Dimensionare l’infrastruttura AI significa stabilire quali risorse servono per far funzionare un’applicazione nelle condizioni reali dell’azienda, tenendo conto di quanti utenti deve servire, dei dati che deve elaborare e dei tempi entro cui deve rispondere. Da queste esigenze dipendono la capacità di calcolo, la memoria e i sistemi di archiviazione da predisporre, con scelte che incidono sia sulle prestazioni sia sull’investimento.
Gli AI Pod proposti da Zenita Group con Dell Technologies sono configurazioni di riferimento che riuniscono server per il calcolo, risorse per accelerare l’elaborazione, sistemi di archiviazione dei dati e rete, offrendo una base infrastrutturale da adattare al progetto. Il loro ruolo è collegare l’applicazione che l’impresa vuole realizzare alle risorse necessarie per sostenerla, che andranno verificate attraverso un progetto pilota.
Indice degli argomenti:
Perché l’adozione dell’AI fatica a estendersi nelle imprese
Nel 2025 il mercato italiano dell’intelligenza artificiale ha raggiunto 1,8 miliardi di euro, con una crescita del 50% rispetto al 2024 secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, che ha pubblicato i risultati a febbraio 2026. Il 71% delle grandi imprese ha avviato almeno un progetto AI, ma soltanto una su cinque utilizza la tecnologia in modo pervasivo nelle diverse funzioni, lasciando aperto il tema di come estenderne l’impiego nell’organizzazione.
La stessa ricerca rileva che appena il 9% delle grandi imprese dispone di una governance strutturata dell’AI, con responsabilità definite e iniziative allineate agli obiettivi aziendali. Circa un’azienda su tre, tra quelle che hanno avviato un progetto, segnala inoltre difficoltà nel valutare in anticipo il rapporto tra costi e benefici.
Queste difficoltà riguardano anche le decisioni sull’infrastruttura, perché un responsabile di funzione può individuare un’attività da automatizzare senza sapere quali dati siano utilizzabili, mentre l’IT può ricevere una richiesta di capacità di calcolo senza conoscere il numero di utenti o i tempi di risposta necessari. Per formulare un preventivo attendibile occorre quindi definire prima il servizio e il beneficio che deve giustificarne il costo.
Dal caso d’uso ai requisiti dell’infrastruttura
Il punto di partenza è il caso d’uso, cioè l’attività concreta a cui applicare l’AI, che definisce criteri di successo e necessità tecniche del servizio. Un assistente che aiuta i tecnici a consultare manuali aziendali deve fornire informazioni corrette e aggiornate nel rispetto dei permessi di accesso, mentre un sistema che analizza i video di un varco logistico deve riconoscere determinati eventi e segnalarli entro un tempo utile all’intervento.
Per l’assistente documentale bisogna stabilire quali archivi consultare, quanto spesso aggiornarli e quante richieste gestire contemporaneamente, mentre nel caso dell’analisi video contano il numero di telecamere, la risoluzione delle immagini e il tempo ammesso tra evento e segnalazione. La collocazione dei sistemi dipende poi dalle condizioni del processo e, quando occorre elaborare i dati vicino alle telecamere, porta a valutare un’infrastruttura locale, detta edge.
Questi requisiti richiedono un confronto tra chi utilizzerà l’applicazione e chi dovrà gestirla, durante il quale il responsabile del processo definisce il miglioramento atteso, l’IT valuta integrazioni e risorse e chi presidia dati e sicurezza stabilisce le condizioni di accesso. L’esito deve essere un insieme di misure con cui valutare il pilota, come tempi di risposta, correttezza dei risultati e costo del servizio.
«Nel primo confronto chiediamo all’azienda quale attività vuole migliorare e come intende misurare il risultato, così da poter discutere dati, modello e livelli di servizio. Se questi elementi restano indefiniti, anche il preventivo infrastrutturale diventa un’ipotesi fragile. Il nostro lavoro è rendere esplicite le condizioni del progetto, così che business e IT possano valutare lo stesso investimento con criteri condivisi», afferma Lorenzo Fatati, sales specialist digital engineering di Zenita Group.
Come dimensionare calcolo memoria e accesso ai dati
Definito il servizio, si può valutare il lavoro richiesto al modello, il sistema software che elabora i dati e produce un risultato. Un assistente può utilizzare un modello linguistico già addestrato per generare risposte, un’attività chiamata inferenza, nella quale il modello viene impiegato nell’applicazione e deve sostenere il numero di richieste previsto. Un eventuale addestramento o adattamento del modello richiede una valutazione distinta delle risorse.
