Che cos'è la sovranità dell'AI?

Con l'aumento dell'adozione globale dell'AI, la sua sovranità si è evoluta da una questione di residenza dei dati a una strategia olistica. I moderni sistemi di AI operano in modo continuo e spesso dipendono da dati sensibili e modelli proprietari. Presentano nuove sfide in materia di responsabilità, verificabilità e governance dei dati.

Oggi le aziende richiedono di avere il controllo su dove risiedono i dati e su come vengono utilizzati. Necessitano di governance su chi gestisce le piattaforme AI, dove e come vengono implementati i modelli e gli agenti AI e se vengono applicati i requisiti normativi.

Nel complesso, la sovranità dell'AI va oltre le normative tradizionali sulla sovranità dei dati e sulla conformità dei dati. Implica preservare l'autonomia in materia di sicurezza dei dati e conformità, garantire la resilienza operativa e mantenere la competitività nell'era dell'AI.

La sovranità dell'AI è una delle quattro dimensioni della sovranità digitale, ovvero la capacità di un'organizzazione di mantenere e dimostrare il controllo e l'autorità sui propri sistemi ed ecosistemi tecnologici, sui dati, sulle operazioni e sull'AI. Insieme alla sovranità dei dati, alla sovranità operativa e alla sovranità tecnica, la sovranità dell'AI è importante per dimostrare la conformità a una serie di nuove normative in tutto il mondo che riguardano l'AI e le tecnologie correlate. 

La sovranità dell'AI è diventata una priorità con l'espansione, da parte delle organizzazioni, dei workload di AI e AI generativa (gen AI). Secondo uno studio dell'IBM Institute for Business Value (IBV), circa il 79% dei dirigenti intervistati ritiene che l'AI avrà un impatto positivo sui loro ricavi entro il 2030. Questa rapida adozione crea nuove dipendenze dall'infrastruttura AI e solleva questioni legate al controllo, alla conformità e alla competitività.

La sovranità digitale è diventata cruciale sia per i governi che per le imprese. Lo Il CEO Study IBM 2025 mostra che i leader si stanno concentrando sulle strategie di AI e cloud affrontando al contempo le sfide legate alla sovranità. Questa tendenza sta favorendo gli investimenti nel cloud sovrano e nell'AI che le aziende, dalle startup alle grandi imprese, possono controllare e governare in modo dimostrabile.

I governi di tutto il mondo stanno inoltre sviluppando funzionalità di AI sovrana e portando avanti strategie nazionali per l'AI. Lo fanno per tutelare gli interessi di sicurezza nazionale e garantire la sovranità tecnologica dei sistemi di AI nel settore pubblico.

Infine, la tecnologia AI introduce questioni di sovranità che vanno oltre l'infrastruttura IT tradizionale. Ad esempio, i modelli AI, come i foundation model e i modelli linguistici di grandi dimensioni (LLM), spesso si basano su addestramento e aggiornamenti continui, mentre l'inferenza avviene in tempo reale in ambienti IT complessi. Allo stesso modo, la comodità offerta agli utenti umani dal ragionamento autonomo reso possibile dagli agenti AI comporta anche dei rischi. 

I requisiti normativi possono riguardare non solo il data storage (ad esempio, lo storage in cloud privato), ma anche le prestazioni dei modelli e i processi decisionali. In sintesi, integrare il controllo nell'architettura del sistema è diventato essenziale.

I termini sovranità dell'AI e AI sovrana sono strettamente correlati e spesso usati in modo intercambiabile. Sebbene siano spesso trattati come sinonimi, comprenderne le sfumature può aiutare a chiarire di cosa hanno bisogno le aziende per ottenere il controllo sui propri sistemi AI.

• Sovranità dell'AI: il controllo di un'organizzazione o di una nazione sul proprio ecosistema di AI, inclusi dati, modelli, operazioni e governance. Include l'autorità di determinare come vengono utilizzati i sistemi di AI, dove viene impiegata l'agentic AI, chi li utilizza e se rispettano le regole locali.

