La competizione sull’intelligenza artificiale non riguarda più soltanto i modelli. Sempre più Paesi stanno investendo direttamente nella capacità di calcolo necessaria per addestrare, eseguire e sviluppare sistemi AI, perché infrastruttura, competenze e controllo tecnologico sono diventati fattori strategici.
Il 21 agosto 2026 il Laboratório Nacional de Computação Científica (LNCC), unità di ricerca del Ministero brasiliano della Scienza, Tecnologia e Innovazione, ha comunicato di essere alla guida degli studi e dello sviluppo tecnico per l’implementazione di un nuovo supercomputer ad alte prestazioni dedicato all’intelligenza artificiale.
Il progetto rientra nel Plano Brasileiro de Inteligência Artificial e ha l’obiettivo di ampliare la capacità nazionale di high performance computing destinata all’AI, alla ricerca e allo sviluppo tecnologico. Secondo LNCC, il solo supercomputer previsto nel Rio Grande do Norte ha un valore stimato di circa 1,06 miliardi di reais, mentre il pacchetto più ampio di iniziative federali sull’infrastruttura AI annunciato il 20 agosto vale circa 2,3 miliardi di reais.
Il dato economico è importante, ma il passaggio più interessante è strategico. LNCC sottolinea che il progetto non riguarda soltanto l’acquisto di hardware: sono previsti trasferimento tecnologico, formazione di professionisti brasiliani e sviluppo di competenze nazionali in software e intelligenza artificiale. L’obiettivo dichiarato è fare in modo che l’investimento produca conoscenze, capacità e tecnologie che rimangano nel Paese.
La sovranità AI parte dalla capacità di scegliere
Il concetto di sovranità AI viene spesso associato esclusivamente alla geopolitica. In realtà contiene un principio utile anche alle organizzazioni: la capacità di utilizzare l’intelligenza artificiale senza dipendere in modo irreversibile da un unico soggetto esterno.
A livello nazionale questo significa disporre di infrastruttura, competenze, energia, chip, cloud e modelli sufficienti a mantenere margini di autonomia.
A livello aziendale la scala è ovviamente diversa, ma la domanda è simile:
quali componenti della nostra infrastruttura AI sono realmente sotto il nostro controllo?
Un’impresa che utilizza un servizio generativo esterno per alcune richieste non perde automaticamente la propria sovranità digitale. Il problema nasce quando dati, documenti, knowledge base, cronologia delle conversazioni, workflow e logica applicativa diventano tutti inseparabili dalla stessa piattaforma.
In quel caso cambiare provider non significa sostituire semplicemente un modello. Può significare migrare l’intera conoscenza aziendale, ricostruire integrazioni, modificare processi e accettare nuovi vincoli contrattuali.
Il tema centrale diventa quindi il lock-in.
Dati, knowledge base e modello non sono la stessa cosa
Per progettare un’architettura AI più controllabile è utile separare almeno tre livelli.
- Il primo è il patrimonio informativo dell’organizzazione: documenti, email, procedure, database, circolari, contratti, manuali e altre fonti proprietarie.
- Il secondo è la knowledge base e il sistema di retrieval che selezionano quali informazioni utilizzare per rispondere a una domanda.
- Il terzo è il modello generativo che riceve quel contesto e produce la risposta.
Questi livelli non devono necessariamente risiedere presso lo stesso fornitore.
Un’azienda può mantenere documenti e knowledge base nella propria infrastruttura e utilizzare un modello locale. Oppure può mantenere localmente i primi due livelli e chiamare un modello esterno solo quando serve maggiore potenza.
Quest’ultima architettura ibrida è particolarmente interessante perché evita una falsa alternativa: o tutto in locale oppure tutto nel cloud.
In realtà ogni task può avere requisiti differenti.
Una classificazione documentale, un’estrazione strutturata o una ricerca interna possono essere eseguite efficacemente con un modello locale. Un’attività di ragionamento particolarmente complessa può invece beneficiare di un modello frontier esterno.
