IoT e controllo numerico avanzato stanno diventando sempre di più il fattore abilitante dell’automazione e dell’efficienza operativa della fabbrica digitale. Grazie a macchine programmabili, sensori intelligenti, analisi in tempo reale all’edge e connettività avanzata, cablata o wireless, le aziende possono ridurre i tempi di inattività, allungare la vita attiva degli impianti, migliorare la qualità complessiva, ottimizzare la produttività, e rispondere in tempi estremamente rapidi alle sfide che vengono dal mercato: sia in termini di accelerazione del lancio di nuovi prodotti e aggiornamenti, sia sul piano del forte spostamento verso modalità di lavorazione su commessa e produzione flessibile e personalizzata, che per molte imprese, incluse quelle di medie dimensioni, prendono gradualmente il posto dei tradizionali modelli “a catalogo”. La fabbrica intelligente del futuro sarà con tutta probabilità caratterizzata da linee di produzione in cui la componente “software defined” avrà un peso sempre maggiore e dove le decisioni potranno avvenire in modalità near real-time sulla base di informazioni di qualità ricavate con strumenti analitici avanzati e grazie agli automatismi dell’AI.

Il raggiungimento di questi obiettivi e di una felice convergenza tra IT e OT, comporta una molteplicità di sfide nella governance della smart factory, che deve, tra l’altro, essere in grado di rispettare criteri stringenti in materia di interoperabilità tra dispositivi, macchine, interconnessioni, software di controllo, sicurezza avanzata e sostenibilità. Per i responsabili delle infrastrutture produttive e dell’informatica chiamata a sostenerle, si tratta di portare avanti scelte molto complesse, capaci di centrare almeno due obiettivi ancora più immediati: la continuità della produzione e la necessità di innestare le nuove tecnologie su una “cultura della fabbrica” fatta di competenze stratificate, procedure consolidate e generale resistenza al cambiamento.

Nel corso della tavola rotonda dedicata all’evoluzione dell’industria connessa, con la partecipazione di AEB Group, Bianchi Bicycles, CY4GATE, Marcegaglia, Profilglass, Sapio e Sofinter, il dibattito ha messo in luce come l’integrazione tra IoT e intelligenza artificiale stia trasformando i processi industriali, abilitando una gestione quasi in tempo reale dei dati e una capacità decisionale sempre più autonoma e predittiva. Durante l’incontro sono state analizzate e messe a confronto le diverse strategie di digitalizzazione della fabbrica, con un focus particolare sul ruolo sempre più centrale del machine learning all’interno degli ecosistemi data-driven. Al tempo stesso, è emerso il potenziale crescente dell’AI generativa nel supportare decisioni strategiche, dalla scelta di nuovi apparati e sistemi produttivi, alla competitive intelligence, fino al marketing di prodotto. Ampio spazio è stato dedicato anche al tema della cybersecurity, un ambito critico soprattutto nel punto di convergenza tra OT (Operational Technology) e IT (Information Technology). Una sfida complessa, come sottolineato da tutti i partecipanti, in quanto strettamente legata – così come l’intero sviluppo dell’intelligenza artificiale in ambito industriale – alle decisioni progettuali e implementative di chi progetta, integra e gestisce macchine, impianti e servizi.

Come di consueto, la discussione si è articolata in due momenti distinti. Nella prima parte, i relatori hanno illustrato le principali iniziative in ambito IoT, smart factory, produzione industriale data-driven e automazione intelligente. Un racconto che ha trasceso gli aspetti puramente tecnologici, esplorando anche le nuove dinamiche organizzative e la figura emergente del manager ibrido, dove le competenze del business e quelle del chief information officer si intrecciano in modo sempre più stretto. La seconda parte, particolarmente vivace, ha messo in luce le sfide pratiche e le aree di criticità che possono ostacolare il successo di tali progetti. I temi trattati hanno riguardato la selezione, valutazione, integrazione e interoperabilità dei sistemi; la protezione dei dati e della proprietà intellettuale; l’acquisizione e la formazione di nuove competenze nel contesto IT e OT; nonché la compliance normativa che regola oggi il settore manifatturiero. Inoltre, è emersa la crescente importanza della sostenibilità ambientale, con un focus particolare sull’impatto dei costi energetici e delle materie prime.

Dal confronto è emerso un quadro chiaro: l’Italia continua a produrre con creatività e intelligenza, supportata da una classe imprenditoriale e manageriale, che riconosce il potenziale abilitante della tecnologia, ma anche consapevole della necessità di governarla nel modo giusto, mettendo insieme competenze ed esigenze che, in passato, erano separate. Con queste iniziative, Data Manager lancia un messaggio chiaro: l’innovazione va governata con visione e apertura, per coniugare le esigenze del business con le potenzialità della tecnologia.

DUE CULTURE INFORMATICHE

Nella convergenza tra le due culture digitali dell’industria e dell’IT aziendale, emergono chiaramente i limiti strutturali dell’ambiente OT rispetto a tematiche che il mondo office affronta da tempo in modo maturo, a partire dalla cybersecurity. La vera linea di demarcazione è, inevitabilmente, la connettività. Al netto delle reti specialistiche – i cosiddetti bus tradizionali su cui viaggiano i dati OT – parliamo di sistemi che, prima dell’avvento dell’IoT, potevano essere considerati ambienti chiusi e isolati, progettati per operare in modo autonomo e scollegato dal mondo esterno. La connettività trasforma ambienti prima isolati in ecosistemi interconnessi, esponendoli a nuove vulnerabilità e imponendo un ripensamento profondo delle architetture di sicurezza, delle policy e delle competenze.

I protocolli Internet e la crescente interconnessione dei flussi informativi stanno dissolvendo definitivamente l’isolamento dei sistemi OT. In questo nuovo contesto, solo un confronto strutturato e trasversale tra le diverse culture digitali presenti nella smart factory può garantire una visione condivisa e una governance efficace dell’innovazione. Esattamente come un dialogo attivo tra le varie funzioni aziendali in una impresa manifatturiera che decide e governa la propria trasformazione, è un fattore determinante dei piani di digitalizzazione.

SE AUMENTANO I RISCHI

Ad aprire i lavori, nello spazio introduttivo riservato alle aziende partner della tavola rotonda, l’intervento di Guido Montalbano, sales engineer di CY4GATE, un player tecnologico italiano nato nel 2014 come spin-off della capogruppo Elt Group, leader nella progettazione elettronica per la difesa. Con un solido know-how maturato in ambito defense e istituzionale, l’azienda si è affermata nel settore della cybersecurity e della decision intelligence, ed è oggi quotata al segmento STAR di Borsa Italiana. Negli ultimi anni ha registrato una forte crescita, sia organica che attraverso operazioni strategiche di M&A. Forte dell’esperienza maturata in contesti ad alta criticità come quello difensivo e istituzionale, CY4GATE Group sta ampliando il proprio raggio d’azione verso il mercato enterprise in particolare sulla protezione dei data center e delle reti industriali di diverse industry, con una forte predilezione per l’ambito OT/IoT.

«La crescente integrazione tra IT e OT – spiega Montalbano – sta ampliando la superficie di attacco: nel nuovo perimetro da difendere rientrano ora anche macchine, sensori e attuatori». Una trasformazione che richiede un approccio strutturato alla cybersecurity, ispirato ai principi del NIST Cybersecurity Framework, per garantire sicurezza, resilienza e continuità operativa. Nella fabbrica digitale, i punti di vulnerabilità si moltiplicano, spesso in aree finora trascurate, aprendo la porta a rischi concreti: dalla perdita di qualità e danni economici o reputazionali, fino all’esfiltrazione di dati sensibili o a vere e proprie azioni di sabotaggio. Il pericolo è concreto – avverte Montalbano – perché nel mondo fisico il confine tra sicurezza logica e sicurezza operativa può essere sottile. «Basta pensare a cosa accadrebbe se un attaccante riuscisse a prendere il controllo di uno scambio ferroviario». Il problema è di natura strutturale: «I sistemi a controllo digitale impiegati negli ambienti produttivi non sono stati concepiti con una logica di sicurezza “by design”, rendendoli oggi più esposti in un contesto dove l’interconnessione è diventata la norma».

In base al principio per cui difendersi significa soprattutto imparare a pensare come l’attaccante, le tecnologie di sicurezza devono essere ripensate in modo nuovo – aggiunge Montalbano. «Le normative che cercano di stabilire delle soglie minime di protezione possono rappresentare non un inutile mal di testa, ma una grande opportunità per investire su un patrimonio di sicurezza che le imprese italiane, specie nel comparto PMI, valorizzano poco. Come colmare il gap lasciato da una progettazione non orientata alla sicurezza “by design”, che spesso espone i sistemi industriali oltre la soglia di rischio accettabile, anche al netto delle tecnologie anti-malware? La risposta – secondo l’esperto di CY4GATE – sta nel rafforzare le capacità di osservazione, rilevamento e correlazione degli eventi. «Come vendor di tecnologie ci interroghiamo costantemente su come potenziare questi strumenti, sfruttando in particolare il machine learning per sviluppare motori di intelligenza artificiale in grado di interpretare pattern anomali e anticipare fenomeni potenzialmente critici». A fronte delle difficoltà oggettive di assicurare una osservabilità totale, le soluzioni CY4GATE integrano l’osservabilità dei sistemi OT e la possibilità di metterli in correlazione con gli eventi e i flussi informativi che avvengono sul piano dell’IT, ottenendo in questo modo quel tipo di controllo “cross domain” che permette di gestire il rischio di attacco rivolto a una infrastruttura o a un impianto di produzione, in funzione del suo valore di business. «Agendo in base al principio per cui più un sistema è critico per il business nel suo complesso, più dobbiamo osservarlo» – conclude Montalbano.

#smartIIoT Ascoltare dati e processi, l’osservabilità per una nuova utilità di business – Montalbano #CY4GATE
Click To Tweet

Questa capacità prende corpo in una appliance “black box” che CY4GATE inserisce in ambiti industriali distribuiti, spesso poco coperti o del tutto privi di connettività. Una soluzione embedded che integra tecnologie e funzionalità di detection “diffuse”, controllabili localmente, per dare ai responsabili dell’OT, non necessariamente dotati delle competenze di un CISO, un’evidenza chiara e soprattutto di facile comprensione. Con messaggi che spiegano la natura degli incidenti o delle anomalie rilevate e arrivano a indicare le misure e i comportamenti da adottare.

L’OSSIGENO DEL DATO

In oltre 102 anni di attività, il Gruppo Sapio ha preservato la sua identità di azienda italiana a capitale familiare, costruendo nel tempo una realtà industriale solida e internazionale. Fondata nel 1922, l’azienda ha iniziato nel settore dei gas tecnici, per poi espandersi anche all’ossigeno medicinale, consolidando la propria presenza attraverso una strategia di acquisizioni mirate. Oggi, il Gruppo conta sedi operative che si estendono dal Portogallo alla Turchia, confermandosi un player di riferimento nel panorama europeo. La materia prima con cui opera Sapio è impalpabile, ma strategica. A differenza di molti altri settori, la materia prima di partenza – l’aria – è una risorsa di per sé gratuita. Fatta eccezione per alcuni gas come l’elio che si produce naturalmente nel sottosuolo o l’acetilene ricavato dai residui dell’industria petrolifera, i prodotti commercializzati dal gruppo vengono estratti direttamente dall’atmosfera. La loro distribuzione segue due principali direttrici: da un lato le bombole, disponibili in vari formati, spesso impiegate anche a livello domestico per pazienti che necessitano di ossigenoterapia. Dall’altro, le autocisterne criogeniche, destinate a clienti business che stoccano grandi volumi di gas in serbatoi ad alta capacità.

In ambito sanitario, tra i principali clienti figurano proprio gli ospedali, dove i serbatoi alimentano le reti di distribuzione dell’ossigeno medicale, garantendo l’approvvigionamento continuo ai bocchettoni presenti nei reparti di terapia intensiva e nelle sale operatorie. A guidare l’infrastruttura IT di questa articolata filiera produttiva e distributiva è Riccardo Salierno, Group CIO di Sapio. «Il Gruppo – racconta – è composto da oltre 50 entità legali che spaziano dalla produzione di gas tecnici e medicali per applicazioni in ambito sanitario, alimentare e nei servizi al pubblico tramite portali medici, assistenza domiciliare, fino alla crioconservazione di materiale genetico, con attività che si estendono anche al biotech e alla ricerca scientifica». Un esempio emblematico del ruolo strategico assunto dal gruppo è la collaborazione con la Michael J. Fox Foundation, per conto della quale Sapio gestisce la conservazione di campioni genetici richiesti da ricercatori di tutto il mondo, impegnati nello studio di patologie neurodegenerative come il Parkinson e la corea di Huntington.

In Sapio, la digitalizzazione si muove lungo due direttrici complementari. La prima riguarda la produzione e il monitoraggio degli impianti, supportata da un’infrastruttura sensoristica avanzata che consente il controllo puntuale di ogni fase del processo. La seconda interessa invece la logistica, vero e proprio cuore pulsante della distribuzione, che consente al gas di raggiungere in modo capillare i diversi punti di utilizzo, dai grandi ospedali alle abitazioni dei pazienti. È proprio su questo secondo fronte che, nel 2020, durante la fase più acuta della pandemia da Covid-19, si è manifestata la fragilità del sistema. «Il problema non erano gli ospedali, dotati di serbatoi autonomi» – spiega Salierno. «La vera criticità era garantire le forniture domiciliari: un sistema che si regge su un ciclo “vuoto per pieno”. Se le bombole non rientrano per essere ricaricate, a un certo punto non è più possibile effettuare nuove consegne. E questo, in un’emergenza, può diventare un serio collo di bottiglia operativo». Durante la fase più critica della pandemia, una delle priorità emerse fu l’ottimizzazione dell’intero processo informatico legato alla vendita, tracciabilità e consegna delle bombole di ossigeno – ricorda Salierno. Il punto debole è l’accessibilità e l’interoperabilità dei dati, fondamentali per abilitare logiche di ottimizzazione avanzata attraverso l’IoT.

«Come in molte grandi aziende, anche noi stiamo lavorando per evolvere in questa direzione, ma il percorso è complesso» – osserva Salierno. «Il nostro modello è fortemente eterogeneo: attorno all’ossigeno ruota un ecosistema di servizi rivolti alla cura domiciliare dei pazienti, ambito in cui il Servizio Sanitario Nazionale ha progressivamente delegato a operatori specializzati come noi, tramite gare d’appalto». A complicare ulteriormente il quadro – prosegue Salierno – sono le normative stringenti sulla privacy – GDPR in testa e NIS2 a breve – e la frammentazione tecnologica legata a protocolli e formati proprietari, per esempio nei sistemi di ventilazione forniti ai pazienti. «Questo rende difficile aggregare e mettere a disposizione dei medici o degli specialisti informazioni utili al monitoraggio e alla cura. Sapio, oggi, serve alcune centinaia di migliaia di pazienti domiciliari nei vari paesi: tutti devono essere informati in base alla normativa, e ogni dato condiviso deve rispettare criteri di sicurezza e trasparenza».

Tornando alla logistica delle bombole e al tema del tracciamento, oltre alla complessità normativa si affianca un ostacolo tutt’altro che trascurabile: il costo unitario dei sensori. Le tecnologie per l’identificazione e il monitoraggio in tempo reale ci sono, ma la vera sfida – spiega Riccardo Salierno – è valutarne la sostenibilità economica e l’applicabilità su larga scala. «Il punto è capire dove e quando ha senso implementarle. In alcuni segmenti riusciamo a ottenere una buona marginalità, ma nel caso di una semplice bombola di ossigeno, il margine è talmente basso che anche un sensore dal costo di pochi centesimi può pesare sull’equilibrio economico del servizio» – spiega il CIO di Gruppo Sapio. «Tutti questi fattori devono essere valutati con attenzione nella definizione di una strategia digitale sostenibile, capace di coniugare innovazione e ritorno sugli investimenti, soprattutto in contesti caratterizzati da una forte pressione economica e da normative rigorose».

#smartIIoT Dalla fabbrica al servizio, l’industria si gioca il futuro sull’uso intelligente dei dati – Salierno #Sapio
Click To Tweet

LA FABBRICA CIRCOLARE

Malgrado il nome ereditato da suoi primi, ormai lontani anni di attività, Profilglass opera nel settore dei semilavorati metallici in alluminio, producendo non più solo i profili per vetrocamera (in pratica le cornici di alluminio che fissano le molteplici lastre di vetro delle finestre termoisolate), ma soprattutto bobine di lega di alluminio, piastre, dischi di vario formato e tubi elettrosaldati. «Riforniamo qualsiasi azienda che realizza manufatti in alluminio, fino all’automotive, anche con leghe speciali» – spiega Tommaso Pagnini, CIO di Profilglass. Il mercato dell’alluminio è in continua espansione e si prevede un trend analogo fino al 2050. A livello globale, le applicazioni di questo materiale sono in costante crescita, grazie a molteplici fattori. Oltre alle innovazioni nelle tecnologie di fusione, che permettono la creazione di leghe sempre più performanti, un altro elemento chiave è l’anima green dell’alluminio. «Essendo un materiale infinitamente riciclabile, può essere ottenuto non solo tramite estrazione, che richiede un elevato consumo di energia, ma anche attraverso il recupero del rottame metallico, che costituisce il 90% della materia prima utilizzata da Profilglass» – spiega Pagnini. Tutto ha inizio con il recupero di lattine schiacciate e altre fonti selezionate. La divisione di Profilglass dedicata alla separazione dell’alluminio da altri metalli è fondamentale in questo processo.

I metalli separati vengono poi rivenduti, mentre gli scarti non metallici vengono smaltiti. L’alluminio recuperato viene quindi rifuso in placche, che successivamente vengono inviate ai laminatoi per la lavorazione. A seconda delle specifiche del cliente, l’alluminio viene lavorato in vari spessori, arrotolato in bobine o trasformato in altre forme. Profilglass si distingue per una produzione altamente personalizzata, con ben sette produzioni su dieci che vengono realizzate su misura in base alle specifiche richieste. «Si tratta pertanto di un processo produttivo molto articolato» – riconosce Pagnini. «Profilglass è di fatto composta da cinque realtà aziendali distinte, senza contare la sesta unità, dedicata alla manutenzione interna». Un’attività fondamentale all’interno di uno spazio produttivo che opera 24 ore su 24, 365 giorni l’anno. In questo contesto, la grande sfida consiste nel garantire la massima efficienza produttiva e nel migliorare costantemente la qualità del prodotto, individuando ogni possibile perdita di performance, idealmente già nelle fasi iniziali dei processi. L’altro obiettivo fondamentale è ottimizzare lo scambio informativo tra il mondo gestionale e quello della produzione. «La convergenza IT/OT è al centro della nostra strategia» – continua Pagnini. «I guadagni in termini di produttività che possiamo ottenere sono significativi, e questo ha dato impulso a numerose azioni mirate in un’ottica di smart factory».

Per Pagnini, il termine “smart” rappresenta un concetto potente, che si traduce in attività mirate ad automatizzare il più possibile lo scambio di informazioni tra due mondi che, pur non essendo completamente incompatibili, non sono neppure del tutto affini. «La sfida principale è l’armonizzazione dei dati, che devono essere resi coerenti tra realtà aziendali diverse, ognuna con i propri linguaggi e processi distinti. Profilglass, per esempio, gestisce cinque realtà aziendali. È fondamentale automatizzare la raccolta di informazioni provenienti da fonti eterogenee, come i tempi di lavorazione, le caratteristiche di tracciabilità, il numero e le cause dei fermi». Un passo decisivo in questa direzione – secondo Pagnini – è superare la divisione dei reparti, che spesso considerano i propri dati come un patrimonio esclusivo, e rendere queste informazioni accessibili e condivisibili a livello aziendale. «Se correttamente veicolate, queste informazioni possono essere certificate secondo criteri condivisi e trasformate in un formato fruibile dai decisori aziendali».

Passo che per il CIO di Profilglass rappresenta la seconda grande sfida dell’impresa intelligente. Altre sfide 4.0 affrontate dall’IT di Profilglass riguardano una maggiore resilienza di tutti i sistemi a fronte delle varie eventualità. Se un tempo – continua Pagnini – l’attenzione era concentrata sulla resilienza dei sistemi IT – rispetto ad attacchi di natura cyber, tentativi di esfiltrazione di informazione e in generale tutte le tematiche affrontate da Montalbano di CY4GATE – oggi, l’aspetto della continuità del servizio e la protezione diventa un problema di tutta la fabbrica. «Quanta più automazione c’è nei sistemi di produzione, tanto più importante diventa l’accessibilità dei dati e la ridondanza. Le nostre squadre di manutentori, per esempio, che tra l’altro devono agire sempre più in chiave predittiva, hanno il compito in caso di fermi macchina di intervenire subito ed eventualmente scatenare l’intervento di tecnici esterni, che oggi molto spesso operano da remoto». E qui si apre un ulteriore fronte critico: «La cybersecurity, soprattutto quando i canali di assistenza e manutenzione si estendono oltre il perimetro aziendale». Un altro ambito su cui Profilglass sta concentrando molte energie è il management energetico. «Il nostro è un sistema produttivo altamente energivoro» – spiega Pagnini. «Consumiamo gas, elettricità, azoto. Riuscire a correlare con precisione i consumi alle lavorazioni è fondamentale non solo per ottimizzare le performance e migliorare la redditività, ma anche per raggiungere obiettivi di sostenibilità sempre più stringenti».

#smartIIoT La fabbrica intelligente parla il linguaggio dei dati – Pagnini #Profilglass
Click To Tweet

VERSO IL 4.0 A PASSI GRADUALI

L’esperienza di digitalizzazione vissuta da Riccardo Piazzi, Group ICT manager di AEB Group non riguarda una lavorazione particolarmente pesante dal punto di vista industriale, né la sfida logistica rappresentata dalla distribuzione capillare di una materia impalpabile come il gas. La missione del gruppo AEB Group nasce nel contesto enologico della provincia bresciana, come azienda familiare per la produzione di biotecnologie per il vino, offrendo prodotti come stabilizzanti, chiarificanti e coadiuvanti di fermentazione e filtrazione. Nel corso della sua lunga attività AEB è cresciuta fino a diventare una multinazionale ampliando la sua gamma di prodotti includendo lieviti, enzimi e tannini, oltre a detergenti professionali per l’industria alimentare e delle bevande.

«Enzimi, fermentazione, lievitazione, riduzione della carica batterica, sanificazione biologica di botti, cantine e ambienti come macellerie o stalle sottoposti a stringenti normative igienico-sanitarie: sono questi i principali ambiti di applicazione dei nostri prodotti» – spiega Piazzi. «Una parte della produzione segue un modello a catalogo, quindi soggetta a un certo grado di standardizzazione. L’altra, invece, è sviluppata su misura per clienti terzi, secondo contratti white label. Parliamo, in totale, di oltre 20 mila referenze attive, di cui tremila a elevata rotazione». Il primo passo verso una digitalizzazione strutturata del processo produttivo è stato compiuto nel triennio 2019–2021, con l’ammodernamento del digital workplace, tramite l’adozione dell’ecosistema Microsoft, dalle piattaforme gestionali agli strumenti di business intelligence. Una svolta che ha permesso di tracciare e analizzare in modo più efficace gli ordinativi, aprendo la strada a una gestione più reattiva e data-driven della produzione. Già a partire dal 2020 – come racconta il responsabile ICT – AEB ha avviato un percorso di rinnovamento in chiave Industry 4.0, estendendo il processo di digitalizzazione anche agli impianti produttivi. Pur non integrando ancora una sensoristica diffusa e attiva, le nuove linee sono già completamente programmabili e predisposte per l’automazione intelligente.

