Il 10 ottobre, Satya Nadella ha pubblicato un saggio che ha ridefinito la domanda che le aziende si pongono sull'IA. La vecchia domanda era: "di quale modello possiamo fidarci?". La sua risposta: di nessuno, per impostazione predefinita. Tratta ogni modello frontier, chiuso o open-weight, come tratteresti un dipendente con ampi poteri e accesso a sistemi sensibili: privilegi limitati, azioni registrate, un interruttore di spegnimento e audit che non si basino sulla parola del dipendente stesso.
Ha concluso con una frase facile da ripetere ma difficile da implementare: il sistema più affidabile è quello che "ci permette di fidarci il meno possibile del modello."
La mia tesi in questo articolo è più circoscritta rispetto ai titoli dei giornali e, credo, più difficile da smontare:
- Microsoft non sta vincendo la corsa all'IA aziendale perché ha il modello migliore. Sta vincendo perché possiede il luogo in cui i modelli vengono governati, fatturati e contenuti, e i numeri del segmento enterprise (oltre 30 milioni di licenze Copilot a pagamento, 100 miliardi di dollari di ricavi da Azure) lo dimostrano.
- I modelli open-weight su Azure contano, ma non perché siano più affidabili. Contano perché danno a chi li implementa il controllo, ed è esattamente lì che Nadella ha spostato l'onere della fiducia.
- L'unica cosa che chi implementa non può credibilmente garantire a se stesso è la verifica indipendente. Questo è il vuoto, ed è qui che si inserisce un'azienda di testing come la nostra.
Una precisazione iniziale: sono co-fondatore di TestMu AI (ex LambdaTest). Leggi l'ultimo terzo di questo saggio tenendolo a mente. Ho cercato di rendere verificabile ogni affermazione e le fonti sono in fondo.
Microsoft sta perdendo la corsa sui modelli, ma vince comunque nel mondo enterprise
"Microsoft sta vincendo nell'IA aziendale" è l'affermazione più facile da contestare, quindi richiede un significato preciso. In termini di quota di mercato dei modelli, Microsoft non è leader. Ma lo è per quanto riguarda dove l'IA aziendale viene effettivamente eseguita.
Cosa viene misurato
Lo schema è chiaro. Le aziende acquistano modelli dai laboratori, ma li implementano all'interno dell'ecosistema Microsoft. Il sondaggio CIO di a16z ha rilevato che OpenAI è in testa sui modelli, mentre Microsoft domina le applicazioni di IA aziendale.
Microsoft ha anche smesso di puntare tutto su un unico laboratorio. Claude di Anthropic è diventato generalmente disponibile in Microsoft Foundry il 29 giugno 2026, fatturato tramite Azure e governato con i controlli di identità e accesso di Azure. Il catalogo Foundry ora include modelli di OpenAI, Anthropic, Meta, Mistral, DeepSeek, xAI, Cohere e altri.
Quindi la versione precisa della tesi è questa: Microsoft sta diventando il piano di controllo per l'IA aziendale, lo strato che decide quale modello viene eseguito, con quali permessi, su quali dati e sotto quali log. È proprio di questo strato che parla il saggio di Nadella.
Il tabellone dei punteggi enterprise
Se il controllo dello strato enterprise è il premio, i risultati fiscali 2026 di Microsoft mostrano che lo sta incassando. Per l'anno terminato a giugno 2026, Azure ha generato 100 miliardi di dollari di ricavi annuali ed è cresciuto del 43% nel trimestre di giugno, con una guidance di crescita di circa il 45% per il trimestre di settembre (Microsoft 8-K; MarketBeat). Le obbligazioni residue di performance commerciali (commercial remaining performance obligations), ovvero il portafoglio ordini firmato ma non ancora contabilizzato, sono aumentate dell'84% fino a 678 miliardi di dollari (riepilogo KuCoin del comunicato).
I numeri di Copilot sono ancora più importanti per questa argomentazione, perché misurano le aziende che mettono l'IA davanti alla propria forza lavoro:
Le implementazioni dichiarate riguardano esattamente i settori in cui la fiducia è più difficile da conquistare: NHS England sta estendendo Copilot a 505.000 medici e dipendenti, KPMG a oltre 276.000 professionisti e HSBC si è impegnata per 200.000 licenze (UC Today). Accenture lo sta distribuendo a circa 743.000 dipendenti, quella che Nadella ha definito la più grande vittoria di Copilot per Microsoft (Let's Data Science). Bayer, Johnson & Johnson, Mercedes-Benz e Roche gestiscono ciascuna oltre 90.000 licenze.
