La sovranità dell’AI sta diventando una prova di maturità per le imprese europee. Non riguarda solo la localizzazione dei dati. Tocca il controllo sui fornitori, sui modelli, sulle infrastrutture e sulla capacità di cambiare rotta quando serve. Il nuovo studio dell’Institute for Business Value di Ibm, “The Calculus of AI Sovereignty”, mette in evidenza proprio questo punto: molte organizzazioni stanno accelerando sull’intelligenza artificiale, ma non sanno ancora governarne pienamente le dipendenze.
Il dato più netto riguarda la visibilità. Solo il 10% dei dirigenti intervistati nell’area Emea dichiara di avere una comprensione solida delle dipendenze della propria organizzazione in termini di fornitori di AI, modelli e infrastrutture. In Italia la quota sale al 14%, ma resta minoritaria. È un segnale critico, perché la sovranità dell’AI richiede prima di tutto conoscenza. Senza una mappa chiara dei vincoli tecnologici, contrattuali e operativi, ogni strategia rischia di restare incompleta.
Indice degli argomenti
Il divario tra adozione e controllo
Lo studio parte da un contesto ormai evidente. L’AI è entrata nelle strategie aziendali e nelle funzioni operative. Allo stesso tempo, i sistemi diventano più complessi e distribuiti. Secondo la ricerca, l’83% degli amministratori delegati a livello globale considera ormai indispensabile garantire la sovranità dell’AI nelle strategie d’impresa. La consapevolezza, quindi, c’è. Manca però spesso la capacità di tradurla in controllo effettivo.
La pressione arriva anche dal quadro politico e regolatorio europeo, in rapida evoluzione. I leader devono dimostrare come vengono gestiti i dati e come operano i sistemi. Devono poter spiegare dove si trovano le componenti critiche, quali fornitori intervengono e quali modelli sostengono i processi decisionali. Questo livello di trasparenza non è più un requisito teorico. È una condizione per gestire rischio, conformità e continuità operativa.
Il problema è che molte imprese hanno adottato soluzioni di AI in modo progressivo, spesso per singole funzioni aziendali. La crescita per iniziative autonome può accelerare l’innovazione, ma produce frammentazione. Ogni nuova piattaforma aggiunge dipendenze. Ogni modello introduce vincoli. Ogni infrastruttura esterna crea un punto di esposizione. Se questi elementi non vengono censiti e governati, l’AI diventa difficile da controllare proprio quando diventa essenziale.
Il rischio del lock-in tecnologico
Il secondo elemento chiave è la flessibilità. Il 73% dei dirigenti Emea intervistati afferma che sarebbe difficile cambiare il principale fornitore o modello di AI. In Italia la quota è pari al 66%. Il dato descrive una forma di lock-in che non riguarda solo i contratti. Coinvolge competenze, architetture, integrazioni e processi aziendali.
La sovranità dell’AI dipende anche dalla possibilità di sostituire un componente senza compromettere l’intero sistema. Se cambiare fornitore è complesso, l’impresa perde potere negoziale e capacità di risposta. Se cambiare modello richiede interventi profondi, l’organizzazione resta vincolata anche quando emergono nuove esigenze di sicurezza, prestazioni o compliance.
Il tema è ancora più rilevante in uno scenario instabile. Le interruzioni dei servizi, le crisi geopolitiche, le vulnerabilità software e le nuove regole possono modificare rapidamente il perimetro del rischio. Per questo la flessibilità operativa non è un lusso. Diventa una componente della resilienza.
La ricerca segnala anche un dato economico significativo. Il 71% degli intervistati in Europa accetterebbe un aumento dei costi del 20% pur di mantenere il rapporto con fornitori di AI, se questo migliorasse la flessibilità strategica. In Italia la quota è del 64%. Le imprese sembrano quindi disposte a pagare per ridurre rigidità e dipendenze. È un cambio di prospettiva: il costo dell’AI non si misura solo sulla licenza o sull’infrastruttura, ma anche sulla libertà futura di scelta.