La digitalizzazione riguarda al momento le singole “macchine”. Secondo Piazzi, ancora non è stato affrontato l’ultimo passo verso la produzione digitale, quello della interconnessione e dell’integrazione con le piattaforme gestionali. «Partire dal digital workplace ha avuto un effetto abilitante su tutta l’organizzazione – osserva il responsabile ICT – consentendoci di estendere l’adozione delle tecnologie digitali a tutti i collaboratori, dagli uffici alla produzione, fino ai laboratori. Questo approccio ha permesso di superare resistenze culturali tipiche delle lavorazioni più tradizionali. Oggi, anche gli operatori di linea utilizzano tablet per accedere in tempo reale a informazioni operative, mentre la collaborazione è gestita attraverso Microsoft Teams. Siamo così arrivati a un punto in cui possiamo cominciare ad affrontare seriamente il tema della connettività degli impianti in chiave decisionale, con l’obiettivo di diffondere una vera cultura della gestione dei dati, condividerli in modo trasversale e rendere le persone sempre più capaci di sfruttarne il valore informativo».

#smartIIoT La fabbrica connessa è un ecosistema vitale – Piazzi #AEBGroup
Click To Tweet

Per Guido Montalbano di CY4GATE, il tema ricorrente dell’interconnessione come leva per l’efficientamento dei processi produttivi – fino all’ottimizzazione dei consumi energetici – è la risposta naturale a un’esigenza sempre più sentita: quella di condividere le informazioni in modo trasversale tra reparti e funzioni aziendali, estendendo questa visibilità anche all’esterno, lungo l’intera filiera. Una condivisione che non si limita ai dati generati negli uffici, ma che coinvolge in modo crescente impianti produttivi, sistemi OT e logistica, trasformando il dato in un asset strategico per la competitività. «Tutti devono avere accesso a dati che siano realmente utili al processo decisionale – osserva Montalbano – ma questo apre un tema fondamentale: come garantire la disponibilità di dati certificati, autentici e soprattutto riconciliati anche a livello semantico. Perché informazioni lette o interpretate in modo diverso rischiano di generare scelte divergenti». Un’esigenza che – secondo l’esperto di cybersecurity – vale anche per il monitoraggio in chiave di sicurezza: «L’ascolto continuo dei dati per intercettare anomalie potenzialmente legate a minacce cyber deve basarsi su modelli comportamentali sofisticati, capaci di comprendere la logica dei dispositivi IoT e fornire indicazioni coerenti ai vari reparti, evitando reazioni scoordinate o decisioni in conflitto tra loro».

LA STRADA DELLA FABBRICA 4.0

Giunto – per sua stessa ammissione – alle battute finali di una lunga carriera da informatico prestato al mondo dell’acciaio, Marco Campi, CTO e direttore IT di Marcegaglia, può rivendicare con orgoglio non solo «una quantità industriale» di progetti 4.0, avviati in tutto il Gruppo, ma anche il ruolo pionieristico che l’intero settore siderurgico ha sempre avuto nell’automazione dei processi. Un primato storico che continua a fare scuola nell’era della fabbrica intelligente. «Le prime forme di automazione dei processi sono emerse proprio in questo contesto industriale. Se l’automazione porta a risparmi e aumenti di produttività, nel settore dell’acciaio, ogni soldo risparmiato per ogni chilo di materiale prodotto si traduce in milioni di cost saving» – afferma Campi, ricordando la sua esperienza sin dai tempi di Italsider. Non stupisce quindi la grande attenzione che Marcegaglia ha sia nei confronti dell’automazione sia per l’integrazione dei dati che arrivano dalla produzione nella parte più gestionale. Anche perché è la stessa clientela oggi a richiedere la certificazione di una qualità che solo l’automazione può correlare ai processi in fabbrica. Uno dei segmenti su cui il responsabile delle infrastrutture IT di Marcegaglia ha scelto di insistere è quello della movimentazione dei magazzini, con obiettivi di efficienza, risparmio ma soprattutto di riduzione dei margini di errore. «Dagli operatori umani che da terra dovevano telecomandare i carri-ponte, siamo passati a una movimentazione completamente automatizzata. Il futuro andrà sempre di più verso la riduzione del personale negli spazi ad alto rischio dei magazzini e delle aree di produzione – sottolinea Campi – con il conseguente aumento di problemi di interconnessione e sicurezza dei sistemi, che dovranno essere accessibili da operatori esterni, incluse le aziende che effettuano la manutenzione, o addirittura dai clienti che dall’esterno potranno interagire e verificare l’andamento dei loro ordinativi».

Dal punto di vista dei sistemi informativi veri e propri – continua il CTO di Marcegaglia – la tensione è verso la semplificazione dell’operatività a ogni livello dell’azienda, uffici compresi. «Ritengo che ci sia ampio margine di adozione di tecnologie di AI nella manutenzione. Abbiamo in corso già diversi progetti di manutenzione predittiva e Big data, e le problematiche da affrontare sono molto più sottili rispetto alle analisi di alto livello alle quali siamo abituati. Da un lato devi imparare a correlare gli eventi di fabbrica su assi temporali molto diversi, dall’altro devi poter contare su competenze diverse, che devono in qualche modo essere formate. La strada maestra da percorrere è certamente quella dei dati, ma è ancora lunga».

#smartIIoT Sensori, AI, cloud e interconnessione trasformano le fabbriche in piattaforme – Campi #Marcegaglia
Click To Tweet

Rimaniamo nel settore della tecnologia industriale con Roberto Colurcio, ICT manager di Sofinter, capofila dell’omonimo Gruppo con oltre 150 anni di storia. Sofinter si distingue per l’alto livello di diversificazione e complessità logistica, pur rimanendo saldamente focalizzata sulla produzione di generatori di vapore. Questi impianti, dalle dimensioni straordinarie, possono essere prodotti con un alto livello di prefabbricazione e installati presso i clienti in poco tempo (Plug&Play) oppure costruiti direttamente nel plant cliente con progetti che possono impegnare diversi anni. Ad aggiungere strati di complessità, c’è anche l’assetto organizzativo del Gruppo – racconta Colurcio.

«Sofinter S.p.A., costituita nel 1987 e comprendente le divisioni Macchi e SWS, rappresenta la capofila del Gruppo e la Società proprietaria, in condivisione con altri partner industriali, di AC Boilers S.p.A., Europower S.p.A., Itea S.p.A. e CCA S.p.A. Il Gruppo rappresenta l’evoluzione del settore della produzione di vapore ed energia da gas, biomasse, rifiuti urbani e garantisce una efficace cooperazione e condivisione dei mezzi e delle tecnologie delle imprese aderenti, a servizio del cliente finale e della intera comunità. Oggi, il gruppo conta stabilimenti operativi a Fagnano Olona, Marghera, Gioia del Colle e in Romania, con sedi commerciali negli Stati Uniti e in Egitto, sviluppatesi parallelamente ai progetti. Il nostro è anche un business altamente specializzato nella cantieristica, dove, ad esempio, le componenti delle caldaie vengono spedite via nave per essere assemblate direttamente in loco». Alle attività di produzione, si affianca – come sottolineato da Colurcio – l’acquisto di componenti, come tubazioni e valvole, fornite da parti terze oltre che a coibentazioni, refrattari e la parte elettrostrumentale. Queste operazioni sono tutte supervisionate dal punto di vista informatico dall’IT e OT di Gruppo, che riguarda direttamente le fabbriche. «L’ambito IT di Sofinter è molto articolato – spiega Colurcio – e abbraccia tutte le tematiche di automazione e gestione dei dati, all’interno di ambienti produttivi che operano da diversi anni».

Colurcio è stato chiamato nel 2024, dopo una lunga esperienza nel settore delle utility, in seguito a un avvicendamento nel top management dell’azienda. Sofinter sta puntando su un ambizioso processo di rinnovamento, che punta a trasformare una catena produttiva che oggi si concentra principalmente sulla realizzazione e vendita di impianti. «Nel futuro, grazie all’uso di tecnologie come i sensori, vogliamo espandere significativamente le nostre capacità di servizio. Attualmente, vendiamo generatori di vapore che diventano proprietà del cliente, ma il nostro obiettivo è evolverci verso una modalità di business che includa maggiormente servizi di manutenzione, andando ben oltre la fase di montaggio». Nel contesto produttivo di Sofinter, l’operazione di lavorazione metallica segue un flusso ben definito: inizialmente, il metallo destinato alla costruzione dei generatori di vapore viene lavorato in base alle specifiche necessarie. In una seconda fase, in un altro stabilimento, i pezzi vengono saldati e assemblati. Il primo impianto richiede quindi istruzioni estremamente precise sui componenti da produrre, mentre il secondo impone direttive chiare per le operazioni di saldatura e assemblaggio, che si concluderanno con l’installazione finale presso il cliente.

«Il nostro obiettivo è creare le condizioni ideali per un cambiamento strategico che permetta una vera convergenza dei dati tra i diversi processi» – spiega Colurcio, sottolineando l’importanza dell’integrazione tra le funzioni IT e OT. Tuttavia, come spesso accade in contesti industriali complessi, la realtà della fabbrica presenta uno scarto significativo tra teoria e pratica. Anche con l’aiuto di system integrator qualificati, arriva sempre il momento in cui bisogna fare i conti con la resistenza al cambiamento e la necessità di un’intensa attività di change management» – aggiunge Colurcio, evidenziando una delle principali sfide nell’adozione di tecnologie 4.0 nel settore manifatturiero.

#smartIIoT Nuova progettualità e integrazione tra dati, servizi e prodotto – Colurcio #Sofinter
Click To Tweet

DAL TICKETING ALLA STRATEGIA

Da quando è entrato in Sofinter, Roberto Colurcio ha portato in azienda la sua profonda esperienza passata da system integrator. Oggi, la divisione IT dell’azienda è molto più coinvolta nella formazione del personale in fabbrica, smontando – come sottolinea Colurcio – «il preconcetto secondo cui l’informatica in azienda si occupa solo di ticketing, quando invece dovrebbe essere impegnata in progetti strategici». Se l’obiettivo è ampliare i servizi che Sofinter può offrire una volta che gli impianti sono operativi presso i clienti, la sfida principale è che ogni generatore di vapore sia installato in un plant con una propria sala di controllo che acquisisce dati «live» dall’impianto stesso. «Dobbiamo imparare – spiega Colurcio – a raccogliere e interpretare i dati provenienti da queste strutture e, utilizzando il machine learning e l’AI, identificare le problematiche legate alla performance della macchina, offrendo continuo valore aggiunto al cliente. Inoltre, vogliamo utilizzare gli stessi dati per fornire informazioni utili ai nostri progettisti interni all’azienda».

In questa direzione, Sofinter punta sul cloud per ottimizzare i servizi sul campo e in fabbrica. «Abbiamo ingegneri sparsi in tutto il mondo che devono essere costantemente connessi tra loro e con la parte commerciale, anche in luoghi dove non abbiamo sedi fisiche. A livello infrastrutturale, la convergenza tra IT e OT richiede investimenti in tecnologie di rete che garantiscano la massima sicurezza. La cybersecurity è sempre stata una nostra priorità, ma ora dobbiamo estenderla anche all’infrastruttura cloud che stiamo costruendo» – aggiunge Colurcio, che è anche il punto di riferimento per Sofinter riguardo alla compliance con la normativa NIS2. «Normative come questa rappresentano un’opportunità fondamentale per rafforzare ulteriormente la nostra sicurezza informatica».

Un altro aspetto critico legato all’OT riguarda il controllo dettagliato dei processi produttivi. I generatori di vapore progettati da Sofinter sono realizzati a partire da disegni complessi, e non ci si può permettere errori a metà del processo. Il tracciamento dei vari step produttivi è essenziale, così come il coinvolgimento delle forze vendita fin dalle prime fasi del progetto. «Dalla selezione dei prospect, tutta la parte commerciale deve essere perfettamente allineata con lo sviluppo dei progetti. Ogni generatore di vapore prodotto è personalizzato, quindi è fondamentale assicurarsi che il prodotto finale rispetti le aspettative del cliente in ogni dettaglio» – conclude Colurcio.

NIENTE VALORE SENZA CASO D’USO

Dopo Sofinter, anche dalla fabbrica innovativa che Bianchi ha voluto costruire ex novo per rivoluzionare attraverso l’IIoT la tradizionale “officina” della bicicletta, arriva un esempio di strategia di “servitization” mirata a estendere nella direzione dei servizi digitali il campo di azione di un brand tipicamente manifatturiero. «Bianchi è partita dal suo nuovo stabilimento dotato di tecnologie IoT molto spinte per avvicinare i sistemi OT a supporto della fabbrica alla rete IT aziendale» – spiega il CIO Mauro Toso. «Oggi, spostiamo in là questa sfida per far leva sull’IoT per aumentare l’utilità delle biciclette viste dal cliente finale». Ma il vero nodo della questione è il design dei sensori. «Individuare non solo il tipo di sensore e le grandezze da misurare ma anche il modo più opportuno di montare questa surplus di intelligenza a bordo di veicoli, che come prima esigenza devono essere leggeri e aerodinamici – è un lavoro complesso» – sottolinea Toso.

«Raggiungere l’obiettivo a bordo di una e-bike potrebbe essere più facile perché l’elettronica a bordo di una bici a pedalata assistita c’è già ed è molto estesa. Nel caso di una bici cosiddetta “muscolare” si devono considerare tantissimi aspetti». Tra questi, occorre anche pensare a servizi che giustifichino l’acquisto di un prodotto premium in cambio di un valore aggiunto concreto. Un servizio che non appesantisca inutilmente la due ruote, e al tempo stesso possa essere utilizzato regolarmente, evitando il pericoloso effetto “giocattolo” che perde subito la sua attrattiva. Tra le possibilità prese in esame c’è per esempio quella di un possibile sensore di prossimità, una applicazione già sperimenta da altri competitor. Gli stessi sensori, al fine di preservare le caratteristiche aerodinamiche delle biciclette e garantirne un’ottima usabilità, andranno progettati con un profilo il più possibile sottile e non invasivo. Questo aspetto è fondamentale per mantenere l’efficienza e l’agilità della smart bike senza comprometterne la performance.

#smartIIoT Il vero ROI della fabbrica intelligente parte dai dati e arriva ai servizi – Toso #BianchiBicycles
Click To Tweet

Ma come si può raggiungere concretamente questo obiettivo? «Stiamo esplorando diverse soluzioni, confrontandoci anche con chi progetta i dispositivi IoT per il settore degli elettrodomestici, dove si riscontrano esigenze sorprendentemente simili» – spiega Toso. «Anche per lavatrici e frigoriferi, tra i primi oggetti a diventare “smart”, si è dovuto affrontare il tema dell’usabilità e dell’effettiva utilità: l’intelligenza integrata ha senso solo se si traduce in applicazioni capaci di inserirsi nella quotidianità delle persone, in modo semplice e funzionale». Abbiamo voluto esplorare alcuni di questi ambiti, svolgendo diverse valutazioni e benchmark proprio per cercare di isolare le applicazioni a maggior potenziale. «Per questo motivo – conclude Toso – abbiamo coinvolto società di consulenza con esperienza nell’IoT in ambiti molto diversi, concentrandoci in particolare sulle modalità di interfacciamento con i sensori e la possibile integrazione con i sistemi wareable più diffusi e utilizzati da ciclisti professionisti e amatoriali.

La collaborazione sta dando risultati promettenti, la tecnologia disponibile sul mercato non manca, ma trovare una soluzione che, oltre a rispettare i requisiti di privacy e sicurezza, sia davvero non invasiva e percepita come utile dall’utente finale è tutt’altro che scontato». Proprio come avviene nel dibattito sull’adozione dell’AI generativa, anche nel mondo dell’Industrial IoT — dentro e fuori la fabbrica – il nodo cruciale resta quello del “caso d’uso”. La tecnologia esiste, in molti casi è matura, il potenziale sembra sconfinato. Ma il vero punto di caduta è capire se, come e quanto possa generare valore reale per chi la utilizza. Parafrasando Corrado Guzzanti, la domanda fondamentale, tanto per i progettisti quanto per i consumatori, è: «Ma io e te, che cosa abbiamo da dirci?». Una battuta che, con ironia, centra l’essenza della sfida che le aziende manifatturiere come Bianchi stanno affrontando: dare senso all’intelligenza incorporata, affinché diventi parte integrante dell’esperienza d’uso e non un accessorio. Solo così la tecnologia smette di essere un gadget per diventare un vero fattore abilitante di nuovi modelli di business, più sostenibili, connessi e orientati al servizio.

Foto di Gabriele Sandrini

Point of view

Intervista a Guido Montalbano sales engineer di CY4GATE: Sicurezza cross-domain

EOS Solutions: Fabbrica digitale, IoT e AI guidano la nuova era dell’automazione

Formula: La trasformazione dei processi aziendali attraverso l’interconnessione con la fabbrica

Sinfo One: Smart Factory? Solo se data-driven

L'articolo L’IoT incontra l’intelligenza. Il vero ROI è il caso d’uso proviene da Data Manager Online.

Quando si parla di sicurezza logica nella fabbrica digitale o in un contesto popolato di tecnologie digitali di natura industriale, cioè nell’OT contrapposto, o meglio complementare, all’IT – emerge la mancanza di sistemi di sicurezza adeguati – come evidenzia Guido Montalbano, sales engineer di CY4GATE.

«Gli oggetti connessi nell’OT, privi di bollini di sicurezza, rappresentano una vulnerabilità che può essere sfruttata da minacce esterne». L’approccio di CY4GATE, spin-off di cyber security nato nel 2014 da Gruppo ELT, noto fornitore del mondo government and defense, è quello maturato in anni di esperienza in fatto di protezione di sistemi critici e proprietari: l’ascolto. «Quando mancano certificazioni di sicurezza e facile accessibilità ai dati, diventa ancora più importante saper “ascoltare” questi oggetti, ma anche saper valutare gli effetti che una compromissione di questi sistemi possono indurre nei sistemi OT e IT che vogliamo controllare».

OSSERVABILITÀ E PROTEZIONE

Tipicamente, si ha a che fare con tecnologie embedded e funzionalità preconfigurate che non possono essere modificate. Inoltre, per motivi legati alla garanzia, i produttori rendono questi sistemi completamente chiusi e non accessibili. «La mitigazione di questa chiusura passa per l’aumento del livello di controllo e interpretazione di quello che avviene dentro queste infrastrutture, spostando l’intelligenza di analisi su piattaforme esterne, come le appliance dedicate, in grado di integrare e rafforzare la protezione dei sistemi OT» – spiega Montalbano.

Con queste “blackbox”– CY4GATE mira a incrementare l’osservabilità nei contesti dove le componenti OT affiancano l’IT, attraverso la capacità di ascoltare e interpretare il traffico anche in modo passivo utilizzando opportune sonde. «Ma attenzione» – avverte Montalbano. «Questa capacità di osservazione deve essere cross-domain, in pratica, deve coprire l’interconnessione tra OT e IT. La vulnerabilità di un impianto produttivo che comunica con il sistema ERP aziendale può avere ripercussioni dirette sul business».

#CY4GATE Dal monitoraggio alla response, l’ascolto attivo che potenzia la sicurezza OT #smartIIoT
Click To Tweet

DAL MONITORAGGIO ALLA RESPONSE

La raccolta di informazioni in ambienti eterogenei e distribuiti, spesso caratterizzati da connettività limitata o del tutto assente, richiede un’attenta fase di normalizzazione e “ripulitura” dei dati. A questo si aggiunge l’analisi avanzata e la correlazione degli attacchi, potenziata da intelligenza artificiale. Come sottolinea Montalbano – questa tecnologia consente anche di semplificare la comunicazione delle anomalie tramite dashboard dedicate, permettendo al personale della fabbrica di gestirle senza necessità di expertise in cyber security.

L’implementazione di una soluzione CY4GATE inizia sempre con una fase di assessment, durante la quale vengono valutati i sistemi di protezione esistenti. «In questa fase – continua Montalbano – vengono anche individuate le sonde da installare e i sistemi integrativi necessari per alimentare i processi di normalizzazione e analisi dei dati. L’ultimo passo è chiudere il cerchio della detection, con la fase di response, che deve avvenire sul piano incrociato tra operations e impatto sul business, attraverso una serie di indicazioni sulle priorità e le azioni da seguire, cercando dove possibile di rendere automatiche le azioni di contenimento, proprio grazie all’AI».

L'articolo Sicurezza cross-domain proviene da Data Manager Online.

Dall’automazione dei flussi ai servizi cloud sicuri, passando per sostenibilità e user experience: ecco come il settore del printing e della gestione documentale evolve per rispondere alle esigenze di professionisti, PMI, grandi aziende e PA. I segnali sono chiari: la stampa è solo la punta dell’iceberg, sotto c’è un ecosistema di soluzioni potenziate dall’AI che tocca sicurezza, cloud, governance e sostenibilità. Il concetto di document lifecycle management diventa strategico.

È questo il messaggio forte che emerge dai contributi di ABLE TECH, Brother, Canon, Epson, Konica Minolta, Kyocera Document Solutions, PA Digitale e Ricoh. mTutti gli attori in campo parlano la stessa lingua: efficienza, trasparenza, accountability, sostenibilità. Ma ognuno offre una propria strada per arrivarci. Ciascuno ha un’identità precisa. C’è chi punta sulla customizzazione flessibile, chi spinge sull’integrazione verticale nella PA, chi offre ecosistemi hardware-software integrati, chi gioca la carta green-tech e della semplicità gestionale, e chi propone un modello di servizio completo e gestito. Tutti sono mossi da un obiettivo comune: rendere l’informazione accessibile, sicura, sostenibile e smart, perché il documento è digitale per natura, e ogni fase – dalla creazione alla conservazione, dalla firma alla condivisione – deve essere gestita in modo automatizzato e scalabile.

Pur con visioni e verticalizzazioni diverse, i vendor convergono su alcuni macrotemi: digital-first, modularità, sicurezza e compliance, user experience. Le differenze emergono nella strategia. Con la sua soluzione ARXivar, ABLE TECH propone un approccio “piattaforma” e si posiziona come orchestratore di processi digitali, unendo gestione documentale, workflow configurabili e strumenti nativi per firme elettroniche e tracciabilità. Brother punta a un target chiaro: le PMI. Lo fa con dispositivi di stampa efficienti, sicuri e facili da integrare, ma anche con soluzioni pay-per-use agili e sostenibili. La sua proposta si distingue per l’attenzione alla sicurezza dei dati anche in ambienti ridotti, offrendo strumenti accessibili senza rinunciare alla governance. È qui che entrano in gioco la stampa gestita, i software integrati nei dispositivi ad alta efficienza energetica e i programmi di riciclo delle cartucce toner originali esauste con il servizio di ritiro gratuito per aziende e liberi professionisti.

Canon propone una visione bilanciata tra hardware di alta qualità e soluzioni software evolute. I suoi punti forti includono l’automazione dei processi documentali, l’ottimizzazione dei flussi di lavoro e una forte capacità di integrazione con i sistemi aziendali esistenti. Il tutto con un occhio di riguardo all’esperienza d’uso, per garantire una transizione fluida e coinvolgente. Epson reinventa il proprio primato di know-how tecnologico e attenzione all’ambiente intensificando il portafoglio as a Service, puntando sulla misurabilità del valore, con metriche che legano innovazione e sostenibilità agli indicatori finanziari dei clienti. Le sue stampanti inkjet sono progettate per massimizzare l’efficienza energetica e ridurre i consumi. Una scelta in linea con le esigenze ESG delle imprese, affiancata da soluzioni documentali leggere e scalabili per uffici moderni e distribuiti. Konica Minolta gioca la carta dell’innovazione intelligente. Le sue piattaforme document-centric sono pensate per realtà complesse e regolamentate, e si arricchiscono con componenti di intelligenza artificiale, automazione avanzata e integrazione in ambienti cloud sicuri. Una soluzione adatta a chi cerca modularità e controllo.

