Un’indagine di NTT DATA sottolinea come l’AI enterprise stia superando i limiti dell’architettura e infrastruttura sulle quali si basa, a fronte di requisiti più rigorosi collegati a privacy e sovranità dei dati. La ricerca rileva un divario crescente tra aziende che stanno riprogettando l’intelligenza artificiale all’insegna di controllo, localizzazione e sicurezza, e organizzazioni che continuano a integrare l’AI in ambienti non concepiti per supportare tali requisiti.
Tutti i limiti del modello tradizionale di trasferimento di dati
Per anni, la struttura aziendale ha consentito il trasferimento dei dati tra sistemi, cloud, applicazioni e confini con velocità ed efficienza sempre maggiori. L’intelligenza artificiale sta portando alla luce i limiti di tale modello. I dati sensibili devono essere protetti, i carichi di lavoro devono essere eseguiti all’interno di giurisdizioni definite e i modelli devono essere gestiti secondo controlli più rigorosi. I dati non possono sempre muoversi con la velocità e la fluidità che molti sistemi AI richiedono, rendendo la giurisdizione un vincolo architettonico fondamentale. Di conseguenza, l’intelligenza artificiale privata e sovrana sono diventate considerazioni fondamentali.
Privacy e sovranità – AI enterprise, cosa ne pensano i responsabili
NTT DATA nel rapporto globale sull’IA 2026 ‘A Playbook for Private and Sovereign AI’ rivela il divario tra ciò di cui le organizzazioni sono consapevoli di aver bisogno e ciò che sono pronte a realizzare:
oltre il 95% degli intervistati ritiene che l’AI privata e sovrana siano importanti. Ma solo il 29% sta dando priorità all’AI sovrana in modo concreto e a breve termine.
Circa il 35% dei CAIO identifica creazione, integrazione e gestione di modelli di AI complessi in ambienti privati o sovrani come il principale ostacolo all’adozione. Quasi il 60% dei leader nel campo dell’AI cita le restrizioni transfrontaliere sui dati come una sfida importante.
Solo il 38% dichiara di avere un alto livello di fiducia nella propria protezione della sicurezza cloud, fondamento critico sia per l’IA privata che per quella sovrana.
AI privata e AI sovrana: correlate ma distinte
L’IA privata si concentra sulla protezione dei dati aziendali sensibili, sul controllo degli accessi e sulla limitazione dell’esposizione. L’IA sovrana si concentra invece sul garantire che i sistemi AI, i dati e gli ambienti operativi soddisfino i requisiti di controllo giurisdizionali, normativi o nazionali e regionali.
Superare la semplice conformità normativa e la mitigazione dei rischi
Abhijit Dubey, CEO e Chief AI Officer di NTT DATA Con l’evoluzione dell’AI, gli approcci privati e sovrani stanno mettendo alla prova la preparazione delle imprese. Le organizzazioni che stanno ottenendo risultati positivi vanno oltre la semplice conformità normativa e la mitigazione dei rischi. Stanno gettando le basi operative per un’AI in grado di operare trasversalmente su mercati, giurisdizioni e contesti aziendali. La nostra ricerca dimostra che i leader nel campo dell’AI stanno guadagnando terreno considerando l’architettura, l’infrastruttura e la governance come requisiti strategici.
Nicola Russo, Head of Data & Artificial Intelligence di NTT DATA Italia Nel contesto attuale, la sovranità dei dati e delle infrastrutture può apparire come un tema esclusivamente geopolitico. In realtà, è un vero e proprio rischio d’impresa, da anticipare, valutare e gestire attraverso scelte consapevoli su architetture, piattaforme e modelli operativi. Coinvolge le infrastrutture, ma non meno le tecnologie.
Privacy e sovranità – Quale il futuro dell’AI enterprise
Il rapporto individua i cinque fattori che caratterizzeranno la prossima fase dell’AI enterprise:
l’AI si sta scontrando con un ostacolo – e non si tratta del modello. Il vincolo non è più rappresentato esclusivamente dalle prestazioni del modello. L’AI richiede ora un maggiore controllo su potenza di calcolo, accesso ai dati, sicurezza e localizzazione, mettendo in evidenza i limiti di un’infrastruttura costruita per flussi di dati centralizzati e senza confini.
La giurisdizione sui dati è ormai un vincolo architettonico. I dati possono ancora muoversi, ma non nel modo in cui l’AI ne ha bisogno. Poiché l’AI dipende dall’accesso e dal movimento continui dei dati, la giurisdizione sta determinando dove risiedono i dati, dove vengono eseguiti i modelli e come vengono progettati e governati i sistemi.
Tutti vedono il cambiamento, ma pochi agiscono di conseguenza. Oltre il 95% delle organizzazioni riconosce l’importanza di un’AI privata e sovrana, ma solo un terzo sta dando priorità all’AI sovrana in modo concreto e a breve termine.
I leader stanno riprogettando in anticipo e agendo con decisione, creando una divergenza competitiva. I leader stanno agendo con decisione, allineando in anticipo infrastrutture, governance e modelli operativi. Questo permette loro di passare più rapidamente dai progetti pilota alle implementazioni su larga scala, mentre altri faticano ad adattarsi.
L’AI privata e sovrana sembra sinonimo di indipendenza, ma in pratica si basa su ecosistemi strettamente coordinati. Più della metà delle organizzazioni cita la complessità dell’integrazione come la sfida principale. Man mano che le organizzazioni spingono per un maggiore controllo aumentano anche la complessità e l’interdipendenza tra i partner del loro ecosistema di IA che si coordinano a tutti i livelli.
Privacy e sovranità – Una posizione più vantaggiosa
L’intelligenza artificiale privata e quella sovrana stanno cambiando insieme il modo in cui i sistemi di AI vengono realizzati, gestiti e scalati. Le aziende che intraprendono tempestivamente un processo di riprogettazione si trovano in una posizione più vantaggiosa in contesti regolamentati, distribuiti e sensibili dal punto di vista dei dati. Quelle che integrano l’IA in architetture non progettate per soddisfare vincoli di controllo, localizzazione o flusso dei dati potrebbero avere difficoltà a trasformare le proprie ambizioni in materia di AI in un valore duraturo.