Dati e residenza, la complessità aumenta
La residenza dei dati resta uno dei punti più delicati. Il 70% dei dirigenti Emea intervistati afferma che rispettare i requisiti di residenza e sovranità dei dati nelle diverse aree geografiche è complesso. In Italia la percentuale scende al 52%, ma il problema resta rilevante. La difficoltà riguarda lo spostamento dei sistemi di AI o dei dati tra ambienti diversi.
Questo passaggio mostra quanto la sovranità dell’AI sia più ampia della sola infrastruttura. I dati alimentano modelli, applicazioni e processi decisionali. Possono trovarsi in ambienti cloud, sistemi locali o piattaforme gestite da terzi. La loro circolazione deve rispettare vincoli normativi e policy interne. Ogni spostamento può creare frizioni, soprattutto quando l’architettura non è stata progettata per essere portabile.
La questione diventa ancora più complessa nei gruppi multinazionali. Le diverse giurisdizioni impongono requisiti specifici. Le business unit possono usare soluzioni diverse. I team locali possono rispondere a priorità differenti. Senza una governance centrale, l’AI cresce come un insieme di scelte separate. Il risultato è un sistema potente, ma poco leggibile.
Interruzioni operative e impatto sul business
Il rischio non è soltanto regolatorio. È anche operativo. La maggioranza dei dirigenti europei intervistati, compresi quelli italiani con una quota dell’81%, afferma che un’interruzione di sette giorni o più del principale fornitore di AI avrebbe un impatto grave o critico. In molti casi produrrebbe un arresto significativo delle attività aziendali.
Le organizzazioni coinvolte nello studio hanno riportato in media sette interruzioni operative legate all’AI negli ultimi due anni, causate dai servizi dei propri fornitori. È un dato che rende concreta la discussione. L’intelligenza artificiale non è più confinata a sperimentazioni laterali. Entra nei processi e può condizionare produttività, servizio al cliente, sicurezza e decisioni operative.
In Italia, secondo i leader intervistati, la principale causa di queste interruzioni è legata a violazioni di sicurezza e dei dati. Il dato rafforza il legame tra sovranità, cyber resilienza e governance. Un sistema di AI non controllato espone l’impresa a rischi multipli. Può generare dipendenza operativa, vulnerabilità informatica e difficoltà di conformità.
La continuità dei servizi basati su AI dovrà quindi entrare nei piani di resilienza aziendale. Non basta sapere quali applicazioni usano l’intelligenza artificiale. Occorre capire quali processi critici dipendono da quei sistemi, quali fornitori li supportano e quali alternative esistono in caso di blocco.
Multi-vendor non significa strategia
Un altro punto dello studio riguarda la struttura degli ambienti di AI. Il 73% delle organizzazioni intervistate descrive i propri sistemi come intenzionalmente multi-vendor. A prima vista sembra un segnale positivo. La diversità dei fornitori può ridurre il rischio di dipendenza da un unico attore. Può anche aumentare flessibilità e capacità di innovazione.
La ricerca, però, introduce una distinzione importante. In molti casi la pluralità dei fornitori non deriva da una strategia deliberata. Nasce piuttosto da decisioni operative e interne. Le scelte indipendenti delle singole business unit pesano per il 68%. Le esigenze geografiche incidono per il 67%. La complessità dei sistemi legacy viene citata dal 53% dei dirigenti.
Questo significa che il multi-vendor può essere una risorsa, ma anche una fonte di disordine. Se non è governato, produce sovrapposizioni, costi nascosti e vulnerabilità. Una vera strategia multi-vendor richiede criteri comuni, interoperabilità, monitoraggio e responsabilità chiare. Altrimenti la diversificazione non aumenta la sovranità dell’AI. La rende solo più difficile da misurare.
La presenza di sistemi legacy aggiunge un ulteriore livello di complessità. Fusioni, acquisizioni e decisioni storiche lasciano spesso architetture stratificate. L’AI si innesta su questo patrimonio esistente. Senza un disegno complessivo, il nuovo rischia di amplificare i limiti del passato.
