato la crescita della concorrenza” ha dichiarato Stellati. “Il mercato italiano è maturo, consapevole e pronto a investire in piattaforme che uniscono sicurezza e intelligenza”.
Tra i settori più attivi spicca il retail, che unisce alti volumi di dati, automazione diffusa e vulnerabilità crescente. “Il retail italiano è quello con la crescita più elevata, ma anche con la maggiore esposizione agli attacchi informatici” ha aggiunto Petrosi. “Stiamo vedendo un cambio di mentalità: le aziende non chiedono più solo se possono ripartire, ma in quanto tempo e con quali garanzie. È la nascita di una cultura della fiducia digitale”.
L’Italia, per Rubrik, è quindi un laboratorio naturale per la resilienza cognitiva: un ecosistema in cui le imprese possono adottare l’AI senza rinunciare al controllo, unendo rapidità di risposta e responsabilità operativa.
Dalla sicurezza all’intelligenza
Con Agent Cloud e Annapurna, Rubrik non parla più di cybersecurity nel senso classico del termine. Parla di intelligenza della sicurezza: un sistema in grado di osservare, comprendere e correggere.
La differenza è sostanziale. Se la sicurezza tradizionale mira a bloccare gli incidenti, quella cognitiva mira a spiegarli e a trarne insegnamento.
Come ha sintetizzato Petrosi in chiusura, “Non è solo questione di proteggere, ma di sapere cosa è successo, come e di poter tornare indietro”.
È una visione che sposta la sicurezza dal dominio tecnico a quello epistemologico: la capacità di un sistema di riflettere su se stesso.
L’Italia, con la sua crescita a doppia cifra e la spinta verso la digitalizzazione responsabile, è il terreno ideale per questa trasformazione. Qui la fiducia non è un punto di partenza, ma un risultato da costruire: la fiducia operativa in un’intelligenza che non solo agisce, ma sa anche correggere se stessa.
C’è un paradosso alla base delle tappe europee (abbiamo partecipato a quella di Parigi) del VMware Explore on Tour 2025: una delle più grandi aziende tecnologiche americane, oggi sotto il controllo di Broadcom, sceglie l’Europa come teatro della propria rinascita strategica – e lo fa parlando di sovranità digitale, indipendenza infrastrutturale e fiducia normativa.
In un momento in cui l’Unione Europea cerca di emanciparsi dalla dipendenza tecnologica dagli hyperscaler statunitensi, VMware – marchio simbolo della virtualizzazione globale – decide di posizionarsi come abilitatore di infrastrutture sovrane, capaci di rispettare la legge, l’identità e la sicurezza dei singoli Paesi membri.
Un messaggio forte ma al tempo stesso sorprendente, provenendo da un’azienda che fino a pochi anni fa incarnava il paradigma della globalizzazione cloud. È chiaro che l’Europa non è più solo un mercato, ma un contesto politico e regolatorio che impone nuove regole del gioco. In questo scenario, Broadcom intuisce un’opportunità: diventare il fornitore globale che rende compatibile la potenza americana con la sovranità europea, un “ponte giuridico” tra innovazione e autonomia.
Dal controllo economico alla fiducia tecnologica
VMware è un’azienda in trasformazione. Dopo mesi di polemiche e proteste – la cosiddetta “VMexit” di clienti e partner – Broadcom si presenta non più come fornitore di licenze, ma come costruttore di fiducia.
Lo fa attraverso una piattaforma unica, VMware Cloud Foundation 9.0, che diventa il perno di un nuovo modello economico e politico: un cloud ibrido aperto, regolato, interoperabile, e soprattutto sotto controllo europeo quando necessario.
Dietro la semplificazione del listino e il nuovo modello a sottoscrizione, c’è una strategia più profonda: trasformare VMware in una possibile ossatura tecnica per il cloud europeo, quella che permette a operatori come OVHcloud, NumSpot o il Polo Strategico Nazionale di costruire servizi sovrani indipendenti dagli hyperscaler.
È la prima volta che un grande vendor statunitense riconosce – e valorizza – il principio di giurisdizione digitale come vantaggio competitivo. Da Parigi, Broadcom ha voluto mandare un messaggio preciso: non è necessario essere europei per difendere la sovranità europea, ma è indispensabile rispettarne le regole.
In questa apparente inversione dei ruoli – un’azienda americana che adotta il linguaggio della compliance, del diritto e della trasparenza – si intravede la nuova fase della geopolitica digitale: quella in cui la tecnologia non è più soltanto un mercato, ma un territorio da governare.
La sovranità può essere un modello industriale e la fiducia può diventare la nuova unità di misura della competitività. In questa partita, l’Europa – per la prima volta – non è più spettatrice. È diventata la piattaforma di sperimentazione del futuro cloud globale.
Broadcom dopo l’acquisizione: prezzi, fiducia e la ricostruzione del valore
Quando Broadcom ha completato, nel novembre 2023, l’acquisizione di VMware per 69 miliardi di dollari (di cui ben 8 di debito), l’intero mercato IT enterprise ha rapidamente compreso che si apriva una nuova fase.
L’operazione non era solo una delle più grandi nella storia del software, ma ha portato nel giro di un mese a un cambio di paradigma nel licensing, trasformando VMware da fornitore di licenze perpetue a piattaforma integrata in abbonamento. Ciò che a Palo Alto veniva descritto come “razionalizzazione del portafoglio”, in Europa è stato percepito come una rottura culturale. VMware era sinonimo di stabilità, compatibilità, continuità. Broadcom è apparsa, agli occhi di molti clienti, come un attore industriale dalla logica troppo finanziaria, poco empatica verso l’ecosistema. Da qui è nato un sentimento di smarrimento che nei mesi successivi si sarebbe trasformato in una vera crisi di fiducia.
A partire dall’inizio 2024, i forum tecnici e le community europee hanno iniziato a registrare un’ondata di reazioni: contratti perpetui cancellati, licenze convertite forzatamente in modelli subscription-only, programmi partner ridimensionati.
Molti hanno parlato apertamente di “VMexit”, un neologismo che riassumeva la fuga verso alternative come Proxmox, KVM, Nutanix AHV o Red Hat OpenShift.
System integrator di lunga data si sono trovati esclusi dai nuovi canali di vendita, i margini di rivendita si sono ridotti, e la dismissione del vecchio portale VMware Cloud Partner Program ha lasciato molti partner disorientati. L’impressione diffusa era che Broadcom stesse smantellando la cultura comunitaria che aveva reso VMware un riferimento mondiale in un ambito – quello dell’infrastruttura – dove la stabilità e la prevedibilità sono parte integrante del valore delle soluzioni adottate.
Ricostruire la fiducia
L’obiettivo di Mario Derba, Vice President Southern Europe Broadcom, e Claudia Angelelli, Senior Manager Italy, VMware by Broadcom, incontrati durante l’evento parigino, è preciso: ricostruire fiducia.
Derba adotta un tono diretto, quasi difensivo ma costruttivo: “Abbiamo ascoltato i clienti e compreso le loro preoccupazioni. L’obiettivo non è aumentare i costi, ma rendere prevedibili gli investimenti. Abbiamo eliminato ridondanze e reso trasparente ciò che prima era frammentato”.
Mario Derba, Vice President Southern Europe di Broadcom
Dalle sue parole emerge la volontà di spiegare la logica industriale dietro la ristrutturazione: non una politica di rincaro, ma una migrazione verso un modello unico e sostenibile, capace di fornire ai clienti una base tecnologica coerente.
Derba sottolinea come Broadcom abbia ridotto “oltre 9.000 SKU a un portafoglio essenziale, centrato su VMware Cloud Foundation”. Per anni i clienti hanno acquistato componenti separati – vSphere per il calcolo, vSAN per lo storage, NSX per la rete, Aria Operations per la gestione – spesso da integrare manualmente. Con VCF tutto è fuso in un’unica piattaforma software-defined, progettata per il cloud ibrido e per l’automazione completa.
“Non parliamo più di prodotti, ma di ecosistemi,” spiega Claudia Angelelli. “Con VCF 9.0 il cliente paga per la piattaforma, non per il singolo modulo. Questo riduce i costi di gestione, i tempi di provisioning e la complessità operativa”. La suite include licenze, supporto e aggiornamenti in un unico contratto annuale. L’abbonamento sostituisce la licenza perpetua, ma introduce prevedibilità economica e governance semplificata, in alcuni casi con contratti pluriennali a prezzo fisso concordato.
In termini di TCO, Broadcom sostiene che i clienti vedranno una riduzione media del 15–20 % rispetto alla somma dei componenti acquistati separatamente.
Derba insiste su un concetto chiave: la nuova VMware non misura il proprio successo sul numero di licenze vendute, ma sul valore generato nel tempo: “Non stiamo spingendo un prodotto; stiamo costruendo una piattaforma di fiducia”. L’approccio value-based sostituisce il vecchio modello “pay per core” con formule di sottoscrizione scalabili. Invece di una miriade di listini, esistono tre tier principali – Essentials, Standard e Enterprise – che differiscono per funzionalità e capacità di automazione.
Angelelli precisa che “i clienti corporate ottengono un costo unitario inferiore rispetto alla somma dei moduli singoli, e le PMI possono accedere a funzioni avanzate prima riservate all’enterprise”. Il risultato, secondo Broadcom, è una maggiore democratizzazione dell’infrastruttura ibrida, unita a un supporto tecnico più solido e unificato.
Claudia Angelelli, Senior Manager Italy, VMware by Broadcom
Derba riconosce che “il cambiamento è stato rapido, forse troppo”, ma difende la necessità di una ristrutturazione profonda per “allineare la roadmap tecnologica alla sostenibilità economica”. “VMware non può restare un arcipelago di prodotti,” afferma. “Serve una piattaforma unica, altrimenti l’innovazione si disperde in compatibilità retroattive.”
Broadcom riconosce implicitamente che la comunicazione iniziale è stata inadeguata e che “la fiducia non si impone, si ricostruisce spiegando le scelte”.
L’intervento parigino è, in questo senso, il tentativo di voltare pagina, un modo per trasformare una crisi reputazionale in un’occasione di chiarimento.
Competitività: l’alternativa europea agli hyperscaler
Claudia Angelelli posiziona VCF 9.0 come alternativa continentale alle piattaforme dei grandi hyperscaler (AWS, Azure, Google Cloud). Stesse capacità di orchestrazione, automazione e sicurezza, ma con controllo locale e costi prevedibili. “VCF 9.0 offre feature parity con i grandi cloud, ma sotto giurisdizione europea e con un TCO inferiore,” spiega.
L’idea è costruire una base infrastrutturale su cui i provider regionali possano sviluppare cloud sovrani, mantenendo compatibilità con l’ecosistema globale. In questo modo Broadcom diventa non solo fornitore di tecnologia, ma abilitatore di sovranità industriale.
Il nuovo ecosistema: meno partner, più competenza
La strategia di canale è altrettanto trasformativa. Broadcom passa dal modello “many partners, few rules” a quello “fewer but better”. Il programma Broadcom Advantage Partner privilegia partner con competenze certificate in automazione, sicurezza e compliance. “Non cerchiamo distributori”, chiarisce Derba, “ma architetti di fiducia in grado di progettare infrastrutture complesse e sicure”.
Il rapporto con i partner diventa più stretto, ma anche più impegnativo: Broadcom fornisce strumenti di formazione avanzata e affianca i partner nella transizione verso i servizi gestiti (managed services).
È una mossa che mira a spostare la marginalità dalla rivendita al valore aggiunto, e a creare un ecosistema meno esteso ma più qualificato.
VCF 9.0 come ponte verso la fiducia
Nel discorso conclusivo del panel economico, Derba sintetizza l’intera filosofia Broadcom: “Il valore nasce quando il cliente sa cosa paga e per cosa. Con VCF abbiamo scelto la trasparenza come forma di fiducia.”
Il messaggio è rivolto al mercato europeo, dove il concetto di fiducia ha una valenza diversa rispetto agli Stati Uniti: non solo affidabilità tecnica, ma certezza contrattuale e conformità normativa.
Derba chiude richiamando il legame tra economia e giurisdizione: “La trasparenza dei costi è inutile se non c’è trasparenza sul controllo dei dati. Per questo VMware Cloud Foundation non è solo una piattaforma tecnologica, ma un progetto di fiducia”.
La ridefinizione del modello economico di VMware – più trasparente, sostenibile e centrato sul valore – non è soltanto un cambiamento di natura commerciale: è l’espressione di un principio di controllo, di governo consapevole della complessità tecnologica. Quando Derba e Angelelli parlano di semplificazione, di contratti pluriennali e di prevedibilità dei costi, stanno in realtà toccando il cuore di una questione più ampia: chi comanda davvero l’infrastruttura digitale su cui poggia l’economia europea.
Dal linguaggio dell’efficienza a quello della sovranità, il passo è breve ma decisivo.
Martin Hosken, Field CTO Cloud Partners, VCF Division Broadcom, e Olivier Breton, VP Sales France, Benelux & MEA OVHcloud, compiono un salto concettuale: “La sovranità non è dove metti i dati,” afferma Hosken, “ma chi può reclamarli e in base a quale legge.” In quella frase si condensa la tesi centrale: la giurisdizione è la nuova infrastruttura. La sovranità digitale non si costruisce con i firewall, ma con i confini legali.
Martin Hosken, Field CTO Cloud Partners, VCF Division Broadcom, e Olivier Breton, VP Sales France, Benelux & MEA OVHcloud – Ph Alexandre Alloul
Un continente sotto dipendenza giuridica
Oggi più del 70 % dei dati europei risiede in infrastrutture di provider americani. Il problema non è solo commerciale, ma strutturale: questi dati ricadono sotto la giurisdizione statunitense, anche quando sono fisicamente conservati in Europa.
Il nodo nasce nel 2018, con il Clarifying Lawful Overseas Use of Data Act – il Cloud Act – che autorizza le autorità federali USA a richiedere, con mandato giudiziario, dati custoditi da società americane ovunque nel mondo.
Questo principio di extraterritorialità legale si scontra frontalmente con il GDPR e con la sentenza Schrems II della Corte di Giustizia dell’Unione Europea (2020), che ha invalidato il Privacy Shield proprio perché le leggi di sorveglianza USA non offrono garanzie equivalenti a quelle europee.
In pratica, un cittadino europeo non può impedire che i propri dati – ospitati su un cloud americano – vengano consegnati alle autorità statunitensi.
Hosken lo ha definito “un paradosso di sovranità”: l’Europa ha creato la normativa più avanzata del mondo in materia di privacy, ma ne delega l’infrastruttura a soggetti giuridicamente estranei.
Il caso Microsoft al Senato francese: la prova pubblica
Per illustrare concretamente questo paradosso, Hosken ha citato un episodio chiave: l’audizione di Marc Mossé, direttore legale e affari pubblici di Microsoft Europa, davanti alla Commission d’enquête du Sénat français sur la souveraineté numérique.
Il dialogo è stato rivelatore. Alla domanda del senatore: “Come potete garantire, con prove concrete, che i dati delle amministrazioni pubbliche francesi gestiti tramite i contratti UGAP non saranno mai trasmessi alle autorità americane in caso di ingiunzione?”, il legale di Microsoft risponde: “Dal punto di vista giuridico ci impegniamo contrattualmente con i nostri clienti, anche nel settore pubblico, a opporci a qualsiasi richiesta non fondata. Abbiamo messo in atto un sistema molto rigoroso, avviato già durante l’amministrazione Obama, che ci consente di contestare legalmente le richieste e di ottenere limitazioni precise dal governo americano. Pubblicando due volte l’anno i nostri rapporti di trasparenza, possiamo affermare che negli ultimi tre anni non vi è stata alcuna richiesta riguardante aziende europee”.
Il senatore incalza: “Nel caso di un’ingiunzione fondata, siete obbligati a fornire i dati?” La risposta del legale è inequivocabile: “Se la conclusione del processo che ho descritto è che siamo obbligati a consegnarli, li consegneremo”.
Quelle parole – “li consegneremo” – hanno avuto un effetto politico dirompente: per la prima volta, un rappresentante di una big tech americana ha ammesso pubblicamente che la sovranità dei dati europei può cedere davanti al diritto statunitense.
“Quella frase ha segnato una svolta nella consapevolezza politica. Da quel momento, la sovranità digitale non è più stata percepita come un tema tecnico, ma come una questione di diritto internazionale”, ha commentato Breton.
La risposta dell’Unione non si è fatta attendere: il GAIA-X Framework, nato nel 2020, ha definito criteri di trasparenza, interoperabilità e residenza giuridica; l’European Cybersecurity Certification Scheme for Cloud Services (EUCS) dell’ENISA prevede livelli di conformità basati sulla control jurisdiction; la Francia, con SecNumCloud 3.2, ha introdotto il concetto di cloud de confiance: infrastrutture fisicamente e giuridicamente europee.
L’alleanza Broadcom-OVHcloud: sovranità come collaborazione
Hosken ha descritto Broadcom come “fornitore di libertà tecnologica”: “Non vendiamo sovranità, ma diamo ai clienti gli strumenti per esercitarla”.
La partnership con OVHcloud consente alle organizzazioni europee di utilizzare la piattaforma VMware Cloud Foundation 9.0 (VCF 9.0) in un contesto totalmente conforme alle leggi europee. OVHcloud – certificata SecNumCloud, soggetta a diritto francese, con personale e governance esclusivamente UE – garantisce che nessun attore extra-europeo possa imporre accesso ai dati.
Breton ha aggiunto: “La nostra missione è fornire un cloud competitivo, aperto e sovrano. Non vogliamo un’Europa che rinunci alla performance in nome della sicurezza, ma una sicurezza che generi competitività.”
VMware Cloud Foundation 9.0: architettura della fiducia
VCF 9.0 rappresenta l’evoluzione di vent’anni di ingegneria VMware in una piattaforma unificata e policy-driven, che integra tutti i componenti fondamentali del cloud moderno.
Elementi chiave: Hypervisor vSphere 8 e vSAN ESA per la virtualizzazione e lo storage distribuito;
NSX 4.1 per la micro-segmentazione e la sicurezza east-west;
Aria Operations per il monitoraggio predittivo e la governance automatica;
Private AI Foundation per l’esecuzione locale di Large Language Model, in conformità GDPR.
Tutto orchestrato da un management plane centralizzato, che permette di gestire ambienti multi-tenant con policy di sicurezza, logging e auditing integrati. Hosken lo definisce “il sistema operativo della sovranità europea”: un’infrastruttura neutrale, pronta a essere localizzata sotto qualsiasi giurisdizione UE.
La modalità disconnected: la sovranità assoluta
VCF 9.0 può funzionare nella modalità disconnected, pensata per contesti in cui la continuità operativa e la sicurezza nazionale coincidono. Difesa, intelligence, energia, infrastrutture critiche: ambienti in cui anche la telemetria è considerata informazione sensibile.
In modalità disconnected, il cloud entra in uno stato di autarchia funzionale: i nodi restano attivi senza connessione Internet; le licenze sono validate da un’autorità locale (license proxy air-gapped); gli aggiornamenti vengono distribuiti come bundle firmati, verificabili con chiavi PGP; la telemetria e i log rimangono confinati, esportabili solo manualmente; i backup avvengono in “clean room” isolate, con segmentazione NSX Layer 7; la catena di fiducia è certificata mediante hardware root of trust locale.
Hosken lo sintetizza così: “Essere sovrani significa poter continuare a operare anche quando tutto il resto si ferma. È la forma più pura di resilienza digitale”.
Dal punto di vista legale, la modalità disconnected offre la garanzia tecnica della separazione giuridica: l’impossibilità materiale di esfiltrare dati oltre i confini stabiliti. È, di fatto, la traduzione ingegneristica dell’articolo 45 del GDPR sulla trasferibilità dei dati.
Breton ha sottolineato che la sovranità non deve trasformarsi in protezionismo tecnologico: “Essere sovrani non significa isolarsi, ma poter scegliere. La libertà di cambiare provider è la prima garanzia di indipendenza”.
VCF 9.0 è costruita su API aperte e standard Kubernetes, supporta l’interconnessione multi-cloud e la portabilità dei workload tra ambienti pubblici, privati e sovrani. Questa interoperabilità nativa è la chiave di una sovranità dinamica, in grado di evitare sia il lock-in economico sia quello politico.
Dal diritto all’economia: la sovranità come politica industriale
La riflessione di Hosken e Breton trascende il piano tecnico: la sovranità dei dati è anche una strategia di sviluppo economico. Negli ultimi dieci anni, l’Europa ha esportato valore digitale verso gli USA attraverso l’outsourcing del cloud: servizi, competenze, capitale umano.
Riprendere il controllo dei dati significa trattenere innovazione, occupazione e know-how. Hosken ha parlato di “reindustrializzazione digitale”: “Ogni gigabyte che resta in Europa è una quota di valore che resta nell’economia europea.” Breton ha aggiunto che la fiducia – giuridica e tecnologica – è ormai una variabile macroeconomica, tanto quanto energia o capitale.
Un nuovo asse geopolitico del cloud
Dietro le parole dei due relatori si intravede una strategia continentale: Francia come laboratorio normativo, con SecNumCloud;
Germania come polo di GAIA-X e standardizzazione;
Italia come ponte mediterraneo, grazie al Polo Strategico Nazionale (PSN);
Spagna e Portogallo come hub energetici e data center neutral.
In questa geografia, Broadcom agisce come fornitore di sovranità tecnologica, mentre partner come OVHcloud incarnano la componente territoriale e legale. È il passaggio dal modello “as a service” al modello “as a sovereignty”.
Una frase può riassumere lo spirito del nuovo corso VMware: “La sovranità digitale non è isolamento, ma la libertà di scegliere – di connettersi, di migrare, di disconnettersi quando serve”. In quella libertà risiede la nuova indipendenza europea: giuridica, tecnologica, economica.
L’intelligenza artificiale privata: sovranità dei dati e accelerazione della ricerca
Chris Wolf, Field CTO AI & Cloud Strategy Broadcom, e Cédric Mangenot, CIO e AI Program Director dell’University of Luxembourg, hanno presentato una visione comune: l’AI come infrastruttura della fiducia, costruita dentro il perimetro legale e operativo del cliente. L’attenzione sull’orizzonte più avanzato della trasformazione cloud: l’intelligenza artificiale privata (Private AI).
Chris Wolf, Field CTO AI & Cloud Strategy Broadcom, e Cédric Mangenot, CIO e AI Program Director dell’University of Luxembourg – Ph Alexandre Alloul
Non più solo dati sovrani, ma algoritmi sovrani, capaci di apprendere, elaborare e generare conoscenza rimanendo entro i confini giuridici europei.
“Private AI significa riportare il pensiero computazionale sotto controllo umano”, ha sintetizzato Wolf. “Non è un ritorno al passato, ma l’unico modo per costruire un futuro sostenibile”.
Cédric Mangenot ha raccontato l’esperienza dell’ateneo lussemburghese, tra i primi in Europa ad adottare una piattaforma Private AI su VMware Cloud Foundation.
“Avevamo due priorità”, ha spiegato: “semplificare e garantire privacy. Volevamo un’AI utile, ma anche conforme, indipendente e verificabile”.
L’Università gestisce oltre 10.000 utenti, con dataset sensibili che spaziano dalla bioinformatica al diritto comparato.
Quando i modelli pubblici di AI hanno iniziato a porre problemi di tracciabilità e proprietà intellettuale, la direzione ha scelto la via dell’AI locale e sovrana: costruire un’infrastruttura di calcolo autonoma, all’interno del campus, basata su VMware Cloud Foundation 9.0 e Private AI Foundation.
Il risultato è un ecosistema che garantisce prestazioni paragonabili a quelle dei cloud pubblici, ma con governance e sicurezza pienamente europee.
Private AI: velocità, compliance e autonomia
Chris Wolf ha ribaltato un pregiudizio comune: la Private AI non è un ritorno alla lentezza, ma una forma di accelerazione controllata.
“Molti dei nostri clienti scoprono che sviluppare in locale è più rapido che nel cloud”, ha detto. “Non serve chiedere permessi per i dati, non ci sono tempi morti per la compliance. Quando il dato resta tuo, l’AI diventa immediata”.
L’AI privata riduce i costi legati al trasferimento dei dataset, elimina i rischi di violazione normativa e consente una sperimentazione continua. È, di fatto, un modello di innovazione nativa nel perimetro legale.
Shadow AI: il nuovo rischio invisibile
Wolf ha poi lanciato un allarme: il pericolo non è solo tecnologico, ma organizzativo.
Il fenomeno dello Shadow AI – l’uso non autorizzato di modelli esterni da parte di dipendenti o team di sviluppo – sta emergendo come una delle minacce più gravi per la sicurezza dei dati aziendali.
“Se lo Shadow IT era pericoloso, lo Shadow AI è devastante”, ha avvertito Wolf. “Basta un prompt in un tool non controllato per perdere segreti industriali”.
Broadcom risponde con un approccio DevSecOps esteso all’intelligenza: tutti i modelli vengono trattati come codice, archiviati in Harbor (il registro open source per container) e sottoposti a scansione, validazione e approvazione prima della messa in produzione.
È la trasformazione dell’AI in un processo governato e tracciabile, in cui ogni passaggio è verificabile a posteriori.
AI privata e TCO: metà dei costi, doppio del controllo
Sul piano economico, Wolf ha portato un dato concreto: le organizzazioni che adottano Private AI su VCF possono ridurre il TCO fino al 50% rispetto a soluzioni basate su cloud pubblici. “L’AI non è solo GPU”, ha spiegato, “è rete, memoria, orchestrazione, automazione. Noi ottimizziamo tutti questi strati, non solo il calcolo”.
Il segreto è nella capacità di VMware di bilanciare dinamicamente le risorse hardware, grazie al Distributed Resource Scheduler (DRS), che valuta priorità, carico e disponibilità per ogni job di addestramento o inferenza. È la stessa filosofia che vent’anni fa rese VMware sinonimo di efficienza nel data center: virtualizzare per rendere scalabile, governare per rendere sostenibile.
Heterogeneous AI: CPU, GPU e oltre
È su questo punto che Wolf ha introdotto il tema destinato a cambiare la prospettiva dell’AI enterprise: la Heterogeneous AI, ovvero l’intelligenza artificiale costruita su risorse di calcolo eterogenee. “L’AI non vive solo di GPU; molti workload, specialmente quelli di inferenza, possono funzionare perfettamente su CPU standard. È ora di separare l’intelligenza dal mito dell’hardware”.
Il mercato globale dell’AI è dominato dal culto della GPU. Le schede grafiche di fascia alta – NVIDIA H100, AMD MI300, Intel Gaudi2 – sono diventate sinonimo di progresso.
Ma Broadcom ha scelto un’altra strada: costruire piattaforme capaci di usare in modo intelligente tutte le risorse disponibili, bilanciando potenza, consumo e costo.
Per Wolf, questo è il vero realismo dell’AI europea: “Non possiamo costruire intelligenze che costano milioni di euro e consumano come centrali elettriche. Dobbiamo costruire intelligenze sostenibili”.
Il ruolo di VMware Cloud Foundation
All’interno di VCF 9.0, l’eterogeneità diventa un principio architetturale.
Grazie a Kubernetes, Bitfusion e al Distributed Resource Scheduler, la piattaforma decide automaticamente dove eseguire ogni processo AI: CPU per inferenze leggere e pre-elaborazioni,
GPU per training e workload ad alta intensità,
DPU (Data Processing Unit) per networking, cifratura e sicurezza,
TPU o NPU per modelli ottimizzati specificamente.
Il risultato è un’infrastruttura AI-aware, capace di scegliere in autonomia la combinazione più efficiente di risorse disponibili, in linea con le priorità operative e ambientali dell’organizzazione.
Un ecosistema multi-accelerator
VCF 9.0 è già compatibile con le principali architetture sul mercato – NVIDIA, AMD, Intel, Graphcore, Cerebras – e punta a estendere il supporto ai progetti emergenti come RISC-V AI e Neuromorphic Chips.
“La libertà di scegliere il proprio acceleratore è parte della sovranità tecnologica”, ha ricordato Wolf. “Un ecosistema chiuso è un ecosistema vulnerabile”.
In questa logica, VMware estende al mondo dell’AI ciò che aveva fatto per la CPU vent’anni fa: virtualizzare l’accelerazione, rendendola una risorsa flessibile, condivisibile e gestibile da software.
Broadcom e VMware collaborano anche con il progetto Sky Computing dell’Università di Berkeley, che mira a costruire un’infrastruttura federata di AI tra cloud differenti.
Attraverso tecnologie come Ray e Marina, è possibile orchestrare task AI su risorse eterogenee sparse in più data center, mantenendo sovranità dei dati e interoperabilità.
“La federazione del calcolo è il passo successivo alla federazione del dato,” ha osservato Hosken nel Q&A tecnico. “La sovranità del pensiero computazionale è il nuovo obiettivo europeo”.
L’AI eterogenea non è solo efficiente: è più sostenibile. Un cluster basato interamente su GPU può consumare fino a 12 MW, equivalenti a una piccola città. Distribuire i carichi tra CPU, DPU e GPU riduce i consumi fino al 40%.
“Sovranità significa anche non dover scegliere tra innovazione e sostenibilità”, ha ribadito Wolf.
VCF 9.0 include moduli di energy-aware scheduling e carbon reporting, che consentono di calcolare l’impatto ambientale dei job AI e di ottimizzarli in base alla fonte energetica. Un passo verso AI green, dove la potenza computazionale non è più sinonimo di spreco.
Il vantaggio finale è economico. Molti enti pubblici, ospedali o università europee non possono permettersi cluster GPU multimilionari. L’approccio eterogeneo consente loro di utilizzare infrastrutture già esistenti, trasformandole in ambienti AI efficienti e sicuri.
“La democratizzazione dell’intelligenza passa dalla diversità del calcolo”, ha sintetizzato Wolf. “Solo rendendo l’AI accessibile possiamo renderla sovrana”.
Private AI come leva competitiva nazionale
Il caso dell’Università del Lussemburgo diventa così simbolico: un Paese decisamente piccolo che, attraverso la sovranità dei dati e la diversità del calcolo, costruisce una strategia di indipendenza cognitiva.
“Difendere la nostra proprietà intellettuale è difendere la nostra economia”, ha ricordato Mangenot.
Il governo lussemburghese ha annunciato nel 2025 una strategia nazionale per l’intelligenza artificiale centrata su Private AI e partnership con Broadcom, a conferma che la sovranità digitale non è più solo un tema di compliance, ma di competitività industriale.
La chiusura del panel ha riportato la conferenza sul piano politico e culturale. “Private AI non è una feature tecnica”, ha detto Wolf. “È la continuità logica della sovranità digitale. Se il dato è europeo, anche l’intelligenza deve esserlo”.
La nuova frontiera della sovranità digitale passa dunque per la federazione del calcolo, la diversità degli acceleratori e la sostenibilità operativa.
È la sintesi di un’Europa che non vuole più scegliere tra innovazione e indipendenza, ma costruire un’intelligenza che pensa secondo le proprie regole.
“La vera libertà dell’AI”, ha concluso Wolf, “è la libertà di scegliere dove pensare, come pensare e per chi pensare”.
Red Hat ha annunciato la disponibilità di Red Hat Developer Lightspeed, un nuovo portafoglio di soluzioni di intelligenza artificiale generativa progettate per velocizzare i flussi di lavoro degli sviluppatori con un’assistenza intelligente e contestualizzata. Integrati negli strumenti di sviluppo Red Hat, i nuovi assistenti virtuali puntano a migliorare la produttività riducendo il “context switching”, ossia la necessità di passare tra attività non collegate. Developer Lightspeed, incluso in Red Hat Developer Hub, è disponibile anche nel migration toolkit for applications (MTA) tramite sottoscrizione a Red Hat Advanced Developer Suite.
Strumenti AI integrati nel ciclo di vita dello sviluppo
Con l’aumento della domanda di assistenti AI specializzati per specifici settori, cresce la necessità di soluzioni affidabili e sicure, capaci di adattarsi ai singoli casi d’uso. Developer Lightspeed risponde a questa esigenza con strumenti di intelligenza artificiale pensati per lo sviluppo software e integrati nel suo ciclo di vita, per aiutare a portare sul mercato applicazioni nuove o modernizzate in tempi più brevi e nel rispetto degli standard aziendali.
Assistenza AI per tutto il ciclo di sviluppo
Integrato in Red Hat Developer Hub e nel migration toolkit for applications, Developer Lightspeed supporta non solo la scrittura di codice ma anche le attività che accompagnano l’intero ciclo di sviluppo.
Developer Lightspeed per Red Hat Developer Hub offre un assistente virtuale basato su AI per le attività non legate direttamente alla codifica. Attraverso un’interfaccia a chat nella console di Developer Hub, aiuta a esplorare approcci progettuali, redigere documentazione, pianificare test e risolvere problemi, consentendo di passare più rapidamente dall’idea all’azione.
L’assistente adotta un approccio “bring your own model”, che permette ai team di utilizzare il proprio modello linguistico, pubblico o self-hosted, per bilanciare prestazioni, costi e privacy dei dati.
Developer Lightspeed per migration toolkit for applications estende le funzionalità di MTA automatizzando il refactoring del codice direttamente all’interno dell’ambiente di sviluppo integrato (IDE). A differenza dei classici editor di codice, l’assistente comprende le problematiche di migrazione e suggerisce soluzioni pertinenti. Inoltre, riconosce quali modifiche hanno avuto successo in applicazioni già migrate, migliorando nel tempo la precisione dei suggerimenti e accelerando la modernizzazione di applicazioni simili. Questo approccio consente di ridurre tempi e costi di refactoring e di ottimizzare l’adozione di tecnologie cloud native.
James Labocki, senior director, Product Management di Red Hat
“Il futuro dell’AI non riguarda solo la creazione di modelli più evoluti, ma la capacità di offrire assistenza intelligente direttamente agli sviluppatori”, ha commentato James Labocki, senior director, Product Management di Red Hat. “Developer Lightspeed consente di creare e modernizzare applicazioni più rapidamente, mantenendo standard operativi elevati. È un passo importante verso uno sviluppo software più sicuro, scalabile e veloce”.
Oltre all’assistenza intelligente, Red Hat introduce anche il migration toolkit for applications 8 (MTA 8), pensato per semplificare la riprogettazione delle applicazioni. La nuova versione automatizza il replatforming su Red Hat OpenShift, con particolare attenzione alla migrazione da Cloud Foundry.
L’automazione riduce le attività manuali e gli errori che rendono complesso il replatforming, migliorando l’efficienza e il ritorno sugli investimenti nella modernizzazione. Grazie all’integrazione con Developer Lightspeed, gli sviluppatori possono combinare il replatforming automatizzato con soluzioni di codice generate in modo intelligente, ottenendo un approccio più completo e coerente alla trasformazione applicativa.
Disponibilità
Red Hat Developer Lightspeed per Developer Hub è disponibile in anteprima e incluso nelle sottoscrizioni Red Hat Developer Hub e Advanced Developer Suite.
Red Hat Developer Lightspeed per il toolkit di migrazione delle applicazioni è disponibile per i clienti Red Hat Advanced Developer Suite.
L’edizione 2025 delloHuawei Italy Enterprise Roadshow, sotto il titolo Accelerating the Intelligent Italy, ha portato in sei città italiane un messaggio chiaro: la trasformazione digitale passa ora attraverso l’intelligenza artificiale. Più che una vetrina tecnologica, il Roadshow è diventato un laboratorio itinerante dove infrastruttura, cloud e AI si incontrano per costruire modelli d’impresa più agili e sostenibili.
Nel percorso tracciato dal Huawei Roadshow 2025, l’intelligenza artificiale emerge come perno strutturale della nuova fase della trasformazione digitale.
Per Alexandre Grandeaux – CTO di Huawei Enterprise Italia – che abbiamo incontrato in una delle tappe del Roadshow, l’AI non è un semplice componente funzionale, ma la matrice che informa ogni livello dell’infrastruttura tecnologica — dal data center alla rete, dal cloud al punto d’accesso.
“L’intelligenza artificiale è oggi il cardine della trasformazione digitale. È la parola chiave che introduciamo in ogni tappa del Roadshow, perché rappresenta il fattore che più di ogni altro sta ridisegnando la velocità e la direzione del cambiamento”.
Il suo discorso parte da un concetto semplice ma cruciale: l’AI non è un servizio, è un principio architetturale. Laddove in passato l’innovazione si concentrava sulla virtualizzazione o sul cloud, oggi la sfida consiste nell’immettere capacità cognitive nei sistemi stessi che compongono l’infrastruttura digitale.
