L’AI industriale entra nella fase della responsabilità. Non basta più sperimentare modelli, chatbot o prototipi isolati. Per imprese e pubbliche amministrazioni il passaggio decisivo riguarda il governo dell’intera filiera. Dati, infrastrutture, modelli, applicazioni e competenze devono funzionare insieme. È su questo terreno che Dedagroup presenta ESS-AI Framework, acronimo di European Secure&Sovereign AI.
La proposta del gruppo trentino punta a trasformare l’intelligenza artificiale in una leva stabile di produttività e controllo. Non una tecnologia da innestare a valle dei processi, ma un ecosistema full stack. Dentro ci sono piattaforme tecnologiche, modelli linguistici avanzati, supercalcolo, orchestrazione di soluzioni sovrane e competenze verticali di dominio. L’intero impianto è localizzato in Italia.
La notizia segnala un cambio di fase più ampio. L’adozione dell’AI non si gioca più solo sulla capacità di usare modelli potenti. Si sposta sulla possibilità di far circolare i dati senza perdere governo, sicurezza e responsabilità. Dedagroup definisce questo equilibrio “sovranità del rischio”. È una formula che sposta il baricentro dal possesso astratto del dato alla capacità di decidere come, quando e con chi condividerlo.
Indice degli argomenti
Dalla sovranità del dato alla sovranità del rischio
Il concetto chiave è netto. Proteggere la competitività non significa chiudere i dati in sistemi isolati. In un’economia guidata dall’AI, i dati devono essere accessibili, combinabili ed elaborabili su larga scala. Se restano fermi, perdono valore. Se circolano senza regole, aumentano esposizione e vulnerabilità.
ESS-AI nasce proprio per presidiare questo punto di equilibrio. L’obiettivo è accompagnare aziende e istituzioni verso il modello di AI-Empowered Company, dove la tecnologia agisce dentro processi governati da persone consapevoli. L’automazione resta quindi subordinata a scelte umane, criteri di fiducia e contesti d’uso.
Marco Podini, Ceo e Presidente esecutivo di Dedagroup, lega la nuova offerta a questa impostazione: “In Deda siamo convinti che la partita più importante di questa nuova era digitale si giochi proprio nella capacità per ciascuna organizzazione di definire la propria sovranità del rischio, modulata in base alla sensibilità delle informazioni, al contesto d’uso e al livello di fiducia tra i soggetti coinvolti”, sottolinea.
Il punto non è solo tecnologico. È organizzativo e culturale. Ogni impresa deve capire quali dati mantenere sotto controllo diretto, quali condividere e a quali condizioni. Il valore dell’AI industriale dipende da questa capacità di selezione. Senza dati aperti in modo controllato, i modelli restano deboli. Senza regole, diventano un fattore di rischio.
I cinque pilastri del framework
Dedagroup struttura ESS-AI intorno a cinque pilastri integrati. Il primo riguarda dati, contesto e conoscenza. L’obiettivo è valorizzare la conoscenza aziendale e renderla interrogabile attraverso modelli linguistici Corporate Llm e Slm. È un passaggio essenziale per portare l’AI dentro archivi, documenti, processi e basi informative di impresa.
Il secondo pilastro è lo sviluppo di soluzioni avanzate di AI di precisione. Qui entrano modelli e algoritmi specializzati per previsione, ottimizzazione e gestione del rischio. È la parte più vicina alle applicazioni operative, dove l’intelligenza artificiale deve produrre decisioni utili e misurabili.
Il terzo riguarda l’infrastruttura AI sovrana e sicura. Dedagroup la presenta come un elemento pensato per workload critici, controllo e protezione del dato. In questa visione, l’infrastruttura non è un semplice supporto tecnico. Diventa una condizione per usare l’AI in settori regolati e ad alta sensibilità informativa.
Il quarto pilastro sono le piattaforme verticali. L’idea è integrare modelli proprietari con competenze di dominio consolidate. Il quinto riguarda adoption, competenze e uso consapevole dell’AI. Senza formazione e cambiamento organizzativo, infatti, anche il modello più evoluto rischia di restare confinato a progetti pilota.
Il knowledge graph di Istella
Al centro della filiera c’è Istella, indicata da Dedagroup come il più grande knowledge graph italiano. La base include oltre 6 miliardi di pagine web indicizzate, metà delle quali in lingua italiana, insieme a miliardi di interazioni sociali e contenuti multimediali in continua evoluzione.
