AI in cloud o in locale: come scegliere in azienda

Online e offline: dove gira il modello

Un modello linguistico, il motore dell’intelligenza artificiale (IA) di cui parla questa guida, è un programma molto grande. La prima scelta da fare è dove farlo girare.

In cloud, cioè online. Il modello sta nei centri dati di un fornitore. L’azienda gli manda il testo su cui lavorare e riceve la risposta, attraverso un’applicazione come ChatGPT, Claude, Copilot o Gemini, oppure attraverso le API, cioè il collegamento che permette a un programma aziendale di usare il modello.

In locale, cioè on-premise. Il modello viene scaricato e installato su un computer o un server dell’azienda. L’elaborazione avviene lì: i dati non escono, e il sistema funziona anche offline, senza connessione a internet.

In locale si possono installare solo i modelli a pesi aperti, in inglese open-weight: quelli di cui il produttore pubblica il file con i parametri. I modelli più capaci dei grandi fornitori non lo sono, e si usano solo in cloud.

La scelta non è nuova. Secondo l’ISTAT tre imprese italiane su quattro (il 75,6%) comprano già servizi cloud: la posta, i documenti e spesso il gestionale stanno fuori dall’azienda da anni. Con l’AI la domanda torna, perché al modello si affidano proprio le informazioni più delicate.

Le parole, in ordine

Si dice	Vuol dire
In cloud, online	Il modello gira dal fornitore e si usa via internet
In locale, on-premise, self-hosted	Il modello gira su macchine dell’azienda
Offline	Funziona senza connessione: è possibile solo in locale
On-device	Il modello gira sul singolo computer o telefono di chi lo usa
AI privata	Espressione commerciale: può indicare un modello in locale oppure un servizio in cloud riservato a un solo cliente. Va sempre chiesto quale dei due
A pesi aperti (open-weight)	I parametri del modello si possono scaricare. Non sempre la licenza permette ogni uso
Open source	In senso proprio: si può usare, modificare e ridistribuire liberamente, anche per scopi commerciali
API	Il collegamento con cui un programma usa un modello in cloud, pagando a consumo

I modelli in cloud

Tre porte d’ingresso, con regole diverse

Dire “usiamo l’AI in cloud” non basta, perché le porte d’ingresso sono tre e per i dati cambia tutto.

Domanda	Account personale	Piano aziendale o API	Modello in locale
I dati servono ad addestrare i modelli?	Di solito sì, salvo rinuncia	No, per impostazione predefinita	No
Dove vengono elaborati	Dove decide il fornitore	Dove prevede il contratto; spesso si può scegliere l’Europa	In azienda
Per quanto restano al fornitore	Finché non si cancellano; in alcuni casi anni	Sulle API di solito fino a 30 giorni; nelle applicazioni aziendali lo decide l’amministratore	Mai
Chi ha un contratto con il fornitore	Il singolo dipendente	L’azienda	Nessuno

Il rischio maggiore per i dati aziendali sono gli account personali, non il cloud in sé. Chi incolla un contratto in un assistente usato con il proprio account privato lo consegna a condizioni che l’azienda non ha scelto. Per questo servono regole scritte: un esempio è nella guida Policy AI aziendale: regole d’uso ed esempio.

Che cosa dicono le condizioni dei fornitori

A settembre 2026, secondo le pagine ufficiali di ciascun fornitore:

• OpenAI. I dati inviati alle API non servono ad addestrare i modelli; i registri per il controllo degli abusi si conservano fino a 30 giorni. L’elaborazione in Europa è disponibile su richiesta, con condizioni aggiuntive e un sovrapprezzo del 10% sui modelli recenti.
• Anthropic. Nei prodotti commerciali niente addestramento per impostazione predefinita; sulle API richieste e risposte si cancellano entro 30 giorni. L’API diretta non offre un’opzione solo europea e archivia i dati negli Stati Uniti: per restare nell’Unione europea si usano gli stessi modelli attraverso i cloud di Amazon o di Google.
• Microsoft Azure. Richieste e risposte non sono a disposizione di OpenAI e non addestrano i modelli; con la configurazione europea l’elaborazione resta negli Stati membri dell’Unione.
• Google Cloud. Niente addestramento senza il permesso del cliente; l’indirizzo di servizio europeo garantisce l’elaborazione negli Stati membri, quello globale no.
• Amazon Bedrock. Per impostazione predefinita non conserva richieste e risposte, con eccezioni dichiarate per alcuni modelli; per restare nell’Unione europea esistono profili geografici.
• Mistral. Fornitore francese: i dati sono ospitati nell’Unione europea per impostazione predefinita; sulle API la conservazione è di 30 giorni.