Infrastrutture che apprendono: l’AI come abilitatore e motore interno
Huawei interpreta l’intelligenza artificiale in due direzioni convergenti. La prima, come abilitatore: fornire alle aziende l’infrastruttura capace di sostenere modelli di machine learning e applicazioni data-driven. La seconda, come motore interno: usare l’AI per migliorare le prestazioni e l’efficienza dei propri sistemi. “Il nostro contributo è duplice: da un lato forniamo l’infrastruttura che abilita l’utilizzo dell’intelligenza artificiale, dall’altro la utilizziamo internamente per migliorare le prestazioni dei nostri sistemi di controllo, di storage e di rete”.
Nei data center di ultima generazione, il machine learning è integrato direttamente nei controllori e nei sistemi di gestione. Ciò significa che le infrastrutture diventano consapevoli del proprio stato operativo e sono in grado di correggere autonomamente inefficienze, squilibri di carico o degradi di performance.
“Nei nostri data center il machine learning è integrato nei controllori delle macchine e nei sistemi di gestione del ciclo di vita del dato. Questo permette di ottimizzare in modo autonomo prestazioni e affidabilità, migliorando la continuità operativa rispetto al passato”.
Il concetto che emerge è quello di una infrastruttura autoapprendente: un sistema che osserva, analizza e si adatta in tempo reale, riducendo drasticamente la necessità di interventi manuali.
Reti cognitive e sicurezza nel dominio fisico
Questa intelligenza distribuita trova la sua espressione più evidente nelle nuove reti aziendali. Huawei ha introdotto access point dotati di algoritmi di AI capaci di apprendere dall’ambiente, gestire dinamicamente la banda e ottimizzare la qualità del servizio in base alle esigenze di ciascun utente. “Ogni access point dispone di algoritmi di intelligenza artificiale che monitorano e garantiscono la qualità del servizio. La rete apprende dall’ambiente e si adatta in tempo reale, offrendo maggiore copertura o banda all’utente che ne ha bisogno in quel momento”.
Non si tratta più di configurazioni statiche, ma di reti cognitive che apprendono comportamenti, anticipano esigenze e regolano automaticamente i flussi di traffico.
“Quando l’utente lascia la rete, la configurazione torna automaticamente alle impostazioni standard. È una rete che si autoadatta e ottimizza dinamicamente la qualità del servizio”.
Wi-Fi Shield: la difesa fisica e invisibile
Accanto all’intelligenza predittiva, Huawei introduce una frontiera di sicurezza inedita: la protezione a livello radio.
La tecnologia Wi-Fi Shield, integrata negli access point Wi-Fi 7, agisce direttamente sul dominio elettromagnetico, neutralizzando i tentativi di intrusione prima che raggiungano il livello logico.
“L’access point è in grado di identificare un potenziale hacker e di isolarlo a livello radio, inviandogli rumore. È una protezione fisica che impedisce all’attacco di arrivare al livello logico della rete”.
Wi-Fi Shield opera sullo strato fisico (PHY layer), monitorando lo spettro RF alla ricerca di comportamenti anomali. Se rileva un segnale sospetto, genera un jamming mirato, degradando la connessione dell’intruso e impedendo qualsiasi handshake di autenticazione. È una forma di sicurezza proattiva e non reattiva, capace di fermare l’attacco prima ancora che inizi. Una logica che trasferisce l’AI dal livello di rete a quello della fisica delle comunicazioni.
Verticali strategici: l’intelligenza nei settori reali
Huawei declina questa visione tecnologica in tre settori chiave — sanità, ricerca e retail — che incarnano la convergenza tra infrastruttura e intelligenza.
“Nel mondo della sanità, storage e networking possono migliorare i processi di diagnostica e di monitoraggio dei pazienti. Un semplice braccialetto Bluetooth permette di seguire l’intero percorso di degenza, ottimizzando tempi e risorse”.
In questo modello, la rete non è solo un canale di trasmissione ma un sensore distribuito. Ogni dispositivo — dal monitor clinico al lettino operatorio — entra in un ecosistema di data intelligence ospedaliera, dove IoT, storage e AI si fondono per ridurre i tempi di diagnosi e aumentare la precisione delle cure.
Nei centri di ricerca e nelle università, Huawei propone soluzioni HPC e storage AI-optimized, pensate per sostenere carichi di calcolo intensivi, data analytics e modelli di deep learning.
Si tratta di piattaforme ad alta densità, con capacità di elaborazione parallela e accesso rapido ai dataset, progettate per la ricerca data-driven in ambito biomedico, ambientale e industriale. “Nel retail la digitalizzazione è ormai una necessità: le nostre soluzioni connettono centinaia di punti vendita, permettendo aggiornamenti in tempo reale, pubblicità sincronizzata e gestione centralizzata”.
È un’anticipazione del modello cashless e contactless, dove sensori ottici, riconoscimento visivo e pagamento automatico convergono in un’esperienza d’acquisto senza attriti.
Cloud europeo: latenza minima, sovranità massima
Nel contesto europeo, Huawei posiziona il proprio cloud pubblico come infrastruttura a bassa latenza e alta interoperabilità. “Copriamo tutta l’Europa con il nostro cloud pubblico, garantendo una latenza inferiore a 50 millisecondi. È un’infrastruttura basata su open source, arricchita da oltre 120 servizi preconfigurati, dal backup fino all’intelligenza artificiale come servizio”.
Il cloud Huawei si distingue per un principio chiave: open source al servizio della sovranità digitale.
Le aziende europee possono così adottare soluzioni cloud scalabili mantenendo la piena proprietà e localizzazione dei dati, in conformità con il Data Act e il quadro normativo UE.
Huawei Cloud Stack: l’architettura per la sovranità digitale
Huawei Cloud Stack (HCS) replica la struttura del cloud pubblico in ambienti privati:
IaaS: provisioning automatico delle risorse fisiche (calcolo, storage, rete);
PaaS: containerizzazione con Kubernetes e gestione CI/CD integrata;
SaaS: moduli per AI training, Big Data e gestione dei database.
L’integrazione nativa di AIOps automatizza aggiornamenti, manutenzione e ottimizzazione delle risorse, creando un ambiente realmente AI-native anche nelle infrastrutture locali.
La rivoluzione silenziosa delle PMI
Huawei guarda con crescente attenzione al tessuto delle piccole e medie imprese, con soluzioni specifiche, riconoscendone il ruolo strategico nel rilancio dell’economia europea. “Per la piccola e media impresa abbiamo realizzato soluzioni di qualità enterprise, ma accessibili. Sono prodotti pensati per la distribuzione B2B, perché rappresentano uno standard professionale con costi sostenibili”.
Si tratta di un modo per democratizzare l’accesso alla tecnologia enterprise, offrendo infrastrutture scalabili, sicure e pronte per l’integrazione cloud.
Fibra e full-flash: il futuro fisico dell’infrastruttura
Parallelamente alla trasformazione software, Huawei accelera sul piano fisico: storage all-flash SSD e reti full-fiber. L’obiettivo è eliminare colli di bottiglia e garantire una base materiale coerente con le ambizioni dell’AI.
I nuovi sistemi OceanStor Dorado 8000 e 18000 di Huawei sono sistemi di archiviazione all-flash convergenti di fascia alta che permettono di portare applicazioni mission-critical nell’era dell’intelligenza artificiale.
Il rame, spiega Grandeaux, “sta scomparendo dalle reti aziendali: la fibra ottica arriva ormai fino all’access point, garantendo maggiore velocità e minore latenza”.
L’evoluzione tecnologica diventa così anche una questione di efficienza energetica e sostenibilità: minore consumo, maggiore densità, e una struttura pronta per i futuri standard Wi-Fi 8.
Verso l’infrastruttura cognitiva europea
Il messaggio del Roadshow 2025 è chiaro: la prossima frontiera della trasformazione digitale è cognitiva. Non si tratta solo di connettere o automatizzare, ma di insegnare alle infrastrutture a comprendere il contesto, adattarsi e difendersi.
L’intelligenza artificiale diventa così il principio operativo dell’Europa tecnologica: una rete di sistemi che osservano, reagiscono e imparano.
“Oggi l’AI non è solo un’applicazione: è l’architetto invisibile delle nuove imprese digitali”, conclude Grandeaux. Nel disegno tracciato da Huawei, l’AI non è un livello del software, ma una grammatica dell’infrastruttura: l’intelligenza come nuovo linguaggio della modernità industriale.
Costruire un’app come Airbnb, Shopify o Slack senza scrivere una riga di codice, in appena sei ore: una sfida che fino a pochi anni fa sarebbe sembrata pura fantascienza. E invece è accaduto a Milano, negli spazi di Caravaggio 37, durante il primo Lovable Hackathon italiano, organizzato n collaborazione tra Yellow Tech, Veliu, lastminute.com, Pillar, Volta, Whatwapp e la stessa Lovable, la piattaforma svedese che sta definendo i contorni del cosiddetto vibe coding, ovvero lo sviluppo software attraverso linguaggio naturale.
L’evento, che ha attirato oltre 500 candidature da tutta Europa, ha selezionato 100 partecipanti da dieci Paesi con un’età media di 24 anni. I team avevano a disposizione sei ore per realizzare un MVP completamente funzionante e che replicasse le funzionalità di Airbnb, Shopify o Slack, usando esclusivamente la piattaforma Lovable e comandi testuali in linguaggio naturale. Obiettivo: dimostrare che la creazione di applicazioni complesse e stabili è ormai possibile anche senza scrivere una singola riga di codice.
A vincere è stato Andrea Bonarrigo (esultante nella foto), 22 anni, con una replica di Airbnb solida e intuitiva. Etienne Sgarbi e Riccardo Argenziano, rispettivamente secondo e terzo classificato, hanno invece presentato versioni personalizzate di Shopify e Airbnb. A valutarli è stata una giuria che univa competenze tecniche e imprenditoriali: Sophia Nabil Gustafsson di Lovable, Antonio Pisante di Yellow Tech, Giulio D’Alì Aula di Veliu, Martina Gianfreda di Whatwapp, Elia Bidut di Stema, Gabriel Guinea Montalvo di Pillar, Alessandro Rozza di lastminute.com e Mario Parteli di Volta Software.
L’hackathon ha rappresentato molto più di una competizione: è stato un banco di prova per valutare la maturità tecnologica del modello Lovable, una piattaforma che si propone come punto di incontro tra intelligenza artificiale, sviluppo software e creatività applicata.
Lovable: l’AI come co-sviluppatore
Fondata a Stoccolma nel dicembre 2023 da Anton Osika e Fabian Hedin, Lovable è un ambiente di sviluppo AI-driven che consente di creare applicazioni web e mobile a partire da descrizioni in linguaggio naturale. L’utente scrive semplicemente cosa desidera ottenere — per esempio “crea un sistema di prenotazione con pagamenti via Stripe e recensioni integrate” — e la piattaforma genera automaticamente il front-end in React, il back-end completo di API REST, il database relazionale e le funzioni di autenticazione e storage.
Il cuore tecnologico di Lovable è una chat di sviluppo conversazionale che coordina modelli di linguaggio di ultima generazione come OpenAI GPT-4o, Anthropic Claude 3 e Google Gemini 1.5. Questi agenti AI collaborano tra loro per interpretare le richieste, generare codice coerente, correggere errori e proporre miglioramenti in tempo reale. L’utente non scrive istruzioni di codice, ma definisce obiettivi e comportamenti: il sistema traduce le intenzioni in architetture software funzionanti.
Il flusso di lavoro segue un percorso preciso. Dopo la definizione del prompt, Lovable costruisce uno scheletro completo del progetto, che può poi essere raffinato interattivamente attraverso la chat. L’utente chiede modifiche, aggiunge funzioni o riformula parti dell’interfaccia, e l’AI aggiorna il codice in tempo reale. Il risultato è un MVP (Minimum Viable Product) funzionante e distribuibile in poche ore.
Questo approccio, che la stessa Lovable definisce vibe coding, rappresenta un passo avanti rispetto al tradizionale no-code: non si tratta di combinare moduli visivi predefiniti, ma di produrre codice reale, esportabile, leggibile e integrabile con pipeline di sviluppo tradizionali. È, in sostanza, una forma di co-programmazione semantica in cui l’AI non sostituisce lo sviluppatore, ma ne estende le capacità, permettendo a designer, analisti o product manager di passare dall’idea al prototipo in tempi estremamente ridotti.
Architettura tecnica e modello operativo
Sotto il profilo architetturale, Lovable adotta uno stack modulare e cloud-native, basato su componenti moderni e interoperabili. Il front-end viene generato in React o Vite, con componenti UI coerenti e responsive; il back-end si appoggia a Supabase o Firebase, utilizzando database PostgreSQL, autenticazione integrata e storage distribuito.
Il deploy avviene attraverso un sistema di hosting integrato che consente la pubblicazione immediata del progetto in un ambiente gestito. Tuttavia, per scenari più complessi, Lovable offre l’esportazione del codice sorgente e l’integrazione diretta con GitHub, permettendo di collegare il progetto a pipeline CI/CD esterne e strumenti DevOps aziendali.
La piattaforma include anche funzionalità di debugging automatico, scansione delle vulnerabilità e validazione dei dati, introdotte con l’aggiornamento Lovable 2.0. La nuova versione supporta inoltre modalità collaborative multiutente, workspace condivisi e funzioni di “pair programming” AI-assistito.
Dal punto di vista infrastrutturale, Lovable non si basa su un cloud interamente proprietario. Il sistema utilizza un modello ibrido, che integra servizi di terze parti come Supabase, Stripe, SendGrid o AWS per i layer di database, autenticazione, pagamenti e storage. Ciò consente grande flessibilità, ma impone anche valutazioni di compliance, in particolare per la gestione dei dati sensibili secondo le normative europee (GDPR).
Modello di pricing e gestione dei crediti
Lovable adotta una logica di utilizzo a crediti, in cui ogni interazione con l’AI — dalla generazione iniziale alla revisione di singole funzioni — consuma unità di calcolo.
Il piano gratuito permette di creare progetti pubblici con un numero limitato di prompt mensili, mentre i piani professionali, con un costo medio di circa 50 dollari al mese, includono progetti privati, domini personalizzati e un monte crediti più ampio.
Le imprese possono accedere a un piano enterprise con funzioni avanzate di sicurezza (SSO, audit log, controllo accessi) e supporto tecnico dedicato. Alcuni servizi — come hosting esterno, gateway di pagamento o moduli AI aggiuntivi — restano a pagamento separato e possono incidere sensibilmente sul budget operativo.
Il vantaggio di questo modello è la scalabilità: chi sviluppa solo prototipi paga poco, chi costruisce applicazioni più complesse sostiene costi proporzionali all’utilizzo. Tuttavia, la natura “a consumo”, simile a quello adottato per l’utilizzo di API degli LLM pubblici, può generare imprevedibilità nei progetti iterativi o a sviluppo prolungato. In contesti aziendali, questo richiede una pianificazione accurata dei cicli di prompting e una gestione strategica delle iterazioni con l’AI per evitare sforamenti di costo.
Opportunità e limiti di un nuovo paradigma
Il vibe coding proposto da Lovable non si limita a velocizzare la creazione del software: ne ridefinisce il perimetro concettuale. La programmazione non è più una sequenza di istruzioni, ma un processo conversazionale in cui il progettista definisce logiche, flussi e obiettivi, lasciando all’AI la traduzione in codice eseguibile.
Questo approccio abbassa sensibilmente la barriera d’ingresso allo sviluppo e consente a figure non tecniche di creare applicazioni reali. Tuttavia, rimangono alcune sfide aperte. Il codice generato è spesso funzionale ma non sempre ottimizzato; la scalabilità può risultare limitata per carichi enterprise; la dipendenza da modelli linguistici esterni comporta interrogativi sulla sostenibilità dei costi e sulla sicurezza dei dati.
Come ha osservato Antonio Pisante, fondatore di Yellow Tech, “non si tratta semplicemente di scrivere meno codice, ma di spostare il centro della progettazione verso l’intenzione e la logica del prodotto”.
Per Sophia Nabil Gustafsson di Lovable, “Milano ha dimostrato che la creatività italiana è pronta a interpretare questo cambio di paradigma: più pragmatica, più rapida, più sperimentale”.
Verso una nuova generazione di builder
Il Lovable Hackathon ha offerto la prima dimostrazione concreta di come il vibe coding possa essere applicato su larga scala, con risultati reali e verificabili. I prototipi sviluppati a Milano mostrano che la combinazione tra linguaggio naturale e generazione automatica di codice non è più un esercizio di stile, ma una nuova metodologia di sviluppo.
Lovable si colloca oggi in una posizione intermedia tra gli strumenti no-code e i sistemi di assistenza alla programmazione come GitHub Copilot Workspace. Il suo obiettivo è spingersi oltre la semplice automazione: trasformare la relazione con il software in un dialogo, dove l’AI diventa un partner di progetto.
In prospettiva, il successo di Lovable dipenderà dalla sua capacità di garantire qualità, sicurezza e interoperabilità in ambienti professionali. Se questi requisiti verranno soddisfatti, il vibe coding potrebbe segnare un punto di svolta per il modo in cui pensiamo, costruiamo e distribuiamo il software — e l’hackathon di Milano resterà come il suo primo banco di prova europeo.
Veeam Software, società specializzata in soluzioni per la resilienza e la protezione dei dati, ha annunciato la firma di un accordo definitivo per l’acquisizione di Securiti AI, azienda riconosciuta come riferimento nel campo del Data Security Posture Management (DSPM) e della privacy dei dati, per un valore complessivo di 1,725 miliardi di dollari.
L’operazione segna un punto di svolta nel mercato della sicurezza dei dati e dell’intelligenza artificiale, unendo due ambiti fino a oggi spesso separati: la resilienza e la fiducia nei dati.
Un centro di comando unificato per tutti i dati aziendali
Con questa acquisizione, Veeam punta a eliminare la frammentazione tipica dei dati distribuiti tra cloud, applicazioni SaaS, endpoint e sistemi di backup. CIO, CISO e CDO potranno contare su un “Data Command Center” unificato, in grado di offrire visibilità completa, governance, protezione e recupero dei dati – con perdita prossima allo zero e senza interruzioni operative.
La piattaforma integrerà le capacità di resilienza dei dati di Veeam con quelle di Securiti AI in materia di DSPM, privacy, governance e fiducia nell’IA, coprendo sia i dati di produzione sia quelli secondari.
“Siamo entrati in una nuova era per i dati. Non si tratta più solo di proteggerli da minacce informatiche e disastri imprevisti, ma anche di identificarli, garantirne la governance e renderli affidabili per alimentare l’intelligenza artificiale in modo trasparente”, ha dichiarato Anand Eswaran, CEO di Veeam. “Questo è il fattore più critico nel fallimento delle iniziative di IA. Combinando i punti di forza di Veeam e Securiti AI, leader di mercato nei rispettivi ambiti, offriamo una soluzione unica che consente ai clienti di comprendere, proteggere, recuperare e ripristinare i propri dati, liberandone il valore per generare nuove opportunità di business”.
L’IA aziendale ha bisogno di dati affidabili
Il contesto in cui nasce questa operazione è chiaro: secondo le analisi di settore, tra l’80% e il 90% dei progetti di IA fallisce a causa di problemi legati alla qualità, tracciabilità, autorizzazioni e privacy dei dati. Oggi, una parte preponderante delle informazioni aziendali è costituita da dati non strutturati – come email, documenti o interazioni con i clienti – difficili da gestire e proteggere con gli strumenti tradizionali.
La sinergia tra Veeam e Securiti AI punta a risolvere questo squilibrio, fornendo una visione olistica e integrata dell’intero patrimonio informativo.
“L’intelligenza artificiale in ambito enterprise non è possibile senza sicurezza dei dati”, ha sottolineato Rehan Jalil, CEO di Securiti AI. “Unendo le nostre tecnologie con Veeam, offriamo una piattaforma unica che combina resilienza, privacy, governance e fiducia nell’IA per tutti i dati aziendali”.
Securiti AI: l’intelligenza dei dati incontra la sicurezza
La piattaforma Securiti AI è concepita come un Data Command Center che funge da “torre di controllo” per tutti i dati aziendali, a prescindere da dove risiedano – nei cloud pubblici, nei data center on-premise o nelle applicazioni SaaS. Alla base del sistema vi è un grafo di conoscenza proprietario, capace di rappresentare in modo dinamico e contestuale le relazioni tra dati, utenti, applicazioni e modelli di IA. Questo approccio consente non solo di sapere dove si trovano i dati, ma anche che cosa rappresentano, chi li utilizza e per quali scopi.
I componenti chiave della piattaforma
Data Discovery & Classification automatizzati
Il motore di scoperta di Securiti AI utilizza algoritmi di machine learning per individuare automaticamente dati sensibili e critici (PII, PHI, IP, dati finanziari, ecc.) attraverso infrastrutture ibride e multi-cloud. Il sistema etichetta e classifica i dati in base a criteri di sensibilità, conformità e rischio, creando una mappa completa e continuamente aggiornata del patrimonio informativo.
Data Security Posture Management (DSPM)
Il modulo DSPM monitora in tempo reale lo stato di sicurezza dei dati, identificando configurazioni errate, accessi anomali o esposizioni accidentali. Ogni asset viene valutato rispetto a un modello di rischio contestualizzato, e la piattaforma fornisce raccomandazioni automatiche per la mitigazione.
Privacy Automation & Compliance
Securiti AI gestisce le richieste legate alla privacy (come il diritto all’oblio o la portabilità dei dati) in modo automatizzato, garantendo la conformità alle normative globali – dal GDPR al CCPA, fino alle nuove direttive sull’AI Act europeo. Le funzioni di gestione del consenso e data lineage consentono di tracciare in modo puntuale l’origine, le trasformazioni e l’uso dei dati all’interno dell’organizzazione.
GenCore AI e framework agentico
Il cuore cognitivo della piattaforma è GenCore AI, un motore agentico basato su intelligenza artificiale generativa che consente ricerche contestuali e controllate all’interno del patrimonio dati. Gli agent possono essere istruiti per eseguire verifiche di sicurezza, audit di conformità o analisi di esposizione, interagendo con i dati tramite linguaggio naturale ma nel rispetto delle policy aziendali. Questo approccio riduce drasticamente il rischio di fuga di dati verso modelli generativi esterni, garantendo che la conoscenza resti interna e protetta.
Unified Access & Trust Layer
Il livello di fiducia (trust layer) gestisce identità, permessi e accessi a livello granulare. Ogni interazione con i dati è autenticata, tracciata e verificata da policy basate su ruolo e contesto, permettendo alle aziende di alimentare modelli di IA interni in modo sicuro e verificabile.
DSPM e resilienza dei dati: due lati della stessa medaglia
La fusione tra Veeam e Securiti AI nasce dall’incontro tra due discipline complementari: il Data Security Posture Management (DSPM) e la resilienza dei dati.
Il DSPM rappresenta l’approccio proattivo alla sicurezza: serve a individuare dove risiedono i dati, quali sono sensibili o esposti e come vengono utilizzati, fornendo alle organizzazioni una visione costante del proprio rischio informativo. È una forma di intelligence dei dati che punta a prevenire le violazioni, automatizzando analisi, discovery e remediation.
La resilienza dei dati, invece, è l’altra faccia della medaglia: garantisce che, anche in caso di attacco, errore umano o disastro, i dati possano essere recuperati e ripristinati rapidamente, senza perdita e senza interruzioni operative.
È la dimensione della continuità: backup, replica, disaster recovery e orchestrazione dei ripristini sono gli strumenti attraverso cui Veeam ha costruito la propria competenza riconosciuta nel settore.
Integrando i due approcci, la nuova piattaforma Veeam–Securiti consente di chiudere il ciclo della protezione dati, passando dalla prevenzione alla reazione e poi alla continuità.
Da un lato, Securiti AI offre visibilità, governance e controllo proattivo; dall’altro, Veeam assicura la capacità di ripristino e resilienza. Insieme, i due sistemi trasformano la sicurezza dei dati in un processo continuo, dove ogni vulnerabilità può essere identificata, mitigata e – se necessario – neutralizzata con il ripristino immediato delle informazioni.
In questa prospettiva, l’IA diventa un fattore abilitante: non solo perché sfrutta i dati in modo più intelligente, ma anche perché contribuisce a proteggerli, verificandone la qualità e la tracciabilità. È questo, secondo Veeam, il nuovo paradigma della “data trust economy”: un’economia digitale in cui la fiducia nei dati è il prerequisito per ogni innovazione.
Un’integrazione destinata a ridefinire la resilienza intelligente
Secondo Paul Stringfellow, analista di GigaOm, la fusione tra Veeam e Securiti AI “colma il divario tra sicurezza, governance, conformità e resilienza, offrendo una comprensione contestualizzata dei dati e consentendo alle organizzazioni di sapere quali informazioni sono davvero critiche, chi vi accede e perché”.
In un panorama in cui l’intelligenza artificiale è affidabile solo quanto i dati su cui si fonda, la nuova piattaforma punta a rafforzare la fiducia e la sicurezza come prerequisiti dell’innovazione.
Dopo la chiusura dell’acquisizione – prevista entro la fine di quest’anno e soggetta alle consuete approvazioni – Rehan Jalil entrerà in Veeam con il ruolo di President of Security and AI.
Veeam continuerà a offrire il Data Command Center di Securiti AI come parte integrante del proprio portafoglio e annuncerà nuove funzionalità integrate nel corso del VeeamON Global Launch, evento virtuale previsto per il 19 novembre.
È operativo a Donostia-San Sebastián il primo IBM Quantum System Two in Europa. Il sistema è stato installato presso l’IBM-Euskadi Quantum Computational Center, frutto della collaborazione tra IBM e il Governo Basco, e rappresenta una tappa cruciale nella strategia della regione per diventare un hub internazionale nel campo delle tecnologie quantistiche.
L’evento inaugurale ha visto la partecipazione del Presidente del Governo Basco Imanol Pradales, del Direttore di IBM Research Jay Gambetta, del Ministro Basco della Scienza, Università e Innovazione Juan Ignacio Pérez Iglesias, insieme a rappresentanti del mondo accademico e industriale.
IBM Quantum Heron: il cuore da 156 qubit del nuovo sistema
Il nuovo Quantum System Two è alimentato dal processore IBM Quantum Heron, un chip da 156 qubit superconduttori che segna una svolta nella scalabilità del calcolo quantistico. L’architettura heavy-hexagonal e i coupler sintonizzabili consentono di regolare in tempo reale l’interazione fra i qubit, riducendo le interferenze e migliorando l’affidabilità dei calcoli.
L’architettura heavy-hexagonal (o heavy-hex lattice) è la topologia fisica con cui IBM dispone i qubit nei suoi processori di nuova generazione, come il Quantum Heron da 156 qubit. In pratica, definisce come i qubit sono collegati tra loro sul chip: non in una griglia quadrata, ma in una rete esagonale “rinforzata”, che riduce le interferenze e migliora la precisione dei calcoli. Ogni qubit interagisce solo con pochi “vicini diretti”, diminuendo i fenomeni di crosstalk (interferenze fra segnali) e aumentando la fidelity delle operazioni a due qubit. Questa scelta semplifica anche la scalabilità: i chip possono crescere in dimensioni senza moltiplicare gli errori, un passaggio essenziale per arrivare a sistemi con migliaia di qubit. Il compromesso è una connettività leggermente ridotta – alcuni algoritmi richiedono più passaggi per far “dialogare” qubit lontani – ma i benefici in stabilità e affidabilità rendono la heavy-hex una delle architetture più promettenti per il calcolo quantistico applicativo.
I coupler sintonizzabili (tunable couplers) sono componenti che controllano dinamicamente l’interazione tra due qubit. In un chip quantistico superconduttore, i qubit devono interagire solo quando serve — ad esempio, durante l’esecuzione di una porta a due qubit — e rimanere isolati negli altri momenti per evitare disturbi. I coupler sintonizzabili permettono esattamente questo: possono “accendere” o “spegnere” il legame tra due qubit regolando il flusso magnetico in un circuito superconduttore chiamato SQUID (Superconducting Quantum Interference Device). Il risultato è un controllo più preciso, una riduzione drastica del rumore residuo e una fedeltà superiore al 99,8% nelle operazioni a due qubit. Questa architettura consente a IBM di aumentare il numero di qubit senza sacrificare la qualità del calcolo, aprendo la strada a sistemi più affidabili e scalabili.
Rispetto alla precedente generazione Eagle (127 qubit), Heron può eseguire fino a 5.000 operazioni a due qubit, con un livello di precisione mai raggiunto da IBM.
Questo incremento di prestazioni è dovuto anche alla riduzione del rumore e alla mitigazione dei cosiddetti two-level systems (TLS), difetti microscopici che degradano la coerenza quantistica. Il risultato è un processore in grado di eseguire algoritmi complessi su scala industriale, un passo decisivo verso l’era della quantum utility: quando il calcolo quantistico diventa realmente utile per applicazioni scientifiche e produttive.
BasQ – Basque Quantum: l’ecosistema che alimenta la rivoluzione quantistica
Il progetto IBM-Euskadi si inserisce nel più ampio programma BasQ – Basque Quantum, lanciato dal Governo Basco nel 2023 con l’obiettivo di creare un ecosistema integrato per lo sviluppo delle tecnologie quantistiche.
BasQ collega ricerca, industria e formazione attraverso quattro assi principali:
Ricerca scientifica, che include progetti in fisica dei materiali, simulazioni quantistiche e chimica computazionale, realizzati anche in collaborazione con IBM.
Formazione, con programmi universitari e post-laurea per creare la prossima generazione di talenti quantistici, unendo fisica, informatica e ingegneria.
Innovazione industriale, per trasferire le tecnologie quantistiche alle imprese nei settori energia, biomedicina e manifatturiero avanzato.
Infrastruttura tecnologica, rappresentata proprio dal nuovo IBM Quantum System Two, che costituisce il fulcro operativo dell’intero ecosistema.
BasQ è quindi più di un progetto di ricerca: è un modello di politica industriale quantistica basata sulla cooperazione pubblico-privata e sulla creazione di valore economico locale. Nei prossimi anni, la rete intende attrarre startup, investitori e ricercatori internazionali, consolidando la posizione dell’Euskadi come polo di riferimento per il quantum computing nel Sud Europa.
La visione IKUR 2030: scienza, impresa e autonomia tecnologica
L’iniziativa BasQ nasce all’interno della strategia IKUR 2030, il piano decennale con cui il Governo Basco punta a rafforzare la capacità scientifica e tecnologica del territorio.
IKUR identifica quattro aree prioritarie: neurobioscienze, tecnologie quantistiche, neutrionica e HPC & AI (supercalcolo e intelligenza artificiale) con il duplice obiettivo di attrarre talento e generare valore economico.
Entro il 2030, la strategia prevede la creazione di 400 nuovi posti di ricerca d’eccellenza, la nascita di oltre 20 imprese deep tech e la mobilitazione di oltre 280 milioni di euro in investimenti pubblici e privati. In questo contesto, il Quantum System Two diventa la componente infrastrutturale chiave per tradurre la visione IKUR in realtà scientifica e industriale.
I Paesi Baschi: innovazione e industria ad alta tecnologia
Con poco più di 2,2 milioni di abitanti, i Paesi Baschi (Euskadi) rappresentano una delle regioni più avanzate d’Europa dal punto di vista industriale e tecnologico.
Il territorio genera circa il 6% del PIL spagnolo, sebbene il territorio accolga solo il 4,7% della popolazione del Paese e ospita un tessuto produttivo fortemente orientato all’export e all’innovazione, con cluster nei settori automotive, energia, biotecnologie, robotica e materiali avanzati.
L’impegno nel calcolo quantistico rientra in una strategia più ampia di reindustrializzazione tecnologica e autonomia scientifica, in linea con la visione europea di sovranità digitale. Attraverso programmi come IKUR e BasQ, l’Euskadi sta costruendo un modello di sviluppo che coniuga ricerca, competitività e formazione di nuove competenze.
Un laboratorio per l’Europa del futuro
Con l’inaugurazione del primo IBM Quantum System Two del continente, i Paesi Baschi entrano ufficialmente nella rete globale di calcolo quantistico di IBM, insieme a Stati Uniti e Giappone.
Il centro di San Sebastián non è soltanto un impianto scientifico, ma un laboratorio per l’Europa del futuro: un luogo dove la ricerca di frontiera incontra la politica industriale, e dove la tecnologia quantistica inizia a tradursi in valore concreto per l’economia reale.
Le identità digitali sono diventate il punto nevralgico della sicurezza informatica. Nel 2025, secondo il nuovo report State of Identity Security di Cisco Duo, l’attenzione delle aziende si sposta dal firewall ai profili utente, dalle reti agli accessi, dai perimetri fisici alla gestione distribuita delle credenziali.
L’indagine, condotta su 650 leader IT e della sicurezza tra Europa e Nord America, evidenzia come la transizione verso un modello di lavoro ibrido, l’adozione del cloud e la proliferazione delle supply chain digitali abbiano reso la gestione delle identità un elemento strutturale del rischio.
Eppure, nonostante la crescente consapevolezza, solo un terzo dei professionisti (33%) si dichiara fiducioso nella capacità del proprio identity provider di prevenire attacchi basati sull’identità.
Una sfiducia che riflette l’ampiezza della superficie d’attacco e la frammentazione dei sistemi: in media, un’azienda gestisce le proprie identità su quasi cinque piattaforme differenti, ognuna con policy e livelli di protezione diversi.
Un’infrastruttura troppo complessa per essere sicura
La confidence crisis – come la definisce Cisco – nasce da un fattore strutturale: la complessità architetturale. Il 94% dei responsabili IT riconosce che la crescente stratificazione dei sistemi di autenticazione e la moltiplicazione degli strumenti di gestione hanno reso le infrastrutture di identità difficili da governare.
Il risultato è una sicurezza disomogenea: il 75% degli intervistati ammette di non avere visibilità completa sulle vulnerabilità legate alle identità, con particolare preoccupazione per gli account privilegiati o dormienti.
Cisco invita a trattare la semplificazione come un obiettivo architetturale, non come un esercizio di efficienza. Meno strumenti significano più controllo, minori superfici esposte e una risposta più rapida agli incidenti.
Non sorprende che oltre la metà delle aziende (51%) abbia già subito danni economici dovuti a violazioni delle identità, a conferma di come la gestione disgiunta dei dati e la scarsa integrazione tra strumenti siano diventate vulnerabilità operative a tutti gli effetti.
AI: minaccia e alleata
L’intelligenza artificiale è la nuova variabile della sicurezza. Da un lato, l’AI alimenta una generazione di attacchi sempre più sofisticati: phishing basato su deepfake vocali, impersonificazioni realistiche e campagne automatizzate di credential stuffing, ovvero la tecnica di attacco informatico che sfrutta credenziali (username e password) rubate o trapelate da altri servizi per tentare di accedere in modo automatico a diversi account online. In pratica, gli aggressori “riciclano” coppie di credenziali ottenute da precedenti violazioni di dati — spesso disponibili nel dark web — e le provano in massa su altri siti o applicazioni, sfruttando il fatto che molti utenti riutilizzano la stessa password su più piattaforme.
Il 44% dei leader cita proprio il phishing AI-driven come la principale minaccia emergente, seguita dal rischio insider e dagli attacchi alla supply chain.
Dall’altro lato, la stessa AI diventa strumento di difesa e ottimizzazione: l’85% delle aziende dichiara di aver adottato un approccio security-first che sfrutta l’intelligenza artificiale per automatizzare la detection comportamentale, migliorare la telemetria e rafforzare i controlli di accesso adattivi.
Cisco sottolinea come l’AI non debba essere vista solo come una minaccia emergente, ma come un fattore di accelerazione della maturità digitale, capace di ridurre il tempo di risposta alle anomalie e di individuare pattern di rischio invisibili alle difese tradizionali.
Uno dei dati più preoccupanti del report riguarda il divario tra consapevolezza e attuazione.
L’87% dei professionisti riconosce che un’autenticazione multifattore (MFA) resistente al phishing è fondamentale, ma solo il 30% ritiene efficaci i controlli attualmente in uso, e il 19% ha implementato token FIDO2, lo standard che garantisce la massima resistenza agli attacchi basati su credenziali.
Le cause del ritardo sono chiare: gestione dei token (57%), necessità di formazione (53%) e costi hardware (47%) restano gli ostacoli principali all’adozione su larga scala.
Tuttavia, la direzione è tracciata: il 61% delle aziende prevede di introdurre soluzioni passwordless, che eliminano la dipendenza dalle credenziali statiche e riducono l’impatto del login fatigue, la stanchezza da login che deriva dalle troppo frequenti richieste di autenticazione.
Secondo Cisco, l’obiettivo non è solo tecnologico ma culturale: integrare l’autenticazione nel flusso di lavoro senza introdurre frizioni per gli utenti. È questo il cuore della filosofia phishing-resistant by design che guida lo sviluppo di Duo e Identity Intelligence.
