I direttori finanziari non sono noti per l’entusiasmo immotivato. Per questo il dato emerso dall’ultimo Deloitte UK CFO Survey è più di una curiosità statistica: il 73% degli intervistati — dirigenti delle maggiori imprese britanniche — dichiara oggi di essere ottimista sul fatto che l’intelligenza artificiale migliorerà le performance aziendali. Appena due anni fa la percentuale era ferma al 39%, a fine 2025 si era già impennata al 59%, e ora continua a crescere. Non si tratta di una fiammata effimera, ma di un cambiamento strutturale nell’atteggiamento verso l’AI in uno dei settori più regolamentati e guardinghi dell’economia.

Chiunque abbia lavorato con dipartimenti finanziari sa che l’ottimismo non si traduce automaticamente in assegni in bianco. Il titolo originale del rapporto — «keeping spending in check» — è rivelatore: l’apertura all’AI convive con una disciplina di spesa ferrea. E qui si inserisce il punto che interessa direttamente il nostro osservatorio: quando i CFO della finanza britannica diventano più fiduciosi, ma continuano a tenere i cordoni della borsa ben stretti, quale tipo di infrastruttura AI prenderà forma?

La risposta, come molti analisti stanno cominciando a comprendere, non è automaticamente «cloud pubblico illimitato». La finanza opera sotto vincoli normativi stringenti (GDPR, regolamentazioni finanziarie locali, requisiti di audit e di residenza dei dati). Le architetture self-hosted, o quantomeno ibride con componenti on-premise, diventano la via naturale per coniugare l’adozione di Large Language Models e altri strumenti di analytics avanzato con il controllo necessario. Non si tratta più di scelta tecnicica astratta: è una leva di conformità e di gestione del rischio reputazionale.

Il paradosso della spesa: investire meno, investire meglio

L’apparente contraddizione tra entusiasmo e prudenza si risolve osservando il Total Cost of Ownership dei carichi AI. Il deployment on-premise, specie quando dimensionato su scala enterprise, può trasformare i costi operativi ricorrenti del cloud in investimenti patrimoniali ammortizzabili. Non è una dinamica nuova per i CFO, abituati a ragionare in termini di CapEx contro OpEx. Ciò che cambia è la maturità dell’ecosistema: oggi framework di inference come vLLM e TGI, combinate con tecniche di quantization che permettono di eseguire modelli performanti su hardware meno esoterico, abbassano la soglia d’ingresso dell’on-premise. Le GPU di ultima generazione non sono più l’unica strada; le soluzioni basate su CPU con acceleratori o su sistemi modulari stanno allargando il parco di opzioni concretamente valutabili in sede di budget.

C’è poi un terzo ordine di conseguenze, più sottile. L’ottimismo misurato dei CFO segnala che l’AI sta uscendo dalla fase sperimentale per diventare strumento integrato nei processi decisionali e di reporting. Quando un modello linguistico viene usato per analizzare documenti finanziari riservati, o per supportare previsioni di tesoreria, il tema della sovranità dei dati non è più rinviabile. È il momento in cui i dirigenti finanziari, tradizionalmente conservatori, iniziano a pretendere che i dati sensibili restino dentro il perimetro aziendale, non per ideologia ma per calcolo pragmatico del rischio.

Questo spostamento non premia solo i grandi vendor di hardware o i system integrator. Sta creando spazio per una galassia di fornitori di stack software ottimizzati per ambienti self-hosted — dai framework di orchestrazione agli strumenti di monitoring, fino alle soluzioni di fine-tuning in locale che consentono di adattare modelli open source senza far uscire un solo token dall’organizzazione. E mentre il cloud resta inevitabile per picchi di carico o per sperimentazioni rapide, il baricentro delle implementazioni regolamentate si sposta visibilmente verso il controllo diretto dell’infrastruttura.

La cautela non è nemica dell’innovazione, anzi. Nel caso dei CFO britannici, è proprio la loro proverbiale prudenza a spingere verso modelli di adozione più sostenibili e governabili. Se il trend dovesse consolidarsi — e i numeri del sondaggio suggeriscono una direzione chiara — l’intero settore finanziario europeo potrebbe accelerare quella domanda di hardware per inference on-premise e di architetture ibride che già oggi è uno dei driver più sottovalutati del mercato AI. Non è eccitazione da hype: è calcolo economico, ed è per questo che va preso sul serio.