Il 2025, il quinto anno dell’era Arvind Krishna, non poteva concludersi in modo più positivo per IBM. «Il quarto trimestre e l’intero 2025 si sono chiusi con risultati molto solidi» – dichiara il 28 gennaio l’amministratore delegato di IBM Italia Alessandro La Volpe, dopo la pubblicazione dei risultati della corporation. Risultati che confermano la forza della direzione strategica intrapresa, il valore del portfolio di offerta e la capacità di integrazione tra IBM Technology, IBM Consulting e l’ecosistema dei partner.

A monte dei risultati finanziari e della coerenza del portafoglio, emerge la visione strategica di Krishna. Già artefice dell’acquisizione di Red Hat – operazione da 34 miliardi di dollari completata nel 2019 – il CEO ha impresso una direzione chiara a IBM. Cloud ibrido e intelligenza artificiale rappresentano i due pilastri su cui si fondano tecnologia, ricerca e posizionamento di mercato di Big Blue. Alessandro La Volpe delinea a partire dai risultati finanziari e dalle soluzioni recentemente annunciate, il presente e l’immediato futuro di IBM. Soffermandosi sulle prospettive che l’attuale percorso dell’azienda – tra i big dell’IT quella più concretamente impegnata sul fronte dell’informatica quantistica – potrebbe aprire sia a livello globale sia per l’ecosistema tecnologico italiano.

L’AI ALIMENTATA DA DATI REAL-TIME

«Dalla nomina di Krishna, la scelta di concentrarsi sulla tecnologia e di valorizzare soluzioni e servizi ci ha fatto diventare un unicum sul mercato, dove la consulting è parte integrante della nostra identità». Se l’acquisizione di Red Hat getta le basi del posizionamento di IBM nel campo del cloud ibrido, quella che è stata annunciata proprio alla fine del 2025 dice molto della strategia dedicata all’intelligenza artificiale e dell’impegno sul fronte dei nuovi modelli di approccio al problema dell’informazione per le aziende data-driven. La nuova operazione, che dovrebbe chiudersi entro la metà del 2026, riguarda Confluent, significativa realtà della Silicon Valley fondata nel 2014 dai creatori di Apache Kafka come progetto open source all’interno di LinkedIn, e oggi una delle principali piattaforme per la gestione di dati in tempo reale.

Qual è l’interesse di IBM in questa tecnologia? «Confluent si inserisce in un contesto che oggi è determinante» – spiega l’AD di IBM Italia. «La capacità di gestire in tempo reale, a bassissima latenza, imponenti volumi di dati provenienti da fonti diverse e destinati a supportare i processi di automazione e di trasformazione digitale dei clienti è un fattore chiave. Questa acquisizione, il cui valore stimato è di 11 miliardi di dollari, rappresenta la seconda operazione più importante dopo Red Hat».

L’informazione real-time è la grande sfida nell’evoluzione degli attuali modelli di addestramento dell’intelligenza artificiale generativa e del machine learning, perché permette di colmare l’attuale gap tra dati statici e dinamici e apre la strada a un aggiornamento delle basi di conoscenza dell’AI in modo molto più rapido e compatibile anche con le informazioni che viaggiano continuamente su Internet. In più, Confluent condivide pienamente il paradigma open source che da tempo caratterizza l’offerta di IBM e ne guida le scelte. In virtù di questa omogeneità, è possibile garantire l’integrazione end-to-end di applicazioni, analisi, ecosistemi di dati e agenti AI per promuovere l’intelligence e la resilienza negli ambienti cloud ibridi. Secondo Arvind Krishna, con l’acquisizione di Confluent, IBM fornirà una data platform intelligente per l’IT aziendale, progettata appositamente per l’AI.

UN MAINFRAME PER L’AI

Tornando ai risultati, Alessandro La Volpe evidenzia che il buon andamento dell’ultimo trimestre si è tradotto in cifre di tutto rispetto lungo l’arco dell’anno. IBM chiude il 2025 con un fatturato di 67,5 miliardi di dollari, pari al 6% di crescita a valuta costante sul 2024 e le aspettative per il 2026 sono altrettanto favorevoli. L’ultimo quarto vede crescere molto bene il software per il cloud ibrido, e benissimo quello per i dati. Ancora più soddisfacente l’andamento del comparto infrastruttura ibrida: i dati corporate parlano di un 67% in più per il business generato dalla nuova generazione dei mainframe, la famiglia IBM Z.

«Il nuovo mainframe z17 è uno dei motori di questa crescita» – osserva La Volpe. «Questi sistemi sono il pilastro della strategia IBM e consentono di far girare le macchine transazionali dei clienti con grandi performance e con ogni tipo di workload in ambito pubblico o privato. Sempre con riferimento al mainframe c’è da segnalare una significativa novità pensata per adattare l’architettura transazionale dello z17 alle necessità di calcolo dell’AI. «Abbiamo rilasciato una nuova famiglia di schede di accelerazione compatibili con z17 e LinuxONE 5, proprio per assicurare scalabilità verso l’AI generativa e i language model più complessi, senza costringere l’utilizzatore a trasferire i workload dell’AI all’esterno del mainframe».

Le schede Spyre Accelerator sono ottimizzate per il calcolo inferenziale e dispongono di 32 core ciascuna. Un singolo z17 può accogliere fino a 48 schede di accelerazione, raggiungendo una capacità di elaborazione pari a 450 miliardi di inferenze al giorno. Le aree applicative target sono quelle dell’AI generativa e agentica, nonché i modelli ad alta precisione usati per la valutazione in tempo reale dei rischi, l’individuazione dei tentativi di frode e per la cosiddetta “ingestione” dei dati.

Le architetture hybrid cloud su cui IBM ha investito negli ultimi anni sono ormai uno standard di fatto – come spiega La Volpe – perché consentono di addestrare ed eseguire modelli analitici e soluzioni di intelligenza artificiale dove risiedono i dati: all’interno dei confini aziendali, nei siti produttivi o nel cloud pubblico. «Riteniamo che il 2026 porterà alla definitiva affermazione dell’intelligenza artificiale “in produzione” e dell’AI effettivamente capace di gestire i processi di business. Questo è sicuramente un momento di svolta» – ribadisce l’AD di IBM Italia. «Ci stiamo liberando da quella che chiamo la “palude” del prototipo, di casi d’uso fini a se stessi e che non si integrano nei processi aziendali».

Tutto ciò di cui si è parlato finora – streaming in tempo reale dei dati, cloud ibrido, confluenza di transazionale e inferenziale, salto di qualità dell’AI che entra direttamente nella gestione del business – contribuirà a rendere ancora più urgente il tema della giurisdizione sul dato: la sovranità digitale. Nel corso degli anni, al problema della regolamentazione della privacy e della ownership, è stata data una risposta geografica: a discriminare, il luogo fisico dei server dei data center privati e del cloud pubblico. «IBM sta pensando a una soluzione diversa con il rilascio della piattaforma software chiamata Sovereign Core, che sarà disponibile verso l’estate, e che vuole risolvere il classico dilemma tra controllo e innovazione, ma senza correre il rischio di perdere la sovranità su dati, applicazioni e infrastruttura IT». L’intelligenza artificiale oggi sposta il focus dalla sovranità geografica a un modello più ampio di sovranità digitale. Questi sistemi operano continuamente in modalità di esecuzione, dipendono da dati e modelli altamente sensibili e introducono nuovi obblighi normativi in materia di responsabilità, verificabilità e governance. Parlare di sovranità significa avere visibilità e controllo su chi gestisce le piattaforme, dove i modelli di AI vengono eseguiti e come viene gestita l’inferenza, l’accesso amministrativo ai sistemi e il modo in cui le varie conformità possono essere dimostrate e documentate.

SOVRANITÀ BY-DESIGN

La risposta a un problema così complesso è la “sovranità by design”, l’approccio che Sovereign Core rende operativamente possibile. In questo modo, la sovranità diventa, come è stato per la sicurezza by-design, una proprietà intrinseca delle piattaforme software. La nuova soluzione IBM punta a fornire, attraverso un’architettura open source basata su Red Hat OpenShift, una piattaforma per la sovranità digitale gestita direttamente dal cliente, senza intermediazioni. Identità degli utenti e relative chiavi di autenticazione, autorizzazione, crittografia e gestione degli accessi rimangono all’interno dei suoi confini. All’interno dei quali vengono generati, archiviati e gestiti i dati operativi completi, la telemetria del sistema e i registri compilati con i dati rilevati. Sotto il pieno controllo dell’owner restano anche la distribuzione dei modelli AI e l’esecuzione dell’inferenza, con tracciabilità e supervisione complete.

«Questo approccio non si limita più a costruire semplicemente il proprio data center in Europa» – spiega La Volpe. «Ma permette di mantenere il controllo delle proprie chiavi di casa, ovunque si trovino asset applicativi e dati. Sovereign Core dispone di strumenti che consentono di validare la compliance delle applicazioni, senza delegare ad altri la gestione della sovranità».

IL QUANTUM COMPUTING

In mezzo a tanti argomenti, il quantum computing è forse l’elemento più caratterizzante della vision di IBM sul piano competitivo. Soprattutto perché, quando si parla di informatica quantistica e delle sue dirompenti capacità, convergono molte delle problematiche affrontate sin qui. Prima tra tutte la questione della sicurezza crittografica di chiavi universalmente ritenute inviolabili (almeno nei tempi resi mediamente possibili dai calcolatori convenzionali), ma che non potrebbero reggere alle prestazioni di un computer quantistico. La Volpe osserva che per quanto sia avanzata la posizione “quantistica” di IBM, nell’orizzonte tracciato dal piano strategico 2020, ci sono ancora due giri di boa.

Il 2026 che segnerà la certificazione dei primi casi di “quantum advantage”: applicazioni in cui il calcolo quantistico supera, in modo misurabile, le capacità dei sistemi tradizionali. «È un’aspettativa molto concreta in campi come i modelli finanziari o la ricerca di nuovi materiali» – afferma La Volpe. «Una prima comunicazione è già arrivata a fine 2025 dalla società finanziaria britannica HSBC che in collaborazione con IBM ha risolto un problema di ottimizzazione nel trading obbligazionario con un’accuratezza migliore del 34% rispetto al calcolo convenzionale». L’altro traguardo, che secondo le stime verrà raggiunto nel 2029, è la fault tolerance. Al momento nei computer quantistici non è ancora possibile eliminare del tutto il rumore di fondo dell’elaborazione, che a sua volta genera incertezza nei risultati con troppi margini di approssimazione. «Il problema è di natura tecnologica, non algoritmica, ma prevediamo che entro quel termine verrà superato» – dichiara La Volpe.

Il dominio di IBM nel nascente mercato dell’IT quantistica, uno dei più promettenti nell’arco dei prossimi decenni, inizia nel 2016, con la dimostrazione dei primi circuiti della IBM Quantum Platform. Il computer quantistico non è una scatola o un mainframe standalone, ma un insieme di circuiti in un sistema molto complesso intorno al quale va costruito un data center e un intero ecosistema di scienziati, ricercatori, programmatori e linguaggi. Questo è il ruolo della IBM Quantum Network, la rete mondiale di 300 università, istituzioni e aziende che raggruppa gli sperimentatori in grado di accedere alle risorse non ancora commerciali che IBM mette a disposizione della sua rete attraverso il cloud. Sebbene formalmente facciano capo alla rete globale dei laboratori di ricerca IBM, secondo La Volpe queste risorse hanno già generato negli ultimi anni contratti per un valore complessivo di un miliardo di dollari.

L’IT PER IL FUTURO

Alla base delle applicazioni – che spaziano dallo sviluppo di nuove molecole in campo farmacologico e ingegneristico alla previsione del rischio meteorologico e climatico, passando per l’ottimizzazione finanziaria, della logistica, della generazione e distribuzione dell’energia elettrica – c’è un kit di sviluppo open source, Qiskit, che è l’equivalente quantistico di CUDA, lo strumento che NVIDIA mette a disposizione di chi vuole costruire applicazioni avanzate per le GPU. Dal 2016 IBM ha messo a disposizione 89 processori quantistici. Oggi ne sono attivi più di 15, tutti da oltre 100 qubit, alcuni dedicati ad accordi nazionali, altri nei due quantum data center di IBM: quello di Poughkeepsie negli USA e quello di Ehningen in Germania, voluto fortemente dall’ex cancelliera Merkel e inaugurato nel 2024. Sono inoltre in funzione nove computer quantistici “on site”, l’ultimo e più potente dei quali è l’IBM-Euskadi Quantum Computational Center di Donostia-San Sebastián, nei Paesi Baschi, un gigante da 156 “qubit”, l’unità fondamentale del calcolo quantistico. Il sistema – il più potente costruito finora da IBM – è operativo dallo scorso ottobre ed è impiegato principalmente nella ricerca in ambito molecolare.

Nella creazione del futuro mercato dell’informatica quantistica e dello sviluppo del suo indispensabile bacino di nuove competenze, IBM ritrova quella che era stata la sua missione formativa ai tempi dell’invenzione tecnologica del mainframe. Vocazione che Big Blue non ha mai abbandonato. Ancora prima di raggiungere la piena maturità, il computer quantistico richiede molto lavoro, per il quale occorre formare una nuova generazione di “programmatori”. Uno degli aspetti da coprire è proprio la sicurezza degli algoritmi in uno scenario in cui i sistemi di crittografia tradizionale sono a rischio. Il National Institute of Standards and Technology (NIST) ha già certificato tre algoritmi “quantum safe” in ambito cybersecurity e due di questi sono targati IBM.

Inoltre, il programma IBM Impact Accelerator certifica diversi percorsi formativi orientati allo sviluppo delle nuove competenze. IBM promuove anche una nuova cultura della sicurezza attraverso la Cyber Academy, realizzata in Italia con la collaborazione dell’Agenzia per la Cybersicurezza Nazionale. Mentre strumenti come AI Toolkit for z e l’ambiente di sviluppo Project Bob vengono rilasciati ai coder per promuovere la creazione di software agentico e modernizzare le applicazioni legacy in chiave AI.

«In ambito quantum siamo attivi anche in Italia, dove in occasione di ComoLake 2025 Digital Innovation Forum, abbiamo presentato “Quantum Lake” l’iniziativa che ha l’obiettivo di portare i nostri quantum ambassador nelle scuole secondarie per introdurre il tema ai futuri universitari» – spiega Alessandro La Volpe, che vede nella nuova informatica e nel potenziale indotto una grande occasione di rilancio economico, industriale e culturale dell’Europa e dell’Italia in particolare.

Se l’installazione dell’IBM Quantum System Two ha posto la Spagna sul nodo europeo della tecnologia quantistica, è lecito chiedersi se anche l’Italia possa ritagliarsi un ruolo analogo. «I modelli sono diversi: i Paesi Baschi hanno saputo muoversi nell’ambito di un governo regionale molto forte, mentre in Italia la situazione è più frammentata» – risponde La Volpe. «Prima bisogna individuare i giusti driver. Sono già aperte diverse interlocuzioni a più livelli, insieme alle tante realtà italiane che utilizzano i sistemi quantistici di IBM in cloud. Diverse università stanno portando avanti iniziative promettenti». L’auspicio è che i frammentati interessi delle numerose parti in gioco possano convergere in un ecosistema nazionale focalizzato su una tecnologia ad altissimo potenziale.

L'articolo IBM, il salto quantistico dell’IT proviene da Data Manager Online.

Per Marco Fanizzi non manca molto al compimento dei 40 anni di carriera nel settore tecnologico. Un percorso che inizia a fine anni 80 con quella che diventerà una lunga esperienza nella Italtel di Marisa Bellisario, nomi leggendari in una triade – Italtel appunto, Telettra e Olivetti – che ancora oggi significa eccellenza italiana nella nascente industria globale dell’ICT. Dopo diverse esperienze in multinazionali protagoniste del settore, Fanizzi si ritrova a capo della filiale italiana di EMC e sei anni dopo, nel 2016, l’azienda leader nel settore dello storage viene acquisita da Dell in uno storico merger quotato 67 miliardi di dollari, dieci anni fa. In quella che diventerà Dell Technologies Italia rimarrà fino al 2019, in veste di vice president e responsabile delle vendite.

Nel 2025, dopo una serie di ruoli guida a livello internazionale nel campo della cybersecurity e del digital trusted services, ecco la decisione di rientrare in Dell Technologies, dove Fanizzi assume l’incarico di general manager & vice president sales Italy. A febbraio di quest’anno, la responsabilità viene estesa alla Svizzera e all’Austria. Perché questo ritorno? «Tra i motivi c’è sicuramente il legame di amicizia e fiducia che ho sempre mantenuto con executive e persone in Dell Technologies. Ma il fattore decisivo è il grande trend dell’intelligenza artificiale: se è come l’ho capita io, voglio viverla dal punto di vista di chi occupa una posizione di leadership». Tanti cambiamenti nella società, ma una cosa è rimasta uguale: «Persone di talento e una strategia forte, sostenuta da una vision che attraverso la tecnologia vuole promuovere l’innovazione e la crescita non solo materiale delle imprese».