#DocChain Il mercato del printing accelera: prospettive incoraggianti e trend di ripresa dopo la contrazione
Click To Tweet

Kyocera Document Solutions unisce la robustezza dei dispositivi di stampa alla potenza di soluzioni software per la gestione documentale. Il risultato è un’offerta orientata all’efficienza, alla sostenibilità e alla scalabilità. Ideale per imprese e PA che devono modernizzare i flussi informativi, rispondere alle esigenze del lavoro ibrido, semplificare i processi, ma senza stravolgere l’infrastruttura IT. PA Digitale si distingue per la sua verticalizzazione sui processi della pubblica amministrazione, ma la sua competenza rappresenta un valore anche per i settori privati regolamentati e document-intensive, con soluzioni che aiutano a digitalizzare in modo sicuro, trasparente e compliant. Ricoh propone una visione end-to-end: dal dispositivo al workflow, dalla sicurezza ai servizi gestiti. Il suo modello “Document as a Service” punta a semplificare la governance documentale di grandi aziende, realtà multisede o multinazionali, con l’obiettivo di offrire un ecosistema completo e integrato, in grado di evolversi con le esigenze del business.

DRIVER E DINAMICHE DI MERCATO

Il mercato del printing come pilastro per l’efficienza, la trasparenza e la competitività. Dalla flessione congiunturale del 2024 a un futuro di crescita guidata dall’intelligenza artificiale e dalla sostenibilità. Tra dematerializzazione, governance del dato e nuovi modelli di lavoro, la gestione intelligente dei contenuti diventa strategica per professionisti, PMI, grandi aziende e PA. Il documento è un dato strutturato, non più un semplice file da archiviare. L’adozione di soluzioni ECM (Enterprise Content Management) e CSC (Content Sharing and Collaboration) evolve verso modelli intelligenti e integrati, capaci di sfruttare metadati, ricerca semantica e AI per classificare, categorizzare e rendere accessibili grandi volumi di informazioni. I contenuti diventano servizi e la gestione documentale evolve da funzione amministrativa a leva strategica.

#DocChain Nel nuovo ecosistema digitale, il dato è il nuovo documento e il cloud è il suo archivio naturale
Click To Tweet

Nel 2023, IDC ha fatto convergere le aree ECM e CSC in un unico mercato funzionale (Content Services Applications). Secondo gli analisti, questo mercato in Europa occidentale è destinato a crescere a un ritmo robusto di +9% all’anno tra il 2022 e il 2027. A spingere questa accelerazione non è solo la necessità di efficienza: è un cambiamento culturale che ridefinisce la relazione tra documento, informazione e processo. In Italia, il baricentro del mercato si sposta verso modelli as a Service. PMI e grandi aziende rappresentano oggi il 71,5% della domanda, segno di una maturazione verticale che coinvolge tanto il mid-market quanto i big player. E se il 2024 segna un momento di assestamento – complice il rallentamento del PIL italiano e lo slittamento degli incentivi legati al PNRR – le prospettive del Printing sono incoraggianti: secondo il Centro Studi ASSOIT, il comparto Office & Consumer raggiungerà un valore di 1,7 miliardi di euro entro il 2026, consolidando un trend di ripresa dopo la contrazione. Il segmento Service & Solution ha invece mantenuto una stabilità significativa, con una crescita costante rispetto agli anni precedenti. La spiegazione? Un’evoluzione strutturale, più che congiunturale. Non si stampa meno perché si lavora di meno. Si stampa meglio, quando serve, e si gestiscono digitalmente le informazioni che un tempo richiedevano chilometri di carta.

Ma a cambiare non è solo la scala: è la natura stessa della stampa. La stampa obbligatoria – quella legata a compliance, amministrazione e archiviazione – sta progressivamente lasciando il passo alla stampa strategica: output di alta qualità, destinati a comunicazione, marketing e customer experience. Anche la PA – che custodisce un patrimonio informativo essenziale per la trasparenza e l’efficienza dell’azione amministrativa – sta vivendo una profonda trasformazione: l’archivio cartaceo cede il passo all’ecosistema documentale digitale, ridefinendo il concetto di documento, con l’AgID che detta le linee guida su formazione, gestione e conservazione. La sfida? Passare da una gestione a silos a una visione sistemica del dato, capace di assicurare autenticità, integrità e reperibilità in un contesto normativo sempre più stringente.

#DocChain Dal documento al dato, dai silos alla gestione sistemica, l’AI integrata nei processi content-driven
Click To Tweet

NUOVI MODELLI OPERATIVI

Al centro di questa trasformazione si afferma l’AI documentale, vero e proprio abilitatore di nuovi modelli operativi. Dall’automazione dei flussi di lavoro alla classificazione semantica dei contenuti, dalla sicurezza predittiva alla manutenzione dei dispositivi, l’intelligenza artificiale è integrata nei processi content-driven. Non più semplice supporto, ma leva cognitiva dell’intero ecosistema informativo. L’economia delle informazioni si muove su architetture cloud, piattaforme intelligenti e logiche di sostenibilità. L’accessibilità alle informazioni diventa il nucleo del lavoro ibrido, flessibile, interoperabile. E se l’hardware si contrae, sono il software e i servizi a crescere. La gestione documentale non è solo digitale: è anche sostenibile. Dalla progettazione di stampanti e consumabili a basso impatto ambientale alla promozione dell’economia circolare, le aziende stanno integrando nel ciclo di vita dei dispositivi criteri di efficienza energetica, ottimizzazione delle risorse e responsabilità ambientale. L’adozione di materiali originali, la manutenzione predittiva e il cloud printing sono strumenti concreti in questa direzione. Come sottolinea Marcello Acquaviva, presidente di ASSOIT – «nonostante le incertezze macroeconomiche, il settore mostra una straordinaria capacità di adattamento». La combinazione di nuove esigenze di governance documentale e incentivi pubblici per la transizione digitale e green, permetterà di trainare il mercato nei prossimi anni sul terreno della crescita.

APPROCCIO A PIATTAFORMA

Grazie alla potenza dell’AI, i sistemi di gestione documentale possono trasformare il patrimonio informativo in una risorsa strategica, spostando il focus dalla semplice archiviazione all’elaborazione intelligente delle informazioni – come piega Riccardo Zanardini, CTO di ABLE TECH. Nella suite ARXivar sono già previsti moduli di intelligenza artificiale che classificano e catalogano il documento, estraggono le informazioni per l’indicizzazione automatica e ne permettono la ricerca semantica. «I processi documentali, grazie all’AI, sono più agili ed efficienti, interpretando automaticamente tutti quei documenti che in origine non sono stati concepiti per essere gestiti e analizzati da parte dei software, restituendo informazioni preziose che permettono alle aziende di prendere decisioni più consapevoli». Parlando di modalità operative, i vantaggi del cloud sono parecchi – continua Zanardini. «Dal punto di vista tecnico la scalabilità dei servizi e la resilienza, dal lato economico l’ottimizzazione delle risorse e conseguente risparmio sui costi. ARXivar è disponibile sia on-prem che SaaS dove è Able Tech stessa a erogare il servizio. Indipendentemente dalla modalità, la standardizzazione delle API e i numerosi connettori da applicazioni terze – ERP, CRM e sistemi informativi – permettono ai nostri clienti di integrare la suite nei propri workflow, a prescindere che risieda nella intranet o nel cloud». Nell’ultimo anno, Able Tech ha inoltre messo a disposizione dei clienti on-prem un processo di migrazione al cloud che li accompagna nello spostamento dell’istanza ARXivar verso un tenant cloud, garantendo così al cliente l’adozione del cloud senza impatto nell’operatività aziendale. «Il nuovo modulo ARXivar consente ai clienti di operare in modalità ibrida, lasciando l’intera suite in cloud e connettendo in sicurezza i sistemi informativi e hardware tramite agenti, senza modifiche significative all’architettura dei sistemi software».

#DocChain Il patrimonio informativo come risorsa strategica – Riccardo Zanardini ABLE TECH
Click To Tweet

SEMPLICITÀ IN SICUREZZA

Per molte aziende il tema degli attacchi informatici è un’area di crescente sensibilità, soprattutto perché il numero di endpoint connessi in modalità IoT sale costantemente. «In quanto endpoint critici, i dispositivi che compongono il parco stampanti di un’azienda devono necessariamente far parte di una strategia globale di sicurezza delle informazioni aziendali» – spiega Lorenzo Matteoni, senior manager marketing di Brother Italia. «Le aziende devono assicurarsi che tutti i dispositivi di stampa collegati in rete siano protetti a livello di dispositivo, documento e utente. Per questo è consigliabile rivolgersi a fornitori che comprendano i rischi interni ed esterni e ottimizzino i flussi documentali. I fornitori di servizi di stampa gestita come Brother dovrebbero essere il primo interlocutore, poiché sono in grado di fornire consulenza in materia di protezione dei dispositivi. L’emergere di servizi avanzati di sicurezza di stampa mira a migliorare la resilienza contro i tentativi di hackeraggio, rilevare tempestivamente le minacce, monitorare continuamente l’infrastruttura di stampa e migliorare le politiche di sicurezza e consapevolezza degli utenti».

Brother adotta una strategia globale di sicurezza delle informazioni che garantisce un accesso sicuro alla rete e ai dispositivi, senza dimenticare il monitoraggio e la gestione dell’intero flusso documentale, grazie alle soluzioni di security printing, crittografia, pull printing e servizi di stampa gestiti. «Inoltre, assicura il controllo delle stampe in uscita mediante la soluzione integrata Secure Function Lock, che permette di assegnare ad ogni utente funzioni di stampa differenziate, attivabili attraverso NFC o PIN» – continua Matteoni. «Per ridurre i rischi legati alla memorizzazione locale dei documenti, molti dispositivi Brother operano senza hard disk interni, eliminando un potenziale punto critico di sicurezza. Nei modelli top di gamma, la protezione è ulteriormente rafforzata grazie al supporto delle tecnologie crittografiche TLS/SSL, che impediscono fughe di informazioni durante la trasmissione dei dati. La maggior parte dei prodotti Brother, infine, consente di bloccare a distanza chiunque acceda al dispositivo tramite la rete, filtrando gli indirizzi IP e sfruttando il controllo dei protocolli, che consente agli amministratori di disattivare i protocolli non necessari senza bloccare completamente l’accesso a tutte le funzioni, come FTP o SMTP».

#DocChain Dispositivi di stampa efficienti, sostenibili, sicuri e facili da integrare – Lorenzo Matteoni Brother
Click To Tweet

EQUILIBRIO SMART NEI PROCESSI

Nel report “Print Security Landscape 2024” di Quocirca, Canon si conferma leader globale, grazie a una visione strategica della sicurezza nella stampa. In particolare, è uniFLOW Online – la sua piattaforma cloud per la gestione sicura dei flussi di stampa e scansione – a ricevere i massimi riconoscimenti per la capacità di proteggere in modo integrato dispositivi, documenti e dati. Le nuove regole, da DORA e NIS2 alle linee guida AgID, impongono alle aziende soluzioni sicure e conformi. Canon risponde con un portafoglio tecnologico che integra sicurezza by design, governance dei dati e strumenti proattivi per la prevenzione degli incidenti informatici. «Le nostre soluzioni di stampa, come la gamma imageRUNNER ADVANCE e la piattaforma imageFORCE, offrono sicurezza avanzata in ambienti di lavoro ibridi e cloud. Utilizziamo la piattaforma uniFLOW per gestire centralmente la sicurezza dei dispositivi, garantendo protezione dei dati con autenticazione multifattore, crittografia e monitoraggio continuo delle minacce» – spiega Antonino Migliore, product marketing manager Workspace di Canon Italia. Canon è all’avanguardia anche con la piattaforma imageFORCE, che integra AI e machine learning per offrire prestazioni senza precedenti in termini di sicurezza, affidabilità e qualità di stampa.

«Canon è tra i primi brand nel settore del printing a implementarla in modo significativo nei suoi modelli» – evidenzia Migliore. «L’AI sta ridefinendo le capacità dei dispositivi di stampa, consentendo una gestione più intelligente e automatizzata dei flussi di lavoro, migliorando l’efficienza operativa e riducendo gli errori umani. E questo permette di analizzare grandi volumi di dati per ottimizzare i processi di stampa, prevedere le esigenze di manutenzione e personalizzare le impostazioni in base alle esigenze dell’utente» – continua Migliore. «La piattaforma imageFORCE utilizza algoritmi generati dall’AI per ottimizzare la configurazione della sicurezza dei dispositivi e abilitare la manutenzione predittiva, permettendo di monitorare la salute dei componenti in tempo reale e prevedere potenziali guasti prima che si verifichino. In questo modo, si riducono i tempi di inattività e si migliora la continuità del workflow. L’approccio proattivo riduce i costi di manutenzione, aumentando l’efficienza operativa e la soddisfazione del cliente».

#DocChain Visione bilanciata tra automazione dei processi e integrazione – Antonino Migliore Canon
Click To Tweet

A fianco dell’efficienza operativa, l’altro pilastro della strategia Canon è la sostenibilità ambientale, integrata in ogni fase del ciclo di vita del prodotto. Canon conferma la sua leadership nella sostenibilità: premiata da Quocirca come “Sustainability Leader 2024” e certificata Gold da EcoVadis, entra nel top 5% delle aziende globali per pratiche responsabili. Tra i principali traguardi raggiunti, l’adozione di un packaging eco-sostenibile e il sistema uniFLOW. «Canon adotta diverse strategie per ridurre l’impatto ambientale delle sue soluzioni di stampa e gestione documentale» – spiega Migliore. «La gamma imageRUNNER ADVANCE ES è realizzata fino al 90% con materiali rinnovati. La piattaforma imageFORCE integra tecnologie per migliorare l’efficienza energetica, come il toner a bassa temperatura e l’uso di plastica riciclata».

EFFICIENZA GREEN BY DESIGN

Epson ha inventato e continua a sviluppare senza sosta la tecnologia Heat-Free, che non utilizza calore per l’espulsione dell’inchiostro e quindi presenta consumi energetici ed emissioni di CO2 equivalente di un ordine di grandezza inferiori a quelli delle stampanti laser, che l’azienda ha definitivamente cessato di produrre e vendere a fine 2024 – come spiega Luca Motta, head of sales Office Print di Epson Italia. Inoltre, grazie al design semplificato con meno componenti da sostituire, i prodotti generano meno rifiuti e comportano anche un abbattimento dei costi per gli utilizzatori. «Le nostre sacche di inchiostro ad altissima capacità (fino a 100mila copie) portano significativi benefici legati all’ambiente» – continua Motta.

«Le dimensioni nettamente inferiori rispetto alle cartucce di toner riducono non solo la quantità di plastica e altri materiali, ma anche pesi e volumi per la loro movimentazione, stoccaggio e smaltimento. Per i trasporti intercontinentali via nave dei nostri prodotti, abbiamo firmato un accordo con Maersk che utilizza biocarburanti, così da ridurre l’impatto legato alla loro movimentazione e smaltimento». La strategia as a Service emerge come una delle più promettenti per fornire soluzioni allineate alle esigenze del mercato e dei clienti finali. «Ovviamente, insieme ai nostri partner certificati» – commenta Motta, perché Epson opera sul mercato esclusivamente tramite il canale indiretto. «In sostanza, intensifichiamo il portafoglio “Print as a Service” con nuove soluzioni certificate non solo dal punto di vista tecnologico, ma anche della sostenibilità. Un vantaggio per i clienti, oltre al classico e ormai scontato passaggio da CapEx a OpEx».

#DocChain Efficienza green by design oltre la rendicontazione ESG – Luca Motta Epson
Click To Tweet

Epson adotta metriche avanzate per calcolare l’impatto delle sue soluzioni di smart printing e gestione documentale. «Se facciamo riferimento alla nostra filiera sostenibile, la metrica rileva quanto la nostra tecnologia impatta sugli indici finanziari delle aziende con cui collaboriamo, un valore sul quale ci confrontiamo con i nostri partner di canale al fine di portare un beneficio concreto e misurabile» – spiega Motta. «Per quanto riguarda i clienti finali, invece, proponiamo metriche che calcolano con precisione l’incidenza della nostra tecnologia su molteplici fattori presi in considerazione dal bilancio di sostenibilità che le aziende devono presentare, tra cui risparmio energetico, riduzione dei materiali di scarto, emissioni di CO2. Tutto questo è possibile grazie all’Optimization report, lo strumento che mettiamo a disposizione dei nostri clienti e che illustra con precisione l’impatto di questo tipo di indici».

AI, CLOUD E GOVERNANCE

Entro un orizzonte temporale di tre-cinque anni, il settore della gestione documentale e dello smart printing sarà plasmato da tre fattori chiave: intelligenza artificiale, cloud e sostenibilità. Questi pilastri non solo guideranno l’innovazione tecnologica, ma ridisegneranno anche i modelli operativi, migliorando l’efficienza, l’accessibilità e l’impatto ambientale delle soluzioni aziendali – come spiega Davide Raggi, product manager Processi Digitali di Konica Minolta. «L’AI migliora l’automazione dei workflow documentali, ottimizzando il time-to-information e semplificando la gestione dei dati. Il cloud consente di gestire i workload in maniera dinamica, assicurando sicurezza, scalabilità e interoperabilità tra ambienti fisici e digitali. Infine, la sostenibilità sta portando il settore verso un modello “zero-waste”, tanto con l’adozione di materiali riciclati, toner rigenerati e soluzioni a basso consumo energetico, quanto con l’​adozione di soluzioni di digitalizzazione documentale per ridurre significativamente l’uso della stampa, promuovendo pratiche più efficienti e diminuendo la necessità dell’archiviazione cartacea».

#DocChain Dati, sicurezza e cloud: il trinomio vincente – Davide Raggi Konica Minolta
Click To Tweet

L’AI è sempre più integrata nelle soluzioni di gestione documentale e smart printing di Konica Minolta – aggiunge Luca Dongiovanni, product manager Office Solutions di Konica Minolta. «Grazie alle sue capacità di automazione e analisi predittiva, l’AI semplifica la ricerca dei documenti, automatizza la classificazione e migliora la sicurezza attraverso il rilevamento di anomalie nei flussi documentali. Questo consente alle aziende di lavorare in modo più produttivo, sicuro ed efficiente». In un contesto di crescente adozione del cloud e di ambienti di lavoro ibridi, la sicurezza dei dati è fondamentale – continua Dongiovanni. «Konica Minolta adotta un approccio Zero Trust, basato su autenticazione avanzata e crittografia end-to-end, per proteggere le informazioni in ogni fase del loro ciclo di vita. Inoltre, l’integrazione con Bitdefender offre protezione in tempo reale contro malware e cyber-attacchi, garantendo agli MFP lo stesso livello di sicurezza di altri dispositivi connessi alla rete aziendale, come server e workstation». Le esigenze di digitalizzazione delle imprese private e della PA convergono verso soluzioni integrate e scalabili.

#DocChain AI e Zero Trust per ambienti di lavoro ibridi più sicuri – Luca Dongiovanni Konica Minolta
Click To Tweet

«Da un lato le grandi aziende puntano su flessibilità e cloud, dall’altro la PA richiede elevati standard di sicurezza e compliance normativa» – spiega Davide Raggi. «La NIS2 impone alle organizzazioni di valutare con maggiore attenzione fornitori e tecnologie, assicurando la resilienza delle infrastrutture critiche e la continuità operativa. Konica Minolta offre piattaforme di gestione documentale sicure e conformi, capaci di rispondere a queste esigenze e migliorare la produttività». Il punto è che le aziende sia private che pubbliche necessitano di soluzioni in grado di garantire un’integrazione fluida tra ambienti on-prem e cloud, riducendo l’impatto ambientale.

«La soluzione SAFEQ Cloud centralizza la gestione documentale, eliminando la necessità di server locali e semplificando la gestione della stampa attraverso un’unica piattaforma accessibile ovunque» – spiega Luca Dongiovanni. Sul fronte della sostenibilità, Konica Minolta offre soluzioni che riducono l’impatto ambientale lungo l’intero ciclo di vita del prodotto. «L’uso di toner rigenerati, materiali riciclati e dispositivi a basso consumo energetico permette alle aziende di ridurre il proprio carbon footprint, contribuendo a un’economia più circolare». In questo contesto, anche il modello as a Service si afferma come alternativa evoluta rispetto ai tradizionali sistemi di acquisto – rileva Dongiovanni. «E consente alle imprese di gestire l’intero ecosistema documentale come un servizio con costi certi e pianificabili, scalabilità su misura delle esigenze aziendali e minore pressione sull’infrastruttura IT. A ciò si aggiungono aggiornamenti tecnologici costanti e un modello operativo che migliora l’efficienza e riduce l’impatto ambientale, delineando un nuovo standard nella gestione documentale».

LAVORO IBRIDO IN SICUREZZA

Intelligenza artificiale, cloud e sostenibilità ridefiniscono anche il concetto di workspace, trasformandolo in un ambiente digitale, flessibile e sicuro, in cui dati e documenti sono accessibili e gestibili in modo efficiente. «Grazie all’apprendimento automatico e all’elaborazione del linguaggio naturale, l’AI consente di estrarre informazioni chiave dai documenti e automatizzare i flussi di lavoro, riducendo il time-to-information» – spiega Andrea Contarini, solutions lead e marketing director di Kyocera Document Solutions Italia. «Per esempio, l’AI può essere utilizzata per classificare automaticamente i documenti, rilevare anomalie e generare report personalizzati, estraendo informazioni utili per il decision-making e la collaborazione». La sicurezza dei dati è una priorità assoluta in un contesto di crescente adozione del cloud e di ambienti di lavoro ibridi. Kyocera risponde a questa sfida offrendo strategie di sicurezza a più livelli, che includono la crittografia dei dati, l’autenticazione a più fattori e la gestione delle identità e degli accessi. «Inoltre, le nostre soluzioni garantiscono la conformità alle normative sulla privacy e la protezione da minacce informatiche in continuo aumento» – continua Contarini.

#DocChain Blockchain, interoperabilità e compliance – Andrea Contarini #KyoceraDocumentSolutions
Click To Tweet

«La domanda di soluzioni per la gestione documentale è in crescita in tutti i segmenti di mercato, dalle grandi aziende alle PMI. Le imprese cercano soluzioni che consentano di automatizzare i processi, migliorare la collaborazione e ridurre i costi. Nella PA, dove siamo attivi da molti anni, l’attenzione è rivolta in particolare alla digitalizzazione dei documenti e alla semplificazione dei processi amministrativi. Grazie alla sua capacità di garantire l’integrità e l’immutabilità dei dati, la blockchain avrà un ruolo importante nella gestione documentale sicura». Le crescenti pressioni normative e di mercato legate agli obiettivi ESG trasformano la sostenibilità in leva strategica per l’efficienza e la competitività aziendale. Kyocera integra questa dimensione attraverso sistemi di stampa ad alta efficienza energetica, componenti a lunga durata e soluzioni documentali orientate all’ottimizzazione dei workflow. Il modello si completa con pratiche avanzate di riduzione dei rifiuti e riciclo, in linea con i principi dell’economia circolare, e con l’adozione di strumenti come PrintReleaf, che permette la compensazione automatizzata dell’uso di carta e delle emissioni di CO2 tramite iniziative di riforestazione e sviluppo di energia rinnovabile.

