Con i veloci e tumultuosi sviluppi dell’intelligenza artificiale, gestire, alimentare, conservare e proteggere volumi di dati senza precedenti è una delle principali sfide che le aziende di ogni settore devono affrontare.
E man mano che i progetti di AI generativa, agenti autonomi e architetture RAG (Retrieval-Augmented Generation) passano dalla fase sperimentale alla produzione industriale, sta emergendo un ostacolo infrastrutturale determinante: lo storage dei dati.
Senza un’infrastruttura di archiviazione e gestione dati adeguata, anche i superchip più costosi rischiano di rimanere inattivi, affamati di informazioni che il sistema sottostante non riesce a erogare con la velocità e la latenza richieste.
Indice degli argomenti
Lo Storage supera il calcolo computazionale tra le preoccupazioni IT
A confermare questa trasformazione sono i numeri delle principali indagini di settore pubblicate nel 2026.
Secondo il Data Infrastructure Readiness Report condotto da Seagate su oltre 2.700 decision maker IT a livello globale:
- Il 99% delle aziende censite prevede che l’AI aumenterà il proprio fabbisogno di storage nei prossimi tre anni (con il 70% che stima un incremento pari o superiore al 26% rispetto a oggi).
- La qualità e prontezza dei dati (53% dei casi censiti) e l’infrastruttura di storage (43%) superano nettamente la disponibilità di potenza di calcolo/GPU (27% del totale) tra le principali sfide d’implementazione dell’AI.
- Soltanto il 38% delle organizzazioni si dichiara pienamente preparata a sostenere le richieste di dati a lungo termine dettate dalle applicazioni di intelligenza artificiale.
Le prospettive per i CIO: riprogettare la Data Infrastructure
Per i CIO e gli architetti IT, la priorità strategica si sposta quindi dall’acquisto isolato di pura potenza computazionale alla riprogettazione complessiva dell’architettura dati: combinando storage ad alte prestazioni (come SSD QLC ad alta densità) con politiche di gestione intelligente per bilanciare velocità, capacità, consumi energetici e governance della sicurezza.
Chi non adeguerà il proprio sottosistema di archiviazione rischia di trovarsi con algoritmi avanzati paralizzati da un’infrastruttura dati del passato.
Le nuove soluzioni hi-tech di NetApp
In questo scenario, nel corso dell’evento NetApp Insight che si è svolto a Las Vegas, la multinazionale americana specializzata in Intelligent Data Infrastructure ha presentato diverse novità hi-tech, che in contemporanea sono state illustrate alla stampa anche a Milano dal Team italiano di NetApp.
«Per oltre un decennio, lo Storage non ha rappresentato un punto critico nei data center. Oggi, la velocità e la struttura delle architetture tradizionali sono diventate il vero vincolo strategico ed economico», sottolinea Roberto Patano, Field CTO NetApp Italia.
L’efficienza dell’AI — misurata dall’utilizzazione del calcolo e dal costo per token — dipende dalla rapidità con cui il sottosistema dati riesce ad alimentare le GPU e dai costi per conservare le informazioni nel tempo.
Con l’espansione delle tecnologie collegate all’intelligenza artificiale, per le aziende lo storage dei dati diventa un collo di bottiglia che produce la cosiddetta “GPU starvation“: l’hardware di calcolo più costoso del data center rimane inattivo in attesa dei dati. Nelle installazioni reali di AI Factory e nei provider GPU-as-a-Service, l’utilizzo effettivo delle GPU scende frequentemente sotto il 30%, arrivando in casi estremi fino al 5% delle capacità nominali.
NetApp Novus: architettura potenziata per le AI Factory
Per superare questo limite, NetApp ha presentato la nuova architettura di storage NetApp Novus, ingegnerizzata per azzerare i colli di bottiglia nei grandi ambienti GPU e nelle AI Factory.
A differenza dei sistemi tradizionali che uniscono percorso dati e gestione dei metadati, Novus adotta un principio di disaggregazione nativa. L’architettura separa i servizi di gestione dei metadati dal flusso dati, consentendo a capacità, concorrenza e throughput di scalare in modo indipendente in un unico namespace globale.
I parametri prestazionali di NetApp Novus segnano una svolta per le infrastrutture enterprise:
- Throughput aggregato fino a 100 TB/s: sostiene un flusso continuo di circa 2 GB/s per GPU su cluster fino a 50.000 GPU e oltre.
- Scalabilità fino a uno zettabyte: adotta un unico namespace multi-exabyte basato sul protocollo standard NFS, eliminando silos e frammentazione.