Il valore economico del controllo
Lo studio Ibm collega la governance dell’AI anche alla performance economica. A livello globale, le organizzazioni con capacità più avanzate di controllo dell’AI registrano meno tempi di inattività e proteggono il 55% in più dell’utile operativo dalle interruzioni legate all’AI. È uno dei passaggi più rilevanti della ricerca, perché sposta il tema dal piano difensivo a quello industriale.
Il controllo non serve solo a evitare problemi. Può preservare margini, continuità e capacità competitiva. Un sistema adattabile consente di reagire più rapidamente a interruzioni, cambiamenti normativi o nuove esigenze di business. Riduce il costo dell’imprevisto e limita l’impatto delle dipendenze.
Eppure solo una minoranza delle imprese intervistate opera a questo livello. In Italia la quota è pari al 7%, in linea con il dato globale indicato dalla ricerca. Il divario è quindi ampio. Da una parte ci sono organizzazioni che costruiscono sistemi di AI adattabili. Dall’altra, imprese vincolate da dipendenze poco chiare e architetture rigide.
La sovranità selettiva come modello
Nella prefazione dello studio, Ana Paula Assis, Senior Vice President e Chair Emea e Apac di Ibm, sintetizza il punto centrale. “Questo report mostra che solo una piccola parte dei dirigenti oggi comprende realmente le proprie dipendenze in ambito AI. Il divario tra adozione e controllo si sta ampliando proprio nel momento in cui l’AI diventa indispensabile. Per le imprese, la combinazione di tecnologia open source e controllo è ciò che consente una sovranità selettiva: ottenere il giusto livello di autorità dove più conta, senza sostenere i costi di un’indipendenza totale ovunque.”
Il concetto di sovranità selettiva è rilevante. Non tutte le imprese possono, o devono, puntare a un’indipendenza totale su ogni componente. Sarebbe costoso e spesso inefficiente. La sfida consiste nel capire dove serve maggiore autorità. Alcuni processi richiedono controllo stretto sui dati. Altri impongono portabilità dei modelli. Altri ancora dipendono dalla resilienza dell’infrastruttura.
Questa impostazione può rendere la sovranità dell’AI più praticabile. Non la trasforma in un obiettivo assoluto, ma in una disciplina di governo. Le imprese devono classificare rischi, dipendenze e priorità. Devono decidere dove accettare un fornitore esterno e dove mantenere più controllo. Devono anche costruire percorsi di uscita realistici.
Una roadmap per i Ceo
Lo studio offre una roadmap per i Ceo orientata alla costruzione di sistemi di AI flessibili, resilienti e sovrani. Il messaggio implicito è chiaro. La sovranità dell’AI non può restare confinata ai team tecnici. Deve entrare nelle scelte di vertice, perché incide su rischio, costi, compliance e continuità.
Il primo passo è la visibilità. Le imprese devono sapere quali modelli usano, da quali fornitori dipendono e su quali infrastrutture operano. Il secondo riguarda la portabilità. I sistemi devono essere progettati per evitare dipendenze difficili da sciogliere. Il terzo tocca la governance. Decisioni locali e iniziative delle business unit devono rientrare in un quadro comune.
Conta anche la capacità di misurare l’impatto. Le interruzioni legate all’AI devono essere tracciate come eventi operativi rilevanti. Non possono essere considerate incidenti marginali. Se un blocco del fornitore principale può fermare attività aziendali, allora l’AI è già una funzione critica.
La posta in gioco per l’Europa
Per l’Europa, la sovranità dell’AI è una questione di competitività. Le imprese devono adottare tecnologie avanzate senza perdere controllo sui propri asset digitali. Devono usare modelli e piattaforme globali, ma anche preservare autonomia, sicurezza e conformità. Il bilanciamento non è semplice.
La ricerca Ibm mostra che il mercato è ancora in una fase intermedia. La consapevolezza è alta, ma la governance resta incompleta. Le imprese riconoscono il valore della flessibilità, ma faticano a cambiare fornitori o modelli. Dichiarano ambienti multi-vendor, ma spesso li hanno costruiti per necessità più che per strategia.
Partecipa alla community