VALORIZZARE E SEMPLIFICARE

In chiave più pragmatica, con le sue soluzioni Dell punta a valorizzare i dati e semplificare la gestione dell’infrastruttura, contribuendo a renderla accessibile in modo immediato e sicuro. «Questo è ciò che serve all’ospedale per fare diagnosi e curare sempre meglio, alle scuole per attrarre e formare sempre più studenti, alle aziende per essere più competitive» – spiega Fanizzi. Il tema dell’AI è ormai onnipresente, nei convegni come nelle discussioni interne alle organizzazioni. Fanizzi ne osserva l’impatto sui clienti mondiali e italiani di Dell Technologies con gli occhi di chi ha già vissuto diverse “rivoluzioni”. «Ho visto Internet diventare un modello operativo nei processi aziendali. L’iPhone cambiare per sempre il modo di interfacciarsi con l’IT, accelerando a dismisura quello che era diventato il leitmotiv degli anni 2000: e-commerce, e-business e infine il cloud, prima pubblico e man mano sempre più ibrido e diversificato». Ogni volta, l’ondata tecnologica del momento ha dovuto essere discussa e metabolizzata; costi e sicurezza sono stati due elementi fondamentali per poter scalare fino al punto da diventare accessibili, economicamente convenienti e affidabili.

Costi e sicurezza sono due variabili fondamentali anche oggi che l’AI è ancora in una fase di metabolizzazione. L’intero mercato globale si appresta ad accogliere l’AI degli agenti e della robotica avanzata, due ambiti in cui ferve lo sviluppo di nuovi prodotti. «Come sempre esistono innovatori e follower: in Europa i primi sono i paesi nordici, il Regno Unito e l’Olanda. Anche il Medio Oriente ha già fatto il salto. Un po’ per natura, un po’ per il suo sistema di regole – che alla fine però si rivelano giuste – l’Europa Occidentale arriva con un po’ di ritardo».

ADDESTRARE L’AI SENZA CEDERE CONOSCENZA

Come si posiziona Dell Technologies in questo nuovo paradigma? Innanzitutto, facendo leva su un modello di supply chain considerato tra i più efficienti al mondo e utilizzando gli strumenti dell’AI al proprio interno, a vantaggio della propria forza vendita, lungo l’intero ciclo dal pre-sale fino al supporto post vendita. «Sono investimenti in corso da anni» – afferma Fanizzi. «Oggi disponiamo di un modello AI interno e proprietario che ci serve per accedere a ogni tipo di informazione, per fare presentazioni, analisi competitive e proposte ai clienti».

Nei confronti dei clienti, Dell Technologies è partita osservando a lungo comportamenti e necessità, inquadrando la problematica che è alla base di tanti use case che vengono sperimentati e abbandonati. «Molte di queste applicazioni hanno ragion d’essere come casi isolati, ma i costi non permettono di inserirle in produzione. Occorre individuare un modello di scala che funzioni» – sottolinea Fanizzi. Questo modello si chiama per noi Dell AI Factory, una risposta basata sulla storica collaborazione con partner come Intel, NVIDIA, AMD, capace di combinare elementi infrastrutturali – dal singolo PC specializzato ai sistemi PowerEdge per data center, ai supporti storage hardware e software dedicati a modelli e soluzioni AI – con modelli operativi e di servizio che accelerano lo sviluppo di applicazioni di AI. In ottica di sovranità digitale ogni soluzione viene calata nella realtà del cliente, tenuto a mantenere la giurisdizione su dati e applicazioni.

«Attraverso i nostri servizi professionali e i partner vogliamo favorire lo sviluppo dei data lake che servono per istruire l’AI con i propri dati e diventare così più competitivi senza dover cedere conoscenza a terzi». Con l’avvento dell’AI agentica, insieme alle informazioni è possibile impartire veri e propri ordini esecutivi. Che verranno portati a termine da agenti software capaci di interagire tra di loro e prendersi la responsabilità di raggiungere gli obiettivi richiesti. L’agentic AI rivoluzionerà anche il mondo B2C.

CLOUD IBRIDO, TUTTI VINCITORI

La base di questo modello di business è rappresentata da un approccio radicalmente moderno al data center: macchine a raffreddamento liquido, acceleratori inferenziali, prestazioni a “cinque nove”, partner in grado di supportare le organizzazioni a implementare facilmente e in modo sicuro workload AI su qualsiasi scala, e costi competitivi rispetto allo stesso cloud pubblico. Dell ha calcolato che grazie all’approccio AI Factory i costi dell’inferenza on premise con i Large Language Model possono diventare del 60% più convenienti.

Nella partita del cloud ibrido, dove l’orchestrazione dei servizi agisce su un mix sempre più complicato di fornitori pubblici e infrastrutture private, l’opinione di Fanizzi è che se i cosiddetti hyperscaler assicurano rapidità e semplificazione, sull’altro piatto della bilancia va valutata la sostenibilità dei costi nel medio-lungo periodo e i fattori di sovranità dei dati. Le infrastrutture tradizionali richiedono competenze interne solide e tempi di provisioning più articolati, ma offrono maggiore prevedibilità dei costi e un controllo più chiaro sulla giurisdizione dei dati, elementi che per molte organizzazioni restano decisivi in ottica strategica» – continua Fanizzi.

Con APEX, Dell punta a combinare i vantaggi del cloud pubblico – semplicità di fruizione, flessibilità e rapidità di attivazione – con quelli dell’infrastruttura proprietaria, offrendo maggiore capacità, controllo diretto degli asset e una struttura dei costi più prevedibile. Ma attenzione: «Qui non ci sono modelli vincenti o perdenti» – mette subito in chiaro Fanizzi. «Anche se i grandi analisti parlano molto di “repatriation” di applicazioni dal cloud pubblico al privato, il modello ibrido è destinato a durare e Dell Technologies continuerà a fornire infrastruttura a tutti. Quel che conta è la crescente centralità del digitale che ormai domina anche a livello geopolitico».

Per quanto riguarda in modo più specifico l’azione della società in Italia, Fanizzi intende focalizzarsi molto sul tema dell’adozione dell’AI da parte della PA italiana, un mercato guidato da complessi accordi-quadro generali. «Per questo stiamo lavorando con le istituzioni, AGID, ANITEC e Consip per avvicinare il più possibile i mondi del business e della Pubblica Amministrazione» – spiega Fanizzi. «La nostra burocrazia non è poi tanto diversa da quella di altre nazioni. Anzi in molti casi l’Italia sta facendo da apripista, come dimostra la fatturazione elettronica e la posta certificata. L’accesso all’AI è determinante per offrire ai cittadini servizi più efficienti e migliorare la collaborazione tra gli enti che la compongono».

L'articolo Dell Technologies, Marco Fanizzi: l’infrastruttura per una AI accessibile e sovrana proviene da Data Manager Online.

L’intelligenza artificiale non è un semplice tool da distribuire in azienda per aumentare l’efficienza individuale. È un’infrastruttura decisionale che entra nel cuore delle operazioni, una combinazione di algoritmi, modelli di machine learning e sistemi intelligenti che riscrive processi, ruoli e modelli organizzativi. Non si limita ad accelerare il lavoro: ne cambia la natura, ridefinendo responsabilità, flussi operativi e criteri con cui si misura la performance. Grazie all’utilizzo di AI, le organizzazioni stanno già vivendo importanti evoluzioni nelle competenze e professionalità necessarie per le loro attività.

Durante il World Economic Forum di Davos di gennaio, la direttrice operativa del Fondo Monetario Internazionale Kristalina Georgieva ha lanciato un avvertimento netto: «L’intelligenza artificiale potrebbe incidere su circa il 60% dei posti di lavoro nelle economie avanzate e su oltre il 40% a livello globale». Se la tecnologia corre più veloce delle regole chiamate a governarla, un impatto di questa scala rischia di superare la capacità di risposta di governi e istituzioni. Questa rivoluzione non deve trovare impreparato nessuno, in particolare i responsabili dei dipartimenti HR, che dovranno trattare l’intelligenza artificiale come driver delle prestazioni organizzative, soggetto alla valutazione rigorosa e all’ottimizzazione continua.

La capacità di collaborare con l’AI sta diventando una competenza di base, già oggi richiesta per quasi tutti i ruoli. Con il diffondersi dell’AI in azienda, stanno nascendo funzioni aziendali completamente nuove: una su tutte l’AI Automation Engineer, figura che aiuta i dipendenti a integrare l’AI nei loro flussi di lavoro quotidiani. In questa fase si tratta solo di supporti sporadici alla modifica dei workload, non di posizioni a tempo pieno, ma in futuro, a mano a mano che le organizzazioni incorporeranno l’AI più profondamente nelle loro operazioni, nasceranno figure diverse, non solo destinate a supportare la formazione e l’utilizzo delle nuove funzionalità, ma anche focalizzate sulla riduzione dei pregiudizi, l’aumento della trasparenza e la garanzia della responsabilità.

COMPETENZE E RUOLI IBRIDI

Nessun cambiamento è indolore o a costo zero. E nessuna trasformazione è sostenibile senza cultura, visione e capacità di orientare l’organizzazione in un passaggio così importante: le profonde modifiche strutturali a cui stiamo andando incontro impattano – e impatteranno sempre di più – su come le organizzazioni assumono, sviluppano, gestiscono e supportano il capitale umano. E poiché l’AI sta rivoluzionando le aziende a un ritmo rapidissimo, i dipartimenti HR sono chiamati a diventare gli artefici della trasformazione della forza lavoro, partendo dal presupposto che l’AI trasformerà anche la stessa funzione HR. «Tra i lavoratori italiani si rileva una crescente frustrazione, attribuibile alla percezione di instabilità del mercato del lavoro, accentuata da conflitti e crisi globali e da retribuzioni spesso inadeguate al costo della vita» – spiega Mariano Corso, responsabile scientifico dell’Osservatorio HR Innovation Practice del Politecnico di Milano.

«Benessere ed equilibrio restano ai primi posti nelle priorità, ma accanto a queste esigenze si fa strada una domanda sempre più esplicita di sicurezza e protezione». Le direzioni HR sono chiamate a fare un salto di qualità – continua Corso. «Non solo gestire processi e performance, ma presidiare il senso del lavoro, contrastando una percezione diffusa di precarietà e ricostruendo fiducia all’interno delle organizzazioni. Tra ricambio generazionale e rivoluzione tecnologica, l’HR deve tracciare la rotta del cambiamento delle organizzazioni, che oggi passa da AI, nuove strategie e nuove competenze».

I responsabili HR erano già alle prese con sfide importanti, come l’evoluzione delle aspettative dei dipendenti e la carenza globale di manodopera. A queste si aggiunge la necessità di riqualificare la forza lavoro presente in azienda, per ridurre il crescente divario di competenze. Upskilling e reskilling sono leve strategiche: investire in nuove competenze diventa la condizione per difendere e rafforzare la competitività aziendale di fronte a una trasformazione che ha la portata di una vera rivoluzione industriale. I primi ad adottare la trasformazione digitale dovrebbero essere proprio le direzioni HR. Secondo una recente ricerca di IDC, il duplice obiettivo di trasformare i processi e di favorire l’adozione dell’AI in tutta l’organizzazione riposiziona il ruolo dei responsabili HR come custodi del know-how. Pertanto, le risorse umane devono contribuire a guidare l’intera organizzazione nella creazione di pratiche di intelligenza artificiale affidabili, basate sulle competenze e in grado di migliorare la produttività. La funzione HR deve anche trasformare il proprio modello di lavoro dall’acquisizione di talenti alla formazione continua, dalla pianificazione della forza lavoro ai servizi per i dipendenti, integrando l’intelligenza artificiale nei flussi di lavoro. Per le HR, abilitare l’intelligenza artificiale significa intervenire in profondità sui processi core.

Vuol dire introdurre copiloti AI per la gestione dei casi, l’analisi dei dati e il supporto ai dipendenti; automatizzare le attività ripetitive per liberare tempo e risorse da destinare a iniziative a maggior valore; utilizzare analytics predittive per anticipare fenomeni come turnover, livello di engagement e fabbisogni di workforce planning. Sul fronte talent acquisition, l’AI accelera sourcing, matching e screening dei candidati, aumentando precisione ed efficienza lungo l’intero funnel di selezione.

TRUST E COMPLIANCE

L’implementazione dell’AI nei dipartimenti HR richiede un approccio strutturato capace di integrare tecnologia e visione strategica per garantire efficacia nelle operazioni e conformità normativa, in primis verso il GDPR, poi verso l’AI Act, che l’Unione Europea ha varato nel 2024, al quale ci si deve adeguare progressivamente, con la maggior parte di obblighi e sanzioni che scatteranno quest’anno. Per questo, è necessaria la trasparenza nell’informare i dipendenti e i candidati sull’uso di sistemi automatizzati, l’alfabetizzazione AI sull’uso responsabile e sicuro degli strumenti, e la privacy per valutare l’impatto sulla protezione dei dati specifica per l’AI. Trasformare la gestione delle risorse umane basandosi sull’AI significa integrare tecnologie intelligenti nella gestione, rendendo i processi più efficienti e data-driven, senza però perdere quel fondamentale “tocco umano”.

Indispensabile la supervisione umana, in modo che le decisioni finali siano sempre validate da un professionista HR. Sulla fiducia negli strumenti e la necessaria trasparenza, lo studio di IDC mette in evidenza che la fiducia nell’AI agentica non è una garanzia di per sé, ma deve essere costruita. I processi HR influenzano direttamente le persone e alcuni strumenti di AI possono essere percepiti come poco trasparenti. La fiducia si costruisce con la spiegabilità sia dei processi di AI che delle misure di sicurezza, nonché con una solida esperienza positiva nelle implementazioni di AI. Molte organizzazioni stanno ancora valutando come poter integrare efficacemente l’AI nella propria strategia HR per sfruttare appieno il suo potenziale. Una ricerca di Gartner evidenzia che il 76% dei responsabili HR considera la GenAI una leva imprescindibile per mantenere la competitività dell’organizzazione.

Eppure il passaggio dalle ambizioni dichiarate all’esecuzione resta lento: secondo gli analisti di McKinsey solo un’azienda su dieci l’ha implementata in modo concreto. Un divario che misura la distanza tra consapevolezza strategica e capacità operativa, e che segnala quanto il percorso di adozione sia ancora in salita. «Le aziende italiane stanno investendo in AI, ma le direzioni HR faticano ancora a governare questa trasformazione» – spiega Martina Mauri, direttrice dell’Osservatorio HR Innovation Practice. «A cominciare dalla scarsa comprensione di come i lavoratori stiano già utilizzando l’AI nelle loro attività, con il rischio di assistere alla diffusione di nuovi strumenti e comportamenti senza una chiara strategia e senza capacità di guidarne gli impatti. L’intelligenza artificiale deve essere concepita come strumento strategico per riprogettare il lavoro, automatizzando attività, creando efficienza, ripensando ruoli, competenze e modelli per liberare tempo ed energie, con minori carichi di lavoro e mansioni più attrattive e sostenibili».

Nelle organizzazioni che l’hanno già adottata, l’AI sta ridisegnando in modo concreto il perimetro d’azione delle HR. L’automazione delle attività ripetitive libera tempo e competenze da riallocare su iniziative a maggior valore strategico, mentre l’analisi in tempo reale di grandi volumi di dati consente di generare insight più profondi e tempestivi. Il risultato è un ruolo più incisivo nei processi decisionali. Un caso emblematico è quello del talent shortage, fenomeno particolarmente acuto in Italia: secondo la Ricerca dell’Osservatorio HR Innovation Practice, l’88% delle aziende dichiara difficoltà nel reperire nuove risorse. Un gap che incide direttamente sulla crescita, i costi di recruiting e la capacità di innovare, ma che al tempo stesso spinge le organizzazioni a ripensare il lavoro e a costruire competenze dall’interno, attraverso percorsi strutturati di upskilling e reskilling.

LA MAPPA DEL CAPITALE UMANO

Secondo Dayforce, la piattaforma globale di gestione del capitale umano basata sull’AI, i dipartimenti HR dovranno passare rapidamente dalla sperimentazione dell’AI all’impatto aziendale misurabile, perché le organizzazioni di maggior successo saranno quelle che svilupperanno l’ingegno umano insieme a sistemi intelligenti. Secondo Steve Holdridge, president e COO di Dayforce, i dati delle persone di un’organizzazione rivaleggeranno con i suoi dati finanziari in termini strategici. «L’AI trasformerà l’intelligenza della forza lavoro da una visione storica dell’organico e dei costi in una mappa vivente di capacità, agilità e potenziale operativo». I consigli di amministrazione alzano l’asticella: chiedono alle HR non solo report consuntivi, ma visione predittiva. Vogliono sapere dove si concentrano i rischi legati ai talenti, quali competenze mancheranno domani, quanto l’organizzazione sia pronta a gestire le successioni e quali modelli di produttività stiano davvero funzionando.