Security-first Identity: integrare, non aggiungere
Il 74% dei leader IT riconosce che la sicurezza delle identità entra spesso in gioco solo dopo una violazione o una revisione di compliance. Un approccio reattivo che, secondo Cisco, genera costi e complessità evitabili.
Le aziende più mature stanno passando a un modello di security-first Identity Access Management (IAM), in cui la protezione è incorporata fin dall’architettura: policy centralizzate, telemetria condivisa e automazione dei controlli.
Solo il 52% delle organizzazioni, però, ha già integrato pienamente i dati di identità e dispositivo, segno che il divario di visibilità resta ampio.
Un altro fronte critico riguarda la gestione delle identità esterne e temporanee. L’86% dei responsabili teme controlli inadeguati su collaboratori e fornitori, e il 57% dichiara di aver già registrato accessi non autorizzati da parte di utenti terzi.
Cisco raccomanda la separazione dei directory per le terze parti, con provisioning e deprovisioning automatizzati, in modo da ridurre il rischio di credenziali “orfane” e accessi persistenti.
Consolidare per semplificare
La proliferazione di strumenti di sicurezza sta generando un effetto collaterale: l’eccesso di complessità operativa.
Il 79% delle aziende sta valutando la consolidazione dei fornitori di identità come leva per migliorare la visibilità e ridurre i costi di gestione. Parallelamente, l’aumento dei budget – l’82% dei CFO ha incrementato gli investimenti in sicurezza delle identità – segnala una volontà concreta di chiudere le falle storiche e modernizzare l’infrastruttura IAM.
La parola d’ordine è “integrazione”: il 76% delle aziende ritiene che i propri strumenti di gestione delle identità debbano interoperare nativamente con AWS, Microsoft e Google, evitando ecosistemi chiusi e silos informativi.
Cisco Duo e Identity Intelligence: verso una telemetria unificata
Nel suo report, Cisco propone una visione basata su semplificazione, visibilità e automazione. Soluzioni come Cisco Duo e Cisco Identity Intelligence rappresentano il modello di riferimento per una gestione integrata delle identità, capace di unire autenticazione multifattore, analisi comportamentale e monitoraggio continuo.
La combinazione di telemetria unificata e controlli adattivi in tempo reale consente ai team di sicurezza di reagire in modo dinamico ai cambiamenti del contesto, migliorando la resilienza senza sacrificare l’esperienza utente. È l’evoluzione del paradigma zero trust: non fidarsi mai, verificare sempre, ma farlo con efficienza e semplicità.
L’identità come fondamento della fiducia digitale
Il messaggio che emerge dallo State of Identity Security 2025 è chiaro: l’identità rappresenta oggi il nuovo perimetro aziendale, e garantirne la protezione è diventato un obiettivo strategico per ogni organizzazione. La crescente convergenza tra AI, cloud e automazione impone un cambio di paradigma: dalla difesa perimetrale alla sicurezza per identità.
Le organizzazioni che sapranno adottare un approccio security-first, integrato e basato sulla telemetria, non solo ridurranno l’esposizione agli attacchi, ma costruiranno le basi per una fiducia digitale sostenibile, perché nell’era dell’intelligenza artificiale, proteggere l’identità significa proteggere la continuità stessa del business.
Si è tenuto presso gli spazi di SmartCityLab Milano, in via Ripamonti 88, il Selection Day, l’evento che ha svelato le 10 realtà innovative che prenderanno parte a Human+AI, il programma di accelerazione pensato per trasformare idee all’avanguardia in progetti concreti per la città. SmartCityLabMilano è lo spazio dedicato all’imprenditorialità e all’innovazione urbana per lo sviluppo di soluzioni destinate alla Città Intelligente, ed è, in particolare, l’unico incubatore a essere specializzato nell’ambito Smart City e in quanto tale con Human+AI supporta team imprenditoriali e startup che stanno lavorando a idee digitali, sostenibili e scalabili per il contesto urbano.
A seguito della call4startup lanciata il 22 luglio scorso nell’evento inaugurale dello spazio, tra le candidature pervenute, sono 10 le realtà che si sono distinte per creatività, innovazione e sostenibilità: CityZ; Care2Impact; MineCrime; MyTeseo; PowandGO; Niino; Next; KlaraWearables; FlexyGrid e Lobbi. La selezione è stata affidata a una giuria di esperti, investitori e rappresentanti del mondo corporate che ha valutato ogni progetto in base a criteri chiari e rigorosi, tra cui: impatto ambientale e sociale, forza del team, livello di innovazione, rispondenza al mercato, attrattività di investimento, chiarezza della value proposition e potenziale di scalabilità.
Human+AI si distingue per l’integrazione della dimensione umana e dell’intelligenza artificiale, con un approccio attento all’etica e alla sostenibilità, promuovendo connessioni strategiche tra startup, aziende e istituzioni e supportando lo sviluppo di soluzioni urbane in settori come energia, mobilità, housing, dati e servizi pubblici.
Gratuito ed equity-free, il percorso di crescita prenderà il via il prossimo 27 ottobre combinando formazione, mentorship e networking, sia online sia negli spazi fisici del Lab. Ai partecipanti verrà fornita la possibilità di validare il proprio modello di business, accedere a una rete di stakeholder e sperimentare progetti digitali, sostenibili e scalabili.
“SmartCityLab Milano si proietta verso il futuro come punto di riferimento per l’evoluzione urbana, alimentato dall’energia e dalla visione delle startup selezionate dal programma Human+AI. Tramite soluzioni concrete, scalabili e orientate a impatti positivi su cittadinanza e aree urbane, queste aziende innovative contribuiranno a trasformare Milano, e non solo, in città più intelligenti, inclusive e sostenibili – ha dichiarato Laura Prinzi, General Manager di SmartCityLab Milano – Lo SmartCityLab Milano, grazie all’ecosistema che sta costituendo, diventa un acceleratore di cambiamento reale, capace di anticipare i bisogni della città di domani, testare soluzioni in ambiente reale e generare un impatto sistemico e duraturo”.
Le startup genereranno un impatto concreto coinvolgendo diversi attori chiave del contesto urbano. Per i cittadini, svilupperanno soluzioni accessibili e orientate all’utente, in grado non solo di migliorare l’esperienza quotidiana all’interno della città, ma anche di aumentare l’efficienza dei servizi e promuovere una partecipazione più attiva alla vita pubblica. Le istituzioni, inoltre, potranno beneficiare di strumenti innovativi pensati per supportare la governance del territorio, la gestione dei dati urbani e la pianificazione delle politiche pubbliche. Allo stesso tempo, il tessuto imprenditoriale sarà valorizzato attraverso la creazione di sinergie tra startup, grandi imprese e attori pubblici, favorendo così la nascita di nuovi modelli di business sostenibili e ad alto valore aggiunto.
Le startup selezionate da Smartcitylab Milano per prendere parte a Human+AI
CityZ semplifica l’esperienza di parcheggio urbano con soluzioni di Smart Parking. Attraverso sensori IoT brevettati e tecnologie avanzate per la rilevazione dei veicoli, punta a migliorare la vita quotidiana dei cittadini e rendere la mobilità più efficiente e sostenibile.
Care2Impact è una piattaforma multifunzionale che guida passo dopo passo pazienti e operatori sanitari, dalla diagnosi all’assistenza quotidiana. Fornisce checklist personalizzate, informazioni affidabili e strumenti per accedere a servizi utili, il tutto in un unico posto, 24 ore su 24, 7 giorni su 7.
Minecrime elabora e fornisce analytics sui crimini e la loro distribuzione nel tempo e nello spazio. Attraverso i dati raccolti e analizzati dal software, il team produce report in grado di evidenziare aree di rischio urbano, anche prospettico. Il software è in grado di rappresentare in mappa, grazie a un web-GIS integrato, i dati raccolti e i modelli di rischio prodotti nel corso delle analisi.
MyTeseo è un MVP, sviluppato nel 2023, in fase di sperimentazione con famiglie di pazienti pluripatologici in condizioni di disabilità. Queste famiglie, appartenenti ad associazioni di malattie rare, sono un cluster iniziale protetto con forti necessità di gestione integrata delle informazioni, comunicazione e condivisione a più livelli.
Powandgo è il primo servizio di charge sharing nato da un progetto 100% italiano. Grazie a Powandgo chiunque potrà diventare un erogatore di energia per tutti i veicoli elettrici. I prodotti Powandgo sono di altissima qualità e permettono di poter guadagnare da subito entrando nella rete ufficiale del charge sharing tra privati.
Niino è la prima piattaforma end-to-end basata sull’intelligenza artificiale progettata per rivoluzionare il trasporto medico non urgente (NEMT) in Europa, rendendo la mobilità sanitaria efficiente, trasparente e accessibile a tutti.
La missione di Next è rendere l’indipendenza energetica accessibile, versatile e sostenibile, offrendo soluzioni avanzate a chi vive, lavora o immagina un mondo libero dai collegamenti tradizionali. Con il suo motto “Thinking Off-Grid”, si vuole ispirare uno stile di vita più libero e sostenibile, offrendo soluzioni che vanno oltre le infrastrutture tradizionali rispondendo alle esigenze di un mondo in continuo movimento.
Klara Wearables produce occhiali fashion per la purificazione dell’aria, capaci di rimuovere inquinamento, pollini e batteri dall’aria di chi gli indossa. Il design è ispirato dalle antiche maschere Veneziane, riviste in chiave moderna, e la nostra tecnologia è brevettata e scalabile, aprendo le porte a collaborazioni con grossi gruppi produttori di occhiali.
FlexyGrid sviluppa una piattaforma digitale per la gestione della flessibilità energetica che utilizza analisi predittive e algoritmi di ottimizzazione per prevedere e modulare i consumi di edifici, comunità energetiche, aziende energivore e non solo a beneficio della costruzione di una grid cittadina.
Al Dreamforce 2025, Salesforce ha segnato una nuova tappa nella storia del lavoro digitale. Con il lancio di Agentforce 360, l’azienda guidata da Marc Benioff porta a maturazione la propria visione dell’intelligenza artificiale come forza di amplificazione del talento umano.
Non più una tecnologia che automatizza processi isolati, ma una piattaforma che integra agenti digitali e operatori umani in un unico ecosistema intelligente e governato.
È la nascita dell’Agentic Enterprise: un modello in cui AI, dati e persone collaborano in tempo reale per creare valore continuo.
“Stiamo entrando nell’era dell’impresa agentica, in cui l’intelligenza artificiale eleva il potenziale umano come mai prima d’ora”, ha dichiarato Benioff. “Agentforce 360 connette operatori umani, agenti e dati in un’unica piattaforma sicura, offrendo a ogni lavoratore e a ogni azienda la possibilità di raggiungere risultati che non avrebbero mai ritenuto possibili”.
L’annuncio di Agentforce 360 è il culmine di un anno di sperimentazione in cui Salesforce ha agito come Customer Zero, testando internamente la piattaforma per verificarne performance e governance.
Le quattro tappe — Agentforce, Agentforce 2, Agentforce 2dx e Agentforce 3 — hanno progressivamente esteso interoperabilità, controllo e scalabilità, fino a definire un sistema che unisce automazione, contesto e collaborazione continua.
Oggi la piattaforma si fonda su quattro pilastri:
Agentforce 360, cuore operativo in cui nascono e agiscono gli agenti AI;
Data 360, che unifica e contestualizza le informazioni aziendali;
Customer 360 Apps, che traduce la logica di business in conoscenza attiva;
Slack, divenuto l’interfaccia collaborativa fra intelligenze umane e digitali.
Hybrid Reasoning: la mente dell’Agentic Enterprise
Al centro di Agentforce 360 pulsa il nuovo motore di ragionamento ibrido, una delle innovazioni più profonde di Salesforce.
L’Hybrid Reasoning fonde due mondi: la logica deterministica, che governa policy e processi, e la flessibilità cognitiva dei Large Language Model (LLM), capaci di interpretare linguaggio naturale e intenzioni complesse. Questo doppio circuito consente agli agenti di ragionare come persone, ma agire con la disciplina di un software enterprise.
Quando un cliente chiede un rimborso o un tecnico segnala un guasto, il modello linguistico comprende la richiesta, ne deduce il contesto, e il motore deterministico esegue l’azione entro i limiti aziendali. L’agente non improvvisa: segue la logica definita in Agent Script, ma sa adattarsi a tono e contesto. La componente deterministica garantisce precisione e tracciabilità; quella generativa aggiunge empatia e fluidità. È un equilibrio che trasforma l’agente da semplice chatbot a collaboratore digitale autonomo.
A orchestrare il tutto è l’Atlas Reasoning Engine, il cuore cognitivo della piattaforma. Atlas interpreta l’intento, arricchisce il contesto attingendo da Data 360, pianifica le azioni e ne verifica l’esecuzione attraverso meccanismi di self-evaluation. Un ciclo continuo di comprensione, decisione, azione e controllo, tracciabile attraverso dashboard di osservabilità: una condizione imprescindibile per la fiducia e la conformità normativa dell’AI enterprise.
Agentforce Voice: la voce come nuova interfaccia dell’intelligenza
Con Agentforce Voice, Salesforce introduce un nuovo modo di interagire con l’AI aziendale: la voce come linguaggio operativo. Non è un semplice voicebot, ma un canale conversazionale integrato nel cuore di Agentforce 360, alimentato dal motore di Hybrid Reasoning.
Ogni interazione parlata diventa un’azione eseguibile. Un cliente può dire: “Vorrei spostare la consegna di domani alle 17” e l’agente, dopo aver compreso l’intento, aggiorna l’ordine, notifica il magazzino e conferma l’operazione. Un tecnico può aggiungere: “Segna che ho sostituito il modulo 12 e scatta una foto del contatore” — e l’agente registra la voce, archivia l’immagine e aggiorna la scheda intervento tramite Voice to Form.
Il motore Atlas distingue tra linguaggio e azione: il modello gestisce dialogo e tono, mentre la parte deterministica controlla accessi e coerenza con i flussi di business. Ogni istruzione vocale è validata dal contesto di Data 360 prima di diventare un’operazione effettiva. In questo modo, le aziende possono attivare servizi vocali end-to-end, senza compromettere governance e sicurezza.
La conversazione può iniziare a voce, proseguire in chat e concludersi via e-mail, mantenendo sempre il contesto utente nel Customer 360. È un approccio omicanale che aumenta l’efficienza e amplia l’accessibilità — permettendo l’interazione anche a personale mobile o con limitazioni visive. Nei casi pilota, come Reddit, i tempi medi di risposta si sono ridotti fino all’84%, con forte crescita nella soddisfazione del cliente.
Agentforce Builder: il laboratorio low-code della nuova intelligenza operativa
All’interno dell’ecosistema, Agentforce Builder è il laboratorio dove l’intelligenza prende forma. È un ambiente di sviluppo low-code e conversazionale, pensato per progettare e distribuire agenti AI di livello enterprise che non si limitano a rispondere, ma agiscono e apprendono.
Invece di programmare, i team descrivono in linguaggio naturale cosa deve fare un agente, quali strumenti usare e dove reperire i dati. Il sistema traduce le istruzioni in Agent Script, definendo logiche e limiti. Ogni agente è testato in sandbox, con conversazioni simulate, prima della distribuzione.
Builder nasce governato per design: versionamento, auditing, metriche e controlli di sicurezza sono integrati. Tutte le azioni rispettano i vincoli di Data 360 e le policy aziendali. Grazie alla componente di Observability, i responsabili IT possono monitorare accuratezza, tempi di risposta e conformità a GDPR e AI Act.
Gli agenti sviluppati in Builder sfruttano nativamente l’Hybrid Reasoning Engine, alternando parti deterministiche (workflow, validazioni) e parti linguistiche (interpretazione, sintesi). Il risultato è una generazione di agenti “ibridi”, capaci di comprendere e agire con coerenza. Una volta testati, gli agenti vengono distribuiti direttamente su Slack, dove collaborano in tempo reale nei canali di lavoro.
Builder è compatibile con il Model Context Protocol (MCP) e con modelli esterni come Claude, Gemini o GPT, permettendo un ecosistema aperto e tracciabile. Nei casi pilota, Salesforce ha mostrato riduzioni del time-to-value da settimane a ore: il perfetto equilibrio fra creatività distribuita e sicurezza centralizzata.
Agentforce Vibes: il low-code incontra l’intelligenza generativa
Se Voice è la nuova interfaccia, Agentforce Vibes è la nuova metodologia di sviluppo. Introduce il concetto di vibe-code, che permette di creare esperienze AI tramite linguaggio naturale. Un vibe rappresenta un comportamento: un flusso, una regola, una personalità operativa.
Un utente può dire: “Crea un agente per il marketing che analizzi le campagne e invii un report settimanale.” Vibes genera automaticamente la logica, collega i dati e applica le policy. Ogni vibe è documentato, tracciato e governato.
Il sistema applica metriche di accuratezza e controlli di compliance, risolvendo il problema della black box AI. In questo modo, l’AI diventa una risorsa progettabile e industrializzabile: non più un esperimento, ma un modulo produttivo governato e versionabile. Per Salesforce, Vibes segna la nascita di una nuova grammatica del lavoro cognitivo: il design del comportamento sostituisce il design del software.
Data 360: il cervello informativo dell’Agentic Enterprise
Se l’AI è il motore dell’Agentic Enterprise, Data 360 ne è il cervello. Non è un data lake, ma un sistema cognitivo di contesto, capace di unificare e interpretare dati strutturati e non strutturati, rendendoli intelligibili agli agenti AI. Ogni agente accede a un contesto informativo aggiornato e verificato: CRM, transazioni, documenti, e-mail, grafici, persino file multimediali. Intelligent Context consente di comprendere manuali o diagrammi con la stessa sicurezza di un database. È ciò che trasforma l’AI da motore di automazione a sistema cognitivo distribuito.
La componente Tableau Semantics fornisce un linguaggio condiviso per l’intera impresa. Attraverso il modello Customer 360 Semantic Data Model (SDM), tutti gli agenti — finance, marketing, operations — interpretano i dati con la stessa semantica. Collaborazioni con Databricks, dbt Labs e Snowflake ampliano questa interoperabilità.
Ogni accesso è tracciato; le policy di grounding dinamico e zero retention garantiscono sicurezza e conformità al GDPR e all’AI Act e ogni decisione è auditabile, con l’obiettivo per Data 360 non solo di archiviare informazioni, ma di costruire fiducia verificabile.
Nei casi Reddit, Adecco e OpenTable, la combinazione fra Data 360 e Hybrid Reasoning ha ridotto tempi, errori e ambiguità: le decisioni AI non sono probabilistiche, ma radicate nei fatti.
Customer 360 Apps: l’intelligenza applicata ai flussi di business
Se Data 360 fornisce il contesto, le Customer 360 Apps rappresentano il livello operativo in cui l’intelligenza agentica si traduce in risultati concreti.
Salesforce le descrive come la “pelle applicativa” dell’ecosistema: moduli verticali che portano gli agenti AI dentro i processi core dell’impresa, trasformando vendite, marketing, assistenza e operations in flussi dinamici e auto-ottimizzanti.
Ogni applicazione è alimentata dal motore di Hybrid Reasoning e arricchita dai dati di Data 360, permettendo decisioni basate su contesto, cronologia e policy. Gli agenti non si limitano a recuperare informazioni, ma comprendono obiettivi e priorità. Ogni modulo — Sales, Service, Marketing, IT o Field — diventa un agente applicativo capace di apprendere e migliorare.
Agentforce Sales
All’interno di Sales Cloud, gli agenti di Agentforce Sales trasformano la pipeline in un sistema predittivo che analizza lead, valuta probabilità di chiusura e suggerisce azioni successive. La componente deterministica assicura coerenza con le regole aziendali; quella generativa interpreta segnali e linguaggio del cliente. Il risultato è una vendita che anticipa le opportunità.
Agentforce Service
Nel customer service, gli agenti alimentano il nuovo Command Center for Service, coordinando in tempo reale ticket, chatbot e operatori. Le conversazioni vengono analizzate semanticamente per anticipare criticità o proporre escalation automatiche. Con l’integrazione di Voice e Slack, l’assistenza diventa realmente omicanale e predittiva.
Agentforce Marketing
In Marketing Cloud, gli agenti AI progettano campagne basate sui dati, generano contenuti coerenti e simulano impatti su ROI ed engagement prima della pubblicazione. Ogni output è verificato dalle policy definite in Agent Script, garantendo coerenza con tono e compliance del brand. È la fusione tra creatività generativa e governance.
Agentforce IT e Field Service
Nel dominio IT, gli agenti categorizzano richieste, suggeriscono soluzioni e automatizzano diagnosi. Nel Field Service, integrano mappe Esri e Voice to Form per supportare tecnici in mobilità. È il paradigma dell’assistenza cognitiva sul campo, dove la voce diventa input operativo.
Verticali intelligenti
Con Agentforce 360 for Industries, Salesforce porta la logica agentica nei settori verticali — sanità, PA, finanza, manifattura — offrendo modelli preconfigurati basati su semantiche e regole specifiche. Ogni vertical è pronto per la governance e la conformità nativa.
Customer 360 Apps condivide gli stessi principi di fiducia, tracciabilità e Hybrid Reasoning. I reparti non lavorano più in silo: vendite alimentano il marketing, l’assistenza arricchisce i dati e l’IT supporta le decisioni in tempo reale. È la visione del business orchestrato: un’impresa in cui ogni agente, umano o digitale, contribuisce a un unico ciclo continuo di conoscenza e azione.
Slack: il sistema operativo conversazionale dell’impresa agentica
Con Agentforce 360, Slack diventa il sistema operativo della collaborazione AI. Non è più un canale di chat, ma l’ambiente in cui persone e agenti digitali condividono contesto, informazioni e decisioni. Le app Slack-First — Sales, IT Service, HR Service, Tableau Next — portano gli agenti nei canali di lavoro. Un commerciale può chiedere “@Agentforce mostrami i lead con chiusura oltre il 70%” e ottenere il report in tempo reale; un tecnico può aprire ticket via messaggio. Ogni conversazione può generare un’azione, ogni dato è richiamabile nel momento esatto in cui serve.
Il Channel Expert Agent è la presenza cognitiva che osserva i canali, suggerisce informazioni, allega documenti o avvia workflow, mentre la nuova Enterprise Search, grazie al Model Context Protocol (MCP), permette di interrogare contemporaneamente più modelli AI — Claude, Gemini, GPT — e più fonti esterne come Drive o GitHub.
Slack diventa così hub cognitivo dell’organizzazione, in cui la conversazione è la vera interfaccia universale.
Il nuovo Slackbot è un assistente intelligente che redige riassunti, note, risposte e comunicazioni coerenti con il tono aziendale, attingendo a Data 360. Ogni messaggio prodotto dagli agenti è tracciato e verificabile. È l’incarnazione della collaboration intelligence: un sistema in cui la produttività nasce dall’interazione continua tra persone e AI.
Slack eredita i principi di trust e osservabilità: ogni interazione è loggata, ogni risposta verificabile, ogni deviazione corretta. La governance conversazionale — il controllo su come e cosa comunica l’AI — diventa una nuova competenza organizzativa.
Dall’automazione all’orchestrazione intelligente
Con Agentforce 360, Salesforce supera l’automazione per entrare nell’era dell’orchestrazione intelligente. Gli agenti non eseguono soltanto ordini: coordinano flussi, apprendono dal contesto e collaborano con le persone.
L’AI non opera in background, ma dentro la trama operativa delle imprese, creando equilibrio tra controllo umano e autonomia digitale. Per Salesforce rappresenta un salto qualitativo: l’AI predicibile, trasparente e conforme diventa il tessuto cognitivo dell’organizzazione. Per il tessuto industriale italiano, frammentato ma tecnologicamente ricettivo, Salesforce propone un modello pragmatico: unificare dati, processi e linguaggi in un’unica architettura intelligente, che permette alle imprese di agire con la velocità di un algoritmo e la sensibilità di un team umano.
Con il nuovo Ascent GX10, Asus entra nel segmento emergente dei personal AI supercomputer: sistemi compatti progettati per offrire capacità di calcolo su scala petaFLOP in formato desktop.
L’obiettivo è chiaro: portare la potenza delle architetture NVIDIA Grace Blackwell nei laboratori di sviluppo, nei centri di ricerca e persino negli uffici tecnici, dove la possibilità di addestrare o ottimizzare modelli AI in locale sta diventando un’esigenza concreta per ragioni di sicurezza, latenza e controllo dei costi.
Architettura e potenza computazionale
Il cuore del sistema è il superchip NVIDIA GB10 Grace Blackwell, un’unità che fonde su un unico die una CPU ARM v9.2-A Grace a 20 core e una GPU Blackwell, connessi tramite NVLink-C2C, che fornisce un modello di memoria coesivo CPU+GPU con una larghezza di banda cinque volte superiore a quella di PCIe 5.0, eliminando il tradizionale collo di bottiglia tra CPU e GPU, consentendo la condivisione diretta dei dati e riducendo sensibilmente la latenza di inferenza e training.
Grazie a questo approccio, Ascent GX10 raggiunge fino a 1 petaFLOP di potenza AI in un volume di appena 150 × 150 × 51 mm. Le prestazioni lo avvicinano a quelle di un server rack dedicato, ma con un consumo energetico notevolmente inferiore e una gestione termica 1,6 volte più efficiente rispetto ai sistemi compatti di generazione precedente.
La memoria unificata LPDDR5x da 128 GB garantisce una banda di comunicazione ad alta coerenza, permettendo di gestire modelli fino a 200 miliardi di parametri — un traguardo che apre la strada a scenari di fine-tuning e inferenza di modelli multimodali, come i Vision-Language Models (VLM) o le reti neurali per robotica avanzata.
Il design scalabile del GX10 consente inoltre di collegare due unità tramite interfacce NVIDIA ConnectX-7, raddoppiando la potenza a 2 petaFLOP e portando la memoria complessiva a 256 GB. È, di fatto, un micro-cluster personale, in grado di eseguire simultaneamente pipeline di training, validazione e inferenza in un ambiente completamente locale.
Software e integrazione con l’ecosistema NVIDIA
Dal punto di vista software, il GX10 adotta la piattaforma NVIDIA DGX OS e l’ambiente NVIDIA AI Software Stack, una combinazione che replica in scala ridotta l’infrastruttura dei sistemi DGX impiegati nei data center.
Questo approccio “full-stack” permette di utilizzare in modo nativo framework e toolkit come NVIDIA TensorRT, per l’ottimizzazione e l’inferenza dei modelli o NVIDIA NeMo e Triton Inference Server, per la gestione e l’esecuzione di modelli linguistici e multimodali oltre a NVIDIA AI Enterprise, per orchestrare i carichi di lavoro su cluster locali o ibridi.
L’integrazione nativa riduce i tempi di configurazione e consente di mantenere la consistenza operativa tra ambienti cloud e on-premise, un aspetto cruciale per i team che desiderano validare localmente i modelli prima del deployment in produzione.
Inoltre, la compatibilità con la suite CUDA-X e PyTorch assicura interoperabilità con le pipeline di sviluppo esistenti, rendendo il GX10 adatto anche come nodo sperimentale in infrastrutture distribuite.
Efficienza termica e ingegnerizzazione meccanica
Per GX10 Asus ha progettato un sistema di raffreddamento a doppia ventola con cinque heat pipe e controllo della velocità su sette livelli, in grado di adattarsi automaticamente ai carichi computazionali senza penalizzare le prestazioni o generare rumore eccessivo.
Le ventole da 140×80 mm, disposte in configurazione push-pull, aspirano aria dal fondo e la convogliano verso l’alto, creando un flusso verticale che mantiene temperature uniformi anche durante carichi di training prolungati.
È una soluzione più vicina alla filosofia dei server edge che non a quella dei PC consumer, segno della convergenza tra il mondo del personal computing e quello dell’HPC.
Configurazioni di storage e connettività
Asus propone tre configurazioni di archiviazione, differenziate per capacità e interfaccia:
1 TB PCIe 4.0 x4 per applicazioni di test e prototipazione;
2 TB PCIe 4.0 x4 per ambienti di sviluppo con dataset medi;
4 TB PCIe 5.0 x4 per workload su larga scala o modelli multipli in esecuzione parallela.
La connettività è completa: Wi-Fi 7 (Gig+), Bluetooth 5, una porta LAN 10 Gbps, tre USB 3.2 Gen 2×2 Type-C da 20 Gbps e una HDMI 2.1.
L’alimentazione via USB-C PD 3.1 EPR (fino a 240 W) garantisce compatibilità con alimentatori compatti e setup mobili, rendendo il sistema idoneo anche per ambienti di ricerca portatili o dimostrativi.
Tra edge AI e cloud ibrido
L’Ascent GX10 non è un prodotto di nicchia, ma parte di una strategia coerente di estensione dell’AI computing verso l’edge.
Asus sta progressivamente costruendo un portafoglio che va dalle infrastrutture basate su NVIDIA HGX e GB300 NVL72 ai sistemi MGX Server Edition con GPU RTX PRO 6000, fino a soluzioni desktop come il GX10.
Questa diversificazione riflette una tendenza del mercato: le organizzazioni non vogliono più scegliere solo tra cloud e data center, ma adottare modelli ibridi o distribuiti, in cui i dati sensibili restano in locale e le elaborazioni vengono eseguite in prossimità delle fonti informative.
Per Asus, la sfida è duplice, sia tecnologica, nel garantire che un sistema compatto mantenga coerenza prestazionale con le piattaforme enterprise, sia commerciale, nel posizionare il GX10 come soluzione economicamente sostenibile per laboratori, università e PMI che operano nel campo dell’AI applicata.
Il valore aggiunto risiede nella riduzione della barriera d’ingresso al calcolo AI. Un laboratorio di ricerca o una software house possono accedere a potenza di calcolo tradizionalmente riservata a infrastrutture costose, mantenendo però pieno controllo su privacy e compliance (GDPR, data sovereignty).
I segmenti di utilizzo e le prospettive di adozione
I potenziali scenari di impiego del GX10 si collocano su tre livelli: ricerca accademica e scientifica, dove la possibilità di addestrare o riaddestrare modelli AI su dati riservati è cruciale. Il GX10 consente di simulare ambienti di training cloud in locale, riducendo la dipendenza da servizi esterni; sviluppo industriale e manifatturiero: le aziende che utilizzano AI per controllo qualità, visione artificiale o manutenzione predittiva possono eseguire l’inferenza direttamente vicino ai macchinari, sfruttando la latenza ridotta; AI generativa e design computazionale. Studi di progettazione e team di sviluppo software possono sfruttare il sistema per l’esecuzione di modelli linguistici o di generazione immagini, mantenendo i dataset proprietari in-house.
Nel medio termine, sistemi come il GX10 potrebbero rappresentare la base di un ecosistema edge collaborativo, in cui nodi locali scambiano parametri o modelli parziali senza mai trasferire i dati originali – una delle visioni più promettenti dell’AI distribuita.
“Quando abbiamo iniziato, dieci anni fa, il cloud suscitava ancora diffidenza. Molti clienti ci dicevano: «No, preferiamo tenere i dati sotto il cuscino». Era il segno di un’epoca in cui il controllo fisico equivaleva alla fiducia”, ha ricordato Emilio Turani, Managing Director per Italia, South Eastern Europe, Turchia e Grecia di Qualys, aprendo la conferenza stampa che vedeva come protagonista Sumedh Thakar, CEO e Presidente dell’azienda californiana. Oggi la situazione è ribaltata: oltre 500 aziende italiane – tra banche, assicurazioni, industria e pubblica amministrazione – si affidano a Qualys. “Il cloud non è più un rischio, ma un acceleratore”, ha aggiunto. “E la sicurezza non è più un add-on, ma una componente strutturale del valore digitale”. Turani ha individuato tre fasi della maturazione del mercato italiano: la normalizzazione del cloud, ormai percepito come infrastruttura affidabile; la spinta normativa di GDPR, NIS2 e DORA, che hanno reso la gestione del rischio una funzione di governance;la transizione verso una sicurezza proattiva, dove l’obiettivo è prevenire, non reagire. “Le imprese hanno capito che la sicurezza non è un vincolo ma un fattore abilitante”, ha dichiarato Turani, secondo il quale “integrare la sicurezza nei processi significa innovare in modo sostenibile”.
Sumedh Thakar, CEO e Presidente di Qualys con Emilio Turani, Managing Director per Italia, South Eastern Europe, Turchia e Grecia dell’azienda
Nel passaggio di testimone a Sumedh Thakar, Turani ha introdotto il tema della cybersecurity predittiva: visibilità continua, automazione e intelligenza artificiale come strumenti per anticipare gli eventi, non subirli. “Non basta più reagire”, ha detto. “Bisogna prevedere, correlare e agire prima che il rischio diventi incidente”.
Visibilità, automazione e AI
“Non puoi proteggere ciò che non vedi”, ha esordito Thakar, sintetizzando la filosofia di Qualys. La visibilità è il fondamento, l’automazione il metodo, e l’intelligenza artificiale il moltiplicatore. “Viviamo in un mondo dove la superficie d’attacco cresce ogni giorno. L’unico modo per ridurre il rischio è mantenere una vista unificata e aggiornata di tutto ciò che l’azienda possiede e utilizza”.
La piattaforma Qualys Enterprise raccoglie segnali da ambienti IT, cloud, container e infrastrutture OT, li correla e li trasforma in decisioni automatiche basate sul rischio, con l’obiettivo di ridurre i tempi di esposizione e rendere la sicurezza misurabile.
Il rischio, ha spiegato Thakar, non è una somma di vulnerabilità ma una relazione tra gravità, esposizione e valore. “Ogni azienda scopre migliaia di vulnerabilità,” ha detto, “ma solo poche contano davvero. Il nostro compito è capire quali possono realmente influire sul business, e in che misura”. Gli algoritmi di prioritizzazione contestuale integrano gravità tecnica, probabilità di sfruttamento, importanza dell’asset e impatto operativo, generando punteggi dinamici che si aggiornano in tempo reale. “Non vogliamo ridurre il numero di vulnerabilità, ma ridurre il rischio effettivo”.
Dal SOC al ROC: il passaggio dalla reazione al governo del rischio
La transizione dal Security Operations Center (SOC) al Risk Operations Center (ROC) — non è una semplice evoluzione tecnologica, ma è un cambio di paradigma nella gestione della sicurezza. “Il SOC è nato per reagire, il ROC nasce per decidere. Non si tratta più di gestire allarmi, ma di orchestrare priorità”.
Nel SOC tradizionale, l’attenzione è rivolta alla raccolta di eventi, alla correlazione di log e alla risposta a incidenti. Ma, ha osservato Thakar, questo modello non scala più: genera enormi volumi di dati e allarmi senza distinguere ciò che è rilevante da ciò che è rumoroso. “Non serve sapere tutto quello che accade”, ha spiegato, “Serve sapere cosa conta davvero, e perché”.
Il ROC nasce per superare questo limite: non si concentra sull’evento, ma sul rischio che quell’evento rappresenta per il business. Integra i flussi del SOC con i dati provenienti da sistemi di governance, ITSM e analisi economica, traducendo l’informazione tecnica in una priorità di rischio misurabile. “Nel SOC chiediamo: qual è il prossimo allarme da gestire? Nel ROC chiediamo: qual è il prossimo rischio da ridurre?”
È una rivoluzione concettuale: il centro operativo della sicurezza diventa un centro di decisione basata sul valore.
Le metriche di performance non sono più il numero di alert chiusi, ma la quantità di rischio ridotto. L’intelligenza artificiale, l’automazione e la correlazione contestuale sono i pilastri di questo nuovo modello. Qui la sicurezza non è più misurata dal numero di incidenti gestiti, ma dalla quantità di rischio ridotto.
L’obiettivo non è l’efficienza reattiva, ma la capacità decisionale: orientare gli interventi in base al valore che proteggono.
“Il futuro non è un SOC più grande, ma un ROC più intelligente”, ha sintetizzato Thakar. “Non contiamo più quanti incidenti gestiamo, ma quanto rischio eliminiamo ogni giorno”.
I dati tecnici possano essere collegati ai processi aziendali attraverso modelli di correlazione e strumenti di business mapping. “Non possiamo più dire:«abbiamo chiuso 300 vulnerabilità». Dobbiamo dire: «abbiamo ridotto del 27% l’esposizione sui servizi che generano il 40% dei ricavi»”.
Il Risk Operations Center unifica analisi di rischio, AI contestuale, automazione e metriche economiche, creando un livello di governance del rischio in tempo reale.
La piattaforma Qualys consente di associare ogni asset tecnico — server, applicazione, container, API — al processo aziendale corrispondente, costruendo mappe di rischio orientate al valore.
