La guerra in Iran è anche un banco di prova per l’intelligenza artificiale. Ne è un esempio il software Claude, sviluppato da Anthropic, che è stato utilizzato dal sistema militare americano per analizzare enormi quantità di dati e suggerire obiettivi durante le operazioni. Prendiamo questo episodio come punto di partenza per spiegare che cos’è davvero Anthropic, come funziona il suo software e perché il Pentagono ha chiesto di usarlo senza limitazioni. Una richiesta che l’azienda ha rifiutato, aprendo uno scontro che dice molto sul futuro dell’intelligenza artificiale nelle organizzazioni complesse, dalle forze armate alle imprese.

Nelle imprese l’intelligenza artificiale sta passando dalla fase sperimentale a quella operativa. Non più soltanto assistenti digitali per scrivere testi o sintetizzare informazioni, ma strumenti integrati nei processi aziendali: analizzano grandi volumi di dati, interrogano archivi documentali, dialogano con ERP e CRM, supportano la preparazione di offerte commerciali o l’analisi finanziaria. In alcuni casi possono persino avviare azioni automatiche all’interno dei sistemi informativi.

Alla base di questa trasformazione ci sono i Large Language Model (LLM), modelli di intelligenza artificiale addestrati su enormi quantità di dati testuali e sempre più utilizzati in ambito enterprise. Tra i protagonisti di questo mercato emergente c’è Anthropic, società statunitense fondata nel 2021 da ex ricercatori di OpenAI e sviluppatrice della famiglia di modelli Claude, progettata per applicazioni professionali e aziendali.

L’obiettivo di questi sistemi non è soltanto generare testo. I modelli più avanzati sono pensati per analizzare grandi basi documentali, sintetizzare report complessi, supportare il processo decisionale e integrarsi con gli strumenti software utilizzati nelle organizzazioni. Quando collegati a database interni, manuali tecnici o sistemi gestionali, possono diventare veri e propri assistenti operativi per funzioni come acquisti, manutenzione, qualità o controllo di gestione. Proprio per questa capacità di entrare nei flussi decisionali, gli LLM stanno evolvendo verso una nuova architettura: gli agenti AI. Non più sistemi che rispondono a una domanda e si fermano lì, ma software in grado di pianificare attività, interrogare più fonti di dati, eseguire operazioni e verificare autonomamente i risultati.

Gli scenari industriali

Le industrie stanno iniziando a capire come applicare l’intelligenza artificiale in modo concreto. Questi sono solo alcuni esempi:

Analisi della catena di approvvigionamento: gli LLM sono utilizzati per analizzare la logistica e prevedere interruzioni.
Gestione del servizio clienti: i modelli vengono integrati in chatbot e sistemi di supporto per accelerare la risposta.
Supporto nella produzione: i modelli forniscono consulenza operativa in tempo reale sugli impianti di produzione.
Sicurezza informatica: i sistemi analizzano log di sistema per individuare anomali o potenziali minacce.

Questi scenari non sono sperimentali in senso ristretto: sono ormai parte di sistemi operativi che aziende si aspettano di mantenere in funzione quotidianamente.

Gli attori del mercato

Nel mercato globale degli LLM si contrappongono diverse aziende che costruiscono modelli e infrastrutture. Alcuni sono sviluppati inhouse, altri vengono offerti come servizio. Tra i principali player, troviamo:

Anthropic: fondata nel 2021 da ex dipendenti OpenAI, sviluppa la serie Claude.
OpenAI: celebre per GPT, con una forte collaborazione con Microsoft.
Google: ha lanciato il modello Gemini con il suo sistema integrato di intelligenza artificiale.
Microsoft: offre una serie di modelli AI su Azure, integrati con applicazioni enterprise.
Meta: sviluppa serie di LLM come Llama e lancia strumenti open-source.

Queste aziende competono non solo per il mercato tecnologico ma anche per posizionarsi come infrastrutture di base per il futuro dell’industria digitale.

Il caso Pentagono: un principio che vale per tutte le imprese

Nel luglio 2025, Anthropic firmava un contratto da 200 milioni di dollari con il Dipartimento della Difesa americano: il primo accordo tra un provider di AI e le reti operative classificate militari. L’accordo, però, si è rivelato controverso: il Pentagono chiedeva di poter utilizzare il modello senza alcun vincolo sull’utilizzo e sull’autonomia decisionale. Anthropic ha rifiutato. Questa divergenza ha messo in luce le complessità etiche, legali e operative che accompagnano l’uso dell’intelligenza artificiale in contesti sensibili.

Nel settore industriale una questione simile può emergere ogni volta che si integra il modello direttamente nel sistema decisionale interno. La gestione dei permessi, della capacità di intervento e del livello di supervisione devono essere chiare: non è un modello da lasciare a interagire autonomamente con un database interno.

La governance dell’intelligenza artificiale

Il tema non è soltanto tecnologico ma di controllo: quando si abilita un modello a supportare decisioni complesse, non si deve sottomettere il controllo umano. Le principali aziende impegnate in AI sono oggi impegnate in iniziative per sviluppare strumenti di governance, tra cui:

Determinare limiti legali chiari per l’uso di modelli.
Costruire strumenti di tracciabilità per capire chi ha effettuato un’azione con una AI.
Progettare sistemi di auditing per modelli complessi.

Queste iniziative non mirano tanto a fermare le applicazioni di AI, quanto a garantire che siano gestibili e controllabili, soprattutto nel lungo termine.

Quali modelli scegliere per le imprese?

Quali modelli sono adatti per il contesto industriale? Scegliere il prodotto giusto dipende da diversi parametri:

Dimensione del sistema: alcune imprese preferiscono modelli locali per proteggere i dati, altre si affidano a modelli cloud.
Capacità di personalizzazione: modelli come Claude o Gemini permettono di addestrare nuovi dataset interni.
Ecostanza: in alcune industrie è cruciale utilizzare modelli con basso consumo energetico.

Il mercato offre oggi strumenti diversificati. Le imprese non devono soltanto adottare AI: devono saper scegliere, adattare e controllare i modelli che integrano nei processi aziendali.

Un futuro sempre più connesso

Il mercato degli LLM sta passando rapidamente da una fase esplorativa a un insediamento operativo. Le azi