L’intelligenza artificiale entra sempre più nei piani delle imprese italiane, ma portarla dalla sperimentazione alla produzione si sta rivelando più complesso del previsto. A indicarlo è il nuovo studio State of Enterprise AI 2026 di Cloudera, condotto da Wakefield Research: gli investimenti crescono, mentre sovranità dei dati, costi e governance rendono più difficile estendere i progetti. Il quadro racconta un mercato che accelera, ma deve ancora trovare un equilibrio sostenibile tra innovazione e controllo.
AI in Italia: investimenti in crescita, ma scalare resta difficile
Secondo la ricerca, il 74% delle organizzazioni italiane ha aumentato gli investimenti in AI nell’ultimo anno. È la percentuale più alta nell’area EMEA, dove la media si ferma al 48%; in Germania, invece, la quota è del 41%. Un dato che mostra quanto le aziende italiane stiano puntando sulla tecnologia, ma che da solo non basta a misurare il successo dell’adozione.
La distanza tra spesa e risultati rimane evidente. Il 40% delle imprese intervistate investe più di un milione di dollari l’anno in iniziative legate all’intelligenza artificiale e il 63% spende almeno 500.000 dollari. Eppure, solo il 34% dichiara che l’AI genera già più valore di quanto costi. È il risultato migliore in EMEA, ma riguarda ancora poco più di un’azienda su tre. Per il 42% valore e costi sono invece in pareggio.
La fotografia restituisce così un paradosso: l’Italia guida la crescita degli investimenti, ma il ritorno economico non è ancora consolidato. Il passaggio decisivo non consiste soltanto nell’adottare nuovi modelli, ma nel renderli affidabili e sostenibili una volta integrati nei processi quotidiani.
Intelligenza artificiale e lavoro: il valore delle persone nell’IA
Sovranità dei dati: il principale vincolo per l’AI italiana
Per il 50% degli IT leader italiani la sovranità dei dati è il principale ostacolo alla scalabilità dell’AI. È la quota più alta tra i mercati europei considerati dallo studio. Il tema riguarda la possibilità di sapere dove si trovano i dati, quale normativa li governa e chi può accedervi: aspetti che influenzano direttamente la scelta dell’infrastruttura su cui eseguire i sistemi.
L’83% degli intervistati afferma che requisiti di residenza, sovranità o giurisdizione incidono almeno occasionalmente sul posizionamento dei workload. Per il 46% delle imprese, inoltre, la costruzione di architetture che combinano ambienti diversi dipende soprattutto da esigenze di sovranità, prima ancora che da ragioni di resilienza o di costo. La collocazione dei dati diventa quindi una scelta operativa, oltre che normativa.
Il problema si manifesta quando un progetto deve spostarsi da un ambiente all’altro. Il 66% delle aziende italiane sostiene che trasferire un workload AI richieda una riprogettazione significativa, contro il 58% della media EMEA. In un mercato dove regole, costi e modelli cambiano rapidamente, dover ricostruire ogni volta le applicazioni può rallentare l’espansione dei progetti e aumentare le spese.
Costi dei token: l’82% delle imprese ha rivisto i progetti AI
La seconda pressione arriva dai costi di utilizzo dei modelli. L’82% delle organizzazioni italiane ha dovuto modificare progetti di AI a causa del costo dei token. Il dato è vicino alla media EMEA, pari all’85%, ma segnala una difficoltà concreta: il prezzo dell’intelligenza artificiale non si esaurisce nella fase di sviluppo, perché può crescere con l’intensità e la frequenza dell’uso.
Quasi una realtà su due ha reagito riducendo le dimensioni dei modelli, la frequenza di elaborazione o il volume delle risposte. Il 44% ha invece spostato workload verso cloud privati o infrastrutture on-premise per gestire meglio la volatilità dei costi. Un ulteriore 46% cita l’integrazione dei dati tra i vincoli che frenano la scalabilità.
Lo studio porta un esempio delle pressioni economiche: il costo stimato di una singola interazione di customer service basata su un sistema agentico complesso sarebbe passato da 0,04 dollari nel 2023 a 1,20 dollari nel 2026. Il confronto, riportato nella ricerca, mostra come la maggiore articolazione dei sistemi possa incidere sulla spesa. Il costo dell’AI dipende anche da come viene usata, non solo dal modello scelto.