Il dettaglio più rivelatore è come Microsoft sta confezionando tutto questo. La sua nuova suite E7 raggruppa Copilot con la sicurezza E5, l'identità Entra e Agent 365, lo strato per la gestione degli agenti. Centinaia di aziende l'hanno acquistata nei primi due mesi e EY la sta distribuendo a 400.000 dipendenti (UC Today). Microsoft non vende più l'IA da sola. Vende l'IA insieme all'identità, ai permessi e alla governance che la circondano, il che trasforma il saggio di Nadella in uno SKU.
Un'avvertenza: 30 milioni di licenze rappresentano ancora solo circa il 6,6% delle licenze commerciali a pagamento di Microsoft 365 (No Jitter), e parte del portafoglio ordini viene impegnata prima dell'effettiva implementazione. Il vantaggio è reale; il mercato è ancora agli inizi. Questo è un motivo in più per costruire ora lo strato di fiducia, mentre la base installata si sta ancora attivando.
Cosa ha detto davvero Nadella
Il saggio, "Modelli come rischi interni nell'era della Super Intelligenza", parte da un'ammissione. Con il software tradizionale, gli ingegneri possono far risalire un comportamento a un percorso di codice. Con i modelli frontier, nessuno può collegare un output a specifici dati di addestramento o pesi, eppure le aziende affidano a questi sistemi dati sensibili e azioni mission-critical. Le rassicurazioni di un fornitore, ha scritto, non eliminano la responsabilità di chi implementa (TNW).
La sua soluzione è prendere in prestito i controlli sul rischio interno (insider risk) che i team di sicurezza già utilizzano: identità verificata, privilegio minimo, logging, contenimento. I controlli sono esterni al modello. Nelle sue parole, le aziende devono "separare la fornitura di intelligenza dall'autorità su di essa."
I sette principi, come riassunti da TNW:
- Diversità dei modelli. Nessun singolo modello è l'unica dipendenza per un risultato importante e nessun modello controlla il proprio lavoro.
- Prove. Ogni azione significativa del modello lascia prove a prova di manomissione e leggibili dall'uomo.
- Testing continuo del sistema. Testare tutti i sistemi in modo continuo, anche contro guasti e attacchi.
- Autorità definita da chi implementa. È l'azienda, non il modello, a decidere a cosa il modello può accedere e cosa può fare.
- Audit indipendente. Gli audit non devono dipendere dal modello esaminato.
- Contenimento. Una persona autorizzata può mettere in pausa o fermare un modello durante un'attività.
- Divulgazione degli incidenti. Informare rapidamente le parti interessate e condividere le lezioni apprese in tutto il settore.
Due dettagli sono importanti per ciò che segue. Primo, l'impostazione si applica ugualmente ai modelli chiusi e open-weight (OfficeChai). Secondo, il saggio non ha annunciato alcun prodotto, standard o tempistica (FourWeekMBA). È una posizione, non un piano, il che lascia aperta l'implementazione.
Il saggio non è nato dal nulla. A luglio, OpenAI ha annunciato che alcuni agenti erano sfuggiti a una valutazione in sandbox violando i sistemi di Hugging Face. A settembre, un modello di ricerca di OpenAI ha raggiunto un chatbot esterno tramite DNS, e OpenAI ha sospeso l'addestramento e l'inferenza sull'uso degli strumenti per i suoi modelli più capaci (Bernama/dpa). Anche Anthropic ha rivelato che uno dei suoi modelli ha inviato una falsa segnalazione di omicidio alla polizia di Philadelphia durante i test (Benzinga). Si tratta di incidenti nei laboratori, non di violazioni aziendali, ma spiegano perché "fidati del fornitore" non è più una risposta accettabile.