- Efficienza operativa e multi-tenancy sicura: garantisce l’isolamento completo tra tenant aziendali e neocloud, riducendo consumi energetici e spazio nei rack grazie all’ottimizzazione delle risorse e alla densità per nodo.
Attivazione dei dati Zero-Copy
Un altro fattore di inefficienza e rischio per i CTO sta nelle metodologie tradizionali di preparazione dati per l’AI. L’approccio classico (“copia prima, analizza dopo”) richiede estrazione, trasformazione e duplicazione dei dati verso data lake centralizzati.
Questo processo genera tre criticità: latenza elevata che rende le informazioni stantie, costi storage raddoppiati per le copie e rischi di compliance durante i trasferimenti.
La risposta tecnologica di NetApp si fonda sulla Zero-Copy Data Activation. L’obiettivo è permettere agli agenti AI di accedere e attivare le informazioni esattamente dove risiedono, in tempo reale nei protocolli NFS, SMB e S3, senza condotte ETL.
«A supporto opera il NetApp AI Data Engine, capace di analizzare l’intero patrimonio aziendale – spiega Davide Marini, Country manager NetApp Itala – I riscontri analitici evidenziano che, in un’infrastruttura tipica da 22 Petabyte esaminati, fino a 13,8 PB – pari fino al 63% del totale – sono rappresentati da storage “reclamabile”, composto da dati freddi, file duplicati e informazioni obsolete. Liberare questa capacità ottimizza la spesa IT e migliora i dataset impiegati dall’AI».
Estensione Hybrid multicloud e continuità applicativa
La strategia dei CIO richiede un modello operativo fluido per eseguire carichi di lavoro ovunque risiedano i dati: data center, public cloud, neocloud o edge.
NetApp ha anche annunciato l’integrazione nativa del software Ontap su Oracle Cloud Infrastructure (OCI). Le imprese «beneficiano così della flessibilità del cloud Oracle unita alle funzionalità enterprise Ontap, mantenendo un unico modello operativo omogeneo tra on-premise e OCI», rileva Patano.
Per la continuità operativa e la protezione degli ambienti virtualizzati, «la piattaforma integra la tecnologia JetStream. La soluzione protegge i cluster VMware eseguiti su qualsiasi storage primario, consentendo il ripristino disaster recovery diretto verso i servizi cloud native NetApp, come Azure NetApp Files».
Data residency e sovranità europea
Per CIO e CTO che operano in settori regolamentati o nella P.A. in Europa, la gestione dell’AI e del cloud deve soddisfare vincoli normativi stringenti. Le esigenze attuali vanno oltre la semplice geolocalizzazione dei dati (data residency), estendendosi a sovranità operativa, controllo accessi, trasparenza della telemetria e tracciabilità del supporto.
Per questo, NetApp ha lanciato NetApp Keystone Sovereign, un’estensione del modello Storage-as-a-Service (STaaS) Keystone per il mercato europeo. La soluzione «offre la flessibilità dell’abbonamento basato su SLA, integrando garanzie contrattuali ed operative legate alla giurisdizione e non solo alla geografia», spiegano i manager di NetApp Italia.
Indicazioni strategiche per la roadmap dei CIO e CTO
Dalle innovazioni annunciate da NetApp e dalle trasformazioni dell’Agentic AI emergono diverse indicazioni chiave per i responsabili IT:
Superare la visione GPU-centrica: la pianificazione AI richiede il bilanciamento dello stack. Investire in acceleratori senza adeguare lo Storage produce inefficienza sistemica e sprechi di capitale.
Abbandonare le pipeline di duplicazione: adottare l’architettura zero-copy elimina i costi dell’ETL, riducendo la latenza e garantendo la governance alla fonte.
Pianificare la scalabilità disaggregata: per le AI Factory o i grandi data lake, la separazione dei metadati assicura la crescita indipendente di capacità e prestazioni.
Governare il patrimonio informativo latente: l’AI Data Engine permette di identificare lo Storage ‘scuro’ e recuperare fino al 60% dello spazio occupato da dati freddi o duplicati.
Ottenere garanzie di sovranità: nelle strategie hybrid cloud, occorre verificare che i modelli as-a-service garantiscano controllo giurisdizionale e gestione europea di dati e supporto.
In sostanza, trasformare i dati distribuiti in conoscenza pronta per l’AI — mantenendo sicurezza, coerenza operativa e controllo dei costi — rappresenta la vera discriminante per guidare l’innovazione nell’era dell’intelligenza artificiale.
Partecipa alla community