Gli strumenti impiegati includono motori di scoring dinamico, dashboard di impatto economico e API che esportano i punteggi verso sistemi di governance e risk management (come ServiceNow GRC, SAP o RSA Archer).
“È così che la sicurezza entra nel linguaggio della governance”, ha aggiunto Thakar.
“Rischio evitato, valore protetto, tempo di esposizione ridotto: metriche che parlano anche ai CFO”.
Come misurare il valore del business
L’intelligenza artificiale e le fonti esterne possano servire a stimare il valore reale delle attività di business, andando oltre i dati interni. La sicurezza non può ragionare solo sui propri dati: deve guardare anche all’esterno: ai dati che descrivono quanto un servizio o un processo contribuisce davvero al valore dell’azienda. Varie sono le fonti utilizzate per costruire questo modello: dati di supply chain, che mostrano la dipendenza da fornitori o terze parti critiche; indicatori economici e finanziari di settore, come margini e livelli di produttività medi; metriche reputazionali ed ESG, per valutare l’impatto immateriale di un incidente di sicurezza; dati operativi e transazionali provenienti da ERP, CRM e sistemi di business intelligence.
Attraverso l’AI, queste informazioni vengono correlate con il contesto tecnico per generare una stima del valore di continuità di ogni servizio: quanto costa, in termini di perdita di produttività o danno reputazionale, un’interruzione.
Nella visione di Qualys, non tutte le vulnerabilità hanno lo stesso peso, ma quelle che toccano servizi ad alto valore vanno trattate prima, anche se la gravità tecnica è minore.
La piattaforma costruisce così un modello adattivo che riflette la realtà economica di ogni organizzazione. Questo approccio sposta il focus: la sicurezza non è più solo una funzione IT, ma una funzione di governance basata su misurazioni oggettive del valore.
“Il rischio non è solo una minaccia tecnica. È una misura del valore che possiamo perdere. E solo l’AI, alimentata da dati esterni, può dirci quanto vale ciò che stiamo proteggendo”, ribadisce Thakar.
Il ruolo dei consulenti: l’intelligenza umana come livello di calibrazione del rischio
Dopo l’AI, Thakar ha sottolineato il valore del fattore umano: “L’AI sa vedere, ma solo l’uomo sa scegliere”. I consulenti Qualys — interni e partner — fungono da livello cognitivo di calibrazione, validando i modelli e assicurando che la mappa di rischio resti aderente alla realtà dell’impresa.
Con la Qualys Consulting Edition, possono gestire più ambienti clienti, verificare coerenze, tarare priorità e supervisionare la remediation automatizzata. È la sintesi tra intelligenza algoritmica e giudizio esperto.
Il marketplace di agenti specializzati: l’ecosistema AI di nuova generazione
Nel proseguire, Thakar ha annunciato l’arrivo di un marketplace di agenti specializzati, dove AI verticali — per vulnerabilità, compliance, threat intelligence, remediation o risk quantification — cooperano tra loro in tempo reale. “Non un’unica intelligenza che sappia tutto”, ha spiegato, “ma tante intelligenze che sappiano collaborare”.
Il marketplace sarà aperto anche ai partner, che potranno sviluppare e pubblicare agenti per settori o normative specifiche, certificati da Qualys. Un modello aperto e modulare, dove la piattaforma diventa un ecosistema di intelligenze cooperative.
MCP per collegare agenti AI e sistemi esterni
Questa collaborazione passa attraverso l’adozione di Model Context Protocol (MCP), lo standard aperto che consente ai modelli e agli agenti AI di dialogare con sistemi esterni in modo strutturato, sicuro e semantico. “Con MCP ogni agente può parlare la lingua dei sistemi aziendali”, ha spiegato. “È il passo che rende reale la convergenza tra intelligenza artificiale e infrastruttura”.
MCP permette agli agenti di interrogare sistemi come CMDB, SIEM, ITSM o piattaforme cloud, ricevere dati contestuali e agire in base a policy predefinite, mantenendo tracciabilità e controllo. Per esempio un agente individua una vulnerabilità, un altro calcola l’impatto economico, un terzo aggiorna la policy in ServiceNow. Tutto attraverso MCP, senza script o integrazioni custom. “Non stiamo solo collegando API,” ha detto Thakar. “Stiamo creando un linguaggio comune tra intelligenze e infrastrutture”.
MCP introduce coerenza semantica, auditabilità e neutralità tecnologica, diventando la spina dorsale di un ecosistema di AI interoperabili, dove la sicurezza è un linguaggio condiviso tra sistemi, persone e processi. “MCP è ciò che trasforma l’AI da strumento analitico a infrastruttura di governance,” ha concluso, “è il linguaggio che farà parlare la sicurezza con ogni parte dell’impresa”.
Con AI, consulenti, marketplace e MCP, la visione di Qualys converge: una governance del rischio dinamica, economica e misurabile. Dashboard condivise mostrano quanto valore è protetto e quanto è esposto, e le priorità non nascono più dall’urgenza tecnica, ma dall’impatto reale sul business.
“Il futuro della sicurezza non sarà IT-driven, ma business-driven”, ha concluso Thakar; “ogni decisione di sicurezza dovrà essere anche una decisione economica”.
Qualcomm Technologies ha annunciato oggi un accordo per l’acquisizione di Arduino, azienda leader nel settore dell’hardware e del software open source. L’operazione accelera la strategia di Qualcomm Technologies volta a promuovere il ruolo degli sviluppatori, facilitando loro l’accesso al proprio impareggiabile portafoglio di tecnologie e prodotti all’avanguardia. L’acquisizione si basa sulle recenti integrazioni di Edge Impulse e Foundries.io da parte dell’azienda, proseguendo nel suo progetto di arrivare a fornire una piattaforma completa che includa hardware, software e servizi cloud. La finalizzazione dell’accordo è soggetta all’approvazione normativa e ad altre consuete condizioni di chiusura.
Unendo l’elaborazione avanzata, la grafica, la computer vision e l’intelligenza artificiale di Qualcomm Technologies con la semplicità, l’accessibilità e la community di Arduino, l’azienda punta a incrementare la produttività degli sviluppatori in ogni settore. Arduino continuerà a mantenere il suo approccio e il suo spirito di community, aprendo al contempo una piattaforma full-stack per lo sviluppo moderno, con Arduino UNO Q come primo passo.
Anche nel suo nuovo percorso in Qualcomm, Arduino continuerà a operare come marchio indipendente, mantenendo intatti i propri strumenti e la propria missione, oltre a supportare una vasta gamma di microcontrollori e microprocessori di diversi produttori di semiconduttori. Con l’acquisizione, i più di 33 milioni di utenti attivi della community Arduino potranno beneficiare della potente piattaforma tecnologica e della portata globale di Qualcomm Technologies. Imprenditori, aziende, professionisti tech, studenti, docenti e appassionati avranno ora la possibilità di creare prototipi e testare rapidamente soluzioni innovative, seguendo un percorso chiaro verso la commercializzazione, sostenuto dalle tecnologie avanzate di Qualcomm e dal suo vasto ecosistema di partner.
Arduino UNO Q
Il nuovo Arduino UNO Q è un computer a scheda singola di nuova generazione, caratterizzato da un’architettura “dual brain”, ovvero un microprocessore compatibile con Linux Debian e un microcontrollore in tempo reale, pensati per unire elaborazione ad alte prestazioni e controllo immediato. Alimentato dal processore Qualcomm Dragonwing QRB2210, che esegue un ambiente Linux completo, l’UNO Q è progettato per realizzare soluzioni di visione e audio basate sull’intelligenza artificiale, capaci di interagire con l’ambiente circostante. Le sue applicazioni spaziano da sofisticate soluzioni per la casa intelligente a sistemi avanzati di automazione industriale. UNO Q vuole diventare lo strumento di riferimento per ogni sviluppatore: accessibile, versatile e ideale per l’apprendimento continuo e l’innovazione.
Oltre a mantenere la compatibilità con l’IDE Arduino e l’iconico ecosistema UNO, UNO Q è la prima scheda Arduino a supportare Arduino App Lab, un nuovo ambiente di sviluppo integrato progettato per unificare il percorso di sviluppo su sistemi operativi in tempo reale, Linux, Python e flussi di intelligenza artificiale, rendendo lo sviluppo più rapido e semplice. App Lab offre agli sviluppatori una piattaforma open source pensata per ideare, creare prototipi e scalare rapidamente soluzioni basate sull’intelligenza artificiale fino alla produzione. La perfetta integrazione di App Lab con la piattaforma Edge Impulse contribuisce inoltre a semplificare e accelerare il processo di creazione, messa a punto e ottimizzazione dei modelli di intelligenza artificiale, utilizzando dati reali per un’ampia gamma di funzionalità quali il rilevamento di oggetti e persone, il rilevamento di anomalie, la classificazione delle immagini, il riconoscimento dei suoni ambientali e l’individuazione di parole chiave.
“Con le acquisizioni di Foundries.io, Edge Impulse e ora Arduino, stiamo accelerando il nostro progetto di democratizzazione dell’accesso alle nostre tecnologie all’avanguardia nel campo dell’intelligenza artificiale e dell’informatica per la community globale degli sviluppatori” ha dichiarato Nakul Duggal, Group General Manager Automotive, Industrial and Embedded IoT di Qualcomm Technologies, Inc. “Arduino ha costruito una vivace community: unendo la loro filosofia open source con il portafoglio di prodotti e tecnologie all’avanguardia di Qualcomm Technologies, stiamo aiutando milioni di sviluppatori a realizzare soluzioni intelligenti in modo più rapido ed efficiente, offrendo anche un percorso chiaro verso la commercializzazione globale, sfruttando la portata del nostro ecosistema”.
“Unire le forze con Qualcomm Technologies ci permette di potenziare il nostro impegno verso accessibilità e innovazione”, ha affermato Fabio Violante, CEO di Arduino. “Il lancio di UNO Q è solo l’inizio: siamo entusiasti di fornire alla nostra community globale strumenti potenti, in grado di rendere lo sviluppo dell’IA intuitivo, scalabile e aperto a tutti”.
“La nostra passione per la semplicità, l’accessibilità e il senso di community ha dato vita a un movimento che ha trasformato la tecnologia”,ha aggiunto Massimo Banzi, cofondatore di Arduino. “Entrando a far parte di Qualcomm Technologies, porteremo strumenti di intelligenza artificiale all’avanguardia alla nostra community, restando fedeli a ciò che da sempre ci sta più a cuore.”
“Non siamo più una semplice piattaforma di meeting”, dichiara Steve Rafferty, Head of International di Zoom aprendo l’incontro con la stampa a Londra, prima dell’edizione europea di Zoomtopia, “siamo un’infrastruttura digitale che connette persone, processi e dati”.
Rafferty ha ripercorso la traiettoria evolutiva dell’azienda: nata come piattaforma di videoconferenza, oggi è diventata un ecosistema completo che include telefonia enterprise, contact center cloud, strumenti per la collaborazione asincrona e un AI Companion ormai onnipresente.
Al centro di questa trasformazione c’è l’intelligenza artificiale: non un add-on, ma il layer architetturale che regge l’intera piattaforma.
Il cambio di prospettiva riguarda anche i KPI. Il successo non si misura più solo con le nuove licenze vendute, ma con la capacità di fidelizzare e generare valore nel tempo. “La retention vale più dell’acquisizione”, ha ribadito Rafferty. In un mercato maturo e competitivo, trattenere i clienti e costruire relazioni durature è l’unico vero indicatore di solidità.
Zoom intende posizionarsi come alternativa infrastrutturale a Microsoft e Cisco, ma con una differenza sostanziale: la centralità del cliente come principio guida. Se i competitor spingono su integrazione e lock-in, Zoom punta su flessibilità, personalizzazione e fiducia. La differenza sta nell’approccio: mentre altri forniscono suite ampie e frammentate, Zoom punta su una piattaforma integrata e specializzata, costruita intorno all’esperienza del cliente come unico baricentro. È un messaggio diretto ai C-level: non si tratta di aggiungere strumenti tecnologici, ma di ripensare l’intera architettura della relazione con i clienti. L’AI non è un lusso, ma il motore strategico che trasforma l’interazione da costo operativo a leva di crescita.
In questo senso, il keynote di Rafferty ha segnato il passaggio da Zoom come “piattaforma” a Zoom come infrastruttura critica per la collaborazione e la customer experience, con l’AI al centro.
AI al centro
“Non stiamo aggiungendo AI sopra Zoom, stiamo costruendo Zoom con l’AI al centro”, ha spiegato Laura Ball, Global CX AI Sales and GTM Lead. L’AI è come regista silenzioso che orchestra le interazioni e fa sì che ogni dettaglio avvenga al momento giusto e nel modo più naturale.
Ball ha articolato la sua visione su tre assi fondamentali:
AI predittiva: non si limita a reagire, ma anticipa. Prima ancora che un cliente espliciti un bisogno, la piattaforma ne deduce le esigenze e lo guida verso la risorsa giusta.
AI real-time: lavora come un copilota durante l’interazione, suggerendo risposte, ricordando precedenti conversazioni, fornendo insight immediati e riducendo lo stress operativo degli agenti.
AI di orchestrazione: garantisce la fluidità del customer journey multicanale. Chat, e-mail, voce e video non sono più silo isolati, ma parti di un unico flusso continuo. L’AI manteneva il contesto in modo continuo, senza perdere informazioni –un risultato impossibile da ottenere con i sistemi tradizionali, che trattano i canali come compartimenti stagni.
Questa architettura non è pensata solo per migliorare l’efficienza operativa, ma per trasformare la customer experience in vantaggio competitivo, riducendo la frustrazione, aumentandone la fedeltà e rafforzando la reputazione del brand. In ambito sanitario, per esempio, un paziente non deve raccontare tre volte la propria storia clinica; nel retail il percorso d’acquisto diventa più rapido, lineare e soddisfacente.
CX & Contact Center Update: il salto dal reattivo al proattivo
Nel suo intervento Ben Neo, Head of Contact Center/CX Sales Emea, ha scelto di partire dal proprio percorso personale: da giovane operatore in un contact center a responsabile delle vendite CX per tutta l’area Emea. Un excursus non casuale, ma utile a sottolineare quanto sia necessario capire i limiti del modello tradizionale per apprezzare la portata della rivoluzione in corso. Neo ha ricordato i giorni in cui il lavoro dell’agente era essenzialmente reattivo: rispondere a chiamate, chiudere ticket, rispettare KPI quantitativi come il tempo medio di risposta o la durata della chiamata. L’obiettivo non era comprendere il cliente, ma “smaltire” le richieste, con conseguenze prevedibili: clienti costretti a ripetere più volte le stesse informazioni; lunghi tempi di attesa e la percezione di un servizio impersonale, freddo, privo di empatia. Era un modello pensato per contenere i costi, non per generare valore.
La trasformazione portata dall’intelligenza artificiale è radicale: il contact center smette di essere un filtro difensivo e diventa un hub proattivo di customer intelligence.
Oggi l’AI analizza il linguaggio e il tono della voce, intercetta segnali di urgenza o frustrazione, smista le chiamate in base non solo alle competenze, ma anche allo stato emotivo e alla complessità della richiesta. “Un cliente non dovrebbe mai dover ripetere due volte la stessa cosa”, ha ribadito Neo, condizione che è possibile solo se ogni interazione è arricchita dal contesto pregresso: ticket aperti, conversazioni precedenti, dati CRM.
I tre pilastri dell’innovazione dei contact center
La nuova architettura dei contact center segue tre direttrici fondamentali. L’automazione intelligente: l’AI non si limita a instradare le chiamate, ma propone percorsi di self-service quando la richiesta è semplice. In questo modo libera gli agenti per le attività a maggior valore, senza sostituire ma potenziando il lavoro umano; gli insight in tempo reale: durante la conversazione, l’AI genera alert se il sentiment peggiora, segnala segnali di insoddisfazione e propone in diretta risposte precompilate, articoli della knowledge base e suggerimenti di “prossima migliore azione”, generando meno stress per l’agente e maggiore coerenza per il cliente; il customer journey integrato: Il contact center diventa il punto di osservazione privilegiato dell’intera relazione cliente-azienda. Tutte le interazioni –voce, chat, e-mail, social –confluiscono in una vista unica che permette all’agente di agire in modo informato e personalizzato.
Il passaggio dal modello reattivo a quello proattivo non ha solo un valore operativo, ma anche strategico: un contact center che funziona bene diventa una leva di crescita: aumenta la retention dei clienti, migliora la reputazione del brand e trasforma la relazione in vantaggio competitivo.
I KPI non sono più i tempi di attesa o il costo per chiamata, ma il Customer Satisfaction Score (CSAT), il Net Promoter Score (NPS) e la capacità di trasformare una buona esperienza in una relazione di lungo periodo.
“Il contact center non è più un costo da tagliare, ma un generatore di valore”; in un settore spesso visto come luogo di efficienza e contenimento costi, Zoom propone una narrativa diversa: il contact center come hub di intelligenza relazionale.
Confrontandosi con player storici come Genesys o Avaya, Zoom propone un modello cloud-native e AI-integrated, più fluido e scalabile, che supera i sistemi verticali e frammentati.
Il messaggio finale di Neo è stato chiaro: il contact center del futuro non è il posto in cui si risolvono problemi, ma quello in cui si costruisce fiducia.
E per riuscirci serve sì una tecnologia avanzata, ma soprattutto una nuova mentalità: vedere il cliente non come un ticket da chiudere, ma come un interlocutore da ascoltare, comprendere e anticipare.
Il canale come costruttore di fiducia
Se l’AI è il motore della trasformazione, il canale è il veicolo che deve portare questa trasformazione nei mercati.
Tony McNish, Head of Channel Sales Emea North & South, ha sottolineato un punto spesso trascurato: l’area Emea non è un mercato omogeneo, ma un mosaico di Paesi, normative e sensibilità culturali. Ciò che funziona nel Regno Unito non è replicabile senza adattamenti in Italia, ciò che è prioritario in Francia può essere irrilevante in Medio Oriente. In questo scenario, Zoom non può adottare un modello centralizzato. Sono i partner locali a garantire prossimità, conoscenza del contesto e credibilità presso i clienti.
McNish ha presentato la strategia del canale articolandola su tre dimensioni:
Enablement: programmi strutturati di formazione e certificazione che rendono i partner autonomi nel proporre, integrare e supportare le soluzioni Zoom.
Incentivi economici: non solo margini più elevati, ma anche bonus legati alla retention e alla customer success, premiando la qualità del supporto oltre al volume delle vendite.
Verticalizzazione: focus su settori regolamentati come sanità, pubblica amministrazione e finanza, dove la compliance normativa è imprescindibile. In questi ambiti i partner non sono meri rivenditori, ma consulenti di fiducia, capaci di tradurre leggi e vincoli tecnici in soluzioni praticabili. “I partner non sono solo distributori, ma costruttori di fiducia”, ha sintetizzato McNish.
Nell’era dell’AI, la differenza non si gioca solo sulle caratteristiche tecnologiche, ma sulla capacità di generare fiducia. Le aziende scelgono un fornitore non solo per le funzioni avanzate, ma per la percezione di affidabilità, vicinanza e supporto costante.
Nei mercati medi e piccoli, che in Emea rappresentano la maggioranza, il canale è una leva decisiva. Inoltre, il focus sui verticali regolamentati indica la volontà di non competere solo sulla collaborazione generica, ma di penetrare nei settori a più alto valore aggiunto.
In questo senso, la channel strategy di Zoom non è solo commerciale, ma un pilastro della sua scalabilità sostenibile in Emea.
Democratizzare l’AI per le PMI
Monique Koster, Head of Small Business Sales Emea, ha spostato l’attenzione sulle piccole e medie imprese, iniziando con una fotografia realistica: per molte PMI, l’intelligenza artificiale è percepita come lontana, complessa e riservata alle grandi multinazionali. I timori più diffusi sono costi troppo alti, difficoltà di integrazione e carenza di competenze interne. Il risultato è un circolo vizioso: le PMI rinunciano a sperimentare, restando escluse dai benefici che l’AI potrebbe offrire per rafforzarne la competitività.
La strategia di Zoom mira a spezzare questo circolo con un principio guida: semplicità: L’AI è invisibile e quotidiana, integrata direttamente negli strumenti già usati: riunioni, chat, telefonia, contact center; non servono progetti complessi o software separati: l’AI si attiva esattamente quando serve; i modelli di prezzo sono flessibili, permettendo di iniziare con investimenti minimi e scalare progressivamente.
A ciò si aggiunge la rete di partner locali, che offre consulenza e supporto culturale, riducendo diffidenza e barriere d’ingresso.
Koster ha arricchito la sessione con casi pratici: una catena retail ha ridotto del 30% i tempi di onboarding dei clienti grazie all’AI nel contact center; una PMI turistica ha introdotto traduzioni multilingue automatiche nelle conversazioni, aumentando prenotazioni e soddisfazione dei clienti.
Regolazione come opportunità
Il Media Day ha dedicato uno spazio specifico a un tema che supera la tecnologia e tocca direttamente la fiducia: la regolazione dell’intelligenza artificiale.
Drew Smith, Head of Government Relations UK&I, ha chiarito subito la visione: la regolazione non è un freno, ma un fattore abilitante.
“La fiducia è la vera valuta dell’AI”, ha affermato, sottolineando che senza trasparenza e accountability non ci sarà mai un’adozione di massa.
Le regole, se ben scritte, non rallentano l’innovazione: creano un terreno comune che tutela utenti e istituzioni, rassicurando imprese grandi e piccole sul fatto che l’AI può essere adottata senza compromettere sicurezza e privacy.
Smith ha raccontato come Zoom lavori fianco a fianco con i governi: nel Regno Unito mantiene un dialogo con ministeri e authority per anticipare le implicazioni legali mentre a livello europeo partecipa ai gruppi di consultazione che definiscono le linee attuative dell’AI Act, portando sul tavolo la propria esperienza in tema di privacy, cifratura e governance dei dati. L’obiettivo è duplice: da un lato contribuire in modo costruttivo alle regole, dall’altro garantire che i prodotti Zoom siano compliant fin dal primo giorno.
Sono tre le direttrici su cui Zoom è già operativa: spiegabilità dei modelli: gli utenti devono capire come l’AI genera output e suggerimenti, evitando l’effetto “black box”; protezione dei dati: maggiore localizzazione geografica e audit periodici per dimostrare conformità al Gdpr e ad altri standard ma soprattutto il controllo umano, principio cardine per garantire che le decisioni critiche restino sempre nelle mani delle persone.
L’approccio di Zoom è proattivo: non attende che le norme vengano calate dall’alto, ma definisce linee guida interne già allineate ai principi legislativi.
Questo significa testare sistemi di auditing, sviluppare standard etici per i modelli e comunicare apertamente con clienti e partner.
Creare e configurare un Virtual Agent su Zoom
La demo mostrata illustra in modo pratico come sia possibile realizzare, in pochi passaggi, un Virtual Agent all’interno dell’ecosistema Zoom. L’obiettivo dell’esempio è semplice ma significativo: costruire un agente di supporto tecnico capace di rispondere a domande comuni sull’accesso agli account e di gestire il reset delle password.
1 di 6
Il punto di partenza è l’interfaccia di Virtual Agent, integrata nella console amministrativa di Zoom e parte del pacchetto AI Studio. Qui l’amministratore visualizza gli agenti già attivi e ha la possibilità di crearne di nuovi scegliendo tra diverse tipologie: Voice Agent, per interazioni vocali; Chat Agent, orientato al supporto testuale; Intent-based chatbot, basato su logiche classiche di riconoscimento intenzioni. Nel caso della demo si sceglie di costruire un chat agent, utile per un help desk digitale.
Per semplificare l’avvio, Zoom propone una serie di configurazioni predefinite (template) dedicate a scenari comuni. L’amministratore può partire da uno di questi modelli e personalizzarlo in base alle esigenze, accelerando così la messa in produzione del bot.
Il cuore della configurazione consiste nel definire: Intents: le intenzioni dell’utente, ad esempio “non riesco ad accedere” o “ho dimenticato la password” e Flows: i percorsi conversazionali che l’agente seguirà in base alla richiesta. È possibile costruirli tramite editor visuale, collegando nodi che rappresentano domande, risposte e azioni (es. invio link per reset password).
Il sistema permette di testare in tempo reale i flussi creati, verificando come l’agente risponderebbe a specifiche frasi dell’utente.
Un aspetto cruciale è la possibilità di imporre limiti all’agente: l’agente può essere confinato a un set di domande e risposte, evitando divagazioni o interazioni non pertinenti; se l’utente formula una richiesta non riconosciuta, il bot può rimandare a un operatore umano o a un messaggio standard. L’accesso a dati sensibili può essere filtrato e l’agente può essere programmato per non esporre informazioni riservate.
Al termine della configurazione, l’agente è pronto a interagire via chat con i clienti, risolvendo automaticamente i problemi più ricorrenti e liberando gli operatori umani da attività ripetitive. La demo evidenzia come Zoom punti a rendere l’esperienza di creazione di un Virtual Agent accessibile anche a chi non ha competenze di sviluppo, grazie a template, interfacce visuali e opzioni di governance integrate.
Cubbit, il primo enabler di cloud storage geo-distribuito, e Planetek, società di spicco nel settore dell’osservazione della Terra, dell’analisi geo-spaziale e del software di missione, recentemente entrata nella compagine del gruppo D-Orbit, annunciano oggi un accordo per la creazione di un’infrastruttura dedicata alla gestione e archiviazione di dati geo-spaziali. L’accordo valorizza l’integrazione di tecnologie interamente europee, con l’obiettivo di proteggere le informazioni in un settore strategico come quello dell’osservazione spaziale. La prima installazione farà riferimento alla società Planetek Hellas, un’azienda con sede ad Atene, in Grecia, fondata nel 2006 da Planetek Italia e che opera nei settori dell’Osservazione della Terra da satellite, delle infrastrutture di dati spaziali e del software per i segmenti Spazio e Terra. L’azienda partecipa attivamente a importanti iniziative e progetti spaziali a livello europeo e nazionale, con un focus specifico sulle applicazioni nei settori dell’emergenza, della sicurezza e della difesa.
Planetek era alla ricerca di una piattaforma sovrana e sicura per il backup e l’archiviazione a lungo termine dei dati satellitari, capace di supportare l’intero ciclo operativo — dalla raccolta alla trasformazione, fino alla condivisione. Inoltre, necessitava di un’infrastruttura multi-site e scalabile, adatta a gestire progetti spaziali su larga scala e distribuiti su più siti.
Nel corso degli anni, Planetek aveva preso in considerazione diverse soluzioni tradizionali di object storage on-premise che, pur garantendo controllo, presentavano limiti in termini di costi, rigidità infrastrutturale e complessità gestionale, richiedendo risorse IT significative. Alla luce degli attuali scenari geopolitici, il cloud pubblico non rappresentava un’opzione percorribile, sia per motivi di sovranità e compliance, sia per vincoli economici.
Con DS3 Composer di Cubbit, i clienti di Planetek potranno beneficiare di un cloud object storage geo-distribuito e flessibile, con piena sovranità nazionale e privo di lock-in tecnologici. La capacità iniziale dell’infrastruttura è di 3,5 petabyte, con la prospettiva di arrivare a 5 petabyte di dati salvati nei prossimi anni. I dati saranno archiviati in modo sicuro sul territorio nazionale, e potranno essere resi accessibili in tutto il mondo quando richiesto. I dati vengono cifrati, frammentati e distribuiti su più nodi della rete: mai esposti per intero e sempre accessibili.
“Questo è il primo di una serie di progetti su cui stiamo lavorando in ambito spazio e che speriamo di poter annunciare già nei prossimi mesi – ha dichiarato Alessandro Cillario, Co-CEO e Co-fondatore di Cubbit. “In questo settore la necessità di salvare e condividere dati in modo sicuro si collega direttamente a solide esigenze di sovranità del dato e della propria infrastruttura tecnologica. Cubbit rappresenta oggi la risposta perfetta per l’archiviazione di dati sia in ambito spaziale, sia in contesti istituzionali e governativi a livello europeo. Siamo quindi felici che Planetek abbia scelto la nostra soluzione per le proprie esigenze strategiche”.
“Con Cubbit abbiamo costruito un’infrastruttura solida e flessibile, che ci consente di rispondere ai più alti requisiti di sicurezza nell’ambito strategico della osservazione della Terra,” ha dichiarato Sergio Samarelli, CTO di Planetek.“La possibilità di mantenere il pieno controllo del dato all’interno del nostro perimetro tecnologico, e la garanzia di sovranità offerta ai nostri clienti, ci offre un vantaggio strategico fondamentale.
Planetek Italia è una Società Benefit parte del gruppo D-Orbit specializzata in Geomatica, soluzioni spaziali e osservazione della Terra. Dal 1994, la sua missione è semplificare la complessità dello spazio. Dall’upstream al downstream, progetta e sviluppa soluzioni e servizi geoinformativi che sfruttano il valore dei dati geospaziali per aiutare gli utenti a comprendere meglio il mondo e ad agire in modo sostenibile. L’offerta di Planetek include anche dati satellitari e software di elaborazione dei principali operatori globali.
Jabra, fornitore di soluzioni audio e video professionali, ha avviato una collaborazione con Huddly, azienda norvegese specializzata in tecnologie video. L’accordo si basa sulla complementarità dei portafogli dei due marchi e mira a proporre una soluzione integrata per affrontare le esigenze delle sale riunioni di grandi dimensioni, con particolare attenzione ai sistemi Android. Poiché entrambe le aziende hanno già esperienza con tecnologie consolidate, l’integrazione potrà agevolare l’adozione sul mercato, semplificando l’accesso a soluzioni complete.
La collaborazione nasce dall’obiettivo di fornire soluzioni scalabili e plug-and-play, che semplificano l’implementazione in sale di qualsiasi dimensione. Jabra propone sistemi audio e video integrati per sale di piccole e medie dimensioni, progettati per un’installazione lineare e prestazioni costanti. Huddly, con la piattaforma Huddly Crew, offre una tecnologia multi-camera per ambienti più ampi, basata su intelligenza artificiale per il tracciamento dei relatori e la regolazione automatica dell’inquadratura. La combinazione dei due approcci consente ora di estendere copertura e funzionalità anche alle sale più complesse.
“Stiamo osservando una crescita della domanda di soluzioni per riunioni intelligenti in spazi di grandi dimensioni”, dichiara Holger Reisinger, senior vicepresident per le soluzioni video di Jabra. “Con questa collaborazione intendiamo rispondere a una necessità concreta del mercato, unendo le nostre competenze per supportare sistemi sicuri basati su MDEP e fornire soluzioni integrate a livello internazionale”.
I clienti richiedono sempre più spesso un’unica soluzione scalabile che copra le diverse tipologie di sale riunioni, evitando configurazioni complesse. Le sale di formazione di grandi dimensioni, in particolare quelle basate su sistemi Android, hanno finora richiesto soluzioni aggiuntive o alternative. La partnership punta a superare queste criticità offrendo:
compatibilità end-to-end con ambienti Android, Windows e BYOD;
video multi-camera con tracciamento automatico basato su intelligenza artificiale;
audio professionale Jabra, inclusi sistemi di estensione;
configurazione cablata semplificata senza necessità di programmazione;
integrazione con la piattaforma Microsoft Device Ecosystem (MDEP) per una maggiore sicurezza.
L’integrazione permette di sviluppare sistemi scalabili per sale di ogni dimensione, con un pacchetto completo supportato dal servizio Jabra+. La tecnologia video di Huddly sarà resa disponibile per i sistemi Android nell’ambito dell’ecosistema Jabra.
Soluzioni su larga scala
Jabra PanaCast e Speak, in combinazione con le tecnologie Huddly, sono pensati per le sale di grandi dimensioni, dove sono richieste maggiore copertura video e flessibilità audio. La soluzione congiunta è progettata per mantenere uniformità di prestazioni e un’implementazione più semplice anche in ambienti complessi.
“Siamo lieti di collaborare con Jabra per portare la tecnologia multi-camera Huddly Crew, basata sull’intelligenza artificiale, sui sistemi Android per sale di grandi dimensioni”, afferma Fraser Park, Chief Commercial Officer di Huddly. “L’accordo ci permette di estendere semplicità e flessibilità anche agli spazi più articolati, garantendo esperienze video e audio di qualità costante”.
Le prospettive future
La collaborazione tra Jabra e Huddly sarà implementata progressivamente a livello globale, con completamento previsto per l’inizio del 2026. Al lancio sarà disponibile una soluzione Android completamente integrata, pensata per migliorare l’esperienza nelle sale di grandi dimensioni. Le due aziende hanno previsto di offrire assistenza tecnica continua, procedure di installazione semplificate e un’esperienza di utilizzo uniforme in sale di varie tipologie.
SulSerio Farm, l’incubatore e laboratorio d’impresa di Seriate nato nel dicembre 2022 grazie agli sforzi di Claudio Gualdi, attraverso Devon Srl, PMI Advisor di Andrea Marcarelli, Gianluigi Viganò, Ceo di Linking, Ivo A. Nardella, Presidente e AD del gruppo Tecniche Nuove, Roberto Massimo Caboni di Valleo, ha ottenuto il prestigioso riconoscimento del Ministero delle Imprese e del Made in Italy certificando l’attività svolta sulle startup innovative.
Questo traguardo conferma la volontà di SulSerio Farm di supportare lo sviluppo imprenditoriale sul territorio, non solo offrendo spazi, ma anche competenze e strumenti a giovani aziende ad alto potenziale di crescita.
“La certificazione – spiega Andrea Marcarelli, co-fondatore di SulSerio Farm – è il risultato di un processo di verifica rigoroso delle startup il cui focus è l’accesso e l’accelerazione di attività di fundraising indispensabili allo sviluppo imprenditoriale. Per noi significa dare ulteriore credibilità al nostro operato per rafforzare la fiducia delle startup e degli investitori”.
Un ecosistema per startup ad alto potenziale
Attualmente SulSerio Farm ospita oltre undici startup con modelli di business e settori differenti, tutte accomunate da una forte spinta all’innovazione. La struttura offre spazi di lavoro condivisi, supporto tecnico e manageriale, accompagnamento nella ricerca di finanziamenti e un network di relazioni qualificate.
Con il supporto operativo e la supervisione di Valentina Missaglia, esperta di economia circolare e di business development per le Pmi, SulSerio Farm ha co-organizzato la prima edizione dell’evento MondoInnovazione tenutosi a Milano: un’occasione interessante di matching tra investitori e startupper, particolarmente apprezzata sia a livello locale che regionale.
“Il nostro obiettivo – aggiunge Ivo Nardella, uno dei primi investitori di SulSerio Farm – è affiancare gli imprenditori in ogni fase del loro percorso: dall’idea iniziale alla validazione del progetto, fino alla crescita sul mercato. Puntiamo a favorire la nascita di nuove imprese solide e sostenibili, capaci di generare valore economico e occupazionale sul territorio”.
Verso una rete nazionale di innovazione
Nel 2025 e 2026 SulSerio Farm prevede di ampliare ulteriormente le opportunità di sostegno alle startup, anche attraverso operazioni di equity crowdfunding e strumenti finanziari innovativi. Tra gli obiettivi futuri c’è anche quello di aprire il capitale sociale a tutti coloro, aziende, consulenti e partner, che vogliono prendere parte in modo attivo alla crescita del progetto, oltre che stringere accordi per estendere il progetto sul territorio italiano attraverso nuovi nuclei operativi.
Con la certificazione ministeriale, la realtà consolida il proprio ruolo di punto di riferimento per chi vuole trasformare un’idea in impresa, contribuendo alla diffusione della cultura dell’innovazione e alla crescita del tessuto economico bergamasco e lombardo.
Cisco presenta Splunk Enterprise Security Essentials Edition e Splunk Enterprise Security Premier Edition, offrendo ai clienti due opzioni SecOps potenziate dall’IA Agentica che unificano i workflow di sicurezza attraverso funzionalità TDIR (Threat Detection and Incident Response).
Integrate nella soluzione SIEM Splunk Enterprise Security 8.2, queste innovazioni semplificano l’offerta e permettono ai clienti di ottenere risposte più rapide alle minacce e soluzioni di sicurezza semplificate. Cisco ha inoltre presentato una serie di funzionalità IA che intende implementare per supportare il Security Operations Center (SOC) del futuro, permettendo agli analisti di concentrarsi sulle decisioni strategiche e lasciando all’IA la gestione delle attività di routine.
Con molti prodotti di sicurezza Cisco già integrati con Splunk Enterprise Security, le nuove funzionalità posizioneranno l’IA Agentica al centro del SOC, estendendo l’intelligence di sicurezza lungo l’intera rete. Con Splunk, gli agenti IA non si limitano a orchestrare e automatizzare workflow complessi bensì trasformano le attività manuali in operazioni di sicurezza proattive e autonome. Questo approccio semplifica la gestione delle minacce, consentendo ai team di sicurezza di agire in modo più rapido ed efficace.