• AI sovrana: infrastrutture, modelli e funzionalità di AI configurati per soddisfare i requisiti di sicurezza, governance e autonomia. Queste funzionalità possono essere gestite direttamente o tramite fornitori che offrono il controllo contrattuale, tecnico e operativo dello stack di tecnologia AI che soddisfa tali requisiti. 

In sintesi, l'AI sovrana può fornire la base tecnica per la sovranità dell'AI. 

La sovranità dell'AI è una dimensione sempre più importante della sovranità digitale, che implica il superamento dei tradizionali concetti di residenza e storage dei dati.

Le organizzazioni devono mantenere un'autorità sufficiente sulla tecnologia AI, inclusi modelli, algoritmi e processi di addestramento, siano essi modelli open source o proprietari. La sovranità dell'AI supporta la sovranità digitale controllando chi gestisce i sistemi di AI, dove operano i modelli, il trattamento dei dati, la governance dell'inferenza e il controllo degli accessi.

Per supportare la sovranità digitale, le aziende dovrebbero disporre di visibilità, documentazione, verificabilità e spiegabilità sufficienti per valutare il comportamento dei modelli e verificare la conformità alle policy interne e ai requisiti normativi applicabili. Dimostrare la sovranità dei dati e operativa per i sistemi di AI, in particolare il controllo continuo dei workload di AI, è una componente fondamentale per mantenere la sovranità digitale.

La sovranità dell'AI dovrebbe essere considerata una strategia olistica che si applica alle seguenti dimensioni fondamentali, tutte riconducibili al più ampio ambito della sovranità digitale:

• Sovranità dei dati

• Sovranità operativa

• Sovranità dell'AI

• Sovranità tecnologica

Per ottenere la sovranità dei dati, le organizzazioni individuano i requisiti legali applicabili ai dati di addestramento, agli input in tempo reale, agli output dei modelli e alla telemetria per ciascuna giurisdizione in cui operano. Alcuni Paesi impongono ora la localizzazione dei dati, ovvero che i dati risiedano in una specifica località, con trasferimenti di dati limitati o non consentiti.

Per garantire la sovranità, le organizzazioni mirano a controllare dove i dati vengono archiviati ed elaborati, chi può accedervi, come vengono trasferiti attraverso le pipeline di AI e come vengono protetti durante tutto il loro ciclo di vita. 

Il controllo continuo sui sistemi di AI contribuisce a garantire che le infrastrutture critiche siano sempre operative e accessibili. Questo ambito comprende il mantenimento dell'autorità su disponibilità dei sistemi, gestione delle prestazioni, disaster recovery (DR), cyber recovery e automazione.

La sovranità operativa comprende anche la capacità di verificare le operazioni, modificare le configurazioni e garantire la continuità aziendale, anche in caso di interruzioni geopolitiche e cambiamenti normativi.

La sovranità dell'AI implica dimostrare il controllo sui dati, sui modelli, sulle operazioni e sulla governance. Implica sempre più anche il controllo sull'infrastruttura di AI.

L'infrastruttura AI può includere unità GPU (ad esempio, GPU NVIDAI) per l'addestramento degli LLM e l'inferenza, data center con sufficienti capacità di calcolo e storage, infrastrutture di rete e API.

Queste risorse forniscono la base di elaborazione accelerata necessaria per supportare applicazioni e workload di AI su larga scala.

La sovranità tecnologica si riferisce generalmente alla capacità di un'organizzazione o di una nazione di mantenere il controllo e la possibilità di scelta sulle tecnologie critiche. Anziché cercare di abbandonare le infrastrutture cloud o la dipendenza da fornitori esterni, la sovranità tecnologica pone l'accento sulla capacità di un'organizzazione di preservare la libertà di scelta architetturale, la portabilità e il controllo a lungo termine.

