L’intelligenza artificiale non è più soltanto una voce nei budget per l’innovazione. Per le direzioni IT è ormai un fattore di pressione concreto, che mette alla prova architetture, governance dei dati, continuità operativa e sostenibilità economica. È da questa consapevolezza che è partito l’evento IT Leadership Connect 2026 organizzato da Digital Value, dal titolo volutamente provocatorio: “L’AI mette sotto pressione l’IT: sei pronto a sostenerla?”.
Ad aprire i lavori è stato Vincenzo Zaglio, direttore di ZeroUno, che ha messo subito a fuoco il nodo di fondo: «Si discute ancora troppo poco delle fondamenta infrastrutturali necessarie per supportare l’AI. Secondo Gartner, il 60% dei progetti AI verrà abbandonato se non supportato da infrastrutture dati adeguate; entro il 2028, inoltre, il 75% dei workload di intelligenza artificiale sarà eseguito su architetture ibride. Per i CIO, dunque, la questione non è più se adottare l’AI, ma dove farla girare, tra edge, cloud e on-premise».
Il nuovo equilibrio dell’infrastruttura
La fotografia del mercato italiano scattata da Ivan Antozzi, Senior Research dell’Osservatorio Data Center del Politecnico di Milano, restituisce uno scenario in crescita ma ancora attraversato da forti tensioni.
Il mercato cloud continua a espandersi e vale oggi oltre 8 miliardi di euro, ma sta cambiando la logica con cui le aziende affrontano le scelte infrastrutturali. «Stiamo passando da una logica Cloud First a una ibrida», ha spiegato Antozzi. Non si tratta più di migrare in blocco verso il cloud pubblico, ma di valutare caso per caso la tipologia dei dati, i livelli di criticità, i vincoli normativi e le esigenze operative.
Emerge con forza anche il tema della Repatriation. Molte organizzazioni stanno riflettendo sulla possibilità di riportare alcuni workload on-premise o su provider europei, spinte da esigenze di sovranità digitale, controllo dei costi e maggiore prevedibilità. Nelle grandi aziende, circa il 70% delle applicazioni risiede tra cloud pubblico e cloud privato, ma la componente on-premise continua a essere decisiva per i brevetti industriali e per le applicazioni business-critical.
Geopolitica, rincari e modelli as-a-service
Se il quadro tecnologico è complesso, quello economico e geopolitico lo è altrettanto. Giuseppe Bacconi, Revenue Officer Small Medium Enterprise di Digital Value, ha descritto un mercato segnato da forte incertezza, dove la spinta verso il cloud pubblico si è fatta meno lineare rispetto al passato. «Oggi il trend è rallentato. Le aziende vogliono riportare skill e dati vicino a casa per motivi di insicurezza globale», ha osservato.
Secondo Bacconi, i rischi per le imprese sono molteplici: perdita di competitività, minacce alla sicurezza, danni reputazionali, interruzioni di servizio e crescita dello Shadow IT. A pesare sono anche le tensioni sui costi. Il mercato, ha spiegato, sta vivendo una fase di forte volatilità, con rincari hardware nell’ordine del 20-25% e una carenza di materie prime che potrebbe protrarsi fino al 2027.
Per rispondere a questo scenario, Digital Value punta su modelli infrastrutturali più flessibili. «Lavoriamo a sei mani con vendor e clienti per progettare infrastrutture basate su ciò che è effettivamente disponibile, ottimizzando i costi e trovano il giusto bilanciamo fra cloud e on premise», ha spiegato Bacconi.
Migrazioni, AI Factory e sicurezza by design
Tra i casi più concreti emersi durante l’evento c’è quello raccontato dallo stesso Bacconi: la migrazione di un grande data center da Amsterdam all’Italia per un’importante azienda nazionale. La prima tranche del progetto è stata gestita in cinque wave nell’arco di sei mesi, senza interruzioni per l’utente finale.
L’intervento di Luigi De Meo, Principal Solution Architect di Dell Technologies, ha spostato poi il focus sulla logica architetturale che deve guidare queste scelte. «La domanda che riceviamo ogni giorno è: on-premise o cloud? La realtà è che i workload devono stare dove portano il maggior valore in quel momento», ha spiegato.