“I criminali informatici stanno già utilizzando l’IA, di conseguenza chi si difende deve sfruttare ogni possibile vantaggio”, ha commentato Mike Horn, SVP e GM di Splunk Security. “Le nostre soluzioni di sicurezza unificano rilevamento, investigazione e risposta in un unico ambiente intuitivo, eliminando l’utilizzo di strumenti frammentati e aumentando significativamente l’efficienza. L’IA integrata può contribuire a ridurre gli alert e a diminuire i tempi di investigazione da ore a minuti. Da oggi, qualsiasi SOC è in grado di anticipare le minacce avanzate e supportare gli analisti a ogni livello”.
Potenziare l’Agentic SOC
Gran parte delle aziende è sommersa dai dati ma fatica a capire cosa sia importante e quando intervenire. Ciò genera punti ciechi operativi e inefficienze nei team SecOps, ITOps e di ingegneria, ritardando rilevamento e risposta ed esponendo l’azienda a minacce evitabili. Per aiutare a prevenire questi problemi e creare un Agentic SOC con maggiore visibilità e contesto, le aziende possono scegliere tra due soluzioni flessibili:
Splunk Enterprise Security Premier Edition: integra Splunk Enterprise Security 8.2, Splunk SOAR, Splunk UEBA e Splunk AI Assistant in un’unica offerta completa, garantendo un’esperienza utente unificata.
Splunk Enterprise Security Essentials Edition: ombina Splunk Enterprise Security 8.2 e Splunk AI Assistant in Security in un’unica soluzione, garantendo un’esperienza utente unificata.
“Con minacce sempre più sofisticate e superfici di attacco in continua espansione, i team di sicurezza non possono permettersi di perdere tempo utilizzando strumenti frammentati e lavorando con visibilità isolata”, ha dichiarato Michelle Abraham, Research Director, Security and Trust presso IDC. “Integrando diverse funzionalità di sicurezza in un unico ambiente coerente, le piattaforme di sicurezza consentono alle aziende di passare da un approccio reattivo a uno proattivo, semplificando i flussi di lavoro, migliorando rilevamento e risposta e, in ultima analisi, riducendo il rischio”.
L’IA Agentica per la sicurezza
Di fronte a sfide di sicurezza sempre più complesse, le aziende hanno bisogno di soluzioni integrate in grado di migliorare la visibilità, accelerare il rilevamento e semplificare la risposta. Di seguito, ulteriori innovazioni potenziate dall’IA presentate per rafforzare le operazioni di sicurezza:
Triage Agent: valuta, assegna le priorità e spiega gli avvisi – anche nei casi meno frequenti e a basso volume – riducendo il carico di lavoro degli analisti e mettendo in evidenza ciò che conta davvero.
Malware Reversal Agent: analizza script dannosi riga per riga, estrae indicatori di compromissione, individua tentativi di elusione e raggruppa comportamenti ricorrenti.
AI Playbook Authoring: trasforma le intenzioni espresse in linguaggio naturale in playbook SOAR funzionali e testati, con l’IA che assiste in ogni fase del processo.
Response Importer: agenti IA seguono le procedure operative standard (SOP) definite dal SOC e utilizzano modelli LLM multimodali per integrare le SOP nei piani di risposta di Enterprise Security.
AI-Enhanced Detection Library: permette di trasformare rapidamente un rilevamento da semplice ipotesi a soluzione operativa, in pochi minuti.
Personalized Detection SPL Generator: personalizza i rilevamenti presenti nella library per adattarli agli specifici ambienti SOC, rendendoli immediatamente utilizzabili.
Le integrazioni Cisco ottimizzano il SOC con l’IA Agentica
Grazie all’integrazione con le soluzioni di sicurezza Cisco, Splunk supporta i team di sicurezza nel rilevare, investigare e rispondere alle minacce con maggiore rapidità e precisione. Le offerte ampliate comprendono:
Isovalent Runtime Security (eBPF) in Splunk: offre visibilità immediata e dettagliata sui workload, individuando rapidamente potenziali violazioni di sicurezza e anomalie nell’infrastruttura.
Federating Cisco Firewall Data: l’integrazione tra Federated Search di Splunk Cloud Platform per Amazon S3 e Security Analytics and Logging (SAL) permetterà agli analisti di eseguire analisi di sicurezza sui log dei firewall archiviati in SAL direttamente da Splunk Cloud Platform, senza necessità di ingestione.
Disponibilità
Splunk Enterprise Security Essentials Edition è disponibile globalmente mentre Splunk Enterprise Security Premier Edition è disponibile in anteprima.
Splunk AI Assistant in Security è disponibile globalmente.
Le integrazioni Cisco e le funzionalità aggiuntive, tra cui Triage Agent, AI Playbook Authoring, Response Importer, AI-Enhanced Detection Library e Personalized Detection SPL Generator, saranno disponibili nel 2026.
CrowdStrike ha annunciato di aver firmato un accordo definitivo per acquisire Pangea, leader nella sicurezza dell’AI. Questa acquisizione estenderà la piattaforma Falcon, offrendo la prima soluzione completa per la Detection and Response basata su AI (AIDR) del settore – con cui mettere in sicurezza dati, modelli, agenti, identità, infrastruttura e interazioni, a partire dallo sviluppo dell’AI aziendale fino all’utilizzo della stessa da parte della forza lavoro.
George Kurtz, CEO e founder di CrowdStrike
“L’AI sta ridefinendo la superficie di attacco aziendale a una velocità mozzafiato. Ogni prompt diventa un potenziale punto di ingresso per l’avversario”, ha dichiarato George Kurtz, CEO e founder di CrowdStrike. “Con Pangea CrowdStrike metterà in sicurezza l’intero ciclo di vita dell’AI, rilevando i rischi, applicando i controlli di sicurezza e garantendo la conformità, in modo che i nostri comuni clienti possano costruire, implementare e scalare l’AI in modo sicuro e senza rischi”.
La forza di Pangea
Con Pangea, CrowdStrike offre vantaggi competitivi per la sicurezza dell’AI:
Detection and Response basata su AI (AIDR) completa: garantisce visibilità e controllo sugli agenti AI e i loro flussi di lavoro, unificando rilevamento, risposta e conformità lungo l’intero ciclo di vita dell’AI, trasformando la sicurezza dell’AI come l’EDR ha rivoluzionato la sicurezza degli endpoint.
Blocco degli attacchi di Prompt Injection: assicura la migliore protezione contro gli attacchi di prompt injection diretti e indiretti, i tentativi di jailbreak dei modelli e le entità malevole, con un’efficacia fino al 99% e una latenza inferiore a 30ms.
Stop dell’uso rischioso dell’AI: consente il controllo sui temi e le conversazioni con chatbot e AI generativa, offrendo una visibilità approfondita su traffico e attività dell’AI e governance policies per interrompere immediatamente utilizzi rischiosi.
Messa in sicurezza dell’AI in ambito Sviluppo e Produzione: permette agli sviluppatori di creare applicazioni e agenti AI con sicurezza integrata, mentre i team di sicurezza possono monitorare e gestire l’AI sviluppata o integrata in azienda, completando la protezione degli agenti SaaS con Falcon Shield.
Accelerazione dell’innovazione sicura: controlli pronti all’uso aiutano i team a portare sul mercato funzionalità di AI in modo rapido e sicuro, senza compromessi in termini di controllo.
CrowdStrike: la soluzione di Detection and Response basata su AI (AIDR)
CrowdStrike è stata pioniera nella Detection and Response basata su AI (AIDR), oggi standard di settore per la protezione degli endpoint. Con Pangea CrowdStrike applicherà lo stesso modello innovativo all’AI, offrendo la prima soluzione di AIDR completa del settore, unificando visibilità, conformità e applicazione, dallo sviluppo dell’AI aziendale fino all’utilizzo dell’AI da parte della forza lavoro.
La piattaforma Falcon fornisce già le basi per mettere in sicurezza l’AI, proteggendo gli ambienti e i modelli in cui l’AI viene eseguita, impedendo la fuga di dati sensibili dagli endpoint e dai workload cloud e mettendo in sicurezza gli agenti AI in tutto o lo stack SaaS. Pangea estenderà questa protezione allo strato di interazione critico – dove l’AI viene costruita e usata in tutta l’azienda – offrendo una protezione completa per l’intero ciclo di vita dell’AI, fornendo la visibilità e il controllo di cui le organizzazioni hanno bisogno per mantenere i prompt e i sistemi di AI operativi in modo sicuro e su larga scala.
Mettere in sicurezza l’AI esattamente dove agisce
L’AI non risiede nella rete, ma vive dove i modelli vengono costruiti nel cloud e nei datacenter, dove l’adozione avviene sugli endpoint e laddove si verificano accessi attraverso identità umane e non umane. Man mano che l’utilizzo dell’AI si espande in tutta l’azienda, gli avversari cercano sempre più punti deboli da colpire. Con Pangea come parte della piattaforma Falcon CrowdStrike metterà in sicurezza l’AI laddove agisce, estendendo la sua leadership di piattaforma alla parte della superficie di attacco aziendale a più rapida crescita.
Oliver Friedrichs, CEO e founder di Pangea
“Pangea è stata fondata per rendere l’adozione dell’AI sicura, dando alle aziende la visibilità e i controlli di sicurezza adeguati ad accogliere l’AI con fiducia”, ha dichiarato Oliver Friedrichs, CEO e founder di Pangea. “Unendoci a CrowdStrike, saremo in grado di realizzare questa visione su scala globale, unificando la sicurezza dell’AI con la piattaforma Falcon e creando la prima piattaforma di Detection and Response basata su AI completa del settore”.
Oracle ha annunciato la disponibilità di Java 25 (Oracle JDK 25), la nuova versione del linguaggio di programmazione e della piattaforma di sviluppo più utilizzata al mondo. Con questa release, che segna il 30° anniversario di Java, l’azienda introduce migliaia di miglioramenti mirati ad aumentare la produttività degli sviluppatori e a rafforzare performance, stabilità e sicurezza della piattaforma.
Un aspetto centrale dell’annuncio riguarda il supporto a lungo termine (LTS): Java 25 sarà infatti sostenuto per almeno otto anni, offrendo alle organizzazioni maggiore flessibilità nel mantenere in produzione le proprie applicazioni e programmare le migrazioni in base alle proprie esigenze. Oracle ha confermato che Oracle JDK 25 riceverà aggiornamenti trimestrali di sicurezza e performance fino a settembre 2028 secondo le Oracle No-Fee Terms and Conditions (NFTC); successivamente, gli aggiornamenti saranno rilasciati con la Java SE OTN License (OTN), fino almeno a settembre 2033.
Java verso la nuova generazione di applicazioni
Il lancio di Java 25 arriva in un momento cruciale per l’evoluzione del linguaggio. Come ha sottolineato Arnal Dayaratna, research vice president per il software development di IDC, “Entrando nel suo quarto decennio di vita, Java continua a fornire funzionalità per garantire che le applicazioni – comprese quelle alimentate e integrate con l’AI – siano altamente efficienti e scalabili su tutte le piattaforme hardware. Oracle continua a gestire la tecnologia Java con l’obiettivo di favorire l’evoluzione del linguaggio e della piattaforma di programmazione, in particolare in relazione all’intelligenza artificiale e alla sicurezza”.
Il dirigente ha inoltre evidenziato l’importanza del ciclo di rilascio semestrale, introdotto da Oracle per accelerare l’innovazione: “Il flusso continuo di nuove release consente a Java di offrire funzionalità moderne per lo sviluppo di applicazioni di nuova generazione, basate sull’intelligenza artificiale”.
Georges Saab, senior vice president Oracle Java Platform e Chair dell’OpenJDK governance board, ha rimarcato il traguardo raggiunto dalla piattaforma: “Java ha compiuto 30 anni e continua a evolversi per aiutare gli sviluppatori a creare rapidamente applicazioni arricchite con AI e sicurezza. Java 25 è una prova della costanza con cui Oracle investe per fornire funzionalità che supportano l’adozione di soluzioni basate sull’intelligenza artificiale e, al tempo stesso, semplificano il linguaggio per renderlo più accessibile ai nuovi sviluppatori e ai team IT”.
Un futuro ancora LTS
Con Java 25, Oracle rafforza la posizione della piattaforma come pilastro per le applicazioni mission-critical. La combinazione di aggiornamenti regolari, supporto esteso e funzionalità avanzate per l’AI conferma la centralità di Java in scenari enterprise e cloud-native, in cui la scalabilità, la sicurezza e la modernizzazione continua sono fattori determinanti.
La nuova release LTS, disponibile dal 16 settembre 2025, consolida il percorso avviato negli ultimi anni: cicli semestrali di rilascio, funzionalità moderne e un forte investimento su sicurezza e performance.
Con Java 25, Oracle introduce un set di innovazioni che puntano a rendere la piattaforma di sviluppo numero uno al mondo ancora più semplice per i nuovi sviluppatori, potente per l’AI e i sistemi distribuiti, sicura in vista della crittografia post-quantistica, veloce e osservabile per i carichi cloud-native.
Linguaggio: semplicità per i nuovi sviluppatori, potenza per gli esperti
Le novità di linguaggio di Java 25 puntano a migliorare la produttività quotidiana e a rendere il linguaggio più accessibile. Java diventa così più facile da imparare, ma senza rinunciare a funzionalità avanzate per chi sviluppa applicazioni mission-critical.
Primitive Types in Patterns, instanceof, e switch: instanceof e switch diventano più uniformi ed espressivi, facilitando lo sviluppo di applicazioni numeriche e AI.
Module Import Declarations (JEP 511): una sola dichiarazione per accedere a tutte le API di un modulo, riducendo il “rumore” di codice.
Compact Source Files and Instance Main Methods(JEP 512): un on-ramp per studenti e sysadmin, che possono scrivere programmi rapidi senza complessità.
Flexible Constructor Bodies (JEP 513): maggiore sicurezza e affidabilità nella validazione degli input e nell’inizializzazione delle classi.
“JEP 512 introduce ‘Compact Source Files and Instance Main Methods’ che semplifica notevolmente Java per i principianti consentendo loro di scrivere programmi senza il tradizionale codice boilerplate public static void main (String[] args),”, ha affermato Remi Forax, professore dell’Université Gustave Eiffel. “Gli studenti ora possono iniziare con programmi semplici ed espandere gradualmente la loro comprensione a concetti più avanzati man mano che imparano, creando un percorso di apprendimento fluido che parte dai concetti di programmazione di base e arriva alla programmazione completa orientata agli oggetti”.
“Le mie parti preferite di Java 25 sono i file di origine compatti, i metodi principali delle istanze e le dichiarazioni di importazione dei moduli, poiché queste funzionalità permettono di introdurre rapidamente a Java i programmatori ai primi passi”, ha dichiarato Cay Horstmann, professore emerito presso la San José State University. “Rappresentano un vantaggio anche per i programmatori esperti, perché espandono la portata di Java a piccole attività quotidiane. Trovo molto soddisfacente riscrivere shell fragili o script Python in Java, un linguaggio fortemente tipizzato e industrializzato, che offre tanti strumenti a supporto”.
Librerie: concorrenza strutturata e calcolo vettoriale
Sul fronte delle librerie, il focus è sulla programmazione concorrente e sulle prestazioni numeriche:
Structured Concurrency (JEP 505) e Scoped Values (JEP 506): gestione più semplice e sicura dei thread, con benefici per l’AI e i microservizi.
Stable Values (JEP 502): nuovi oggetti immutabili ottimizzati dalla JVM.
Vector API (JEP 508): calcoli paralleli ottimizzati via SIMD, fondamentali per inferenza AI e analisi dati.
Sicurezza: prepararsi al post-quantum
Java 25 integra innovazioni che guardano al futuro della crittografia:
PEM Encodings (JEP 470): gestione semplificata di chiavi e certificati in formato standard, utile per l’integrazione con hardware di sicurezza.
Key Derivation Function API (JEP 510): fondamenta per la crittografia ibrida e l’adozione di algoritmi post-quantum.
Performance: startup più rapidi, footprint ridotto
Java riduce il gap storico sulla velocità di avvio, un requisito chiave per i servizi cloud-native e i microservizi.
Compact Object Headers (JEP 519): oggetti più leggeri in memoria, con migliore cache locality.
Ahead-of-Time ergonomics (JEP 514) e profiling (JEP 515): avvii accelerati grazie al caching AOT e al profiling anticipato.
Osservabilità: JFR sempre più evoluto
Java Flight Recorder (JFR) viene potenziato con:
CPU-Time Profiling (JEP 509): profilazione CPU più accurata.
Cooperative Sampling (JEP 518): maggiore stabilità nei campionamenti asincroni.
Method Timing & Tracing (JEP 520): tracciamento dettagliato dei metodi per individuare colli di bottiglia e bug.
Supportare la community Java globale con l’innovazione cloud
Implementare Java su Oracle Cloud Infrastructure (OCI), che è il primo cloud di livello hyperscale a supportare Oracle JDK 25, permette di ottenere livelli superiori di prestazioni ed efficienza, innovazione e risparmio sui costi. Offrendo Oracle Java SE e funzionalità avanzate come il Java SE Subscription Enterprise Performance Pack senza alcun costo aggiuntivo su OCI, Java 25 consente agli sviluppatori di creare e implementare applicazioni che vengono eseguite più velocemente, più efficacemente e con un rapporto prezzo/prestazioni ottimizzato.
L’Oracle Java SE Universal Subscription offre ai clienti un supporto che comprende il Java SE Subscription Enterprise Performance Pack, il supporto per tutto il portfolio Java, Java Management Service; inoltre, può essere aggiornata in modo flessibile, in funzione delle esigenze di business dei clienti. Ciò consente ai team IT di gestire la complessità, ridurre i rischi per la sicurezza e contenere i costi.
Nel giro di tre anni, ChatGPT è passato dal debutto pubblico con 1 milione di utenti registrati nel dicembre 2022 a una base che, a fine luglio 2025, conta oltre 700 milioni di utenti settimanali attivi. L’incremento non è stato lineare: già dopo dodici mesi erano oltre 100 milioni, dopo due anni 350 milioni. Ma è nell’ultimo anno che l’uso è letteralmente esploso: da luglio 2024 a luglio 2025, i volumi di messaggi sono cresciuti di oltre cinque volte, arrivando a 2,5 miliardi di interazioni giornaliere, ossia quasi 29.000 messaggi al secondo.
Questi numeri descrivono un salto di scala che segna la transizione dall’AI come novità curiosa a tecnologia infrastrutturale: oggi per centinaia di milioni di persone il modello è una presenza fissa, comparabile a e-mail o motori di ricerca e sono alla base dello studio How People Use ChatGPT, pubblicato come working paper dal National Bureau of Economic Research (NBER) e firmato dal team di ricerca economica di OpenAI insieme all’economista di Harvard David Deming, si basa su un’analisi su larga scala – con approccio privacy-preserving – di 1,5 milioni di conversazioni, per tracciare come l’utilizzo da parte dei consumatori sia evoluto nei tre anni successivi al lancio di ChatGPT.
Considerata l’ampiezza del campione e gli oltre 700 milioni di utenti attivi a settimana, si tratta della più completa indagine mai realizzata sull’uso reale dell’intelligenza artificiale da parte del pubblico.
Pur concentrandosi esclusivamente sui piani consumer, i risultati mettono in evidenza come la tecnologia generi valore economico non solo nell’ambito professionale, ma anche al di fuori del contesto lavorativo.
Lavoro e non-lavoro: come cambia il bilanciamento
L’analisi del traffico rivela una dinamica inattesa. Tra giugno 2024 e giugno 2025 i messaggi totali sono passati da 451 milioni a 2,6 miliardi al giorno. Ma la distribuzione per finalità si è ribaltata: se a metà 2024 il 47% dei messaggi era legato al lavoro e il 53% a contesti non professionali, un anno dopo la proporzione è 27% lavoro e 73% non-lavoro.
Questo significa che, nonostante la crescita anche in ambito aziendale (716 milioni di messaggi/giorno a giugno 2025 contro i 213 milioni di un anno prima), il ritmo di adozione maggiore è fuori dall’ufficio. Un fenomeno che testimonia la capacità di ChatGPT di radicarsi nelle abitudini personali: dal supporto allo studio alla scrittura di testi creativi, fino all’uso come motore di conversazione per informarsi o divertirsi.
I tre grandi “topic”: scrittura, consulenza, informazione
Guardando ai contenuti delle conversazioni, tre categorie coprono quasi l’80% dell’uso complessivo: Practical Guidance (consigli pratici e operativi), Writing (scrittura e revisione), Seeking Information (ricerca e sintesi di conoscenze).
Gli argomenti di conversazione generici e le categorie di classificazione sottostanti utilizzate da OpenAI
Tra queste, la scrittura è il vero motore dell’uso professionale: tra il 40% e il 42% delle conversazioni di lavoro riguarda il “Writing”. Ma non si tratta tanto di generare testi da zero: circa due terzi dei messaggi in questa categoria servono a migliorare, tradurre o rielaborare contenuti forniti dall’utente.
È una dinamica interessante perché smentisce l’immagine di ChatGPT come “macchina che scrive tutto”: in realtà il valore percepito sta nell’editing intelligente, cioè nel trasformare materiale grezzo in testi meglio strutturati, coerenti e adatti al contesto.
Gli intenti: Asking, Doing, Expressing
Per andare oltre gli argomenti, il report introduce una tassonomia basata sull’intento dell’utente: Asking: cercare informazioni, spiegazioni, consigli; Doing: chiedere output pronti all’uso, come email, codice, tabelle ed Expressing: auto-esprimersi, spesso in chiave creativa o personale.
Sulla totalità delle interazioni nel periodo osservato, la media è: 49% Asking, 40% Doing, 11% Expressing. Ma la tendenza è dinamica: a metà 2024 Asking e Doing erano quasi equivalenti; a fine giugno 2025 Asking è salito al 51,6%, Doing è sceso al 34,6%, Expressing è cresciuto fino al 13,8%.
Il dato più significativo riguarda l’ambito professionale: nelle conversazioni di lavoro domina il “Doing” (≈56%), seguito da Asking (≈35%) ed Expressing (≈9%). In pratica, quando si usa ChatGPT per attività lavorative, lo si fa soprattutto per ottenere output direttamente utilizzabili, non solo per farsi spiegare concetti.
Le attività lavorative secondo O*NET
Un contributo originale del report è la mappatura delle interazioni alle Generalized Work Activities (GWA), una delle classificazioni fondamentali usate da O*NET (Occupational Information Network), il database del Dipartimento del Lavoro degli Stati Uniti che raccoglie e struttura informazioni dettagliate su migliaia di professioni. Le GWA descrivono le attività lavorative di carattere generale, comuni a molte occupazioni diverse, che rappresentano i compiti di base svolti dai lavoratori indipendentemente dal settore o dal ruolo specifico. Non sono quindi mansioni puntuali o specifiche, ma macro-categorie di attività che si ritrovano trasversalmente nei diversi lavori.
Questa mappatura permette di osservare come l’AI si innesti nelle pratiche lavorative concrete.
Risultato: il 45,2% dei messaggi complessivi si concentra su tre attività legate all’informazione:
Getting Information (19,3%),
Interpreting Meaning for Others (13,1%),
Documenting and Recording (12,8%).
Seguono Providing Advice (9,2%), Thinking Creatively (9,1%), Making Decisions and Solving Problems (8,5%) e Working with Computers (4,9%). Insieme, queste sette aree coprono oltre tre quarti di tutto l’uso (76,9%).
Se si guarda solo al sottoinsieme di messaggi work-related, emergono priorità diverse: al primo posto resta Documenting/Recording (13,2%), seguita da Decision-making (10,6%), Creatività (9,3%) e Lavoro con i computer (7,7%). Qui l’AI diventa strumento per produrre, formalizzare e condividere informazioni in ambienti organizzativi.
Differenze per professione
Non tutte le categorie professionali usano ChatGPT allo stesso modo. Nei settori a più alta specializzazione l’adozione per lavoro è superiore: 57% tra gli occupati in ambiti informatici, 50% nel management e business, 48% in ingegneria e scienze. Nei ruoli meno qualificati, la quota scende al 40%.
Anche l’intento varia: i professionisti IT usano più “Asking” (47%) rispetto ai non-professional (32%), a conferma che lo strumento viene sfruttato come fonte di supporto e chiarimento tecnico.
Quanto ai topic, in management/business prevale nettamente la scrittura (52% delle chat di lavoro), mentre in informatica spiccano le richieste di supporto tecnico (37%).
Chi sono gli utenti: genere, età, geografia
La fotografia demografica mostra un paesaggio in evoluzione. Nel 2025 si è raggiunta una parità di genere tra gli utenti attivi settimanali, con una leggera prevalenza femminile.
Per età, quasi la metà dei messaggi (46%) proviene da utenti tra i 18 e i 25 anni, ma la quota di conversazioni di lavoro cresce con l’età: tra i 36–45enni la percentuale di messaggi professionali è molto più alta che tra gli under 25. Un’eccezione: tra gli over 66 solo il 16% dei messaggi è legato al lavoro.
Infine, la diffusione è sempre più globale: nell’ultimo anno la crescita più rapida è stata registrata nei Paesi a reddito medio-basso, segno che l’AI non è più appannaggio esclusivo delle economie avanzate.
Qualità e soddisfazione
Le interazioni classificate come “Asking” sono valutate dagli stessi utenti di qualità superiore rispetto alle altre. Non solo: i modelli di classificazione interna indicano che proprio le richieste di informazione e consulenza sono quelle con la maggiore probabilità di generare soddisfazione. È un dato importante: ChatGPT è percepito come co-pilota informativo più che come produttore di output finale.
L’immagine che emerge non è quella di un’AI “onnipotente”, ma di uno strumento che si è guadagnato un ruolo chiaro: un assistente cognitivo multiuso.
Nella sfera personale domina la curiosità, la scrittura informale, l’apprendimento. In quella professionale il focus è sulla scrittura di qualità, sulla rielaborazione di contenuti e sul supporto alle decisioni. L’uso cresce in tutti i segmenti demografici e geografici, e le differenze tra categorie professionali mostrano una progressiva integrazione dell’AI nelle routine di lavoro.
Il dato più netto è che la maggioranza assoluta delle interazioni (73%) è ormai non-lavorativa: ChatGPT si è affermato non solo come strumento di produttività, ma come compagno digitale quotidiano. Un passaggio culturale che segna l’ingresso dell’AI non più come eccezione, ma come parte ordinaria della vita online.
Il Cyberthreats Report H1 2025 di Acronis, elaborato dalla Threat Research Unit (TRU) e basato sull’analisi di oltre un milione di endpoint monitorati in tutto il mondo, fornisce una fotografia impietosa dell’attuale scenario della sicurezza informatica. I dati raccolti tra gennaio e giugno 2025 mostrano come i cybercriminali abbiano affinato le loro tecniche, adottando schemi sempre più sofisticati e sfruttando tanto le vulnerabilità tecnologiche quanto le debolezze umane. Ne emerge un quadro in cui ransomware, phishing e abusi dell’intelligenza artificiale si collocano ai vertici delle minacce globali, con implicazioni dirette per aziende, pubbliche amministrazioni e Managed Service Provider (MSP).
Ransomware: una crescita senza tregua
Il ransomware continua a essere il nemico numero uno per le imprese. Il report evidenzia che, nella prima metà del 2025, il numero di vittime rese pubbliche è aumentato del 70% rispetto agli stessi periodi del 2023 e 2024. Questo dato non è casuale, ma riflette un’evoluzione dell’intero ecosistema criminale, sempre più organizzato e industrializzato.
Un elemento centrale è il modello Ransomware-as-a-Service (RaaS), che permette a criminali con competenze limitate di accedere a piattaforme pronte all’uso. I gruppi che dominano il mercato — tra cui LockBit, Qilin e Rhysida — offrono infrastrutture e servizi per la distribuzione del malware, gestendo perfino aspetti come la negoziazione del riscatto e la pubblicazione dei dati esfiltrati. Questo ha abbassato drasticamente le barriere d’ingresso, favorendo la proliferazione di attacchi anche da parte di attori meno esperti.
Il settore manifatturiero risulta il più colpito a livello globale, con il 15% degli attacchi totali. In Italia, casi come PPM Industries, RideWill e Alascom mostrano la vulnerabilità di aziende che operano in ambiti molto diversi, dal manifatturiero al retail fino agli integratori di sistemi IT. Gli episodi dimostrano come i gruppi criminali adottino strategie diversificate: dall’esfiltrazione di grandi volumi di dati alla richiesta di riscatti elevati, fino alla pubblicazione di informazioni sensibili per esercitare pressione sulle vittime.
L’AI come moltiplicatore di attacchi
L’intelligenza artificiale è la grande protagonista del 2025, sia come opportunità per rafforzare le difese, sia come arma in mano ai criminali. Il report sottolinea che l’AI non è ancora impiegata lungo l’intera catena dell’attacco, ma viene sfruttata in fasi cruciali, in particolare nella creazione di contenuti ingannevoli e nella manipolazione dell’identità digitale.
Tra i casi più significativi emergono l’uso di avatar deepfake per superare processi di selezione e infiltrarsi in aziende tecnologiche, con conseguente furto di codice sorgente e dirottamento di pagamenti verso programmi di armamento nordcoreani. In Italia, il tentativo di frode contro il Ministro della Difesa Guido Crosetto dimostra quanto le tecniche di clonazione vocale AI possano essere convincenti, soprattutto quando combinate con spoofing di numeri telefonici governativi.
Accanto a queste applicazioni, Acronis mette in guardia sulle vulnerabilità intrinseche delle piattaforme AI: fenomeni di prompt injection o configurazioni che trasmettono dati non cifrati a server esterni aprono scenari di rischio che potrebbero trasformarsi nei prossimi anni in veri e propri vettori di attacco. In questo senso, l’AI diventa una minaccia duplice: potenzia le capacità dei criminali e, allo stesso tempo, espone nuove superfici di attacco nelle aziende che la adottano senza le dovute precauzioni.
Malware e phishing: vettori in trasformazione
Il malware mantiene un volume significativo, ma cambia natura e modalità di diffusione. Nel primo semestre 2025, i trojan hanno rappresentato oltre la metà dei rilevamenti, seguiti da adware e infostealer . Una delle dinamiche più preoccupanti è l’ascesa del malvertising: campagne di pubblicità ingannevole che spingono l’utente a scaricare falsi aggiornamenti del browser o software malevoli, come i ceppi SocGholish e ZPHP.
Il tempo medio di vita di un campione di malware è sceso a 1,4 giorni, segnale che i criminali sfruttano l’automazione per creare varianti sempre nuove e difficili da intercettare. La rapidità di mutazione rende i tradizionali sistemi di rilevamento statico inefficaci, imponendo l’adozione di soluzioni basate sull’analisi comportamentale e sull’EDR (Endpoint Detection and Response).
Anche il phishing sta vivendo una trasformazione. Se gli attacchi via e-mail calano leggermente, passando dal 79% al 69,8% del totale, quelli rivolti alle app di collaborazione esplodono, salendo al 30,5%. Parallelamente aumentano gli attacchi avanzati (24,5%), che spesso sfruttano deepfake generati da AI o exploit automatizzati. L’analisi dei backup delle caselle Microsoft 365 ha messo in evidenza come il 40% degli URL salvati fosse legato a phishing e il 30% a link malevoli, segno che la minaccia non si limita ai messaggi attivi, ma si annida anche nelle storiche basi di dati aziendali.
MSP sotto pressione
I Managed Service Provider (MSP) rappresentano un anello debole della catena, proprio perché gestiscono infrastrutture critiche per conto di molteplici clienti. Gli attacchi che li colpiscono hanno un effetto domino, propagandosi lungo la supply chain.
Secondo Acronis, oltre la metà degli incidenti che hanno coinvolto MSP tra gennaio e giugno 2025 è partita da campagne di phishing. Seguono lo sfruttamento di vulnerabilità non corrette (27%) e l’abuso di credenziali valide (13%). Questo dimostra come, accanto alle falle tecnologiche, continui a giocare un ruolo centrale il fattore umano, con gli aggressori che sfruttano tecniche di social engineering amplificate dall’uso dell’AI.
Un’altra tendenza preoccupante riguarda l’abuso di strumenti di gestione remota (RMM). Piattaforme come ConnectWise ScreenConnect e TeamViewer, nate per semplificare l’assistenza tecnica, sono state trasformate in vettori per distribuire ransomware, disattivare backup e mantenere accessi persistenti non autorizzati. La recente campagna ScreenConnect, in particolare, ha mostrato come installer trojanizzati possano veicolare RAT (Remote Access Trojan) personalizzati, consentendo agli aggressori di muoversi indisturbati negli ambienti compromessi.
Focus sull’Italia
Il contesto italiano presenta peculiarità che meritano attenzione. Nel maggio 2025, circa il 6,7% degli endpoint nazionali ha bloccato almeno un URL malevolo, un dato che colloca l’Italia in una posizione intermedia rispetto a Paesi come Germania e Regno Unito.
Gli incidenti ransomware più noti hanno coinvolto realtà molto diverse, dal manifatturiero al retail fino agli integratori IT. Questo dimostra che nessun settore può considerarsi immune. Inoltre, il report segnala che in Italia gli hacktools costituiscono il 40% dei rilevamenti malware, un dato superiore alla media globale. Questo indica che le campagne di attacco non si limitano a distribuire payload, ma si concentrano anche sulla preparazione dell’ambiente compromesso, con strumenti progettati per muoversi lateralmente nelle reti e mantenere la persistenza.
Le raccomandazioni strategiche
Il Cyberthreats Report H1 2025 non si limita a descrivere le minacce, ma propone un approccio multilivello alla difesa. Al centro c’è il rafforzamento della resilienza organizzativa, che passa dal consolidamento dei backup e dei piani di recovery fino all’adozione di architetture basate sullo Zero Trust, in cui ogni accesso deve essere verificato e segmentato.
Fondamentale è anche il patch management: il ritardo nell’aggiornamento dei sistemi continua a rappresentare uno dei punti di ingresso più sfruttati dai criminali. Parallelamente, cresce l’importanza di soluzioni avanzate di rilevamento comportamentale ed EDR, indispensabili per intercettare minacce elusive come il process injection o l’esecuzione di script PowerShell offuscati.
Il report dedica poi particolare attenzione alla gestione dell’AI: se da un lato va contrastato l’uso malevolo di deepfake e strumenti automatizzati, dall’altro è cruciale regolamentare l’adozione interna, prevenendo configurazioni insicure che possano esporre dati sensibili. Infine, viene ribadita l’importanza di un approccio culturale: la security awareness del personale è considerata una delle difese più efficaci contro phishing e social engineering, minacce che non possono essere neutralizzate solo con la tecnologia.
Il messaggio che emerge dal report è chiaro: la sicurezza non può più essere affrontata con logiche difensive tradizionali. Ransomware, phishing e AI stanno trasformando la mappa delle minacce in un contesto in cui ogni punto di fiducia rischia di diventare un punto di vulnerabilità. Per le aziende italiane, la sfida consiste nel coniugare resilienza tecnologica, governance dell’AI e formazione del personale, con un occhio attento alla protezione della supply chain. In un ecosistema digitale sempre più interconnesso, la capacità di prevenire, rilevare e rispondere in modo coordinato diventa il vero discrimine tra resilienza e vulnerabilità.
Oggi è stata annunciata una collaborazione innovativa nel panorama nazionale dei servizi cloud, tra Cubbit, la scale-up bolognese pioniera del cloud storage geo-distribuito in Europa, e Herabit, la digital company del Gruppo Hera.
Dopo aver adottato internamente la tecnologia Cubbit nel 2023, Herabit la estende ora al mercato business integrando il software DS3 Composer nei propri data center di Imola (BO) e Siziano (PV) e di Santa Lucia di Piave (TV). È la prima Business Alliance Partnership regionale siglata da Cubbit, per rendere disponibile a tutte le filiere industriali l’architettura di archiviazione in cloud distribuita, con pieno controllo locale e sovranità del dato, resilienza, efficienza e compatibilità con lo standard S3. Le due aziende consolidano così un’alleanza che vede Herabit come “preferred infrastructure partner” in Emilia-Romagna e aprono la strada a un modello replicabile anche in altri contesti locali.
