AI on-premise e dati riservati: quando i dati devono restare in azienda

L'AI on-premise gira sui server dell'azienda: i modelli lavorano sui tuoi dati senza che i dati escano dalla tua infrastruttura. È la risposta giusta a un requisito preciso — informazioni che per contratto, per legge o per prudenza devono restare in casa — e una spesa difficile da giustificare quando quel requisito manca.

La scelta tra cloud, on-premise e ibrido si fa processo per processo, sui requisiti veri. Questo articolo dà i criteri, senza tifare per nessuna delle tre.

Da dove nasce la domanda

Quando un'azienda integra l'AI, a un certo punto i dati incontrano i modelli, e la domanda arriva da sola: dove avviene l'incontro? Con i servizi AI in cloud, i dati viaggiano verso l'infrastruttura del fornitore; con l'on-premise, i modelli vengono in casa dai dati.

Per molti dati aziendali il viaggio in cloud è un tema gestibile: i fornitori seri offrono garanzie contrattuali, trattamento dei dati dichiarato, conservazione in area europea. Per alcuni dati la domanda si fa seria: listini e margini, contratti e trattative, know-how tecnico che vale l'azienda, dati personali soggetti a GDPR, informazioni coperte da accordi di riservatezza coi clienti. Su questi, "dove vanno i miei dati?" merita una risposta precisa prima di qualunque progetto.

Quando l'on-premise è un requisito vero

I casi in cui l'AI in casa si giustifica hanno contorni netti.

I vincoli contrattuali e normativi. Clienti — spesso grandi aziende o pubbliche amministrazioni — che impongono per contratto dove i dati possono stare. Settori con requisiti stretti su dati sanitari, giudiziari, di difesa. Qui la scelta arriva scritta da fuori.

Il know-how che vale l'azienda. Formule, processi, progetti, prezzi di acquisto: informazioni la cui riservatezza vale più del risparmio del cloud. La valutazione spetta al titolare, ed è legittima anche quando il contratto del fornitore cloud sarebbe rassicurante: la prudenza sul patrimonio distintivo si rispetta.

Il GDPR sui dati particolari. Il regolamento consente il cloud con le dovute garanzie, e su categorie particolari di dati la catena delle responsabilità si semplifica parecchio quando i dati stanno in casa. La valutazione si fa col supporto giusto, caso per caso.

Fuori da questi casi, l'on-premise di principio — "i dati in casa perché sì" — compra un costo senza un requisito: server adeguati, manutenzione, aggiornamento dei modelli, competenze. Tutte cose che il budget di una PMI sente.

L'ibrido: la pratica che prevale, con ragione

Nella pratica italiana prevale la via di mezzo, ed è una scelta sana: i processi con dati ordinari usano servizi cloud, con i loro costi bassi e i loro modelli sempre aggiornati; i processi che toccano il cuore riservato dell'azienda girano in casa.

L'esempio tipico: l'assistente che aiuta a scrivere email e documenti generici vive bene in cloud; l'AI che interroga la knowledge base aziendale con dentro listini, contratti e know-how gira on-premise, o su un'infrastruttura dedicata con garanzie equivalenti. La mappa dei processi e dei loro dati — quali possono uscire, quali devono restare — è il primo deliverable di qualunque progetto serio, e costa una sessione di lavoro.

Cosa serve per l'AI in casa, in concreto

L'on-premise di oggi è più accessibile di quello di qualche anno fa: i modelli aperti hanno raggiunto qualità da lavoro vero, e girano su hardware che una PMI può permettersi, dal server con GPU all'infrastruttura dedicata presso un data center italiano.

Restano tre condizioni. L'infrastruttura dimensionata sull'uso: i modelli hanno appetiti diversi, e il dimensionamento si fa sul caso d'uso anziché sul catalogo. La piattaforma che tiene insieme i pezzi: i dati collegati, le app che li usano, i modelli che li interrogano — con un solo fornitore responsabile del funzionamento. E la manutenzione messa in conto: modelli e componenti si aggiornano, e qualcuno deve occuparsene, per contratto.

La strada sensata per una PMI passa da una piattaforma che offre le due modalità — cloud e on-premise — sulla stessa base: i processi si spostano da una parte all'altra quando i requisiti cambiano, senza rifare il progetto.

Le domande che ci fanno più spesso