LA CONFORMITÀ COME LEVA

L’integrazione di piattaforme digitali avanzate per l’interoperabilità, la compliance normativa e la protezione dei dati rappresentano le direttrici per garantire efficienza, trasparenza e continuità operativa nei flussi documentali della PA. La gestione documentale rappresenta un asset strategico per migliorare i servizi e modernizzare l’interazione tra Stato e cittadini. «Alla transizione digitale contribuiscono in modo significativo l’attuazione del Piano Triennale per l’Informatica nella PA promosso dall’Agenzia per l’Italia Digitale, l’adozione del modello cloud first, l’attivazione di servizi online e l’integrazione con le piattaforme nazionali come PagoPA per i pagamenti digitali, SPID e CIE per l’identità digitale, l’app IO per la comunicazione con i cittadini, SEND per lo scambio elettronico di documenti e la PDND per l’interoperabilità dei dati» – spiega Chiara Grapelli, Area Osservatorio Normativo e responsabile del sistema di conservazione digitale a norma di PA Digitale Spa.

Nel quadro normativo di riferimento, che va dalla semplificazione del rapporto tra PA e imprese alle Linee Guida AgID sulla formazione, gestione e conservazione dei documenti informatici, le PA sono chiamate ad adeguare i propri sistemi per assicurare la validità giuridica dei documenti e il rispetto degli obblighi amministrativi, giuridici e archivistici. «Questo implica – spiega Grapelli – la corretta gestione dei documenti sin dalla loro creazione, l’organizzazione efficace dei flussi e delle aggregazioni documentali, il rispetto delle misure di sicurezza ICT, la protezione dei dati personali in linea con il GDPR e, in ultimo, il trasferimento in sistemi di conservazione a norma per garantirne autenticità e integrità nel tempo». Nel rispondere alle disposizioni di legge – evidenzia Chiara Grapelli – «la gestione documentale smart consente di ottimizzare i processi interni, migliorare la comunicazione e offrire servizi pubblici più trasparenti e accessibili, realizzando quella Pubblica Amministrazione più efficiente e vicina ai cittadini che è il primo obiettivo della digitalizzazione».

#DocChain La digitalizzazione documentale accelera nella PA – Chiara Grapelli PA Digitale Spa
Click To Tweet

In questo panorama – «l’ambiente di lavoro si sposta da un modello fisico a uno “digitale distribuito”, che troverà sempre più applicazione perché garantisce uno spazio aperto, con accesso da remoto sicuro, in cui l’automazione dei flussi di lavoro favorisce la collaborazione tra gli utenti e una gestione di processi e attività più fluida ed efficace». Inevitabile, il rimando all’intelligenza artificiale, che applicata alla gestione documentale, rappresenta una grande opportunità per automatizzare attività ripetitive e migliorare i processi decisionali basati sui dati. Un passo decisivo in questa direzione – rileva Chiara Grapelli – che non può prescindere dall’integrazione attenta e robusta della sicurezza. «Lo sviluppo dovrà essere accompagnato da adeguate misure di cybersecurity, per garantire l’affidabilità e la protezione delle informazioni, in conformità con le normative europee e nazionali di prossima definizione».

WORKFLOW A IMPATTO ZERO

Se l’automazione dei flussi di lavoro, l’attenzione alla sostenibilità e l’integrazione con il cloud ibrido rappresentano i driver del settore, il minimo comune denominatore è l’intelligenza artificiale, che contribuisce a ottimizzare i processi, migliorando l’efficienza della manutenzione predittiva dei dispositivi di stampa – come spiega Valentina Magi, direttrice marketing di Ricoh Italia. «Tecnologie come il machine learning consentono, infatti, una gestione intelligente dei documenti e dei workflow, migliorando proattività ed efficienza. Queste innovazioni stanno trasformando il printing in un elemento centrale del digital workplace. La stampa diventa così una risorsa strategica, non più vista come un’attività a sé stante, ma come un processo integrato».

I dispositivi multifunzione Ricoh diventano veri e propri hub per ambienti di lavoro digitali, ottimizzando la gestione dei workflow, la collaborazione tra team e contribuendo alla creazione di un workplace più sostenibile ed efficiente. «In qualità di Workplace Integrator – continua Valentina Magi – Ricoh è in grado di connettere ambienti fisici e virtuali, con un approccio che garantisce alle persone un’esperienza produttiva e soddisfacente, offrendo un accesso immediato, centralizzato e sicuro alle informazioni, da qualsiasi dispositivo e in qualsiasi luogo». Da anni, Ricoh è in prima linea nel promuovere un approccio sostenibile, adottando modelli di economia circolare e sviluppando soluzioni di stampa progettate per ridurre al minimo l’impatto ambientale. «Questo impegno si traduce in un percorso integrato che mira a coniugare innovazione tecnologica e responsabilità ecologica, consolidando la posizione dell’azienda come leader nella sostenibilità nel settore» – spiega Valentina Magi. «Innanzitutto, promuoviamo l’efficienza energetica dei nostri dispositivi, grazie a funzionalità e servizi, come Ricoh Green Mode, che ottimizzano il consumo di energia durante l’uso e in modalità standby. Ovviamente, è inevitabile che resti un impatto residuo ed è per questo che Ricoh ha sviluppato il servizio Carbon Balanced: in collaborazione con autorevoli partner internazionali, realizziamo progetti green per neutralizzare le emissioni di CO2 dell’intero ciclo di vita del prodotto, con dati quantificati da EcoLeaf e certificati secondo la norma ISO 14025, garantiti da una verifica indipendente».

#DocChain I dispositivi multifunzione come hub per ambienti di lavoro ibridi – Valentina Magi Ricoh
Click To Tweet

L’impegno di Ricoh si distingue per la sinergia tra l’attenzione ambientale dell’azienda e la costruzione di una cultura della sostenibilità condivisa con i clienti – sottolinea Valentina Magi. «Oltre a guidare l’innovazione tecnologica, vogliamo promuovere il cambiamento verso un futuro sostenibile, concentrandoci non solo sulle nostre pratiche ambientali, ma anche coinvolgendo attivamente i nostri clienti mediante un approccio data-driven, per cui l’impatto delle scelte e delle soluzioni è sempre chiaramente misurabile per un miglioramento costante nel tempo».

Brother: L’evoluzione del mondo Printing

L'articolo Doc chain: oltre la stampa, dentro i processi proviene da Data Manager Online.

La rivoluzione della finanza è già in atto, alimentata da tecnologie di frontiera come la finanza decentralizzata (DeFi), l’intelligenza artificiale e l’embedded finance, che stanno ridisegnando in profondità l’intero ecosistema finanziario. Non si tratta solo di innovazioni di prodotto, ma di una trasformazione strutturale che investe modelli di business, dinamiche di mercato e relazioni con i consumatori. La DeFi rappresenta un nuovo paradigma in cui servizi finanziari come prestiti, trading, investimenti e assicurazioni vengono erogati attraverso smart contract su blockchain, senza il coinvolgimento di intermediari tradizionali. Grazie a protocolli aperti e programmabili, chiunque può accedere a questi servizi in modo diretto, trasparente e sicuro, con un impatto potenzialmente dirompente per banche e operatori legacy.

Accanto a questo, l’AI abilita una personalizzazione spinta dei servizi su scala, mentre l’embedded finance – in altre parole, l’integrazione “invisibile” di funzionalità finanziarie in app e piattaforme non bancarie – ridefinisce le aspettative dei clienti e sposta la competizione ben oltre i confini del settore bancario. Questo dossier analizza le direttrici principali di questo cambiamento profondo, evidenziando le tecnologie emergenti, gli impatti sui modelli operativi e le strategie che istituzioni finanziarie, fintech e big tech devono adottare per restare rilevanti in un mercato in rapida e continua evoluzione.

NUOVI ORIZZONTI

L’universo degli asset digitali ha superato la fase pionieristica, legata quasi esclusivamente alla speculazione, evolvendosi in un ecosistema complesso che sfida apertamente i paradigmi della finanza tradizionale. Il concetto stesso di valuta digitale si è trasformato, aprendo la strada a una finanza più aperta, programmabile e potenzialmente disintermediata: la finanza decentralizzata.

Il viaggio è iniziato con Bitcoin, concepito come “oro digitale” e sistema di pagamento peer-to-peer decentralizzato. Sebbene rivoluzionario, la sua volatilità ne ha limitato l’uso pratico quotidiano. Una risposta è arrivata con le stablecoin: criptovalute ancorate a valute fiat (euro, dollaro) o altri asset, progettate per mantenere un valore stabile. Questa innovazione ha gettato il ponte necessario per applicazioni finanziarie più complesse nel mondo crypto. Infatti, la capitalizzazione di mercato delle stablecoin ha visto una crescita esponenziale, superando i 230,45 miliardi di dollari nel marzo 2025, con una crescita del 56% rispetto allo stesso periodo dell’anno precedente.

Tuttavia, il vero motore della DeFi sono gli smart contract, resi popolari da piattaforme come Ethereum. Sono protocolli informatici che eseguono automaticamente i termini di un accordo al verificarsi di determinate condizioni. Questa programmabilità permette di replicare, e spesso automatizzare, molti servizi finanziari tradizionali – prestiti, scambi, assicurazioni – senza la necessità di intermediari centralizzati come banche o broker. Si passa così da una semplice transazione di valore a veri servizi finanziari automatizzati e decentralizzati.

L’automazione via smart contract ha generato una nuova gamma di prodotti finanziari, spesso accessibili globalmente 24/7. Spiccano il Lending & Borrowing Decentralizzato, dove piattaforme come Aave o Compound permettono agli utenti di prestare criptovalute per interessi o prenderle in prestito, fornendo il collaterale (deposito di un’altra criptovaluta come garanzia), con tassi e liquidazioni gestiti algoritmicamente. Altrettanto importanti sono gli scambi decentralizzati (DEX), come Uniswap, che consentono lo scambio diretto di token tra utenti eliminando l’intermediario centrale, affidandosi a pool di liquidità forniti dagli utenti stessi. I volumi di scambio sui DEX hanno visto una crescita significativa, raggiungendo per la prima volta il 20% dei volumi complessivi rispetto agli scambi centralizzati (CEX) nel gennaio 2025. Nel 2024, i DEX hanno processato oltre 1,76 trilioni di dollari in volumi di scambio spot, con una crescita costante che ha portato la loro quota di mercato dal 9% a oltre il 20% entro l’inizio del 2025. Emergono anche strategie più complesse e rischiose come lo Yield Farming e il Liquidity Mining, dove gli utenti forniscono liquidità a protocolli DeFi in cambio di ricompense, incentivando la partecipazione e generando forme innovative di rendimento potenziale.

#Finance La decentralizzazione non elimina solo l’intermediario, cambia le regole della fiducia
Click To Tweet

Questi strumenti sono solo la punta di un iceberg in continua evoluzione. Il settore DeFi sperimenta costantemente nuovi modelli per la gestione del capitale e del rischio, delineando orizzonti finanziari ancora in parte inesplorati. Di fronte a questa ondata di innovazione “dal basso”, istituzioni finanziarie e banche centrali non sono rimaste passive. Un numero crescente di Paesi esplora o sviluppa le Central Bank Digital Currencies (CBDC). Pur digitali, le CBDC incarnano un approccio centralizzato: una versione digitale della valuta fiat nazionale, emessa e garantita dalla banca centrale. Il loro ruolo potenziale è ampio: migliorare l’efficienza dei pagamenti, favorire l’inclusione finanziaria e fornire un’alternativa digitale pubblica a criptovalute private e stablecoin. Tuttavia, sollevano interrogativi su privacy, controllo e impatto sul sistema bancario. Per esempio, la Banca centrale europea sta attivamente esplorando il potenziale di un euro digitale, con una fase di sperimentazione e consultazione pubblica in corso per valutarne l’implementazione e gli impatti. Si inseriscono quindi nel panorama come elemento complementare, ma distinto dall’ethos decentralizzato della DeFi.

La DeFi promette una finanza più aperta, efficiente e trasparente, ma il suo sviluppo non è privo di ostacoli. L’innovazione corre veloce, spesso superando la capacità di comprenderne appieno i rischi. Le vulnerabilità negli smart contract, le manipolazioni di mercato (“rug pull”), la volatilità estrema e l’incertezza normativa restano sfide concrete. Nel 2024, il settore DeFi ha registrato perdite per circa 474 milioni di dollari a causa di hack ed exploit: un dato ancora elevato, ma in calo del 40% rispetto al 2023, segnale di un progressivo miglioramento nella sicurezza. Guardando all’intero ecosistema crypto, però, le perdite totali superano ancora i 2,9 miliardi di dollari. Le vulnerabilità nei controlli di accesso rappresentano il 75% degli attacchi, mentre le truffe di phishing causano danni per oltre 600 milioni. Ciò evidenzia che, nonostante i progressi nella sicurezza, permangono gravi vulnerabilità e la necessità di ulteriori miglioramenti. Per questo, è necessario trovare un equilibrio tra spinta innovativa decentralizzata e necessità di tutela degli utenti e stabilità del sistema. Se la DeFi ambisce a eliminare gli intermediari, emerge il bisogno di nuovi meccanismi (tecnologici, procedurali, regolamentari come il MiCA europeo) per assicurare sicurezza e trasparenza. Paradossalmente, principi fondamentali della finanza tradizionale (gestione del rischio, due diligence, chiarezza contrattuale) rimangono vitali, sebbene reinterpretati in un contesto tecnologico diverso.

INTELLIGENZA PREDITTIVA

L’intelligenza artificiale (AI) e il machine learning (ML) stanno permeando ogni aspetto dei servizi finanziari, trasformando radicalmente il modo in cui le istituzioni operano, interagiscono con i clienti e gestiscono i rischi. Dall’automazione dei processi all’iper-personalizzazione, l’AI è diventata una leva competitiva fondamentale. Uno degli ambiti di maggiore impatto è l’analisi del rischio.

Gli algoritmi predittivi basati sull’AI esaminano vasti volumi di dati (tradizionali e alternativi) in tempi rapidissimi per valutare l’affidabilità creditizia con una granularità impensabile prima. I benefici sono molteplici: scoring del credito più preciso, che contribuisce a ridurre i crediti deteriorati (NPL) e ad ampliare potenzialmente l’accesso al credito, approvazione dei prestiti più rapida grazie all’automazione, e pricing dinamico del rischio per offerte più mirate. Secondo recenti studi, oltre il 77% delle banche globali ha già implementato soluzioni di AI nel proprio risk management, riconoscendone il valore strategico per la gestione dei rischi operativi, di credito e di conformità. Questo dato riflette un crescente interesse verso l’automazione e l’analisi avanzata, che consentono alle istituzioni finanziarie di identificare e mitigare i rischi in modo più rapido ed efficace rispetto ai metodi tradizionali. L’AI ottimizza anche la gestione degli investimenti (analisi di mercato, asset allocation), la valutazione degli asset e la modellistica finanziaria complessa. L’intelligenza artificiale rivoluziona l’approccio “one-size-fits-all” nel settore finanziario, consentendo la creazione di esperienze cliente altamente personalizzate.

#Finance # Ogni transazione è trasparente, ogni decisione è nel codice
Click To Tweet

Tra gli esempi più rilevanti, spiccano i robo-advisor per la consulenza finanziaria automatizzata e le piattaforme algoritmiche che consentono di costruire e gestire portafogli d’investimento a costi competitivi. Un’evoluzione in corso sta introducendo modelli ibridi, dove la tecnologia potenzia e integra l’intervento del consulente umano. L’analisi avanzata del comportamento del cliente consente di sviluppare strategie di marketing e offerte personalizzate, proposte al momento giusto e sul canale preferito. Infine, i chatbot e gli assistenti virtuali intelligenti offrono supporto 24/7 per le richieste più semplici, liberando risorse umane per attività a maggiore valore aggiunto. Come dichiarato da Gopi Thangavel, CIO di Larsen & Toubro (L&T), colosso indiano con una forte presenza globale, leader nell’innovazione tecnologica applicata a progetti EPC (Engineering, Procurement & Construction), manifattura avanzata e servizi high-tech: «L’intelligenza artificiale consente l’iper-personalizzazione utilizzando dati sui clienti e analisi comportamentali per creare esperienze su misura. L’AI conversazionale, come chatbot e assistenti vocali, migliora le interazioni, mentre l’analisi predittiva anticipa le esigenze dei clienti per un servizio proattivo».

In un contesto di minacce informatiche crescenti e normative stringenti, l’AI offre strumenti potenti. Il rilevamento frodi in tempo reale usa algoritmi per identificare pattern sospetti con velocità e precisione superiori, bloccando le frodi precocemente. L’intelligenza artificiale gioca un ruolo chiave nei processi di Anti-Money Laundering (AML) e Know Your Customer (KYC), automatizzando e potenziando le attività di verifica e monitoraggio. Grazie all’AI, le istituzioni finanziarie possono adempiere agli obblighi normativi con maggiore efficienza, tempestività e precisione, riducendo al contempo costi e rischi operativi. Inoltre, la cybersecurity predittiva identifica proattivamente potenziali vulnerabilità e attacchi. L’AI sta dimostrando un’efficacia straordinaria anche nel rilevamento delle frodi, con tassi di precisione che raggiungono il 96,8%, grazie all’uso di algoritmi avanzati e modelli di machine learning.

Questi sistemi non solo rilevano schemi sospetti in tempo reale, ma abbattono i falsi positivi a livelli inferiori allo 0,075%, ottimizzando l’efficienza operativa e migliorando in modo significativo l’esperienza del cliente. La capacità dell’AI di adattarsi rapidamente a schemi fraudolenti in evoluzione e di analizzare enormi volumi di dati in millisecondi consente alle istituzioni finanziarie di intercettare le frodi in fase iniziale, con una riduzione delle perdite fino al 67% in alcuni casi studio. L’adozione dell’intelligenza artificiale apre nuove frontiere per il business, ma solleva qualche interrogativo. Uno dei rischi più discussi è quello del bias algoritmico: quando gli algoritmi riflettono – o addirittura amplificano – i pregiudizi insiti nei dati, possono generare decisioni discriminatorie. Da qui l’urgenza di puntare su trasparenza e spiegabilità, attraverso l’Explainable AI (XAI), per rendere comprensibili e verificabili le scelte delle macchine, soprattutto in settori ad alta sensibilità, garantendo equità e conformità normativa, come previsto dal GDPR. Sul fronte del lavoro, l’AI ridisegna il panorama occupazionale: se da un lato genera nuove figure professionali – dal data scientist all’AI ethicist – dall’altro impone un’ampia riqualificazione della forza lavoro per colmare lo skill gap. Affrontare con visione queste sfide è determinante per valorizzare il potenziale dell’AI in modo responsabile, sostenibile e realmente inclusivo.

#Finance NIS2 e DORA, il 75% degli attacchi DeFi deriva da vulnerabilità di accesso
Click To Tweet

BANCHE SENZA BANCA

L’altra trasformazione profonda è l’integrazione dei servizi finanziari direttamente in piattaforme e applicazioni non finanziarie. L’embedded finance rende la finanza contestuale, conveniente e spesso “invisibile”, mentre il Banking as a Service (BaaS) fornisce l’infrastruttura tecnologica abilitante. L’obiettivo è integrare i servizi finanziari – pagamenti, prestiti, assicurazioni – direttamente nel contesto in cui sono richiesti, offrendo un’esperienza utente senza interruzioni. Tra gli esempi più rappresentativi, troviamo il Buy Now Pay Later (BNPL) durante il checkout sugli e-commerce, i prestiti contestuali proposti da rivenditori o piattaforme di viaggio, le assicurazioni integrate all’acquisto di beni e i servizi bancari disponibili nelle app di terze parti, come quelle di contabilità per PMI.

Il mercato dell’embedded finance sta vivendo una crescita straordinaria, con un valore stimato di 115,8 miliardi di dollari nel 2024, destinato a raggiungere i 251,5 miliardi di dollari entro il 2029, con un tasso di crescita annuale composto (CAGR) del 16,8%. Lo sviluppo è alimentato dalla crescente domanda di servizi finanziari integrati e senza soluzione di continuità all’interno di piattaforme non finanziarie, migliorando l’esperienza utente e aumentando i tassi di conversione per le aziende.

Alla base c’è il Banking as a Service (BaaS). Banche e istituti finanziari con licenza espongono le proprie funzionalità (apertura conti, pagamenti, emissione carte, KYC) tramite API. Aziende terze – fintech o altre – possono “affittare” queste funzionalità e integrarle rapidamente nei propri prodotti, senza necessità di licenze bancarie o infrastrutture complesse. Il BaaS democratizza l’accesso ai servizi finanziari, permettendo a più attori di innovare.

Embedded finance e BaaS creano nuovi ecosistemi digitali dove attori finanziari e non finanziari collaborano e competono. Emergono opportunità per le banche (nuovi ricavi B2B da BaaS, accesso a nuovi clienti tramite partner) e per le aziende non finanziarie (fidelizzazione cliente, nuovi ricavi, dati sul comportamento d’acquisto). Le fintech beneficiano di uno sviluppo accelerato, potendosi concentrare sull’UX. Tuttavia, ci sono minacce per gli incumbent, che rischiano disintermediazione e perdita del contatto col cliente, diventando semplici fornitori infrastrutturali (commoditizzazione).

Secondo Philippe de Backer, managing partner e global financial services lead di Arthur D. Little – «il Banking as a Service è il collegamento mancante tra gli attori tradizionali del settore bancario e i nuovi disruptor. Questo modello consente alle banche di ridurre il time-to-market dei nuovi prodotti fino a dieci volte, mantenendo la loro rilevanza e rafforzando il ruolo strategico nel panorama finanziario in evoluzione». Il successo di questa evoluzione dipende dalla capacità di costruire e gestire ecosistemi basati su API aperte, sicure e performanti, in linea con normative come PSD2 e Open Banking. Le alleanze strategiche tra banche, fornitori di BaaS, fintech e altre imprese sono fondamentali per offrire esperienze integrate e competitive. In questo contesto, la capacità di collaborare è tanto importante quanto la tecnologia stessa.

#Finance La sicurezza non è una funzione ma condizione abilitante
Click To Tweet

PAGAMENTI FLUIDI

Il mondo dei pagamenti è in costante fermento, spinto dalla domanda di velocità, convenienza e sicurezza. L’innovazione tecnologica rende le transazioni sempre più fluide, fino a renderle quasi invisibili all’interno di esperienze d’acquisto più ampie. In Europa, i pagamenti istantanei, come il SEPA Instant Credit Transfer (SCT Inst), stanno diventando lo standard. La capacità di trasferire fondi in pochi secondi, 24/7, abilita nuovi casi d’uso: pagamenti P2P immediati, e-commerce con accredito istantaneo, pagamento stipendi/fatture in tempo reale. L’adozione diffusa migliora la gestione della liquidità e riduce i rischi di credito. Per il settore retail, questo significa una riduzione dei tempi di attesa per l’incasso, una migliore gestione del magazzino e la possibilità di offrire promozioni e sconti immediati. Per le imprese, i pagamenti istantanei velocizzano le transazioni B2B, ottimizzano la gestione della tesoreria e permettono una maggiore flessibilità nei pagamenti ai fornitori, rafforzando la supply chain.

Metodi tradizionali sono affiancati da alternative digitali. I wallet digitali (Apple Pay, Google Pay, PayPal) aggregano carte e conti, permettendo pagamenti contactless sicuri (tokenizzazione) e convenienti via smartphone/smartwatch. I pagamenti biometrici (impronte digitali, riconoscimento facciale e dell’iride) offrono sicurezza e comodità potenzialmente superiori a PIN/password, con crescente integrazione in device e POS. Entrambe le tecnologie rendono il pagamento più rapido e meno invasivo. Con la diffusione dei dispositivi IoT, emergono nuove possibilità. Immaginiamo auto connesse che pagano automaticamente parcheggi o rifornimento, elettrodomestici intelligenti che riordinano consumabili con pagamento integrato, o dispositivi indossabili (anelli, braccialetti) per pagamenti contactless.

