Per due anni, la strategia aziendale sull’AI si è basata su un unico assunto: arrivare ai limiti il più velocemente possibile. Il percorso predefinito era un account sul cloud pubblico, una chiave API di OpenAI o Anthropic e la disponibilità ad assorbire i costi in cambio della velocità. Quell’istinto ha prodotto sperimentazioni straordinarie - ma ora sta andando a sbattere contro un muro.

Gartner prevede che la spesa mondiale per l’AI raggiungerà i 2,52 trilioni di dollari nel 2026, con un aumento del 44% su base annua, di cui 1,37 trilioni destinati esclusivamente all’infrastruttura. Infatti, a metà del 2025, hanno affermato che l’AI è entrata in una “Fase di disillusione”, in cui la scalabilità dipende da un ROI prevedibile piuttosto che da progetti pilota visionari. La pressione si è spostata dalla velocità con cui le imprese possono sperimentare l’AI alla loro capacità di sostenerla, governarla e difenderla in produzione.

Stiamo passando dall’AI 1.0, dove l’accesso a modelli all’avanguardia era il fattore di differenziazione, all’AI 2.0, dove l’economia dell’inferenza, la gravità dei dati, la latenza e il controllo determinano il risultato. I prezzi dei token sono diminuiti di circa dieci volte ogni anno dal 2021, eppure la spesa totale per l’AI nella maggior parte delle imprese è aumentata perché modelli più capaci richiedono flussi di lavoro decisamente più ricchi.

Anthropic, OpenAI e Mistral stanno ora differenziando la propria offerta tra modelli di punta e modelli base a basso costo proprio perché i clienti si rifiutano di pagare i prezzi dei modelli di punta per ogni attività. Il sondaggio di McKinsey “2025 State of AI” conferma questa tendenza: l’adozione si sta diffondendo, ma un impatto su larga scala rimane difficile da raggiungere nella maggior parte delle organizzazioni. La domanda che i CIO si pongono non è più quale modello utilizzare, ma quale carico di lavoro eseguire dove, a quale costo e secondo quali criteri.

Il test della “Next Best Action”

Prendiamo un caso d’uso aziendale: una banca che fornisce la “Next Best Action”, ovvero la raccomandazione in-app, in filiale o tramite call center fornita in millisecondi in risposta alla richiesta in tempo reale del cliente. Le migliori banche con cui collaboriamo hanno dimostrato che la personalizzazione a questo livello può aumentare i ricavi del 5-15%. Una banca globale con cui collaboriamo ha lanciato un assistente AI che ha già risolto più di 1,5 milioni di richieste nel suo primo anno.

Tuttavia, la matematica dell’inferenza è spietata. Una singola decisione dell’agente può innescare da cinque a venti chiamate al modello, ciascuna con la propria finestra di contesto. Il divario tra 0,50 e 3,30 dollari per milione di token di input - insignificante in una demo a ciclo singolo - diventa la differenza tra una funzionalità con margine positivo e una che consuma silenziosamente capitale attraverso centinaia di milioni di eventi.

Analisi recenti suggeriscono che le aziende che utilizzano un unico modello di fascia alta per ogni attività stiano spendendo il 40–85% in più per l’inferenza. Decagon, dopo aver progettato la propria architettura su uno stack multimodello open source basato su Nvidia Blackwell, ha ridotto di sei volte il costo per query vocale. La mossa migliore non è più una decisione di marketing, ma di economia unitaria, presa un token instradato alla volta.

La sovranità diventa la strategia

Il dibattito tra cloud pubblico e AI privata non è più ideologico: è specifico al carico di lavoro e la geopolitica è entrata nell’equazione. Gli obblighi ad alto rischio previsti dall’AI Act dell’UE entreranno pienamente in vigore nell’agosto 2026, con multe fino a 35 milioni di euro o al 7% del fatturato globale; Francia e Germania stanno orientando gli appalti nazionali verso Mistral e stack sovrani open-weight.