Open-weight su Azure: controllo, non virtù
La versione popolare di questa argomentazione sostiene che i modelli open-weight siano più affidabili. Nadella stesso la smonta efficacemente nel suo pezzo: i pesi aperti rappresentano un rischio interno tanto quanto quelli chiusi. Pesi ispezionabili non rendono il comportamento tracciabile, che è esattamente il problema da lui evidenziato.
Ciò che i pesi aperti offrono davvero a un'azienda è il controllo sulle variabili che Nadella affida a chi implementa:
- Blocco della versione - Il modello che hai validato è il modello che viene eseguito. Nessuno lo aggiorna alle tue spalle.
- Posizione - Viene eseguito nella tua regione, nel tuo data center o in un sito disconnesso. Il Sovereign Private Cloud di Microsoft esegue Foundry Local su Azure Local, on-premise.
- Continuità - L'accesso non può essere revocato da un fornitore o da un governo dopo l'implementazione.
- Post-training mirato all'attività - Puoi restringere un modello allo specifico compito e testare quel comportamento più limitato.
Microsoft sta costruendo in questa direzione. A luglio ha firmato un accordo da miliardi di dollari con Mistral, portando il modello open-weight Mistral Medium 3.5 in Foundry e su Azure Local, includendo implementazioni completamente disconnesse. Il 9 ottobre ha rilasciato Microsoft-Decision-1, un modello di scoring sottoposto a post-training sul Qwen3.5-9B open-weight di Alibaba, costruito per il routing, i controlli di groundedness e la valutazione delle azioni proposte dagli agenti (Let's Data Science).
Ora le prove contrarie. L'uso aziendale dei modelli aperti è in calo, non in aumento: Menlo Ventures ha misurato i modelli aperti al 19% dei carichi di lavoro aziendali all'inizio del 2025 e al 13% a metà anno, citando un divario di prestazioni di nove-dodici mesi e la riluttanza a utilizzare modelli di origine cinese (Menlo Ventures). Un dato successivo di Menlo li collocava all'11% (compilazione Keenable).
Quindi "l'open-weight è il migliore per le aziende" è una generalizzazione errata. La posizione valida è un approccio di portafoglio: modelli frontier chiusi dove la capacità determina il risultato, modelli open-weight dove è il controllo a determinarlo (dati regolamentati, siti disconnessi, classificazione e verifica ad alto volume). Decision-1 è un indicatore utile. Microsoft ha scelto una base aperta per il modello il cui compito è controllare gli altri modelli, e ha dichiarato che successivamente baserà quel modello su MAI e sui modelli OpenAI (InfoWorld). La base è una scelta; il livello di controllo è il prodotto.
Il vantaggio di Azure è che offre entrambi sotto un unico sistema di identità, fatturazione e logging. È ciò di cui i principi di Nadella hanno bisogno: un unico luogo in cui far valere l'autorità su molti modelli.
Europa: le scadenze si sono spostate, la pressione no
Sarebbe facile esagerare la spinta normativa, quindi ecco cosa si applica realmente. Il Digital Omnibus dell'UE è entrato in vigore il 27 luglio 2026, posticipando di oltre un anno le scadenze per i sistemi ad alto rischio dell'AI Act (CASRAI).
Date secondo Gibson Dunn e Compliance Hub.
Ne derivano due conclusioni oneste. La normativa non sta forzando la mano a nessuno in questo trimestre. Ma i requisiti che farà rispettare da dicembre 2027 sono la gestione del rischio, la documentazione, il monitoraggio umano e la sorveglianza post-marketing. Costruirli richiede più di 14 mesi e assomigliano molto alla lista di Nadella.
Il motore europeo più forte è la continuità dell'accesso. Nel giugno 2026, i controlli sulle esportazioni statunitensi hanno spinto Anthropic a sospendere l'accesso a due dei suoi modelli più avanzati per circa tre settimane, fino alla revoca dei controlli (Anthropic). Un'analisi dell'accordo Microsoft-Mistral ha collegato direttamente la rinnovata spinta europea verso la sovranità a quella pausa (ResultSense). Gartner, come riportato da ai2.work, prevede una spesa IaaS per il cloud sovrano europeo di 12,6 miliardi di dollari nel 2026, in aumento dell'83%.