Per accelerare i calcoli dell’AI si possono utilizzare le GPU, processori capaci di eseguire molte operazioni in parallelo, la cui memoria deve ospitare il modello e le informazioni necessarie a gestire le elaborazioni in corso. Nel caso dei modelli linguistici, il fabbisogno dipende anche dalla lunghezza dei contenuti e dalle richieste gestite insieme, per cui un ambiente adeguato a una dimostrazione con pochi utenti va verificato rispetto al carico previsto per il servizio operativo.
L’assistente deve inoltre poter consultare le fonti aziendali e, con l’approccio RAG, Retrieval-Augmented Generation, recupera i contenuti pertinenti dai documenti e li fornisce al modello per costruire la risposta. Questo passaggio richiede preparazione delle fonti, ricerca e accesso ai dati, per cui la velocità con cui il modello genera il testo è una parte del tempo complessivo di risposta. Vanno dimensionati anche l’archiviazione e i collegamenti tra i componenti, mantenendo aggiornati i documenti e rispettando i permessi degli utenti.
Il pilota deve misurare queste dipendenze sullo scenario scelto, verificando gli aspetti indicati nei seguenti esempi senza associare automaticamente un’applicazione a una taglia di infrastruttura.
| Applicazione | Requisiti da definire | Misure nel pilota |
| Assistente documentale | Fonti, aggiornamento, permessi e richieste simultanee. | Correttezza e tracciabilità delle risposte, tempi di attesa, rispetto dei permessi. |
| Analisi video ai varchi | Numero di flussi, risoluzione, elaborazione locale e connettività. | Tempo tra evento e segnalazione, eventi riconosciuti e falsi allarmi. |
| Manutenzione predittiva | Storico dei guasti, qualità e frequenza dei dati dei sensori. | Anticipo utile della segnalazione, falsi allarmi e anomalie intercettate. |
Come scegliere la configurazione AI Pod da verificare
Le risorse descritte trovano una configurazione iniziale negli AI Pod. Nell’offerta Zenita Group, Dell Technologies fornisce la piattaforma server PowerEdge e NVIDIA gli acceleratori GPU, mentre Zenita progetta l’architettura e integra questi componenti con archiviazione, rete e strumenti di gestione. Le cinque taglie disponibili, da XS a XL, offrono riferimenti da personalizzare in funzione dei requisiti e dei risultati delle prove.
Le configurazioni più contenute sono proposte per elaborazioni locali, analisi video e modelli specialistici, mentre quelle intermedie si rivolgono ad assistenti interni e ricerca documentale e le maggiori ad archivi complessi, più modelli contemporanei e simulazioni. La scelta richiede comunque di misurare il carico effettivo dell’applicazione.
Zenita affianca alla configurazione un percorso che comprende un workshop sui requisiti, il dimensionamento, la progettazione, la prova sul caso d’uso e il passaggio in produzione. L’intervento include la valutazione dei modelli, l’installazione del software necessario e il supporto sistemistico continuativo.
«La taglia iniziale deve permettere di verificare il progetto nelle condizioni in cui verrà utilizzato, perciò ragioniamo fin dal pilota su accessi, aggiornamento delle fonti, carichi simultanei e gestione operativa. Quando il servizio cresce, dobbiamo sapere quali risorse aumentare e perché. L’obiettivo è dare all’azienda elementi concreti per decidere se estendere l’applicazione, correggerla o fermarsi», afferma Pasquale Anobile, head of digital engineering sales specialist di Zenita Group.
Verificare prestazioni costi e gestione prima di estendere il servizio
La prova deve includere condizioni rappresentative dell’impiego previsto, che per un assistente documentale comprendono anche domande difficili, fonti incomplete e utenti con autorizzazioni diverse. Per l’analisi video occorre lavorare nelle condizioni ambientali del sito, verificando in entrambi i casi come cambiano qualità e tempi di risposta quando aumentano le richieste.
I risultati tecnici vanno letti insieme ai costi, confrontando infrastruttura interna, servizi cloud e soluzioni ibride sullo stesso periodo e a parità di livello di servizio. Al calcolo si aggiungono archiviazione, licenze, trasferimento dei dati e gestione, mentre per i sistemi interni incidono anche energia, raffreddamento e competenze operative. Occorre inoltre definire chi aggiornerà il servizio e come verrà ripristinato in caso di interruzione.
L’azienda può così valutare l’estensione del progetto sulla base di prestazioni misurate, benefici osservati e costi di gestione stimati. Gli AI Pod forniscono la configurazione da mettere alla prova e il pilota deve dare gli elementi per approvare l’investimento e indicare quali risorse aggiungere quando il servizio cresce.
Approfondisci gli AI Pod di Zenita Group e richiedi un confronto sul tuo caso d’uso.
Articolo realizzato in collaborazione con Zenita Group
Partecipa alla community