Grazie all’AI, le direzioni HR saranno in grado di captare con anticipo il sentiment della forza lavoro, di sintetizzare in tempo reale i profili delle competenze e le tendenze delle prestazioni. L’intelligenza delle persone diventa business intelligence efficace solo quando il suo impatto è misurabile, ripetibile e comunicato negli stessi termini dei risultati finanziari. Secondo un report di Gartner, i chief human resources officer (CHRO) stanno spostando l’attenzione dalla semplice adozione di strumenti alla radicale riprogettazione del lavoro, in cui i talenti umani e quelli delle macchine coesistono. Il lavoro di squadra di un team ibrido uomo-AI è facilmente descrivibile: l’AI acquisisce dati dai processi, gli esseri umani ne interpretano il significato. L’AI elabora i risultati e aiuta a prevedere scenari, gli esseri umani prendono decisioni. L’AI serve per accelerare il lavoro, mentre gli esseri umani hanno il compito di completarlo e valorizzarlo. Il futuro appartiene alle organizzazioni che integrano l’intelligenza artificiale con il potenziale umano, dove le persone e la tecnologia crescono insieme. Per questi team ibridi servono capacità umane meno vulnerabili all’automazione come la creatività, la curiosità, l’intelligenza emotiva. L’agenda dei CHRO è incentrata sull’integrazione strategica dell’AI, lo sviluppo delle capacità umane, la governance responsabile, la riqualificazione della forza lavoro e la trasformazione della cultura organizzativa.

IL VALORE DELL’ESPERIENZA

I dipartimenti HR devono anche essere in grado di gestire le paure legate alla sostituzione del lavoro umano: si parla di FOBO (Fear Of Becoming Obsolete) per rappresentare proprio la paura dei dipendenti di diventare obsoleti, che è in aumento e richiede un’azione: occorre spiegare al personale che andremo incontro a un maggiore utilizzo dell’AI, ma che questa tecnologia servirà ad automatizzare i compiti ripetitivi per liberare tempo per attività a valore strategico. Secondo uno studio condotto negli Stati Uniti dalla società Pew Research Center specializzata in andamenti demografici e ricerche su media e tecnologia, il 91% dei lavoratori che usa l’AI rileva miglioramenti di performance e produttività, e l’86% individua miglioramenti della qualità del lavoro e della capacità di apprendimento. Per un lavoratore su sei, almeno una parte delle attività quotidiane è già supportata dall’AI. Un ulteriore 25% afferma che, pur utilizzandola ancora in misura limitata, una quota del proprio lavoro potrebbe essere svolta con strumenti di intelligenza artificiale. Resta però una preoccupazione diffusa: l’81% teme che un impiego troppo intensivo dell’AI possa indebolire le relazioni interpersonali e la qualità delle dinamiche collaborative. Secondo la ricerca, poco più della metà dei lavoratori (52%) sono più preoccupati che speranzosi per l’impatto futuro dell’AI sul posto di lavoro e il 32% ritiene che ciò comporterà una riduzione delle opportunità di lavoro a lungo termine. Di contro, il 36% dei lavoratori afferma di nutrire fiducia e il 29% si dichiara addirittura “excited”.

Pareri contrastanti, ma chi si dovrebbe preoccupare di più? Secondo una ricerca sul lavoro pubblicata lo scorso novembre da Toptal, nel mercato attuale i professionisti con oltre cinque anni di esperienza stanno superando sia i profili generalisti sia i candidati entry-level, soprattutto quando combinano competenze di dominio con skill in ambito AI. L’intelligenza artificiale tende ad amplificare il valore dei profili senior: l’esperienza consente di applicare giudizio critico ai dati generati dagli algoritmi e di contestualizzare gli insight dell’AI all’interno di decisioni strategiche più ampie. Questa tendenza riflette una realtà più ampia: l’impatto dell’AI sui posti di lavoro è modellato meno dal tipo di lavoro e più dall’esperienza e dalle competenze.

LE BASI DELL’ADOZIONE

L’implementazione dell’AI nei dipartimenti HR richiede una pianificazione strutturata, competenze specifiche e un percorso formativo completo. Prima di introdurre l’AI su larga scala, è fondamentale che le funzioni HR sviluppino solide competenze digitali e strategiche nelle proprie aree di responsabilità. Serve una formazione sui fondamenti dell’intelligenza artificiale – dal funzionamento delle diverse tecnologie alle loro applicazioni operative – in modo da valutare strumenti, rischi e opportunità con consapevolezza e capacità di governo.

La formazione è il primo snodo strategico. Le HR devono sviluppare la capacità di disegnare e implementare una vera strategia digitale: mappare competenze, individuare i profili necessari e sostenere la trasformazione sia nei processi HR sia nell’intera organizzazione. Investire in alfabetizzazione tecnologica è indispensabile. Solo così le funzioni HR possono contribuire alla scelta degli strumenti più adeguati. Accanto alle competenze tecniche, diventa centrale la “digital people care”, per rafforzare la relazione con candidati e collaboratori. Non meno rilevante è la capacità di analisi data-driven e decision making. Queste competenze rappresentano il punto di partenza. Nel tempo, serviranno programmi strutturati di aggiornamento professionale che combinino skill tecniche e pensiero strategico. Ai CHRO spetta il compito di chiarire la visione della collaborazione tra uomo e AI, spiegando come l’automazione possa ridisegnare i flussi di lavoro e liberare risorse per attività a maggior valore. Parallelamente, è fondamentale promuovere una cultura di apprendimento continuo e sperimentazione, favorendo team trasversali capaci di accompagnare i colleghi nell’adozione delle soluzioni AI. Governata con metodo, questa transizione può trasformarsi da fattore di incertezza a leva di coinvolgimento diffuso, rafforzando consenso interno e competitività organizzativa.

COME SCALARE L’AI

Dopo la formazione, arriva la fase decisiva: passare da un uso episodico dell’AI a una strategia integrata che la incorpori nei processi HR lungo l’intero ciclo di vita del dipendente. È qui che molte organizzazioni si giocano la partita. Senza una visione chiara, il rischio è adottare tecnologia senza impatto reale. Il primo passo è individuare le aree prioritarie in cui l’AI può generare valore misurabile, costruendo business case solidi e obiettivi verificabili. Le applicazioni più frequenti riguardano il recruiting – con screening automatizzato dei CV e matching intelligente dei candidati – l’employee experience, grazie a chatbot attivi 24/7 per le richieste amministrative, lo sviluppo delle competenze con piani formativi personalizzati e la retention, attraverso modelli predittivi capaci di intercettare il rischio di turnover. La parola chiave è gradualità. Automatizzare tutto subito è il modo più rapido per perdere fiducia interna. Meglio partire da un’area critica, per esempio la lentezza nei processi di selezione o il sovraccarico di richieste amministrative, e definire KPI chiari come la riduzione del 20% del time-to-hire o il miglioramento dei tassi di retention. Il ritorno sull’investimento deve essere misurabile in tempi brevi.

C’è poi la questione dati. L’AI è efficace solo quanto lo sono le informazioni su cui lavora. Database puliti, digitalizzati, centralizzati e conformi alle normative privacy rappresentano il prerequisito tecnico per qualsiasi ambizione algoritmica. Segue l’integrazione tecnologica: gli strumenti devono dialogare con i sistemi gestionali esistenti, evitando duplicazioni e garantendo sicurezza. Il mercato offre moduli AI integrati nei software HR, soluzioni verticali specializzate – per esempio per il recruiting – e sviluppi custom per le realtà più strutturate. La modalità operativa migliore resta quella dei progetti pilota. Testare l’AI su processi circoscritti consente di validarne l’efficacia in un ambiente controllato, costruendo competenze e fiducia prima dello scale-up. In questa fase è fondamentale prevedere criteri di valutazione sia quantitativi sia qualitativi, raccogliendo il feedback continuo da HR manager e dipendenti per affinare gli algoritmi e intercettare eventuali bias. Attraverso revisioni periodiche, audit sugli algoritmi e una governance realmente presidiata, l’AI può rimanere coerente con i valori aziendali. Senza controllo continuo, il rischio è che bias impliciti o decisioni automatizzate opache compromettano equità e reputazione, disperdendo il valore del capitale umano.

L'articolo Risorse umane, obsolescenza o performance? proviene da Data Manager Online.

Il networking aziendale sta attraversando una rivoluzione senza precedenti nella storia dell’informatica. Non si tratta più soltanto di far viaggiare dati da un punto X a un punto Y attraverso cavi e switch, ma di costruire ecosistemi digitali intelligenti che si adattano, apprendono e si proteggono autonomamente, quasi come organismi viventi dotati di capacità cognitive.

La domanda strategica che ogni CEO e CIO dovrebbe porsi non è più “se” adottare queste tecnologie trasformative, ma “quando” iniziare la transizione e “come” prepararsi al meglio per non rimanere indietro rispetto ai competitor che stanno già cavalcando quest’onda di innovazione. Il rischio di restare ancorati a infrastrutture tradizionali è concreto e potrebbe tradursi in una perdita irreversibile di competitività nei mercati globali sempre più digitalizzati.

NETWORK AUTOMATION

Secondo il report “Network Automation Market by Network Automation Type – Global Forecast to 2030” pubblicato da MarketsandMarkets, il mercato globale dell’automazione delle reti passerà da 7,88 miliardi di dollari nel 2025 a 12,38 miliardi entro il 2030, con un tasso di crescita annuo composto del 9,4%. Tra cloud ibrido, edge computing e reti software-defined, l’automazione diventa leva di efficienza per rispondere alla complessità di gestione, ma anche di resilienza, sicurezza operativa e competitività.

Se il ritmo di crescita sarà confermato, entro il 2030 il settore consoliderà il proprio ruolo come infrastruttura invisibile ma decisiva dell’economia digitale, trasformando la gestione della rete da attività operativa a funzione strategica. Dietro i numeri c’è un cambio di paradigma, che testimonia l’urgenza percepita dalle organizzazioni di tutto il mondo. Ma i numeri, per quanto impressionanti, raccontano solo una parte della storia. La vera rivoluzione sta nel modo in cui l’AI sta trasformando radicalmente le reti da infrastrutture passive e “stupide” – che eseguono semplicemente comandi preconfigurati – in ecosistemi capaci di apprendere e decidere in modo autonomo. L’intelligenza artificiale (AI) entra anche in ambiti inaspettati.

Un caso emblematico è l’AGCOM, l’autorità italiana per le telecomunicazioni, che sta valutando e sperimentando applicazioni di AI e analisi avanzata di immagini nel contesto della gestione delle reti e delle infrastrutture di comunicazione. Infatti, grazie al deep learning e alle reti neurali convoluzionali (CNN o ConvNet), un documento tecnico di centinaia di pagine con mappe dettagliate, analisi di copertura e raccomandazioni regolamentari potrebbe essere generato in pochissimi minuti, un’impresa che richiederebbe settimane di lavoro manuale a un team di analisti. È davvero affascinante, e forse un po’ inquietante, pensare che le stesse reti che utilizziamo quotidianamente per guardare video in streaming, partecipare a videoconferenze o lavorare da remoto stiano diventando progressivamente capaci di auto-diagnosticarsi come un medico che analizza i propri sintomi, e auto-ripararsi come un organismo biologico che rigenera tessuti danneggiati. Se persino alcune zone del sistema fognario di Genova hanno un sofisticato gemello digitale che simula scenari di piena e ottimizza i collegamenti idraulici sotterranei utilizzando algoritmi predittivi, immaginate cosa potranno fare le vostre reti aziendali nei prossimi anni, quando l’AI raggiungerà livelli di maturità ancora superiori.

RETI ZERO TRUST

Nel 2010, John Kindervag, analista visionario di Forrester Research, propose un concetto che all’epoca sembrava quasi paranoico: «Mai fidarsi, verificare sempre».  Eppure – anche se all’epoca sembrava eccessivamente restrittivo – il modello Zero Trust è diventato lo standard di fatto per la sicurezza informatica moderna, tanto che oggi anche le agenzie governative come il NIST e la CISA lo raccomandano esplicitamente. Il principio fondamentale è semplice da enunciare ma rivoluzionario nelle implicazioni pratiche: nessuno e niente è automaticamente affidabile per default, nemmeno se si trova già “dentro” il perimetro aziendale tradizionale, nemmeno se ha credenziali valide, nemmeno se appartiene a utenti fidati da anni. Ogni utente, ogni dispositivo, ogni singola connessione e ogni transazione devono dimostrare continuamente, a ogni interazione, la propria identità e affidabilità attraverso controlli multifattore e analisi comportamentale. Un esempio concreto aiuta a chiarire il concetto: se un dipendente dell’azienda X si collega abitualmente da Roma, durante l’orario di lavoro, utilizzando il proprio laptop aziendale, ma un giorno effettua un accesso improvviso da Berlino alle tre del mattino con un dispositivo sconosciuto, il sistema di sicurezza Zero Trust attiverà immediatamente un’autenticazione rafforzata, anche nel caso in cui username e password risultino formalmente corrette, perché ciò che conta non è solo la validità delle credenziali, ma la coerenza del comportamento rispetto al profilo di rischio.

La posizione geografica insolita, l’orario anomalo e il dispositivo non riconosciuto diventano campanelli d’allarme che attivano verifiche aggiuntive. È un po’ come avere quel collega eccessivamente sospettoso e metodico che ogni mattina vi chiede “sei davvero tu? puoi dimostrarlo?” anche se lavorate insieme nello stesso ufficio da anni e vi vedete quotidianamente alla macchinetta del caffè. Irritante? Probabilmente sì, soprattutto nei primi giorni. Ma in un mondo digitale dove le minacce informatiche si evolvono quotidianamente, dove gli attacchi ransomware paralizzano ospedali e aziende, dove le credenziali rubate circolano nel dark web, questa paranoia metodica e sistematica può letteralmente salvare l’intera organizzazione da disastri finanziari e reputazionali che potrebbero costare milioni di euro.

Secondo i dati della ricerca “Cisco Networking 2025”, condotta su un campione rappresentativo di responsabili IT, la stragrande maggioranza delle aziende italiane (97%) ritiene assolutamente indispensabile aggiornare la propria infrastruttura di rete per implementare efficacemente soluzioni di AI, IoT e cloud computing. La sicurezza Zero Trust integrata a livello di architettura, non come patch applicata successivamente, è riconosciuta come uno dei pilastri fondamentali di questa trasformazione digitale che sta ridefinendo il panorama competitivo.

IL PARADOSSO ENERGETICO

Verdi ma affamati di energia. Qui la storia diventa particolarmente interessante e ricca di contraddizioni che meritano un’analisi approfondita. Le reti di nuova generazione promettono esplicitamente di ottimizzare i consumi energetici attraverso algoritmi intelligenti, limitando gli sprechi grazie a sistemi di power management avanzati e rendendo tutto più sostenibile dal punto di vista ambientale. Allo stesso tempo, però – e qui emerge la contraddizione – l’AI che alimenta e gestisce queste reti intelligenti è incredibilmente energivora, richiedendo GPU potentissime e sistemi di raffreddamento massicci che funzionano 24 ore su 24, sette giorni su sette. I numeri disponibili sono al tempo stesso impressionanti e preoccupanti per chiunque si occupi di sostenibilità ambientale. Nel 2022, i data center globali distribuiti in tutti i continenti hanno consumato complessivamente circa 460 TeraWattOra (TWh), una quantità di energia elettrica pari al 2% dell’intera domanda elettrica mondiale, equivalente al consumo annuale di nazioni come la Spagna. Entro il 2030, secondo proiezioni conservative, questo valore potrebbe più che raddoppiare, raggiungendo la cifra sbalorditiva di 945 TWh secondo le stime dell’Agenzia Internazionale dell’Energia. In Italia, nello scenario di massimo sviluppo ipotizzato dagli analisti, i data center potrebbero arrivare a consumare tra il 7% e il 13% dell’intera elettricità nazionale prodotta, una percentuale che solleva legittime preoccupazioni sulla tenuta della rete elettrica e sulla capacità di generazione del Paese.

È un po’ come voler dimagrire continuando a mangiare esclusivamente torte ipercaloriche ricoperte di cioccolato, promettendo però di masticare molto, molto lentamente per compensare l’apporto calorico eccessivo. Il paradosso è assolutamente reale e non può essere ignorato: un singolo prompt di AI generativa, una semplice richiesta a ChatGPT o Claude, consuma oggi solo 0,0003 kWh, una quantità praticamente trascurabile, quasi impercettibile se considerata isolatamente. Ma quando i prompt diventano miliardi al giorno – generati simultaneamente da utenti in tutto il mondo che interrogano modelli linguistici, generano immagini, analizzano dati – allora parliamo improvvisamente di fiumi impetuosi di elettricità che scorrono incessantemente verso i data center. E se ampliassimo lo scenario agli agenti AI, la metafora si amplierebbe a livello di uno tsunami.