I pagamenti diventano contestuali all’interazione con gli oggetti, aprendo la dimensione “conversazionale” e abilitando transazioni automatizzate. I pagamenti internazionali restano un’area complessa e costosa. L’innovazione si concentra su fintech specializzate (Wise, Revolut) con soluzioni più trasparenti ed economiche, sull’uso di blockchain e criptovalute/stablecoin per regolare transazioni cross-border più rapidamente (progetti pilota con stablecoin/CBDC), e sul potenziamento delle reti di pagamento globali (Swift GPI) per aumentare velocità e tracciabilità. L’obiettivo è rendere i pagamenti internazionali fluidi quanto quelli domestici. In sintesi, il futuro dei pagamenti è istantaneo, invisibile, integrato e potenzialmente programmabile. La sfida per gli operatori non è solo eseguire la transazione, ma costruire servizi a valore aggiunto attorno ad essa, sfruttando dati e contesto.

#Finance # Oltre la transazione, la nuova finanza è esperienziale
Click To Tweet

SFIDE E OPPORTUNITÀ

Le tendenze analizzate – DeFi, AI, embedded finance, pagamenti istantanei – non sono fenomeni isolati, ma forze convergenti che costringono il settore finanziario a ripensare i propri modelli di business. Per affrontare questa trasformazione è necessaria una visione strategica chiara, capace di bilanciare innovazione tecnologica e valori fondamentali. Il vero potenziale si trova nell’integrazione strategica di queste innovazioni: dall’AI per personalizzare le offerte di embedded finance, alla DeFi per la creazione di nuovi prodotti d’investimento accessibili tramite BaaS, fino ai pagamenti istantanei resi possibili da wallet digitali sicuri, supportati da biometria e AI antifrode. Le aziende capaci di orchestrare queste tecnologie per creare soluzioni fluide e centrate sull’utente avranno un vantaggio competitivo.

Il modello tradizionale basato sulla vendita di singoli prodotti lascia il passo a un approccio basato su ecosistemi. Le aziende di successo costruiranno o parteciperanno a reti di partner (banche, fintech, tech company, retailer) per offrire soluzioni integrate in grado di rispondere alle esigenze più ampie (per esempio, comprare casa, avviare un’impresa). Apertura, collaborazione e gestione delle partnership sono la chiave. La customer centricity non è più solo un obiettivo, ma diventa una necessità operativa. Grazie all’intelligenza artificiale e all’analisi dei dati, è possibile raggiungere livelli di iper-personalizzazione senza precedenti, anticipando i bisogni e offrendo soluzioni proattive e contestuali.

Il valore si sposta così dalla transazione alla costruzione di relazioni di lungo termine basate sulla fiducia e sulla capacità di aiutare i clienti a raggiungere i loro obiettivi. In questo scenario, due dimensioni restano cruciali: la responsabilità sociale e ambientale. I criteri ESG sono sempre più integrati nelle decisioni d’investimento e nelle strategie aziendali. La finanza gioca un ruolo chiave nell’indirizzare capitali verso un’economia sostenibile. Ignorare queste dimensioni comporta rischi reputazionali e di competitività. Nonostante l’automazione, il capitale umano rimane centrale: empatia, consulenza strategica complessa, creatività e gestione delle relazioni non sono facilmente sostituibili. La sfida è riqualificare la forza lavoro e integrare capacità umane e tecnologiche, creando ruoli “aumentati” dall’AI. Secondo Wahaj Siddiqui, esperto di trasformazione digitale nel settore finanziario, l’intelligenza artificiale non sta sostituendo i professionisti della finanza, ma sta trasformando i loro ruoli. «La vera opportunità risiede nella collaborazione tra uomo e macchina, dove l’AI automatizza attività ripetitive e consente ai professionisti di concentrarsi su decisioni strategiche e relazioni complesse. Questo approccio non solo migliora l’efficienza, ma crea nuovi percorsi di carriera per chi sa sfruttare le potenzialità dell’AI».

#Finance Dalla banca alla piattaforma: il valore si sposta, l’identità evolve
Click To Tweet

OLTRE LE BARRIERE

I pagamenti digitali non sono solo una questione di convenienza, ma rappresentano un potente strumento per abbattere barriere geografiche e socioeconomiche, promuovendo una maggiore inclusione finanziaria. La loro diffusione sta cambiando il volto dell’accesso ai servizi finanziari, specialmente in contesti dove l’infrastruttura bancaria tradizionale è meno capillare. La rivoluzione dei wallet digitali, per esempio, è particolarmente evidente nei mercati emergenti, dove la penetrazione degli smartphone supera spesso quella dei conti bancari tradizionali. Questi strumenti offrono un accesso semplice e a basso costo a servizi essenziali come l’invio e la ricezione di denaro, il pagamento di bollette e l’acquisto di beni e servizi. Allo stesso modo, i pagamenti istantanei stanno avendo un impatto significativo sulla liquidità di consumatori e piccole imprese, permettendo incassi immediati e una migliore gestione dei flussi di cassa. Secondo recenti studi, l’adozione dei pagamenti istantanei ha migliorato la gestione dei flussi di cassa per oltre il 70% delle PMI in Europa, riducendo i tempi di incasso da giorni a pochi secondi. Questo ha permesso alle piccole imprese di ottimizzare la liquidità, affrontare spese impreviste e investire più rapidamente in crescita e innovazione, evidenziando il ruolo strategico dei pagamenti real-time nell’economia moderna.

Anche le CBDC (Central Bank Digital Currencies) vengono esplorate con grande interesse per il loro potenziale ruolo nell’inclusione finanziaria, offrendo un accesso universale a una forma di denaro digitale sicura e garantita dallo stato. Tuttavia, è fondamentale affrontare la sfida del digital divide: non tutti hanno accesso a smartphone, connettività o possiedono le competenze digitali necessarie. Sono quindi indispensabili strategie mirate per garantire un’adozione realmente inclusiva, che non lasci indietro nessuno. In questo contesto, l’Italia presenta un quadro interessante, quasi paradossale: disponiamo di infrastrutture di pagamento digitale avanzate, ma la loro adozione cresce più lentamente rispetto ad altri paesi europei, a causa di abitudini di pagamento ancora molto legate al contante.

Tuttavia, per la prima volta, in Italia i pagamenti digitali hanno superato il contante in termini di valore transato. Nel 2024, infatti, il 43% dei consumi è stato regolato con strumenti elettronici (dati dell’Osservatorio Innovative Payments del Politecnico di Milano). Accelerare la transizione richiede non solo tecnologia, ma anche interventi culturali, incentivi mirati e una forte educazione finanziaria digitale.

SICUREZZA E COMPETITIVITÀ

La crescente digitalizzazione dei servizi finanziari espone inevitabilmente il settore a minacce cyber sempre più sofisticate e pervasive. Garantire la sicurezza delle transazioni e la protezione dei dati dei clienti non è più solo un requisito di conformità, ma un elemento fondamentale per mantenere la fiducia e la competitività. L’approccio alla cybersecurity sta quindi evolvendo rapidamente.

Il paradigma della sicurezza Zero Trust sta emergendo con forza, superando il concetto tradizionale di perimetro sicuro. Questo approccio richiede una verifica costante di ogni utente e dispositivo che accede alle risorse, indipendentemente dalla loro posizione, garantendo una protezione continua e dinamica. Parallelamente, tecnologie come la biometria comportamentale (analisi del modo in cui un utente interagisce con il dispositivo) e l’autenticazione continua permettono di monitorare le sessioni in tempo reale, rilevando anomalie che potrebbero indicare un accesso non autorizzato. Per esempio, la biometria comportamentale può analizzare la velocità di digitazione, i movimenti del mouse e i pattern di tocco sullo schermo di un utente per creare un profilo unico. Se il comportamento si discosta significativamente da questo profilo, il sistema può richiedere ulteriori verifiche di identità o bloccare l’accesso.

#Finance Oltre la transazione: AI, DeFi e UX ridefiniscono la relazione tra servizi e clienti
Click To Tweet

Oltre alla prevenzione, diventa centrale la resilienza operativa che definisce la capacità di resistere, adattarsi e riprendersi rapidamente da un incidente informatico, minimizzando l’impatto sui servizi. La resilienza richiede piani di continuità operativa robusti e testati regolarmente. La battaglia si gioca anche sul campo dell’intelligenza artificiale: gli attaccanti usano strumenti di AI offensiva per creare attacchi più sofisticati, mentre le contromisure si affidano a strumenti di AI difensiva per analizzare enormi volumi di dati e identificare minacce in modo proattivo. Come afferma Alessandro Acquisti, professore ed esperto di sicurezza informatica, la vera sfida non è solo sviluppare AI difensiva – «ma anche comprendere e anticipare le tattiche dell’AI offensiva, creando un ciclo continuo di apprendimento e adattamento tra sistemi di attacco e difesa».

All’orizzonte si profila poi la sfida del quantum computing: computer quantistici futuri potrebbero rompere gli algoritmi crittografici attuali, rendendo necessarie nuove tecniche di crittografia post-quantistica per proteggere le transazioni future. Prepararsi a questa transizione è già oggi una priorità strategica. In definitiva, la sicurezza non può più essere vista come un costo, ma come un investimento strategico e un differenziatore competitivo essenziale nel panorama finanziario digitale.

INNOVAZIONE E COMPLIANCE

Il settore finanziario è tradizionalmente uno dei più regolamentati, e l’avvento delle nuove tecnologie digitali ha reso il quadro normativo ancora più complesso. Navigare questo panorama richiede non solo capacità di adattamento, ma anche la visione strategica per trasformare la compliance da mero obbligo a leva per un’innovazione responsabile e sostenibile.

L’Unione Europea sta giocando un ruolo pionieristico con normative come il regolamento MiCA (Markets in Crypto-Assets), che crea un quadro armonizzato per gli asset digitali, e DORA (Digital Operational Resilience Act), che stabilisce requisiti stringenti per la resilienza operativa e la gestione dei rischi ICT nel settore finanziario. Comprendere e implementare correttamente queste normative è fondamentale per operare legalmente e costruire fiducia. Parallelamente, si guarda già all’evoluzione della PSD2 verso una potenziale PSD3 e a un framework per l’open finance, che potrebbe estendere la condivisione dei dati (con il consenso del cliente) oltre i conti di pagamento ad altri prodotti finanziari (investimenti, assicurazioni), aprendo così la strada a servizi ancora più integrati e personalizzati.

#Finance Dati, cloud, AI: i mattoni della finanza 4.0, ma è la trasparenza a tenere tutto in piedi
Click To Tweet

In questo contesto, il ruolo dell’integrazione tra regolamentazione e tecnologia si rafforza. Le soluzioni RegTech sono progettate per aiutare le istituzioni finanziarie a gestire la compliance normativa in modo più efficiente ed efficace, attraverso l’automazione di processi chiave come il reporting, il monitoraggio delle transazioni e la gestione dei rischi. Grazie a tecnologie avanzate, queste soluzioni non solo semplificano i processi, ma riducono anche il rischio di errori umani e migliorano la tempestività delle risposte alle autorità di regolamentazione.

Anche le sandbox regolamentari, ambienti controllati dove le imprese possono testare innovazioni sotto la supervisione delle autorità, rappresentano un approccio utile per favorire lo sviluppo tecnologico nel rispetto delle regole. Infine, la normativa si intreccia sempre più con i temi ESG, spingendo verso una finanza digitale sostenibile che richiede trasparenza sull’impatto ambientale delle tecnologie (per esempio, il consumo energetico della blockchain) e promuove l’uso della tecnologia per favorire investimenti sostenibili. La sfida è integrare la compliance normativa e l’innovazione tecnologica in una strategia unitaria, vedendo la regolamentazione non come un freno, ma come un framework che abilita un progresso digitale sicuro, resiliente e responsabile.

Il futuro della finanza appartiene a chi saprà integrare l’innovazione tecnologica con i valori fondamentali: fiducia, sicurezza, trasparenza e servizio al cliente. Il successo non deriverà dall’adozione acritica della tecnologia, ma dalla capacità di utilizzarla per creare nuovi modelli di valore sostenibili, che mettano l’utente al centro, rispondano alle sfide economiche, sociali e ambientali e valorizzino il contributo umano. La trasformazione è complessa, ma offre straordinarie opportunità per chi saprà interpretarla con visione strategica e agilità esecutiva.

Formula: Finanza digitale, la nuova sfida

L'articolo Finance as a Feature. Disegnata in codice, validata dal mercato proviene da Data Manager Online.

I data center come punto di accumulazione dell’economia digitale. L’integrazione di tecnologie AI e machine learning abilita l’automazione del provisioning e della gestione dei workload, mentre modelli “software-defined” e strumenti di Infrastructure as code garantiscono flessibilità e scalabilità in ambienti ibridi. Sul fronte energetico, cresce la spinta verso modelli a zero emissioni, con l’Europa in prima linea. A cambiare è anche la geografia del dato, sempre più distribuita grazie all’edge computing. Mentre l’intelligenza artificiale continua a evolvere, i data center devono adattarsi per supportare la crescente domanda di potenza computazionale, bilanciando il consumo energetico con soluzioni di efficienza avanzata e il ricorso massivo alle energie rinnovabili. I data center di nuova generazione che ospiteranno l’AI dovranno essere in grado di supportare enormi esigenze di calcolo, generando una produzione elevata di calore, che andrà recuperato e riutilizzato sotto forma di energia.

Ma non solo. Si stima che anche la potenza elettrica e il fabbisogno energetico di un data center per l’AI raddoppieranno. Secondo la ricerca pubblicata sei mesi fa dalla International Energy Agency (IEA), nel 2023 gli investimenti in data center da parte dei tre Big del cloud – Amazon, Google e Microsoft – hanno superato, per la prima volta, quelli dell’intero settore petrolifero statunitense, segnando un punto di svolta simbolico nell’economia dell’energia digitale.

L’espansione dei data center richiede livelli di energia vicini a quelli di intere città. Un’infrastruttura da 100 megawatt – oggi considerata standard per i grandi operatori cloud – equivale al fabbisogno elettrico medio di circa 400mila veicoli elettrici in circolazione. Nell’insieme, i data center necessitano già di circa l’1% dell’energia globale, consumando in un anno circa la metà dell’intero consumo rappresentato dai dispositivi IT nelle case di tutto il mondo. Ma secondo l’Agenzia internazionale dell’energia occorre mettere queste cifre in prospettiva perché i valori citati rappresentano una percentuale tutto sommato bassa dei consumi totali e la crescita della domanda di energia elettrica è guidata da fattori molto più importanti, incluso il problema del cambiamento climatico. Questo non esclude che i data center dovranno cercare di raggiungere livelli di densità di potenza di calcolo ed efficienza energetica sempre maggiori, anche considerando che i consumi dei singoli processori nei server fisici diminuiscono.

Avvalendosi di studi e ricerche degli analisti, il dossier analizzerà in profondità le strategie di ottimizzazione dei consumi energetici e dell’utilizzo delle risorse IT virtualizzate, con un focus sulle nuove piattaforme di management e automazione nel governo intelligente delle infrastrutture digitali. Al centro dell’analisi anche il mercato in rapida evoluzione delle soluzioni AIOps, fondamentali per rendere più efficienti gli investimenti infrastrutturali legati all’intelligenza artificiale e per garantire una gestione proattiva e scalabile delle applicazioni AI. È una partita che vale la pena giocare, perché sempre secondo l’IEA proprio l’intelligenza artificiale avrà un ruolo fortemente innovatore nel modo in cui gestiamo la produzione e il consumo di energia. Secondo l’IEA, entro il 2030 il consumo globale di elettricità crescerà di circa 6.750 terawattora, passando dagli attuali 25mila a circa 32-33mila TWh. Un incremento trainato in larga parte dalla digitalizzazione, dall’elettrificazione dei consumi e dalla crescente diffusione dell’intelligenza artificiale. Proiezioni al 2050 indicano che i livelli di consumo previsti per il 2030 potrebbero addirittura raddoppiare. In questa corsa la tecnologia IT può essere una carta vincente.

#datacenter Cloud ibrido, AI e sostenibilità: i tre pilastri del data center future-ready
Click To Tweet

LA SFIDA DEI WORKLOAD AI

L’interesse nei confronti delle infrastrutture digitali e della loro evoluzione verso le esigenze di Big Data e soprattutto dei nuovi workload legati agli algoritmi e ai modelli linguistici dell’intelligenza artificiale, si impone del resto a livello globale. In previsione di un convegno programmato sul tema a Milano, IDC ha reso noti alcuni risultati di un suo recente studio che analizza la spesa infrastrutturale nel 2025.

Nel corso di tutto l’anno – scrivono gli analisti IDC – le decisioni di spesa IT continueranno a premiare l’infrastruttura digitale, confermata tra le principali priorità dalla maggior parte dei responsabili IT aziendali. Le organizzazioni stanno puntando su strategie infrastrutturali ibride, interoperabili e resilienti, con un focus crescente sull’automazione, l’efficienza operativa e la modernizzazione del data center.

Gli investimenti in queste aree sono considerati tra i più immuni da eventuali tagli di budget. Tra i principali risultati emersi dalla ricerca IDC, spicca l’adozione accelerata della GenAI: un’organizzazione su tre ha già portato in produzione diversi workload basati su intelligenza artificiale generativa, spingendo la domanda di infrastrutture scalabili ed efficienti. La spesa infrastrutturale mostra una netta crescita in tre aree strategiche: migrazione applicativa verso il cloud pubblico, potenziamento della cyber resilienza e modernizzazione dei data center, ambiti in cui si concentra la maggior parte degli investimenti previsti.

Al centro delle strategie infrastrutturali, secondo IDC, si conferma il modello ibrido. Tre organizzazioni su quattro mantengono ancora un proprio data center, integrato con ambienti on-premise, co-location, edge e cloud pubblico, consolidando l’approccio ibrido come standard operativo dominante. Parallelamente, cresce l’attenzione verso l’efficienza operativa e il contenimento dei costi IT: oltre un terzo delle aziende sta dando priorità agli investimenti in automazione dell’infrastruttura e in tecnologie di osservabilità potenziate dall’intelligenza artificiale. Questi trend delineano l’ingresso in una nuova fase della trasformazione digitale, in cui l’infrastruttura IT si afferma come elemento strategico per abilitare l’adozione dell’AI e rispondere alle esigenze pressanti di agilità, scalabilità e resilienza.

HYPERSCALER, IL FUTURO E’ GIÀ QUI

Il legame tra intelligenza artificiale e potenza computazionale è una questione molto più complessa del semplice paradigma della dualità tra server/data center da un lato e applicazioni dall’altro. AI e cloud sono intimamente connessi e questo sostanzialmente significa che anche il fenomeno della creazione di nuova infrastruttura e dell’evoluzione dei data center esistenti è animato da dinamiche non lineari. Gran parte della sperimentazione condotta dalle aziende si basa sull’accesso a modelli di intelligenza artificiale forniti in modalità as-a-Service dai principali player del settore, come OpenAI, Google (Gemini) e Meta. Queste piattaforme consentono alle organizzazioni di testare e implementare soluzioni GenAI in modo rapido e scalabile, riducendo la complessità tecnologica e accelerando il time-to-value.

In questo momento il progetto con maggiore visibilità, Stargate, viene promosso da OpenAI insieme a partner di eccezione. Ecco come OpenAI ha presentato l’iniziativa varata il primo gennaio di quest’anno, con un tono trionfalistico che strizza esplicitamente l’occhio ai messaggi del nuovo presidente americano. «Il Progetto Stargate è una startup che intende investire 500 miliardi di dollari nei prossimi quattro anni per costruire negli Stati Uniti una nuova infrastruttura computazionale per l’intelligenza artificiale di OpenAI. Inizialmente, sono già stati stanziati 100 miliardi di dollari per una infrastruttura che garantirà la leadership americana nel campo dell’AI e, creerà centinaia di migliaia di posti di lavoro, generando enormi benefici economici per il mondo intero. Stargate non solo sosterrà la reindustrializzazione degli Stati Uniti, ma fornirà anche una capacità strategica in grado di tutelare la sicurezza nazionale dell’America e dei suoi alleati».

I primi finanziatori del progetto sono SoftBank, OpenAI, Oracle e MGX, il fondo di investimento specializzato in AI negli Emirati Arabi Uniti. SoftBank e OpenAI sono i partner principali di Stargate, con SoftBank come responsabile finanziario e OpenAI responsabile operativo. Presidente del consorzio è il CEO di SoftBank, l’imprenditore e magnate giapponese (ma di etnia coreana, la generazione di “zainichi” emigrati in Giappone prima della guerra) Masayoshi Son. I partner tecnologici dell’iniziativa sono ARM, Microsoft, NVIDIA, Oracle e OpenAI. Il primo data center è già in costruzione in Texas, nella zona a ovest di Dallas-Fortworth, una delle più attive nella realizzazione delle fabbriche di bit di nuova generazione. Ma Stargate sta già valutando diversi altri siti per il suo network di “campus” di calcolo, ciascuno di potenza complessiva non inferiore al gigawatt.

Nell’ambito di Stargate, Oracle, NVIDIA e OpenAI collaboreranno molto strettamente per costruire e gestire questo ecosistema di elaborazione, basandosi sulle alleanze che fin dal 2016 OpenAI ha cominciato a costruire, prima proprio con NVIDIA e più recentemente con Oracle. Anche se il nome di Microsoft non viene citato tra gli investitori iniziali, la partnership esistente con OpenAI continua a rafforzarsi. Il colosso dell’AI guidato da Sam Altman – e notoriamente co-fondato da Elon Musk – estenderà l’uso di Microsoft Azure, mentre OpenAI intende far leva su questa ulteriore capacità di calcolo per “addestrare” e far crescere i suoi modelli e offrire al pubblico servizi di qualità.

Com’è strutturato un campus Stargate? Le prime anticipazioni sul data center in costruzione in Texas parlano di un sito già entrato nella seconda fase di espansione, con un’estensione complessiva di circa 354 ettari: una superficie superiore a quella di Central Park, a New York. Il campus ospiterà otto edifici operativi, con una capacità complessiva prevista di 1,2 gigawatt, sufficiente a soddisfare il fabbisogno energetico di circa un milione di abitazioni. L’azienda incaricata di realizzare l’infrastruttura è Crusoe Energy, fondata da Chase Lochmiller, pioniere nel settore del “crypto-mining” e, in precedenza, del trading ad alta frequenza, un altro ambito ad alta intensità computazionale. Secondo il piano definitivo, il progetto prevede l’utilizzo di un pezzo di terreno nei pressi di Abilene, che dista da Dallas quanto Milano dista da Venezia. La scelta del Texas, al di là degli attuali di trend di affermazione, non è casuale. Lo stato del petrolio – un altro comparto industriale il cui futuro dipende strettamente dal supercalcolo e dal machine learning – è uno dei pochi in grado di assicurare così velocemente la fornitura energetica alla mega-fabbrica dei bit. Energia e calcolo sono un binomio capace di scompigliare le carte di un mercato che negli Stati Uniti sembrava essersi consolidato sullo stato della Virginia. Indipendentemente da Stargate, il Texas ha già superato la Virginia in termini di nuovi data center in costruzione, se misurati in potenza complessiva assorbita.

