Ogni anno le aziende italiane spendono 2,8 miliardi di euro in più del previsto per le infrastrutture tecnologiche e sono costrette a ridimensionare gli investimenti in intelligenza artificiale, le assunzioni e lo sviluppo di nuovi prodotti. È quanto emerge da uno studio del Centre for Economics and Business Research (Cebr), commissionato da Wasabi Technologies . Questa spesa extra deriva da costi applicati dai fornitori che le aziende non erano in grado di anticipare, e non dall’utilizzo che avevano pianificato. Considerando tutti gli otto Paesi presi in esame, il conto sale a 63,4 miliardi di dollari. In questo contesto, più della metà delle imprese italiane (52%) dichiara inoltre che, negli ultimi 12 mesi, i costi delle infrastrutture tecnologiche hanno superato il budget o le stime iniziali.
In Italia, le infrastrutture di intelligenza artificiale e machine learning valgono da sole 1,4 miliardi di euro, la metà (50%) della spesa extra complessiva e ben al di sopra del 37% registrato a livello globale. Tra gli altri grandi Paesi europei analizzati, solo la Francia presenta una quota più alta (64%), mentre il Regno Unito si ferma al 32% e la Germania al 27%. Le infrastrutture AI sono anche la voce di spesa più difficile da prevedere: il 22% delle aziende italiane che le utilizzano ne considera i costi imprevedibili, in linea con la media dello studio (22%). Questi dati evidenziano una sfida finanziaria crescente per le aziende che investono nell’AI. Il risultato è che le infrastrutture necessarie a sostenere le nuove tecnologie finiscono per assorbire i budget destinati a svilupparle.
“La nostra ricerca ha fatto emergere il costo nascosto dell’innovazione in alcune delle principali economie del mondo: una tariffazione imprevedibile non significa soltanto che le aziende pagano di più”, commenta Owen Good, head of economics advisory di Cebr. “Significa che assunzioni di persone e investimenti in nuove tecnologie vengono rinviati o ridotti, perché i budget sono dirottati per coprire costi inattesi. La tecnologia che genera più costi non pianificati è anche tra gli investimenti che le aziende tagliano per farvi fronte”.
Quando i costi delle infrastrutture aumentano, è l’innovazione a pagarne il prezzo
I risultati indicano un divario crescente tra le ambizioni delle aziende in materia di AI e la realtà finanziaria della sua implementazione.
Man mano che le imprese passano dalla sperimentazione dell’AI alla sua adozione su scala, i modelli di prezzo basati sul consumo aggiungono un ulteriore livello di incertezza sui costi. A livello globale, tra le aziende che hanno sforato il budget per le infrastrutture di AI e machine learning, il 38% cita tariffe per token, inferenza o consumo superiori alle attese: una voce che si affianca, tra le cause principali, ai costi imprevisti delle licenze di piattaforme e modelli AI (49%) e alle spese di integrazione, deployment e gestione operativa dei modelli (45%). In Italia, invece, il problema principale è pagare per una capacità AI che non viene sfruttata appieno: il 58% delle aziende che hanno superato il budget AI indica un’infrastruttura sovradimensionata, sottoutilizzata o poco adatta alle esigenze. Seguono integrazione, deployment e gestione dei modelli (50%), mentre licenze e tariffe a consumo si fermano al 25% ciascuna.
L'imprevedibilità si traduce direttamente in difficoltà finanziarie: tra le aziende italiane alle prese con costi imprevedibili, l'84% segnala una pressione significativa o moderata sul budget, contro il 73% registrato nei Paesi esaminati. Un'azienda italiana su quattro (26%) ha già rimandato o ridimensionato progetti di AI, automazione o data science a causa dei costi delle infrastrutture o delle difficoltà di accesso ai dati.
Le conseguenze vanno oltre l'AI. Nell'ultimo anno, il 27% delle aziende italiane ha preso decisioni tecniche o architetturali sulla base dei costi anziché di ciò che sarebbe stato ottimale, e solo il 19% è riuscito a evitare compromessi sull'innovazione.
Se la spesa per le infrastrutture va oltre il budget, le voci ritenute più a rischio sono le assunzioni in ruoli legati a tecnologia, dati e AI, la formazione del personale e l’espansione in nuovi mercati, indicate ciascuna dal 24% delle aziende interessate. Seguono, con il 22%, le iniziative di AI, automazione o data science e l’analisi dei dati; con il 21%, lo sviluppo dei prodotti e il miglioramento dei processi operativi; infine, con il 17%, ricerca e sviluppo, investimenti in tecnologia e software e contenimento dei costi o tutela dei margini.