Con gli account personali le regole sono altre. Nelle versioni per privati di ChatGPT i contenuti possono servire all’addestramento, salvo disattivare l’opzione. In Claude è l’utente a scegliere, e se acconsente i dati possono restare fino a cinque anni. Nell’app Gemini, con la cronologia attiva, le conversazioni servono anche a migliorare i modelli e possono essere lette da revisori.

Che cosa dà e che cosa chiede

Il cloud dà i modelli più capaci, aggiornati dal fornitore, senza comprare nulla e con un costo che segue l’uso. Chiede una connessione affidabile, un contratto letto con attenzione e la disponibilità a far passare i dati da un terzo.

I modelli in locale

Quali modelli

A settembre 2026 le principali famiglie di modelli a pesi aperti sono Gemma di Google, i modelli di Mistral, Qwen di Alibaba, Phi di Microsoft, Granite di IBM, gpt-oss di OpenAI, DeepSeek (il blocco del Garante del gennaio 2025 riguardava il servizio online, non i pesi scaricati) e Llama di Meta. Esistono anche modelli nati per l’italiano, come Minerva della Sapienza Università di Roma.

Due cose da sapere prima di scaricarne uno.

“ChatGPT in locale” non esiste. ChatGPT è un servizio. Ciò che si installa è un modello a pesi aperti, che può essere di OpenAI (la famiglia gpt-oss) o di altri: un modello diverso, e in genere meno capace, di quello del servizio in linea.

Aperto non vuol dire libero da condizioni. Molti modelli hanno licenze che permettono qualunque uso, anche commerciale. Altri no: la licenza di Llama 4, per esempio, non concede i diritti sui modelli multimodali alle aziende con sede principale nell’Unione europea, e alcune licenze escludono le imprese oltre una certa soglia di ricavi. La licenza va letta prima di scegliere il modello.

Che macchina serve

Conta la memoria più della velocità: il modello deve starci tutto. La regola pratica è circa 0,6 GB per ogni miliardo di parametri, con il modello compresso a 4 bit, più lo spazio per il testo su cui lavora. Più richieste insieme e più testo per richiesta fanno crescere la memoria necessaria.

Classe di macchina	Esempi	Memoria	Modelli che regge
Computer da ufficio potenziato	Mac mini con 24 GB, o PC con scheda grafica da 16 GB	16-24 GB	Fino a circa 20 miliardi di parametri
Workstation	PC con scheda grafica da 32 GB, o Mac Studio con 36 GB	32-36 GB	Circa 30 miliardi
Macchina ad alta memoria	Mini PC con 128 GB di memoria unificata, Mac Studio con 96 GB, o scheda grafica professionale da 96 GB	96-128 GB	Circa 120 miliardi
Server da centro dati	Otto schede, da 640 a oltre 1.400 GB di memoria, 10-14 kW di potenza	Oltre 600 GB	I modelli aperti più grandi

Una macchina da ufficio serve bene poche richieste alla volta; per decine di persone che la usano insieme serve più memoria.

Che cosa dà e che cosa chiede

Il locale dà tre cose: i dati non escono, il sistema funziona senza rete, il costo è fisso e non dipende da quanto lo si usa. Chiede un investimento, qualcuno che lo mantenga e l’accettazione di modelli più piccoli.

Le vie di mezzo

Tra “tutto dal fornitore” e “tutto in casa” ci sono soluzioni intermedie, spesso le più sensate.