#datacenter Da commodity a infrastruttura intelligente per il business
Click To Tweet

ANATOMIA DELL’AI DATA CENTER

Cerchiamo però di capire meglio, come deve essere fatto “dentro” un data center specializzato per carichi di lavoro di intelligenza artificiale, anche per rispondere alle curiosità delle aziende che devono intraprendere, magari dopo una prima fase di sperimentazione dell’AI attraverso le sue offerte “pubbliche”, un discorso in qualche modo legato anche alla fisicità del calcolo attraverso una strategia mirata alle risorse computazionali, alla modernizzazione di infrastrutture esistenti o addirittura alla realizzazione di data center di nuova concezione.

Mentre molte attività di sperimentazione possono essere realizzate facilmente tramite sottoscrizioni a piattaforme come Gemini o ChatGPT, o attraverso l’utilizzo di istanze personalizzate di modelli open-source scaricabili su server virtuali o fisici da gestire in autonomia, le comunità di esperti di machine learning e data scientist possono sfruttare ambienti online come Hugging Face o Kaggle per accedere a modelli, librerie, strumenti e servizi cloud dedicati. In generale, il cloud pubblico rappresenta la soluzione principale per il dispiegamento dei motori LLM utilizzati nelle loro attività. Tuttavia, arriva un momento in cui, per motivi legati alla potenza di calcolo, alla latenza, o più frequentemente alle dimensioni dei dataset, alla tutela della privacy o della proprietà intellettuale, la scelta dell’infrastruttura on-premise per le operazioni di MLOps diventa inevitabile.

Un data center progettato per soddisfare le specifiche esigenze degli algoritmi di AI e dei carichi di lavoro legati all’analytics può presentare caratteristiche architetturali distintive rispetto a un’infrastruttura tradizionale. L’accento si sposta sulla potenza computazionale accelerata, sull’elevato throughput dei dati e sulla flessibilità operativa, elementi centrali per garantire performance elevate e scalabilità. La gestione ottimale di modelli complessi come quelli basati su transformer e l’integrazione di unità di calcolo specializzate, come le TPU, sono fondamentali per l’efficienza dei processi di inferenza e addestramento.

A livello di architettura IT, è essenziale implementare reti ad alta velocità e bassa latenza, in grado di gestire flussi massicci di dati senza colli di bottiglia, e sistemi di storage scalabili e performanti per un accesso rapido ai grandi volumi di informazioni. Inoltre, l’integrazione di software e tool ottimizzati per l’AI e l’adozione di piattaforme MLOps per la gestione del ciclo di vita dei modelli è indispensabile per mantenere l’efficienza operativa. Il raffreddamento e l’alimentazione ad alta densità sono altrettanto importanti in un ambiente che gestisce carichi computazionali elevati, garantendo la stabilità e la sostenibilità energetica. Infine, la flessibilità e la scalabilità dell’infrastruttura, unite all’automazione tramite tecnologie come l’Infrastructure as Code (IaC), sono essenziali per rispondere rapidamente alle esigenze in continuo cambiamento dei modelli di AI, assicurando un funzionamento fluido e sicuro.

INFRASTRUTTURA DI CALCOLO

Nel cuore dei moderni data center dedicati all’intelligenza artificiale si trovano infrastrutture di calcolo radicalmente diverse da quelle tradizionali. Pensate per rispondere alle esigenze estreme dei modelli di machine learning e deep learning, queste architetture si fondano su un massiccio impiego di hardware specializzato e su un’organizzazione pensata per garantire velocità, efficienza e scalabilità. A partire dalle GPU, diventate lo standard de facto per l’addestramento degli algoritmi AI grazie alla loro architettura massivamente parallela, capace di eseguire simultaneamente migliaia di operazioni matematiche. Nei data center AI, le GPU di fascia alta sono distribuite in server ad alta densità e spesso interconnesse tramite tecnologie come NVLink, che garantiscono una comunicazione ultraveloce tra dispositivi all’interno dello stesso nodo computazionale. A fianco delle GPU, sta crescendo l’adozione di acceleratori specializzati come gli ASIC e le FPGA.

I primi, come le TPU (Tensor Processing Units) sviluppate da Google, sono progettati su misura per specifici carichi di lavoro AI e offrono livelli superiori di efficienza energetica e prestazioni. Le FPGA, pur più complesse da programmare e meno performanti degli ASIC in ambiti specifici, consentono una personalizzazione estremamente profonda, agendo a livello più basso rispetto al firmware e rendendo l’hardware modificabile in funzione di diversi algoritmi. Anche le CPU ad alte prestazioni mantengono un ruolo fondamentale: pur non essendo impiegate direttamente nei calcoli di inferenza o training, sono indispensabili per la gestione del sistema operativo, la preparazione dei dati e il coordinamento dei carichi di lavoro AI. Questi componenti convivono in nodi di calcolo ad alta densità, che massimizzano l’utilizzo dello spazio e minimizzano la latenza, ma pongono anche sfide rilevanti in termini di raffreddamento e gestione dell’alimentazione, richiedendo soluzioni termiche e infrastrutturali di nuova generazione. Il risultato è una piattaforma completamente ripensata rispetto al passato, capace di sostenere carichi computazionali intensi in modo efficiente.

L’evoluzione delle architetture AI-oriented è ben rappresentata dalle Google TPU, circuiti integrati specifici progettati per accelerare i carichi di lavoro di machine learning, in particolare quelli basati su TensorFlow. A differenza delle CPU e GPU, le TPU sono ottimizzate per le operazioni tensoriali alla base degli algoritmi di deep learning. Grazie alle Matrix Multiply Units, queste unità sono in grado di eseguire moltiplicazioni di matrici in modo estremamente efficiente. Sono inoltre dotate di memoria HBM (High Bandwidth Memory), che garantisce un accesso ultra-rapido ai dati, riducendo i colli di bottiglia nei trasferimenti tra processore e memoria.

Nei data center, le TPU sono connesse tramite reti ad alta velocità proprietarie che permettono l’addestramento distribuito e l’inferenza su larga scala. Supportano anche formati a precisione ridotta, come bfloat16 o int8, ideali per processi di inferenza veloci e a basso consumo energetico, senza sacrificare in modo significativo la qualità del modello. Sebbene inizialmente pensate per TensorFlow, oggi le TPU supportano anche altri framework come PyTorch e JAX, aprendo l’accesso a una community di sviluppatori AI sempre più ampia. Questa nuova generazione di data center, costruita attorno a un’architettura computazionale “aperta” e orientata ai carichi AI, rappresenta un passaggio critico nella trasformazione digitale delle imprese. Un’infrastruttura non solo performante, ma modulare, scalabile e ottimizzata per sostenere l’ascesa dell’intelligenza artificiale in ogni ambito del business.

#datacenter AI, ML e automazione ridefiniscono la gestione operativa
Click To Tweet

PIÙ SPRINT NEL CLOUD

L’inferenza di modelli Transformer, specialmente quelli di grandi dimensioni come i Large Language Models (LLM), può essere computazionalmente intensiva a causa del gran numero di parametri e delle operazioni di moltiplicazione di matrici coinvolte nel calcolo dell’attenzione. In questo scenario, le Google TPU (Tensor Processing Units) si sono affermate come uno degli strumenti più efficaci per accelerare le prestazioni di questi modelli. Progettate specificamente per eseguire in modo efficiente operazioni matriciali, cuore pulsante degli algoritmi di self-attention, le TPU sfruttano unità di moltiplicazione ad alta velocità (MXU) che superano ampiamente le prestazioni di CPU o GPU non ottimizzate.

Uno dei vantaggi principali dell’utilizzo delle TPU per l’inferenza è il supporto per formati a precisione ridotta, come il bfloat16. In molti scenari applicativi, non è necessaria la piena precisione floating point a 32 bit, e l’uso di formati più leggeri consente di migliorare la velocità e ridurre il consumo di memoria, senza compromessi significativi in termini di accuratezza. Il throughput elevato e la latenza contenuta rendono le TPU ideali per applicazioni in tempo reale, come chatbot, assistenti virtuali, motori di ricerca e sistemi di traduzione automatica. È proprio grazie a queste caratteristiche che Google è in grado di servire quotidianamente miliardi di richieste basate su modelli Transformer tramite le proprie TPU distribuite nei data center globali.

Il vantaggio competitivo delle TPU si estende anche all’integrazione software: strumenti come TensorFlow Serving, ottimizzati per l’inferenza su TPU, semplificano notevolmente il deployment di modelli AI. Tuttavia, è importante sottolineare che Google non commercializza direttamente le proprie TPU come hardware autonomo da integrare in data center privati. L’accesso a questa tecnologia è riservato agli utenti della Google Cloud Platform (GCP), che possono utilizzare varie versioni delle TPU – dalle Cloud TPU v3 fino alla recente v5e, pensata specificamente per l’inferenza – attraverso istanze virtuali scalabili on-demand. Questo approccio riflette un modello di “ibridizzazione” comune: l’infrastruttura hardware resta nei data center dell’hyperscaler, mentre aziende e sviluppatori possono beneficiare di prestazioni elevate senza dover affrontare la complessità di gestione fisica dell’hardware. Raffreddamento, alimentazione, integrazione con il software, ottimizzazione del framework (soprattutto TensorFlow) e compatibilità con strumenti come Google Compute Engine, Kubernetes Engine o Vertex AI sono tutte responsabilità del provider. Per ora, dunque, l’adozione diretta delle TPU all’interno di ambienti on-premise è limitata, non solo dalla scarsa disponibilità commerciale di questi ASIC proprietari, ma anche dalle barriere tecniche legate alla loro integrazione.

Guardando al futuro, è probabile che le tecnologie di accelerazione come le TPU continueranno a essere fruite prevalentemente tramite modelli cloud ibridi, a meno che non emergano problematiche insormontabili di costo, latenza o controllo. Un utilizzo cloud-first, infatti, garantisce maggiore agilità e libertà in un panorama tecnologico in continua evoluzione, dove la rapidità di aggiornamento dell’hardware e l’ottimizzazione del software giocano un ruolo decisivo nella corsa all’intelligenza artificiale generativa.

RETI ULTRA-VELOCI PER L’AI

Nei data center progettati per l’intelligenza artificiale, l’architettura di rete gioca un ruolo chiave nell’assicurare le prestazioni necessarie per carichi di lavoro estremamente intensivi in termini di dati. Il trasferimento efficiente e a bassa latenza di enormi volumi di dati tra nodi di calcolo, storage e risorse esterne è essenziale per garantire l’efficacia dell’addestramento distribuito dei modelli AI e delle attività di inferenza in tempo reale. A tal fine, queste infrastrutture adottano tecnologie di interconnessione ad alta velocità come InfiniBand ed Ethernet da 100, 200 o 400 gigabit al secondo, spesso organizzate in topologie spine-leaf per mantenere una larghezza di banda elevata e uniforme tra tutti i nodi. Protocolli come RDMA (Remote Direct Memory Access) permettono ai server di accedere direttamente alla memoria di altri sistemi senza passare dal sistema operativo, riducendo così drasticamente la latenza e il carico della CPU. Inoltre, il networking ottico, basato su connessioni in fibra e switching avanzato, è fondamentale per garantire alte prestazioni nelle comunicazioni a lunga distanza all’interno del data center e verso ambienti cloud. Questo livello di ottimizzazione della rete è ormai imprescindibile per supportare lo sviluppo e il deployment di modelli AI complessi.

STORAGE AD ALTE PRESTAZIONI

I carichi di lavoro AI generano e consumano enormi quantità di dati, dai dataset di addestramento alle uscite dei modelli. L’architettura di storage di un data center AI deve essere scalabile, performante e in grado di gestire diverse tipologie di dati. Per rispondere a queste esigenze, vengono adottati sistemi di storage parallelo come i file system distribuiti o l’object storage, capaci di offrire accesso simultaneo e ad alta velocità a un numero elevato di nodi di calcolo, garantendo anche scalabilità orizzontale. Per i dati ad accesso frequente e a bassa latenza, come quelli caricati nelle GPU durante l’addestramento, si ricorre a soluzioni all-flash basate su NVMe. A supporto dell’efficienza economica, molte architetture implementano un tiering dello storage, che consente di archiviare i dati meno usati su supporti a costo inferiore, mantenendo al contempo prestazioni adeguate. Infine, il data lake rappresenta l’infrastruttura centrale per aggregare, esplorare e analizzare dati grezzi e trasformati, fungendo da base per pipeline AI integrate.

SOFTWARE AI-READY

Nel moderno data center AI, la potenza dell’hardware deve essere accompagnata da un’infrastruttura software altrettanto avanzata, capace di orchestrare carichi di lavoro complessi, gestire risorse eterogenee e garantire agilità operativa. Piattaforme come Kubernetes permettono di distribuire in modo flessibile applicazioni containerizzate di deep learning, assegnando in modo efficiente CPU, GPU e memoria ai diversi job. Scheduler ottimizzati assicurano che le GPU vengano allocate con precisione, migliorando i tempi di esecuzione. Il supporto nativo per framework come TensorFlow e PyTorch, insieme a librerie specializzate per l’accelerazione hardware, consente al software di sfruttare appieno le capacità computazionali del sistema. A completare l’ecosistema, le piattaforme MLOps introducono automazione e tracciabilità nell’intero ciclo di vita dei modelli, integrando sviluppo, distribuzione e monitoraggio continuo in un’unica pipeline operativa.

CONTINUITÀ E PROTEZIONE

L’elevata densità di calcolo dei moderni data center AI, trainata dall’impiego intensivo di GPU e acceleratori, impone infrastrutture di raffreddamento e alimentazione avanzate per garantire efficienza e continuità operativa. Tecnologie come il raffreddamento a liquido, in configurazione direct-to-chip o a immersione, stanno sostituendo l’aria forzata tradizionale, consentendo di mantenere l’hardware alla massima efficienza termica e ridurre il consumo energetico. A supporto di questa intensità computazionale, servono sistemi di alimentazione ridondanti e scalabili, dotati di UPS e generatori di backup per assicurare la resilienza operativa. In parallelo, la sicurezza rappresenta un pilastro imprescindibile: dal controllo fisico degli accessi e la sorveglianza dei locali, fino alla protezione digitale con firewall, crittografia e segmentazione di rete, ogni livello dell’infrastruttura viene messo in sicurezza. A tutto questo, si aggiungono meccanismi rigorosi di protezione dei dati, come la crittografia end-to-end e l’accesso basato sui ruoli, oltre a pratiche di sviluppo sicuro per le piattaforme software e i modelli AI, garantendo applicazioni non solo performanti, ma anche affidabili e protette.

#datacenter La sostenibilità è il nuovo KPI. Obiettivo: data center zero carbon
Click To Tweet

FLESSIBILITÀ E AUTOMAZIONE

L’evoluzione rapida dell’intelligenza artificiale richiede data center altamente flessibili e scalabili per far fronte alle nuove tecnologie, algoritmi e crescenti esigenze di calcolo e storage. Per rispondere a queste sfide, le architetture dei data center si orientano verso moduli scalabili, permettendo un’espansione incrementale in base alle necessità, e verso un’integrazione ibrida o multi-cloud che offre capacità on-demand, essenziale per gestire i picchi di carico e accedere a servizi cloud specializzati per l’AI.

L’utilizzo di strumenti come l’Infrastructure as Code (IaC) consente di automatizzare il provisioning e la gestione dell’infrastruttura, semplificando il processo e migliorando la coerenza. Un data center dedicato all’AI è progettato per ottimizzare l’elaborazione parallela, il trasferimento rapido dei dati e la gestione del ciclo di vita dei modelli, con un’attenzione particolare all’integrazione di hardware specializzato, reti ad alta velocità e storage scalabile. La flessibilità, la scalabilità e la sicurezza diventano dunque elementi imprescindibili nella progettazione e gestione di queste infrastrutture, che devono essere anche capaci di integrarsi con tecnologie esterne in un ambiente collaborativo, dove il data center non è più visto come una risorsa isolata, ma come il cuore di un’architettura ibrida che include anche “hardware as a service”. La gestione automatizzata delle risorse computazionali e l’allocazione dinamica dei carichi sono fondamentali, con le piattaforme MLOps e l’automazione tramite IaC che giocano un ruolo cruciale nel garantire efficienza nella gestione della complessità del ciclo di vita dei modelli AI e delle infrastrutture sottostanti.

ML OPERATIONS IN AZIONE

Le piattaforme MLOps stanno diventando l’asse portante delle strategie di intelligenza artificiale aziendale, perché permettono di automatizzare e standardizzare l’intero ciclo di vita del machine learning: dalla preparazione dei dati all’addestramento, fino alla messa in produzione, al monitoraggio e alla governance dei modelli. In un contesto in cui affidabilità, efficienza e scalabilità sono essenziali, queste soluzioni rappresentano il ponte tra il lavoro dei team di data science e la robustezza richiesta dagli ambienti produttivi. I grandi provider cloud –  AWS con SageMaker, Google con Vertex AI e Microsoft con Azure Machine Learning – offrono piattaforme integrate, ma cresce anche l’offerta di soluzioni indipendenti e open source, pensate per essere agnostiche rispetto all’ambiente cloud e capaci di adattarsi a data center ibridi o virtualizzati. Strumenti come Weights & Biases, MLflow (nella versione gestita da Databricks o nella sua forma open source), Comet ML e Seldon Core si specializzano in aspetti chiave come il tracciamento degli esperimenti, il controllo delle versioni, la gestione degli artefatti o il deployment su Kubernetes. La loro forza è nell’interoperabilità con stack consolidati come Git, Docker, Kubernetes e pipeline CI/CD, fondamentali per garantire coerenza e riproducibilità. Accanto a questi si affermano progetti open source modulari e potenti come Kubeflow, Metaflow, Kedro, Feast e Ray, che coprono funzioni avanzate come l’orchestrazione di workflow, la gestione delle feature, l’hyperparameter tuning o il training distribuito. L’adozione di queste tecnologie segna un passaggio fondamentale: dall’AI sperimentale a un’infrastruttura realmente produttiva, governata da strumenti che uniscono automazione, trasparenza e controllo.

INFRASTRUCTURE AS CODE

L’automazione e l’Infrastructure as Code (IaC) sono fondamentali per gestire la complessità dell’infrastruttura sottostante a un data center AI, inclusa il provisioning delle risorse di calcolo, la configurazione della rete, la gestione dello storage e il deployment delle piattaforme MLOps. Anche in questo caso, riportiamo le offerte dei tre principali provider di cloud pubblico a titolo esemplificativo: AWS CloudFormation, Azure Resource Manager e Google Cloud Deployment Manager sono tutti servizi che consentono di definire e gestire l’infrastruttura tramite codice, attraverso template YAML o JSON, garantendo coerenza, riproducibilità e automazione nel provisioning delle risorse necessarie per l’AI. Tra le altre soluzioni commerciali reperibili nella fascia degli strumenti di automazione della configurazione ricordiamo Ansible, Chef e Puppet sono strumenti ampiamente utilizzati per automatizzare la configurazione e la gestione dei server e delle applicazioni, inclusi gli ambienti necessari per l’esecuzione di carichi di lavoro AI e delle piattaforme MLOps.

Un altro approccio è legato ai container e alla loro orchestrazione, a partire dallo standard di riferimento nel campo: Kubernetes. La containerizzazione semplifica il deployment, lo scaling e la gestione delle applicazioni AI containerizzate, incluse le componenti delle piattaforme MLOps o i server di inferenza. E naturalmente tutti i fornitori di cloud offrono versioni gestite di Kubernetes. Accanto a questa offerta ci sono le soluzioni che riguardano l’automazione del networking (SDN – Software-Defined Networking) che consentono di definire e gestire la topologia di rete, le policy di sicurezza e il routing tramite software, facilitando la creazione di reti ad alte prestazioni e a bassa latenza necessarie per i carichi di lavoro AI distribuiti. Chi volesse affrontare l’automazione dell’infrastruttura in un contesto on prem o ibrido, può considerare – oltre che ai già citati Puppet, Chef, Kubernetes e Ansible, ampiamente utilizzato per automatizzare la configurazione degli ambienti AI e delle piattaforme MLOps – una piattaforma come Terraform (HashiCorp), strumento IaC open source e multi-cloud che consente di definire l’infrastruttura in un linguaggio dichiarativo (HashiCorp Configuration Language) e di gestirla su diversi provider cloud e infrastrutture on-premise. Chi utilizza il modello operativo GitOps in ambiente Kubernetes può contare su strumenti di continous delivery come Argo CD e Flux.

Sulla base di questi strumenti di automazione, si possono ipotizzare gli scenari più svariati. Un’azienda, per esempio, può utilizzare Terraform per definire l’intera infrastruttura del suo data center AI su AWS, inclusi le istanze EC2 con GPU, i cluster EKS per l’orchestrazione dei container delle piattaforme MLOps, lo storage S3 per i dati e le configurazioni di rete virtual private cloud. Ogni successiva modifica all’infrastruttura verrà gestita intervenendo sul codice Terraform che provvederà ad applicarle in modo automatizzato. Ansible viene utilizzato per configurare il software necessario sulle istanze EC2 e all’interno dei container Kubernetes. In un contesto on prem, un team di ricerca in AI può servirsi di Ansible per automatizzare la configurazione di server bare-metal nel proprio data center privato per l’addestramento distribuito di modelli deep learning. Kubernetes può essere utilizzato per orchestrare i container Dockerizzati che eseguono i job di addestramento e il serving dei modelli. Argo CD può automatizzare il deployment delle nuove versioni dei modelli e delle piattaforme MLOps sui cluster Kubernetes in base alle modifiche che vengono man mano apportate ai repository Git dove risiedono le applicazioni. In tutti i casi, la sfida resta la stessa: far dialogare automazione e AI in un’infrastruttura sempre più agile, scalabile e controllata.

GCI System Integrator, ottimizzazione energetica per l’AI

L'articolo Data center, l’infrastruttura si trasforma proviene da Data Manager Online.

Le reti aziendali diventano il tessuto connettivo dell’innovazione business-tech. Ma per funzionare, apprendere e scalare, l’AI ha bisogno di reti altrettanto intelligenti. Dalla robotica industriale alla videosorveglianza intelligente, le applicazioni basate su intelligenza artificiale esercitano una pressione crescente sulle reti: richiedono enormi volumi di dati, velocità di trasmissione elevate e latenza prossima allo zero. L’intelligenza artificiale è senza dubbio il motore trainante della rivoluzione industriale in atto. Ma come ogni motore ad alte prestazioni, ha bisogno di carburante di qualità: in questo caso, una rete in grado di stare al passo con la sua crescente fame di dati e potenza di calcolo. L’edge computing, inoltre, sposta l’elaborazione dei dati più vicino alla loro origine, riducendo la latenza e migliorando l’efficienza. È un approccio imprescindibile per l’AI in contesti remoti o con connettività limitata.

Ma l’evoluzione delle reti non si ferma qui: servono maggiore sicurezza, affidabilità, scalabilità e flessibilità.  La crescita della spesa in AI spinge quella per infrastrutture cloud, e viceversa. Stando alle analisi di IDC, la spesa globale per infrastrutture cloud ha toccato i 67 miliardi di dollari nel solo Q4 del 2024, con un incremento annuale del 99,3%. Una crescita esplosiva, alimentata dalla domanda di capacità computazionale per l’AI avanzata. Le previsioni parlano chiaro: oltre 200 miliardi di dollari entro il 2029, con un tasso annuo composto del 17,8%. Secondo il rapporto di Morningstar pubblicato a luglio 2024, la spesa globale per apparecchiature di rete destinate all’intelligenza artificiale generativa è destinata a crescere con un tasso annuo composto (CAGR) del 34% fino al 2028, passando dagli otto miliardi di dollari registrati nel 2023 a 34 miliardi di dollari nel 2028. Morningstar evidenzia che le apparecchiature di rete per l’AI generativa rappresenteranno circa il 75% della spesa totale per le reti ad alta velocità nei data center entro il 2028.

