L’Italia ha accelerato sui progetti di intelligenza artificiale più di qualsiasi altro mercato europeo, ma l’aumento della spesa non si traduce automaticamente in risultati. È il quadro che emerge da The State of Enterprise AI 2026: The New Rules of Scale, lo studio condotto da Wakefield Research per Cloudera nel settembre 2026 su 1.500 IT leader di nove mercati, di cui 125 in Italia.
Pubblicata recentemente, l’indagine è stata l’occasione per un incontro stampa con Fabio Pascali, Regional Vice President Italy, Greece & Cyprus di Cloudera, che ha commentato gli spunti emersi raccontando la visione aziendale sull’adozione dell’AI.
Indice degli argomenti
L’Italia guida gli investimenti AI in Emea
Secondo il report, il 74% delle organizzazioni italiane ha aumentato la spesa in AI nell’ultimo anno, contro una media EMEA del 48%. Il 40% spende oltre un milione di dollari l’anno, mentre il 63% ne stanzia almeno 500.000.
«L’Italia ha investito dopo e quindi sta recuperando» osserva Pascali, interpretando le ragioni del primato nazionale e sottolineando le potenzialità del mercato AI nel Bel Paese. «Gli investimenti che le aziende allocano sull’AI rappresentano un budget importante di trasformazione: dietro qualsiasi progetto infatti ci sono software, infrastruttura e system integration».
L’ostacolo del debito architetturale
Tuttavia, nonostante gli stanziamenti, molte imprese faticano a superare la fase di semplice sperimentazione per arrivare a un’adozione matura dell’intelligenza artificiale, che permetta scalabilità, sostenibilità e ritorni concreti.
Solamente il 34% delle aziende italiane afferma che l’AI genera più valore di quanto costi (23% la media EMEA), mentre il 42% è in pareggio.
Secondo Cloudera, il nodo risiede principalmente nel debito architetturale. Il 66% delle imprese nazionali dichiara che spostare un carico di lavoro AI tra ambienti diversi richiede una riprogettazione significativa, contro il 58% della media EMEA. «Se non riesco a trasferire facilmente un workload AI da una nuvola all’altra o tra sistemi cloud e on-prem, significa che l’ho realizzato male, con soluzioni troppo customizzate e blindate» spiega Pascali. È l’effetto di progetti avviati in fretta per dimostrare ritorni rapidi, spesso su stack proprietari a forte rischio di lock-in.
Tuttavia, il fenomeno del gap architetturale non è solo italiano e va oltre l’aspetto della portabilità applicativa, come rivela The Great AI Re-Architecture, un’altra ricerca globale commissionata da Cloudera e condotta da Wakefield Research nel giugno 2026.
Su un campione di 1.500 architetti IT, il 72% afferma che, per implementare l’intelligenza artificiale su larga scala sfruttandone appieno i benefici, l’architettura dati esistente necessita di una revisione profonda. Ciò è la diretta conseguenza dell’accumulo e della stratificazione di soluzioni legacy, che nel corso degli anni sono state oggetto di interventi solo tattici e mai strutturali.
Sovranità e governance frenano la scalabilità AI
Tuttavia, secondo il report The State of Enterprise AI 2026, i vincoli architetturali non sono l’unico ostacolo al successo dei progetti di intelligenza artificiale.
Il 50% degli IT leader italiani infatti indica la sovranità dei dati come principale freno alla scalabilità dell’AI, il valore più alto in EMEA, e l’83% riconosce che requisiti di residenza o giurisdizione influenzano la collocazione dei workload.
Sullo scenario nazionale infatti pesano l’AI Act, pienamente applicabile ai sistemi ad alto rischio da agosto 2026, e la Legge 132/2025, per cui l’Italia è diventato il primo Stato membro dell’Unione Europea a dotarsi di un framework organico per regolamentare l’intelligenza artificiale.
Secondo Pascali, se la sovranità viene vista spesso come un “fastidio” da ottemperare, oggi le aziende devono fare i conti con un tema di valutazione e gestione del rischio. La sovereignty non è un semplice obbligo legale, ma un requisito dell’architettura AI che deve scalare in un contesto regolatorio e geopolitico in continua evoluzione, richiedendo grande capacità di controllo.
Come ulteriore freno ai progetti AI, l’indagine di Cloudera mette l’accento su governance e compliance, considerate un vincolo alla scalabilità dal 78% dei rispondenti italiani (75% in EMEA). Solo il 42% del campione dichiara di aver trovato un equilibrio efficace tra velocità e controllo, mentre il 26% afferma che l’AI si sta muovendo troppo velocemente rispetto alla governance interna.
Dal “POC-ificio” al conto dei token
Un altro tema in primo piano riguarda la sostenibilità economica delle iniziative di intelligenza artificiale. L’82% delle imprese italiane ha rivisto progetti AI a causa dei costi dei token, il 46% ha ridotto dimensioni dei modelli, frequenza di elaborazione o volume di output e il 44% ha spostato workload su cloud privato o on-premise per gestire la volatilità della spesa.