• Cloud con elaborazione in Europa. Gli stessi modelli dei grandi fornitori, con la garanzia contrattuale che richieste e risposte restino negli Stati membri.
• Fornitore europeo. Modelli in cloud di aziende con sede nell’Unione, con i dati ospitati in Europa per impostazione predefinita.
• Modelli aperti in un cloud europeo. Un modello a pesi aperti fatto girare su macchine prese a noleggio: il controllo di un modello proprio, senza comprare hardware.
• Ibrido. In locale ciò che tocca dati riservati o deve funzionare senza rete; in cloud i compiti difficili che non contengono nulla di delicato. Un programma smista le richieste secondo regole scritte.

I dati: quali, prima di dove

Prima di chiedersi dove far girare il modello conviene chiedersi quali dati ci passerebbero.

• Dati personali di clienti, fornitori e dipendenti. Qui vale il GDPR, in tutti e due i casi.
• Segreti industriali: disegni tecnici, distinte base, ricette, parametri di processo. Non li protegge il GDPR ma la riservatezza che l’azienda riesce a garantire.
• Dati di altri: i disegni e le specifiche dei clienti, spesso coperti da accordi di riservatezza. In alcune filiere questi accordi vietano di portare i dati del committente su servizi esterni. Se il contratto lo vieta, la scelta è già fatta.
• Dati commerciali delicati: prezzi d’acquisto, condizioni dei fornitori, formule di prezzo nei contratti, posizioni di copertura sul metallo.
• Dati pubblici o poco sensibili: quotazioni di mercato, norme, cataloghi, manuali. Per questi il cloud non pone problemi.

Un’azienda che lavora metalli ha di solito tutte e cinque le categorie. È il caso tipico in cui conviene una scelta mista: le quotazioni pubbliche possono andare ovunque, le condizioni d’acquisto e i disegni dei clienti no.

Le regole: che cosa cambia e che cosa no

GDPR. Con un fornitore in cloud che tratta dati personali per conto dell’azienda serve un contratto di nomina a responsabile del trattamento, previsto dall’articolo 28. Se i dati vanno fuori dall’Unione europea valgono le regole sui trasferimenti. Per gli Stati Uniti oggi c’è una decisione di adeguatezza, il Data Privacy Framework: il Tribunale dell’Unione europea ha respinto il ricorso per annullarla nel settembre 2025, e l’impugnazione davanti alla Corte di giustizia è ancora pendente. Vale solo verso le aziende statunitensi che vi aderiscono, e non sostituisce il contratto dell’articolo 28.

Legge straniera. Un fornitore statunitense resta soggetto alle leggi del suo paese anche quando elabora i dati in Europa. Già nel 2019 le autorità europee per la protezione dei dati hanno segnalato il possibile conflitto tra il CLOUD Act statunitense e il GDPR. È uno dei motivi per cui alcune aziende preferiscono fornitori europei o il locale per i dati più delicati.

In locale non si è in regola in automatico. Tenere i dati in casa elimina il passaggio a un terzo. Restano la base giuridica del trattamento, le informative, la sicurezza, i tempi di conservazione e i diritti delle persone.

AI Act. Chi usa un sistema di intelligenza artificiale sotto la propria autorità è utilizzatore, in inglese deployer, che il modello giri in cloud o in azienda. Gli obblighi sono gli stessi: misure per l’alfabetizzazione del personale, trasparenza, e regole più pesanti solo per gli usi ad alto rischio. Chi modifica in profondità un modello aperto può assumere obblighi da fornitore; gli orientamenti della Commissione europea fissano però una soglia alta, che un normale adattamento di solito non raggiunge. Ne parliamo nella guida AI Act: cosa deve fare un’azienda manifatturiera.

NIS2. Le imprese medie e grandi di alcuni settori manifatturieri, tra cui macchinari, apparecchiature elettriche, elettronica e veicoli, rientrano nella disciplina sulla cybersicurezza; metallurgia e prodotti in metallo non sono nell’elenco, ma chi fornisce un soggetto NIS può essere coinvolto come fornitore. Tra le misure obbligatorie c’è la sicurezza della catena di fornitura: un servizio di AI in cloud è un fornitore da valutare come gli altri. Anche una macchina in azienda, però, va protetta e aggiornata.

