Cloudera presenta i risultati italiani del suo studio globale The State of Enterprise AI 2026: The New Rules of Scale. La ricerca rivela che, se l’impegno di capitale sull’intelligenza artificiale rimane importante – il 74% delle organizzazioni ha aumentato gli investimenti nell’ultimo anno, il dato più alto nell’area EMEA – le imprese si trovano ad affrontare pressioni operative senza precedenti. La metà (50%) degli IT leader italiani identifica la sovranità dei dati come il principale vincolo alla scalabilità dell’AI, più di qualsiasi altro mercato europeo, mentre l’82% ha dovuto rivedere progetti AI a causa dell’esplosione dei costi dei token.
I dati italiani emergono in un momento cruciale: l’EU AI Act è pienamente applicabile per i sistemi ad alto rischio da agosto 2026, l’Italia è il primo Stato membro UE ad aver operativizzato un framework nazionale (Legge 132/2025), e il paese ha annunciato oltre 25 miliardi di euro in investimenti in data center di interesse strategico nazionale. In questo contesto, scelte architetturali sbagliate non rappresentano più un rischio futuro, ma un costo già quantificabile.
Italia: il paradosso di chi investe di più e affronta i vincoli più stringenti
Lo studio evidenzia come l’Italia si trovi in una posizione unica nel panorama enterprise europeo, al vertice in tema di investimenti, ma costretta ad affrontare simultaneamente le pressioni più forti in termini di sovranità, governance e costi operativi:
- 50% delle imprese italiane identifica la sovranità dei dati come il principale vincolo alla scalabilità dell’AI, il dato più alto in Europa
- 83% afferma che requisiti di residenza, sovranità o giurisdizione influenzano – almeno occasionalmente – il posizionamento dei workload
- 66% dichiara che spostare un workload AI tra ambienti richiede una riprogettazione significativa, contro il 58% della media EMEA
- 46% sta costruendo architetture multi-ambiente principalmente per ragioni di sovranità, prima che di resilienza e costi
La sovranità dei dati in Italia si trova all’intersezione di operatività, regolamentazione e geopolitica. Sapere dove risiedono i dati e chi li controlla non è solo un requisito legale: le aziende stanno costruendo un’architettura AI che deve essere in grado di scalare nonostante vincoli che cambiano continuamente.
“I dati italiani rivelano un paradosso strategico: siamo il mercato che investe di più in AI in Europa – 74% di aumento degli investimenti contro una media EMEA del 48% – ma affrontiamo simultaneamente i vincoli più stringenti. Il 50% delle nostre imprese cita la sovranità come principale ostacolo alla scalabilità, il dato più alto in Europa. L’82% ha dovuto rivedere progetti per gestire i costi dei token. Questa non è una contraddizione, ma l’immagine di un mercato maturo che sta scalando l’AI in un contesto regolatorio e geopolitico che richiede controllo,” commenta Fabio Pascali, Country Manager Italy di Cloudera.
La crisi dei tokenomics colpisce più duramente
- 82% delle imprese italiane ha rivisto progetti AI a causa dei costi dei token rispetto all’85% della media EMEA
- 46% ha ridotto dimensioni dei modelli, frequenza di elaborazione o volume di output per contenere i costi
- 44% ha spostato workload su cloud privato o on-premises per gestire la volatilità dei costi (vs 47% EMEA)
- 46% cita l’integrazione dei dati come vincolo alla scalabilità, insieme ai costi di token/inferenza
Il contesto economico è chiaro: il costo di una singola interazione agentica di customer service è aumentato di 30 volte – da $0,04 per un workflow lineare semplice nel 2023 a $1,20 per un sistema agentico orchestrato complesso nel 2026.
Investimenti record: il migliore ROI in EMEA, ma ancora da dimostrare
- 74% delle organizzazioni italiane ha aumentato gli investimenti AI nell’ultimo anno rispetto a una media EMEA del 48% e alla Germania che si ferma al 41%
- 40% spende oltre 1 milione di dollari all’anno in iniziative AI; 63% spende almeno $500.000
- 34% afferma che l’AI genera attualmente più valore di quanto costi, il dato migliore in EMEA (vs 23% media EMEA, 21% Germania), ma sono ancora una minoranza
- 42% riporta che valore e costi sono attualmente in pareggio
L’Italia ha accelerato sull’AI più di qualsiasi altro mercato europeo, ma l’incremento degli investimenti non significa automaticamente risultati migliori. Con l’inferenza che rappresenta l’80-90% del costo totale del ciclo di vita di un sistema in produzione, ogni CFO e CIO deve rispondere a tre domande: quanto di questa spesa è controllabile? Quanto è prevedibile? Quanto misurabile è il valore che genera?