L’elemento importante è che la scelta del modello non obblighi l’organizzazione a spostare anche tutto il proprio patrimonio informativo.
Sovranità non significa isolamento
Parlare di AI on premise può generare un altro equivoco: pensare che sovranità significhi rifiutare qualsiasi servizio cloud. Non è necessariamente così.
Una strategia di sovranità digitale può includere servizi esterni purché l’organizzazione sappia quali dati vengono trasferiti, con quali finalità, secondo quali condizioni e con quali possibilità di sostituzione del provider.
La minimizzazione del contesto diventa quindi un principio architetturale importante.
Se un modello esterno deve rispondere a una domanda su un contratto, non è necessario inviargli l’intero archivio documentale dell’azienda. Un sistema RAG può recuperare localmente le sezioni pertinenti e trasmettere soltanto quelle necessarie alla generazione della risposta.
Questo approccio riduce l’esposizione dei dati e rende più semplice mantenere il controllo della knowledge base.
Non significa però che una configurazione locale o ibrida sia automaticamente conforme all’AI Act o alla normativa sulla protezione dei dati. La conformità dipende dal caso d’uso, dai dati trattati, dal ruolo dell’organizzazione e dagli obblighi applicabili. L’architettura può supportare principi di controllo, minimizzazione e governance, ma non sostituisce una valutazione normativa.
Il ruolo dei modelli open-weight
La crescita dei modelli open-weight rende questa strategia sempre più concreta.
Fino a pochi anni fa, utilizzare un LLM avanzato significava quasi necessariamente affidarsi a un servizio cloud. Oggi esistono modelli che possono essere eseguiti su server aziendali, workstation e infrastrutture private, con livelli di capacità sufficienti per molti workflow documentali e operativi.
Questo non significa che i modelli locali siano sempre la scelta migliore.
Un modello frontier può offrire prestazioni superiori su compiti complessi. Un provider cloud può offrire scalabilità e gestione semplificata. Un’infrastruttura locale comporta costi hardware, manutenzione e competenze.
La scelta deve quindi essere economica e operativa, non ideologica.
Per un piccolo studio professionale con pochi utenti può essere sensato utilizzare un sistema completamente locale. Per una grande azienda con centinaia di utenti può essere più efficiente mantenere localmente dati e knowledge base e utilizzare servizi esterni in modo selettivo.
La sovranità consiste proprio nel poter prendere questa decisione.
Gol-IA: knowledge base locale, modello sostituibile
Gol-IA nasce con una logica coerente con questo principio.
L’applicazione può mantenere localmente documentazione aziendale, knowledge base, retrieval, utenti e conversazioni. Le fonti possono essere alimentate da documenti interni, email, siti web, newsletter e altre applicazioni.
Per organizzazioni con un numero limitato di utenti, anche il modello può essere eseguito localmente tramite LLM open source.
Per carichi più elevati Gol-IA può invece adottare una modalità ibrida: recuperare localmente il contesto e inviare al modello esterno soltanto ciò che serve alla singola risposta.
Questo consente di separare il patrimonio conoscitivo dall’infrastruttura di inference.
Ecco i vantaggi di Gol-IA:
- Se domani emerge un modello migliore, il sistema può cambiare motore senza dover necessariamente ricostruire la knowledge base.
- Se cambiano i costi di un provider, è possibile valutare un’alternativa.
- Se un determinato task può essere gestito in locale, può essere spostato sul modello on premise.
È un approccio particolarmente utile anche per la consulenza AI.
Prima di scegliere una piattaforma, un’organizzazione dovrebbe mappare i propri dati, i flussi informativi, i casi d’uso e la sensibilità delle informazioni. Solo dopo ha senso decidere cosa mantenere localmente, cosa affidare al cloud e quali modelli utilizzare.
L’investimento brasiliano mostra a livello nazionale quanto l’infrastruttura AI sia diventata strategica. Per un’azienda il principio può essere riassunto in modo più semplice: non è necessario possedere tutto, ma è importante non perdere la capacità di scegliere.
Lascia un commento