Prima di scegliere un modello AI, una PMI dovrebbe rispondere a una domanda più noiosa ma più decisiva: dove gira? IaaS, PaaS e SaaS sembrano sigle da slide di un corso di cloud computing, ma per un'intelligenza artificiale che legge i tuoi contratti, le cartelle cliniche o i documenti commerciali sono la cosa che determina chi controlla i dati, quanto pagherai a regime e sotto quale giurisdizione finiscono le informazioni.
La risposta breve è questa: il modello di servizio non cambia cosa fa l'AI, cambia quanto ne resti padrone. IaaS ti lascia il controllo e l'onere di gestire tutto; SaaS ti toglie l'onere ma anche il controllo; PaaS sta nel mezzo. Per dati riservati la bilancia pende verso il controllo.
I tre modelli, in una riga
- IaaS (Infrastructure as a Service): affitti o possiedi le macchine — server, GPU, storage, rete — e ci installi sopra quello che vuoi. Massimo controllo, massima responsabilità.
- PaaS (Platform as a Service): qualcuno gestisce hardware e sistema operativo, tu ricevi una piattaforma pronta — per l'AI, ad esempio un Kubernetes gestito o un servizio di inferenza — e ci porti i tuoi modelli e dati.
- SaaS (Software as a Service): usi un software AI già pronto via browser o API. Non gestisci nulla, ma i dati che gli dai vivono sull'infrastruttura del fornitore.
ChatGPT Enterprise è SaaS. Un endpoint di inferenza gestito è PaaS. Una coppia di server GPU nel tuo rack è IaaS. Stesso obiettivo — far rispondere un modello — tre gradi di controllo diversi.
Cosa cambia quando ci metti l'AI
Con un gestionale tradizionale la scelta del modello di servizio è quasi solo una questione di costi e comodità. Con l'AI entrano in gioco tre variabili che spostano il peso della decisione.
- I dati che dai in pasto al modello. Un'AI utile lavora sui tuoi documenti interni. Nel SaaS quei documenti escono dal tuo perimetro a ogni richiesta.
- Le GPU. L'inferenza seria richiede acceleratori. Chi li possiede e dove stanno fisicamente è una scelta di costo e di sovranità, non un dettaglio.
- Il modello stesso. Con il SaaS usi il modello del fornitore e ne segui le condizioni; con IaaS o PaaS puoi far girare modelli open che controlli tu.
IaaS — controllo massimo, dato in casa
L'IaaS è la scelta di chi non vuole compromessi sul dato: i documenti non lasciano mai l'infrastruttura, i modelli sono open e ispezionabili, i costi sono prevedibili perché legati all'hardware e non al consumo. Il prezzo da pagare è la gestione — patching, backup, monitoraggio, sicurezza — che richiede competenze o un partner che la copra con un SLA.
È il modello giusto quando i dati sono sensibili, i volumi sono stabili e la compliance pesa: sanità, legale, finanza, PA.
PaaS — l'equilibrio per chi non vuole gestire i rack
Il PaaS toglie l'onere del ferro lasciando il controllo sul dato e sul modello. Un Kubernetes gestito in datacenter europeo, o una piattaforma di inferenza dedicata, ti permettono di portare i tuoi modelli e i tuoi documenti senza dover gestire hardware e sistemi operativi. È spesso il punto d'incontro più sensato per una PMI: sovranità del dato senza un reparto IT infrastrutturale.
SaaS — velocità, ma i dati escono
Il SaaS AI è imbattibile per partire in un pomeriggio: niente da installare, niente da gestire. Il limite è strutturale, non tecnico: i dati che dai al servizio vivono sull'infrastruttura del fornitore, spesso fuori dall'Unione Europea, sotto normative come il Cloud Act statunitense. Per un blog aziendale o una bozza di email va benissimo. Per i verbali del consiglio o le cartelle dei pazienti, è una scelta che andrebbe messa a verbale, non data per scontata.
Come scegliere, da PMI
Quattro domande, in ordine di importanza:
- I dati sono sensibili o regolati? Se sì, escludi il SaaS pubblico e ragiona su IaaS/PaaS sovrano.
- I volumi sono stabili? Volumi alti e prevedibili premiano l'infrastruttura dedicata (costo fisso) rispetto al consumo SaaS che cresce.
- Hai competenze IT interne? Se no, il PaaS gestito o un private cloud con SLA ti danno il controllo senza l'onere.
- Quanto ti costa il lock-in? Modelli e API proprietarie SaaS sono comode finché non devi cambiare. Lo stack open su IaaS/PaaS è portabile.
Dove ci mettiamo noi
Celeris, Nexus, Automata, Vigil e gli altri prodotti TuxWeb girano su un private cloud sovrano in datacenter europei: IaaS e PaaS gestiti, con i dati che non lasciano l'UE e modelli open che restano sotto il controllo del cliente. Non perché il cloud pubblico sia il male, ma perché per l'AI che lavora su dati riservati la domanda "dove gira?" merita una risposta che puoi mettere nero su bianco. Se vuoi capire quale modello ha senso per il tuo caso, parliamone.
FAQ
Qual è la differenza tra IaaS, PaaS e SaaS per l'AI?
IaaS ti dà macchine e GPU da gestire (massimo controllo), PaaS una piattaforma gestita su cui far girare i modelli (equilibrio), SaaS un servizio AI pronto all'uso ma con i dati sull'infrastruttura del fornitore.
Qual è il modello migliore per una PMI che tratta dati riservati?
Quando i dati sono sensibili conviene IaaS o PaaS in private cloud sovrano: il SaaS pubblico è rapido ma manda i documenti fuori dal tuo perimetro e spesso fuori dall'UE.
Il SaaS AI è sempre da evitare?
No. Per prototipi, volumi bassi o dati non sensibili il SaaS resta la scelta più veloce ed economica. Diventa un problema quando l'AI lavora su dati riservati o soggetti a vincoli di compliance.