La buona notizia è che stanno emergendo soluzioni creative e ingegnose che trasformano questo problema in opportunità. A Brescia, A2A ha inaugurato a giugno 2025 il data center “Qarnot” nella centrale Lamarmora, come esempio concreto e tangibile di recupero intelligente del calore generato dai server che normalmente verrebbe disperso inutilmente nell’atmosfera. E a Milano, metropoli che punta a diventare leader europeo nella sostenibilità digitale, il progetto innovativo “Avalon 3” permetterà dal 2026 di recuperare oltre 15 GWh di energia termica all’anno per alimentare direttamente la rete di teleriscaldamento cittadina. Il calore di scarto dei data center italiani, secondo lo studio dettagliato condotto congiuntamente da Teha Group e A2A, potrebbe teoricamente coprire il fabbisogno termico annuale di circa 800mila famiglie italiane, evitando contemporaneamente l’emissione in atmosfera di ben due milioni di tonnellate di CO2, un contributo significativo agli obiettivi climatici europei. Non male davvero per delle “semplici” macchine che si limitano a processare dati binari trasformando zero e uno.

TEAM IT PIÙ AGILI

Le funzionalità di AIOps (Artificial Intelligence for IT Operations) stanno passando rapidamente da optional a criterio di scelta nelle piattaforme di networking come leva operativa con impatti misurabili. I benefici sono concreti: riduzione dei ticket aperti dall’help desk grazie alla capacità di intercettare e risolvere le anomalie prima ancora che l’utente se ne accorga; tempi di remediation più brevi, spesso automatizzati, anche su problemi complessi che in passato richiedevano escalation a tecnici senior; configurazioni semplificate attraverso interfacce conversazionali che sostituiscono le tradizionali CLI, riducendo errori e tempi di intervento. Questo insieme di benefici rende le soluzioni di ultima generazione molto più appetibili e ROI-positive per le aziende che vogliono ridurre significativamente il carico operativo sui team IT già oberati e difficili da reperire sul mercato del lavoro sempre più competitivo.

WI-FI 7 E 6G

La transizione tecnologica verso lo standard Wi-Fi 7 (802.11be) sta accelerando in modo esponenziale, spinta dalle esigenze di applicazioni sempre più demanding, come realtà virtuale, telemedicina e collaborazione immersiva. I nuovi access point di ultima generazione offrono capacità di throughput elevatissime che superano i 40 Gbps teorici, latenza ridotta sotto i cinque millisecondi anche in condizioni di carico elevato, e gestione intelligente basata su AI per ambienti ad alta densità come stadi, aeroporti e campus universitari, dove migliaia di dispositivi competono simultaneamente per banda e canali. Non si tratta semplicemente di velocità maggiore rispetto alle generazioni precedenti o di un incremento puramente quantitativo, ma di un’architettura di rete completamente ripensata da zero e ottimizzata per supportare in modo nativo applicazioni AI e machine learning, che richiedono elaborazione distribuita in tempo reale, sincronizzazione precisa tra nodi e latenza ultra-bassa end-to-end, che rende possibili casi d’uso prima impraticabili. Il 6G, la prossima rivoluzione delle telecomunicazioni mobili attesa per il 2030, non sarà semplicemente un’evoluzione incrementale, in pratica una rete più veloce del 5G con maggiore banda e minor latenza, ma rappresenterà un ecosistema radicalmente diverso in cui l’AI è integrata fin dalla fase di standardizzazione e architettura di base. I ricercatori universitari e industriali parlano entusiasticamente di “AI fluida”, che si sposterà dinamicamente e senza interruzioni tra i dispositivi mobili degli utenti finali, i nodi edge distribuiti sul territorio, le infrastrutture cloud centralizzate nei data center e persino i satelliti in orbita bassa (LEO – Low Earth Orbit) che formano costellazioni intelligenti capaci di processare dati nello spazio. A differenza del 5G, dove l’AI è stata aggiunta successivamente al deployment iniziale come layer addizionale per ottimizzare retrospettivamente le prestazioni di una rete già progettata, il 6G sarà “AI-native” fin dal primo giorno di standardizzazione.

La rete diventa un sistema capace di apprendere, adattarsi e reagire autonomamente: un’infrastruttura intelligente che evolve insieme al traffico che deve sostenere. Questo approccio, radicalmente diverso dal passato, porta l’intelligenza artificiale nel cuore delle reti. L’AI contribuirà alla gestione dinamica dello spettro radio – una risorsa sempre più scarsa e strategica – ottimizzando l’allocazione delle risorse sia computazionali sia di trasmissione, tra milioni di utenti connessi contemporaneamente. Interverrà anche nella gestione predittiva della mobilità, anticipando gli spostamenti di utenti che transitano tra celle a velocità elevate. E inoltre rafforzerà la sicurezza, identificando anomalie e attivando risposte automatiche agli attacchi informatici, senza necessità di intervento umano. Un paradosso tecnologico affascinante che cattura l’immaginazione?

Le antenne 6G, basate su Reconfigurable Intelligent Surfaces (RIS), saranno così numerose e ravvicinate da creare superfici intelligenti capaci di controllare il segnale radio, piegando le onde attorno agli ostacoli e focalizzandole verso i ricevitori come lenti ottiche. E i satelliti in orbita bassa, parte integrante dell’architettura 6G terrestre-spaziale integrata, diventeranno nodi computazionali attivi della rete, processando complessi algoritmi di AI e orchestrando comunicazioni mentre orbitano a 550 km sopra le nostre teste e a una velocità di 27mila km all’ora.

LA SFIDA ITALIANA

L’Italia, paese dalle enormi potenzialità tecnologiche ma storicamente lento nell’adozione digitale, si trova attualmente a un bivio strategico cruciale che potrebbe determinare la sua competitività nei prossimi decenni. Secondo i dati ufficiali del Digital Economy and Society Index (DESI) della Commissione Europea pubblicati dalla Commissione Europea, la copertura in fibra ottica FTTH (Fiber To The Home) ha finalmente raggiunto il 70% delle abitazioni italiane, con una crescita notevole del 18% in un solo anno grazie agli investimenti di Open Fiber e TIM, e il 5G copre ormai gran parte del territorio nazionale abitato, posizionando l’Italia tra i leader europei per infrastruttura fisica.

Tuttavia, e qui emerge un’altra contraddizione che preoccupa economisti e policy maker, solo l’8% delle imprese italiane piccole e medie utilizza concretamente soluzioni di AI nei propri processi produttivi o di servizio, contro il 13% della media europea (che è già bassa). Non solo. Il numero di specialisti ICT qualificati con competenze su AI, cloud e cybersecurity è addirittura diminuito nell’ultimo anno a causa della “fuga di cervelli” verso l’estero e della competizione con le Big Tech internazionali che offrono retribuzioni doppie o triple. Esiste poi un’urgenza concreta e non più rimandabile: colmare rapidamente il divario crescente di competenze tecniche avanzate dove l’Italia è fanalino di coda europeo.

La rete di telecomunicazioni non è più semplicemente un’infrastruttura abilitante passiva, una commodity da dare per scontata, ma è diventata un perno strategico assolutamente centrale per la competitività dell’economia nazionale e la capacità di attrarre investimenti esteri in settori ad alto valore aggiunto. Per quasi tre CEO su quattro, la zavorra è interna. Il 74% degli amministratori delegati globali, intervistati dalle più importanti società di consulenza, ammette che le infrastrutture IT obsolete, i sistemi legacy e le architetture frammentate stanno già rallentando la crescita. Le piattaforme datate limitano la capacità di lanciare nuovi prodotti digitali, allungano il time-to-market e riducono la reattività verso opportunità emergenti nei mercati digitali. In un contesto in cui velocità e scalabilità sono fattori competitivi decisivi, l’IT non aggiornato smette di essere un costo da contenere e diventa un vincolo strategico.

LO SCENARIO EMEA

Nonostante le tensioni geopolitiche in corso, le pressioni inflazionistiche e la volatilità dei costi energetici, le prospettive per gli investimenti in networking nell’area EMEA sono comunque positive, come ci spiega Daniela Rao, senior research and consulting director, European Telecom di IDC. Il networking aziendale in Europa, Medio Oriente e Africa è a un punto di svolta. La ricerca “EMEA Enterprise networking and life-cycle services” fotografa un ecosistema sotto pressione caratterizzato da innovazione accelerata, minacce cyber sempre più sofisticate e uno scenario macroeconomico instabile che sta riscrivendo le priorità di investimento. «La rete non è più solo infrastruttura, ma piattaforma abilitante per AI, cloud e servizi digitali. E proprio per questo diventa terreno di confronto strategico tra organizzazioni, partner e vendor tecnologici» – spiega Daniela Rao. Per chi opera nell’area EMEA, si tratta di comprendere le direttrici di evoluzione – modernizzazione, sicurezza integrata, servizi gestiti e modelli lifecycle –  per posizionarsi correttamente nel mercato.

La sicurezza resta il primo capitolo nei budget IT delle aziende EMEA. L’aumento degli attacchi sofisticati e l’entrata in vigore di nuovi quadri regolatori come NIS2 e DORA spingono le organizzazioni ad accelerare sugli investimenti in sicurezza di rete». Non è solo una questione di compliance, in gioco ci sono continuità operativa e resilienza. Il 2025 segna però anche un cambio di passo: per la prima volta il “networking for AI” diventa la seconda priorità di investimento. «L’adozione crescente di applicazioni basate su intelligenza artificiale impone infrastrutture ad alto throughput, bassa latenza e capacità di scalare rapidamente, soprattutto nei datacenter e negli ambienti cloud. Anche le aziende che stanno ancora definendo i propri casi d’uso AI concordano sul fatto che l’architettura di rete deve evolvere per sostenere questa nuova generazione di carichi di lavoro». Sul fronte della connettività, prende quota anche il Wi‑Fi 7. «Molte organizzazioni stanno valutando di saltare direttamente al nuovo standard, bypassando le versioni 6 e 6E» – continua Daniela Rao. «Velocità più elevate, maggiore densità di dispositivi supportati e standard di sicurezza avanzati alimentano piani di implementazione ambiziosi, in particolare nell’Europa occidentale e nelle aree del Medio Oriente e Africa».

INCERTEZZE MACRO

Nonostante tensioni geopolitiche, inflazione persistente e volatilità dei costi energetici, il networking nell’area EMEA continua a mostrare segnali di resilienza. Secondo IDC, quasi il 60% delle aziende prevede di aumentare il budget dedicato alle infrastrutture di rete nel 2025. La spinta più forte arriva dalle grandi organizzazioni e da settori come manifattura e servizi alle imprese, dove digitalizzazione e automazione sono ormai leve strategiche. La crescita, però, non è indiscriminata. Il controllo dei costi resta rigoroso: le aziende cercano di modernizzare le infrastrutture senza perdere disciplina finanziaria, puntando su efficienza operativa e ritorno sugli investimenti.

LA RETE “INTELLIGENTE”

La complessità delle reti moderne, tra cloud ibrido, edge computing e carichi AI, rende sempre meno sostenibile la gestione manuale. Automazione e AIOps vengono ormai considerate componenti essenziali per garantire stabilità e performance, soprattutto in un contesto di carenza di competenze specialistiche. Eppure, la maggior parte delle organizzazioni è ancora nelle fasi iniziali del percorso: processi manuali convivono con strumenti di automazione emergenti. L’idea di reti “self-driving” attrae, ma le barriere tecniche e culturali rallentano la piena adozione. In questo scenario, cresce la domanda di servizi di ciclo di vita e di servizi gestiti. Le aziende si affidano a partner qualificati per l’integrazione, il deployment e il supporto continuo, mentre le piattaforme di gestione in cloud guadagnano terreno grazie alla maggiore visibilità e al migliore rapporto tra esperienza utente e sicurezza integrata.

EFFETTO CONVERGENZA

L’adozione di SD-WAN continua a espandersi, ma con un cambio di prospettiva: molte organizzazioni stanno rivalutando i vendor come garanzia di affidabilità, alla ricerca di soluzioni più integrate, con funzionalità AI avanzate e sicurezza nativa. La convergenza tra networking e cybersecurity accelera. I modelli SASE (Secure Access Service Edge) stanno guadagnando posizione, soprattutto nelle realtà dove i team di rete e sicurezza lavorano in modo integrato. Non è più una questione di perimetro, ma di accesso sicuro e distribuito, coerente con un mondo sempre più cloud-centrico. Le previsioni indicano una crescita costante del mercato networking EMEA fino al 2029, trainata da AI, cloud e dal rinnovamento continuo delle infrastrutture campus e datacenter. Ma il successo non sarà automatico. Serviranno agilità, governance solida, attenzione alla compliance e capacità di adottare nuovi modelli di servizio per trasformare la rete in asset strategico che impatta direttamente competitività, innovazione e resilienza.

TRA VISIONE E REALTÀ

Se le vostre reti non sono ancora intelligenti, sicure e sostenibili, non preoccupatevi troppo. C’è ancora tempo per fare un upgrade, almeno fino a quando l’AI non deciderà autonomamente che è ora di mandare in pensione i vostri vecchi router. A quel punto, speriamo solo che abbia letto attentamente i principi dello Zero Trust e non ci blocchi tutti fuori! E se qualcuno vi dice che la vostra rete consuma troppo, rispondete che state solo contribuendo al riscaldamento delle 800mila famiglie italiane. Tecnicamente, è quasi vero. Quando arriverà il 6G nel 2030 con l’AI “fluida” che scorre tra satelliti e terra, potrete finalmente dire di avere una rete che pensa letteralmente sopra le vostre teste. Solo che a quel punto, probabilmente, sarà lei a decidere se e quando farvi connettere. Al di là dell’ironia sulle reti che “decidono” autonomamente o sull’AI che orchestra le connessioni satellitari del futuro 6G, il messaggio è più concreto che mai: il networking non è più un’infrastruttura invisibile. È il motore della trasformazione digitale. Che si tratti dell’Europa occidentale che corre verso il Wi-Fi 7, delle aziende manifatturiere che raddoppiano i budget per l’AI, o dei team IT che cercano disperatamente di colmare il gap di competenze, il messaggio è chiaro. Chi si ferma è perduto. La buona notizia? Non siete soli in questo viaggio. Il 96% dei CEO crede nelle partnership strategiche, il 60% delle aziende EMEA sta aumentando i budget e l’ecosistema tecnologico sta convergendo verso soluzioni sempre più integrate. L’importante è partire. Così domani, quando l’AI-nativa del 6G inizierà a orchestrare autonomamente le connessioni satellitari mentre voi scalderete il caffè con il calore del vostro datacenter, potrete dire: «Io c’ero. E ho fatto la scelta giusta».

Brother: Innovazione green

L'articolo Networking self-driving, la rete che decide il futuro proviene da Data Manager Online.

di Paolo Gatelli e Camilla Spinella – Cetif

Il 2025 si è affermato come un vero e proprio anno di snodo per il mercato assicurativo italiano, non soltanto per l’andamento economico complessivamente positivo, ma soprattutto per il grado di maturità raggiunto dai processi di trasformazione digitale avviati nel corso dell’ultimo decennio. Dopo una fase iniziale caratterizzata da interventi frammentati – focalizzati prevalentemente sulla digitalizzazione dei canali e sull’automazione dei processi a basso valore aggiunto – il settore si trova di fronte a una trasformazione più profonda, strutturale e sistemica.

Secondo i dati ANIA (Associazione Nazionale fra le Imprese Assicuratrici), nei primi nove mesi del 2025 la raccolta premi complessiva del settore ha superato gli 88 miliardi di euro, registrando una crescita prossima al 10% su base annua. Un risultato sostenuto sia dal comparto vita sia dal comparto danni, che conferma la solidità del ruolo dell’assicurazione all’interno del sistema economico italiano. Le stime di chiusura d’anno indicano una raccolta potenzialmente superiore ai 160 miliardi di euro, con un’incidenza sul Prodotto Interno Lordo (PIL) in ulteriore rafforzamento rispetto al biennio precedente. Un trend economico positivo, nonostante un contesto macroeconomico complesso, segnato da inflazione, incertezza geopolitica e crescente esposizione a rischi sistemici e catastrofali.