Un approccio aperto e interoperabile alla progettazione dell'infrastruttura di AI può preservare flessibilità e autonomia. La sovranità tecnologica può sostenere la sovranità dell'AI offrendo alle organizzazioni un maggiore controllo su dove vengono eseguiti i workload di AI e su quale infrastruttura.

Le organizzazioni implementano la sovranità dell'AI attraverso diverse strategie infrastrutturali e di AI, progettate in base ai loro specifici requisiti e casi d'uso. Questi approcci includono:

• Cloud pubblico e hybrid cloud

• Cloud on-premise e distribuito

Alcune organizzazioni utilizzano ambienti di cloud pubblico o hybrid cloud per i workload basati su AI. Possono supportare la sovranità attraverso controlli quali infrastrutture specifiche per regione, chiavi di crittografia gestite dal cliente e framework di governance automatizzata.

Spesso basato su infrastrutture cloud sovrane, questo approccio offre scalabilità ed efficienza operativa, preservando al contempo il controllo su dati e operazioni.

Altre aziende scelgono modelli on-premise o di cloud distribuito per ottenere la massima autonomia, gestendo l'infrastruttura di AI all'interno dei propri data center o tramite provider controllati localmente.

Questo approccio aiuta a mantenere l'autorità diretta sui workflow e sull'intero stack AI.

La sovranità dell'AI offre diversi benefici che aiutano le organizzazioni a mantenere il controllo sui propri ambienti AI. Con l'espansione del settore globale dell'AI verso i 1.000 miliardi di dollari entro il 2031, secondo un rapporto di Statista Market Insights, questi vantaggi diventano sempre più importanti.

I vantaggi della sovranità dell'AI possono includere:

• Sicurezza e protezione dei dati: consente alle organizzazioni di settori altamente regolamentati (ad esempio, sanità e finanza) di implementare controlli di sicurezza personalizzati, accesso zero trust e crittografia avanzata. Queste funzionalità di protezione dei dati salvaguardano i dati proprietari, la proprietà intellettuale e le operazioni dei modelli. Queste misure di cybersecurity contribuiscono inoltre a proteggere dai criminali informatici e dalle minacce alla supply chain.

• Conformità normativa e mitigazione dei rischi: fornisce l'architettura e i controlli necessari per dimostrare continuamente la conformità alle normative (ad esempio, GDPR, HIPAA, EU AI Act). Le organizzazioni possono dimostrare dove vengono eseguiti i sistemi di AI, come vengono utilizzati i dati e come vengono prese le decisioni. Questo contribuisce a evitare sanzioni e a preservare l'accesso ai mercati nelle diverse giurisdizioni.

• Resilienza operativa e continuità aziendale: riduce la dipendenza da fornitori esterni di soluzioni di AI e da infrastrutture controllate da soggetti stranieri, offrendo maggiore protezione dalle interruzioni geopolitiche, dai malfunzionamenti dei fornitori e dall'evoluzione dei requisiti normativi. Le organizzazioni sono inoltre in grado di mantenere operative le proprie attività e proteggere i flussi di ricavi, anche quando fattori esterni influiscono sull'accesso ai servizi di AI.

• Vantaggio competitivo e innovazione AI: consente alle organizzazioni di innovare più rapidamente, proteggere le proprie funzionalità proprietarie e mantenere la competitività. Controllando l'infrastruttura e i modelli AI, le organizzazioni possono mettere a punto i sistemi con dati sensibili e personalizzare il comportamento dell'AI in base a requisiti specifici.

• Sostenibilità e controllo delle risorse: consente alle aziende di ottimizzare il consumo energetico e l'impiego delle risorse in base alle priorità locali, controllando dove e come vengono eseguiti i workload di AI, utilizzando fonti di energia rinnovabile e allineando le operazioni agli impegni ambientali.

Un piano per la sovranità dell'AI inizia definendo best practice coerenti con l'infrastruttura esistente, gli obiettivi aziendali e gli standard di competitività economica.