La stretta arriva via email interna: SAP ha deciso di bloccare la maggior parte delle nuove assunzioni e di sospendere i viaggi non essenziali. L’obiettivo dichiarato è liberare capitale da investire nell’intelligenza artificiale, terreno sul quale l’azienda di Walldorf vuole accelerare per non farsi scavalcare da competitor cloud-native e startup specializzate. La conferma è arrivata anche a The Register dopo che Bloomberg ha letto la comunicazione riservata.

Per un’impresa da oltre 300.000 clienti nel mondo e un fatturato superiore a 30 miliardi di euro, una spending review di questa portata non è un dettaglio. Segnala che il passaggio dall’ERP tradizionale alle piattaforme intelligenti non è più un esercizio di marketing: è una priorità finanziaria. E pone una domanda inevitabile: dove andranno questi soldi?

La leva dell’AI integrata nei processi

SAP non parte da zero. L’azienda ha già annunciato Joule, un copilota basato su Large Language Models integrato nella suite cloud, e collaborazioni con fornitori di modelli e infrastruttura. Ma il cambio di passo suggerito dal congelamento delle assunzioni indica che la direzione intende muovere risorse ingenti verso ricerca, sviluppo e infrastruttura di training e inference, con ogni probabilità su scala ibrida.

Chi conosce il portafoglio SAP sa che la base installata è in gran parte ancora legata a implementazioni on-premise o private cloud, spesso per motivi di compliance e controllo dei dati. In mercati come quello europeo, le aziende manifatturiere, energetiche e finanziarie che operano su SAP raramente possono spostare carichi sensibili su cloud pubblico senza garanzie granulari. Un’accelerazione sull’AI rischia quindi di scontrarsi con i vincoli di residenza del dato: far girare modelli di linguaggio dentro i confini aziendali richiede hardware dedicato e stack ottimizzati, non semplici API cloud.

Cosa significa per chi valuta deployment on-premise

La mossa di SAP non è una dichiarazione tecnica, ma finanziaria. Tuttavia obbliga i decision maker IT a leggere tra le righe: se il più grande editore software europeo mette l’AI al centro, servono architetture capaci di assorbire carichi di inference senza cedere sovranità. Self-hosted LLM, quantization spinta per contenere la VRAM, pipeline di fine-tuning eseguite su server di proprietà e framework di orchestrazione leggeri diventano argomenti di discussione reali nei comitati tecnici delle aziende.

Su AI-RADAR, il tema del Total Cost of Ownership per deployment on-premise è affrontato con strumenti di analisi che confrontano le opzioni: dalle GPU consumer adattate ai workload aziendali fino ai nodi multi-GPU con NVLink, passando per soluzioni air-gapped che garantiscono l’isolamento dei dati. Non si tratta di suggerire una via universale, ma di fornire mappe per orientarsi in decisioni dove la libertà architetturale è il vero asset.

SAP non ha ancora dettagliato come allocherà il budget risparmiato. Ma l’intensità del segnale è chiara: l’AI non è un esperimento laterale, e le aziende che la interpreteranno solo come servizio a consumo potrebbero trovarsi in ritardo quando i costi di inference su larga scala e le politiche di compliance diventeranno insostenibili. Il congelamento delle assunzioni è solo la superficie di una partita che riguarda la progettazione profonda delle infrastrutture dei prossimi dieci anni.