Questo patrimonio viene trasformato in una mappa della conoscenza. Serve a dare ai modelli un contesto più preciso rispetto a quello offerto da strumenti generalisti. La differenza è rilevante, perché molte applicazioni aziendali richiedono linguaggio, riferimenti, normative e specificità di settore che i grandi modelli globali non sempre colgono con precisione.
Su questa base vengono sviluppati Llm e Corporate Slm di Istella. Sono modelli addestrati su dati italiani e adattabili ai domini applicativi dei clienti. La direzione è quella di un’AI meno generica e più aderente al contesto operativo. Per l’AI industriale, questa aderenza può fare la differenza tra un assistente utile e una piattaforma realmente integrata nei processi.
Il knowledge graph diventa così un asset competitivo. Non solo perché contiene dati. Ma perché permette di collegarli, interpretarli e usarli con maggiore precisione. In un mercato dominato da piattaforme globali, la capacità di costruire basi informative locali e verticali può rafforzare l’autonomia industriale europea.
Supercalcolo e infrastrutture sovrane
L’altro tassello riguarda l’infrastruttura. Dedagroup richiama Intacture, il data center ipogeo sviluppato in Trentino, all’interno di una miniera attiva. Il gruppo è tra i soci fondatori privati dell’iniziativa. L’asset viene presentato come elemento distintivo per capacità computazionale, sicurezza fisica, sovranità del dato e federabilità con ecosistemi nazionali ed europei.
Il riferimento al supercalcolo non è marginale. L’AI richiede capacità di elaborazione elevate, soprattutto quando i modelli devono essere addestrati, adattati o eseguiti su dati sensibili. Avere infrastrutture controllate, localizzate e integrabili con reti europee diventa quindi un tema industriale.
La sovranità non va letta come chiusura. Nel framework di Dedagroup assume il significato di controllo verificabile. Le imprese possono usare l’AI senza rinunciare alla governance dei dati. Possono inoltre modulare l’esposizione in base al rischio, al settore e alla sensibilità delle informazioni.
Questa impostazione si inserisce in un dibattito europeo più ampio. L’Unione punta a rafforzare autonomia tecnologica, sicurezza e competitività nell’AI. Le aziende italiane, soprattutto nei settori regolati, cercano soluzioni che riducano la dipendenza da piattaforme esterne e garantiscano conformità ai requisiti normativi.
L’AI agentica entra nei processi
A presidiare lo sviluppo applicativo c’è l’AI Innovation Center di Deda. Il polo lavora su valorizzazione del dato, algoritmi proprietari, modelli di AI agentica e soluzioni verticali. L’AI agentica rappresenta un passaggio ulteriore rispetto agli strumenti di analisi o supporto decisionale. Non si limita a suggerire. Può agire direttamente nei processi operativi, in modo tracciabile e conforme.
È un terreno ad alto potenziale, ma anche ad alta delicatezza. Quando un sistema AI compie azioni, non basta valutarne l’accuratezza. Servono audit, controllo, responsabilità e confini chiari. Per questo il legame con la sovranità del rischio diventa centrale.
Dedagroup cita soluzioni già operative in verticali regolamentati. Tra queste figurano Unica Wealth Solutions per il banking ed EMIRA per l’energy. A queste si affiancano piattaforme proprietarie come Refer, SaaS per la gestione documentale, e Stealth Cosmica, Erp composable per il fashion.
La logica è portare l’AI in settori dove processi, vincoli e linguaggi sono specifici. Banking, energia, document management e moda non hanno le stesse esigenze. Cambiano i dati, i rischi, le regole e gli indicatori di valore. Per questo l’AI industriale richiede modelli verticali, non solo capacità computazionale.
Competenze come infrastruttura
Il framework Dedagroup assegna un ruolo centrale alle persone. Il gruppo integra nell’offerta percorsi strutturati di education, reskilling e upskilling, anche attraverso partnership con poli accademici e centri di ricerca. La tesi è chiara: diventare una AI-Empowered Company non significa adottare strumenti, ma cambiare competenze e processi.
Chi governa l’AI deve saper interpretare dati, valutare rischi e decidere i livelli di apertura. Questo vale per il management, ma anche per le funzioni operative. L’AI produce valore solo se chi la usa comprende i suoi limiti e sa inserirla nei flussi di lavoro.
Dedagroup indica oltre 200 professionisti nel centro di competenza AI del gruppo. È una massa critica rilevante nel mercato italiano, soprattutto se collegata a infrastrutture, modelli e piattaforme proprietarie. Il messaggio è che la competenza non è un elemento accessorio.
Partecipa alla community