Cassandra AI, l’intelligenza artificiale che gestisce budget e campagne marketing
Governance dell’intelligenza artificiale: la sfida è tenere insieme velocità e controllo
Accanto ai costi e alla sovranità, c’è la governance. Il 78% delle imprese italiane la considera un vincolo alla crescita dell’AI, rispetto al 75% della media EMEA. Solo il 42% dichiara di aver trovato un equilibrio efficace tra rapidità e controllo, mentre il 26% ritiene che l’intelligenza artificiale stia avanzando più velocemente della governance interna.
La questione si inserisce in una fase di trasformazione normativa. Il comunicato di Cloudera richiama l’applicazione dell’AI Act europeo ai sistemi ad alto rischio da agosto 2026 e l’operatività del quadro nazionale italiano previsto dalla Legge 132/2025. In questo scenario, procedure di controllo aggiunte solo alla fine del percorso possono diventare un collo di bottiglia. La governance, suggerisce lo studio, dovrebbe essere progettata insieme ai sistemi e aggiornata in base al rischio e alle regole applicabili.
Tra i partecipanti alla ricerca, il 49% afferma che, potendo ricominciare il proprio percorso AI, rafforzerebbe la governance fin dalle prime fasi; il 46% investirebbe prima nella qualità dei dati. Sono indicazioni che spostano l’attenzione dalla corsa al modello più potente verso le basi organizzative che consentono di usare l’AI con continuità.
Data center e AI in Italia: l’infrastruttura non basta
La crescita degli investimenti privati si accompagna a una strategia nazionale sulle infrastrutture. Il comunicato cita oltre 25 miliardi di euro annunciati per data center di interesse strategico nazionale, compreso un pacchetto da 6,8 miliardi per impianti in Lombardia e Sardegna. Richiama inoltre la preparazione di una proposta per una AI Gigafactory italiana, da presentare a Bruxelles entro il 3 dicembre 2026.
Queste risorse possono ampliare la capacità di calcolo disponibile, ma non risolvono automaticamente i nodi evidenziati dallo studio. Avere più infrastrutture non garantisce, da solo, che i dati possano essere governati in modo coerente, che i costi restino prevedibili o che un progetto possa spostarsi senza essere riprogettato. La vera sfida è architetturale: costruire sistemi capaci di adattarsi a esigenze diverse senza perdere controllo e continuità.
Cloudera indica tra le possibili direzioni una governance integrata fin dall’inizio, una maggiore visibilità sui costi di inferenza e token e architetture ibride che portino le capacità di elaborazione dove risiedono i dati. Sono raccomandazioni che riflettono anche il posizionamento dell’azienda, attiva nel settore delle piattaforme per dati e AI; i risultati, va ricordato, provengono da una ricerca commissionata dalla stessa Cloudera e condotta su 1.500 decisori IT in nove mercati, tra cui 125 rispondenti in Italia.
Il dato più rilevante, al di là della crescita della spesa, è il divario tra ambizione e capacità di esecuzione. Le imprese italiane stanno investendo nell’AI più di altri mercati europei, ma si trovano a dover controllare contemporaneamente residenza dei dati, costi variabili e conformità. La prossima fase dipenderà dalla capacità di trasformare questa corsa agli investimenti in sistemi che possano crescere senza diventare più fragili o più costosi a ogni passaggio.
Intelligenza artificiale in azienda: come passare dai test agli agenti AI
Consigliati per te
Winter ’26 Edition: Shopify porta l’AI al centro del commercio 
Red Hat e AWS, nuova alleanza sull’AI: arrivano le inferenze potenziate 
Intelligenza artificiale industriale: Dedagroup presenta ESS-AI Framework per la AI-Empowered Company 
AI e viaggi, l’81% la usa per pianificare ma solo il 26% si fida per pagare 
Il futuro della sicurezza passa dall’AI: l’analisi di Axitea 
IBM punta sull’AI agentica: con Enterprise Advantage l’intelligenza artificiale diventa scalabile per le imprese