Parallelamente, i dati IVASS (Istituto per la Vigilanza sulle Assicurazioni) relativi ai reclami offrono un segnale di discontinuità significativo sul piano della relazione con il cliente. Nel primo semestre del 2025, i reclami ricevuti dalle imprese assicurative operanti in Italia sono diminuiti di oltre il 13% rispetto allo stesso periodo del 2024, mentre i tempi medi di risposta si attestano stabilmente sotto i 25 giorni, risultando quindi ben inferiori ai limiti regolamentari. Si tratta di indicatori che suggeriscono un miglioramento dell’efficacia dei processi di customer care e di gestione delle interazioni, pur in un contesto di crescente complessità normativa, tecnologica e organizzativa.

A rafforzare la lettura del 2025 come anno di svolta contribuiscono le evidenze empiriche del Digital Insurance & Distribution HUB e del Digital Insurance Claims HUB raccolte nei Research Insight 2025 di Cetif (Centro di ricerca su Tecnologie, Innovazione e Servizi Finanziari) dell’Università Cattolica del Sacro Cuore. Oltre il 70% delle compagnie assicurative italiane dichiara di aver avviato iniziative strutturate in ambito dati e intelligenza artificiale, ma solo circa un terzo si considera realmente data-driven nei processi decisionali core. Questo divario tra investimento tecnologico e piena integrazione nei modelli operativi rappresenta uno dei principali elementi di tensione competitiva del settore: non è più sufficiente adottare nuove tecnologie, è necessario ripensare il modo in cui esse vengono incorporate nelle decisioni quotidiane, nella governance e nella cultura aziendale.

IL PRIMATO DEL DATO

Negli ultimi anni il settore assicurativo italiano ha compiuto un primo salto tecnologico, concentrato prevalentemente sulla digitalizzazione dei canali di contatto con il cliente e sull’automazione dei processi più ripetitivi. Portali online, app mobile, workflow digitali e strumenti di Robotic Process Automation (RPA) hanno contribuito a migliorare l’efficienza operativa e a ridurre i costi di gestione. Tuttavia, nel 2025 la sfida è stata posta su un piano più avanzato: diventare organizzazioni realmente data-driven, capaci di utilizzare il dato come leva sistemica per la creazione di valore lungo tutta la catena assicurativa.

Secondo il Research Insight del Digital Insurance & Distribution HUB 2025, oltre l’80% delle compagnie ha avviato iniziative di centralizzazione dei dati cliente, ma solo il 42% dispone di una data platform unica e realmente condivisa tra le principali funzioni aziendali, che comprendono distribuzione, underwriting, sinistri e customer service. Nella maggioranza dei casi, il patrimonio informativo rimane frammentato per linee di business o vincolato a sistemi legacy, limitando la possibilità di costruire una visione end-to-end del cliente, del rischio e della redditività.

Le Imprese di assicurazione più mature stanno investendo in architetture di data platform evolute, capaci di integrare dati di polizza, interazioni digitali, informazioni telematiche (come black box e dispositivi IoT), open data e dati di terze parti. L’obiettivo non è soltanto migliorare la qualità delle analisi, ma rendere il dato fruibile in tempo quasi reale da tutte le funzioni coinvolte nella relazione con il cliente. I benefici sono concreti: le organizzazioni che hanno adottato modelli data-driven avanzati dichiarano riduzioni dei tempi di analisi fino al 30-40%, con effetti diretti sulla rapidità decisionale, sulla coerenza delle proposte commerciali e sulla capacità di anticipare i bisogni dei clienti. Il dato smette di essere un semplice supporto all’attività attuariale o al reporting regolamentare e diventa un vero asset strategico. È il fondamento per una customer experience personalizzata, per una gestione più accurata del rischio e per una lettura dinamica della redditività, sempre più orientata alla relazione di lungo periodo.

AI OPERATIVA E GOVERNANCE

Nel 2025 l’intelligenza artificiale ha definitivamente superato la fase sperimentale ed è entrata nel perimetro delle tecnologie abilitanti anche nel business assicurativo. I Research Insight di Cetif mostrano come le applicazioni più diffuse riguardino la prevenzione delle frodi – adottata da circa il 65% delle compagnie – l’automazione dei processi di gestione sinistri (oltre il 55%) e il supporto al customer service tramite chatbot e assistenti virtuali basati su Natural Language Processing (NLP).

I modelli predittivi consentono di affinare le decisioni di underwriting, migliorando l’equilibrio tra rischio e redditività. I sistemi di image recognition e video-perizia accelerano la valutazione dei danni, riducendo tempi e costi operativi. Gli algoritmi di anomaly detection permettono di individuare tempestivamente comportamenti potenzialmente fraudolenti, migliorando l’efficacia dei controlli senza compromettere la fluidità dell’esperienza cliente.

Un esempio emblematico è rappresentato dal ramo motor, dove una quota crescente di sinistri (29%) viene liquidata entro 24 ore grazie a processi di triage automatizzato e workflow digitali avanzati. Tuttavia, l’adozione dell’AI solleva anche nuove sfide di governance. Infatti, solo una compagnia su quattro dichiara di aver definito un framework strutturato di AI governance, comprensivo di accountability, tracciabilità delle decisioni ed explainability dei modelli. Con l’entrata in vigore dell’AI Act europeo, la capacità di governare l’AI diventerà un fattore distintivo tanto quanto la capacità di adottarla.

CUSTOMER EXPERIENCE PHYGITAL

Oggi, il cliente assicurativo è profondamente diverso rispetto a quello di pochi anni fa. È più informato, più autonomo nella ricerca delle soluzioni e più esigente in termini di semplicità, trasparenza e velocità. Allo stesso tempo, conserva un bisogno forte di tutela e fiducia, soprattutto nei momenti di verità del rapporto assicurativo, come la gestione di un sinistro o una decisione finanziaria rilevante.

Il gruppo di lavoro Cetif relativo al Digital Insurance Claims HUB ha evidenziato una correlazione chiara tra qualità dell’esperienza digitale e livelli di soddisfazione complessiva: le compagnie che offrono percorsi digitali coerenti sui principali touchpoint – preventivo, gestione polizza, sinistro – registrano indicatori di soddisfazione superiori di oltre 20 punti percentuali rispetto a quelle con esperienze frammentate e disallineate. Allo stesso tempo, emerge con forza il valore dei modelli phygital. Oltre il 70% dei clienti dichiara di voler mantenere un contatto umano qualificato nei momenti ad alto impatto emotivo, come la gestione di un sinistro complesso. In questo contesto, agenti, periti e liquidatori non vengono disintermediati dalla tecnologia, ma supportati da strumenti data-driven che ne amplificano l’efficacia, migliorano la qualità delle decisioni e rafforzano la fiducia nella relazione.

COMPETENZE E LEADERSHIP

Se dati e intelligenza artificiale rappresentano le fondamenta tecnologiche della trasformazione del settore assicurativo, le competenze e i modelli organizzativi ne costituiscono il vero fattore critico di successo. Secondo i dati Cetif, oltre il 60% delle compagnie assicurative italiane segnala difficoltà significative nel reperire profili specializzati in ambiti chiave come data science, AI governance, cybersecurity e data management, evidenziando un gap strutturale tra ambizioni strategiche e capacità operative.

Emerge ormai con chiarezza la necessità di modelli organizzativi ibridi, in cui competenze tecnologiche avanzate convivono con una profonda conoscenza del business assicurativo, dei processi core e del contesto regolamentare, sempre più complesso e stringente. La formazione continua non è più un’iniziativa accessoria, ma diventa un elemento strutturale della strategia aziendale, così come la capacità di sviluppare figure professionali in grado di fungere da ponte tra tecnologia, mercato e cliente, traducendo le potenzialità del dato e dell’AI in decisioni concrete e coerenti.

La trasformazione richiede anche un ripensamento dei modelli di leadership: i top manager assicurativi sono chiamati a governare organizzazioni sempre più complesse, caratterizzate dall’intersezione tra innovazione tecnologica, requisiti normativi, gestione del rischio e aspettative crescenti della clientela. I Research Insight Cetif mostrano come le compagnie di assicurazione più mature abbiano avviato programmi strutturati di change management e reskilling che coinvolgono l’intera organizzazione e non solo le funzioni IT, favorendo la diffusione di una cultura del dato, la collaborazione interfunzionale e la capacità di prendere decisioni basate su evidenze. In questo contesto, la leadership assume un ruolo centrale non solo come sponsor dell’innovazione, ma come garante dell’equilibrio tra velocità di cambiamento, affidabilità operativa e sostenibilità del modello di business nel medio-lungo periodo.

MODULARITÀ E LIFECYCLE

Anche il prodotto assicurativo è oggetto di una profonda revisione. La tendenza dominante è quella delle soluzioni modulari, capaci di combinare coperture tradizionali, servizi a valore aggiunto e componenti di protezione evoluta. Questo approccio consente di superare la logica del prodotto standardizzato e di adattare l’offerta al profilo del cliente e al suo ciclo di vita. Le imprese assicurative che utilizzano analytics avanzati per la segmentazione dinamica della clientela risultano anche le più attive nello sviluppo di modelli di lifecycle insurance. Secondo il Research Insight del Digital Insurance & Distribution HUB di Cetif, in questi casi la retention del cliente può risultare fino al 15–20% superiore rispetto ai modelli basati su prodotti statici. Il prodotto diventa così uno strumento relazionale, capace di evolvere nel tempo insieme alle esigenze del cliente.

PRICING DINAMICO

L’evoluzione data-driven e l’adozione dell’intelligenza artificiale producono effetti profondi e tangibili sui processi core del business assicurativo. Underwriting, pricing e gestione sinistri rappresentano oggi i principali ambiti di sperimentazione avanzata, ma anche quelli in cui emergono con maggiore evidenza le tensioni tra innovazione, governance e aspettative del cliente. Nel processo di underwriting, l’utilizzo di modelli predittivi avanzati consente di superare progressivamente approcci basati esclusivamente su variabili statiche e storiche. L’integrazione di dati comportamentali, informazioni contestuali e segnali provenienti da fonti esterne permette una valutazione più granulare del rischio, con benefici diretti sulla selettività del portafoglio e sulla sostenibilità tecnica. Secondo i dati sulla distribuzione assicurativa di Cetif, le compagnie di assicurazione che hanno introdotto modelli di underwriting avanzato basati su AI dichiarano una riduzione della loss ratio compresa tra il 3% e il 7% su specifici segmenti di clientela, a parità di coperture offerte.

Analogamente, il pricing evolve verso logiche sempre più dinamiche. Oggi il prezzo assicurativo non è più un elemento statico definito esclusivamente in fase di sottoscrizione, ma diventa uno strumento di relazione, potenzialmente adattabile nel tempo sulla base del comportamento del cliente, dell’evoluzione del rischio e del valore complessivo della relazione. Questo approccio, tuttavia, richiede un delicato equilibrio tra personalizzazione e trasparenza: i clienti accettano modelli di pricing evoluti solo se percepiti come equi, comprensibili e coerenti. La gestione dei sinistri rappresenta forse l’ambito in cui l’impatto della trasformazione digitale è più evidente per il cliente finale. Automazione, AI e Analytics consentono di distinguere rapidamente tra sinistri semplici e sinistri complessi, attivando percorsi differenziati. Nei casi standardizzati, la liquidazione può avvenire in tempi estremamente ridotti; nei casi più complessi, la tecnologia supporta il lavoro degli operatori, liberando tempo e risorse per attività ad alto valore relazionale. I dati Cetif indicano che le compagnie con modelli di claims management avanzati registrano livelli di soddisfazione cliente superiori di oltre il 25% rispetto alla media di mercato.

ECOSISTEMA APERTO

Un ulteriore elemento di trasformazione del settore assicurativo nel corso degli ultimi anni è rappresentato dallo sviluppo di ecosistemi digitali e da un approccio sempre più aperto alle partnership con attori esterni. Insurtech, provider tecnologici, operatori di servizi e piattaforme digitali diventano parte integrante della proposta di valore assicurativa. Le evidenze Cetif mostrano come oltre il 60% delle compagnie italiane abbia attivato almeno una partnership strategica in ambito digitale negli ultimi due anni. L’obiettivo non è soltanto accelerare l’adozione tecnologica, ma arricchire l’offerta con servizi a valore aggiunto: prevenzione, assistenza, monitoraggio continuo del rischio. In questo modello, l’assicurazione evolve da strumento di indennizzo ex post a leva di protezione proattiva. La costruzione di ecosistemi, tuttavia, introduce nuove complessità in termini di governance dei dati, responsabilità e sicurezza. La capacità di orchestrare attori diversi, garantendo coerenza dell’esperienza cliente e rispetto dei requisiti regolamentari, diventa una competenza chiave per le compagnie leader.

RESILIENZA E COMPLIANCE

Il rafforzamento del quadro regolamentare europeo rappresenta un ulteriore fattore di trasformazione. AI Act, DORA e le evoluzioni della normativa sulla protezione dei dati impongono alle Imprese di assicurazione un approccio sempre più strutturato alla gestione del rischio tecnologico e operativo. La compliance non può più essere interpretata come un vincolo, ma come un elemento abilitante della fiducia. Le compagnie che investono in trasparenza, explainability dei modelli e protezione del dato rafforzano la propria reputazione e la relazione con il cliente. Secondo Cetif, oltre il 75% dei consumatori considera la sicurezza dei dati e l’uso responsabile dell’AI un fattore determinante nella scelta di un operatore assicurativo. La sostenibilità del modello assicurativo passa quindi dalla capacità di integrare innovazione e tutela, efficienza e responsabilità. In questo senso, la governance dei dati e dell’AI diventa un pilastro della resilienza complessiva dell’impresa.

TRASFORMAZIONE IRREVERSIBILE

Il quadro che emerge nell’ultimo anno è quello di un settore assicurativo italiano in profonda e irreversibile evoluzione, chiamato a confrontarsi con un insieme di sfide sempre più complesse ma, al tempo stesso, con opportunità di trasformazione senza precedenti. Dati, intelligenza artificiale e customer experience non rappresentano più elementi accessori o iniziative circoscritte all’innovazione, ma componenti strutturali e interdipendenti del modello di business assicurativo, destinate a incidere in modo diretto sulla competitività, sulla sostenibilità e sulla capacità di risposta ai bisogni di protezione di famiglie e imprese.

Le analisi Cetif confermano con chiarezza che il vero vantaggio competitivo non risiede nella semplice adozione di nuove tecnologie, né nella corsa all’ultima soluzione digitale disponibile sul mercato, ma nella capacità delle imprese di assicurazione di integrare in modo coerente dati, AI e strumenti digitali all’interno di processi, competenze e modelli organizzativi evoluti. In questo senso, la trasformazione del dato in conoscenza, dell’automazione in qualità del servizio e dell’intelligenza artificiale in fiducia diventa la chiave per costruire relazioni di lungo periodo con i clienti, migliorare la percezione del valore assicurativo e rafforzare la resilienza complessiva del business.

Allo stesso tempo, il percorso di trasformazione impone una riflessione profonda sul ruolo dell’assicurazione all’interno di un contesto economico e sociale caratterizzato da rischi sistemici, incertezza e crescente interdipendenza tra attori. La tecnologia abilita nuovi modelli di efficienza e personalizzazione, ma è la capacità di governarla in modo responsabile, trasparente e orientato al cliente a determinare la differenza tra innovazione sostenibile e semplice sperimentazione tattica. La fiducia diventa l’asset più rilevante e fragile, da preservare attraverso scelte strategiche consapevoli e una governance solida di dati e AI.

La sfida più rilevante è di natura strategica e culturale, non tecnologica. Costruire imprese assicurative capaci di coniugare innovazione, responsabilità e valore umano significa investire nelle competenze, nella leadership e nella cultura organizzativa, promuovendo modelli decisionali basati su evidenze, collaborazione interfunzionale e centralità del cliente. È in questo equilibrio tra tecnologia e fattore umano che il settore assicurativo può continuare a svolgere il proprio ruolo fondamentale di motore di protezione, stabilità e sviluppo nel medio-lungo periodo.

LA RICERCA DIVENTA STRATEGIA

Cetif – Centro Tecnologie, Innovazione e Servizi Finanziari dell’Università Cattolica del Sacro Cuore è una community di oltre 30mila manager e professionisti attivi nel mondo delle istituzioni finanziarie. Cetif organizza eventi e corsi di formazione, conduce studi e promuove ricerche sulle dinamiche di cambiamento strategico e organizzativo nei settori finanziario, bancario e assicurativo dal 1990.

Cetif Research è la divisione che guida l’attività di ricerca articolata in 16 hub tematici. Si tratta di percorsi di ricerca applicata che coinvolgono le Istituzioni Finanziarie a vari livelli. L’obiettivo è analizzare come l’innovazione tecnologica, gli aggiornamenti normativi, le prassi organizzative e di processo impattano sulle strategie delle banche e delle compagnie assicurative. All’interno della community il confronto è costante e vengono presentate best practice in ottica di crescita sistemica.