Come si paga: le voci, senza cifre

Chi vende hardware calcola in quanti mesi la macchina “si ripaga”; chi vende servizi in cloud fa il conto opposto. La differenza sta nelle ipotesi: quante richieste, quanto testo per richiesta, quale modello, quante persone. Per questo non pubblichiamo un confronto in cifre: lo facciamo sul caso, con i numeri dell’azienda. Le voci, però, sono sempre queste.

In cloud, a consumo. Si paga a token, cioè a frammenti di testo letti e scritti dal modello: una pagina vale all’incirca mille token. Il prezzo per token cambia con la taglia del modello, e i modelli piccoli costano una frazione di quelli grandi; il testo già letto in richieste precedenti costa meno. Il conto segue l’uso: poco quando si usa poco.

In cloud, in abbonamento. Si paga per utente al mese. Comprende l’applicazione pronta, ma non il collegamento ai documenti e ai sistemi dell’azienda; cresce con le persone, non con l’uso.

In locale. Si paga la macchina una volta, da ammortizzare in qualche anno; l’energia, che per una workstation pesa poco; e la manutenzione, la voce che si dimentica: qualcuno deve aggiornare il modello e il software, controllare il carico, intervenire se si ferma. Il costo non dipende da quanto la si usa.

Che cosa se ne ricava:

• Con poche richieste e variabili pesa il consumo; con volumi alti e costanti pesa il costo fisso. Il punto in cui il locale diventa conveniente dipende dal volume, dal modello scelto e da chi fa la manutenzione: se per quel compito basta un modello piccolo, anche in cloud i modelli piccoli costano poco.
• Il confronto va fatto a parità di qualità. Un modello da 30 miliardi di parametri in locale non fa le stesse cose di un modello di fascia media in cloud.
• L’abbonamento per utente è la strada che non richiede alcun lavoro tecnico, e quella che cresce con il numero di persone.

Tre voci mancano da questi conti, e pesano più del modello: il lavoro per collegare il sistema ai documenti e ai programmi dell’azienda, i controlli e la formazione. Sono uguali nelle due strade. Le abbiamo descritte nella guida Quanto costa un progetto AI: da che cosa dipende.

La qualità: quanto sono distanti

Ci sono due distanze, e conviene non confonderle.

La prima è tra i migliori modelli aperti e i migliori modelli chiusi. È piccola. Secondo l’AI Index 2026 dell’Università di Stanford, a marzo 2026 il miglior modello chiuso superava il miglior modello aperto del 3,3%, in una classifica basata sul giudizio degli utenti. Ma quei modelli aperti sono molto grandi e girano solo su server da centro dati.

La seconda è tra i modelli che stanno su una macchina da ufficio e i modelli in cloud. È più grande, e dipende dal compito.

• Dove un modello locale di solito basta: riassumere, classificare, tradurre, estrarre dati da documenti con una struttura ricorrente, rispondere a domande su testi brevi.
• Dove il cloud resta avanti: ragionamenti in più passaggi, documenti molto lunghi, nella nostra esperienza la scrittura curata in italiano, agenti AI che usano strumenti e devono portare a termine un compito da soli.

Gli agenti meritano una nota. Funzionano anche con modelli locali, ma chiedono più memoria, perché lavorano su molto testo alla volta, e, nella nostra esperienza, sbagliano più spesso nella scelta e nell’uso degli strumenti. Lo stesso AI Index ricorda che anche i migliori agenti falliscono circa un tentativo su tre nei test strutturati: con modelli più piccoli i controlli e le conferme contano ancora di più.

Il modo serio di decidere è provare il proprio compito: venti o trenta casi veri, fatti girare sui due modelli, con qualcuno che giudica i risultati. Un modello locale si può provare a noleggio, prima di comprare una macchina.

