L’infrastruttura per i dati e l’intelligenza artificiale (AI) sta rapidamente emergendo come fulcro dell’innovazione tecnologica e strategica future-proof. In un contesto in cui i dati rappresentano l’elemento differenziante e il carburante per la Generative AI (GenAI), il loro corretto utilizzo e la loro gestione è infatti cruciale per esprimere appieno il potenziale delle tecnologie più evolute. Come orientarsi, dunque, nel sempre più vasto panorama delle soluzioni server e storage? E come potenziare l’infrastruttura aziendale per affrontare al meglio le sfide del data management?
Di questo, e non solo, si è parlato nel corso del webinar “Infrastruttura AI: potenziare server e storage per il futuro dei dati”, moderato da Vincenzo Zaglio, direttore di ZeroUno, e organizzato in collaborazione con Dell Technologies e Intel.
Un panorama ricco di sfide
I dati ci dicono che oggi solo una piccola percentuale – compresa tra l’1% e il 5% – dei dati aziendali viene effettivamente utilizzata per alimentare gli algoritmi di intelligenza artificiale generativa: un dato che sottolinea l’enorme potenziale di miglioramento che le aziende possono realizzare attraverso una gestione ottimizzata dei dati.
D’altra parte, il panorama non è privo di sfide. Come chiarisce l’Osservatorio Big Data & Business Analytics del Politecnico di Milano, circa tre aziende su quattro (74%) non sono pronte a implementare tecnologie AI a causa della mancanza di programmi di gestione avanzata dei dati. Ne consegue che solo il 15% delle medie imprese è considerato AI-ready, mentre questa cifra sale al 32% solo tra le grandi imprese.
In questo scenario è evidente che le implicazioni per l’infrastruttura IT sono profonde e richiedono un approccio mirato: “L’AI deve essere portata dove risiedono i dati, e non il contrario, per migliorare le prestazioni, ridurre la latenza e aumentare la sicurezza – ha puntualizzato Zaglio -. E tutto questo ha impatti sull’infrastruttura tecnologica, sia come capacità computazionale sia come storage e gestione dati”.
Big italiane e AI: un rapporto non ancora maturo
A tracciare il quadro in cui si muovono, in particolare, le grandi organizzazioni italiane sono le evidenze che emergono dall’analisi dell’Osservatorio Intelligence Business Process Automation del Politecnico di Milano. “Sebbene l’adozione dell’AI qui sia a un buon livello, quel che manca ancora è una reale pervasività – ha spiegato la direttrice dell’Osservatorio Irene di Deo nel corso del webinar -. E se la Generative AI ha certamente acceso i riflettori su queste tematiche, è altrettanto vero che il rischio è di allargare il divario anziché ridurlo, soprattutto se le aziende meno avanzate non lavorano sulla qualità dei dati e sulle tecnologie di base”.
Attualmente, 615 grandi e TOP aziende italiane dichiarano di avere almeno un progetto AI attivo. Tuttavia, il grado di soddisfazione è limitato. Il tasso di adozione è simile, ma inferiore rispetto ad altri Stati dell’Unione Europea. Inoltre, la maggior parte delle aziende che ha intrapreso un percorso progettuale ha solo uno (31%) o due (20%) progetti attivi: tutte iniziative che sono spesso puntuali, come l’ottimizzazione dei processi produttivi o la personalizzazione dei contenuti di marketing, e che mancano di una strategia trasversale e condivisa.
Secondo i dati esposti da Irene di Deo, lo stato dell’AI nelle grandi organizzazioni è ancora molto frammentato, e certamente non maturo: il 12% è in ritardo su questo fronte, il 25% è entusiasta, il 29% è ongoing, il 23% è in fase di apprendimento e solo l’11% è considerato all’avanguardia, disponendo della tecnologia e delle competenze per implementare con successo le iniziative AI. Tra queste, due su tre hanno attivato più di quattro progetti.