Lo studio evidenzia anche un costo economico più ampio, perché le aziende sottraggono capitali a progetti in grado di alimentare la crescita futura. La modellizzazione di Cebr ne quantifica l’impatto sull’economia italiana: se recuperati, i 2,8 miliardi di euro di costi aggiuntivi imputabili ai fornitori potrebbero sostenere:
- 1 miliardo di euro di nuovi investimenti produttivi in R&S, AI e nuove tecnologie
- 0,35 miliardi di euro di investimenti nella formazione del personale
- 8.670 posti di lavoro aggiuntivi
- Tutto ciò contribuirebbe a un aumento del PIL di lungo periodo pari a 1 miliardo di euro
Le indicazioni delle aziende italiane vanno nella stessa direzione: il 73% di quelle colpite da costi imprevedibili dei fornitori reinvestirebbe le risorse liberate in R&S, AI o nuove tecnologie. Su scala globale, il potenziale arriva a 21,8 miliardi di dollari di investimenti produttivi, 111.450 posti di lavoro e un aumento del PIL di lungo periodo pari a 20,4 miliardi di dollari.
I costi crescenti del trasferimento dei dati e la carenza di hardware limitano le alternative
Le aziende che cercano di contenere la spesa per le infrastrutture si scontrano con un secondo ostacolo: cambiare fornitore o ampliare la capacità può costare tempo e denaro.
Negli ultimi 12 mesi, l’82% delle aziende italiane ha subito almeno una volta ritardi per la mancanza di hardware o di capacità di calcolo adeguati, in linea con il dato globale. L’85% ha inoltre registrato almeno una volta costi aggiuntivi dovuti alla frammentazione degli ambienti dati (89% a livello globale), mentre il 90% ha visto almeno una volta limitato o rallentato l’accesso ai dati necessari per un progetto o una decisione: un valore superiore al dato globale (84%) e a quelli di Regno Unito (85%), Germania (87%) e Francia (76%).
Anche il cambio di fornitore non sempre rappresenta una via d’uscita semplice: per il 23% delle aziende italiane l’attuale configurazione delle infrastrutture rende difficile passare a un altro provider o adottare tecnologie migliori. Tra chi non lo ritiene agevole, il motivo più citato è il costo della migrazione di dati o carichi di lavoro (27%), di poco davanti a vincoli contrattuali o penali, alla complessità tecnica della migrazione e ad applicazioni, strumenti AI o workflow vincolati ai fornitori attuali (24% ciascuno).
Queste barriere stanno compromettendo la capacità delle aziende di sviluppare nuove tecnologie e di portarle sul mercato. Gli intervistati italiani riferiscono che i costi delle infrastrutture, la loro imprevedibilità e i limiti nell’accesso ai dati li hanno spinti a:
- Ridurre il numero di esperimenti di AI, machine learning o data science (23%, contro il 25% globale)
- Rinunciare all’adozione di una nuova tecnologia o piattaforma (19%, contro il 22% globale)
- Rinviare o annullare il lancio di un prodotto o di una funzionalità (11%, contro il 16% globale)
“Alle aziende non mancano le ambizioni, ma vengono colte di sorpresa da costi infrastrutturali imprevedibili che impediscono loro di portare avanti i propri piani di innovazione”, dichiara Marty Falaro, presidente e COO di Wasabi Technologies. “Esiste un problema di fondo nel modo in cui le infrastrutture tecnologiche vengono acquistate e tariffate: le aziende devono sapere quanto costerà archiviare i propri dati, accedervi e spostarli prima di avviare un progetto di AI, non dopo l’arrivo della fattura. L’innovazione deve saper correre dei rischi, la fattura delle infrastrutture no”.
Il punto di vista delle aziende
“La ricerca rispecchia ciò che vediamo in prima persona. I costi dell’AI sono difficili da prevedere, tra licenze, deployment e operatività quotidiana, e in gran parte sfuggono al nostro controllo”, afferma Andy Fletcher, VP Technology and Digital Product, Liverpool FC. “Il modo in cui gestiamo i dati alla base dell’AI, invece, è qualcosa che possiamo controllare. Disponiamo di decenni di filmati e ne arrivano di nuovi a ogni partita, quindi il costo di archiviazione, spostamento e accesso a questi contenuti è rilevante. Per questo stiamo valutando con attenzione l’AI Storagemaxxing, per fare in modo che i dati vengano archiviati e resi accessibili nel modo più efficiente dal punto di vista dei costi in ogni fase della pipeline di AI. L’obiettivo è valorizzare meglio i contenuti di cui già disponiamo, senza aggiungere costi superflui né creare ulteriori silos di dati”.