«Qualcuno ha parlato di “PoC-ificio – racconta Pascali, facendo riferimento al proliferare di progetti pilota e sperimentazioni AI che difficilmente riescono a scalare -. Finché si resta fermi al Proof of Concept, il tema costi è irrilevante. Invece, sono proprio le realtà che hanno già portato l’AI generativa e agentica dentro i processi a essere più in difficoltà».
Ibrida e modulare: la piattaforma dati e AI di Cloudera
Alla luce di questo scenario, la proposta di Cloudera per costruire un’architettura AI-ready è Anywhere Cloud, la piattaforma per dati e intelligenza artificiale annunciata ad agosto. Pascali la descrive come “hybrid by default”, “modular by design” e “sovereign by deployment”.
La soluzione permette infatti di distribuire e governare centralmente ogni workload su cloud pubblico, on-premise o in ambienti air-gapped, completamente isolati dalla rete, senza il rischio di kill switch esterni. L’architettura modulare consente un’adozione graduale, anche partendo da un solo progetto AI su un singolo processo, evitando l’approccio “big bang” e scalando quando necessario.
La stessa versatilità è la risposta alle esigenze di sovereignty delle aziende. «Le normative cambiano continuamente – sottolinea Pascali –. Con un’architettura flessibile è possibile accendere una soluzione in cloud ed eventualmente portarla on-prem qualora i requisiti diventassero più stringenti, senza la necessità di reinventarsi la ruota».
Un tassello centrale della strategia in ottica di sovranità è la partnership annunciata a settembre con Mistral AI, la società francese che sviluppa modelli open-weight. L’accordo permette di integrare gli LLM della startup parigina nelle piattaforme di Cloudera: le aziende possono eseguirli direttamente sui propri dati, anche in ambienti on-premise o air-gapped, e addestrarne versioni custom, mantenendo il pieno controllo sulle informazioni. A breve l’offerta sarà attiva anche in Italia, mettendo a disposizione di clienti e system integrator uno stack sovrano completo, dalla piattaforma dati fino ai Large Language Model. Se Cloudera dava già la possibilità di accedere ai modelli di Hugging Face e Nvidia, secondo Pascali la collaborazione con Mistral permette all’azienda di accelerare “in ottica europea”, facendo leva sulla sovereignty.
Costi di esercizio e investimenti in data governance
Resta da sciogliere il nodo dei costi, che per il manager va affrontato a monte. Se l’esplosione del consumo di token può minare la sostenibilità dei progetti AI basati su modelli pubblici, l’approccio infrastrutturale proposto dal vendor statunitense permette invece di prevedere e contenere la spesa.
Il cliente acquista la piattaforma e le risorse di calcolo sottostanti, tradizionali o con GPU, in casa o presso un cloud provider, trasformando i costi variabili in fissi. Così può sfruttare al massimo l’infrastruttura senza che la spesa aumenti. E se dovesse servire capacità aggiuntiva, precisa Pascali, l’architettura si può espandere, con previsioni di costo molto più accurate rispetto a un modello a consumo.
Resta però centrale il messaggio di fondo: «Il mondo dei dati deve venire prima del mondo AI», ribadisce Pascali. Senza dati di qualità, governati e accessibili, i progetti di intelligenza artificiale rischiano di poggiare su basi fragili. Lo confermano anche le indicazioni dello studio: se potessero ricominciare il proprio percorso nell’AI, il 49% dei leader rafforzerebbe la governance fin dall’inizio e il 46% investirebbe prima nella qualità dei dati.
Il mercato italiano: PA, settori regolati e partner
Durante l’incontro con la stampa di settore, Fabio Pascali, Regional Vice President Italy, Greece & Cyprus di Cloudera, ha condiviso qualche considerazione sul mercato nazionale.
Secondo le dichiarazioni, il vendor ha registrato in Italia una crescita double-digit sia nell’ultimo anno sia nel precedente, per le componenti on-premise e public cloud, dove cresce a doppia cifra anche la consumption.
I segmenti più dinamici sono la Pubblica Amministrazione, soprattutto centrale, e i settori regolati come Finanza, Energy e Utilities. Al recente EVOLVE, l’evento flagship di Milano, hanno portato la propria esperienza clienti del calibro di Cedacri, Avio, il Comune di Milano e INAIL: il filo rosso, racconta Pascali, è stato la sovranità, insieme alla necessità di dimostrare al CFO ritorni concreti sugli investimenti AI.
Decisivo per il presidio dello Stivale, il ruolo dell’ecosistema: «Il mondo dei dati e soprattutto dell’AI – afferma Pascali – vivono di system integration. Senza non si va lontano, perché pochi clienti hanno le risorse per completare una progettualità da soli».
Partecipa alla community