Anche dal punto di vista dei dati lo scenario rimane complesso. Nonostante la GenAI si focalizzi principalmente sui testi, sono i dati transazionali e strutturati a costituire la principale fonte per le analisi predittive (58%). Tuttavia, il percorso verso una data governance efficace è ancora in fase di sviluppo. Tre aziende su quattro si dichiarano poco soddisfatte della qualità dei dati e solo il 24% afferma di poterne garantire alta fruibilità e qualità. Mentre i ruoli e le responsabilità per favorire il cambiamento stanno crescendo, con il 43% delle grandi aziende che ha definito tali ruoli, il 42% è ancora in fase di valutazione.
Guardando alle scelte infrastrutturali, infine, l’87% delle soluzioni AI sviluppate nelle grandi organizzazioni utilizza modelli di servizio in Cloud. Tuttavia, la gestione finanziaria del cloud rappresenta la sfida principale (58%), seguita dalla disponibilità di competenze (54%): è quindi evidente la necessità di un approccio strutturato e integrato per l’adozione efficace dell’intelligenza artificiale nelle grandi imprese.
Le sfide dell’AI e il ruolo dell’infrastruttura
“L’adozione dell’AI nelle aziende porta con sé una serie di sfide: dalla necessità di competenze per gestire la complessità alla governance dei dati, sino a questioni di sicurezza e alla richiesta di un un importante impegno economico”, ha spiegato Roberto Morandi, AI Business Development Executive di Dell Technologies per il Sud Europa. Per affrontare questo scenario, il blueprint strategico di Dell offre un approccio a cinque pilastri: dati, servizi, ecosistema aperto, infrastruttura e casi d’uso, con l’obiettivo di ottenere risultati tangibili.
“Il primo passo – ha spiegato Morandi – è dialogare sia con il team tecnico sia con quello del business per ben delineare gli obiettivi aziendali desiderati, che si tratti di accelerare l’innovazione o migliorare la produttività”. Da questa comprensione derivano i casi d’uso più appropriati per raggiungere tali obiettivi. Le leve essenziali per raggiungerli comprendono la parte infrastrutturale, che può essere on-premise o in cloud pubblico, e un ecosistema aperto che fornisca strumenti software abilitanti: “Non a caso Dell – ha puntualizzato Morandi – collabora con un ampio ecosistema di partner specializzati in ambito software per completare l’infrastruttura di base”. A conclusione del processo, dopo la selezione del partner tecnologico adeguato, si determina la necessaria infrastruttura: “In questo senso – ha chiarito – Dell offre un ampio portafoglio infrastrutturale con opzioni facilmente scalabili”.
Ulteriore elemento chiave della strategia di Dell è la Dell AI Factory, che supporta i clienti nell’adozione dell’AI attraverso un ecosistema diversificato di modelli software, framework e strumenti di orchestrazione. Questo approccio integrato assicura che le soluzioni AI siano costruite su misura per le specifiche esigenze aziendali, adottando un approccio zero trust per la sicurezza dall’inizio alla fine. In questo modo, le aziende possono costruire soluzioni su misura in modo granulare, gestendo in modo sostenibile anche dal punto di vista finanziario.
Progetti AI innovativi e casi d’uso: l’expertise Dell
Esempi concreti dei progetti innovativi sviluppati da Dell nel campo dell’intelligenza artificiale vanno dai virtual assistants e chatbots, alla computer vision sino ai digital twins. Ne ha parlato durante il webinar Nicoletta Cefalà, Server Field Product Manager per EMEA South di Dell Technologies, spiegando che un caso particolarmente significativo su questo fronte è rappresentato dalla città di Amarillo, in Texas. L’amministrazione desiderava comunicare ai cittadini, appartenenti ad oltre 70 etnie, eventuali avvisi di eventi meteorologici avversi. Dell ha risposto sviluppando un assistente virtuale capace di parlare le diverse lingue e fornire risposte in tempo reale su vari servizi ai cittadini. “Questo progetto – ha puntualizzato Cefalà – ben sottolinea l’importanza di identificare le esigenze aziendali per sviluppare progetti AI, visto che si tratta di progetti impegnativi anche da un punto di vista economico”.