In Asia, la regolamentazione dell’AI sta prendendo forma in modi nettamente diversi. Il Model AI Governance Framework di Singapore e gli strumenti di test dell’IMDA sono diventati modelli regionali. In Oriente, l’AI Promotion Act giapponese sovrappone regole settoriali a linee guida volontarie; l’AI Basic Act della Corea del Sud impone un’assicurazione di responsabilità civile per i sistemi ad alto rischio. Nel frattempo, l’India ha lanciato il suo LLM sovrano in occasione dell’2026 AI Impact Summit e sta destinando 1,25 miliardi di dollari alla IndiaAI Mission, con la legge DPDP che entrerà in vigore gradualmente entro il 2027.

La spinta all’open source guidata dallo Stato cinese, la legge PDP indonesiana e l’approccio settoriale pragmatico dell’Australia completano un quadro in cui non esistono due giurisdizioni uguali - e il 96% delle organizzazioni in APAC ha pianificato di aumentare gli investimenti in AI, principalmente tramite infrastrutture ibride. Un’architettura IA basata su un unico cloud e un’unica giurisdizione è ormai un rischio strutturale. Il nostro lavoro di inferenza ibrida con Nvidia e il più ampio passaggio all'AI on-premise per i carichi di lavoro regolamentati rappresentano una risposta diretta.

Il vero gap è al di sopra del modello

La lezione più dura degli ultimi 18 mesi è che la commoditizzazione dei modelli non riduce la complessità aziendale, ma la trasferisce altrove. Mistral o DeepSeek riducono i costi di sperimentazione, ma gli oneri di orchestrazione, governance, valutazione e integrazione salgono lungo la catena e ricadono sull’acquirente.

La stessa dinamica si sta ora verificando nell’AI fisica e nella tecnologia della difesa. Physical Intelligence, Figure AI e Skild AI stanno portando i modelli di base dei robot nelle fabbriche, nei centri logistici e nelle case, dove la latenza, la sovranità e la residenza dei dati contano più dei punteggi dei benchmark. World Labs di Fei-Fei Li sta costruendo il livello di intelligenza spaziale - modelli del mondo che percepiscono e ragionano in 3D - che costituirà l’àncora della prossima generazione di gemelli digitali industriali. Palantir e Anduril hanno costruito interi franchise partendo dal presupposto che il piano di controllo, non il modello, sia il vantaggio duraturo. I dirigenti dovrebbero misurare l’economia unitaria per attività utile, il carico operativo per agente implementato e il rapporto tra le risorse di inferenza impiegate per la struttura di governance che la circonda. Tale rapporto è in genere di 1:5 o peggiore.

È in arrivo un secondo cambiamento architettonico: l’attenzione sub-quadratica. Gli approcci di DeepSeek, Google e Cartesia stanno riducendo il costo del ragionamento a lungo termine di diversi ordini di grandezza, con benchmark recenti che mostrano riduzioni dei costi da 100 a 300 volte a parità di accuratezza.

Per le grandi banche, questo trasforma la modellizzazione del rischio dell’intero portafoglio, il rilevamento di modelli di frode su più decenni e il Know-Your-Customer (KYC) intergiurisdizionale in operazioni a passaggio singolo piuttosto che soluzioni alternative di recupero a blocchi. Per le società di telecomunicazioni, le operazioni di rete agentiche, la manutenzione predittiva e il ragionamento pluriennale sul percorso del cliente diventano economicamente sostenibili su larga scala. Per i produttori, la simulazione dell’intero impianto e la previsione delle interruzioni della catena di approvvigionamento passano da lavori batch periodici a un ragionamento continuo.

L’architettura vincente non sarà quella con il token più economico. Sarà quella che colloca la potenza di calcolo il più vicino possibile ai dati, sotto la giusta giurisdizione, con una governance che regge. Sostenibile, sovrana, controllata: questa è la nuova triade. Le imprese che la costruiranno ora definiranno il prossimo decennio.

Abhas Ricky è Chief Strategy Officer, Cloudera