Data center, GPU e potenza elettrica occupano gran parte del dibattito sull’intelligenza artificiale. Per le imprese, però, la capacità di calcolo è solo una parte dell’equazione. Quando l’AI entra nei processi produttivi e nelle applicazioni aziendali, contano anche la posizione dei dati, le prestazioni della rete, la continuità dei collegamenti e la capacità di governare infrastrutture distribuite tra cloud, edge e ambienti locali.
La rete, di conseguenza, deve sostenere esigenze molto diverse rispetto a quelle per cui molte infrastrutture aziendali sono state progettate: grandi volumi di dati per il training, tempi di risposta costanti per l’inferenza, collegamenti resilienti tra sedi e cloud, percorsi alternativi in caso di guasto.
Con Mimmo Zappi, Chief Commercial Officer di Retelit, abbiamo approfondito come questi requisiti stanno cambiando le scelte infrastrutturali delle aziende, dal rapporto tra AI e connettività alla business continuity, fino alla Local AI e all’integrazione del satellite nelle architetture di rete.
Nel dibattito sull’AI in Italia, l’attenzione sembra concentrarsi sugli annunci relativi ai data center e sui gigawatt richiesti alla rete elettrica. Dal suo osservatorio, che intercetta ogni giorno le esigenze reali delle imprese, questa è davvero la priorità corretta? Cosa manca al racconto?
I data center e la disponibilità di potenza sono condizioni necessarie, ma concentrare l’attenzione solo sui gigawatt o lo spazio fisico disponibile rischia di confondere la capacità installata con la reale capacità di integrare l’AI nei processi aziendali. La priorità è costruire una filiera infrastrutturale completa, che unisca capacità di calcolo, dati, rete, cloud, cybersecurity e gestione. Un cluster GPU, da solo, non basta: per generare valore deve accedere ai dati in modo rapido e sicuro ed essere inserito in un’architettura resiliente, coerente con le esigenze operative e con i requisiti di protezione e governo del dato.
Il data center va quindi considerato non soltanto come una struttura che ospita potenza, ma come un nodo di un’infrastruttura distribuita, capace di rendere verificabili provenienza, localizzazione, accessi e ciclo di vita del dato
L’obiettivo, tuttavia, non è solo aumentare la capacità, ma renderla AI-ready, interconnessa, sovrana e accessibile anche alle imprese che non possono sviluppare internamente infrastrutture e competenze di questa portata. Nel dibattito italiano occorre quindi dare maggiore spazio alla dimensione sistemica: l’AI industriale richiede un’architettura nazionale in grado di avvicinare calcolo e dati, integrare cloud pubblici e privati, servire i territori e garantire un governo end-to-end.
È in questa convergenza tra infrastruttura fisica e piattaforme digitali che si colloca il ruolo di Retelit. Un esempio concreto in via di sviluppo è il caso di Villanova AI, parte del progetto europeo IPCEI-CIS (8ra.com ) per lo sviluppo di servizi di intelligenza artificiale generativa multimodale.
I workload AI stanno cambiando il profilo del traffico aziendale: picchi imprevedibili, dati che si muovono di continuo tra sedi, edge, cloud e provider diversi. Quali requisiti diventano oggi dirimenti, banda, latenza, jitter, ridondanza, e qual è l’errore di progettazione che vede più spesso in reti nate quando l’obiettivo era semplicemente portare le persone al cloud?
Nei workload AI la banda è essenziale, ma conta soprattutto la capacità dell’infrastruttura di garantire prestazioni stabili e prevedibili. Ad esempio, il training dell’AI spesso richiede il trasferimento di grandi dataset, mentre inferenza distribuita, applicazioni industriali e sistemi OT dipendono da tempi di risposta costanti, latenza contenuta e continuità tra ambienti locali e cloud. Le reti nate principalmente per l’accesso a Internet non sempre rispondono a questi requisiti. Aumentare la velocità di banda senza ripensare a topologia, percorsi, classi di servizio e punti di interconnessione, o affidare workload critici a collegamenti best effort privi di visibilità end-to-end, espone l’organizzazione a rischi operativi e di sicurezza.
Per Retelit, la progettazione della rete parte quindi dalla localizzazione del dato e dai requisiti delle applicazioni. L’infrastruttura proprietaria collega sedi aziendali, nodi edge, Internet Exchange, cloud provider e principali hyperscaler, permettendo, quando necessario, di evitare il transito sulla rete Internet pubblica. Servizi privati, collegamenti Layer 2, IP-VPN, SD-WAN ed ExpressRoute consentono di creare percorsi dedicati e diversificati tra sedi, cloud e data center. Sulle principali dorsali la capacità raggiunge fino a 800 Gbps, mentre l’evoluzione della rete punta a introdurre livelli crescenti di flessibilità attraverso instradamento intelligente, banda on demand, analisi predittiva e tecnologie quantum-safe.