Le diverse fonti concordano nel rilevare che le reti destinate all’intelligenza artificiale devono essere progettate per supportare modelli sempre più complessi – con miliardi, e presto trilioni, di parametri – oltre a carichi di lavoro estremamente intensivi in termini di dati e potenza di calcolo. A questo si aggiunge la gestione di schemi di traffico altamente imprevedibili e di migliaia di processi paralleli. In questo scenario, si stima che ogni acceleratore AI richiederà una larghezza di banda minima di un terabit al secondo per operare in modo efficiente. Anche l’Italia non resta a guardare. Secondo le stime più recenti, l’intelligenza artificiale è al terzo posto tra le priorità di investimento ICT per il 2025 (dati Osservatori Digital Innovation del Politecnico di Milano), dietro solo a cybersecurity e business intelligence. Un segnale forte dell’interesse crescente verso la modernizzazione delle infrastrutture digitali, in particolare in ambito enterprise.

Le PMI italiane giocano un ruolo chiave in questo processo, con una crescita del 3,7% negli investimenti ICT. Molte stanno puntando su soluzioni per migliorare le proprie reti, in vista di una maggiore automazione e integrazione con sistemi AI. Inoltre, entro il 2025, oltre il 70% delle imprese italiane adotterà infrastrutture ibride e multi-cloud, aumentando agilità e capacità di adattamento (dati IDC).

La sfida per le imprese è chiara: trasformare le reti in asset strategici, capaci non solo di supportare l’AI, ma di evolversi con essa. Significa investire oggi in tecnologie scalabili, sicure, performanti, e aprirsi a nuovi modelli operativi. Il futuro delle reti sarà sempre più software-defined, automatizzato e orchestrato in tempo reale da intelligenza artificiale. Se l’intelligenza artificiale sta ridefinendo le regole dell’IT, per esprimere tutto il suo potenziale ha bisogno di reti capaci, intelligenti e ultra-performanti. Dati in tempo reale, latenza minima, scalabilità dinamica e sicurezza sono ormai prerequisiti essenziali. Il problema? Le infrastrutture tradizionali non bastano più. Quasi un paradosso: l’intelligenza artificiale ha bisogno di reti intelligenti, ma solo l’AI è in grado di gestire reti così complesse. Un circolo virtuoso già in atto, dove l’AI diventa al tempo stesso utente e regista dell’evoluzione delle reti.

OLTRE LE RETI TRADIZIONALI

Costruire un’infrastruttura di rete all’altezza delle nuove esigenze non è solo una questione di performance ma anche di sicurezza. Le aziende che oggi implementano architetture di rete per supportare l’AI si trovano ad affrontare sfide molto complesse e inedite. Per Fabrizio Gergely, Cloud & AI sales leader Italy/Israel/Spain/Portugal di Cisco, tra le principali c’è la vulnerabilità dell’AI, in quanto modelli, framework, applicazioni, dati e infrastrutture a supporto dell’AI rappresentano nuove superfici per gli attacchi informatici. «Tecniche come il prompt injection, gli adversarial attacks, il model poisoning, i data leaks e l’accesso illecito alle risorse GPU, per citarne alcune – spiega Gergely – richiedono un approccio integrato e olistico alla protezione di tutte le componenti infrastrutturali, applicative e del modello stesso».

L’altra grande sfida è la complessità di implementazione: «Rendere operativo uno stack di infrastrutture AI sicuro e scalabile per esigenze in continua evoluzione è un compito complesso e costoso, che necessita di un’infrastruttura AI integrata e pre-validata, comprendente computing, networking, storage, virtualizzazione e soluzioni applicative che lavorino insieme come un’unica piattaforma. Inoltre, disporre di strumenti evoluti di observability per monitorare sistemi complessi come gli stack AI consente di mantenere il pieno controllo in caso di fault e ottimizzare continuamente il comportamento del sistema».

In ultima analisi, la performance della rete resta un punto irrinunciabile: senza una connettività rapida, stabile e scalabile, l’intelligenza artificiale non può esprimere il suo pieno potenziale. «Il training dei modelli, il checkpointing, il fine-tuning, RAG e l’inferenza – continua Gergely – generano un grande traffico GPU-GPU (est-ovest) e GPU-storage (nord-sud) e la mancanza di una rete con adeguate caratteristiche prestazionali può avere forti impatti sul funzionamento del sistema, in particolare nell’utilizzo ottimale delle GPU».

#reti #AIready Come costruire un’infrastruttura all’altezza delle nuove esigenze – Fabrizio Gergely #Cisco
Click To Tweet

Secondo Manuel Gentili, business developer, BU Digital Technology, Marketing & Business Development di Maticmind, le aziende che progettano architetture di rete per supportare l’intelligenza artificiale si confrontano con sfide sempre più complesse: «Dalla scalabilità dell’infrastruttura alla gestione della latenza, fino all’esplosione della domanda di banda. A tutto questo si aggiunge la necessità di soluzioni capaci di ottimizzare in modo intelligente il traffico dati, garantendo al contempo affidabilità e continuità operativa in ambienti ad alta intensità computazionale».

L’AI sta trasformando i modelli operativi aziendali, richiedendo reti capaci di gestire grandi volumi di dati, spesso in tempo reale – spiega Massimo Morsaniga, technical account manager di NovaNext. «Questi carichi di lavoro impongono elevata larghezza di banda e bassa latenza, mentre l’elaborazione dei dati avviene spesso in ambienti distribuiti tra data center, cloud ed edge computing. Una sfida critica riguarda la governance e la compliance dei dati, poiché le aziende devono rispettare normative stringenti come il GDPR. Per proteggere i dati sensibili, le architetture di rete devono integrare misure avanzate come crittografia end-to-end e monitoraggio continuo del traffico».

Marco Bubani, direttore Innovazione di VEM sistemi, fotografa con lucidità lo stato di adozione dell’intelligenza artificiale nei data center italiani: «Oggi, sono ancora poche le aziende che integrano soluzioni AI all’interno delle proprie infrastrutture locali. Ma il trend è destinato a cambiare». Alla base di questa evoluzione – secondo Bubani – non ci sono solo motivi tecnologici, ma anche considerazioni strategiche legate al contesto globale: «Le attuali dinamiche geopolitiche spingono sempre più imprese a rivalutare l’affidamento di dati e applicazioni critiche a provider internazionali. La sovranità del dato torna al centro delle strategie IT». Una visione che apre uno scenario in cui l’adozione di AI on-premise potrebbe crescere, trainata non solo da esigenze di performance e latenza, ma anche da un ritrovato bisogno di controllo e sicurezza. «Inoltre, il continuo progresso tecnologico renderà sempre più realizzabile lo sviluppo di progetti di intelligenza artificiale non solo attraverso le soluzioni offerte dal cloud pubblico, ma anche mediante l’implementazione diretta all’interno delle infrastrutture aziendali. Cresce, infine, la consapevolezza dell’importanza di una governance efficace sia dei costi sia delle informazioni critiche necessarie all’addestramento dei modelli di AI. In questo contesto, ritengo che la principale sfida da affrontare per la componente di rete risieda nella natura stessa dell’implementazione dell’intelligenza artificiale, che si basa su un’architettura a microservizi e richiede un sistema di orchestrazione di container applicativi. Questo tipo di infrastruttura prevede componenti di rete fortemente orientate al software, ancora poco diffuse all’interno dei data center aziendali».

#reti #AIready La rete come piattaforma di observability e security – Marco Bubani #VEMsistemi
Click To Tweet

IL FUTURO È SOFTWARE-DEFINED

Quali architetture di rete sono davvero pronte per l’era dell’intelligenza artificiale? Per Fabrizio Gergely di Cisco, servono reti progettate per performance estreme. Le applicazioni AI non si accontentano. Richiedono reti ad alte prestazioni, a bassissima latenza e soprattutto lossless, senza perdite di pacchetti. Esigenze, che mettono in discussione l’efficacia delle infrastrutture tradizionali. «Per raggiungere questo obiettivo, le infrastrutture devono essere progettate utilizzando adeguate funzionalità hardware e software, insieme a una configurazione che supporti le esigenze delle applicazioni AI. Le applicazioni AI hanno anche bisogno di reti in grado di fornire visibilità e telemetria in modo che possano essere ottimizzate secondo le necessità. Infine, le applicazioni AI dovrebbero sfruttare i framework di automazione per assicurarsi che l’intera infrastruttura di rete sia configurata correttamente, senza deviazioni» – spiega Gergely. «Cisco sta sviluppando tecnologie e partnership in ambito AI per portare sul mercato le migliori soluzioni di rete basata sullo standard Ethernet, aperte, scalabili, sicure e con performance già oggi a 800Gbps basate su Silicon One. Le soluzioni indirizzano sia le reti di front-end, sia le reti critiche di back-end che assicurano la corretta comunicazione fra le GPU per il supporto delle applicazioni AI».

Su questo punto interviene anche Mario Manfredoni, senior director South Europe di Juniper Networks – affermando che l’AI networking presenta sfide uniche a causa del suo paradigma di calcolo altamente distribuito e dei requisiti di prestazioni particolarmente elevati. «A differenza di quanto avviene con i data center tradizionali o il traffico internet, i carichi di lavoro dell’AI comportano un numero inferiore di flussi di rete, ma di dimensioni significativamente maggiori e di lunga durata, il che può causare congestione» – spiega Manfredoni. «Questi workload richiedono una larghezza di banda eccezionalmente elevata, bassa latenza e un jitter minimo per garantire performance ottimali. Inoltre, le reti basate sull’AI sono caratterizzate in larga misura da traffico RDMA (Remote Direct Memory Access) invece che ai flussi TCP (Transmission Control Protocol) tradizionali, differenziandosi ulteriormente dalle infrastrutture di rete convenzionali».

#reti #AIready Standardizzazione dei modelli di implementazione – Mario Manfredoni #JuniperNetworks
Click To Tweet

Per affrontare queste sfide, le architetture di rete AI si sono molto evolute grazie a un’alta specializzazione nelle strategie di progettazione – continua Manfredoni. «Spesso vengono create reti fisiche separate per diversi tipi di traffico: le reti front-end facilitano l’accesso ai server AI, mentre le reti back-end scale-out consentono uno scambio di dati efficiente per il computing distribuito. Queste reti sono progettate senza “over subscription” per massimizzare le prestazioni. Meccanismi avanzati di prevenzione e controllo della congestione, come il bilanciamento intelligente del carico e l’auto-tuning dei parametri DCQCN (Data Center Quantized Congestion Notification), contribuiscono a ottimizzare la gestione dei flussi. Gli switch ad alte prestazioni con connettività a 400G/800G con un numero elevato di connessioni (radix) sono utilizzati per ridurre al minimo la latenza e massimizzare il throughput. Inoltre, le reti basate sull’AI fanno ampio uso di moduli ottici, privilegiando soluzioni ad alta efficienza energetica come LPO (Linear-drive Pluggable Optics)/LRO (Linear Receive Optics) per ridurre il consumo di energia, garantendo al contempo connettività ad alta velocità».

Per superare i limiti delle infrastrutture tradizionali, le aziende stanno guardando a nuove architetture di rete ad alte prestazioni, progettate per garantire throughput elevatissimo e tempi di risposta minimi – spiega Manuel Gentili di Maticmind. «Come quelle con switching fabric ad alta velocità, Ethernet ad altissima capacità (400G/800G) e tecnologie RDMA su converged Ethernet (RoCE), che riducono la latenza e migliorano l’efficienza del data movement». La rete smette di essere solo un’infrastruttura e diventa un abilitatore. Le architetture di rete devono essere scalabili, flessibili e intelligenti, capaci di adattarsi dinamicamente ai carichi di lavoro variabili. Massimo Morsaniga di NovaNext evidenzia il ruolo strategico del Software-Defined Networking (SDN) in questo contesto. Separando il piano di controllo da quello dei dati, l’SDN consente una gestione centralizzata e una visibilità completa dell’infrastruttura. Un vantaggio fondamentale per orchestrare in modo efficiente le reti AI-driven. «Questo approccio consente policy dinamiche e microsegmentazione, migliorando sicurezza e prestazioni. L’SDN supporta inoltre l’Intent-Based Networking (IBN), che permette di gestire la rete definendo obiettivi aziendali invece di configurare manualmente ogni dispositivo. Un’altra tecnologia chiave è la Network Function Virtualization (NFV), che virtualizza funzioni di rete tradizionalmente hardware-based (come firewall e router) eseguendole su server standard. Ciò semplifica l’implementazione e consente di adattarsi rapidamente alle variazioni del traffico di rete, migliorando la continuità operativa. Per connettere data center geograficamente distanti, il Data Center Interconnect (DCI) avanzato utilizza fibra ottica e protocolli ottimizzati per garantire connettività stabile e sicura. Le nuove architetture devono infine integrare ambienti on-premise, cloud ed edge, offrendo infrastrutture agili e resilienti per rispondere alle crescenti esigenze dell’AI».

Nel dibattito sull’evoluzione delle infrastrutture, Marco Bubani di VEM sistemi sposta l’attenzione oltre la pura capacità tecnologica. «Oggi i principali vendor di networking offrono già apparati in grado di gestire volumi di traffico dell’ordine dei terabit al secondo, con latenze estremamente contenute. Il punto critico non è più l’hardware». Il vero nodo, secondo Bubani, riguarda l’integrazione efficace tra la rete fisica e le soluzioni software-based, come il cloud networking o il service mesh. «Sono questi gli elementi chiave per garantire una comunicazione sicura, scalabile e governata tra i componenti di un’applicazione AI, sia all’interno dell’infrastruttura sia nelle interazioni verso l’esterno».

#reti #AIready Il futuro è software-defined – Massimo Morsaniga #NovaNext
Click To Tweet

PROTEZIONE E GOVERNANCE

Con l’intelligenza artificiale al centro delle strategie aziendali, la protezione dei dati e la governance delle comunicazioni diventano elementi imprescindibili. Le nuove architetture di rete non solo devono offrire performance elevate, ma anche rispondere a requisiti sempre più stringenti in termini di sicurezza e privacy. La sicurezza non è più un layer aggiuntivo, ma una componente nativa e intelligente della rete stessa. Manuel Gentili di Maticmind sottolinea come oggi queste infrastrutture integrino crittografia end-to-end, segmentazione dinamica e modelli di sicurezza Zero Trust, a tutela dei dati sensibili. «Inoltre, l’adozione di sistemi di sicurezza basati sull’AI permette alle reti di reagire in modo proattivo e intelligente alle minacce, anticipando attacchi e vulnerabilità».

Marco Bubani di VEM sistemi punta l’attenzione sulla crescente centralità del networking software-defined. «Le soluzioni più evolute oggi permettono un controllo capillare di ogni comunicazione tra i componenti di un’applicazione AI, sia internamente che verso l’esterno». Secondo Bubani, questa capacità trasforma la rete in una piattaforma integrata che unisce networking, observability e security. «Non si tratta più solo di trasportare dati, ma di isolarli, monitorarli in tempo reale, identificare anomalie e replicare digitalmente i flussi di traffico attraverso modelli di digital twin».

FLESSIBILITÀ OPERATIVA

Il futuro delle reti aziendali non sarà solo più veloce, ma anche più intelligente, automatizzato e sicuro. Ma progettare architetture di rete AI-ready non è solo questione di prestazioni: è una sfida di scalabilità, sicurezza e semplicità operativa. Le esigenze cambiano rapidamente e le aziende devono rispondere con infrastrutture flessibili e adattabili. Secondo Mario Manfredoni di Juniper Networks, la chiave sta nella standardizzazione e nell’affidabilità dei modelli di implementazione. «Le reti AI devono essere progettate per semplificare gestione e scalabilità. Utilizzare progetti pre-validati con impostazioni testate e interoperabili accelera il time-to-market e riduce i margini di errore». Particolare attenzione viene riservata alla sicurezza, in contesti multi-tenant dove i carichi di lavoro AI richiedono isolamento rigoroso per training e inferenza. «Micro-segmentazione, policy Zero Trust e protezioni avanzate garantiscono l’integrità dei dati senza compromettere le prestazioni» – aggiunge Manfredoni, sottolineando come la piattaforma AI-Native Networking di Juniper offra una gestione semplificata per reti performanti e resilienti. «Grazie a una soluzione di gestione semplice e facile da usare, le aziende possono progettare, implementare e gestire le proprie reti senza problemi e con una complessità minima».

Anche Manuel Gentili di Maticmind ribadisce l’importanza della flessibilità operativa: «Per garantire scalabilità e affidabilità servono architetture software-defined, capaci di gestire dinamicamente il traffico e distribuire il carico di lavoro tra datacenter edge e cloud in modo intelligente e resiliente». Chiude il quadro Marco Bubani di VEM sistemi, che guarda all’orchestrazione applicativa come elemento centrale nell’evoluzione infrastrutturale. «Investire su piattaforme di orchestrazione di container applicativi è fondamentale per sviluppare soluzioni AI efficaci. Queste architetture sono pensate per gestire con precisione i carichi specifici dell’AI, integrando nuove infrastrutture di comunicazione capaci di adattarsi in tempo reale».

#reti #AIready L’importanza della flessibilità operativa – Manuel Gentili #Maticmind
Click To Tweet

LA VERA SFIDA È CULTURALE

Nel dibattito sull’evoluzione delle infrastrutture di rete, l’AI si impone come catalizzatore di cambiamento. Ma quali sono i costi reali legati all’adozione di nuove architetture in grado di supportarla? E soprattutto, come si misura il ritorno sull’investimento? Per Manuel Gentili di Maticmind, l’equazione non è semplice: «I costi variano in funzione della complessità dell’infrastruttura e comprendono componenti hardware evoluti, piattaforme software dedicate e investimenti in formazione tecnica». Tuttavia, il ROI può essere significativo se misurato su parametri concreti come il miglioramento delle performance, la riduzione dei downtime e l’incremento di competitività grazie all’automazione avanzata.

Ma non è solo una questione di numeri. Marco Bubani di VEM sistemi, invita a un cambio di prospettiva. «Il vero tema non è quanto costa l’AI, ma quanto può costare restare indietro. Le aziende che non investono oggi rischiano di perdere terreno in un mercato che sta evolvendo rapidamente». Bubani sottolinea che i costi tecnologici tenderanno a ridursi, mentre la vera barriera sarà culturale e di competenze. «Il gap da colmare riguarda la capacità di comprendere, integrare e governare le nuove soluzioni. È qui che si gioca il vero ritorno sull’investimento». Se la rete è il nuovo backbone dell’intelligenza artificiale, l’investimento non si limita all’infrastruttura, ma coinvolge l’intero mindset aziendale.

L’adozione di architetture di rete ottimizzate per l’intelligenza artificiale non è più una sperimentazione, ma una realtà già operativa. «Un esempio emblematico è Tesla, che impiega infrastrutture AI-driven per addestrare i suoi sofisticati modelli di guida autonoma» – osserva Manuel Gentili di Maticmind. Ma il fenomeno non riguarda solo l’automotive: «Molti big player del mondo IT stanno già utilizzando reti progettate per supportare carichi di lavoro AI con l’obiettivo di accelerare la ricerca, l’analisi predittiva e l’elaborazione dati su larga scala». Il contesto italiano, invece, appare ancora in fase preparatoria – come evidenzia Marco Bubani di VEM sistemi. «Allo stato attuale, non abbiamo ancora realizzato implementazioni AI-specifiche nei data center dei nostri clienti». Tuttavia, le basi ci sono. «I dispositivi di rete che installiamo oggi sono progettati per gestire anche i carichi tipici delle applicazioni AI».

NUOVO IMPERATIVO STRATEGICO

In sintesi, le infrastrutture di rete esistenti potrebbero non essere in grado di soddisfare le nuove esigenze imposte dalle applicazioni di intelligenza artificiale, ed è pertanto prevedibile una tendenza significativa all’aumento della spesa nel networking nei prossimi anni. Investimenti necessari per garantire le necessarie capacità, velocità, bassa latenza e affidabilità delle reti. L’ottimizzazione dell’architettura di rete potrebbe quindi diventare un imperativo strategico, perché una rete robusta, scalabile e sicura potrebbe essere il fondamento su cui costruire l’AI aziendale.

In tale contesto è da sottolineare l’importanza che dovrebbe avere la collaborazione tra i fornitori di servizi di rete, i fornitori di hardware e software e le aziende per costruire infrastrutture di rete moderne. Da non dimenticare però anche l’impatto sulla sostenibilità, perché l’AI non solo aumenta la domanda di infrastrutture di rete avanzate, ma pone anche sfide significative in termini di consumo energetico. Secondo l’Agenzia Internazionale dell’Energia (IEA), il fabbisogno elettrico dell’AI potrebbe quadruplicare entro il 2030. Riflessione conclusiva: “Nel futuro delle reti, l’intelligenza artificiale tesse il progresso, ma ogni filo deve intrecciarsi con la sostenibilità, per creare un tessuto che duri nel tempo”. Meditiamo, gente, meditiamo.

Gyala: Cybersecurity IT/OT totale

L'articolo AI-ready, l’intelligenza incontra la rete proviene da Data Manager Online.

Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, siamo tra i leader nell’utilizzo di strumenti di Generative AI, con miglioramenti significativi in produttività. Ma come passare da un utilizzo autonomo a un piano di adozione integrato?

La scelta è tra AI come esercizio di stile o come game changer per la trasformazione aziendale. Utilizzo o adozione? Un impiego non governato porta, infatti, al proliferare di tool diversi e output di qualità non uniforme, con effetti pericolosi che si ripercuotono dentro e fuori l’azienda.

Ho riflettuto su alcuni punti chiave per un approccio efficace all’AI. Sicuramente, la governance dei dati è il pilastro fondamentale. Per esprimere appieno il potenziale dell’AI, è essenziale una data governance centralizzata. Servono dati di alta qualità e serve una gestione sicura del dato, evitando silos informativi e garantendo l’accesso controllato. È particolarmente importante in un contesto regolamentare come quello dell’AI Act, che impone obblighi di trasparenza e sicurezza per i sistemi ad alto rischio. L’integrazione con il GDPR richiede misure robuste per prevenire data leak e garantire la protezione dei dati personali.

C’è poi il freno dei costi di adozione. L’AI non è gratuita. Integrare soluzioni di intelligenza artificiale nei processi aziendali richiede investimenti significativi, da decine di migliaia di euro per le PMI a cifre maggiori per le grandi aziende. A cui si aggiunge l’effort di adozione in termini human, affinché l’AI non rimanga un costo e si trasformi in un investimento a valore per il lavoro delle persone e le performance di business. È a tutti gli effetti un investimento strategico che può portare a un aumento della produttività e del vantaggio competitivo. Necessita perciò di un’attenta pianificazione, valutando il ROI e definendo una roadmap chiara per evitare false partenze.

#AIadoption Adesso è il momento di passare all’azione – #ceosuite Andrea Ruscica #AlteaFederation
Click To Tweet

Il terzo punto di attenzione riguarda la scelta di piattaforme straniere che può comportare la non conformità al GDPR, esponendo le aziende a rischi di violazione della privacy e sanzioni legali. Il caso di DeepSeek, bloccata in Italia per violazione della privacy, è un esempio di come le autorità possano intervenire per proteggere i dati degli utenti. Inoltre, l’accesso ai dati personali da parte di entità esterne può aumentare il rischio di data breach e attacchi informatici. Per questo, occorre procedere con cautela nella selezione degli strumenti, assicurandosi la compliance alle normative europee.

