NTT DATA, le sfide per un’AI privata e sovrana

I  progressi dell’intelligenza artificiale sono stati misurati negli ultimi anni in base alla disponibilità di modelli sempre più capaci. Oggi la sfida non si gioca solo in questo ambito: il limite non è più l’algoritmo, ma l’infrastruttura che lo sostiene.
È la convinzione di NTT DATA che nella ricerca Global AI Report: A Playbook for Private and Sovereign AI analizza quanto le imprese siano pronte a far girare l’AI in ambienti controllati e dentro confini giurisdizionali definiti. Il quadro è chiaro: la quasi totalità delle organizzazioni considera l’AI privata o sovrana importante per la propria strategia, ma una quota molto inferiore è attrezzata per agire. Da questo scarto tra consapevolezza e azione nasce la divergenza competitiva che viene ricostruito indicatore per indicatore.

La rilevazione è condotta per NTT DATA da STRAT7 Jigsaw, agenzia internazionale di analisi e market intelligence. I partecipanti, preselezionati e poi estratti con campionamento casuale, influiscono o hanno potere decisionale sulla strategia AI o tecnologica della propria organizzazione. I dati provengono da due set distinti, raccolti attraverso questionari online tra settembre e ottobre 2025 e validati dal team interno di Primary Research and Benchmarking di NTT DATA insieme a STRAT7 Jigsaw. La ricerca copre oltre 30 mercati in cinque regioni e più di una dozzina di settori, con un campione vicino ai 5mila tra decision-maker e influencer senior; i risultati sono presentati con un livello di “confidence” del 99% e un margine di errore del 3%. All’interno del campione il report isola i battistrada (organizzazioni con strategia AI definita, maturità elevata e profitti nettamente superiori alla media) quasi 2,5 volte più propensi a una crescita dei ricavi oltre il 10% e 3,6 volte più propensi a operare con margini pari o superiori al 15%. All’estremo opposto, i ritardatari.

Private e Sovereign AI, di cosa si parla?

Private AI e Sovereign AI sono termini distinti ma spesso confusi. L’AI privata concentra il controllo dentro i confini dell’impresa: ambienti dedicati, gestione rigorosa di identità e accessi, pipeline cifrate e presidio sull’intero ciclo di vita del modello, per proteggere proprietà intellettuale e dati regolamentati. Il concetto di AI sovrana sposta ancora oltre l’asticella, vincolando dove i dati possono fisicamente risiedere, come si spostano tra regioni e quali ambienti possono elaborarli. Il 96% delle imprese, complessivamente, dichiara di valutare la rilocalizzazione dell’infrastruttura AI verso aree geografiche precise, il 45% si sposta in modo deciso verso questa direzione, per ragioni geopolitiche e di filiera, mentre il 98% delle C-suite ritiene imprescindibile un dominio privato che tuteli IP e dati sensibili attraverso un modello GenAI non addestrabile pubblicamente.
Le motivazioni si modellizzano su tre concetti chiave: la sovranità imposta da vincoli legali o geopolitici, la privacy regolata che esige un controllo verificabile su dati e operazioni, e l’autonomia strategica che punta a ridurre dipendenza dai fornitori e costi. La vera sovranità, chiarisce il report, richiede il controllo su tre livelli: infrastruttura, dati e modelli, mantenuti tutti in ambito locale. Poiché tenere insieme  questi tre layer è arduo, le aziende preferiscono separare il dato dall’”intelligenza”: dati custoditi entro i confini stabiliti e modelli condivisi più liberamente tramite fine-tuning regionale, federated learning e vincoli di residenza.

