AI privata e infrastrutture europee: perché le imprese hanno bisogno di controllo sui dati

L’intelligenza artificiale sta entrando rapidamente nei processi delle aziende italiane, ma insieme all’entusiasmo crescono anche alcune esigenze molto concrete: sapere dove vengono trattati i dati, come vengono gestite le informazioni sensibili e quanto sia sostenibile – economicamente e operativamente – integrare strumenti AI all’interno della propria azienda. Per le PMI, che costituiscono la struttura portante del tessuto produttivo italiano, il tema non è soltanto adottare l’AI nelle PMI italiane ma farlo in modo compatibile con le proprie risorse, con i propri processi e con la necessità di mantenere controllo e continuità operativa.

L’infrastruttura europea di Xference nel data center Aruba

In questo contesto si inserisce l’avvio della nuova infrastruttura europea di inferenza AI privata di Xference presso il data center IT3 di Aruba a Ponte San Pietro, in provincia di Bergamo. La startup italiana ha annunciato l’apertura della fase beta su invito ai primi 100 early adopter selezionati, avviando un progetto focalizzato sull’erogazione di servizi AI basati su modelli open source eseguiti in ambienti privati.

Per sostenere questa infrastruttura, Xference ha scelto Aruba come partner tecnologico per la colocation e per la fornitura dei server in modalità Hardware-as-a-Service, sfruttando una piattaforma progettata per supportare workload AI ad alta densità energetica.

Accesso all’AI per imprese con minori barriere

Secondo Fabio Ciolino, Head of Product Services di Aruba Cloud, uno degli aspetti centrali del progetto riguarda proprio la possibilità di rendere queste tecnologie accessibili anche alle imprese di dimensioni più contenute. “L’intelligenza artificiale è per sua natura nativamente democratica. Il punto non è solo la disponibilità dei modelli, ma la possibilità concreta di accedervi senza barriere infrastrutturali, economiche o di competenze. In questo senso, il ruolo di realtà come Aruba è quello di facilitarne l’accesso in diversi termini: costruendo piattaforme che abilitino l’accesso all’AI e assumendosi gli oneri della complessità tecnologica, infrastrutturale e regolatoria”.

Il tema emerge soprattutto in relazione ai costi e alla complessità tecnica che molte aziende incontrano quando valutano progetti AI evoluti. “Questo si traduce in vantaggi concreti per le PMI che in questo senso vedono ridursi le complessità di accesso all’AI e degli investimenti da sostenere sia per le infrastrutture ad alta densità computazionale, sia per la gestione delle stesse ma più in generale dell’intero stack tecnologico” prosegue Ciolino.

Dati aziendali e resistenze all’adozione dell’AI

Accanto agli aspetti tecnologici, resta centrale la gestione dei dati aziendali, per ragioni operative, normative e di tutela del know-how interno. Andrea Pili, Co-Founder e CEO di Xference, sottolinea infatti che molte resistenze all’adozione dell’AI derivano dalla difficoltà di capire come vengono trattate le informazioni aziendali quando si utilizzano piattaforme pubbliche. “Le principali resistenze delle aziende all’adozione dell’AI non riguardano tanto la tecnologia in sé – che ormai è riconosciuta come straordinaria per efficienza e produttività – quanto la gestione dei dati”.

Secondo Pili, il tema riguarda sia grandi organizzazioni sia piccole imprese. “Settori come sanità, banking, finanza e pubblica amministrazione trattano informazioni sensibili per definizione. Ma anche una PMI o un’impresa artigiana custodisce dati strategici: documenti interni, contratti, know-how, segreti commerciali. L’idea di caricare questi contenuti su piattaforme AI pubbliche genera una domanda legittima: dove vanno quei dati e cosa ne viene fatto?”

Inferenza privata e modelli open source

Da qui nasce il modello di inferenza privata sviluppato da Xference, che consente di utilizzare modelli AI senza trasferire dati aziendali verso piattaforme esterne, per attività particolarmente sensibili o strategiche. “Abbiamo costruito un’infrastruttura che permette alle aziende di utilizzare l’AI sui propri dati senza doverli esporre a provider esterni. I server sono localizzati in Italia, all’interno della nostra infrastruttura, il processo è crittografato e i dati non vengono utilizzati per addestrare i modelli. Utilizziamo modelli open source, proprio per evitare qualsiasi ambiguità sul riuso delle informazioni”.

Applicazioni per manifattura e sanità

Le applicazioni pratiche possono riguardare diversi settori. Pili cita il caso di una PMI manifatturiera con migliaia di pagine di documentazione tecnica. “La consultazione tramite prompt in inferenza privata protegge l’azienda dalla possibilità che questi documenti vengano utilizzati per addestrare modelli esterni di AI e le garantisce il pieno controllo delle risposte”.

Oppure il settore sanitario, dove entrano in gioco dati personali particolarmente delicati. “Immaginiamo una piccola clinica di assistenza sanitaria che vuole offrire ai propri pazienti un chatbot per la prenotazione vocale online fatta con l’AI. Oggi è impossibile farlo con ChatGPT perché questo acquisirebbe sia il nome che il cognome del paziente nonché il tipo di patologia per effettuare la prenotazione” prosegue Pili.

Governance architetturale e infrastruttura europea

Per Aruba, uno dei punti chiave riguarda la possibilità di integrare compliance, sicurezza e gestione infrastrutturale direttamente nella progettazione della piattaforma, evitando che questi aspetti diventino un ostacolo successivo per le aziende.

“Più che di garanzie, parliamo di governance architetturale: un’infrastruttura interamente europea significa dati, sistemi e operatività all’interno di un perimetro regolatorio UE, quindi sotto giurisdizione europea” spiega Ciolino. “Il punto chiave è che la compliance non viene ‘aggiunta’ ma è incorporata nell’architettura stessa dell’infrastruttura, rendendo più semplice gestire l’AI e dati in modo sicuro e controllato lungo tutto il loro ciclo di vita. Di fatto infrastrutture come quella di Aruba devono assicurare resilienza, sicurezza e conformità, anche in risposta alla roadmap europea sull’AI Act per le imprese”.

Fase beta e sviluppo dell’architettura distribuita

La fase beta avviata da Xference servirà a monitorare i carichi di lavoro reali per scalare progressivamente l’infrastruttura. L’obiettivo è sviluppare nel tempo un’architettura distribuita capace di ridurre latenze, consumi e complessità operative, avvicinando progressivamente la capacità computazionale agli utenti finali. “In questo modo, l’AI resta uno strumento potente e accessibile, ma il controllo rimane in mano all’azienda. Non si tratta di sostituire le piattaforme pubbliche per gli usi generici, che rimangono eccellenti, ma di offrire un’alternativa quando l’inferenza riguarda dati proprietari, sensibili o strategici. In sintesi, il nostro modello riduce l’incertezza” conclude Pili. “E quando si parla di adozione tecnologica, ridurre l’incertezza significa accelerare le decisioni”.