Per De Meo, la risposta passa da un approccio AI Factory: infrastrutture modulari integrate con lo stack software e costruite a partire dagli use case concreti del cliente. In questo modello, un ruolo centrale è svolto dalla AI Data Platform, il livello di governance che consente di orchestrare dati strutturati e non strutturati provenienti da silos differenti, evitando il classico rischio del “garbage in, garbage out”. Sul piano della sicurezza, poi, il messaggio è inequivocabile: la protezione deve essere by design, con hardware già sicuro in fabbrica, firmware immutabili e garanzie lungo tutta la catena di delivery.
Sammontana e il valore dell’on-premise flessibile
Nel manifatturiero, il rapporto tra cloud e infrastruttura locale si misura con i vincoli fisici della produzione. Michele Lemmi, CISO e IT System Infrastructure Manager di Sammontana, ha spiegato che i carichi legati ai sistemi MES, Scada e WMS restano on-premise per una ragione molto concreta: richiedono capacità di calcolo a bordo impianto e latenze minime, non compatibili con il cloud pubblico.
«Abbiamo avuto la fortuna di partire secondi sul cloud», ha detto Lemmi, sintetizzando un approccio prudente ma pragmatico: osservare prima gli errori altrui, poi decidere quali carichi siano davvero adatti alla nuvola. Per questo Sammontana ha scelto un modello HPE GreenLake «costruito su misura, capace di combinare flessibilità operativa e controllo diretto dell’infrastruttura», ha spiegato Alberta Piazza, Channel GreenLake Sales Specialist di HPE.
Il vantaggio, ha spiegato il manager, è evitare l’overprovisioning e mantenere margini di espansione rapidi, soprattutto in una fase di forte crescita per acquisizioni. «Con GreenLake abbiamo la flessibilità del cloud ma nel nostro perimetro. Se necessario, apriamo il rubinetto delle risorse». In questo modo, l’azienda riesce a elevare rapidamente gli standard IT delle realtà acquisite, mantenendo al tempo stesso una maggiore prevedibilità dei costi.
Ducati Corse, dove il dato corre quanto la moto
Se nel manifatturiero la parola chiave è scalabilità, nel racing è tempismo. Davide Attisano, Head of Data Analytics di Ducati Corse, lavora in un contesto dove ogni decisione si gioca in tempi strettissimi. Ogni weekend di gara, per sei moto in pista, vengono prodotti circa 100 GB di dati. Ma c’è un vincolo importante: «Poiché la telemetria in tempo reale è vietata dal regolamento, scarichiamo i dati appena la moto rientra ai box».
Questo significa che l’analisi avviene in batch, nel giro di pochi minuti, per capire se la moto ha funzionato correttamente e fornire subito un feedback al pilota. In questo quadro, l’intelligenza artificiale entra in gioco con il Virtual Sensing: durante i test vengono allenati modelli che poi, in gara, riescono a prevedere il comportamento di oltre mille grandezze fisiche.
L’AI viene utilizzata anche per la manutenzione predittiva, così da intercettare possibili cedimenti prima che si traducano in un ritiro o in una penalizzazione. A sostenere tutto questo c’è un’infrastruttura che, come ha ricordato Roberto Massoli di Lenovo, Technical Sales Manager di Lenovo, si comporta come un vero “data center itinerante”: server edge resistenti a vibrazioni e temperature estreme, workstation mobili ad alte prestazioni e un Virtual Garage che collega la sede di Ducati a Borgo Panigale alla pista per lanciare simulazioni HPC quasi in tempo reale. Se serve potenza aggiuntiva, resta aperta anche la possibilità di scalare sul cloud pubblico.
In conclusione, cosa emerge? L’intelligenza artificiale non è un oggetto plug-and-play da innestare su infrastrutture obsolete. Richiede scelte architetturali consapevoli, governance dei dati, sicurezza e interoperabilità
Per le imprese, la pressione dell’AI sull’IT è già cominciata. La differenza, adesso, si vedrà nella capacità di costruire infrastrutture abbastanza resilienti, flessibili e vicine al business da reggere davvero il peso della trasformazione.