E poi, serve visione trasformativa. L’AI è una general purpose technology applicabile a diversi contesti aziendali: non nasce con una finalizzazione specifica ma è proprio la sua versatilità a rappresentare l’elemento di maggiore forza trasformativa. Proviamo a immaginare un futuro in cui l’AI non solo ottimizza i processi, ma diventa un catalizzatore di innovazione. Integrando Metaverso industriale e IoT, l’AI può creare ambienti immersivi e interconnessi, abilitando decisioni supportate da dati in tempo reale e analisi predittive avanzate. Questo scenario non è fantascienza, ma una realtà che prende forma.

La sfida attuale non è più se adottare l’AI, ma come integrarla strategicamente per generare valore tangibile. Abbiamo compreso le potenzialità degli Agenti di AI, capaci di un “agire intelligente” su compiti a complessità crescente. Per un’efficacia reale, dobbiamo però strutturare un’architettura informativa solida per allenarli e farli diventare nostri alleati nelle decisioni strategiche. Solo partendo da queste condizioni, potremo intraprendere un percorso di trasformazione che generi un reale vantaggio competitivo.

È giunto il momento di avviare percorsi concreti di adozione e cogliere la potenza dell’Agentic Automation, trasformando le promesse in realtà. L’era della sperimentazione è alle nostre spalle. Adesso è il momento di passare all’azione e fare dell’AI un pilastro fondamentale della nostra strategia aziendale.

Andrea Ruscica, chairman & CEO di Altea Federation

L'articolo AI: è il tempo dell’adozione proviene da Data Manager Online.

L’ecosistema blockchain ha subito una trasformazione radicale negli ultimi anni, evolvendo dalle semplici criptovalute a sistemi finanziari completi e autonomi. La finanza decentralizzata, o DeFi come viene comunemente chiamata, rappresenta questa evoluzione: un cambio di paradigma che sta riconfigurando i principi fondamentali del nostro sistema finanziario globale.

Il fenomeno DeFi non è emerso dal nulla. Si è sviluppato organicamente dall’ecosistema Ethereum a partire dal 2018, crescendo da un esperimento di nicchia a un settore che, secondo DefiLlama, ha raggiunto un picco di oltre 180 miliardi di dollari di valore totale bloccato nel 2021, stabilizzandosi successivamente intorno ai 75-100 miliardi nonostante le turbolenze del mercato. Questi numeri raccontano solo una parte della storia, perché dietro si nasconde una rivoluzione molto più profonda.

DEFI OLTRE IL CLAMORE MEDIATICO

La DeFi è emersa organicamente dall’ecosistema blockchain, costruita da comunità di sviluppatori decentralizzati. Questa origine “dal basso” contrasta nettamente con l’approccio top-down delle innovazioni fintech tradizionali, tipicamente guidate da grandi istituzioni o venture capital. Il rapporto della Banca dei Regolamenti Internazionali (BIS) del 2021 ha riconosciuto che “la DeFi rappresenta un cambiamento significativo nel panorama finanziario“. Ciò che rende la DeFi veramente dirompente sono quattro principi fondamentali: l’accessibilità universale che rende i servizi disponibili a chiunque abbia una connessione internet; la trasparenza incorporata nel design, con tutte le transazioni verificabili pubblicamente; la resistenza alla censura che impedisce a singole entità di bloccare transazioni legittime; e infine la componibilità nativa che permette ai protocolli di integrarsi come “blocchi LEGO finanziari”.

Stani Kulechov, fondatore di Aave, in un’intervista al Cointelegraph del 2022, ha dichiarato che – «la vera innovazione della DeFi è che democratizza l’accesso agli strumenti finanziari che tradizionalmente erano riservati a istituzioni e individui privilegiati». Questa non è retorica vuota: è un principio dimostrato dai dati di adozione globale, con significativa penetrazione in mercati emergenti dove l’accesso ai servizi bancari tradizionali è limitato.

L’ANATOMIA DELL’ECOSISTEMA DEFI

L’ecosistema DeFi oggi non è un monolite, ma un insieme  interconnesso di protocolli e applicazioni che replicano – e spesso reinventano – i principali servizi finanziari tradizionali. Ogni componente di questo ecosistema offre uno sguardo su come la tecnologia blockchain stia riconfigurando specifici aspetti del mondo finanziario. Gli exchange decentralizzati come Uniswap e Curve hanno ridefinito il concetto stesso di trading di asset. Utilizzando il meccanismo di Automated Market Making, questi protocolli eliminano la necessità di un libro ordini centralizzato. Secondo il report “The State of DeFi” di Chainalysis del 2023, Uniswap ha gestito oltre 1,1 trilioni di dollari in volumi di trading cumulativi e i DEX rappresentano circa il 20% di tutto il volume di trading di criptovalute. I tempi di esecuzione medi sono di 15-45 secondi, con commissioni variabili in base alla congestione della rete. Un’analisi comparativa condotta dall’Università di St. Gallen nel 2023 ha rilevato che le operazioni su DEX richiedono significativamente meno passaggi procedurali rispetto agli exchange centralizzati, eliminando i processi di KYC, deposito e ritiro.

I protocolli di prestito come Aave e Compound hanno trasformato il concetto di credito tradizionale. Anziché un processo di approvazione basato sull’identità, questi protocolli utilizzano un modello sovra-collateralizzato automatizzato. Il report “DeFi Credit Markets” di The Block Research del 2023 ha evidenziato che il mercato dei prestiti DeFi ha originato oltre 80 miliardi di dollari in prestiti cumulativi, con tassi di interesse determinati algoritmicamente in base all’offerta e alla domanda. Il tempo medio per ottenere un prestito è inferiore a cinque minuti, in netto contrasto con i 5-7 giorni (a volte 20) richiesti dal sistema bancario tradizionale. Questo rappresenta un cambiamento fondamentale nella velocità e nell’efficienza dei servizi finanziari.

Le stablecoin come DAI e USDC hanno risolto uno dei principali problemi delle criptovalute: la volatilità. Secondo CoinMetrics, a fine 2023 le stablecoin rappresentavano oltre 150 miliardi di dollari in capitalizzazione di mercato, fungendo da ponte cruciale tra finanza tradizionale e decentralizzata. DAI, emessa da MakerDAO, rappresenta un caso di studio particolarmente interessante. A differenza di USDC o USDT, DAI è completamente on-chain e decentralizzata. Ogni token DAI è garantito da collaterale bloccato in smart contract, creando un sistema di stablecoin algoritmico che ha mantenuto la sua parità con il dollaro anche durante periodi di estrema volatilità del mercato.

DEFI VS FINANZA TRADIZIONALE

La relazione tra DeFi e finanza tradizionale è complessa e multiforme. Non si tratta semplicemente di competizione, ma di una tensione creativa che sta spingendo entrambi gli ecosistemi a evolversi. Un report di Deloitte del 2023 ha identificato tre approcci distinti nel settore finanziario tradizionale: alcuni vedono la DeFi come una minaccia da contrastare, altri come un complemento che serve scopi diversi, e un terzo gruppo sta cercando modi per integrare elementi della DeFi nel sistema tradizionale. Quest’ultimo approccio sta guadagnando terreno. JPMorgan ha sviluppato Onyx, un’infrastruttura blockchain che utilizza principi DeFi in un ambiente controllato. Goldman Sachs ha condotto la sua prima transazione di repo completamente digitale sulla blockchain Ethereum nel 2022.

Il World Economic Forum, nel suo rapporto “Decentralized Finance: Beyond the Hype” del 2023, ha riconosciuto che gli elementi della DeFi probabilmente verranno adottati e integrati nelle istituzioni finanziarie tradizionali. Questa convergenza non è sorprendente. Le istituzioni finanziarie tradizionali stanno riconoscendo che i principi della DeFi possono migliorare l’efficienza, ridurre i costi e aumentare la trasparenza, anche all’interno di sistemi regolamentati. L’innovazione non sta solo spingendo in avanti la frontiera della tecnologia finanziaria, ma sta anche influenzando il nucleo del sistema esistente.

LE SFIDE CONCRETE DI ADOZIONE

Nonostante il potenziale rivoluzionario, la DeFi affronta sfide significative e oggettive che vanno ben oltre il semplice scetticismo. La sicurezza rimane una preoccupazione primaria. Secondo i dati di Chainalysis e DeFi Pulse, gli hack e le vulnerabilità hanno causato perdite di oltre 3,8 miliardi di dollari, solo nel 2022. Un’analisi di ImmuneFi ha mostrato che le vulnerabilità negli smart contract sono responsabili del 41% di questi incidenti, seguiti da attacchi di tipo flash loan (23%), compromissione delle chiavi private (15%), errori di design economico (12%) e vulnerabilità nelle oracle (9%). L’hack di Wormhole del febbraio 2022 è emblematico: un protocollo bridge cross-chain ha perso 320 milioni di dollari a causa di una singola vulnerabilità nel codice. Questo evidenzia come la componibilità, uno dei punti di forza della DeFi, possa anche rappresentare un rischio sistemico quando i protocolli si integrano senza sufficienti verifiche di sicurezza.

Anche l’usabilità rappresenta un ostacolo significativo. Un rapporto dell’Università di Cambridge del 2023 ha evidenziato che solo il 13% degli utenti non specializzati è in grado di completare autonomamente una transazione DeFi. Il 68% degli utenti trova confusi i concetti di gas fee e wallet management, mentre il 74% esprime preoccupazioni sulla sicurezza dei propri fondi. Le interfacce stanno migliorando, con progetti come Instadapp e Zapper che cercano di semplificare l’interazione con protocolli multipli, ma il divario di usabilità rispetto ai servizi finanziari tradizionali rimane sostanziale e rappresenta un freno all’adozione di massa. Sul fronte normativo, le sfide non sono meno complesse. Il Financial Stability Board ha identificato problematiche significative nell’applicazione delle normative KYC/AML a protocolli decentralizzati, nell’attribuzione di responsabilità legale in sistemi automatizzati, nella tassazione efficace dei rendimenti generati in ecosistemi DeFi e nella protezione dei consumatori in ambienti non custodiali. La Securities and Exchange Commission americana ha intensificato il suo scrutinio del settore, sostenendo che molti token DeFi potrebbero essere classificati come titoli. Parallelamente, l’Unione Europea ha sviluppato il regolamento MiCA, che cerca di creare un quadro normativo completo ma potrebbe limitare alcuni aspetti della vera decentralizzazione.

#DEFI Le sfide di adozione tra convergenza e ibridazione con la finanza tradizionale @djegerson
Click To Tweet

CONVERGENZA E IBRIDAZIONE

Analizzando i dati di mercato e le tendenze emergenti, è possibile identificare tre direzioni chiave per l’evoluzione della DeFi. La prima è quella che possiamo chiamare “DeFi istituzionale”. Secondo un sondaggio di Fidelity Digital Assets del 2023, il 74% degli investitori istituzionali intervistati prevede di allocare capitale alle criptovalute e alla DeFi in futuro. JP Morgan, attraverso la sua blockchain Onyx, ha già processato transazioni per oltre 300 miliardi di dollari, utilizzando principi simili alla DeFi ma in un ambiente controllato. Progetti come Aave Arc e Compound Treasury stanno costruendo versioni conformi alle normative dei protocolli DeFi esistenti, specificamente progettate per l’uso istituzionale con integrazione KYC/AML.

La seconda direzione è la tokenizzazione di asset reali, o “RealFi”. Questa rappresenta il ponte più promettente tra DeFi e finanza tradizionale. Secondo un report di Boston Consulting Group e ADDX, il mercato degli asset tokenizzati potrebbe raggiungere 16 trilioni di dollari entro il 2030. I dati del 2023 mostrano una crescita del 150% nel valore degli asset immobiliari tokenizzati e un aumento del 190% nei titoli di debito tokenizzati sulla blockchain. Governi come Singapore e Hong Kong hanno emesso le prime obbligazioni statali sperimentali come token. Protocolli come Centrifuge, TrueFi e Goldfinch stanno costruendo l’infrastruttura per portare prestiti garantiti da asset reali su blockchain, creando un ponte tra il capitale DeFi e opportunità di finanziamento nel mondo reale. La terza tendenza è quella che viene comunemente definita “DeFi 2.0”, una nuova generazione di protocolli che affrontano i problemi endemici della prima ondata. Le soluzioni Layer 2 come Optimism e Arbitrum hanno ridotto i costi delle transazioni del 90-97% rispetto alla rete principale di Ethereum. Nuovi modelli economici si concentrano sulla sostenibilità a lungo termine anziché sul mining di liquidità temporaneo. Progressi nell’interoperabilità cross-chain come Polkadot, Cosmos e Chainlink CCIP stanno riducendo la frammentazione dell’ecosistema. Questi sviluppi non sono semplici aggiornamenti tecnici, ma rappresentano una maturazione dell’intero settore verso soluzioni più scalabili e sostenibili.

RIPENSARE IL VALORE

La DeFi non è un fenomeno passeggero, ma rappresenta un cambiamento fondamentale nel DNA del sistema finanziario globale. I dati di mercato, le tendenze di adozione e le risposte istituzionali confermano che questa tecnologia sta gradualmente ridefinendo ciò che è possibile nel mondo finanziario. Come ogni frontiera, la DeFi offre sia opportunità straordinarie che rischi significativi. La vera domanda non è se la DeFi sostituirà completamente la finanza tradizionale, ma come i due sistemi coesisteranno, competeranno e alla fine convergeranno. Per le istituzioni finanziarie, ignorare la DeFi non è più un’opzione. Per gli sviluppatori, la sfida è bilanciare l’innovazione con l’usabilità e la sicurezza. Per i regolatori, è trovare il delicato equilibrio tra protezione dei consumatori e innovazione. La finanza decentralizzata rappresenta un cambio di paradigma che richiede di ripensare radicalmente il modo in cui creiamo, scambiamo e gestiamo il valore. E in questo ripensamento, risiede forse la sua eredità più duratura: non tanto nella disruption del sistema esistente, quanto nella sua evoluzione verso qualcosa di più aperto, efficiente e accessibile.

Dr. Devid Jegerson 

Architetto dell’evoluzione dei Pagamenti Digitali e del Banking, Devid è da oltre 25 anni in prima linea nell’innovazione FinTech, trasformando idee visionarie in realtà di mercato di successo nell’E-commerce e nel Banking.

Dal lancio della prima carta prepagata ricaricabile in Italia (2002) e del primo conto di moneta elettronica (2006), alla creazione di gateway di pagamento con licenza acquiring (2008) e all’introduzione dei pagamenti istantanei P2P (Jiffy, 2014) e delle prime piattaforme di pagamento cloud in Medio Oriente (noon.com, 2016), il suo focus è sempre stato sul costruire ‘il nuovo’.

Il suo percorso include ruoli di leadership e contributi fondamentali in noon.com, PayPal, Fastweb, IWBank, e UBI Banca, dove ha guidato l’innovazione nei pagamenti mobile e ha contribuito alla gestione della normativa PSD2.

Oggi, applica questa combinazione di visione strategica ed eccellenza nell’esecuzione come Membro del CdA di diverse società, guidando la Trasformazione Digitale nel FinTech. La sua passione è supportata da un PhD, un EMBA, una laurea magistrale in strategia e una laurea in economia, dalla pubblicazione del libro (“Pagamenti elettronici. Dal baratto ai portafogli digitali” 2016, goWare).

Appassionato nel costruire il futuro della finanza, Devid rappresenta un punto di riferimento nel settore.

L'articolo DeFi, la nuova frontiera della finanza decentralizzata proviene da Data Manager Online.

«Non tanto per costringerci ad ammettere la nostra debolezza» – afferma Nello Cristianini, docente alla Bath University e grande esperto del settore, nel suo libro più recente, “Sovrumano. Oltre i limiti della nostra intelligenza” (Il Mulino, 2025) – ma per prepararci ad affrontare un mondo in cui una enorme quantità di “task”, dalla progettazione di un ponte alla refertazione di una mammografia, verranno eseguiti meglio e più in fretta dalle macchine.

Nella quasi settantennale storia dell’intelligenza artificiale – il termine fu coniato nel 1956 da John McCarthy in occasione del celebre seminario estivo del Dartmouth College – l’uomo ha dovuto abituarsi anche all’idea della sconfitta davanti a una macchina “pensante”. La prima, quasi trent’anni fa, fu piuttosto clamorosa perché arrivò dopo un lungo braccio di ferro in cui lo scacchista Garry Kasparov sembrava destinato a prevalere. Nel 1997, in occasione di un torneo concesso per rivincita, il vulcanico Grande Maestro dovette inchinarsi alla rapidità con cui il supercomputer IBM Deep Blue era in grado di valutare le mosse probabilisticamente più opportune.

Meno di quindici anni dopo, fu la volta del successore di quella macchina, Watson, a sconfiggere il campione assoluto del Rischiatutto americano – il gioco a quiz Jeopardy! – questa volta, dimostrando le capacità del supercalcolo nell’affrontare un problema che gli odierni valutatori di un sistema AI chiamerebbero “non-Google proof”: rispondere a quiz di cultura generale molto complessi attraverso la ricerca in un database indicizzato di enciclopedie, dizionari e testi.

Nel 2016, dopo IBM arriva DeepMind, una startup anglo-americana che allora era già stata acquisita da Google. In un perfetto esercizio di machine learning basato su reti neurali, il computer riuscì a sconfiggere il leggendario campione mondiale, il coreano Lee Sedol, nel raffinato gioco orientale del Go. A differenza degli scacchi, nel Go non esistevano algoritmi capaci di valutare la qualità di una posizione sul quadro di gioco: il software AlphaGo era in grado di prendere le sue decisioni attraverso l’analisi storica di centinaia di migliaia di partite “vere” e della sua stessa esperienza. Nel 2019, Lee annunciò il suo ritiro dal professionismo, conscio della sua definitiva inferiorità davanti alla «entità che non può essere sconfitta».

L’AI corre veloce, siamo pronti a starle dietro? #AI #IndexReport2025 #Stanford
Click To Tweet

Da allora – ci dice Cristianini – sono sempre più numerosi gli esempi di ASI (o AI specialistica) in grado di affrontare problemi “Google proof” meglio di qualsiasi esperto umano. E la refertazione di una mammografia è realmente uno di questi esempi. Ci stiamo addentrando sempre più nei territori delle AGI (le AI generaliste) e presto o tardi (il professore è più orientato al presto) scavalleremo in quello delle ASI, le “Superintelligenze” artificiali, capaci di darci risposte su problemi che l’uomo non riesce neppure a vedere. I progressi nel settore sono oggettivamente molto veloci.

Secondo l’Artificial Intelligence Index Report 2025, recentemente pubblicato da Stanford, i tre benchmark introdotti nel 2023 – MMMU, GPQA e SWE-bench – hanno registrato, nell’arco di un solo anno, margini di miglioramento rispettivamente del 18,8%, 48,9% e 67,3%. Questo sicuramente anche grazie ai 109,1 miliardi di dollari di capitale privato investiti in AI nel 2024 negli Stati Uniti (contro i 9,3 della Cina).

I benchmark ci aiutano a individuare meglio la direzione delle nostre ricerche e a valutare in modo più puntuale gli strumenti AI che possono tradursi in azienda in un vantaggio competitivo. Ma non rispondono alla domanda esistenziale di come vivere in un mondo in cui l’economia, il lavoro, la scuola, le leggi saranno stravolti da macchine più intelligenti di noi.

L'articolo Siamo pronti alla Superintelligenza? proviene da Data Manager Online.

Il cybercrime si evolve e mira dritto all’identità digitale. Sotto attacco, la nostra rappresentazione nei servizi online, e con essa i meccanismi tecnici da cui dipendiamo per realizzarla, come il nome utente e la password. Gli hacker preferiscono il log-in all’hack-in: gli attacchi si concentrano sull’uso fraudolento delle credenziali legittime, una strategia più semplice ed efficace rispetto alle complesse attività di intrusione, che richiedono più risorse e aumentano il rischio di essere intercettati dai sistemi di difesa.

Questo cambiamento è strettamente legato alla diffusione degli InfoStealer, malware specializzati nel furto di dati, che alimentano un fiorente mercato nero di credenziali nel dark web. Il trend è in crescita costante. Secondo l’IBM X-Force Threat Intelligence Index 2025, nel 2023 gli InfoStealer hanno segnato un’impennata del 266%. E la tendenza non si è fermata: nei mesi successivi, le credenziali sottratte tramite questi malware e messe in vendita sul dark web sono aumentate di un ulteriore 12%.

Il log-in, inoltre, seppur con scopi malevoli, viene quasi sempre ignorato dai sistemi e dai processi di protezione dei sistemi informativi. La conseguenza più immediata è che questo fenomeno raramente scatena una revisione dei sistemi di protezione, sulla scorta della scorciatoia mentale del “se funziona, non ripararlo”. Così, l’accesso anomalo viene spesso sottostimato, con il rischio che continui a esserlo per lungo tempo. La diffusione massiccia di malware InfoStealer, insieme alla vendita di credenziali, ai dump di dati e all’uso dell’AI generativa, non può che alimentare la crescita in numero e complessità degli attacchi.

La soluzione, in realtà, è più accessibile di quanto si creda: basterebbe adottare alcune best practice ormai consolidate – come il rafforzamento delle credenziali, l’applicazione del principio del privilegio minimo e l’implementazione dell’autenticazione multifattoriale resistente al phishing – per ridurre drasticamente l’efficacia dei principali vettori di attacco. Passo fondamentale è la veloce sostituzione delle soluzioni di autenticazione a più fattori non resistenti al phishing, come le One-Time Password (OTP) via SMS.

Protezione delle identità digitali, le soluzioni ITDR per rispondere tempestivamente alle minacce #CLUSIT
Click To Tweet

Pur essendo compatibili con cellulari meno recenti, e quindi compatibili anche con l’utenza meno evoluta tecnologicamente, il rischio che le OTP inviate via SMS vengano catturate e riutilizzate in maniera fraudolenta è troppo elevato per essere ignorato. Attenzione all’aumento di inserzioni malevole sui social network, con annunci che, usando il marchio e l’identità visiva di note aziende bancarie o criptovalute emergenti, inducono a investire somme di denaro su piattaforme false. Ma attenzione anche ai canali, un tempo percepiti come sicuri, come per esempio phishing e malware veicolati attraverso messaggi di posta elettronica certificata.

Per la protezione dei dati aziendali, è indubbio il ruolo della formazione, anche se da sola non basta. Alcuni attacchi hanno successo anche se l’utente opera con cautela e prevenzione. Servono delle contromisure di natura tecnica in grado di intervenire quando la minaccia riesce a scavalcare le protezioni della vittima. Sul mercato si osserva una positiva convergenza di soluzioni verso l’adozione di feed di Cyber Threat Intelligence un tempo appannaggio delle soluzioni SIEM (Security Information and Event Management) e dei dispositivi di rete, che sono ora disponibili anche per molte altre tecnologie di sicurezza, come le innovative soluzioni di Identity Threat Detection and Response (ITDR).

Qui troviamo un connubio virtuoso nel quale strumenti e processi di sicurezza sono orientati a identificare, bloccare e rispondere agli attacchi alle identità. Le soluzioni ITDR stanno suscitando un forte interesse e si prevede una crescita significativa, alimentata dall’aumento delle minacce a identità e accessi. Gli attacchi diventano sempre più veloci, anche a causa dei meccanismi di automazione usati dagli attaccanti. La prevenzione, l’individuazione e la risposta agli attacchi devono pertanto poggiarsi su strumenti che consentano una pari rapidità di azione.

Pier Luigi Rotondo comitato direttivo CLUSIT

L'articolo Identità sotto attacco, il nuovo obiettivo degli hacker proviene da Data Manager Online.