Come sceglie un'azienda svizzera il modello IA e il vendor giusti?

La scelta del modello è una decisione di business, non un dettaglio tecnico

La domanda «quale modello IA scelgo?» viene spesso trattata come un confronto di classifica: vince il modello con il benchmark più alto. Per le PMI svizzere è fuorviante. Un modello che brilla nei test sintetici può fallire sul caso d'uso reale, violare la protezione dati o costare molto di più in esercizio. La scelta tocca insieme diritto, costi, architettura IT e rischio.

Una decisione solida parte quindi non dal modello ma dal caso d'uso: cosa deve fare concretamente l'IA, con quali dati, per chi, con quale tolleranza all'errore? Solo così si possono pesare i criteri e confrontare i vendor. Questa guida descrive un framework ripetibile invece di un consiglio effimero già superato in pochi mesi.

I cinque criteri fondamentali in sintesi

• Capacità: il modello risolve in modo affidabile il compito reale – lingua, dominio, lunghezza di contesto, uso di strumenti, visione, multilingue DE/FR/IT/EN?
• Ubicazione e sovranità dei dati: dove vengono trattati e archiviati i dati, chi vi accede, si addestra sui vostri input, esiste hosting svizzero o UE?
• Modello di costo e TCO: prezzi a token, sconti a volume, costi fissi per il self-hosting e costi nascosti per integrazione, monitoraggio e manutenzione.
• Integrazione ed esercizio: stabilità delle API, SDK, latenza, disponibilità/SLA, versioning del modello e maturità dell'ecosistema.
• Compliance e governance: revLPD, EU AI Act (extraterritoriale), norme di settore (es. requisiti FINMA), contratto di trattamento dati, auditabilità e capacità di uscita.

Capacità: il modello è adatto al compito?

I benchmark pubblici misurano capacità generali, non il vostro caso d'uso. L'idoneità diventa significativa solo con una piccola suite di valutazione propria: da 30 a 100 esempi rappresentativi del vostro lavoro con i risultati attesi. Così confrontate i candidati in condizioni identiche e scoprite debolezze che le classifiche nascondono – ad esempio su terminologia svizzera, dialetti o lessico di settore.

Verificate anche i parametri di contorno: lunghezza di contesto necessaria (contratti o dossier lunghi?), multimodalità (immagini, PDF, audio), chiamate a strumenti per l'automazione, requisiti di latenza e copertura nelle quattro lingue nazionali. Spesso un modello medio più economico con retrieval (RAG) pulito e buoni prompt batte l'ammiraglia più costosa.

Ubicazione e sovranità dei dati: il nodo svizzero

Per le aziende svizzere la questione dati pesa spesso più della pura prestazione. Quattro punti sono centrali: dove vengono trattati e archiviati i dati? I vostri input servono ad addestrare il modello (di norma disattivabile nei piani business)? Chi può accedervi legalmente? Ed esiste un contratto di trattamento secondo la revLPD? Per dati personali o segreti aziendali queste risposte sono un prerequisito, non un extra.

La revLPD non impone rigorosamente l'hosting in Svizzera, ma richiede protezione adeguata e trasparenza per i trasferimenti all'estero. Molti grandi vendor offrono ormai regioni di calcolo nell'UE o in Svizzera; per dati molto sensibili (sanità, finanza, settore pubblico) l'hosting UE/CH o un modello open-weight gestito internamente può essere la soluzione più pulita. Opzioni sovrane svizzere ed europee come il modello aperto Apertus di ETH Zurigo ed EPFL ampliano la scelta oltre i fornitori USA.

Modello di costo e total cost of ownership

Il prezzo a token visibile è solo una parte del conto. Confrontate il costo reale di gestione (TCO) su un volume realistico: token in/out, dimensione del contesto, ripetizioni dovute a chiarimenti, sconti di caching e opzioni batch. Un prezzo base basso può risultare più caro, per prompt lunghi o molte iterazioni, di un modello apparentemente più costoso che risolve al primo tentativo. I prezzi cambiano spesso – consultate sempre il listino aggiornato del fornitore.

Con il self-hosting la logica si inverte: al posto dei prezzi variabili a token ci sono costi fissi per infrastruttura GPU, esercizio e competenze. Conviene a volumi alti e costanti o quando la sovranità dei dati è decisiva. Considerate anche i costi indiretti: integrazione, lavoro su prompt e valutazione, monitoraggio, aggiornamenti dei modelli e formazione del personale.

Integrazione, esercizio, compliance e uscita

Un modello vale quanto la sua integrazione. Verificate stabilità e retrocompatibilità delle API, SDK disponibili, latenza e throughput, disponibilità documentata (SLA) e maturità dell'ecosistema (librerie, community, supporto). Conta anche la politica di versioning: quando le vecchie versioni vengono dismesse dovete rivalutare – pianificate da subito questo ciclo di manutenzione.

Sul fronte compliance servono un contratto di trattamento secondo la revLPD, trasparenza su sub-responsabili e trasferimenti all'estero e una classificazione ai sensi dell'EU AI Act. L'EU AI Act è extraterritoriale: può riguardare fornitori svizzeri i cui sistemi sono usati nell'UE o i cui risultati vi sono impiegati. Nei settori regolati si aggiungono requisiti FINMA o segreti professionali. Infine evitate il vendor lock-in: preferite standard aperti, prompt portabili e un'architettura che renda fattibile il cambio di fornitore.

La scorecard: pesare e decidere

Traducete i cinque criteri in una semplice scorecard. Pesate ogni criterio in base all'importanza per il vostro caso d'uso (totale 100%), valutate ogni candidato su una scala da 1 a 5 e moltiplicate. Così la decisione diventa trasparente, difendibile e auditabile – e ripetibile a ogni aggiornamento del modello.

• Esempio di pesi (da adattare!): compliance 25%, ubicazione dati 25%, capacità 20%, costi/TCO 15%, integrazione 15% – per dati fortemente regolati.
• Pilota prima di scalare: testate i due migliori candidati in un pilota circoscritto con dati reali prima di decidere.
• Non vincolatevi per sempre: mantenete l'architettura sostituibile; il panorama dei modelli cambia in mesi, non anni.