La stretta della governance
- 78% identifica governance e compliance come vincoli alla scalabilità dell’AI (vs 75% EMEA, 73% Germania)
- Solo 42% dichiara di aver trovato un equilibrio efficace tra velocità e controllo (vs 47% EMEA)
- 26% afferma che l’AI si sta muovendo troppo velocemente rispetto alla governance interna (vs 28% EMEA)
“Le aziende italiane non stanno rallentando: stanno imparando a muoversi con cognizione di causa. Il 34% che dichiara un ROI positivo è il miglior risultato in EMEA, pur rimanendo un dato contenuto. Il divario tra chi genera valore e chi è in pareggio è architetturale, non dipende dalla qualità dei modelli”, aggiunge Pascali. “Con oltre 25 miliardi di euro investiti in infrastrutture sovrane e una AI Gigafactory nazionale in preparazione, l’Italia sta gettando fondamenta solide, ma la velocità con cui le imprese chiuderanno il gap tra investimento e ROI dipenderà dalla capacità di adottare architetture ibride che risolvano sovranità, costi e governance simultaneamente, senza dover riprogettare tutto ogni volta che cambiano le regole.”
Il contesto strategico nazionale: miliardi investiti, architetture da ripensare
I dati emergono mentre l’Italia sta costruendo l’infrastruttura digitale sovrana più ambiziosa d’Europa. Oltre ai 25 miliardi di euro annunciati in data center di interesse strategico nazionale – incluso il pacchetto da 6,8 miliardi per impianti in Lombardia e Sardegna approvato nel più recente Consiglio dei Ministri – il paese sta preparando una proposta per una AI Gigafactory nazionale, guidata da un consorzio ancorato da Eni, TIM e Leonardo, da presentare a Bruxelles entro il 3 dicembre 2026.
L’Italia non si sta più preparando all’AI, anche se sta già pagando il prezzo di scelte architetturali sbagliate. La domanda non è più se investire, il 74% lo sta già facendo. La domanda è: su quale architettura? Con quale governance? A quale costo sostenibile?
Dalla reazione alla resilienza: raccomandazioni strategiche
Per aiutare i leader a superare questi ostacoli operativi e regolamentari, lo studio delinea indicazioni utili provenienti da organizzazioni che stanno scalando l’AI con successo:
- Governance a livello globale fin dalle basi. Il 49% dei leader, se potesse ricominciare il percorso AI, rafforzerebbe la governance dall’inizio, mentre il 46% investirebbe prima nella qualità dei dati. La governance non può essere un checkpoint post-factum che crea colli di bottiglia nei deployment: deve essere automatizzata e attivata da soglie chiare di rischio, confidenza o requisiti regolamentari.
- Visibilità granulare sui costi variabili (‘tokenomics’). Con l’82% delle imprese italiane costretto a riprogettare use case a causa dei costi dei token e il 46% che ha ridotto dimensioni dei modelli o frequenza di elaborazione, tracciare i costi di esecuzione variabili è vitale per la continuità operativa. Le imprese devono stabilire visibilità su inferenza dei modelli, storage dei dati e consumo di token per verificare la sostenibilità economica prima che i modelli entrino in produzione.
- Portare l’AI ai dati governati attraverso ambienti ibridi. Poiché i requisiti di residenza e sovranità dei dati determinano dove i dati devono rimanere, forzare i dati in silos AI isolati crea rischi di compliance crescenti e penalità costose di ri-architettura. Con il 66% delle imprese italiane che riporta come spostare un workload richieda una riprogettazione significativa, le organizzazioni devono adottare architetture ibride che portano la capacità di elaborazione ai dati governati ovunque essi vivano – attraverso cloud pubblici, infrastrutture private e ambienti on-premises – senza costringere i team a ricostruire le applicazioni da zero.
“La scala sta esponendo una nuova realtà per l’AI enterprise: ciò che funziona oggi potrebbe non avere senso economico o operativo domani. I costi cambiano, i modelli evolvono, le regolamentazioni si spostano, e il posto giusto dove eseguire un workload cambia con loro. È necessaria una strategia AI costruita per questa realtà, che dia alle organizzazioni la libertà di adattarsi senza rinunciare al controllo dei propri dati, della governance o della spesa,” afferma Brian Martin, CTO of Applied AI di Cloudera.