Paolo Gatelli senior research manager

Camilla Spinella research analyst

L'articolo Dati, AI e customer experience. Le assicurazioni si riprogrammano proviene da Data Manager Online.

I fornitori di servizi di sicurezza gestita (MSSP) si stanno affermando come attori chiave nel percorso di adeguamento alla NIS2, accompagnando le organizzazioni in una trasformazione che è prima di tutto culturale e organizzativa, oltre che tecnologica. Il loro ruolo non si limita a quello di fornitori di tecnologie e servizi di sicurezza, ma si estende alla capacità di tradurre un quadro normativo complesso in azioni concrete, sostenibili e coerenti con il profilo di rischio di ciascuna realtà aziendale e organizzativa.

Il punto di partenza è la definizione di una roadmap personalizzata, costruita in sinergia con il CISO o, in sua assenza, grazie alle competenze messe a disposizione dal provider. L’obiettivo è rendere la conformità un percorso progressivo, allineato alle priorità di business e ai vincoli di budget, evitando approcci standardizzati che rischiano di essere inefficaci. Gli MSSP svolgono inoltre una funzione essenziale di orientamento e formazione. La NIS2 fornisce infatti principi e indirizzi, ma lascia alle organizzazioni ampi margini interpretativi. Colmare questo spazio significa aiutare i clienti a comprendere davvero gli obblighi, attraverso programmi formativi mirati, casi concreti e metriche che rendano tangibili i benefici della compliance. Sul piano operativo, il contributo degli MSSP si traduce nella costruzione di un’infrastruttura di sicurezza robusta e resiliente. Ciò implica garantire che sistemi e dati siano protetti da controlli adeguati, dalla gestione degli accessi alla sicurezza della supply chain, fino alle capacità di rilevamento e risposta agli incidenti. Fondamentale è anche la capacità di condurre valutazioni di rischio approfondite, che abbracciano l’intero perimetro digitale dalle infrastrutture alle identità, dagli endpoint alle reti, fino alla catena di fornitura.

Gli MSSP non si limitano a identificare le vulnerabilità, ma le contestualizzano, ne valutano l’impatto sul business e definiscono strategie di mitigazione mirate, supportate da policy di sicurezza coerenti con i requisiti della direttiva. La conformità alla NIS2 richiede inoltre una vigilanza continua. In questo ambito, gli MSSP mettono in campo servizi di monitoraggio 24/7, capacità di risposta agli incidenti e piani di disaster recovery, garantendo non solo la sicurezza ma anche la continuità operativa. Allo stesso tempo, supportano le organizzazioni negli obblighi di notifica degli incidenti di sicurezza e favoriscono la condivisione delle informazioni sulle minacce, contribuendo a rafforzare la resilienza dell’intero ecosistema. Un ulteriore elemento distintivo è la gestione proattiva delle vulnerabilità, basata su attività di scansione continua e su una prioritizzazione che tenga conto degli asset più critici. Questo approccio consente di intervenire in modo mirato, ottimizzando le risorse e riducendo il rischio effettivo. Oltre la semplice erogazione di servizi tecnologici, gli MSSP rappresentano un partner strategico, capace di accompagnare le organizzazioni nel trasformare gli obblighi della NIS2 in un modello operativo concreto, integrato nei processi aziendali e orientato alla gestione dei rischi reali.

INFRASTRUTTURE DI DIFESA

In Italia si contano circa 1.800 provider di sicurezza gestita (alla fine del 2023 erano oltre 2.200), ma questo dato, più che descrivere un mercato maturo, restituisce l’immagine di un ecosistema estremamente frammentato, in cui convivono piccoli operatori locali e grandi system integrator globali. In Italia, secondo i dati dell’Osservatorio Cybersecurity & Data Protection – Politecnico di Milano il mercato complessivo della cybersecurity ha superato i 2,7 miliardi di euro nel 2025. Il giro d’affari complessivo della sicurezza gestita (MSSP, SOC as a Service, MDR) rappresenta una quota crescente tra il 15% e il 25%, stimabile tra 350 e 450 milioni di euro, all’interno di un mercato che continua a crescere a ritmi sostenuti. La NIS2, in questo scenario, a fronte di una continua crescita delle minacce agisce come un acceleratore. Alza l’asticella dei requisiti, impone capacità di monitoraggio continuo, gestione degli incidenti, valutazione della supply chain. Ambiti che richiedono competenze specialistiche, servizi e tecnologie evolute. Che, soprattutto per le organizzazioni di medie e piccole dimensioni incluse nel perimetro della direttiva, risultano in genere difficilmente sostenibili in-house. Da qui un ricorso crescente all’esternalizzazione: una scelta dettata non solo dalla convenienza, ma sempre più dalla necessità.

I provider di sicurezza gestita diventano così l’approdo naturale, offrendo economie di scala, operatività h24 e accesso a talenti altrimenti difficili da reperire. Una dinamica che richiama da vicino quanto già osservato nel cloud, dove la complessità ha favorito la concentrazione dell’offerta. Si tratta, senza dubbio, di una scelta razionale e in molti casi inevitabile. Ma, come spesso accade, la ricerca di efficienza genera anche nuove forme di dipendenza. Quando un numero crescente di organizzazioni si affida agli stessi pochi fornitori, emerge il rischio di un “single point of failure” sistemico: un nodo di concentrazione che, se compromesso, può generare effetti a cascata. Gli attacchi alle catene di fornitura digitali degli ultimi anni dimostrano con chiarezza come la compromissione di un singolo fornitore può propagarsi rapidamente lungo interi ecosistemi.

Il caso di SolarWinds nel 2020 resta emblematico. La cybersecurity si configura sempre più come un’infrastruttura abilitante. E, come tutte le infrastrutture, quando si concentra eccessivamente smette di essere solo un servizio e diventa un potenziale punto di vulnerabilità collettiva. Un rischio non soltanto tecnologico ma sistemico. E, paradossalmente, rischiamo di alimentarlo proprio mentre cerchiamo di rafforzare le nostre difese. La domanda è: esiste un rischio di concentrazione tra i fornitori di sicurezza gestita? Il tema è sul tavolo, ma non va letto in modo allarmistico. «Tra gli MSSP non vedo, la presenza dominante di grandi multinazionali generaliste come Alphabet, Amazon, Microsoft o Meta, che pure esercitano un peso enorme nell’ecosistema tecnologico» – osserva Mauro Cicognini, membro del comitato scientifico di CLUSIT. «I loro servizi incorporano una componente di cybersecurity molto rilevante, che fa parte di offerte con finalità più ampie. È vero che alcune di queste aziende erogano anche servizi specifici di sicurezza, ma quando penso agli MSSP mi riferisco a operatori specializzati, spesso nazionali o europei». In questo senso, la concentrazione appare ancora limitata e, almeno per ora, circoscritta. «Si intravede una tendenza verso alcuni provider di riferimento, ma si tratta di realtà italiane o europee. Il mercato, nel complesso, rimane ancora competitivo. In diversi ambiti verticali esiste una pluralità di attori qualificati, con livelli di servizio elevati e prezzi comparabili».

La NIS2, innalzando gli standard di resilienza, rischia paradossalmente di favorire i provider più strutturati, alimentando dinamiche di concentrazione e possibili dipendenze sistemiche. Il punto, tuttavia, non è l’outsourcing in sé ma il grado di concentrazione che ne deriva. Quando la sicurezza di molti si affida a pochi attori, la resilienza complessiva può indebolirsi. Molti MSSP europei tuttavia dipendono, a loro volta, da tecnologie cloud e piattaforme extra-UE. La NIS2 parla di resilienza europea, ma la filiera tecnologica resta in larga parte globale. C’è una contraddizione tra l’ambizione di “resilienza digitale europea” della NIS2 e la dipendenza strategica da fornitori non europei lungo la catena del valore della cybersecurity? «La contraddizione esiste e probabilmente rimarrà a lungo perché l’uso di infrastrutture e tecnologie extra-UE è il percorso di minima resistenza» – risponde Cicognini. «Per quanto riguarda software e servizi, nella maggior parte dei casi esistono alternative europee credibili. Sul fronte hardware, invece, il quadro è molto diverso: in Europa si producono ormai pochissimi computer e smartphone e quasi nessun processore o GPU. Anche quando la progettazione di chip specializzati avviene ancora nel continente, la produzione viene generalmente delocalizzata in Asia, tra Cina, Taiwan e Corea del Sud. In questo scenario, appare necessario un ripensamento profondo della strategia industriale europea. Resta il nodo delle materie prime – a partire dalle terre rare – che continuerebbero in parte a dipendere da fornitori esteri. Ma senza un rafforzamento della capacità manifatturiera e della filiera dei semiconduttori, l’Europa rischia di restare strutturalmente esposta sul piano tecnologico e geopolitico».

È bene però evitare letture apocalittiche. La concentrazione è ancora in una fase iniziale e il mercato della sicurezza gestita non presenta ancora caratteristiche di oligopolio. I rischi sono reali, ma vanno osservati con attenzione, senza anticiparne gli esiti. È plausibile che il tema diventi sempre più rilevante nei prossimi anni, man mano che la domanda si orienterà verso operatori capaci di garantire qualità, continuità e scalabilità. Proprio per questo, si apre una questione più ampia: cosa accade quando questi operatori assumono, di fatto, un ruolo assimilabile a quello di infrastrutture critiche, pur restando soggetti privati? Stiamo dando forma a una nuova categoria di infrastrutture critiche non pubbliche ma di fatto essenziali per il funzionamento di interi settori economici? Cosa accadrebbe se uno di questi operatori subisse un attacco rilevante, o anche solo un’interruzione prolungata dei servizi? L’impatto potrebbe propagarsi rapidamente, coinvolgendo simultaneamente più organizzazioni, magari appartenenti allo stesso settore critico. Non è uno scenario così remoto, ma una conseguenza possibile di un sistema che, nella ricerca di efficienza, tende alla concentrazione. Ciò non implica che il modello sia sbagliato. Le economie di scala sono reali e in molti casi rappresentano l’unica risposta sostenibile a una complessità crescente. Ma ogni concentrazione è foriera di rischi. Dall’energia alla finanza passando per il cloud, la storia delle infrastrutture ce lo insegna: quando un servizio diventa sistemico, prima o poi emerge l’esigenza di riconoscerlo e governarlo come tale.

GOVERNANCE REALE

Una delle promesse più ambiziose della NIS2 è portare la cybersecurity fuori dai data center e dentro i consigli di amministrazione. Non più tema per specialisti, ma rischio d’impresa, al pari di quello finanziario o reputazionale. Eppure, tra il dettato normativo e la prassi si apre una faglia. È lì che si insinua il rischio di una “governance di facciata”, in cui il Board approva, delega e archivia senza una reale comprensione. La NIS2 introduce un cambio di paradigma che è prima di tutto culturale. Non prescrive solo controlli e strumenti, ma ridefinisce le responsabilità di chi prende le decisioni. I vertici aziendali sono chiamati ad approvare e supervisionare le misure di sicurezza, a promuovere la formazione del personale e ad acquisire competenze adeguate per comprendere il rischio cyber. Non è più sufficiente affidarsi agli specialisti. Chi guida un’organizzazione deve essere in grado di leggere, almeno nei suoi tratti essenziali, il rischio che governa. A questa responsabilità si accompagna un quadro sanzionatorio significativo (fino a 10 milioni di euro o al 2% del fatturato), che segna una rottura netta con il passato. Viene meno quella comfort zone che consentiva al management di rifugiarsi dietro la complessità tecnica.

Oggi la “plausible deniability” non è più sostenibile né giustificabile. Ma la direttiva compie un ulteriore passo avanti. Non chiede solo di agire, chiede di dimostrare. La sicurezza deve essere documentata, tracciata e verificabile. Verbali del consiglio di amministrazione, report periodici, evidenze di formazione, audit. Lo sguardo delle autorità si sposta nel luogo in cui le decisioni vengono prese, per valutare la qualità della governance, non solo l’efficacia delle difese tecnologiche. Ed è qui che emerge il primo vero cortocircuito. La NIS2 chiede ai Board di trattare il rischio cyber come un rischio strategico, ma nella pratica quotidiana la cybersecurity continua spesso a essere percepita come un tema tecnico, confinato agli specialisti. Una funzione che può essere legittimamente delegata. Una voce di costo o una funzione delegabile. Il rischio è che il cambiamento resti più formale che sostanziale, dichiarato, ma non compreso. Molti osservatori mettono in guardia dal rischio che il salto resti più formale che sostanziale, più dichiarato che compreso. I Board devono capire il rischio che stanno affrontando. La cybersecurity non può più essere “supervisionata” per delega: trattarla come un tema accessorio espone le aziende a un rischio sistemico, paragonabile per impatto ai rischi finanziari o regolatori.

Il concetto riemerge, quasi negli stessi termini, anche nelle analisi del World Economic Forum: la cybersecurity è un rischio di business, non un semplice tema IT. Un’affermazione che può risuonare alle orecchie come un luogo comune, ma che scardina una resistenza culturale ancora diffusa: quella di relegare il rischio cyber a questione tecnica. In realtà, le sue implicazioni di carattere economico, reputazionale e operativo incidono direttamente sulla strategia aziendale, sulla continuità operativa e, in ultima analisi, sul valore d’impresa. Governare il rischio significa prima di tutto comprenderlo, e su questo terreno molti Board si trovano in difficoltà. Spesso i vertici aziendali non dispongono di metriche realmente comprensibili, né di strumenti decisionali che traducano la complessità tecnica in impatti di business. A questo si aggiunge una carenza di competenze specifiche, che rende ancora più difficile orientarsi. Come emerge da numerosi report, i consigli di amministrazione non dispongono neppure di informazioni adeguate o di strumenti che traducano il rischio in un linguaggio comprensibile per le decisioni strategiche.

Il risultato in alcuni casi è una sorta di asimmetria informativa. Chi è chiamato a prendere decisioni resta, in parte, dipendente da chi quelle informazioni le produce e le interpreta. Gli amministratori sono formalmente responsabili, ma non sempre hanno pieno controllo del rischio che stanno governando. In questi casi la delega smette di essere una scelta tattica. Non tanto e non solo per mancanza di volontà, quanto per la difficoltà di colmare, in tempi brevi, un divario di conoscenza ampio. Eppure le interpretazioni operative della NIS2 sono chiare: la cybersecurity non è più un progetto IT delegabile, ma una responsabilità diretta del Board, che deve essere visibile, documentata e misurabile. Tuttavia, la norma può imporre il livello decisionale, non la qualità della comprensione. Il rischio diventa ancora più subdolo quando non coincide con l’assenza di governance, ma con la sua simulazione: policy approvate, report prodotti, audit superati. Tutti segnali di un’organizzazione formalmente conforme. Ma chi prende le decisioni ha davvero compreso il rischio oppure lo sta semplicemente certificando?

OUTSOURCING, ZONE D’OMBRA

Nello spazio sospeso tra necessità e incertezza si colloca il ruolo dei Managed Security Service Provider. Sgomberiamo subito il campo da equivoci. Nell’attuale ecosistema, gli MSSP rappresentano una componente imprescindibile. I requisiti introdotti dalla NIS2 presuppongono un livello di competenze e capacità operative che molte organizzazioni – soprattutto di dimensioni medio-piccole – difficilmente possono sviluppare al proprio interno. Il punto non è l’esternalizzazione. È ciò che rischia di diventare.

La direttiva ribadisce un principio non negoziabile: la responsabilità non si delega. È il consiglio di amministrazione a dover approvare le misure di sicurezza, supervisionarne l’efficacia, valutare i rischi, inclusi quelli legati ai fornitori. Si può esternalizzare l’operatività, ma non il governo del rischio. Nella pratica però il confine tra queste due dimensioni tende facilmente a sfumare. Lasciando spazio alla pericolosa illusione di poter “comprare” la sicurezza. Come se bastasse un contratto, per trasferire altrove anche la responsabilità. Ma acquistare un servizio non equivale a comprendere davvero il perimetro, i limiti, le aree di rischio che restano inevitabilmente scoperte. Ed è proprio in questo scarto, spesso nascosto, che l’outsourcing rischia di trasformarsi in un alibi. Una risposta apparentemente solida, che non sostituisce l’onere, ben più complesso, di governare il rischio in prima persona.

Non si tratta, nella maggior parte dei casi né di cattiva fede, né di comportamenti opportunistici fatti di scorciatoie più o meno consapevoli, una sorta di maquillage organizzativo costruito per ingannare il regolatore. Il problema sono una serie di condizioni strutturali che rendono quasi naturale scivolare verso una conformità più formale che sostanziale. La prima riguarda la natura stessa della NIS2. La direttiva, volutamente, non entra nel dettaglio delle soluzioni tecniche. Definisce obiettivi, principi, responsabilità. Offre flessibilità ma apre anche ampi margini di interpretazione. In assenza di indicazioni operative puntuali, diventa inevitabile cercare altrove punti di riferimento, costruire modelli, semplificare. E la semplificazione prende spesso la forma di checklist, policy, documenti. Strumenti rassicuranti perché tangibili. Non è un caso che da più parti si sottolinei come in mancanza di indicazioni pratiche molti aspetti si prestino a interpretazione. Il rischio è che la forma finisca per sostituire la sostanza.