“Siamo stati sul punto di accettare un compromesso dettato dai costi. La spesa per lo storage continuava a salire e la soluzione più ovvia era spostare le registrazioni meno recenti su un livello di archiviazione ‘cold’, più economico, ma il recupero dei dati sarebbe stato lento”, racconta Allan Bettarel, CTO di tl;dv. “Per un prodotto in cui la registrazione deve essere disponibile nel momento stesso in cui termina la riunione, avrebbe significato rinunciare all’accesso immediato su cui contano i nostri clienti. Abbiamo invece deciso di migrare da AWS, perché con Wasabi non dovevamo scegliere tra costi e prestazioni. Conservare i dati nel loro data center in Germania ci ha permesso anche di rispettare i requisiti di residenza dei dati e il GDPR. Ora so quanto spenderemo nell’anno e non paghiamo ogni volta che accediamo ai nostri dati”.
“Il vendor lock-in frena l’innovazione”, continua Michael Reid, CEO di Megaport. “All’inizio dell’anno abbiamo inserito Wasabi nel nostro ecosistema di partner, così che le aziende possano abbattere in modo significativo i costi dell’object storage, ormai indispensabile per qualsiasi organizzazione. Grazie a un’unica piattaforma globale, più efficiente e con costi prevedibili, le imprese possono gestire in modo conveniente carichi di lavoro come data lake, analytics, cyber resilience e backup, attivabili ovunque nel mondo con un semplice clic”.
Reid ha poi spiegato che l’offerta di Megaport si basa su due modelli di business. Da un lato c’è il consumo on-demand, con servizi attivi in 60 secondi. Dall’altro ci sono grandi e complessi cluster di calcolo, rete e storage, regolati da contratti take-or-pay interamente finanziati. “Tutti i contratti in essere hanno capacità di data center già garantita contrattualmente e sono interamente finanziati”.
Il report completo è disponile qui .
Nota metodologica
La ricerca è stata condotta da Sapio Research tra luglio e agosto 2026 su un campione di 690 decision maker senior in ambito business e IT di piccole, medie e grandi organizzazioni di Regno Unito, Stati Uniti, Francia, Germania, Italia, Giappone, Australia e Nuova Zelanda. Il margine di errore è di ±3,7 punti percentuali sul campione totale. La modellizzazione economica, comprese le stime della spesa extra a livello nazionale e gli scenari di lungo periodo relativi a PIL, investimenti e occupazione, è stata realizzata da Cebr.
Informazioni su Wasabi Technologies
L’AI è potente solo quanto i dati che la alimentano. Wasabi offre un cloud storage semplice e dai costi prevedibili, che consente alle aziende di costruire l’infrastruttura dati su cui si basano AI, analytics, cyber resilience, contenuti multimediali e applicazioni cloud-native. Garantendo la libertà di spostare i propri dati, accedervi e valorizzarli senza i sovrapprezzi tipici dei grandi provider cloud (la cosiddetta “hyperscaler tax”), Wasabi aiuta le imprese a trasformare i dati in un vantaggio competitivo. Con 16 region di storage e clienti che operano in oltre 100 Paesi, Wasabi assicura la copertura globale, le prestazioni e l’affidabilità necessarie per sostenere la prossima generazione di innovazione basata su AI e dati. Per saperne di più: wasabi.com .
Informazioni su Cebr
Il Centre for Economics and Business Research (Cebr) è una società di consulenza economica indipendente di primo piano con sede a Londra. Fondata nel 1992, Cebr vanta oltre 30 anni di esperienza nella fornitura di previsioni economiche, ricerche e analisi a imprese, enti governativi, istituzioni finanziarie e organizzazioni pubbliche in tutto il mondo. Le sue competenze spaziano dalle previsioni macroeconomiche alle valutazioni d’impatto economico, fino all’analisi delle politiche pubbliche e alla consulenza strategica. Unendo una rigorosa modellizzazione economica a indicazioni concrete, Cebr aiuta le organizzazioni a prendere decisioni informate, comprendere le tendenze economiche e contribuire al dibattito sulle politiche pubbliche. Per saperne di più visitare il sito: www.cebr.com .
Vedi la versione originale su businesswire.com: https://www.businesswire.com/news/home/20261110735536/it/
Press:
Tyto PR for Wasabi
Wasabi@tytopr.com
La responsabilità editoriale e i contenuti di cui al presente comunicato stampa sono a cura di Business Wire