La rete diventa così parte integrante del workload e del sistema di controllo: priorità applicative, latenza, resilienza, segmentazione, tracciabilità e sicurezza possono essere gestite in modo coordinato. Per le direzioni IT, il parametro decisivo non è più soltanto la velocità nominale del collegamento, ma la capacità di garantire prestazioni, continuità e controllo lungo l’intero percorso.
Se l’AI entra nei processi produttivi e decisionali, un’interruzione di connettività non è più un disagio ma un fermo operativo. In quest’ottica come cambia il concetto di ridondanza e business continuity?
Sempre più aziende stanno costruendo progetti di AI su server locali per avere la massima sicurezza, controllo del dato e per renderla parte integrante dei processi aziendali. In questo contesto, la business continuity va valutata a livello di servizio e non di singolo componente. Due accessi distinti non garantiscono una reale ridondanza se condividono lo stesso scavo, apparato, nodo di raccolta o dipendenza dal cloud. Allo stesso modo, la ridondanza del data center non è sufficiente se la rete che collega utenti, dati e capacità di calcolo presenta ancora punti unici di vulnerabilità.
Il primo passo è quindi mappare le dipendenze: quali processi devono essere garantiti, quali sono gli RTO e gli RPO, quali dati devono restare disponibili localmente e quali funzioni possono operare in modalità degradata. Su queste basi si costruisce una resilienza multilivello: percorsi fisici separati in fibra, accessi eterogenei FWA, mobile e satellite, SD-WAN per il failover applicativo, ambienti cloud e data center geo-ridondati, backup isolati e ripristinabili, monitoraggio continuo e servizi di cybersecurity gestiti. Retelit applica già questo modello architetturale nella parte di connettività ridondata su reti e tecnologie con punti di accesso distinti coprendo anche le zone più remote, con la tecnologia FWA o satellitare con Starlink. L’edge aggiunge un ulteriore livello di continuità, perché consente ad alcuni servizi di restare operativi vicino allo stabilimento o al sito anche in caso di degrado della WAN. La ridondanza assume quindi un significato più ampio: autonomia locale, diversità tecnologica, prove periodiche e capacità documentata di ripristinare l’intero servizio. Il parametro finale è la quota di operatività aziendale che può essere preservata durante un evento critico.
A proposito di Starlink, Retelit è diventata Rivenditore Autorizzato. Al di là della copertura delle aree remote, quale problema può risolvere il satellite in bassa orbita per un’azienda che dispone già della fibra? E quali architetture o servizi consente di costruire quando viene integrato con fibra, radio e mobile?
Per un’azienda già servita in fibra, il principale valore del satellite LEO è offrire un collegamento realmente indipendente dall’infrastruttura terrestre. Una seconda linea in fibra, infatti, può essere distinta dal punto di vista contrattuale ma condividere lo stesso cavidotto o la stessa centrale. Starlink aggiunge invece un accesso fisicamente separato, attivabile rapidamente e utile anche nei contesti più dinamici o difficili da raggiungere. Il valore aggiunto di Retelit sta nell’integrare questa tecnologia nell’infrastruttura del cliente e gestirla come parte di un unico servizio.
Dall’analisi iniziale all’installazione, fino a sicurezza, monitoraggio, failover e assistenza, il collegamento satellitare viene coordinato insieme a fibra, MPLS o SD-WAN, con responsabilità chiare e una sola regia operativa. Le applicazioni sono diverse: Starlink può diventare un backup realmente indipendente per punti vendita, stabilimenti e pubbliche amministrazioni, oppure garantire connettività immediata a cantieri e nuove sedi. Può inoltre supportare impianti industriali, parchi energetici e progetti di agricoltura 4.0, così come flotte, navi e attività offshore. Integrato con la rete Retelit, permette anche di collegare sedi remote alla stessa rete aziendale attraverso servizi Layer 2.
Le latenze tipiche delle costellazioni LEO, indicativamente comprese tra 25 e 50 millisecondi, rendono questa soluzione adatta a numerose applicazioni business. Il satellite non sostituisce la fibra, che resta il riferimento per capacità e stabilità, ma la affianca insieme a FWA, radio e mobile. Il risultato è un’architettura multi-accesso più resiliente, gestita come un servizio unitario e capace di rafforzare concretamente la continuità operativa.
Si parla sempre più di Local AI: modelli compatti eseguiti on-premise o all’edge per ragioni di costo, latenza e riservatezza del dato. È una tendenza reale nelle aziende italiane? E se una parte dell’inferenza si sposta vicino al dato, la rete diventa più o meno critica?