A questo si aggiunge un secondo elemento. La NIS2 nasce con l’obiettivo di rafforzare la resilienza delle organizzazioni, ma nella pratica può essere vissuta come un adempimento. Quando la preoccupazione principale diventa quella di superare un audit o evitare una sanzione, cambia anche la logica decisionale. L’attenzione si sposta su ciò che è verificabile. Dalle policy approvate ai report prodotti, ai contratti formalizzati. Tutto ciò che può essere esibito come prova di conformità. Ma la resilienza reale – la capacità di reagire a un incidente, di prendere decisioni sotto pressione, di comprendere davvero il rischio – non si costruisce solo su carta. C’è poi un terzo fattore, l’asimmetria tra responsabilità e competenze. La direttiva chiede al management di comprendere per governare. Ma questo requisito si scontra con una realtà in cui le competenze sono spesso insufficienti e la formazione che dovrebbe colmarle discontinua. Il linguaggio della cybersecurity resta tecnico, difficile da tradurre in termini che parlino davvero al business. In questo contesto il CdA si trova in una posizione delicata. Formalmente responsabile, ma non sempre attrezzato per esercitare fino in fondo quella responsabilità. E così si innesca una dinamica pericolosa. Si firmano documenti che non si comprendono del tutto, si finisce per sovrapporre – senza accorgersene – la delega operativa con una sorta di trasferimento implicito del rischio. È in questo passaggio, spesso sottotraccia che la governance rischia di perdere profondità, trasformandosi in una rappresentazione ordinata, coerente, ma non necessariamente consapevole.

«Premesso che sono molti i soggetti che stanno prendendo seriamente questa normativa e intendono coglierla come un’opportunità di miglioramento» – spiega Cicognini di CLUSIT. «Ed esclusa quella quota patologica di aziende che non rispetta alcuna regola, resta comunque concreta la possibilità che una parte dei soggetti NIS finisca per adottare una governance di facciata». Alla base di questo rischio c’è la scarsa consapevolezza da parte dei vertici aziendali della reale dipendenza dei processi dall’infrastruttura informatica e, di conseguenza, del livello di vulnerabilità in caso di incidente cyber. «La tentazione, in sostanza – conclude Cicognini – è di trasformare il tema nell’ennesima tassa, delegandolo a qualcuno disposto a firmare un contratto in cambio di un compenso adeguato, senza affrontarne davvero la portata strategica».

REGOLE E RISCHIO OPERATIVO

Una direttiva pensata per rafforzare la responsabilità del top management rischia di generare una forma più evoluta e sofisticata di deresponsabilizzazione. Non più il “non sapevamo” di un tempo, ma una narrazione più rassicurante e solo in apparenza inattaccabile: “Abbiamo un fornitore qualificato, abbiamo ottenuto le certificazioni, le policy di sicurezza sono state approvate. È tutto tracciabile, tutto formalmente conforme”. Il rischio è che la conformità documentale venga scambiata per reale presidio del rischio, trasformando un obbligo sostanziale in un esercizio prevalentemente formale. Ma la responsabilità, pur restando formalmente in capo al Board, si sposta altrove e si diluisce. Distribuita tra consulenti, provider, terze parti, che rende la governance meno incisiva proprio mentre sembra più strutturata. Il rischio che questo accada crediamo non sia né teorico, né marginale. Per certi versi inscritto in dinamiche più profonde. Che travalicano i comportamenti dei singoli e che si annidano tra struttura della direttiva e cultura organizzativa. Da un lato, la NIS2 spinge verso una maggiore formalizzazione, dall’altro le aziende, come spesso accade, tendono a concentrarsi sul rischio più immediato e tangibile, quello di non essere conformi. Così, l’attenzione si sposta verso ciò che è documentabile e verificabile. Mentre il rischio operativo, quello che si manifesta davvero quando un attacco va a segno, resta più sfuggente. «L’unica strada nel breve periodo è la vigilanza da parte dell’autorità» –  afferma Cicognini di CLUSIT.

«Potrà non piacere, ma finché non ci sarà una cultura diffusa e un’accettazione generalizzata della necessità di certe misure, l’applicazione delle sanzioni rimarrà il deterrente principale. Nel medio termine, l’inserimento sistematico di clausole di cybersecurity nei contratti finirà per trascinare verso la conformità anche gli attori più riluttanti. Ma si tratta di un processo graduale. Forse, sarà necessario persino un cambio generazionale perché la governance della sicurezza IT venga percepita come “attività pericolosa”, con tutti gli obblighi di diligenza che ne derivano. Del resto, tra l’introduzione dell’obbligo delle cinture di sicurezza e la loro piena accettazione come norma sociale – anzi come dovere – sono trascorsi quasi vent’anni».

CYBERSECURITY E BUSINESS

Esiste una linea di frattura sottile ma decisiva, che separa la governance autentica dalla governance di facciata. E passa, dalla qualità del dialogo tra cybersecurity e business. Quando resta superficiale, mediato da linguaggi che non si incontrano, il rischio è che la sicurezza venga percepita come qualcosa da affidare all’esterno. Un servizio da acquistare, più che un rischio da governare. Ma quando quel dialogo diventa maturo, quando la complessità tecnica viene tradotta in scenari comprensibili, allora cambia la prospettiva. Il consiglio di amministrazione smette di limitarsi a ratificare e inizia a interrogare, a mettere in discussione, a chiedere quali sarebbero le conseguenze economiche di un incidente, quali vulnerabilità si annidano nella catena di approvvigionamento, quanto l’organizzazione sia davvero pronta a reagire.

A quel punto cambierebbe anche la qualità delle domande. Non più il rassicurante “siamo conformi?”, ma il ben più impegnativo “siamo davvero in grado di comprendere e governare le conseguenze di un attacco? Abbiamo piena consapevolezza di ciò che accadrebbe se venissimo colpiti — sui processi, sui ricavi, sulla reputazione?”. La NIS2 nasce con un’ambizione che va ben oltre il perimetro normativo, quello di provare a cambiare una cultura. Ma le culture, per loro natura, non si trasformano per decreto. Possono essere orientate, sollecitate, persino forzate in una direzione, ma non imposte davvero. La direttiva ha il merito di aver reso la cybersecurity una materia che riguarda chi decide e non solo chi la implementa. Ma la sola obbligatorietà di una normativa non equivale alla immediata comprensione. Trasformare un obbligo normativo in consapevolezza è forse l’operazione più complessa che un’organizzazione possa affrontare. Richiede tempo, linguaggi nuovi, capacità di tradurre la tecnica in decisione. E soprattutto richiede una volontà che nessuna direttiva può imporre. Quella di voler capire davvero. In altre parole, chi vede la cybersecurity soltanto come costo e non come strumento di governance, finirà per pagare il prezzo più alto. Un prezzo che chiama in causa anche il ruolo dei MSSP.

N-able: NIS2: sfide e soluzioni

L'articolo MSSP e NIS2, la governance del rischio proviene da Data Manager Online.

Nel nuovo ciclo di investimenti europei in AI e cloud, la sfida principale è di aumentare non solo la capacità computazionale, ma ripensare l’infrastruttura che la sostiene. Mentre cresce in modo sostenuto la domanda di nuova potenza installata, di spazi colocation e di data center ad alta densità, Mitsubishi Electric consolida il proprio ruolo nel mercato di riferimento puntando sull’evoluzione delle architetture di raffreddamento – con il passaggio dall’aria al liquido – sul recupero termico e sull’integrazione sistemica dell’impianto.

La competitività si misura sulla capacità di gestire carichi energetici crescenti, ottimizzando consumi, continuità operativa e performance. I principali vincoli allo sviluppo restano la disponibilità di energia, la capacità delle reti e la complessità degli iter autorizzativi. Gli investimenti nel settore restano elevati: tra il 2028 e il 2031 si prevedono 176 miliardi di euro di investimenti in Europa, creando oltre 300mila posti di lavoro altamente qualificati e contribuendo a 138 miliardi di euro di PIL all’anno solo attraverso i colocation data center, con previsioni in aumento fino al 2031 (Fonte EUDCA).

Le infrastrutture di proprietà degli operatori tecnologici globali, i cosiddetti hyperscale-owned data center, continuano a espandersi in tutta Europa, soprattutto in aree geografiche caratterizzate da approvvigionamento energetico da fonti rinnovabili, climi favorevoli e connettività internazionale. Allo stesso tempo, i data center generano un impatto crescente sul tessuto socioeconomico europeo. Anche il mercato italiano dei data center vive una fase di espansione senza precedenti. Digitalizzazione dei servizi, cloud, intelligenza artificiale e sovranità del dato stanno attirando nuovi investimenti strutturali, riducendo il tradizionale divario con i grandi hub europei. Milano resta il principale polo di riferimento, ma l’interesse si estende progressivamente ad altre aree strategiche del Paese, con nuovi progetti greenfield e ampliamenti di infrastrutture esistenti.

Ridondanza strategica

Mitsubishi Electric è una multinazionale globale con attività che spaziano dall’elettronica all’automazione, fino alle soluzioni per la climatizzazione e refrigerazione. All’interno di questo perimetro, la divisione Living Environmental Systems presidia il mercato delle applicazioni commerciali e specialistiche, tra cui quello dei data center.

Gian Luca Favaron, sales national key account section manager Data Center Business della filiale italiana di Mitsubishi Electric Europe, spiega: «Le nostre soluzioni si distinguono per un approccio innovativo. I compressori a velocità variabile e gli algoritmi di controllo consentono di ottimizzare il funzionamento sui carichi parziali che costituiscono la condizione operativa più frequente nei data center moderni». Il risultato è la riduzione dei consumi energetici e il miglioramento concreto del PUE (Power Usage Effectiveness). «L’integrazione di soluzioni di free cooling e hybrid cooling permette inoltre di sfruttare le condizioni climatiche favorevoli, riducendo l’uso dei compressori e migliorando l’efficienza stagionale» – continua Favaron. «Le soluzioni sono sempre personalizzate in quanto le esigenze di un’infrastruttura che ospita sistemi universitari di calcolo avanzato sono diverse, per esempio, da quelle di un centro dati bancario o di un provider di servizi web». Le architetture degli impianti vengono progettate per garantire alti livelli di ridondanza (N+1, 2N), assicurando la continuità di servizio anche in caso di guasto o nei fermi per manutenzione.

Ridondanza e raffreddamento sono strettamente collegati come due livelli complementari di affidabilità e ottimizzazione energetica. «La priorità assoluta è la ridondanza» – interviene Gian Luca Favaron. «Il raffreddamento deve rimanere continuo anche in caso di guasto di una o più unità. Le rimanenti modulano i parametri operativi per regolare la temperatura, ottimizzando in modo dinamico l’efficienza complessiva senza compromettere la sicurezza dei sistemi». Questa regolazione consente di ridurre i consumi e di rendere i sistemi di raffreddamento più sostenibili in funzione dell’adozione di soluzioni più evolute. Anche l’efficienza energetica e la riduzione delle emissioni di anidride carbonica sono collegate.

Mitsubishi Electric, attiva all’interno dell’Italian Datacenter Association (IDA – italiandatacenter.com), contribuisce al dibattito tecnologico e strategico sul futuro delle infrastrutture digitali in Italia. All’interno di IDA, l’azienda è impegnata nel gruppo Sostenibilità e coordina il gruppo di lavoro Heat Recovery, con l’obiettivo di promuovere soluzioni concrete per il recupero e la valorizzazione del calore. «L’Europa sta accelerando sul recupero termico. Il posizionamento dell’azienda è volutamente focalizzato sul raffreddamento che è considerato l’elemento più energivoro del data center e che può esser visto come una potenziale fonte di calore a servizio della comunità» – spiega Alberto Bolzonella, sales national key account manager Data Center Cooling Business. Continua Bolzonella: «Il calore generato dai server non viene più semplicemente dissipato, ma valorizzato. Quando la temperatura richiesta dall’utilizzatore finale o del teleriscaldamento supera quella disponibile, intervengono le nostre pompe di calore. Inoltre, l’energia termica può essere reimpiegata internamente per alimentare servizi ausiliari, come la produzione di acqua calda sanitaria o il riscaldamento degli uffici».

Futuro ad alta densità

Una delle sfide principali è il passaggio dai sistemi tradizionali ad aria a quelli a liquido, resi necessari dall’aumento esponenziale delle densità di potenza nei rack. «Si tratta di un approccio integrato che consente di coprire l’intera filiera del raffreddamento, offrendo un sistema coerente e ottimizzato» – spiega Favaron. «Mitsubishi Electric ha sviluppato una Cooling Distribution Unit specificamente progettata per il raffreddamento a liquido di queste applicazioni, superando i limiti dei sistemi convenzionali ad aria. L’aumento della densità di potenza nei rack, spinto da AI, HPC e workload avanzati, sta accelerando l’adozione del raffreddamento a liquido».

La Cooling Distribution Unit (CDU) di Mitsubishi Electric consente una gestione efficiente e sicura della distribuzione del liquido refrigerante verso i rack, garantendo controllo, affidabilità e integrazione con l’infrastruttura di raffreddamento esistente. Si tratta di una tecnologia abilitante per affrontare carichi elevati e scenari futuri, dove il raffreddamento ad aria non sarà più sufficiente. «Ma il vero valore aggiunto emerge quando la CDU viene inserita in una visione sistemica dell’impianto, capace non solo di raffreddare, ma anche di valorizzare l’energia termica prodotta» – spiega Favaron. «Guardando al futuro, una delle principali novità riguarda il raffreddamento dei server destinati all’intelligenza artificiale. Il data center è destinato a diventare una delle infrastrutture fondamentali dell’economia futura, un nodo produttivo che genera valore, occupazione e opportunità per i territori. Il data center del domani non sarà valutato solo per la sua capacità computazionale, ma per la qualità delle sue infrastrutture e per il modo in cui utilizza l’energia e si integra al tessuto impiantistico del territorio».

L'articolo Data center, Mitsubishi Electric: «Partita strategica per l’Europa» proviene da Data Manager Online.

«Non parliamo più di rete, sicurezza e cloud come domini separati. Oggi esiste un unico ecosistema operativo interconnesso». Cosimo Rizzo, system integrator director di NovaNext sintetizza così il cambio di paradigma che sta attraversando l’infrastruttura digitale delle imprese. Con clienti che spaziano dalla grande banca sistemica alle medie imprese italiane – target principale del gruppo – NovaNext punta a consolidare il suo posizionamento da integratore di tecnologia a orchestratore dell’ecosistema digitale. Se le SDN rappresentano l’infrastruttura abilitante di questo modello, la sovranità digitale ne è la cornice strategica e la formazione il moltiplicatore. Con una capacità di operare su tutto il territorio nazionale, la strategia di NovaNext si articola su tre direttrici – system integration, managed services e formazione – che riflettono la necessità delle imprese di costruire architetture integrate, governabili e misurabili in termini di impatto sull’organizzazione e sul business.

Secondo diversi analisti di mercato nel 2025 circa il 70% della spesa IT è transitato attraverso i system integrator. «La ragione è strutturale» – spiega Rizzo. «I system integrator non si limitano a implementare soluzioni, ma orientano le decisioni di investimento. Intercettano trend emergenti, selezionano tecnologie e le traducono in progetti concreti, soprattutto per il tessuto delle PMI che richiede rapidità di esecuzione, competenze trasversali e capacità di integrazione». L’AI agentica, la cybersecurity e i servizi IT gestiti guidano le prospettive di crescita e la rete diventa l’infrastruttura attiva e programmabile che abilita questi ambiti. La consulenza IT diventa centrale nelle strategie di trasformazione digitale con un focus crescente su change management e formazione, che emerge come priorità per un numero crescente di imprese. «Senza capitale umano adeguatamente formato l’innovazione resta un potenziale inespresso» – afferma Rizzo.

Architetture ibride sotto controllo

Nel portafoglio di NovaNext, la system integration rappresenta il cuore tecnologico. L’obiettivo non è solo implementare reti, piattaforme cloud o soluzioni di cybersecurity, ma disegnare ambienti interoperabili in cui infrastruttura, applicazioni e dati dialogano in modo fluido. Le aziende operano su architetture ibride e multi-vendor. La rete diventa il layer abilitante della data platform e della sicurezza. «Tutto quello che un tempo era progettato per silos oggi deve funzionare come un sistema unitario. Rete e applicazioni sono inseparabili» – spiega Rizzo. «Per questo serve un’infrastruttura affidabile, ma soprattutto governabile. Nel settore finanziario il tema è ancora più evidente. Le banche operano sotto vincoli normativi stringenti e non possono permettersi interruzioni di servizio. Resilienza significa zero downtime, compliance continua e visibilità totale». Il mercato globale, che impatta quello locale, prevede una crescita significativa delle reti SDN, guidata dalla necessità di automazione, flessibilità e integrazione. «La programmabilità è la chiave per scalare sicurezza e gestione dei dati» – osserva il manager. «La rete è il punto di visibilità che consente di controllare tutto. Senza un’infrastruttura solida, anche l’AI agentica in ambienti critici resta una promessa».

