Natale Vinto, Technical Director di Red Hat.
Il 2026 segnerà un passaggio decisivo per l’intelligenza artificiale in ambito enterprise, con le organizzazioni italiane chiamate a superare la fase sperimentale per portare l’AI in produzione su larga scala.
Secondo Natale Vinto, Technical Director di Red Hat, il mercato entrerà in una nuova fase, spinto in modo determinante dalle scadenze del PNRR e dalla necessità di garantire sovranità del dato e conformità normativa.
“Nel 2026 assisteremo al passaggio dalla prima modernizzazione digitale verso architetture aziendali realmente AI-native, in cui la gestione dei dati diventa centrale”, afferma Vinto.
Cloud ibrido e sicurezza come fondamenta
La principale opportunità, secondo il manager di Red Hat, sarà l’adozione di piattaforme di cloud ibrido specializzate e sicure, capaci di abilitare l’uso dell’AI generativa in settori chiave come Pubblica Amministrazione, manifatturiero e servizi finanziari. Un approccio che richiede sicurezza integrata, modelli zero-trust e una governance unificata in ambienti distribuiti.
“La domanda crescerà rapidamente verso strumenti di AI, AIOps e platform engineering, necessari per governare infrastrutture sempre più eterogenee”, sottolinea Vinto.
Dalla sperimentazione al ritorno sull’investimento
All’inizio del 2026, le aziende passeranno dalla fase di test alla richiesta concreta di valore misurabile. “Oggi il 76% delle organizzazioni è ancora fermo all’esplorazione dei casi d’uso, ma prevede un aumento medio del 32% degli investimenti in AI nel prossimo anno”, evidenzia il Technical Director. Tuttavia, molti progetti pilota di AI generativa non hanno ancora prodotto ROI tangibile, rendendo inevitabile la messa in esercizio operativa.
AI agentica e nuovi modelli organizzativi
Il cambiamento tecnologico più rilevante riguarda l’evoluzione verso sistemi di AI agentica, in grado di pianificare ed eseguire workflow multi-step integrati con le applicazioni enterprise. “Gli agenti AI non devono essere considerati soluzioni magiche, ma colleghi digitali, con confini, responsabilità e obiettivi chiari”, avverte Vinto, richiamando anche i rischi legati a una governance inadeguata.
Efficienza dell’inferenza e centralità del dato
Un altro tema chiave riguarda la sostenibilità economica dell’AI. “Inviare ogni prompt a modelli premium è come usare un jet privato per una tratta breve: possibile, ma insostenibile”, spiega Vinto. Le aziende più mature stanno adottando strategie multi-modello, combinando modelli piccoli ed efficienti con quelli di frontiera solo quando necessario.
Architetture distribuite e inferenza vicino ai dati
Secondo Red Hat, sta emergendo un cambio architetturale profondo: portare l’inferenza vicino ai dati, attraverso pipeline RAG alla fonte, inferenza edge negli impianti produttivi e modelli distribuiti in data center regionali. Questo approccio consente di ridurre costi, latenza e movimentazione dei dati, rispettando al tempo stesso i requisiti di sovranità.
Orchestrazione e osservabilità al centro
Nel 2026 le sfide operative ruoteranno attorno a orchestrazione, osservabilità e MLOps avanzati. “Le imprese chiedono piattaforme capaci di coprire l’intero ciclo di vita dell’AI: dal versionamento dei modelli al controllo dei costi, fino alla conformità”, conclude Vinto. Il mercato, aggiunge, premierà il pragmatismo, non le promesse: l’obiettivo non è adottare l’AI, ma raggiungere la maturità operativa per generare valore reale.