I principali casi d’uso spazieranno dal backup all’archiviazione dati di lungo periodo, fino alla creazione di data lake per le aziende e per sistemi di intelligenza artificiale. I benefici per le imprese sono: maggiore sicurezza, perché i dati vengono cifrati, frammentati e distribuiti su più nodi e restano sempre accessibili e mai esposti per intero; sovranità e controllo locale del dato, poiché la tecnologia è completamente italiana e il dato resta in Italia, all’interno delle infrastrutture Herabit (proprietaria di tre data center e di 321mila km cumulativi di reti in fibra ottica); alte prestazioni in virtù della vicinanza geografica e di asset proprietari che assicurano bassa latenza e continuità di servizio; maggiore efficienza con riduzione di costi e di impatto ambientale, grazie ai modelli di archiviazione efficiente di Cubbit.
Herabit avvierà il servizio con una capacità iniziale di 2 petabyte dedicati ai clienti business (pari a circa a mille miliardi di pagine di testo o a quattro anni di dati generati da un impianto industriale medio con mille sensori attivi da 1 MB/minuto di informazioni), con un piano di crescita ulteriore dal 2026.
Stefano Onofri, Co-founder & Co-CEO di Cubbit
Stefano Onofri, Co-CEO e Co-fondatore di Cubbit, commenta: “La collaborazione con Herabit dimostra come i service provider europei possano, grazie alla tecnologia Cubbit, tornare ad essere protagonisti del mercato globale dello storage, creando e offrendo il proprio servizio cloud resiliente, sovrano e competitivo. È una soddisfazione vedere un nostro cliente come Herabit espandere ulteriormente l’adozione della nostra soluzione, incrementando non solo il proprio beneficio ma anche quello dei clienti finali”.
Alessandro Aiello, Direttore Generale di Herabit, aggiunge: “L’accordo con Cubbit segna un passo strategico nell’evoluzione della nostra offerta cloud. L’integrazione nei nostri data center della loro tecnologia ci permette di offrire un servizio di cloud storage sicuro, flessibile e altamente competitivo, rispondendo alle esigenze concrete delle imprese. Un impegno che unisce innovazione digitale e sovranità del dato, a sostegno dello sviluppo economico del territorio”.
Fondata a Bologna, Cubbit è il primo enabler europeo di cloud storage geo-distribuito. Il suo software innovativo consente a service provider, imprese ed enti pubblici di creare in pochi minuti il proprio sistema di archiviazione in cloud distribuita, adattabile alle strategie infrastrutturali di ogni organizzazione. La piattaforma garantisce pieno controllo e sovranità sui dati, semplificazione dei flussi di gestione e ottimizzazione dei costi. Oggi Cubbit conta oltre 400 aziende clienti e partner, tra cui Leonardo (leader mondiale nel settore della difesa e della cybersicurezza) e Rai Way (la società del gruppo RAI attiva nel settore media e datacenter), ed è sostenuta da partner tecnologici globali come HPE, Accenture ed Equinix.
Herabit è la digital company del Gruppo Hera, precedentemente nota come Acantho. Fondata a Imola 25 anni fa, ha mosso i primi passi con i servizi di telecomunicazione e lo sviluppo di una rete in fibra ottica a banda ultra-larga. Oggi gestisce oltre 321mila km cumulativi (7.000 km fisici) di fibra ultra-broadband e tre data center interconnessi con alta ridondanza (Imola, Siziano, Santa Lucia di Piave). L’azienda offre servizi avanzati e personalizzati per aziende e istituzioni, tra cui comunicazioni dati e voce, hybrid multicloud, cybersecurity e soluzioni smart. Nel 2024 ha raggiunto 92,9 milioni di euro di ricavi, in crescita costante grazie agli investimenti in innovazione tecnologica e sostenibilità.
La trasformazione digitale europea si trova oggi davanti a un bivio: scegliere se continuare a dipendere da infrastrutture e tecnologie non europee, o dotarsi di strumenti propri che garantiscano indipendenza, sicurezza e capacità di innovazione. SAP, prima azienda europea per capitalizzazione e storicamente radicata in Europa e con oltre cinquant’anni di esperienza nel supportare processi mission-critical delle aziende, ha deciso di collocarsi al centro di questa sfida. L’annuncio di un nuovo portafoglio di soluzioni cloud sovrane rappresenta un passo concreto per rafforzare l’autonomia tecnologica del continente, non solo sul piano della conformità normativa, ma soprattutto su quello della capacità di sfruttare al meglio l’intelligenza artificiale come motore di crescita.
Le quattro dimensioni della sovranità secondo SAP
Martin Merz, President SAP Sovereign Cloud, ci spiega che la sovranità digitale non può essere interpretata come un concetto astratto o solo politico, ma deve tradursi in parametri misurabili: “Quando parliamo di sovranità in SAP la definiamo con quattro dimensioni molto chiare: la sovranità dei dati, che riguarda dove risiedono e che non escano dal Paese; Nessun dato o metadato deve oltrepassare i confini nazionali. Questo aspetto risponde direttamente alle preoccupazioni di governi e autorità di regolamentazione sulla possibilità di accessi esterni; la sovranità operativa, cioè chi può toccare quei dati e con quali autorizzazioni: SAP assicura che personale locale, dotato di specifiche autorizzazioni di sicurezza, sia l’unico ad avere accesso a informazioni sensibili; la sovranità tecnica, che copre dal data center al control plane: dalla protezione fisica dei data center fino al controllo delle piattaforme software, ogni elemento deve essere disegnato per ridurre al minimo i rischi; e infine la sovranità legale, che significa assenza di qualsiasi influenza o controllo estero. È questo framework che rende la nostra offerta unica”.
La sovranità non si esaurisce nella protezione dei dati, ma abbraccia l’intera catena di valore digitale.
SAP Cloud Infrastructure: open source e localizzazione europea
La SAP Cloud Infrastructure (SCI) costituisce il cuore della nuova offerta. Si tratta di una piattaforma Infrastructure-as-a-Service (IaaS) sviluppata su tecnologie open source e gestita interamente da SAP nei propri data center distribuiti all’interno dell’Unione Europea. La scelta dell’open source non è soltanto tecnica: è un segnale politico e strategico di riduzione della dipendenza da fornitori extraeuropei, spesso soggetti a giurisdizioni che potrebbero entrare in conflitto con le normative locali.
Merz sottolinea come il valore della proposta non stia solo nell’infrastruttura, ma nel processo continuo di “hardening” che SAP applica: ogni soluzione viene adattata ai requisiti normativi dei singoli Paesi, in modo da costituire un superset regolatorio, ovvero un insieme di requisiti di sicurezza e conformità che combina – e spesso supera – le normative dei diversi Paesi in cui l’azienda opera, valido ovunque. Questo approccio consente a un’azienda o a un ente pubblico di beneficiare della stessa piattaforma in Italia, Germania o Francia, sapendo che le specificità locali sono già integrate.
“Prendiamo i requisiti più severi da ogni Paese, li integriamo e li applichiamo ovunque. Così offriamo sempre il livello di sicurezza più alto, indipendentemente dalla nazione o dal settore”, spiega Merz. Ogni nazione stabilisce regole proprie in materia di sicurezza dei dati, gestione operativa e certificazioni. Ad esempio, negli Stati Uniti l’erogazione di servizi al settore pubblico è vincolata alla certificazione FedRAMP, mentre in Italia l’Agenzia per la Cybersicurezza Nazionale (ACN) impone specifici standard locali. Invece di limitarsi a replicare soluzioni ad hoc per ciascun Paese, SAP adotta un modello più ambizioso: prendere il livello più alto di ciascuna normativa e integrarlo in un framework unico.
Il risultato è una sorta di livello “armato” di conformità che non solo risponde alle richieste minime di ciascun regolatore, ma fornisce a tutti i clienti un livello di protezione superiore. Merz lo paragona a un veicolo blindato che, nel tempo, diventa sempre più robusto grazie all’esperienza accumulata nei diversi mercati.
Questo approccio presenta almeno tre vantaggi strategici:
Efficienza operativa – Invece di mantenere versioni separate delle proprie piattaforme per ogni Paese, SAP offre un’unica infrastruttura che incorpora già tutti i requisiti. Ciò riduce costi, complessità e tempi di implementazione.
Uniformità per i clienti multinazionali – Le grandi organizzazioni che operano in più Paesi europei possono adottare il cloud sovrano di SAP con la certezza di rispettare automaticamente tutte le normative nazionali, senza dover gestire progetti separati.
Reattività alle evoluzioni normative – Poiché il superset include già i requisiti più stringenti, l’azienda è pronta ad affrontare nuove regole emergenti, come quelle legate all’AI Act europeo, senza dover stravolgere i sistemi.
Un altro aspetto interessante, emerso nell’intervista, è che circa il 90-95% dei requisiti nazionali nei vari Paesi risulta in realtà complementare. Le differenze non sono quasi mai radicali, ma si traducono in sfumature: un Paese può chiedere più attenzione a un aspetto specifico della crittografia, un altro alla gestione dei log di accesso, un altro ancora alla classificazione dei dati sensibili (riservato, confidenziale, segreto, top secret).
Costruire un superset significa quindi valorizzare queste differenze minori come arricchimento dell’intero impianto di sicurezza, senza duplicare gli sforzi. Per i clienti, ciò si traduce in un ambiente armonizzato e interoperabile, che può scalare oltre i confini senza rischi di non conformità.
Un modello replicabile per l’AI sovrana
Il concetto di superset regolatorio non si limita al cloud, ma diventa un modello applicabile anche all’AI. Con l’entrata in vigore dell’AI Act europeo, ci si aspetta che i requisiti per trasparenza, tracciabilità e gestione dei rischi vengano declinati in modo diverso dai vari Paesi membri. L’approccio SAP – partire dal massimo livello di rigore e renderlo standard – permette di anticipare queste differenze, offrendo alle organizzazioni un ambiente sicuro in cui adottare l’AI senza timori di non conformità.
Il portafoglio SAP Sovereign Cloud integra nativamente SAP Business Technology Platform (SAP BTP) e SAP Business AI, offrendo ai clienti la possibilità di sfruttare l’intelligenza artificiale all’interno di un perimetro sicuro e conforme. L’AI non è solo un complemento, ma il fulcro della proposta: dai modelli predittivi alla gestione intelligente della supply chain, fino all’automazione dei processi, tutto è reso disponibile senza che i dati debbano mai uscire dall’Europa.
Secondo SAP la leadership europea dipenderà dalla capacità di declinare l’AI in casi d’uso specifici per ogni settore: dalla sanità alla pubblica amministrazione, dall’energia alla manifattura. Con il nuovo portafoglio, anche questi ambiti altamente regolamentati potranno accedere all’innovazione senza compromessi.
L’opzione on-site: massima sovranità per governi e difesa
Per i contesti più sensibili, come ministeri della difesa o infrastrutture critiche, SAP propone il modello Sovereign Cloud On-Site. In questo caso, l’infrastruttura cloud viene fisicamente installata nei data center dei clienti, ma resta gestita e aggiornata da SAP. Ciò garantisce la piena continuità del modello cloud – scalabilità, aggiornamenti continui, accesso alle innovazioni – senza rinunciare al controllo fisico totale.
Questo modello risponde a esigenze molto specifiche: poter combinare la sicurezza tradizionale (presidi fisici, controllo degli accessi, misure militari) con l’agilità del cloud moderno. «Immaginiamo un ministero della difesa che chiede di avere il nostro cloud all’interno delle proprie strutture. Possiamo farlo, mantenendo inalterato il valore dell’esperienza cloud», osserva Merz. Le prime implementazioni pilota sono previste già entro l’anno prossimo, segno che il mercato ha espresso un interesse concreto e immediato.
Il caso Delos e la cooperazione europea
L’esperienza tedesca con Delos Cloud rappresenta un modello importante: una società di diritto tedesco, controllata da SAP, che gestisce un cloud sovrano specifico per il settore pubblico. Analoghe iniziative sono in corso in Francia (Delos Bleu, con Capgemini, Orange e Microsoft). Merz, tuttavia, ridimensiona le prospettive di moltiplicazione di progetti simili in altri Paesi: “Lavorare con i regolatori richiede anni. Oggi non possiamo permetterci di aspettare troppo. È meglio rafforzare le infrastrutture esistenti e garantire che siano operative subito”.
Questa posizione riflette un’urgenza condivisa: l’Europa non può permettersi di impiegare cinque o sette anni per creare nuovi cloud nazionali, mentre Stati Uniti e Cina corrono a velocità superiore.
Investimenti e resilienza digitale
L’impegno finanziario dichiarato da SAP – oltre 20 miliardi di euro – rende chiaro che la sovranità digitale non è una mossa tattica, ma una strategia di lungo periodo. L’obiettivo è garantire la resilienza digitale dell’Europa, intesa come capacità di continuare a operare e innovare anche in scenari geopolitici complessi.
Questo investimento non riguarda solo i data center, ma anche la creazione di competenze locali: centinaia di esperti SAP in Europa sono già coinvolti nella delivery delle soluzioni sovrane, rafforzando l’ecosistema tecnologico e occupazionale della regione.
Il confronto con gli hyperscaler
Le iniziative dei grandi hyperscaler, come Microsoft e Oracle, con i loro piani per data center “separati” gestiti da personale europeo, pongono interrogativi sulla reale indipendenza legale di tali soluzioni. Merz è chiaro: “Se la capogruppo resta statunitense, c’è sempre la possibilità teorica di un intervento estero. Questo non è sufficiente per la difesa o le infrastrutture critiche”.
SAP non rinnega la collaborazione con gli hyperscaler – anzi, riconosce che in molti ambiti rimangono la soluzione tecnologicamente più avanzata – ma per le aree più sensibili propone un modello alternativo, completamente europeo, che risponde anche a esigenze di prosperità, benessere e sicurezza nazionale.
La partita geopolitica della sovranità digitale
La sovranità digitale non è solo una questione tecnica, ma una sfida geopolitica ed economica. In un contesto in cui i dati sono diventati la principale risorsa strategica, la capacità di gestirli in modo autonomo può determinare la competitività e la resilienza di un intero continente.
SAP, con la sua offerta Sovereign Cloud, si propone non solo come fornitore di tecnologia, ma come partner strategico dell’Europa, capace di coniugare sicurezza, innovazione e indipendenza. “Accanto all’AI, la sovranità digitale è oggi l’area di crescita più importante per SAP. È un lavoro complesso, ma gratificante, perché contribuiamo direttamente alla resilienza e alla competitività dell’Europa” conclude Merz.
EPF – École Polytechnique Fédérale de Lausanne, ETH – Eidgenössische Technische Hochschule Zürich e CSCS – Centro Svizzero di Calcolo Scientifico (CSCS) hanno presentato Apertus, il primo modello linguistico di grandi dimensioni sviluppato in Svizzera e reso disponibile in forma completamente aperta. Si tratta di una tappa significativa nello sviluppo dell’intelligenza artificiale generativa, che pone trasparenza e diversità al centro.
Questa iniziativa non è soltanto un traguardo tecnologico: è un segnale politico e culturale. La Svizzera, che ha sempre rivendicato neutralità e indipendenza nelle scelte strategiche, si posiziona ora come attore capace di proporre una visione alternativa rispetto ai colossi privati americani e cinesi, costruendo un modello di AI che nasce per il bene pubblico e non per esigenze strettamente commerciali.
Un modello aperto, trasparente e accessibile
Il nome Apertus – dal latino “aperto” – sintetizza l’approccio: architettura, pesi del modello, dati e procedure di addestramento sono integralmente documentati e liberamente consultabili. A differenza di molti altri LLM, che rendono disponibili soltanto alcune componenti (ad esempio l’accesso via API senza mostrare il codice o i dataset), il modello svizzero consente non solo di essere utilizzato, ma anche di essere analizzato e modificato in ogni fase del suo ciclo di vita. È un cambio di paradigma per sviluppatori e ricercatori: la possibilità di ispezionare gli strati più profondi del modello consente audit indipendenti, controlli di sicurezza, adattamenti su misura e perfino sperimentazioni didattiche, ampliando enormemente l’impatto scientifico ed economico dell’iniziativa.
Innovazione con radici pubbliche
“Con questo rilascio vogliamo offrire un esempio di come si possa sviluppare un’AI affidabile, sovrana e inclusiva”, ha dichiarato Martin Jaggi, professore all’EPFL e membro del comitato direttivo della Swiss AI Initiative.
La scelta di collocare Apertus nel dominio pubblico riflette l’idea di un’innovazione che non si limita al laboratorio, ma che diventa infrastruttura condivisa. Non si tratta quindi di un prodotto commerciale venduto in licenza, ma di un “bene comune digitale” che rafforza la sovranità tecnologica. Secondo Thomas Schulthess, direttore del CSCS, l’obiettivo è duplice: da un lato, potenziare la ricerca accademica e industriale, dall’altro, formare una generazione di esperti capaci di governare le trasformazioni portate dall’AI in maniera indipendente rispetto a player esteri.
La Swiss AI Initiative: un ecosistema per un’AI sovrana
Il progetto Apertus si inserisce nella più ampia Swiss AI Initiative, un programma nazionale che unisce le competenze di EPFL, ETH Zurigo e CSCS con il supporto di partner industriali come Swisscom e con il finanziamento del Consiglio dei Politecnici Federali.
La nascita dell’iniziativa risponde al dominio dei grandi player privati – soprattutto statunitensi e cinesi – che oggi controllano gran parte delle infrastrutture AI. La Svizzera propone un modello alternativo: ricerca pubblica che produce non solo conoscenza, ma anche strumenti concreti a disposizione di imprese, startup e cittadini. In questa prospettiva, Apertus è il primo foundation model concepito come bene comune digitale.
Il cuore tecnologico dell’iniziativa è il supercalcolatore “Alps” del CSCS, che ha messo a disposizione oltre 10 milioni di ore GPU per l’addestramento dei modelli. Una capacità computazionale di questa portata è raramente accessibile in ambito accademico e permette alla Svizzera di collocarsi ai vertici europei.
Ma la Swiss AI Initiative non è solo infrastruttura: con le Swiss {ai} Weeks, l’iniziativa porta ricerca, startup e cittadini a lavorare insieme su progetti concreti, in una logica di AI decentralizzata e partecipativa. A ciò si aggiunge la piena conformità con l’AI Act europeo, che rende i modelli sviluppati già pronti per applicazioni in settori regolamentati.
In prospettiva, l’iniziativa punta a sviluppare non solo LLM generici, ma anche modelli verticali per domini come salute, clima, diritto ed educazione, mantenendo sempre come principi guida trasparenza, multilinguismo ed etica. La Svizzera mira così a diventare un hub europeo dell’AI responsabile, capace di competere non sulla scala pura, ma sulla qualità e sulla governance.
Un addestramento senza precedenti
Apertus è stato addestrato su 15 trilioni di token in oltre 1.000 lingue, con il 40% dei dati non in inglese. Questa scelta progettuale rompe con la tradizione dei grandi LLM internazionali, che spesso privilegiano l’inglese e trascurano lingue minoritarie. Il risultato è un modello che non solo comprende e produce testi in lingue globali, ma è anche in grado di gestire idiomi meno diffusi come lo svizzero tedesco e il romancio.
La portata di questo sforzo va oltre la pura tecnologia: garantire la presenza delle lingue minoritarie significa preservare patrimoni culturali e rendere l’AI realmente inclusiva. È un approccio che risponde a una delle critiche più forti agli LLM esistenti, ovvero il rischio di omologazione linguistica e culturale.
Accesso e prime applicazioni
Oltre al download libero, Apertus sarà protagonista degli hackathon delle Swiss {ai} Weeks, che rappresentano la prima occasione per sviluppatori, startup e studenti di interagire direttamente con il modello. Swisscom metterà a disposizione un’interfaccia dedicata, semplificando l’uso del modello anche per chi non dispone di risorse computazionali avanzate.
Questa democratizzazione dell’accesso è cruciale: gli LLM richiedono normalmente server costosi e infrastrutture di cloud computing, ostacoli insormontabili per molti attori emergenti. Con Apertus, la barriera d’ingresso si abbassa, consentendo un’adozione diffusa sia nelle imprese sia nel settore pubblico. Inoltre, a livello globale, la Public AI Inference Utility offrirà un accesso aperto al modello come infrastruttura condivisa, con l’obiettivo di costruire un ecosistema di AI simile a quello delle reti pubbliche essenziali, come strade o energia elettrica.
Trasparenza, etica e conformità normativa
Uno degli aspetti distintivi del progetto è la piena conformità legale ed etica. Il dataset di addestramento è stato filtrato per rimuovere dati personali e rispettare le richieste di opt-out dei siti web, anche retroattivamente. Questo approccio non solo previene rischi legali, ma risponde a crescenti preoccupazioni su copyright e privacy nell’uso di contenuti per l’AI.
Inoltre, il rispetto delle normative svizzere sulla protezione dei dati e l’allineamento con il futuro AI Act europeo conferiscono a Apertus un vantaggio competitivo: le aziende che adotteranno il modello potranno farlo senza timori di non conformità. Questo lo rende particolarmente attraente per applicazioni in settori regolamentati come la sanità, il diritto o la finanza.
Uno sguardo al futuro
“Il rilascio di Apertus non è un punto di arrivo, ma l’inizio di un percorso”, ha affermato Antoine Bosselut, responsabile del laboratorio di NLP all’EPFL. Le prossime evoluzioni mireranno ad ampliare la famiglia di modelli, migliorare l’efficienza e sviluppare varianti per settori specifici come diritto, clima, salute ed educazione.
La visione è chiara: costruire una base solida per una nuova generazione di AI sovrane, sicure e trasparenti, che possano supportare missioni critiche e contribuire a risolvere sfide globali. Se i grandi modelli commerciali come GPT o Gemini puntano a massimizzare la scala e le capacità generali, Apertus sembra voler definire una “via svizzera” all’AI: meno centralizzata, più controllabile, e soprattutto costruita per il bene comune.
IBM Research e Google hanno annunciato che l’Agent Communication Protocol (ACP) confluirà ufficialmente nell’Agent-to-Agent Protocol (A2A) sotto l’ombrello della Linux Foundation. La decisione nasce dalla volontà di consolidare gli sforzi della comunità in un unico standard, evitando duplicazioni e accelerando l’adozione industriale.
Nato in IBM Research per supportare la piattaforma BeeAI, ACP ha rappresentato fin dall’inizio un tentativo di rendere interpretabile e trasparente l’interazione tra agenti software. La convergenza con A2A, promosso da Google e sostenuto da un ecosistema ampio che include Microsoft, AWS, Cisco, Salesforce, ServiceNow e SAP, segna il passaggio da iniziative parallele a una governance condivisa.
“Unire ACP e A2A significa creare un linguaggio comune per gli agenti AI”, ha dichiarato Kate Blair, direttrice dell’incubazione in IBM Research. Todd Segal di Google ha aggiunto che la convergenza consentirà di costruire un ecosistema interoperabile, in grado di favorire collaborazioni cross-vendor e cross-framework.
Il protocollo A2A si propone come standard universale per consentire ad agenti eterogenei — sviluppati con framework diversi e ospitati in ambienti distribuiti — di comunicare e collaborare in modo sicuro, scalabile e interoperabile.
A2A non dipende dal linguaggio di programmazione o dal runtime adottato dagli agenti, è stato concepito per supportare architetture multi-cloud e scenari di federation, in cui agenti sviluppati da diversi vendor interagiscono senza attriti; le specifiche A2A prevedono inoltre meccanismi di estensione che permettono di introdurre nuove tipologie di messaggi, protocolli di sicurezza o schemi di autenticazione senza rompere la compatibilità.
Con l’integrazione di ACP, A2A eredita anche il focus di IBM sulla trasparenza e interpretabilità, elementi cruciali per la compliance normativa e per la fiducia degli utenti nei sistemi basati su agenti autonomi.
Il ruolo di BeeAI e la migrazione da ACP
Per gli sviluppatori e le aziende che avevano adottato ACP tramite la piattaforma BeeAI, la transizione è stata progettata per essere graduale, grazie a strumenti e documentazione a supporto. L’A2AServer adapter consente agli agenti già sviluppati in BeeAI di diventare conformi ad A2A; L’A2AAgent abilita l’integrazione di agenti esterni, indipendentemente dalla tecnologia con cui sono stati costruiti, all’interno di applicazioni BeeAI. La Linux Foundation, in collaborazione con IBM e Google, mette a disposizione percorsi guidati per portare in A2A gli sviluppi basati su ACP.
Questa compatibilità garantisce che gli investimenti realizzati non vadano persi, e al tempo stesso apre BeeAI a un ecosistema più vasto di agenti e framework.
Governance e comunità open-source
Il futuro di A2A sarà definito dalla Technical Steering Committee (TSC), che ora include Kate Blair di IBM insieme a rappresentanti di Google, Microsoft, AWS, Cisco, Salesforce, ServiceNow e SAP. Questa pluralità di attori garantisce un equilibrio tra interessi industriali e comunità open-source, con l’obiettivo di costruire uno standard realmente condiviso.
Gli sviluppi saranno coordinati su GitHub, dove sono già presenti le prime istruzioni per integrare le funzionalità ACP nel codice A2A. La documentazione verrà aggiornata progressivamente, con un’attenzione particolare alle esigenze degli sviluppatori che devono mantenere compatibilità con sistemi in produzione.
L’unificazione sotto A2A non è solo un fatto tecnico, ed è positivo che sia avvenuta in una fase iniziale dello sviluppo dell’ecosistema di agenti che interagiscono, evitando la frammentazione, che era uno dei rischi principali per la crescita dell’ecosistema agentico e favorendo una più ampia adozione grazie uno standard unico, interoperabile cross-vendor. Un protocollo standard aiuta anche regolatori e policy maker a definire linee guida più chiare in materia di sicurezza, trasparenza e responsabilità degli agenti AI.
Come funziona A2A
A2A funziona come un protocollo di messaggistica strutturata. Non definisce solo la trasmissione dei dati, ma anche il formato semantico con cui gli agenti comunicano.
Un messaggio A2A contiene tipicamente:
Header: con informazioni su chi invia, chi riceve, identificativi di sessione e timestamp.
Payload: la parte principale del messaggio, che può contenere:
Dati strutturati (in JSON o altri formati serializzati)
Metadati di contesto (ad esempio, stato della conversazione o policy di sicurezza).
Security Layer: firme digitali e token di autenticazione per garantire integrità e provenienza.
Il protocollo supporta diversi pattern di comunicazione, tra cui:
Request/Response: un agente chiede informazioni a un altro, che risponde.
Event Notification: un agente invia notifiche di cambiamento di stato.
Collaboration/Workflow: più agenti si coordinano per portare a termine un compito complesso (es. prenotare un volo, gestire una supply chain, automatizzare un processo IT).
Un ipotetico ma realistico workflow aziendale basato sulla comunicazione tra agenti
Un agente HR (ServiceNow) deve programmare un colloquio.
Invia un messaggio A2A a un agente calendario (Google).
L’agente calendario risponde con gli slot disponibili.
L’agente HR invia un’istruzione a un agente di comunicazione (Microsoft Teams o Slack) per fissare la call.
Tutti gli scambi avvengono tramite messaggi A2A, indipendentemente da chi abbia sviluppato gli agenti o su quale cloud siano ospitati.
Questo workflow e altri simili potrebbero essere facilmente implementati – si potrebbe obiettare – utilizzando le API messe a disposizione dai vari sistemi. Ma la differenza tra una chiamata API classica e una comunicazione Agent-to-Agent (A2A) non è banale, perché entrambe si basano su messaggi strutturati, ma hanno obiettivi e semantiche diverse.
Nel primo caso l’interazione è del tipo client-server: il client chiama un endpoint predefinito, riceve una risposta e le interazioni sono rigide e predeterminate (ad es. /users/{id} → restituisce sempre i dati utente).
A2A è peer-to-peer: entrambi gli agenti possono iniziare e rispondere; le interazioni sono semantiche: non “dammi il record X”, ma “esegui un’azione”, “notificami un evento”, “collabora a un workflow” ed è supportato il workflow multi-turn: un messaggio può generare risposte, eventi, negoziazioni tra più agenti.
La struttura dei messaggi A2A è standardizzata con header, payload e security. Ogni messaggio ha elementi nativi per tracciare flussi conversazionali e garantire consistenza. Gli intent (Request, Response, Event, Workflow) sono parte dello standard, non invenzioni del singolo sviluppatore. Così come la sicurezza, fondamentale per l’interazione tra sistemi autonomi, è parte del messaggio stesso (firma digitale, token, autenticazione).
CrowdStrike ha annunciato un’innovazione nel modo in cui le organizzazioni accedono e rispondono all’intelligence sulle minacce, offrendo informazioni personalizzate e in tempo reale sugli avversari direttamente nei workflow degli analisti. Questo approccio consente di allineare l’intelligence alle specifiche realtà di ogni cliente, alle sue esposizioni e ai suoi rilevamenti. Da sempre un punto di riferimento nel campo dell’intelligence sugli avversari, CrowdStrike monitora oltre 265 dei gruppi più sofisticati a livello globale, tra stati-nazione, eCrime e hacktivismo. La nuova release di CrowdStrike Falcon Adversary Intelligence rende scalabile l’intelligence sulle minacce, trasformando informazioni d’élite sugli avversari in azioni immediate e decisive.
I team di sicurezza si trovano spesso a gestire intelligence frammentata, dispersa tra strumenti non connessi, senza il contesto necessario per capire rapidamente come una minaccia possa influenzare il loro specifico profilo di rischio e ambiente tecnologico. Nel frattempo, gli avversari diventano sempre più avanzati, utilizzando l’intelligenza artificiale per potenziare attacchi su larga scala e prendere di mira i sistemi IA e gli agenti autonomi che supportano le moderne operazioni aziendali. I difensori hanno bisogno di un’intelligence precisa, altamente rilevante per i propri ambienti e accessibile in tempo reale.
Falcon Adversary Intelligence sostituisce strumenti frammentati, feed statici e ricerche manuali con un’intelligence personalizzata, alimentata dalla telemetria proprietaria della piattaforma CrowdStrike Falcon. Combinando una profonda comprensione delle tecniche avversarie con informazioni in tempo reale sugli asset, le esposizioni e i rilevamenti di ogni cliente, CrowdStrike è in grado di fornire intelligence prioritizzata e ad alta veridicità, personalizzata in base al profilo di rischio unico di ogni organizzazione.
CrowdStrike sta cambiando radicalmente il modo in cui le organizzazioni utilizzano e mettono in pratica l’intelligence grazie a:
Onboarding automatico e creazione intelligente di regole: utilizzando la mappatura dell’infrastruttura e altri dati raccolti dalla piattaforma Falcon, il sistema adatta dinamicamente il profilo di rischio dell’organizzazione per fornire un’intelligence personalizzata. Segnala minacce e tendenze rilevanti, monitora l’attività nel dark web e mette in evidenza le informazioni più significative basandosi sul settore, lo stack tecnologico e i rilevamenti attivi.
Prioritizzazione basata sui profili contestuali delle minacce: le minacce vengono classificate in base ai rilevamenti in tempo reale, alle esposizioni attive e al contesto aziendale. Ad esempio, una nuova minaccia mirata al settore di un cliente, con dettagli sull’avversario, campagne recenti e risposte consigliate, viene immediatamente evidenziata. Ogni minaccia include un profilo completo con attribuzione, TTP (Tactics, Techniques, and Procedures) schemi di targeting e intrusion set, fornendo agli analisti tutte le informazioni necessarie per agire rapidamente ed efficacemente.
Threat Hunting Guides: disponibili nella versione Premium di Falcon Adversary Intelligence, queste guide consentono agli analisti di passare direttamente dagli insight a guide operative per rilevare la minaccia nel proprio ambiente. Workflow guidati e query preconfigurate, legati all’intelligence, eliminano la necessità di ricerche manuali o correlazioni complesse, riducendo indagini di 10–15 passaggi a pochi clic. Utilizzato insieme a Falcon Next-Gen SIEM, il click-to-hunt semplifica ulteriormente le operazioni, consentendo di rispondere rapidamente e in modo informato a nuove minacce.
Intelligence progettata per i flussi di lavoro del SOC: la funzione Intelligence Explorer offre uno spazio di lavoro centralizzato per investigare le minacce in modo più efficiente.
“Gli avversari di oggi usano la velocità e la furtività come armi, sfruttando la GenAI, gli attacchi cross-domain e il social engineering mirato per muoversi più velocemente che mai e restare invisibili”, ha dichiarato Adam Meyers, Head of Counter Adversary Operations di CrowdStrike. “L’intelligence non può più limitarsi a informare: deve generare un’azione. Questo è un modo più intelligente e dinamico di fornire informazioni allineate all’ambiente di ciascun cliente. Aumentando la rilevanza, accelerando la risposta e offrendo un vero ritorno operativo, permettiamo agli analisti di agire più velocemente, fare hunting in modo più efficace e restare un passo avanti rispetto alle minacce più sofisticate di oggi”.
Cloudflare ha annunciato oggi nuove funzionalità per Cloudflare One, la sua piattaforma Zero Trust, progettata per aiutare le organizzazioni ad adottare, creare e implementare in modo sicuro le applicazioni emergenti di IA generativa. Con queste nuove funzionalità, Cloudflare offre ai clienti la possibilità di comprendere, analizzare e impostare automaticamente i controlli sull’utilizzo dell’IA generativa all’interno della loro organizzazione, migliorando la produttività e l’innovazione dei loro team senza sacrificare gli standard di sicurezza o privacy.
In tutti i team, dalla finanza al marketing, dall’ingegneria al design, le aziende utilizzano l’IA generativa per lavorare più velocemente, semplificare le attività quotidiane e creare nuove potenti applicazioni. Tuttavia, questa diffusione capillare avviene spesso senza tenere conto della sicurezza o della privacy. Ad esempio, i dipendenti potrebbero incollare accidentalmente informazioni aziendali riservate nei chatbot, oppure gli ingegneri potrebbero implementare app basate sull’IA senza il contributo dei team di sicurezza. Per prevenire questi rischi, le aziende devono comprendere e gestire l’uso dell’IA in modo che tutti i dipendenti possano utilizzarla in modo efficiente e sicuro, con la sicurezza integrata di default.
“Cloudflare è il posto migliore per aiutare qualsiasi azienda a implementare l’IA in modo sicuro. Oggi siamo l’unica azienda in grado di offrire la sicurezza di una piattaforma Zero Trust con una serie completa di prodotti di sviluppo dell’IA e dell’inferenza, il tutto supportato dalla portata di una rete globale”, ha affermato Matthew Prince, CEO e co-fondatore di Cloudflare. “Le aziende più innovative al mondo vogliono sfruttare l’IA per muoversi, costruire e scalare rapidamente, senza sacrificare la sicurezza. Siamo in una posizione unica per contribuire a potenziare tale innovazione e aiutare tutte le aziende a implementare l’IA in modo sicuro”.
Cloudflare sta introducendo l’AI Security Posture Management (AI-SPM) nella sua piattaforma Zero Trust per consentire alle organizzazioni di proteggersi da una serie di potenziali minacce poste dall’ampia adozione di strumenti di IA, consentendo alle aziende di muoversi più rapidamente con la certezza che l’IA venga utilizzata in modo sicuro da tutti i team. Ora, con la disponibilità di tutte le funzionalità, i team di sicurezza saranno in grado di scoprire come i dipendenti utilizzano l’AI: con il nuovo Shadow AI Report di Cloudflare, i team di sicurezza possono ottenere informazioni immediate dal loro traffico per avere un quadro chiaro e basato sui dati dell’utilizzo dell’AI nella loro organizzazione.
Questa visione granulare consente loro di vedere non solo che un dipendente sta utilizzando un’applicazione AI, ma anche quale applicazione AI e quali utenti vi accedono. Cloudflare Gateway semplifica l’applicazione automatica delle politiche di IA ai margini della rete di Cloudflare, garantendo una sicurezza costante per ogni dipendente, indipendentemente dal luogo in cui lavora. I team di sicurezza possono scegliere di bloccare completamente le applicazioni di IA non approvate, limitare i tipi di dati caricati nelle applicazioni di IA e completare le revisioni degli strumenti di IA, per garantire che continuino a soddisfare gli standard di sicurezza e privacy. AI Prompt Protection consente ai team di sicurezza di identificare le interazioni potenzialmente pericolose o rischiose dei dipendenti con i modelli di AI e di segnalare tali prompt e risposte. Le politiche possono ora essere applicate in linea a livello di prompt per mitigare il rischio in anticipo e avvertire il dipendente o impedirgli di inviare dati sensibili, come il codice sorgente, a un fornitore di AI non affidabile. Ciò fornirà ai team di sicurezza il controllo necessario per monitorare i dati aziendali che potrebbero essere inviati all’esterno dell’organizzazione, senza limitare completamente l’utilizzo degli strumenti di IA da parte dei dipendenti. Questa visibilità consente in ultima analisi di instradare tutto il traffico MCP, indipendentemente dall’origine, attraverso Cloudflare per un maggiore controllo e una migliore gestione degli accessi. Ora, grazie a informazioni centralizzate, i team di sicurezza possono impostare politiche a livello di utente sia a livello di gateway sia a livello di singolo server MCP.