Multi-cloud, AI e crypto-agility

La seconda direttrice strategica dell’articolazione NovaNext è quella dei servizi gestiti, pensati per accompagnare le organizzazioni oltre la semplice manutenzione operativa. «Il modello è orientato al risultato di business più che alla sola continuità tecnica» – spiega Rizzo. «In un mercato in cui la carenza di competenze è strutturale, NovaNext propone servizi modulari e personalizzati, con un focus sull’automazione e sull’integrazione di strumenti open e proprietari, garantendo la governance su infrastrutture sempre più distribuite, e mantenendo il controllo su costi, performance e rischi».

Dal monitoraggio alla proattività business-driven, la differenza tra un servizio gestito tradizionale e uno orientato al business sta nell’adattabilità. «Il nostro approccio è tailor-made» – continua Rizzo. «Ogni cliente ha esigenze e livelli di complessità diversi». Monitoraggio, incident management, change management in ambienti multi-vendor e multi-cloud richiedono strumenti aperti e interoperabili. «Per questo abbiamo scelto un’architettura in parte basata su soluzioni open source, su cui stiamo lavorando per costruire un layer proprietario di intelligenza artificiale». La sfida è orchestrare ambienti eterogenei: «Le soluzioni AI native dei singoli vendor funzionano bene in contesti monomarca ma faticano a dialogare in ecosistemi complessi. Abbiamo assunto data scientist e ingegneri AI per sviluppare modelli capaci di adattarsi a scenari variegati e portare reale proattività».

Il ruolo del system integrator cambia nelle competenze e negli strumenti, ma resta invariato nella sua funzione: «Continuiamo ad accompagnare le aziende mentre la tecnologia evolve. Ma non ci limitiamo a gestire: interpretiamo, integriamo e governiamo esigenze e requisiti». Sul fronte della sicurezza post-quantistica, con l’orizzonte 2030 indicato come possibile punto di maturità delle prime applicazioni pratiche, le aziende devono iniziare a mappare i rischi.

«Qui il system integrator accompagna le aziende nell’analisi preventiva delle componenti critiche per garantire l’interoperabilità e la compliance, pianificare la transizione. Dal punto di vista dei servizi gestiti, la post-quantum security diventa un tema di monitoraggio della compliance evolutiva, aggiornamento continuo delle policy crittografiche, gestione lifecycle dei certificati e verifica della resilienza nel tempo. Chi governa reti, cloud e data platform deve iniziare oggi a progettare sistemi di crypto-agility, capaci di sostituire algoritmi senza rifare l’intera architettura».

Una delle ultime novità per NovaNext è il rafforzamento dei servizi di Governance, Risk & Compliance (GRC). La spinta normativa – in particolare la NIS2 – ha ampliato in Italia il numero di aziende coinvolte: da poche centinaia a decine di migliaia. Se il settore finanziario, già strutturato per via di normative come DORA, appare più maturo, manifattura e multi-utility stanno accelerando. «Molte aziende stanno correndo per adeguarsi, ma rispetto al GDPR c’è una differenza: la resilienza oggi è percepita come un’opportunità, non solo come un adempimento». NovaNext ha quindi consolidato competenze esistenti, aggiunto certificazioni e costruito un portafoglio consulenziale dedicato. «Il vero fattore abilitante sono le competenze» – afferma Rizzo. «La trasformazione tecnologica è anche trasformazione culturale. Le grandi imprese stanno investendo in programmi strutturati di upskilling. Le PMI cercano soluzioni più mirate, ma devono comunque preparare le persone a utilizzarle».

Il capitale umano della resilienza

Il terzo pilastro del modello operativo NovaNext è l’attività sinergica di formazione che distingue l’azienda nel panorama dei system integrator tradizionali. Ai progetti tecnologici NovaNext affianca una business unit dedicata all’education, con percorsi che spaziano dalla formazione certificata alle competenze emergenti, inclusi programmi su intelligenza artificiale, soft skill e trasformazione organizzativa. L’offerta formativa include sia cataloghi strutturati sia percorsi costruiti su misura, in collaborazione con HR e management, per allineare competenze e strategia.

NovaNext può contare su una divisione Education storica, evoluta nel tempo dalla formazione certificata tradizionale a percorsi su soft skill, AI tecnica, prompt engineering e utilizzo consapevole delle tecnologie generative. Oltre cento corsi dedicati all’AI e percorsi personalizzati costruiti insieme agli HR manager: «La formazione diventa leva di cambiamento organizzativo, non semplice aggiornamento tecnico» – afferma Rizzo. «L’obiettivo è coniugare collaborazione, sostenibilità e osservabilità tecnica, garantendo al contempo supporto IT adeguato alla fluidità operativa». La logica è chiara: «La trasformazione digitale non si consolida senza capitale umano adeguatamente preparato».

L'articolo NovaNext, la rete che pensa il business proviene da Data Manager Online.

Poche tecnologie emergenti possiedono un potenziale dirompente paragonabile a quello del quantum computing. Se negli ultimi anni abbiamo assistito all’ascesa dell’intelligenza artificiale, della blockchain e dell’open banking, la computazione quantistica rappresenta un cambio di paradigma di natura ancora più profonda: non si tratta semplicemente di fare le stesse cose più velocemente, ma di ridefinire ciò che è computazionalmente possibile. Secondo McKinsey, il quantum computing potrebbe generare 400-600 miliardi di dollari nel settore finanziario entro il 2035. Boston Consulting Group stima fino a 850 miliardi entro il 2040. Non siamo più nel dominio della speculazione teorica: IBM prevede di raggiungere il vantaggio quantistico – il punto in cui un computer quantistico esegue calcoli più accuratamente, economicamente o efficientemente di un computer classico – entro la fine del 2026. Per le istituzioni finanziarie, questo scenario impone una riflessione strategica urgente su due fronti critici: la sicurezza crittografica, che protegge miliardi di transazioni quotidiane, e la velocità di validazione e di ottimizzazione dei processi bancari.

LA RIVOLUZIONE DEI QUBIT

A differenza dei bit classici, i qubit – che sono le unità di computazione quantistica –  sfruttano la sovrapposizione per rappresentare entrambi gli stati fino alla misurazione. Grazie all’entanglement (la correlazione istantanea tra qubit anche a grandi distanze), i computer quantistici esplorano spazi di soluzioni più vasti rispetto a quelli dei sistemi classici. Lo stato dell’arte al 2026 è notevole. Google, con il processore Willow da 105 qubit, ha superato i supercomputer classici su calcoli specifici, completando operazioni quasi impossibili in meno di cinque minuti. IonQ ha raggiunto nell’ottobre 2025 il record di performance delle porte a due qubit al 99,99%, con una roadmap per sistemi da 256 qubit nel 2026 e fino a 2 milioni di qubit entro il 2030. Secondo il World Economic Forum (2025), il quantum computing potrebbe generare fino a 622 miliardi di dollari per i servizi finanziari entro il 2035.

La crittografia moderna su cui si fonda l’intero sistema finanziario globale – l’RSA per le firme digitali e lo scambio di chiavi, l’ECC (Elliptic Curve Cryptography) per le transazioni mobili, l’AES per la cifratura dei dati – è potenzialmente vulnerabile all’avvento dei computer quantistici. L’algoritmo di Shor (1994) dimostra che un computer quantistico sufficientemente potente può fattorizzare numeri interi grandi e calcolare logaritmi discreti in tempo polinomiale, rendendo obsoleti sia RSA che ECC. La domanda non è se questo accadrà, ma quando. Gli esperti convergono su una finestra temporale compresa tra il 2030 e il 2035 per il cosiddetto “Q-Day”: il momento in cui i computer quantistici criptograficamente rilevanti (CRQCs) saranno in grado di violare gli attuali standard di cifratura.

Gartner stima che RSA e ECC diventeranno deboli entro il 2029 e, potenzialmente, violabili entro il 2034. Secondo la ricerca di Kudelski Security, l’ECC risulta più vulnerabile dell’RSA agli attacchi quantistici per parametri di sicurezza equivalenti. Particolarmente insidioso è il paradigma “Harvest Now, Decrypt Later” (HNDL): attori statali e criminali informatici stanno già oggi intercettando e archiviando dati cifrati con l’obiettivo di decrittarli quando i computer quantistici saranno maturi. Nel settore finanziario, dove i dati sensibili mantengono il loro valore per 10-30 anni ai fini della conformità normativa, questa minaccia è già un’urgenza.

CRYPTO-AGILITY URGENTE

Il NIST ha pubblicato nell’agosto 2024 i primi tre standard di crittografia post-quantistica: il ML-KEM (FIPS 203, basato su CRYSTALS-Kyber), il ML-DSA (FIPS 204, basato su CRYSTALS-Dilithium) e l’SLH-DSA (FIPS 205, basato su SPHINCS+). A marzo dello scorso anno, ha scelto l’HQC come quinto algoritmo, basato su una matematica code-based, come backup per ML-KEM. Per le banche, la transizione richiede un approccio strutturato e crypto-agile, ossia la capacità di sostituire rapidamente gli algoritmi. Questo comporta visibilità (inventario degli algoritmi), modularità (sistemi sostituibili) e automazione (test e distribuzione).

Il progetto Leap della Banca dei Regolamenti Internazionali (BRI), con varie banche e SWIFT, ha testato con successo la crittografia post-quantistica in un sistema di pagamento, sostituendo le firme tradizionali con la crittografia post-quantistica (PQC) in trasferimenti reali, dimostrando la fattibilità dell’integrazione della PQC nelle infrastrutture finanziarie. Se il quantum computing rappresenta una minaccia per la crittografia, al tempo stesso offre opportunità per i processi bancari dall’algoritmo di Grover, che accelera la ricerca in database non ordinati, applicabile all’ottimizzazione dei portafogli, alla simulazione Monte Carlo, passando per la rilevazione delle frodi. Le simulazioni Monte Carlo per il pricing dei derivati e l’ottimizzazione del portafoglio rappresentano un collo di bottiglia computazionale. La potenza quantistica accelera questi calcoli, abilitando il risk assessment in tempo reale e il pricing di derivati complessi. E secondo diversi studi, i requisiti di qubit possono essere ridotti di 30 volte. Un’area promettente è la rilevazione delle frodi tramite il quantum machine learning. Le ricerche mostrano che il quantum computing potrebbe ridurre i falsi positivi fino al 40% e migliorare l’accuratezza del 30-50% rispetto ai modelli tradizionali. Intesa Sanpaolo, insieme a IBM, esplora circuiti quantistici variazionali per analizzare transazioni, mentre HSBC collabora con Quantinuum per la fraud detection e la sicurezza degli asset digitali.

L’Unione Europea ha tracciato una roadmap chiara. Il Quantum Flagship, avviato nel 2018 con un investimento di un miliardo di euro per dieci anni, ha messo insieme oltre mille e 600 ricercatori in 24 progetti. I primi computer quantistici europei sono stati inaugurati a Poznan e Ostrava, integrati nei supercomputer EuroHPC. Secondo la roadmap europea, entro il 2026 i paesi membri dovranno avere strategie e inventari pronti, mentre entro il 2030 i sistemi critici, inclusi quelli finanziari, dovranno completare la transizione alla crittografia post-quantistica. Nel frattempo, DORA e NIS2 integrano requisiti per rafforzare la resilienza quantistica. L’Italia ha fatto passi avanti con l’avvio della Strategia Nazionale. IonQ e D-Wave hanno cofondato la Q-Alliance. CINECA ha siglato un accordo con IQM per il sistema Radiance da 54 qubit. Il progetto QUID con Telespazio sta sviluppando reti di comunicazione quantistiche. La Banca d’Italia nel 2024 ha pubblicato il Quaderno n. 877, sottolineando l’importanza di standard interoperabili.

ADESSO È IL MOMENTO DI AGIRE

L’algoritmo di Peter Shor, pubblicato nel 1994, pone le basi teoriche della minaccia quantistica alla crittografia moderna. Trent’anni dopo, quella che era una possibilità matematica sta diventando una realtà ingegneristica. La domanda non è se i computer quantistici sfideranno la crittografia attuale, ma se il settore finanziario sarà pronto quando ciò accadrà. Le istituzioni che agiranno subito investendo nella crypto-agility, nella formazione delle competenze quantistiche e nella sperimentazione con gli algoritmi PQC, non solo proteggeranno i propri asset e quelli dei clienti, ma si posizioneranno per catturare un valore competitivo che Boston Consulting Group stima andrà per il 90% agli early adopter. Non si tratta di una sfida che può attendere la piena maturità della tecnologia quantistica. Il paradigma “Harvest Now, Decrypt Later” rende la minaccia già presente. La transizione crittografica è un processo che richiede anni di pianificazione, di testing e di implementazione. Prepararsi all’era post-classica non è un’opzione, ma un imperativo strategico.

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 Quantum banking, pronti per il Q-Day? proviene da Data Manager Online.

Parola di Günther Anders, nel famoso “L’uomo è antiquato”, pubblicato nel 1956. Ma cosa direbbe oggi il filosofo allievo di Husserl e voce scomoda del secondo dopoguerra a proposito del dibattito attuale sull’intelligenza artificiale? Se negli anni 50 del secolo scorso già la radio e la tv rappresentavano fattori di forte cambiamento, come dobbiamo considerare oggi l’AI? La verità – come dice Günther – è che “lo scindere grossolanamente la vita in mezzi e scopi non ha nulla a che vedere con la realtà quando si tratta della ‘“totalità” della vita nel suo insieme”.

È l’eterno problema della tecnica che – lo si voglia o no – da sempre, ha una parte rilevantissima sulla nostra esistenza. Dello stesso avviso è l’esperto di management James Muldoon che, con il suo recente “Love Machines” (Faber & Faber, 2026), sostiene che l’AI può influenzarci e manipolarci pesantemente. Yuval Noah Harari, storico e filosofo israeliano, sostiene addirittura che l’AI rappresenta la più grande rivoluzione antropologica della storia, con il potenziale di trasformare il nostro modo di essere e di agire. Seguendo tali suggestioni, taluni arrivano addirittura a ipotizzare sistemi di “digital authoritarianism”.

Prendiamo la burocrazia digitale, che è cosa diversa da quella tradizionale. Nel modello classico, regole, protocolli e procedure devono essere interiorizzati da funzionari e dirigenti: qualcuno li applica, li interpreta, se necessario li spiega. La responsabilità è umana e visibile. Con l’AI il meccanismo cambia radicalmente. Gli algoritmi possono concedere o negare un diritto, un accesso, un servizio in modo automatico, senza che chi subisce la decisione abbia accesso ai criteri che l’hanno generata. E spesso nemmeno chi gestisce il sistema è in grado di spiegarla in modo comprensibile. Di contro, al grande pubblico l’AI viene presentata come strabiliante panacea per risolvere qualsiasi problema. Non occorre più spiegare le capacità e le funzionalità dei sistemi: basta usare l’aggettivo “intelligente” per fargli assumere un carattere taumaturgico.

Quindi è legittimo chiedersi: come potremo garantire che l’AI sia usata in modo responsabile, controllato ed etico? Come gestire gli inevitabili errori insiti in ogni sistema?

Con l’AI Act, l’Europa ha adottato un approccio che va proprio in questa direzione per consentire la competitività responsabile, accrescere la fiducia degli utenti e, in ultima analisi, facilitare la più ampia diffusione dell’AI. Ne dovremmo andare fieri. Alle accuse di essere un freno all’innovazione dovremmo invece rivendicare un modello diverso, in cui la competitività non cancella le garanzie ma le integra.

L’AI deve essere un modo per aumentare il benessere delle persone, dell’economia e della società ed essere allo stesso tempo trasparente e interpretabile dagli umani che rimangono gli unici veri controllori e responsabili finali. Per questo avrebbe più senso parlare di AI come augmented intelligence: un’intelligenza aumentata e realmente umano-centrica, non un sostituto opaco del giudizio umano. La tecnologia potenzia, assiste, accelera ma non surroga la responsabilità. La lezione di Günther Anders resta attuale: «Quali che siano i benefici che la tecnica può apportare all’umanità, nulla può giustificare che si mettano a rischio i valori fondanti e la tutela delle libertà e dei diritti».

L'articolo L’innovazione non è neutra proviene da Data Manager Online.