Per l’intelligenza artificiale è meglio il cloud o l’on-premise? E se si opta per il cloud, meglio quello pubblico o il privato? La risposta dipende dalle finalità d’uso, dalle applicazioni, dalle caratteristiche dell’azienda utente, dal suo settore di appartenenza, dalle regole di compliance, dai budget e da molte altre variabili. Per chi, come Broadcom, con l'acquisizione di Vmware ha chiaramente imboccato la via del cloud privato, la risposta è una sola.
A ribadirla arrivano i dati di “Private Cloud Outlook 2026”, un nuovo studio sponsorizzato da Broadcom e condotto da Radius Tech intervistando (tra febbraio e marzo scorsi) 1.800 responsabili senior delle decisioni IT di grandi aziende in otto Paesi. Ne è emerso che le decisioni sull'infrastruttura per l’AI dipendono soprattutto da ragioni di costi, complessità da gestire ed esigenze di controllo sull’IT, mentre crescono preoccupazioni di cybersicurezza legate all’intelligenza artificiale.
A detta di Broadcom, ci avviciniamo a un vero punto di svolta nelle scelte di infrastruttura per l’intelligenza artificiale. Per tutti e tre i fattori citati – costi, complessità e controllo – gli ambienti di cloud pubblico faticano sempre più a gestire le implementazioni di intelligenza artificiale su larga scala e “in produzione”. Diverso è il caso dei proof-of-concept, delle sperimentazioni e delle attività di addestramento o affinamento dei modelli AI, dove il cloud pubblico rimane una valida opzione.
Il 31% degli intervistati (erano il 26% nel campione d’indagine del 2025) ha citato i costi come principale preoccupazione associata all’uso del cloud pubblico: per la prima volta quest’anno lo studio di Broadcom evidenzia che è proprio l’aspetto economico quello più problematico per le aziende, ancor più della sicurezza. Pochissimi responsabili IT di grandi aziende, appena il 3%, pensano di sfruttare pienamente il cloud pubblico rispetto alla spesa sostenuta. Inoltre il 62% dei responsabili IT si è detto molto o estremamente preoccupato per i costi di infrastruttura legati all'inferenza AI.
La conseguenza di tutto ciò è che il 50% delle aziende ha già spostato carichi di lavoro dal cloud pubblico a quello privato e altre stanno considerando di farlo. Il 56% delle aziende sta già utilizzando o prevede di utilizzare il cloud privato per attività di inferenza AI in produzione, mentre l’uso del cloud pubblico per gli stessi carichi di lavoro è sceso al 41%, dal 56% dello scorso anno. Il 58% dei responsabili IT indica la creazione di nuovi carichi di lavoro sul cloud privato come una “priorità assoluta”, dato in crescita sul 53% dello scorso anno.
Il bisogno di sicurezza e “sovranità”
I costi pesano come un macigno nelle scelte di infrastruttura IT, ma ci sono anche altri aspetti da considerare. Alla risposta su quali siano, per l’IT aziendale, le maggiori sfide emergenti imposte dall’intelligenza artificiale, il 37% ha citato la protezione dei dati e la privacy, il 36% la sicurezza e il controllo.
Quattro responsabili IT su cinque hanno detto che la geopolitica sta influenzando la loro strategia e le operations IT e, per la prima volta, i requisiti di sovranità e residenza dei dati (54%) hanno superato la compliance specifica per giurisdizione (51%) come principale fattore geopolitico che impatta sulle scelte di infrastruttura IT.
“Man mano che le aziende passano dalle fasi pilota all'implementazione dell'AI su scala operativa, i costi infrastrutturali e operativi aumentano vertiginosamente, emergono lacune nella sicurezza e la complessità si amplifica”, ha detto Prashanth Shenoy, vicepresidente marketing della divisione VMware Cloud Foundation di Broadcom. “I dati emersi dalla ricerca sono chiari: le aziende preferiscono sempre più spesso il cloud privato per l’AI in produzione”.
“Anche in Italia si sta delineando uno scenario sempre più chiaro: il cloud privato sta diventando la piattaforma preferita per portare l'AI in produzione in modo affidabile e sostenibile”, ha commentato Mario Derba, managing director per Italia e Iberia di Broadcom. “Le aziende stanno accelerando in questa direzione per ottenere maggiore controllo sui dati, garantire performance più prevedibili e rispondere con maggiore efficacia alle crescenti pressioni su costi e complessità operativa".