Senza internet, alla lettera

Ci sono situazioni in cui la connessione non c’è o non deve esserci: un reparto produttivo isolato dalla rete per sicurezza, un cantiere, una linea che non può fermarsi se cade il collegamento. Qui il locale è l’unica strada, e non c’è confronto da fare.

Vale anche il contrario: un sistema in cloud si ferma se cade la linea. Per i processi che non possono aspettare va previsto che cosa succede in quel caso.

Come scegliere: sei domande

1. Quali dati passerebbero dal modello? Se sono riservati o coperti da accordi con i clienti, la scelta parte da lì.
2. Dove deve funzionare? In ufficio con la rete, o in un reparto che ne è privo.
3. Quanto è difficile il compito? Classificare documenti è una cosa, far lavorare un agente nel gestionale un’altra.
4. Quante richieste, e quanto regolari? Poche e variabili favoriscono il consumo; tante e costanti il costo fisso.
5. Chi lo mantiene? Se in azienda non c’è nessuno, la manutenzione va comprata.
6. Come se ne esce? Se tra un anno cambiano le condizioni o i modelli, che cosa va rifatto per cambiare strada.

Situazione	Scelta che di solito conviene
Ufficio che vuole un assistente su procedure, offerte e manuali	Cloud con piano aziendale o API, dove possibile con elaborazione in Europa
Disegni e specifiche di clienti con accordi di riservatezza stretti	Locale
Reparto senza connessione	Locale
Agente che lavora nel gestionale con compiti in più passaggi	Cloud, con i dati che restano nei sistemi dell’azienda e al modello solo ciò che serve
Migliaia di documenti simili da classificare ogni giorno	Locale, o un modello piccolo in cloud: decide la riservatezza
Azienda con dati di tutti i tipi	Ibrido, con regole scritte su che cosa va dove

I falsi miti

• “In cloud i miei dati addestrano il modello.” Con i piani aziendali e le API dei principali fornitori di norma no, per contratto; va letto piano per piano, perché in qualche caso (per esempio l’API di Mistral) dipende dal piano scelto. Con gli account personali spesso sì.
• “In locale sono a posto con la privacy.” Si elimina un rischio, non gli obblighi.
• “Un modello aperto è gratis.” Il modello sì. La macchina, l’energia e chi la mantiene no.
• “In locale ho la stessa qualità.” Dipende dal compito: va misurata sul proprio lavoro.
• “Una volta scelto non si torna indietro.” Si torna indietro se il sistema è stato costruito perché il modello si possa sostituire.

Le domande da fare a un fornitore

• I miei dati servono ad addestrare i modelli? Dove è scritto?
• In quale paese avviene l’elaborazione, e dove vengono conservati i dati?
• Per quanto tempo restano richieste e risposte, e chi può leggerle?
• Avete un accordo sul trattamento dei dati che possiamo firmare?
• Se proponete una soluzione in locale: chi la aggiorna, ogni quanto, a che costo?
• Che cosa succede se la macchina si ferma?
• Quale licenza ha il modello che installate?
• Se domani volessimo cambiare modello o fornitore, che cosa va rifatto?

Come lavoriamo noi

In FT Support scegliamo caso per caso, e partiamo dai dati. Archivi e documenti possono restare sui server dell’azienda; al modello arriva solo ciò che serve per quella richiesta. Usiamo soprattutto modelli in cloud tramite API aziendali, con condizioni che escludono l’addestramento, e l’elaborazione avviene nel cloud Microsoft Azure in regione europea. Dove la riservatezza o la mancanza di rete lo richiedono, il sistema si progetta perché possa lavorare anche con un modello in locale: costi e limiti si valutano insieme, caso per caso.

In ogni progetto teniamo il sistema indipendente dal modello: istruzioni, collegamenti ai dati, controlli e registro non cambiano se il modello viene sostituito. È ciò che permette di cominciare in cloud e di spostare in locale, più avanti, solo quello che serve.

La scelta tra cloud e locale è una delle regole che spettano a chi guida l’azienda: ne parliamo nella guida Adozione dell’AI in azienda: top-down o bottom-up e, per il lavoro sui dati, nella pagina dati e integrazioni.