IBM e NASA hanno svelato il primo modello di intelligenza artificiale fondazionale per l’eliofisica, addestrato su dati solari ad alta risoluzione, per prevedere come l’attività del Sole possa influenzare le tecnologie sulla Terra e nello spazio.
Battezzato Surya (dal sanscrito “Sole”), il modello segna un avanzamento nell’interpretazione delle immagini solari e nella previsione del “meteo spaziale”, con l’obiettivo di proteggere GPS, reti elettriche e telecomunicazioni dagli effetti dell’attività solare. Surya e gli asset collegati sono disponibili su Hugging Face.
Un fenomeno distante, ma dalle ripercussioni globali
Pur trovandosi a circa 150 milioni di km dalla Terra, il Sole incide sulla vita moderna. Brillamenti ed espulsioni di massa coronale possono causare:
danni a satelliti e apparecchiature spaziali
interruzioni della navigazione aerea e rischi radiativi per equipaggi e passeggeri
blackout elettrici e disservizi GPS, con impatti su logistica e agricoltura
Uno scenario di rischio di Lloyd’s stima perdite economiche globali fino a 2,4 trilioni di dollari in cinque anni, con 17 miliardi di perdite attese da una singola tempesta solare ipotetica. Eventi solari recenti hanno già dimostrato il rischio, con interruzioni GPS, dirottamenti e danni a satelliti.
Un bollettino meteo… dallo spazio
Juan Bernabé-Moreno, direttore di IBM Research Europa, UK e Irlanda
“Pensatelo come un bollettino meteorologico per lo spazio. Come ci prepariamo per eventi meteo avversi, dobbiamo fare lo stesso per le tempeste solari. Surya ci permette di anticipare ciò che arriva, non solo come risultato tecnologico, ma come passo cruciale per proteggere la nostra civiltà tecnologica dalla stella che ci sostiene” – afferma Juan Bernabé-Moreno, direttore di IBM Research Europe, UK e Irlanda.
La previsione tradizionale del tempo solare si basa su viste satellitari parziali della superficie del Sole, rendendo storicamente estremamente difficile una previsione accurata. Surya affronta questa tipica limitazione addestrandosi sul più grande set di dati eliofisici ad alta risoluzione. Questo set di dati è stato progettato per aiutare i ricercatori a studiare e valutare meglio i compiti critici di previsione del tempo spaziale. Esempi di questi compiti, su cui Surya è stato testato, includono la previsione dei brillamenti solari, la velocità dei venti solari, la previsione degli spettri EUV solari e la comparsa di regioni attive sul Sole.
Nei primi test, i ricercatori hanno ottenuto un miglioramento del 16% nell’accuratezza della classificazione dei brillamenti solari, un miglioramento molto sostanziale rispetto ai metodi precedenti. Oltre alla classificazione binaria dei brillamenti solari, per la prima volta Surya è in grado di prevedere visivamente i brillamenti solari, fornendo un’immagine ad alta risoluzione del punto in cui si prevede che si verificherà il brillamento fino a due ore prima.
Immagine AIA a 193 Å dopo un’eruzione solare e un brillamento. Le regioni scure mostrano il sito del materiale evacuato dall’eruzione, mentre i grandi loop magnetici si sono formati durante il brillamento.
Le sfide tecniche sono state immense. Surya è stato addestrato su nove anni di dati di osservazione solare ad alta risoluzione provenienti dal Solar Dynamics Observatory della NASA. Queste immagini solari sono 10 volte più grandi dei tipici dati di addestramento dell’intelligenza artificiale, e hanno richiesto una soluzione multi-architettura personalizzata per gestire l’enorme scala mantenendo l’efficienza. Il risultato è un modello con una risoluzione spaziale senza precedenti, in grado di risolvere le caratteristiche solari su scale e contesti che non erano mai stati rilevati in precedenza nel lavoro di addestramento dell’intelligenza artificiale su larga scala.
Democratizzare la scienza solare
“Stiamo avanzando nella scienza data-driven integrando l’esperienza scientifica della NASA in modelli AI d’avanguardia. Con un modello fondazionale addestrato sui dati eliofisici della NASA, analizzeremo il comportamento del Sole con velocità e precisione senza precedenti”, afferma Kevin Murphy (NASA).
Il set di dati eliofisici curato per la valutazione dei compiti chiave nel meteo spaziale è disponibile nella collezione SuryaBench.
Il contesto più ampio: la famiglia Prithvi
Surya si affianca alla famiglia di modelli fondazionali Prithvi per l’osservazione della Terra e il meteo/clima. Nel 2024, IBM e NASA hanno rilasciato il modello Prithvi WxC per proiezioni meteo e climatiche di breve e lungo periodo.
Con l’aumento degli investimenti in cloud, intelligenza artificiale e modernizzazione delle infrastrutture, molte aziende si trovano oggi a gestire ambienti IT sempre più complessi, distribuiti e costosi. La sfida non è solo tecnica, ma economica: capire con esattezza dove vanno a finire le risorse, chi le consuma, quali ritorni generano.
È qui che entra in gioco Apptio, una piattaforma che si propone come “GPS finanziario per le imprese”: uno strumento in grado di fornire una mappa dettagliata della spesa tecnologica, di guidare le decisioni con modelli strutturati e di facilitare la collaborazione tra IT, finance e business.
“Apptio consente di trasformare la percezione dell’IT da centro di costo a leva strategica per il business”, spiega Barbara Rovescala, Senior Solution Consultant dell’azienda acquisita da IBM ad agosto 2023 per 4,6 miliardi di dollari.
La missione della piattaforma è precisa: aiutare le aziende a comprendere dove e come vengono spesi i fondi IT, mettendo in comunicazione tre mondi spesso distanti tra loro — IT, finance e business — attraverso un linguaggio condiviso. “Apptio permette alle aziende di avere conversazioni a valore tra i diversi stakeholder”, spiega Rovescala, “offrendo strumenti e tassonomie che facilitano decisioni basate sui dati”.
TBM (Technology Business Management), fondamento culturale e operativo della piattaforma
Il cuore metodologico della piattaforma è rappresentato dal framework TBM (Technology Business Management), una disciplina sviluppata per favorire una gestione trasparente, tracciabile e strategica delle spese tecnologiche. TBM nasce con l’obiettivo di colmare il gap tra i responsabili IT e i decisori finanziari, abilitando una governance basata su metriche condivise e su una rappresentazione economica coerente della tecnologia all’interno dell’organizzazione. “Il TBM ci permette di superare le incomprensioni tra chi investe, chi gestisce e chi utilizza l’IT”, osserva Rovescala. “È il fondamento culturale e operativo della nostra piattaforma”.
Il TBM (Technology Business Management) è una disciplina che migliora i risultati aziendali fornendo alle organizzazioni un metodo coerente per tradurre gli investimenti tecnologici in valore aziendale, definendo gli strumenti, i processi, i dati e le persone necessari per gestire il business della tecnologia.
Nel dettaglio, TBM fornisce un vocabolario standardizzato e una tassonomia riconosciuta a livello internazionale, che consente di classificare ogni spesa IT in categorie coerenti: infrastrutture, applicazioni, servizi end-user, progetti. Questo schema facilita l’allocazione dei costi, la comparazione tra dipartimenti o sedi e la rendicontazione verso le business unit. Inoltre, TBM introduce una struttura logica per collegare le spese IT alle finalità di business, valorizzando l’impatto degli investimenti sulla produttività, sull’efficienza operativa o sulla capacità innovativa dell’impresa.
“Molte organizzazioni sono abituate a vedere l’IT come un centro di costo, ma il TBM ribalta questa visione: aiuta a dimostrare il valore che la tecnologia genera”, afferma Rovescala.
Nato come promotore del framework TBM, Apptio ha negli anni contribuito a standardizzare il modo in cui le aziende classificano, analizzano e comunicano la spesa IT. Con l’ingresso in IBM, questa visione si è evoluta nel modello ATUM — Apptio Technology Unified Model, che rappresenta l’estensione e il consolidamento del TBM in chiave più ampia e integrata. ATUM mantiene l’impianto metodologico del TBM — tassonomie, tracciabilità dei costi, logiche di allocazione — ma lo amplia per includere ambienti multicloud, FinOps e componenti di AI governance.
“ATUM ci permette oggi di parlare non solo di spesa IT, ma di valore tecnologico complessivo, misurabile e allineato agli obiettivi strategici dell’organizzazione”, afferma Rovescala. Il passaggio da TBM ad ATUM riflette l’esigenza di molte aziende di andare oltre la rappresentazione contabile della tecnologia e abbracciare una visione olistica, dinamica e proattiva della propria architettura digitale. In questo senso, ATUM diventa il framework di riferimento per tutte le aziende che vogliono integrare gestione economica, ottimizzazione tecnica e accountability verso il business.
ATUM — Apptio Technology Unified Model – rappresenta l’estensione e il consolidamento del TBM in chiave più ampia e integrata
All’interno di Apptio, il framework è stato completamente digitalizzato, includendo modelli di allocazione, metriche predefinite, dataset di riferimento e strumenti di simulazione. Ogni componente della piattaforma — dalla dashboard di spesa all’analisi predittiva — si basa su questa struttura condivisa, garantendo coerenza, comparabilità e integrabilità anche in contesti complessi.
Il funzionamento operativo della piattaforma si basa quindi su un motore capace di raccogliere e normalizzare dati da fonti eterogenee — ERP, CMDB, general ledger, sistemi cloud — trasformandoli in insight strategici. Ogni spesa tecnologica può così essere collegata a servizi, prodotti o linee di business specifiche. “Ci poniamo come un cappello strategico sopra le soluzioni già presenti in azienda”, precisa Rovescala, “per aiutare a dare un senso finanziario all’intero stack tecnologico”.
Implementare il modello FinOps
Particolare rilevanza assume l’ambito cloud, dove Apptio si distingue per la sua capacità di implementare concretamente il modello FinOps. La piattaforma si integra direttamente con i principali cloud provider, acquisendo dati in tempo reale che permettono di rilevare anomalie e inefficienze prima che generino fatturazioni indesiderate. “Possiamo intervenire prima ancora che il cliente riceva la fattura, grazie alla lettura diretta delle informazioni dai provider cloud”, sottolinea Rovescala. La piattaforma suggerisce interventi correttivi — come il ridimensionamento delle risorse o la riallocazione dei workload — e, grazie agli agenti intelligenti, può persino automatizzarne l’esecuzione.
Il valore strategico di FinOps emerge in modo chiaro anche nella sua articolazione metodologica. Apptio adotta un modello strutturato in tre fasi: “informare”, ovvero fornire visibilità granulare e tempestiva sui consumi e sui costi associati alle risorse cloud; “ottimizzare”, individuando sprechi, risorse sottoutilizzate, sovrapposizioni contrattuali e opportunità di risparmio; infine “operare”, ovvero integrare questi insight nei processi decisionali quotidiani attraverso pratiche condivise e cicli di miglioramento continuo.
Questo approccio viene abilitato da una reportistica in tempo reale che consente di passare da una gestione reattiva a una governance predittiva. Le aziende possono così evolvere da semplici monitoraggi a una vera e propria orchestrazione finanziaria, con l’obiettivo di massimizzare il valore della tecnologia in ogni fase del ciclo di vita. Rovescala racconta di casi concreti in cui questo approccio ha generato risparmi importanti in pochi mesi: “Nel caso Crif, grazie all’adozione della nostra soluzione FinOps, è stato possibile ottenere un risparmio del 30% sulla spesa cloud in un anno”.
La funzione di rightsizing di IBM Cloudability offre un’interfaccia facilmente utilizzabile che consente di analizzare in dettaglio i suggerimenti per aumentare, ridurre e terminare le risorse, permettendo di individuare, implementare e monitorare il successo delle opportunità di corretto dimensionamento.
“Il FinOps non è un’attività una tantum, ma un modello operativo che evolve con l’organizzazione”, chiarisce Rovescala. “Permette a finance, IT e business di collaborare concretamente, parlando la stessa lingua e intervenendo in tempo reale”. Il motore di Apptio, infatti, non si limita alla raccolta passiva di informazioni: propone azioni correttive basate su dati storici e previsionali, calcola l’impatto economico di ogni intervento e lo attribuisce puntualmente alle unità organizzative. Apptio si adatta anche ad architetture complesse, ibride e multicloud. In questi contesti, consente di unificare la lettura economica dell’infrastruttura, calcolando il Total Cost of Ownership e rendendo confrontabili ambienti eterogenei. “L’approccio ibrido è centrale, in linea anche con la strategia IBM: non importa dove risiedano i dati, conta che possano essere analizzati in modo unificato”.
Migliorare la qualità del dato
Uno degli aspetti più delicati affrontati dalla piattaforma è la qualità del dato. Spesso le aziende sono consapevoli delle lacune nei propri sistemi informativi: dati frammentati, incompleti o incoerenti. Apptio affronta questo tema in modo strutturale e progressivo. Il framework TBM include strumenti specifici per la deduplicazione dei record, il tracciamento della provenienza del dato (data lineage) e la riconciliazione di informazioni provenienti da fonti eterogenee, anche in formato non strutturato. “Spesso è proprio il riconoscimento della scarsa qualità dei dati il primo passo verso una governance più matura”, osserva Rovescala. “Apptio non richiede dati perfetti in ingresso, ma aiuta a migliorarli attraverso l’uso: più il sistema viene alimentato, più l’azienda impara a costruire un patrimonio informativo affidabile e riutilizzabile”.
La piattaforma fornisce anche dataset di riferimento e master data modellati su esperienze cross-industry, che supportano le aziende nell’identificazione delle lacune informative e nella standardizzazione dei propri modelli. Inoltre, include meccanismi di validazione automatica che segnalano anomalie nei flussi, contribuendo a rafforzare la fiducia nel dato stesso e a ridurre i margini di errore nei processi decisionali. Non da ultimo, Apptio promuove una cultura orientata al dato, coinvolgendo anche i team finance e le business unit in una rilettura condivisa e strutturata delle informazioni: “Quando finance e business imparano a fidarsi del dato IT — e viceversa — nasce una collaborazione reale”, aggiunge Rovescala.
AI al servizio della trasformazione: Assistenti, Lenti, Agenti
L’intelligenza artificiale è un altro dei motori di trasformazione all’interno della piattaforma Apptio. Fin dalla sua concezione, Apptio ha integrato funzionalità basate su AI per migliorare l’accuratezza delle analisi, aumentare la velocità delle decisioni e ridurre l’intervento manuale nei processi di gestione finanziaria dell’IT. Tuttavia, è con l’ingresso in IBM, nel 2023, che il potenziale dell’intelligenza artificiale è stato portato a un nuovo livello.
“Apptio utilizzava già motori predittivi e funzionalità di anomaly detection per identificare scostamenti nei costi o comportamenti anomali nel consumo delle risorse”, spiega Rovescala. “Ma oggi siamo in grado di offrire funzionalità intelligenti che abilitano la lettura contestuale dei dati e il supporto operativo a utenti non esperti”.
Tra le innovazioni più significative troviamo gli AI Assistant, agenti intelligenti capaci di rispondere a domande in linguaggio naturale, interpretare grafici e report, sintetizzare insight e suggerire azioni. Questo rende accessibile l’intero patrimonio analitico della piattaforma anche a stakeholder senza background tecnico o finanziario. Inoltre, l’introduzione delle AI Lens — lenti analitiche guidate dall’AI — permetterà agli utenti di esplorare i dati secondo logiche adattive: sarà il sistema a suggerire percorsi di analisi e ad anticipare esigenze informative sulla base del comportamento dell’utente.
Ma l’impatto dell’intelligenza artificiale in Apptio va oltre la fruizione del dato: abbraccia l’automazione delle decisioni. Grazie a un approccio di tipo agentic AI, alcuni suggerimenti generati dalla piattaforma possono essere trasformati automaticamente in azioni concrete. “Ad esempio, se una risorsa cloud è sovradimensionata rispetto al suo effettivo utilizzo, Apptio può suggerire — o eseguire — il ridimensionamento prima che il costo ecceda il budget previsto”, osserva Rovescala. Questo approccio non solo migliora il time-to-value, ma rende misurabile e immediato il ROI delle ottimizzazioni.
AI TCO & Usage consente alle organizzazioni di monitorare i costi totali e l’impatto aziendale delle iniziative di intelligenza artificiale, aiutandole a ottimizzare la spesa, misurare i risultati e crescere.
Un’altra area di applicazione è il monitoraggio dei progetti di intelligenza artificiale aziendali. Apptio ha introdotto una funzione dedicata — denominata AI TCO & Usage Solution — che permette di analizzare i costi end-to-end legati allo sviluppo di soluzioni AI: dai costi computazionali (es. token, GPU, cloud runtime), fino alle risorse umane coinvolte. “Spesso il costo vero di un progetto AI non è solo l’infrastruttura, ma il tempo uomo e le competenze che richiede. Con Apptio, si può valutare ex ante se un investimento è sostenibile e misurare ex post se ha prodotto valore”, chiarisce Rovescala.
L’integrazione tra AI e TBM consente infine alle aziende di affrontare le sfide emergenti — come l’introduzione massiva di modelli generativi o l’adozione di sistemi di automazione decisionale — con un approccio strutturato, governato e trasparente. Apptio non solo abilita questi processi, ma li rende rendicontabili, giustificabili e integrati nella visione economica complessiva dell’impresa.
Non solo per le grandi aziende
Se inizialmente Apptio si è rivolta a grandi organizzazioni, oggi la piattaforma è accessibile anche a imprese di media dimensione. Rovescala spiega che l’offerta è stata semplificata per favorire adozioni più rapide e percorsi più leggeri, soprattutto per quanto riguarda la gestione cloud. “Non è tanto la dimensione dell’investimento a fare la differenza, quanto la complessità. E quando Excel non basta più, Apptio diventa una necessità”.
Il modello di licensing è di tipo SaaS, con un canone annuale commisurato alla spesa IT gestita e un fee iniziale di onboarding e formazione. Dopo l’acquisizione da parte di IBM, si è rafforzata la rete dei partner, ma resta possibile per alcuni clienti mantenere un rapporto diretto con il team Apptio. L’obiettivo rimane quello di rendere le aziende sempre più autonome nell’utilizzo della piattaforma. “Vogliamo che i nostri clienti siano indipendenti e padroni dei loro dati. Il nostro servizio professionale è uno strumento abilitante, non una dipendenza, un navigatore strategico, un GPS finanziario che orienta le imprese nel loro percorso di trasformazione digitale, accompagnandole con dati affidabili, modelli condivisi e strumenti capaci di coniugare rigore finanziario, agilità operativa e visione strategica”, afferma Rovescala, che conclude: “È questo che mi entusiasma del nostro lavoro: aiutiamo le aziende a prendere decisioni migliori, più rapide e più giuste”.
È stato inaugurato il nuovo SmartCityLab Milano: oltre 2.000 metri quadrati interamente dedicati all’innovazione urbana, all’intelligenza artificiale e alla progettazione sostenibile. Uno spazio concepito per ospitare imprese, startup, pubblica amministrazione e cittadinanza in un ambiente abilitante alla sperimentazione e alla collaborazione su progetti a impatto urbano.
Il progetto nasce da un Accordo di Programma tra Comune di Milano, Ministero delle Imprese e del Made in Italy (MIMIT) e Invitalia, con un finanziamento pubblico di 5 milioni di euro. La gestione è affidata a un Raggruppamento Temporaneo di Imprese (RTI) guidato da PwC Italia, in partnership con LifeGateWay, LifeGate, Lhub/Underdogs, Webgenesys e Designtech.
Un laboratorio fisico e digitale per l’innovazione urbana
SmartCityLab Milano è incubatore e acceleratore certificato, centro di sperimentazione tecnologica e luogo di diffusione della cultura dell’innovazione. I tre assi portanti del progetto si riflettono anche nella configurazione dello spazio: un Tech Aggregator per attività sperimentali e dimostrative, un auditorium da 100 posti, sale formazione, aree di coworking, uffici modulari e due rooftop per eventi, conferenze e momenti di confronto aperti alla cittadinanza;
L’edificio è stato realizzato secondo criteri di sostenibilità ambientale, integrando geotermia, fotovoltaico, pareti verdi, recupero delle acque piovane e isolamento acustico. Sito in via Ripamonti 88 su un’ex area industriale bonificata, beneficia inoltre di una posizione strategica nel quadrante sud della città, in prossimità di poli universitari, centri di ricerca e spazi oggetto di rigenerazione urbana;
A sottolineare il legame con il territorio, Alessia Cappello, Assessora allo Sviluppo Economico e Politiche del Lavoro del Comune di Milano, è intervenuta dopo il Sindaco Giuseppe Sala: “È stato un percorso lungo e non semplice, ma oggi finalmente inauguriamo uno spazio che sarà un luogo aperto, dinamico, capace di creare innovazione. Lo SmartCityLab sarà infatti un incubatore di imprese specializzate in progetti per rendere le nostre città più intelligenti, sostenibili e inclusive”.
Le realtà del Raggruppamento: un modello integrato per l’innovazione urbana
Il progetto SmartCityLab Milano è gestito da un Raggruppamento Temporaneo di Imprese (RTI) guidato da PwC Italia e composto da sei soggetti con competenze eterogenee e complementari, selezionati tramite bando pubblico dal Comune di Milano. Ogni partner contribuisce con un ruolo preciso allo sviluppo delle attività del Lab e alla messa a punto dei modelli di innovazione urbana, operando in sinergia all’interno di quattro piattaforme tematiche che rappresentano l’ossatura operativa del progetto.
PwC Italia, in qualità di capofila, apporta l’expertise del suo team Innovation in materia di strategie di innovazione, innovation management e trasferimento tecnologico. Coordina le attività del Lab come orchestratore, curando anche la definizione dei format di accelerazione e sperimentazione. È inoltre responsabile della piattaforma Innovation Strategy & Venture Clienting, che ha l’obiettivo di creare un ponte stabile tra l’offerta innovativa delle startup e le esigenze concrete di enti pubblici e aziende. Attraverso un approccio venture client, la piattaforma facilita la sperimentazione e l’adozione di soluzioni tecnologiche emergenti, favorendone la scalabilità e contribuendo alla creazione di valore sistemico nell’ecosistema urbano.
Lhub/Underdogs è il partner specializzato in crescita digitale e strategie cross-channel. Integra performance marketing, creatività data-driven e growth hacking per supportare startup e PMI nello sviluppo dell’identità di marca e nella promozione commerciale. È responsabile della piattaforma Citizen Experience, che sviluppa interfacce digitali semplici, intuitive e accessibili, applicando UX design, service design e intelligenza artificiale generativa per migliorare l’interazione tra cittadino e servizi pubblici. L’obiettivo è ridurre il divario digitale e rafforzare l’usabilità dei servizi, attraverso cicli iterativi di progettazione e test.
LifeGate, società benefit iscritta al registro delle PMI innovative, fornisce consulenza strategica, comunicazione e progetti ambientali alle imprese. LifeGate Way, il suo polo di open innovation, supporta la crescita di startup italiane “sustainable native”, mettendole in connessione con un ampio ecosistema di partner. Insieme, gestiscono la piattaforma Social Innovation, che promuove modelli imprenditoriali orientati alla sostenibilità e al valore condiviso. Attraverso workshop, mentorship e iniziative culturali, la piattaforma stimola la nascita di un ecosistema collaborativo, favorendo l’adozione di pratiche ESG e la diffusione di una cultura dell’innovazione ad impatto, cioè quella che persegue benefici misurabili non solo economici, ma anche sociali e ambientali con l’obiettivo non solo di introdurre novità tecnologiche o incrementi di efficienza, ma di generare un cambiamento positivo e duraturo nella società, con ricadute sistemiche e inclusive.
Webgenesys riveste il ruolo di system integrator dello SmartCityLab. È una società attiva a livello nazionale nella digitalizzazione di processi, con competenze in ICT, innovazione digitale e cloud transformation, al servizio sia del settore privato sia della Pubblica Amministrazione. Contribuisce trasversalmente all’infrastruttura del Lab, garantendo l’interconnessione tra piattaforme, sensori e servizi pubblici, e abilitando un’architettura tecnologica scalabile e sicura basata su tecnologie proprietarie.
Designtech, infine, è l’ecosistema situato all’interno del distretto milanese MIND – Milano Innovation District – orientato al design per l’abitare e alla crescita di startup attraverso programmi di open innovation. Coordina la piattaforma Urban Design & Art, che fonde progettazione urbana, arte contemporanea e tecnologie emergenti (come l’AI generativa) per ripensare lo spazio pubblico in chiave estetica e funzionale. Il format prevede simulazioni, installazioni e processi di co-design, promuovendo visioni urbane inclusive, sostenibili e interattive.
Attraverso l’integrazione di queste quattro piattaforme operative, lo SmartCityLab Milano si propone come ambiente di sperimentazione concreta e multidisciplinare, in cui la collaborazione tra pubblico e privato diventa leva per la trasformazione digitale e sostenibile delle città.
Giovanni Andrea Toselli, Presidente e Amministratore Delegato di PwC Italia, ha sottolineato il potenziale strategico dell’iniziativa: “SmartCityLab Milano rappresenta un esempio concreto di innovazione urbana al servizio del territorio: un ecosistema aperto dove idee e progetti possono nascere, crescere e trasformarsi in soluzioni reali. L’obiettivo è promuovere una città più digitale, sostenibile e inclusiva, in cui l’innovazione generi benefici tangibili per i cittadini e favorisca investimenti strategici per lo sviluppo urbano”;
Human + AI: il programma di accelerazione per le startup che progettano la città del futuro
Nell’ambito delle iniziative promosse da SmartCityLab Milano, prende il via Human + AI, un programma di accelerazione pensato per accompagnare la crescita di startup e team imprenditoriali attivi nel settore dell’innovazione urbana. L’iniziativa nasce con l’obiettivo di promuovere soluzioni digitali, sostenibili e scalabili in risposta alle grandi sfide delle città contemporanee: mobilità, energia, housing, dati, servizi pubblici, economia circolare.
Il programma è gratuito ed equity-free e si rivolge sia a realtà già costituite in fase early stage, sia a team progettuali in via di definizione. È aperto a chi intende sviluppare nuove imprese in ambito Smart City, con un focus esplicito sulla trasformazione urbana efficiente, digitale e inclusiva;
L’urgenza di interventi innovativi nasce da dati consolidati: secondo le Nazioni Unite, entro il 2050 quasi il 70% della popolazione mondiale vivrà in aree urbane. Le città, pur occupando solo il 2% della superficie terrestre, sono responsabili di circa il 70% delle emissioni globali di CO₂. In questo scenario, le startup rappresentano un attore strategico in grado di generare impatto reale, sia in termini ambientali sia sociali;
Human + AI prevede una fase di candidatura aperta fino al 18 settembre 2025, seguita da un Selection Day (2 ottobre), in cui verranno individuati i cinque progetti più promettenti per accedere al programma completo. Il percorso inizierà ufficialmente il 20 ottobre 2025 e si concluderà il 29 gennaio 2026 con un Demo Day pubblico.
Durante i tre mesi di accelerazione, le startup selezionate avranno accesso a formazione specialistica su urban tech, sostenibilità, AI, partenariati pubblico-privati; mentorship con esperti di settore e advisor corporate; networking con stakeholder istituzionali, aziende, investitori e supporto alla validazione del modello di business e sviluppo del progetto;
Target e ambiti di intervento
Il programma è rivolto sia a team imprenditoriali, anche in fase di costituzione, con idee legate all’innovazione urbana sia a startup costituite, operanti in ambiti chiave come mobilità intelligente, energia rinnovabile, edilizia sostenibile, gestione dei dati, servizi pubblici digitali ed economia circolare.
Human + AI punta a costruire connessioni strategiche tra startup, aziende e pubbliche amministrazioni, promuovendo sinergie operative e nuove progettualità condivise in un contesto reale e concreto: quello dello SmartCityLab Milano e della città stessa
TeamViewer, azienda leader a livello mondiale nelle soluzioni per il digital workplace, sta supportando il team Mercedes-AMG PETRONAS di Formula 1 con TeamViewer Tensor che contribuisce a migliorare le prestazioni del simulatore “driver-in-loop” (DIL) il sistema di simulazione avanzato in cui il pilota umano è parte integrante dell’intero ciclo di simulazione, rendendo l’esperienza molto più immersiva e utile per test e sviluppo realistici.
Nel contesto estremamente competitivo della Formula 1, dove ogni millisecondo è determinante, il team Mercedes-AMG PETRONAS F1 è costantemente impegnato a raggiungere un vantaggio competitivo in ogni fase delle giornate di gara grazie all’utilizzo di tecnologie all’avanguardia per la gestione dei processi operativi, con l’obiettivo principale di portare la monoposto al traguardo al primo posto.
L’aspetto strategico è rappresentato dal simulatore “driver-in-loop” che replica il comportamento di una vettura reale in un ambiente digitale controllato. Qui, ogni circuito di gara può essere percorso virtualmente e ogni possibile configurazione dell’auto può essere esplorata. I piloti del Team Mercedes-AMG PETRONAS F1, George Russell e Kimi Antonelli, utilizzano questo simulatore per testare diversi assetti della vettura e scoprire le migliori opzioni possibili in vista del weekend di gara.
Quest’anno, il lavoro al simulatore è particolarmente importante per il pilota esordiente Antonelli, che sta familiarizzando con nuove piste. I piloti del simulatore e il team addetto al simulatore lavorano a stretto contatto con gli ingegneri per testare soluzioni a problemi che si presentano in tempo reale. Se queste soluzioni si rivelano efficaci, possono essere applicate direttamente sulle monoposto reali durante la sessione successiva.
Considerando che il team di gara si trova frequentemente all’estero e opera in fusi orari diversi, TeamViewer Tensor offre al personale la flessibilità di accedere, monitorare e apportare modifiche ai dispositivi del simulatore da remoto, anche quando non si trovano fisicamente presso la sede di Brackley, in Inghilterra. Tale funzionalità ottimizza l’utilizzo di questi simulatori, garantendo al contempo sicurezza, scalabilità e gestibilità superiori.
Christian Damm, Simulator Development Engineer del Team, osserva che: “Tutto ciò che riguarda l’ambito dei simulatori è altamente sensibile e confidenziale. Poter fare affidamento su una impeccabile sicurezza dei dati per noi è un imperativo, grazie a TeamViewer abbiamo questa certezza. L’attività svolta sul simulatore si riflette direttamente sulle prestazioni in pista; pertanto, la possibilità di superare i limiti e migliorare le performance rappresenta un successo tangibile per il mio team”.
Damm sottolinea, inoltre, che uno dei principali vantaggi dell’utilizzo di TeamViewer Tensor è dato dalla possibilità di accesso remoto dinamico, che consente a più utenti di connettersi a una singola macchina per risolvere insieme un problema. Damm, che lavora con più monitor dalla sua scrivania, può ricreare virtualmente questa stessa esperienza multi-schermo quando si connette da remoto tramite il suo laptop.
In pratica, anche se il suo laptop ha un solo schermo fisico, TeamViewer Tensor gli permette di visualizzare e gestire più “schermi” virtuali, proprio come se fosse seduto nel suo ufficio con tutti i suoi monitor. Questo è particolarmente utile per attività complesse di risoluzione problemi o per lavorare su progetti che richiedono la visualizzazione simultanea di molte informazioni.
Canadian Grand Prix, Friday, Sebastian Kawka
Inoltre, la scalabilità e la gestione centralizzata di TeamViewer Tensor permettono al team del simulatore di aggiungere o rimuovere utenti e macchine facilmente riducendo il tempo necessario per gestire nuove risorse e, allo stesso tempo, integrarle e metterle in sicurezza nei vari gruppi di lavoro al cui interno è possibile applicare politiche di sicurezza e permessi specifici, garantendo che solo gli utenti autorizzati possano accedere a determinati asset e informazioni. Questo rende la gestione più efficiente e il sistema più protetto.
TeamViewer Tensor offre anche una risoluzione nettamente superiore rispetto al software precedentemente usato dal team, che spesso presentava blocchi e interruzioni. La capacità di Tensor di impiegare un ‘bitrate’ più elevato e di calibrare i colori per migliorare la fedeltà visiva – fondamentale in un contesto di simulazione dove la precisione visiva è cruciale – ha eliminato questi problemi. Il risultato è un’esperienza utente sempre fluida e di alta qualità. Che si tratti di un ingegnere a bordo pista o del personale IT in fabbrica, garantire che i membri della squadra possano accedere ai dati in tempo reale può fare la differenza tra vincere e perdere in pista.
Canadian Grand Prix, Sunday, LAT Images
“Sul tracciato di gara, ogni secondo conta. Dobbiamo quindi assicurarci che le nostre soluzioni tecnologiche siano all’altezza, garantendo che piloti e membri del team possano accedere in tempo reale a tutti i dati necessari per prendere decisioni in una frazione di secondo e tagliare il traguardo. Utilizziamo TeamViewer in tutte le nostre postazioni di lavoro digitali: in ufficio, in fabbrica e in pista, perciò, quando Christian ci ha parlato di una nuova tecnologia per la simulazione, Tensor è stata la scelta naturale.
Per ragioni di tetto di spesa, ogni nostro investimento in tecnologia deve dimostrare un ritorno tangibile. Dobbiamo assicurarci che l’allocazione delle risorse verso la tecnologia produca un impatto superiore e più strategico rispetto a un investimento equivalente in qualsiasi altra area”, ha dichiarato Steven Riley, Head of IT Operation and Service Management, Mercedes-AMG PETRONAS F1 Team.
Con il nuovo Galaxy Z Flip7, Samsung alza l’asticella nell’ambito dei dispositivi pieghevoli compatti, fondendo design, potenza e intelligenza artificiale in un prodotto che punta a ridefinire l’esperienza utente degli smartphone flip. Presentato ufficialmente oggi, il nuovo dispositivo si distingue per la rinnovata FlexWindow edge-to-edge, l’integrazione avanzata di Galaxy AI e un comparto fotografico da vera ammiraglia.
FlexWindow a tutto schermo e AI multimodale: la nuova interfaccia tascabile
Cuore dell’esperienza utente è la nuova FlexWindow da 4,1”, ora realmente utilizzabile da bordo a bordo. Più grande e luminosa (2.600 nit, 120 Hz), consente di gestire messaggi, notifiche, musica e selfie anche a telefono chiuso. Il display interno resta un Dynamic AMOLED 2X da 6,9”, ma il salto qualitativo si vede soprattutto sul fronte software: grazie a One UI 8 e Android 16, Galaxy Z Flip7 è il primo modello della serie ad abilitare l’AI multimodale su entrambi gli schermi.
Tra le funzioni intelligenti spiccano Gemini Live per assistenza vocale avanzata e Now Brief, che sintetizza in tempo reale agenda, meteo e attività fitness. Now Bar e la personalizzazione dinamica della schermata di blocco rendono la FlexWindow una vera estensione dell’esperienza d’uso.
Più sottile, più potente, più resistente
Il Flip7 è il più sottile della serie (13,7 mm da chiuso) e pesa solo 188 grammi. È realizzato in Armor Aluminum con cerniera FlexHinge rinforzata e protezioni Gorilla Glass Victus 2. Nonostante le dimensioni contenute, ospita una batteria da 4.300 mAh, la più capiente di sempre su uno Z Flip, supportata da un processore a 3 nm personalizzato Samsung. Per la prima volta su un Flip arriva anche la modalità Samsung DeX.
Comparto fotografico da flagship
Lato imaging, Galaxy Z Flip7 è uno studio fotografico tascabile. Il sistema posteriore include un sensore principale da 50MP e un ultra-grandangolo da 12MP, mentre la selfie cam da 10MP beneficia di nuove modalità di scatto tramite FlexWindow. Da segnalare il debutto di funzioni come lo Zoom a scorrimento e i Filtri in tempo reale. L’HDR a 10 bit e la modalità Nightography potenziata completano un’offerta da vero top di gamma.
Disponibilità e varianti
Galaxy Z Flip7 è disponibile in Italia in due configurazioni: 12/256 GB a 1.279 euro e 12/512 GB a 1.399 euro. In parallelo arriva anche Galaxy Z Flip7 FE (Fan Edition), una variante più accessibile con 8 GB di RAM e display principale da 6,7”. I prezzi partono da 1.069 euro. Entrambi i dispositivi supportano promozioni di preordine con upgrade gratuito della memoria.
