L’Intelligenza Artificiale come infrastruttura: tra sovranità, energia e trasformazione industriale

Il futuro non è una traiettoria già scritta, ma uno spazio da governare attraverso scelte consapevoli. L’Intelligenza Artificiale rappresenta una delle principali leve di trasformazione del nostro tempo: non più soltanto una tecnologia, ma una infrastruttura destinata a ridefinire il rapporto tra dati, economia e potere decisionale.

Per comprendere questa evoluzione bisogna spostare lo sguardo: dall’innovazione come fenomeno tecnico alla sua dimensione sistemica, industriale e istituzionale. L’IA non si limita più a supportare decisioni o generare contenuti, ma entra nei processi operativi, modificando in profondità le modalità con cui valore e competitività vengono costruiti.

In questo scenario, il tema non è solo adottare nuove tecnologie, ma costruire architetture coerenti con il tessuto produttivo e con le ambizioni di autonomia strategica europea.

Ne abbiamo discusso con l’Ing. Sabino Titomanlio, Director Business & Data Intelligence di FiberCop, l’azienda che gestisce l’infrastruttura di telecomunicazioni più estesa e capillare del Paese. Con oltre trent’anni di esperienza in settori ad alta intensità tecnologica, dall’aerospazio alle telecomunicazioni, fino alla smart mobility, Sabino Titomanlio esprime una visione che coniuga la dimensione strategica con la concreta applicazione dell’innovazione. La sua prospettiva restituisce una lettura sistemica delle dinamiche in atto, tra evoluzione tecnologica, sovranità del dato e ruolo delle infrastrutture.

1. Dall’IA generativa all’IA agentica: che cosa cambia davvero?

La differenza è sostanziale. L’IA generativa produce contenuti, suggerimenti, analisi. L’IA agentica, invece, entra nei processi e agisce.

Questo significa che non siamo più di fronte a strumenti di supporto, ma a sistemi che osservano un contesto, prendono decisioni e coordinano attività. L’Intelligenza Artificiale diventa una componente operativa.

E quando accade questo, cambia il punto di osservazione: non conta più solo la qualità del modello, ma l’affidabilità dell’intero ambiente in cui opera:  dati, reti, infrastrutture ed energia. L’IA smette di essere “solo” un software e diventa un’architettura di sistema.

2. Perché è importante leggere l’IA come infrastruttura e non solo come tecnologia?

Perché sposta completamente il livello della responsabilità.

Se considero l’IA come un software, mi concentro sull’algoritmo. Se la considero un’infrastruttura, devo guardare all’intero ecosistema che la rende operativa.

Questo include la qualità del dato, la continuità delle reti, la resilienza energetica e il quadro regolatorio. L’affidabilità non è più una proprietà del modello, ma del sistema nel suo complesso.

Per questo l’IA va sempre più considerata una infrastruttura critica, con implicazioni che vanno ben oltre il perimetro tecnologico e coinvolgono direttamente politica industriale e governance.

3. Il tema della sovranità del dato è spesso evocato. Quanto è oggi concreto?

È un obiettivo necessario, ma ancora in costruzione.

La sovranità non è solo protezione del dato. È la capacità effettiva di governare il ciclo dato–inferenza–azione. E questa capacità dipende in larga misura dalle infrastrutture disponibili.

Oggi l’Europa ha costruito un quadro normativo avanzato, ma permane una dipendenza significativa su alcune componenti chiave della catena del valore.

Il punto, quindi, non è se la sovranità sia rilevante, perchè lo è certamente, ma come renderla operativa. Senza infrastrutture, investimenti e strumenti di attivazione per il sistema economico, il rischio è che resti una formulazione teorica, priva di reale capacità di attuazione.

4. La corsa globale sembra concentrata sulla potenza di calcolo. È davvero sufficiente?

La potenza è necessaria, ma non sufficiente.

Serve per sviluppare e addestrare i modelli, ma il valore si genera quando questi entrano nei processi reali: industria, sanità, logistica, servizi.

E in questi contesti diventano centrali la latenza, la continuità e la prossimità del calcolo. È qui che emerge un tema spesso sottovalutato: quello energetico.

La crescita dell’IA pone un problema strutturale di sostenibilità. I grandi poli centralizzati concentrano capacità, ma anche consumi e complessità.

Per questo la distribuzione del calcolo non è solo una scelta tecnica, ma una condizione di equilibrio del sistema. E lo è ancora di più in un Paese come l’Italia, caratterizzato da una domanda diffusa e da una struttura produttiva policentrica.

5. Qual è, in questo scenario, il ruolo delle infrastrutture e degli operatori di rete?

In questo scenario, infrastrutture e operatori di rete assumono un ruolo strutturale. Quando l’intelligenza si distribuisce, la rete non è più un semplice vettore, ma parte integrante dell’architettura dell’IA. È l’infrastruttura che porta la capacità digitale ai territori, garantendo continuità e resilienza.

In un sistema come quello italiano, questo è particolarmente rilevante. La distribuzione dell’intelligenza riflette la distribuzione del valore economico.

Le infrastrutture diventano quindi il punto di raccordo tra calcolo, dati e utilizzo operativo. Ed è su questo equilibrio che si gioca la possibilità di trasformare l’IA in un fattore reale di sviluppo. Prendiamo il caso di FiberCop. Con circa 28 milioni di chilometri di fibra posata sul territorio nazionale, quasi 8 milioni di edifici collegati in Fiber-To-The-Home ed oltre diecimila centrali distribuite in tutta Italia, FiberCop realizza e gestisce un’infrastruttura neutrale e capillare per fornire servizi avanzati in modalità wholesale. Grazie a questa diffusa presenza si possono abilitare le applicazioni più avanzate dell’IA, dalle smart city alla robotica, dalle infrastrutture intelligenti alla sanità digitale, sostenendo in modo concreto la transizione digitale del Paese.

Le riflessioni di Sabino Titomanlio convergono su un punto essenziale: la sfida posta dall’evoluzione dell’Intelligenza Artificiale non può essere ridotta a una competizione tecnologica, ma va interpretata come una questione infrastrutturale, industriale e strategica.

Per l’Italia, la sfida è duplice. Da un lato, partecipare attivamente alle grandi iniziative europee come le AI Gigafactories contribuendo alla costruzione di capacità comuni. Dall’altro, sviluppare una propria visione dell’IA, capace di leggere la domanda reale, valorizzare le specificità del sistema produttivo e orientare l’innovazione in modo coerente con la struttura del Paese.

In questa prospettiva, il futuro dell’Intelligenza Artificiale non si decide esclusivamente nei grandi poli di calcolo, ma nella capacità di integrare potenza, prossimità e governance in un disegno unitario.

È su questa integrazione che si giocherà la possibilità, per l’Italia, di essere non solo parte di una strategia europea, ma protagonista nella definizione di un modello di sviluppo tecnologico autonomo e sostenibile.