La Local AI è una tendenza concreta, ma non segna il ritorno all’on-premise come modello dominante. Ciò che emerge è piuttosto una logica di scelta dove ogni workload viene eseguito nell’ambiente più adatto alle proprie esigenze. Cloud pubblico per elasticità e servizi avanzati, cloud privato o sovrano quando prevalgono controllo e riservatezza, edge data center o infrastruttura presso lo stabilimento quando sono decisivi latenza, continuità e prossimità al dato. L’addestramento dei modelli resta centralizzato mentre una quota crescente dell’inferenza si sposta verso il punto in cui il dato nasce, per ridurre latenza, costi di trasferimento e dipendenza alla connettività.
È una direzione condivisa dal mercato: il CIO Playbook 2026 di Lenovo, realizzato con IDC su ottocento decision maker europei, indica che l’82% delle organizzazioni colloca ormai l’AI in un contesto ibrido tra cloud pubblico, on-premise ed edge, per bilanciare prestazioni, costi, sovranità e compliance. L’Italia non è in ritardo, il 74% delle aziende è in fase avanzata di adozione. Anche l’Unione Europea segue la stessa direzione: i programmi IPCEI parlano sempre più di cloud-edge continuum e non solo di semplice cloud.
Elaborare localmente riduce i dati trasferiti e ne agevola il controllo, ma non semplifica il processo che rimane complesso poiché richiede una gestione attenta del modello, degli accessi, degli aggiornamenti e della tracciabilità. Per questo la rete non diventa meno importante ma cambia la sua funzione. Non deve più trasferire indistintamente tutto verso un unico cloud, ma collegare e orchestrare ambienti distribuiti, sincronizzare i flussi necessari, separare le informazioni sensibili e attivare capacità aggiuntiva nel cloud quando serve.
Per anni gli SLA sono stati il principale parametro di valutazione di un fornitore infrastrutturale. Nell’era dell’intelligenza artificiale, sono ancora sufficienti? Quali nuove capacità e garanzie dovrebbe ricercare le direzioni IT nella selezione di un partner infrastrutturale e, in prospettive, quali leve saranno prioritarie per la competitività digitale delle imprese italiane?
Gli SLA restano indispensabili anche se nell’era dell’AI non possono limitarsi a misurare la disponibilità dell’infrastruttura bensì devono riflettere la qualità effettiva del servizio applicativo: tempi di risposta, rapidità di failover, capacità di ripristino, presa in carico degli incidenti e continuità delle prestazioni anche nei momenti di picco.
Nella scelta di un partner, le direzioni IT dovranno quindi valutare anche la solidità operativa, la capacità di assumere responsabilità chiare e la disponibilità di competenze specialistiche lungo tutto il ciclo di vita del progetto. Saranno centrali la trasparenza sui livelli di servizio, la possibilità di verificare periodicamente resilienza e sicurezza, la portabilità dei dati e la capacità di evolvere l’architettura senza generare dipendenze difficili da gestire.
Per Retelit, il ruolo del partner infrastrutturale è accompagnare l’impresa dalla progettazione alla gestione, con un presidio continuativo e una visione coerente delle esigenze tecnologiche e di business. In prospettiva, la competitività digitale dipenderà soprattutto dalla rapidità con cui le aziende sapranno trasformare l’AI da sperimentazione a servizio affidabile, scalabile e sostenibile. È su questa capacità di esecuzione, più che sulla singola componente tecnologica, che si misurerà il valore del partner.
Molti progetti di AI si scontrano con un tema diffuso: spostare grandi volumi di dati costa tempo, denaro e introduce vincoli normativi. Stiamo entrando in una fase in cui sarà l’AI a spostarsi verso il dato, più che il contrario? Come cambia il ruolo della rete in questo scenario?
Come evidenziato anche dalla ricerca CIO Playbook 2026, calcolo e dati dovranno incontrarsi nel punto più efficiente. Per questo si sta affermando un modello distribuito: inferenza ed elaborazione vicino al dato, capacità GPU nei data center nazionali e cloud pubblico quando servono maggiore scala ed elasticità.
In questo scenario la rete non si limita a trasportare dati, ma collega e orchestra siti produttivi, edge, data center e hyperscaler. In una fabbrica, ad esempio, può mantenere localmente l’analisi delle immagini per il controllo qualità e inviare al cloud solo gli eventi rilevanti; nel finance può collegare applicazioni e dati critici ospitati in Italia ai servizi cloud avanzati, mantenendo prestazioni e sovranità; nel retail può elaborare dati e applicazioni vicino ai punti vendita, usando il cloud per analisi aggregate e picchi di capacità. Lo stesso modello può supportare logistica e utility, dove sensori e sistemi operativi devono reagire in tempo reale anche in presenza di connettività degradata.
La rete diventa così una piattaforma che indirizza i workload verso l’ambiente più adatto, bilanciando sicurezza, latenza, capacità e sovranità del dato. È questo il ruolo di Retelit: rendere l’AI distribuita accessibile e governabile per le imprese italiane.
Partecipa alla community