La centralità dell’infrastruttura tecnologica diventa quindi decisiva. In questo senso, la value-proposition dell’azienda poggia su quattro pilastri fondamentali: l’avanzamento delle capacità computazionali dei server, l’efficientamento della gestione del raffreddamento degli stessi, la scalabilità dei data center con configurazioni pressoché infinite, e la creazione di piattaforme dedicate ai workload specifici. “Su queste basi concettuali Dell ha progettato i server per AI, tenendo in considerazione proprio questo tipo di esigenze particolari – ha puntualizzato Cefalà -. Quel che ne emerge è la famiglia di server AI Dell denominata XE, che include modelli come 9680, 9640, 8640 e r760xa, ed è progettata proprio per ottimizzare l’esecuzione di carichi di lavoro AI complessi e soddisfare le crescenti esigenze di elaborazione dati”.
L’evoluzione delle infrastrutture AI
Ma in che modo le piattaforme di storage progettate per l’AI stanno concretamente trasformando l’approccio ai data center? Secondo Federica Valois, Storage Field Product Manager per Italy & Benelux di Dell Technologies, la scelta di Dell è quella di orientarsi sempre più verso lo shared storage, rappresentato dalla piattaforma PowerStore nella versione Prime. “Questa piattaforma – ha spiegato – offre prestazioni superiori, efficienza, resilienza e un approccio multicloud, costruendo un ecosistema di protezione a lungo termine per gli investimenti”.
PowerStore Prime, inizialmente concepito come block storage, è in grado di gestire anche dati di AI, con una particolare attenzione al Total Cost of Ownership (TCO) e con una caratteristica distintiva decisiva: la garanzia di riduzione dei dati (Data Reduction Ratio) 5:1, che rappresenta un significativo vantaggio economico. La piattaforma include funzioni come data-in-place upgrades, sicurezza integrata e aggiornamenti software che ottimizzano le prestazioni, rendendola adatta sia per piccole aziende sia per necessità di enterprise storage.
Un ruolo importante è ricoperto anche da Dell Data Lakehouse, soluzione che affronta le problematiche dell’AI legate all’eccesso di dati e alla governance complessa. “Questo strumento – ha fatto notare Valois – permette di accedere direttamente ai dati dalle loro fonti, anche quando dislocate in luoghi diversi, eliminando la necessità di migrazioni”, mentre “per i dati non strutturati – ha concluso – PowerScale si distingue come leader nel settore dello storage per l’AI, offrendo capacità di crescita orizzontale, efficienza e protezione dei dati, supportato da certificazioni di sostenibilità e da un’integrazione certificata con NVIDIA DGX SuperPOD”.
Cloud pubblico o privato? La convenienza non è scontata
Davanti a un quadro di innovazioni tanto articolato, l’interrogativo che suggella il Q&A finale del webinar torna a mettere il dito sulla classica piaga: l’investimento richiesto per infrastrutture AI interne è davvero così gravoso? “Dobbiamo ammetterlo: nella fase iniziale di sperimentazione dell’AI, le risorse del cloud pubblico offrono una soluzione immediata e conveniente”, ha confermato l’AI Business Development Executive Roberto Morandi. Tuttavia, ha aggiunto, “quando la maturità dei progetti evolve verso una scala più ampia, con algoritmi personalizzati e casi d’uso consolidati, emergono considerazioni fondamentali riguardo alla sicurezza dei dati e alla sostenibilità economica”.
Insomma: il cloud pubblico, sebbene inizialmente economico per piccoli test grazie al basso costo dei token, rischia di diventare una trappola di costi imprevisti quando l’utilizzo si intensifica. “Al contrario, il cloud privato – ha concluso Morandi – presenta sfide legate all’investimento iniziale, ma la sua forza risiede in soluzioni finanziarie cloud-like, come quelle offerte da Dell, che mitigano imprevisti e fluttuazioni tariffarie. Conclusione? Solo infrastrutture di questo genere, a conti fatti, hanno la reale potenzialità di traghettare i progetti dall’ambito sperimentale alla produzione e bilanciare così innovazione e controllo dei costi”.
