“Quando si discute di leadership tecnologica nell’ambito dell’hardware, la competizione è principalmente tra Stati Uniti e Cina. L’Europa, e in particolare l’Italia, difficilmente assumeranno un ruolo di guida nell’infrastruttura. Tuttavia, possiamo avere un ruolo significativo nello sviluppo di software quantistico e nella realizzazione di casi d’uso”. Alessandro La Volpe ha una visione chiara riguardo alla questione della sovranità tecnologica, particolarmente rilevante oggi a causa dell’ascesa della Cina e dei continui attacchi all’Europa da parte del presidente degli Stati Uniti, Donald Trump.
Dopo una lunga esperienza in Ibm – sia in Italia che all’estero – La Volpe è diventato amministratore delegato per l’Italia nel luglio del 2024.
Attualmente, tra le numerose sfide che lo attendono, c’è quella di avviare il business del quantum computing, una delle due frontiere, insieme all’intelligenza artificiale, su cui molte aziende del settore informatico stanno competendo.
Iniziamo a parlare del quantum computing. A che punto siamo?
“Siamo ancora in una fase pionieristica. Non si tratta di una tecnologia già diffusa per applicazioni commerciali su larga scala, ma non è neppure più una mera promessa teorica. La tecnologia ha fatto progressi rispetto all’impiego attuale. Ci sono due date fondamentali. La prima è il 2026: il mercato e il mondo della ricerca si aspettano che per la prima volta il quantum dimostri un vantaggio tangibile rispetto alla computazione tradizionale su problemi concreti. Non si tratta di un annuncio aziendale, ma di un’aspettativa condivisa tra gli esperti del settore”.
E la seconda data?
“È il 2029. Questa è la più significativa: è l’anno in cui ci aspettiamo sistemi fault tolerant, ovvero privi di errori. Attualmente, il principale ostacolo è il rumore di fondo nel calcolo quantistico. Quando raggiungeremo un calcolo stabile e affidabile, allora potremo parlare di vera maturità commerciale”.
Qual è la situazione in Europa?
“Esistono già due centri di dati quantistici operativi, parzialmente basati su tecnologia Ibm: uno in Germania e uno nei Paesi Baschi, a San Sebastián. Non si tratta di progetti annunciati: sono già attivi. Stiamo parlando di macchine con oltre 100–150 qubit. Questo è rilevante, poiché in Italia si sente parlare di prototipi con pochi qubit. Si tratta di ordini di grandezza completamente diversi”.
L’Italia è quindi in ritardo?
“Oggi, paradossalmente, uno dei Paesi con il maggior numero di persone collegate alla rete quantistica per attività di ricerca è l’Italia. Non ci mancano le competenze. Tuttavia, ci manca la capacità di integrarle in un sistema”.
Quali vantaggi concreti offre il quantum rispetto alla computazione tradizionale?
“Il quantum non sostituirà la computazione classica. Opererà in parallelo. Tuttavia, permette di affrontare problemi che con i computer tradizionali richiederebbero tempi di calcolo irragionevoli. Penso alla simulazione molecolare per nuovi farmaci, ai materiali avanzati, alla modellazione del rischio finanziario, alla crittografia e alla meteorologia complessa. In questi settori, la quantità di calcolo necessaria è enorme. Il quantum modifica proprio il modo in cui si affronta il problema”.
Ha affermato che il 2029 sarà l’anno in cui il quantum raggiungerà una maturità commerciale. L’IA è senza dubbio più avanzata. Ma ci troviamo di fronte a un possibile scoppio di una bolla, come alcuni prevedono, o a una tecnologia solida?
“L’IA è già una realtà. Tuttavia, è necessario distinguere tra hype e trasformazione reale. Secondo una ricerca di McKinsey & Company, circa l’80% delle aziende intervistate lo scorso anno ha dichiarato di non aver ancora ottenuto benefici concreti dall’IA generativa. Molte imprese sono rimaste nella fase dei prototipi. La differenza la fa quindi l’approccio. Se l’IA è integrata in un disegno strategico e nei processi aziendali, allora genera valore. Se è solo una sperimentazione isolata, rimane solo rumore”.
Qual è il vero nodo per passare dalla sperimentazione all’adozione?
“I dati. Gli LLM sono stati addestrati quasi esclusivamente su dati pubblici. Tuttavia, meno dell’1% dei dati aziendali privati è stato utilizzato nell’addestramento. Se un’azienda non utilizza i propri dati per costruire modelli specifici, non avrà mai un vantaggio competitivo”.
I commenti sono chiusi.