Flip phone: un mercato in cerca di identità
Con il Galaxy Z Flip7, Samsung prosegue la sua strategia di consolidamento nel segmento dei pieghevoli compatti, una nicchia in rapida evoluzione ma ancora in cerca di un posizionamento chiaro. Secondo i più recenti report di Counterpoint Research e IDC, i foldable rappresentano circa il 2-3% del mercato globale smartphone, ma con tassi di crescita a doppia cifra. All’interno di questo segmento, i form factor a conchiglia come il Flip rappresentano la quota prevalente, grazie alla loro portabilità e al design accattivante.
Tuttavia, la competizione si sta intensificando: Motorola con il Razr 50 Ultra, Oppo con il Find N Flip e Huawei con i suoi pieghevoli HarmonyOS stanno cercando di ritagliarsi uno spazio significativo, spesso puntando su prezzi più aggressivi o feature distintive (come le fotocamere sotto il display o i display esterni più funzionali).
Samsung mantiene la leadership con una quota di mercato che, secondo Canalys, nel primo semestre 2025 supera ancora il 50% nel segmento flip. Ma il nodo resta la percezione del valore: se da un lato i Flip rappresentano una vetrina tecnologica, dall’altro l’adozione mainstream richiede compromessi sul prezzo, sulla durata del dispositivo e sull’ecosistema software.
Con l’integrazione sempre più profonda di Galaxy AI e la proposta di un’esperienza “chiusa ma completa”, il Galaxy Z Flip7 potrebbe essere la chiave per ampliare l’appeal del formato oltre la fascia degli entusiasti tecnologici e dei fashion addicted.
Galaxy Z Flip7 non è solo un aggiornamento hardware: come per Z Fold è un elemento della strategia Samsung che punta a rendere i pieghevoli non solo cool ma anche indispensabili. La sfida ora è duplice: consolidare il vantaggio competitivo e portare i Flip verso il grande pubblico, sfruttando l’onda lunga dell’AI per creare nuovi casi d’uso che non siano replicabili su form factor tradizionali.
La partita è ancora aperta, ma con il Flip7 Samsung mostra di avere ben chiaro l’obiettivo: trasformare il pieghevole in uno standard, non in un’eccezione.
Samsung ha presentato ufficialmente il nuovo Galaxy Z Fold7, l’evoluzione più avanzata della sua linea di dispositivi pieghevoli, posizionandosi all’incrocio tra design innovativo, prestazioni da flagship e funzionalità intelligenti. Il device rappresenta un balzo in avanti nell’integrazione tra hardware sofisticato e intelligenza artificiale generativa, promettendo di ridefinire l’esperienza utente in ambito produttività, creatività e intrattenimento. A differenza dei precedenti modelli, il Fold7 non è solo un’evoluzione tecnica: rappresenta l’ambizione concreta di Samsung di rendere i pieghevoli una categoria di riferimento, e non più una nicchia. Sempre che il prezzo molto elevato non costituisca una barriera all’ingresso non facilmente sormontabile.
Design e display: sottile, leggero e immersivo
Il Galaxy Z Fold7 si distingue per una struttura compatta e più portatile, grazie a uno spessore di soli 8,9 mm da chiuso e un peso di 215 grammi, inferiore persino al Galaxy S25 Ultra. Il display esterno da 6,5 pollici adotta un nuovo aspect ratio 21:9, facilitando l’uso a una mano. Una volta aperto, il device rivela un pannello Dynamic AMOLED 2X da 8 pollici, più ampio dell’11% rispetto alla generazione precedente, progettato per il multitasking e l’uso creativo. Il display interno raggiunge i 2.600 nit di luminosità, garantendo leggibilità anche in esterni, mentre la tecnologia Vision Booster ottimizza colori e contrasto in tempo reale.
Materiali e resistenza: ingegneria di precisione
Samsung ha lavorato per rendere il Fold7 non solo bello ma anche affidabile: il nuovo meccanismo Armor FlexHinge, più leggero e con una struttura multi-binario, riduce la piega visibile e distribuisce meglio le sollecitazioni meccaniche. I materiali impiegati includono Gorilla Glass Ceramic 2 per il display esterno, vetro ultra sottile (UTG) rinforzato per il display interno e una cornice in Advanced Armor Aluminum, con un incremento del 10% in robustezza. Il dispositivo è certificato IP48, una novità per la gamma Fold, che garantisce resistenza all’acqua e alla polvere, pur con alcune limitazioni operative.
Prestazioni, AI al centro: Snapdragon 8 Elite
Cuore del Galaxy Z Fold7 è il nuovo Snapdragon 8 Elite for Galaxy, progettato per elaborazioni AI on-device. Le prestazioni rispetto al Fold6 vedono un miglioramento del +41% nella NPU, +38% nella CPU e +26% nella GPU, consentendo traduzioni in tempo reale, editing generativo di immagini e video, suggerimenti contestuali e interazione multimodale. Questo posiziona il Fold7 come una vera workstation tascabile capace di gestire workload complessi, anche offline, grazie alla potenza di calcolo locale. È un chiaro passo verso l’autonomia dall’elaborazione cloud.
Fotocamera da 200 MP e AI imaging
Il Fold7 integra la prima fotocamera grandangolare da 200 MP mai vista su un foldable Samsung. Il sistema multicamera comprende anche un sensore ultra-grandangolare da 12MP e un teleobiettivo da 10MP con zoom ottico 3⨯ e zoom digitale fino a 30x. Ma il vero elemento di novità è il ProVisual Engine, che sfrutta algoritmi AI per ottimizzare illuminazione, colore e dettaglio in tempo reale. L’AI interviene anche nei video notturni, riducendo il rumore isolando dinamicamente i soggetti in movimento. È una fotografia computazionale di nuova generazione, integrata in un form factor pieghevole.
Con il suo schermo da 8”, il Fold7 è pensato come un studio creativo portatile. L’utente può modificare immagini con strumenti AI come Assistente Foto, che consente di cancellare o spostare oggetti con un tocco, e Studio Ritratti per migliorare le espressioni dei soggetti. Funzioni come Mostra Originale facilitano il confronto tra scatti modificati e versioni originali. Per l’audio, la nuova funzione Regola Audio rileva rumori di fondo – come vento o traffico – nei video e li rimuove in automatico. Tutto ciò posiziona il Fold7 come un dispositivo adatto anche a creator, content producer e social media manager, in mobilità.
Galaxy AI: esperienze multimodali e integrate
Galaxy Z Fold7 arriva con One UI 8 su Android 16, integrando una AI multimodale che interpreta testo, voce e contenuti visivi. Il nuovo Gemini Live consente di porre domande in linguaggio naturale a partire da ciò che si inquadra con la fotocamera o si vede sullo schermo. L’integrazione è profonda: la funzione Cerchia e Cerca permette di selezionare elementi visivi sul display per ottenere suggerimenti contestuali senza uscire dall’app in uso. Inoltre, Assistente alla scrittura e Assistente al disegno aiutano nella produzione di contenuti, sfruttando AI generativa all’interno del multitasking a schermo diviso.
Privacy e sicurezza nell’era post-quantistica
Samsung rafforza la sicurezza del Fold7 con Knox Enhanced Encrypted Protection (KEEP), che isola i dati sensibili di ogni app in aree crittografate distinte. La Knox Matrix coordina le protezioni cross-device per chi possiede altri prodotti Galaxy. Sul fronte della cybersecurity, il Fold7 introduce crittografia post-quantistica per le connessioni Wi-Fi, proteggendo gli scambi di chiavi anche contro minacce future derivanti da computer quantistici. In un contesto in cui la fiducia nell’AI passa anche dalla tutela dei dati, Samsung dimostra attenzione concreta alla privacy e alla sicurezza
Disponibilità, prezzi e promozioni
Il Galaxy Z Fold7 è già preordinabile da oggi 2025, e sarà disponibile in Italia dal 22 luglio in quattro colorazioni, con prezzi a partire da 2.199 euro. Samsung propone il raddoppio gratuito dello storage fino al 24 luglio, permettendo di ottenere la versione da 1 TB al prezzo della 512 GB. Sono inoltre inclusi 6 mesi di Google AI Pro e 2TB di cloud storage. Per gli utenti più esigenti è disponibile il Galaxy Club, mentre Samsung Care+ offre copertura contro danni accidentali. Si tratta di un’offerta premium pensata per fidelizzare i primi utilizzatori e rafforzare la percezione del valore.
Foldable: un mercato in crescita ma ancora limitato
Il mercato dei foldable è ancora lontano dalla maturità, ma mostra segnali di consolidamento. In Europa, nel primo trimestre 2025, la categoria ha registrato una crescita del +4% su base annua, ma resta ferma a una quota di mercato dell’1,5%. Samsung mantiene la leadership con il 41% delle vendite foldable, seguita da HONOR e Motorola. A livello globale, secondo Mordor Intelligence, il mercato dei pieghevoli vale 31,3 miliardi di dollari nel 2025, con una previsione di raggiungere 118,9 miliardi entro il 2030, con una crescita 30,6%. I margini di crescita sono ampi, ma dipendono da una riduzione dei costi, maggiore durabilità e adozione di massa.
Fold7 al crocevia tra futuro e realtà
Con Galaxy Z Fold7, Samsung compie un nuovo tentativo di spingere i pieghevoli oltre la fase sperimentale, avvicinandoli a un pubblico più ampio. Il dispositivo racchiude una combinazione potente di estetica, tecnologia e intelligenza artificiale, ma resta posizionato nella fascia ultra-premium. La sfida ora sarà dimostrare il valore funzionale del form factor pieghevole rispetto agli smartphone tradizionali. Se i foldable riusciranno ad affermarsi come strumenti superiori per produttività, creatività e multitasking, Galaxy Z Fold7 potrebbe rappresentare una svolta commerciale per il segmento.
Parlando con le aziende che adottano l’intelligenza artificiale (AI) nei loro team di sviluppo, emerge uno schema chiaro: oltre al sincero entusiasmo per le nuove possibilità e la rapidità di adattamento, molto spesso esprimono preoccupazioni che rallentano l’adozione dell’AI.
“A volte non fa quello che voglio e non capisco perché”
“Non funziona bene per le esigenze specifiche del nostro settore”
“Non ci permettono di usarla per problemi di conformità”
“Non mi fido a inviare il nostro codice a una scatola nera nel cloud”
Queste preoccupazioni indicano un problema più profondo: l’AI sta cambiando il mondo dello sviluppo del software e gli sviluppatori perdono il controllo degli strumenti su cui fanno affidamento. Sempre più spesso, i flussi di lavoro principali vengono definiti da sistemi opachi di proprietà di una manciata di fornitori, le cui priorità non sempre coincidono con quelle degli sviluppatori e delle loro organizzazioni.
Due percorsi divergenti: abbracciare o preservare
Poste davanti alla scelta fra le promesse dell’AI e l’esigenza di controllo, le organizzazioni si dividono tipicamente in due fazioni.
Alcune, soprattutto quelle nei settori meno regolamentati, adottano tool AI proprietari con piena convinzione. Le loro priorità sono velocità e produttività e sono pronte ad accettare sistemi “a scatola chiusa” nonostante i timori per il controllo a lungo termine.
Altre procedono con maggiore cautela. Operando spesso in settori delicati o specializzati, sono restie ad affidare codice e flussi di lavoro a piattaforme esterne opache, nonostante il timore di restare indietro rispetto a concorrenti che agiscono più velocemente.
Questo articolo analizza queste preoccupazioni e spiega come le organizzazioni possono accedere ai benefici dell’AI senza sacrificare sicurezza, adattabilità o sovranità, utilizzando strumenti AI open-source come alternativa sostenibile ai sistemi chiusi.
L’erosione silenziosa della sovranità dello sviluppatore
Per molti decenni gli strumenti di sviluppo hanno preservato i valori di trasparenza, modificabilità e controllo dell’utente. Era assolutamente normale comprendere, controllare e personalizzare il loro funzionamento, che fossero strumenti open-source o commerciali.
L’integrazione dell’AI sta cambiando le cose. Gli strumenti odierni funzionano sempre più spesso come “scatole nere” nelle quali gli sviluppatori perdono visibilità su:
Quale codice e quali dati vengono inviati a terze parti
Quali modelli elaborano il codice e i dati e dove
Come l’AI interpreta le richieste e genera le risposte
Dove viene inserita la proprietà intellettuale all’interno della base di codice
L’origine e la legalità del codice generato
Se da un lato i guadagni di produttività sono tangibili, dall’altro questa opacità mina la fiducia, limita l’adattabilità e introduce rischi gestionali e tecnici in termini di sicurezza, conformità e innovazione.
Sicurezza e conformità
Gli strumenti AI basati sul cloud sollevano grandi preoccupazioni in materia di sicurezza e conformità, soprattutto in settori regolamentati come finanza, sanità e pubblica amministrazione. Se il codice viene inviato a sistemi esterni, come fanno le organizzazioni ad assicurarsi che i dati sensibili non vengano esposti o utilizzati in modo improprio?
La maggior parte dei servizi AI proprietari non offre trasparenza su ciò che viene elaborato, su come viene maneggiato e dove va a finire. Inoltre, questi sistemi tendono a non essere conformi alla normativa GDPR.
L’opacità è spesso insita nella loro progettazione. I fornitori di soluzioni proprietarie usano sistemi chiusi per proteggere i loro modelli di business, solitamente basati su abbonamenti per accedere a modelli o API. Poiché molti modelli LLM fondazionali sono disponibili pubblicamente o “commoditizzati”, il valore reale (e il margine) risiede nello “strato” di strumenti che avvolge questi modelli. Se i fornitori aprono la carta che avvolge il modello, la loro differenziazione scompare e i loro prodotti diventano facili da copiare. Svelando i meccanismi interni diventerebbe anche più difficile applicare diverse fasce di prezzo o limiti di utilizzo. Quindi, invece di essere viste come benefici, la trasparenza e l’apertura vengono considerate come rischi per la loro strategia di business.
Gli strumenti AI open-source risolvono questo problema consentendo l’esecuzione dei modelli in locale o all’interno di un’infrastruttura affidabile, in modo che i team abbiano pieno controllo su quali dati vengono utilizzati e come vengono manipolati.
Una multinazionale di ingegneria non poteva usare l’AI in alcun modo a causa delle restrizioni imposte per garantire la conformità. Tutto è cambiato con Theia AI, un framework aperto promosso da Eclipse Foundation che supporta l’esecuzione locale dei modelli. Dopo aver verificato che tutto girasse sui laptop degli sviluppatori, l’azienda ha finalmente liberato il potenziale di produttività sostenuta dall’AI, con la certezza che, così facendo, non avrebbero inviato codice al di fuori del firewall aziendale.
Eclipse Foundation
Eclipse Foundation è la fondazione che gestisce Eclipse IDE, Adoptium, Software Defined Vehicle, Jakarta EE e oltre 420 progetti open-source, fra cui runtime, tool, specifiche e framework per applicazioni cloud ed edge, IoT, AI, automotive, ingegneria dei sistemi, progetti di processori aperti e molte altre iniziative. Con quartier generale a Bruxelles, Eclipse Foundation è un’associazione internazionale senza scopo di lucro sostenuta da oltre 300 membri.
Adattabilità e personalizzazione
I team di sviluppo possono utilizzare flussi di lavoro molto diversi fra loro. Quello che funziona per un team di front-end potrebbe non funzionare per sistemi embedded o strumenti per settori specifici. Eppure, gli strumenti AI proprietari sono concepiti per usi generici e spesso falliscono in contesti specializzati.
La mancanza di adattabilità a contesti più specializzati può diventare velocemente un ostacolo e ridurre drasticamente il potenziale dell’AI. La maggior parte delle piattaforme aperte non supporta una pronta personalizzazione, adattando gli agenti per specifici flussi di lavoro, o l’integrazione con editor o linguaggi per settori specifici.
Gli strumenti AI aperti e personalizzabili consentono ai team di evolversi da adattamenti rapidi elementari alla selezione dei modelli LLM e alla piena integrazione con i flussi di lavoro. Che si tratti di adattare suggerimenti del codice a vincoli hardware specifici o incorporare politiche di sicurezza direttamente nella logica di generazione, gli strumenti personalizzabili liberano tutto il potenziale dell’AI.
I tool generici spesso ignorano casi d’uso reali che potrebbero non interessare al mercato più ampio, come modellazione visuale, ambienti di configurazione e linguaggi per settori specifici. Se prendiamo l’esempio di chi ha adottato la piattaforma Eclipse Tools, esiste una miriade di strumenti focalizzati sulla configurazione (di hardware o sistemi), sulla progettazione (di prodotti, oggetti virtuali come processi o, nuovamente, hardware), oppure sulla programmazione in linguaggi settoriali, inclusi quelli grafici. Tutti questi aspetti sono attualmente ignorati dalle principali soluzioni proprietarie chiuse. Inoltre, a causa dell’architettura proprietaria lontana dal concetto di piattaforma, sono semplicemente inadeguati per creare offerte di strumenti mirati.
Le piattaforme open-source possono aiutare a risolvere l’esclusione dei casi d’uso meno diffusi dalla rivoluzione dell’AI offrendo una base sia personalizzabile sia estensibile. Queste piattaforme consentono agli sviluppatori di adattare il comportamento dell’assistente AI agli elementi specifici del loro ambito, come DSL, strumenti di modellazione grafica ed editor di configurazione. Poiché queste piattaforme sono progettate per essere modulari e aperte, è possibile integrare l’AI strettamente con strumenti per modellare hardware, processi o stack software personalizzati. Invece di produrre semplicemente “codice”, l’assistente si adatta all’ambito e al linguaggio dell’utente.
Vincolo al fornitore
Il vincolo è sempre stato un rischio per gli strumenti di sviluppo, ma l’AI sta aggravando la situazione. Gli sviluppatori fanno sempre più affidamento su agenti AI proprietari per scrivere, rifattorizzare e revisionare il codice, pur non avendo alcun controllo su come operano questi agenti. È come esternalizzare il team di sviluppo presso una terza parte che potrebbe scomparire o cambiare le proprie condizioni in qualsiasi momento.
Risultato? Dipendenza strategica. Si potrebbero perdere mesi di investimenti nei flussi di lavoro per adeguarli e integrarli nei propri processi di sviluppo se la piattaforma di strumenti chiusa si evolve nella direzione sbagliata. Intere pipeline di sviluppo potrebbero incepparsi quando cambiano le licenze, viene revocato l’accesso o le prestazioni variano in modo inaspettato a causa di aggiornamenti dei modelli a monte.
Per contro, i tool AI aperti assicurano che gli agenti AI facciano parte del tuo team. Tu controlli i flussi di lavoro, i modelli e i dati. Tu puoi far evolvere il sistema, revisionarlo e persino cambiare componenti alle tue condizioni senza ripartire da zero. In questo contesto, gli strumenti aperti non solo evitando il “lock-in”, ma aiutano anche a mantenere la proprietà delle proprie capacità di ingegnerizzazione. E questo è un vantaggio competitivo che nessun fornitore ti potrà togliere.
Innovazione
Gli strumenti per gli sviluppatori hanno una caratteristica unica nell’ecosistema software: sono fatti dalla stessa materia che contribuiscono a creare. Questa riflessività fa sì che gli sviluppatori non siano solo utilizzatori dei loro strumenti. Hanno anche la possibilità unica di migliorarli ed estenderli. A differenza della maggior parte degli altri settori, dove gli strumenti sono ben distinti dai risultati, nello sviluppo di software la distinzione è più sfumata. Questo rapporto speciale ha sempre alimentato l’innovazione, poiché gli sviluppatori cercano naturalmente di ottimizzare gli ambienti in cui essi stessi lavorano.
Le piattaforme AI chiuse interrompono questo ciclo di feedback. Se i comportamenti chiave, ad esempio la composizione di prompt (istruzioni) e i flussi agenziali, restano nascosti dietro le API, gli sviluppatori diventano utilizzatori passivi invece che innovatori attivi. Gli strumenti AI aperti e trasparenti rivendicano questo potere, consentendo agli sviluppatori di sperimentare, estendere e ottimizzare liberamente. Intere comunità possono iterare reciprocamente sui rispettivi lavori, promuovendo l’innovazione molto più velocemente di quanto potrebbe fare qualsiasi fornitore.
Di conseguenza, le piattaforme aperte si muovono più velocemente, Il panorama dell’AI si evolve rapidamente, con nuovi modelli che arrivano quasi ogni giorno. Mentre i fornitori commerciali spesso ritardano l’adozione per motivi di business, i progetti aperti come Theia AI integrano nuovi modelli come o1, DeepSeek o Gemini Pro nel giro di pochi giorni. Theia AI ha mostrato anche come fornire trasparenza e controllo consentendo la piena visibilità e modificabilità dei prompt e integrando il Model Context Protocol molto prima dei concorrenti commerciali.
Ma, soprattutto, le piattaforme aperte favoriscono un’innovazione ad ampio spettro che va ben oltre la selezione dei modelli. Le comunità possono esplorare in modo collaborativo strategie di prompting avanzate, sperimentare tecniche di recupero del contesto e perfezionare i modelli utilizzando set di dati condivisi per settori specifici. Questi sforzi producono informazioni preziose che vengono condivise apertamente, consentendo ad altri di imparare e costruire su di esse. Nell’AI, dove rapidità di iterazione, sperimentazione creativa e nuove combinazioni di idee sono fondamentali, l’open-source mostra la sua forza più grande: il potere della community. Questo è possibile perché le comunità aperte non sono vincolate da rigidi modelli di business o lunghe pipeline di integrazione. Le loro priorità sono utilità, sperimentazione e velocità, invece dell’allineamento ai flussi di ricavi di un unico attore.
Consentendo agli sviluppatori di costruire su e con l’AI, invece di consumarla semplicemente, aiutiamo a garantire che il futuro del software resti brillante, diversificato e guidato dalla comunità.
In prospettiva: rivendicare il ruolo dello sviluppatore
La buona notizia è che la community open-source sta già lavorando per risolvere queste problematiche. Non solo abbiamo LLM open-source di prima classe, ma il panorama degli strumenti sta vivendo una fase di innovazione. Come ecosistema tradizionalmente focalizzato sui tool, Eclipse Foundation ha recentemente rilasciato due progetti chiave in questo ambito:
Theia AI (release pubblica) – un framework aperto che consente ai costruttori di tool di integrare direttamente i modelli linguistici di grandi dimensioni (LLM) di loro scelta in tool e IDE personalizzati, realizzando flussi di lavoro agenziali, suggerimenti AI contestualizzati e assistenza intelligente ritagliata su misura per le loro esigenze specifiche.
AI-Powered Theia IDE (realese alpha) – Un ambiente di sviluppo software open-source basato sul framework Theia AI, che fornisce funzionalità AI avanzate progettate per aumentare la produttività degli sviluppatori con pieno controllo.
La stessa dinamica si registra in altri ecosistemi aperti, come il vivace mercato delle estensioni di codice VS. Trattandosi di strumenti aperti, le innovazioni si diffondono rapidamente e portano beneficio a tutta la community.
Questi approcci aperti agli strumenti AI hanno solitamente molte caratteristiche in comune:
Flessibilità dei modelli: possibilità di scegliere quali modelli AI utilizzare, inclusi modelli locali che non richiedono l’invio di dati a servizi esterni.
Trasparenza dei prompt: piena visibilità sul modo in cui il sistema istruisce i modelli AI, con la possibilità di modificare le istruzioni per esigenze specifiche.
Controllo del contesto: meccanismi espliciti per controllare quale codice e contesto vengono condivisi con i sistemi AI.
Estensibilità e adattabilità: sviluppatori e organizzazioni possono personalizzare ed espandere le funzionalità AI per soddisfare requisiti specifici.
Il successo di questi approcci open-source non è tuttavia scontato né garantito. Potremmo sperare che la storia si ripeta e che gli approcci aperti vincano nuovamente, come spesso hanno fatto. Ma l’AI non è solo un’evoluzione: è un vero cambio di paradigma che non può essere arrestato. Mai come oggi è forte la tentazione di accettare una scatola nera saldamente innestata nei propri processi di progettazione e ignorare le conseguenze a lungo termine per l’ecosistema di sviluppo, lasciando la produttività e la competitività future nelle mani di altri.
Il nostro messaggio a sviluppatori, aziende e costruttori di tool è chiaro: non barattate la vostra indipendenza a lungo termine con una convenienza a breve termine. Investite in strumenti che potete ispezionare, personalizzare e controllare per ottenere guadagni di produttività sostenibili nei vostri flussi di lavoro specifici alle vostre condizioni. Contribuite a creare ecosistemi che potenziano invece di intrappolare. La comunità open-source è impegnata a darvi una piattaforma completamente aperta, trasparente e affidabile per farvi diventare non solo un consumatore dipendente, ma un fautore dell’innovazione AI nativa. È questo il momento di sponsorizzare, investire e impegnarsi. Aprite la scatola nera e contribuite a creare un futuro nel quali l’AI lavori completamente alle vostre condizioni.
Il futuro sarà aperto?
L’AI sta trasformando il modo in cui costruiamo software. La domanda vera è: chi controlla questa trasformazione? Gli sviluppatori continueranno ad essere creatori attivi o diventeranno utilizzatori passivi di sistemi opachi controllati dai fornitori?
Siamo giunti a una svolta. Il fascino della comodità e dei rapidi guadagni esercitato dalle piattaforme proprietarie è forte, ma il prezzo da pagare è la dipendenza a lungo termine e un minore controllo. Gli strumenti AI aperti offrono un percorso diverso, radicato nella trasparenza, nell’adattabilità e nell’innovazione guidata dalla comunità.
La nostra scelta determinerà se la prossima generazione di tool per sviluppatori servirà gli interessi di pochi o il potenziale di molti. Per costruire un futuro che sia sicuro, flessibile e veramente incentrato sugli sviluppatori, dobbiamo mantenere i nostri strumenti aperti e la nostra agentività intatta.
L’AI dovrebbe amplificare la nostra creatività, non compromettere la nostra autonomia. Il futuro deve essere aperto.
Mike Milinkovich, Executive Director di Eclipse Foundation
Mike Milinkovich è una figura di spicco riconosciuta nel settore e un rappresentante della community open-source. Lavora nel mondo del software da oltre trent’anni occupandosi di tutto, dalla progettazione di software, alla gestione di prodotto, alle licenze IP. È dal 2004, un ruolo nel quale è responsabile del supporto alla community open-source di Eclipse e al suo ecosistema commerciale. Prima di entrare in Eclipse, Mike è stato vicepresidente nel gruppo di sviluppo di Oracle. Altre tappe della sua carriera sono state numerose startup, IBM e Nortel Research.
Come dirigente del settore, Mike ha avuto un posto nei Consigli Direttivi della Open Source Initiative (OSI) e della community OpenJDK, oltre a sedere nell’Executive Committee del Java Community Process (JCP).
Si è tenuto oggi a Bari, presso il Palazzo del Rettorato del Politecnico, l’incontro dedicato alla firma del protocollo di intesa tra la Regione Puglia e IBM Italia, volto a rafforzare la collaborazione tra pubblico, università e industria per accelerare la transizione digitale della Regione e formare nuove competenze strategiche. L’accordo, mosso dall’obiettivo comune di promuovere le competenze digitali e la trasformazione digitale nel territorio pugliese, si concretizzerà nella collaborazione per l’organizzazione di conferenze, eventi e seminari, nell’utilizzo della piattaforma di autoapprendimento IBM SkillsBuild e nell’attivazione da parte di IBM di accordi di collaborazione con altri atenei pugliesi, in linea con quanto recentemente fatto con il Politecnico di Bari.
Questo protocollo di intesa si colloca in continuità con altri accordi di collaborazione nel territorio che IBM ha già siglato e intende ampliare per rafforzare la sinergia con l’ecosistema pubblico-privato pugliese. È dello scorso gennaio la firma dell’accordo tra Politecnico di Bari e IBM Italia, con l’obiettivo di promuovere per i prossimi due anni programmi di formazione per favorire la trasformazione digitale nella regione con riferimento alle tematiche di Business Innovation, Data & Technology, Cloud Transformation, Security e Quantum Computing.
Il protocollo firmato oggi da IBM con la Regione Puglia include diverse iniziative, tra cui interventi in favore delle imprese, in particolare delle micro, piccole e medie imprese, caratterizzanti il tessuto produttivo pugliese, allo scopo di supportare la trasformazione digitale delle stesse al fine di valorizzare le potenzialità delle tecnologie trasformative, che oggi sono motore della competitività, come intelligenza artificiale, hybrid cloud, cybersecurity e quantum computing. Inoltre, sono previsti interventi, sempre a favore delle imprese, di qualificazione delle competenze per la specializzazione intelligente e la trasformazione digitale e azioni a supporto della crescita digitale degli enti locali del territorio.
Il protocollo fa riferimento, in particolare, a due delle principali direttrici dell’Agenda #PugliaDigitale2030, la cui versione definitiva è stata approvata con deliberazione della Giunta regionale n. 837 del 19 giugno 2025:
rafforzare le competenze digitali di base per i cittadini e quelle avanzate per lavoratori, imprese e pubbliche amministrazioni locali;
supportare la digitalizzazione di micro, piccole e medie imprese, favorendo upskilling, reskilling, reingegnerizzazione dei processi produttivi, formazione imprenditoriale e manageriale, innovazione e riconversione digitale.
Per la Regione, l’attuazione del protocollo sarà curata dalla Sezione Crescita digitale delle persone, del territorio e delle imprese, diretta dall’ing. Vito Bavaro.
Tiziana Tornaghi, General Manager IBM Consulting, Italia
“IBM è da sempre impegnata a supportare territori, imprese e pubbliche amministrazioni nel percorso di trasformazione digitale. In Puglia stiamo continuando a investire in competenze per accompagnare al meglio questa trasformazione in una Regione di eccellenza. È per noi importante dare concretezza e continuità a questo impegno, rendendolo sempre più funzionale rispetto alle priorità dell’Agenda Digitale della Regione Puglia. In sintonia con l’iniziativa “Mare a sinistra”, annunciata dalla Regione per attrarre talenti, siamo anche lieti di fare sistema, a partire dalla collaborazione con il Politecnico di Bari. Innovazione e formazione sono per noi un binomio inscindibile, perché le nuove tecnologie, come l’AI, possano supportare al meglio e rapidamente la crescita e la competitività del territorio, in modo inclusivo e responsabile. Questo risultato si può raggiungere solo in una prospettiva di partnership, tra aziende, Istituzioni, mondo Universitario ed ecosistema”, ha sottolineato Tiziana Tornaghi, General Manager IBM Consulting, Italia.
Il Presidente della Regione Puglia, Michele Emiliano
“L’accordo con IBM conferma l’impegno della Regione Puglia nel favorire la crescita economica attraverso l’innovazione. L’intelligenza artificiale e le tecnologie emergenti rappresentano una leva fondamentale per incrementare la competitività delle imprese e migliorare la qualità della vita dei cittadini”, ha dichiarato il Presidente della Regione Puglia, Michele Emiliano.
“Questi protocolli sono un passo concreto per costruire un ecosistema regionale avanzato e inclusivo”, ha aggiunto Gianna Elisa Berlingerio, Direttora del Dipartimento Sviluppo Economico della Regione Puglia.
Il Rettore del Politecnico di Bari, Francesco Cupertino
“Siamo lieti di essere giunti, con questo progetto, a una nuova tappa della nostra consolidata collaborazione con IBM. Vogliamo offrire una formazione tecnico-scientifica al passo con i tempi, in linea con le esigenze del mercato del lavoro e di un’economia in rapida trasformazione. Siamo convinti che la sinergia tra pubblico e privato renderà più incisiva l’azione delle università, in particolare dei politecnici, favorendo lavoro qualificato in tempi brevi per i nostri giovani talenti, con ricadute positive per la società, facilitando la transizione verso i nuovi modelli di sviluppo sostenibile”, ha commentato il Rettore del Politecnico di Bari, Francesco Cupertino.
IBM è presente in Puglia dal 1959, dove l’azienda investe costantemente nella formazione di nuove professionalità su tecnologie emergenti per accompagnare il Paese in un percorso di modernizzazione e crescita sostenibile. A fine 2019, IBM ha inaugurato a Bari anche una sede del Client Innovation Center, azienda del gruppo e parte integrante di IBM Consulting, che si occupa della realizzazione di soluzioni innovative per le imprese ed è inserita in una rete di più di cento sedi in tutto il mondo. Un ampio network che ha anche l’obiettivo di favorire la formazione di nuove professionalità e competenze su tecnologie emergenti e innovative sulle quali investono le aziende di tutti i settori. Lo scopo di questa struttura è quello di ampliare sempre più il capitale umano messo al servizio della modernizzazione del Paese, puntando sulle eccellenze che la città offre anche grazie a poli universitari d’eccellenza.
Mare a sinistra: la strategia pugliese per attrarre talenti e investimenti e far crescere il territorio
In questo contesto si inserisce anche l’iniziativa regionale Mare a sinistra, una strategia ambiziosa volta a valorizzare il territorio pugliese e stimolare la sua crescita attraverso l’attrazione di risorse umane e investimenti. L’obiettivo principale è potenziare l’ecosistema pugliese, rendendo la Puglia un luogo attrattivo non solo per le sue bellezze naturali e il clima, ma anche per le opportunità accademiche, scientifiche e imprenditoriali.
L’iniziativa mira a:
Attrarre Talenti, includendo studenti, nomadi digitali, startupper, ricercatori di alto livello e artisti;
Favorire il Controesodo, riportando in Puglia i pugliesi emigrati in altre regioni o paesi;
Attrarre Investimenti, convincendo nuovi investitori a scegliere la Puglia per le proprie attività professionali e imprenditoriali.
Per raggiungere questi obiettivi, Mare a sinistra si basa su un approccio collaborativo che favorisce accordi tra Regione e una vasta rete di soggetti, inclusi gruppi privati, enti pubblici, ambasciate e fondazioni, al fine di incentivare sempre più persone a stabilire la propria residenza e attività in Puglia.
P-Tech 2.0 SkillsBuild
Un altro esempio concreto dell’impegno di IBM nelle competenze digitali in termini di rilevanza e attrattività sul territorio per i giovani talenti è il P-Tech, un percorso formativo che parte dagli ultimi anni delle scuole superiori e indirizza gli studenti verso i lavori del futuro, aiutandoli a completare più rapidamente la laurea triennale in ingegneria informatica. Questo grazie alla collaborazione con le Università, le scuole superiori e l’ecosistema industriale ed educativo della Puglia.
A questo proposito, un importante traguardo sarà raggiunto il prossimo 14 luglio a Taranto, quando si terrà la cerimonia dei primi laureati P-Tech 2.0 SkillsBuild che, grazie alla collaborazione con Regione Puglia, Enel, Intesa Sanpaolo, Confindustria e l’Ordine degli Ingegneri, hanno potuto sviluppare competenze digitali concrete che li qualificano e ne favoriscono l’ingresso nel mondo del lavoro.
IBM SkillsBuild
È il programma didattico di IBM, completamente gratuito, che attraverso una piattaforma online offre oltre 1.000 corsi in 20 lingue, incluso l’italiano, sull’intelligenza artificiale, la sicurezza informatica, l’analisi dei dati, il cloud computing e molte altre discipline tecniche, oltre a competenze trasversali e metodologiche, come il Design Thinking. I crediti ottenuti attraverso questo programma di IBM sono riconosciuti nel mercato del lavoro e favoriscono l’accesso alle opportunità lavorative che richiedono competenze tecnologiche e digitali.
Il CEO di IBM Arvind Krishna lega l’operazione alla strategia di hybrid cloud e intelligenza artificiale: “IBM e Confluent insieme permetteranno alle imprese di distribuire l’AI generativa e agentica meglio e più velocemente, fornendo comunicazione e flussi di dati affidabili tra ambienti, applicazioni e API. I dati sono distribuiti tra cloud pubblici e privati, data center e innumerevoli provider tecnologici. Con l’acquisizione di Confluent, IBM offrirà la piattaforma dati intelligente per l’IT enterprise, progettata appositamente per l’AI”.
Dal lato Confluent, il CEO e co-fondatore Jay Kreps sottolinea la continuità della missione e l’accelerazione resa possibile dalla scala IBM: “Fin dalla sua nascita, Confluent ha aiutato le organizzazioni a sbloccare tutto il potenziale dei propri dati, guidando l’innovazione in un panorama IT sempre più complesso. Siamo estremamente orgogliosi del lavoro svolto nel fornire ai clienti una piattaforma di data streaming in tempo reale per la prossima era della tecnologia, inclusa l’AI generativa e agentica. Siamo entusiasti della possibilità di entrare in IBM e di accelerare la nostra strategia con la sua competenza commerciale, la sua scala globale e il suo ampio portafoglio. Non vedo l’ora di costruire insieme il futuro, mentre Confluent diventa parte di IBM”.