Infrastruttura e dati sono sotto pressione

Il collo di bottiglia non è più allora nemmeno il modello ma l’ambiente in cui “vive”. Le architetture legacy, nate per transazioni applicative ed elaborazione batch, reggono male l’inferenza in tempo reale, lo spostamento rapido dei dati e l’elaborazione all’edge che l’AI esige: il 96% delle organizzazioni ammette che l’infrastruttura esistente sta rallentando l’adozione e solo il 49% è convinto che i propri sistemi sostengano deployment di AI agentica su scala. Circa un chief AI officer su tre (35%) indica nella difficoltà di costruire e integrare modelli complessi in ambienti privati e sovrani la barriera principale, davanti all’incertezza normativa. Emerge il ruolo delle AI factory, ambienti ad alte prestazioni pensati per addestrare, affinare e distribuire modelli in continuità e trasformare dati grezzi in intelligenza operativa. Il dato resta l’elemento più “controllato”: quasi il 60% dei battistrada cita già le restrizioni al trasferimento transfrontaliero come ostacolo di rilievo, e l’AI si sposta da sistemi globali a sistemi frammentati su base regionale, con arbitraggi inediti tra prestazioni e conformità. Non a caso il 96% del campione teme violazioni della privacy legate ad AI e GenAI, mentre meno della metà (47%) si dice sicura di poter rispettare i requisiti di sovranità e il 57% dei Ceo colloca privacy e sovranità dei dati in cima ai rischi di governance.
La risposta, per NTT DATA, è da cercare e trovare nell’architettura: classificazione dei dati, accessi segmentati secondo principi zero trust, cifratura lungo tutto il ciclo di vita, tracciamento lineage, red teaming e gestione centralizzata di identità e chiavi. Il 97% concorda che i carichi critici vadano tenuti in ambienti privati o on-premise, con i task meno sensibili collocati altrove.

La consapevolezza deve diventare azione

Sul piano dei principi il consenso sulla realtà attuale è ampio; su quello operativo molto meno. Solo il 29% delle organizzazioni sta dando priorità concreta e a breve termine all’AI sovrana, e appena il 38% si dichiara pienamente sicuro della propria postura di sicurezza cloud, fondamenta indispensabili per qualunque ambiente privato o sovrano. Il divario cambia anche per geografia e per settore: nell’Unione Europea la spinta è più marcatamente regolatoria, in parte del Medio Oriente pesano di più le priorità politiche e di strategia nazionale. Quanto ai comparti, guardano con più interesse a un approccio sovrano il settore pubblico (37%), la sanità e le risorse naturali (35% ciascuno) e il manifatturiero (33%), con classifiche che si ribaltano da regione a regione: il manifatturiero guida in Asia Pacifico, il settore pubblico in Europa, la sanità in Nord America.

La distanza tra chi ridisegna e chi semplicemente insegue le necessità è misurabile: sugli indicatori di priorità e prontezza le aziende battistrada precedono le altre di 10-11 punti percentuali. Trattano l’AI privata e sovrana come principio di progetto, non come vincolo da aggirare a posteriori, e questo si riflette nella governance. Il 56% adotta già un modello di governance AI centralizzato, contro il 38% del resto del mercato, e con la stessa frequenza ha istituito comitati di indirizzo con capacità esecutiva e la presenza di funzioni legali e di sicurezza. Il punto di vista dei Cio aiuta a leggere le motivazioni: il primo driver per investire in soluzioni sovrane è il vantaggio competitivo, con maggiore potere negoziale e competenze interne (35%), seguito dai requisiti normativi e di residenza dei dati (26%), dalla semplificazione del panorama IT (23%) e dalla sicurezza nazionale (16%).

La sovranità richiede orchestrazione

Il paradosso singolare è che il controllo non semplifica, complica e per questo è importante scegliere un partner di riferimento per questi percorsi.
L’AI privata addensa la complessità dentro l’impresa, l’AI sovrana la estende verso l’esterno, tra regioni, fornitori e regimi regolatori. Oltre la metà delle organizzazioni (51%) indica proprio la complessità di integrazione negli ambienti ibridi come sfida numero uno, e il 40% di chi avanza su strategie sovrane per la GenAI addita la modernizzazione infrastrutturale come ostacolo maggiore; solo il 49% si dichiara pienamente soddisfatto delle capacità di governance e sovranità dei propri ambienti cloud.

Da qui la centralità del partner: il 32% dei Caio (e il 38% dei battistrada) considera la disponibilità di una soluzione privata o sovrana un fattore chiave nella scelta della piattaforma AI. Ma nessuna impresa, racconta lo scenario analizzato, può reggere da sola l’intero stack: servono partner capaci di operare dall’infrastruttura ai modelli, di accompagnare l’intero ciclo di vita e di orchestrare ecosistemi multivendor coniugando scala globale ed esecuzione locale. Chi non controlla dati e infrastruttura non controlla la propria AI. Scalare, ormai, non è più solo una questione di capacità ma di progetto, e chi si muove per primo accumula vantaggi.

Per saperne di più scarica il whitepaper: 2026 Global AI Report, Guida strategica per l’AI privata e sovrana

Leggi tutti gli approfondimenti della Room Sovereign AI by NTT DATA

© RIPRODUZIONE RISERVATA