sponsored story

AI sovrana: l’Europa investe, ma la sfida è conquistare le imprese


Indirizzo copiato

L’AI sovrana europea deve superare la prova del mercato: gli investimenti nelle infrastrutture porteranno risultati se le imprese troveranno servizi affidabili, prezzi sostenibili e un controllo effettivo sui dati e sui fornitori

Pubblicato il 16 nov 2026

Emanuele Raffaele

Partner, Oliver Wyman



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Ponte tra data center e imprese



Il Tech Sovereignty Package, presentato dalla Commissione europea il 3 giugno 2026, sposta la politica digitale dell’Unione verso gli investimenti in chip, cloud e infrastrutture. L’obiettivo è ridurre le dipendenze dall’estero e offrire alle imprese più possibilità di scelta. Il banco di prova è l’intelligenza artificiale: la domanda cresce rapidamente, ma oltre l’80% dello stack tecnologico usato in Europa proviene dagli Stati Uniti.

La sovranità tecnologica ha conseguenze concrete: significa sapere dove vengono elaborati i dati, chi può accedervi e chi gestisce i sistemi, oltre a poter cambiare fornitore senza ricostruire ogni applicazione. Un modello AI può funzionare in un data center europeo e dipendere comunque da un gruppo straniero per gli aggiornamenti o i servizi essenziali. La localizzazione dei server risolve quindi soltanto una parte del problema.

Le infrastrutture necessarie per un’AI sovrana

La questione diventa più urgente man mano che le imprese adottano l’AI. Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato italiano ha raggiunto 1,8 miliardi di euro nel 2025, il 50% in più rispetto al 2024; secondo stime Oliver Wyman potrebbe avvicinarsi ai 14 miliardi nel 2035. L’ISTAT registra un raddoppio della quota di imprese con almeno dieci addetti che usano l’AI, dall’8,2% al 16,4%.

Questa espansione cambia il modo di utilizzare la tecnologia. Accanto all’addestramento dei grandi modelli cresce il mercato dell’inferenza, cioè dei calcoli necessari per far funzionare modelli già sviluppati. Quando l’AI entra stabilmente nei processi aziendali, queste operazioni si ripetono migliaia di volte al giorno.

Gli agenti AI possono moltiplicarle: per gestire una richiesta commerciale, un agente consulta il catalogo, interroga il gestionale e prepara l’ordine, effettuando più chiamate ai modelli. Secondo le stime Oliver Wyman, in Italia l’inferenza passerà dal 58% al 68% della domanda di calcolo AI entro il 2035, con la componente agentica in crescita di circa il 40% l’anno. Diventano quindi cruciali il costo di ogni operazione, i tempi di risposta e la continuità del servizio.

Se l’AI gestisce attività quotidiane di banche, ospedali o fabbriche, la scelta dell’infrastruttura diventa strategica: un’interruzione può bloccare un processo, un rincaro può rendere antieconomica un’applicazione, un vincolo tecnico può rendere difficile la migrazione verso un concorrente.

Il vantaggio dei grandi cloud nelle scelte delle imprese

Questa domanda crescente non garantisce un mercato altrettanto grande all’AI sovrana. I principali operatori del cloud, gli hyperscaler come Amazon Web Services, Microsoft e Google, offrono capacità di calcolo su larga scala, modelli avanzati e strumenti integrati. In una survey Oliver Wyman tra CIO e responsabili AI di grandi aziende in 12 Paesi europei, la sovranità del dato è il criterio d’acquisto più importante per il 68% degli intervistati, ma per la metà conta molto anche il prezzo: un terreno su cui oggi gli hyperscaler partono avvantaggiati.

Le imprese attribuiscono valore al controllo dei dati, ma tendono a privilegiare la protezione delle attività critiche rispetto all’indipendenza totale. Il 76% attribuisce alla sovranità del dato un’importanza di almeno 8 su 10, mentre solo l’11% dà lo stesso peso all’indipendenza da tecnologie extra-UE. Conta soprattutto poter controllare le dipendenze.

Le esigenze cambiano da settore a settore. Pubblica amministrazione, sanità, ricerca e telecomunicazioni attribuiscono alla sovranità più peso che al prezzo. Nei servizi finanziari, primo segmento per domanda servibile da infrastrutture sovrane in Italia, i due criteri si equivalgono. Nella manifattura prevale il prezzo. La provenienza europea sarà un vantaggio commerciale dove risponde a un bisogno reale.

La domanda pubblica a sostegno dell’AI sovrana

Il problema economico è che i data center richiedono grandi investimenti iniziali, recuperabili soltanto se vengono utilizzati a sufficienza. Il Cloud and AI Development Act, proposto nell’ambito del pacchetto, punta almeno a triplicare la capacità dei data center europei in cinque-sette anni, facilitando autorizzazioni e accesso a energia, terreni e finanziamenti.

La proposta introduce anche quattro livelli di garanzia della sovranità dei servizi cloud e AI: dalla localizzazione dei dati nell’Unione ai requisiti più rigorosi sul controllo dei fornitori e della filiera tecnologica. Le amministrazioni pubbliche potrebbero scegliere il livello adeguato ai rischi delle attività.

Qui entra in gioco il potere della domanda pubblica. In Italia stimiamo che la domanda AI della PA passi da 0,3 a oltre 2,2 miliardi tra il 2025 e il 2035. Se più amministrazioni acquistano con criteri comuni, i fornitori possono programmare investimenti sostenuti da contratti e volumi prevedibili. Si tratta ancora di una proposta legislativa, i cui effetti dipenderanno dall’attuazione.

Dalle Gigafactory ai clienti: la sfida del mercato europeo

Il prossimo banco di prova sono le AI Gigafactory: con il fondo InvestAI da 20 miliardi, il bando EuroHPC in chiusura a inizio dicembre punta a finanziare quattro o cinque infrastrutture da circa 100.000 chip di ultima generazione ciascuna, un salto di scala rispetto alle AI Factory attuali. Ma il contributo pubblico coprirà solo una parte dell’investimento: il passaggio decisivo sarà trasformare questa capacità in servizi utilizzabili ogni giorno dalle aziende, con assistenza, prezzi trasparenti, prestazioni affidabili e integrazione con i loro sistemi.

La competitività dipenderà anche dal costo dell’energia necessaria ad alimentare e raffreddare i data center, e dalla capacità di riunire clienti sufficienti a distribuire i costi fissi. Per gli esperti intervistati energia e reti sono ormai un vincolo più forte dei chip. Per molte imprese l’alternativa europea sarà interessante se saprà offrire controllo dei dati insieme a qualità e convenienza comparabili a quelle dei grandi cloud.

Il successo degli investimenti si misurerà dunque attraverso quante aziende sceglieranno di eseguire le proprie applicazioni AI su infrastrutture europee, a quali costi e con quale libertà di cambiare fornitore. Da queste scelte dipenderà la possibilità di costruire un mercato dell’AI sovrana economicamente sostenibile.

Articolo realizzato in partnership con Oliver Wyman

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x