Anche il punto di vista opposto merita spazio. Germania e Danimarca hanno entrambe annunciato mosse per allontanarsi dal software Microsoft verso l'open source (UC Today), e resta una questione aperta se il cloud locale di un fornitore statunitense possa contare come vera sovranità. La posizione europea di Microsoft è forte, ma non consolidata.
Il pezzo che la piattaforma non può fornire: la verifica indipendente
Rileggi i sette principi e ordinali in base a chi può realizzarli. Identità, permessi, logging e freno di emergenza (principi 2, 4, 6) sono funzionalità della piattaforma. Microsoft può integrarle in Foundry ed Entra, e in gran parte lo ha già fatto.
Tre principi sono diversi. "Nessun modello controlla il proprio lavoro" (1), "testare continuamente interi sistemi" (3) e "gli audit non devono dipendere dal modello esaminato" (5) richiedono tutti una parte separata dalla cosa giudicata. Nadella stesso nota che usare i modelli per testarsi a vicenda ha dei limiti (OfficeChai).
Microsoft fornisce effettivamente strumenti di valutazione, e sono validi. Il tracing e le valutazioni di Foundry sono diventati generalmente disponibili questa primavera (blog di Microsoft Foundry), e il suo piano di controllo include red-teaming automatizzato (Azure Updates). Questo copre il controllo interno continuo. Non copre l'indipendenza, per un motivo strutturale: Microsoft ha un interesse commerciale in molti dei modelli che dovrebbe valutare. Detiene una partecipazione storica in OpenAI, ha impegnato fino a 5 miliardi di dollari in Anthropic (AI Business), investe in Mistral e ora rilascia i propri modelli.
Questa non è una critica a Microsoft. È la stessa logica che ogni settore regolamentato utilizza già. Un'azienda mantiene controlli interni e un revisore esterno certifica i conti. Un provider cloud gestisce la propria sicurezza e un'azienda indipendente emette il report SOC 2. Nessuno pensa che il cloud debba certificare se stesso; nessuno dovrebbe pensare che debba farlo il marketplace dei modelli.
La domanda è visibile nei dati:
- L'81% dei 685 CIO intervistati da Harris Poll ha dichiarato di aver perso il controllo sui propri agenti IA e il 60% non ha uno strato di governance centrale (Dataiku).
- Il sondaggio McKinsey del 2026 ha rilevato che due terzi delle organizzazioni sono nella fase di sperimentazione con gli agenti, ma meno di una su quattro li sta scalando, con fiducia e rischio come barriere principali (come riportato da NHI Mgmt Group).
- IDC descrive la mancanza di un audit trail come il vero vuoto di governance: in un sondaggio, la maggior parte delle organizzazioni non riusciva a verificare cosa facessero i propri agenti (IDC).
Aaron Levie, CEO di Box, ha risposto al saggio di Nadella affermando che l'IA sta entrando in un'era zero-trust che richiede protezione stratificata e auditabilità (Benzinga). Lo zero trust nella sicurezza ha generato un ecosistema di fornitori indipendenti attorno alle piattaforme. Lo stesso sta per accadere qui.
Dove si inseriscono TestMu AI e Microsoft
Ecco il bias che ho dichiarato, espresso chiaramente: credo che la verifica indipendente sia una categoria a sé, e TestMu AI dovrebbe essere una delle aziende che la definisce sullo stack di Microsoft.
La relazione non è ipotetica. La nostra piattaforma di orchestrazione dei test, HyperExecute, è stata costruita su Azure (storia del cliente Microsoft). Nel 2022 abbiamo rilasciato integrazioni con Azure DevOps e GitHub Actions e siamo stati partner in evidenza a Ignite (Help Net Security). Ciò che segue è come estenderei tutto questo allo strato di fiducia. È una proposta, non un accordo annunciato.
Concretamente, questo significa tre cose:
- Un release gate per gli agenti. Gli agenti creati in Foundry o Copilot Studio vengono sottoposti a test indipendenti in pre-produzione prima di ricevere i permessi per la produzione. Il nostro prodotto Agent Testing copre agenti chat, voce e IVR; il nostro lavoro agent-to-agent copre flussi in cui non c'è intervento umano.
- Prove che finiscono nel piano di controllo del cliente. I risultati confluiscono nell'osservabilità basata su OpenTelemetry di Foundry, che già acquisisce agenti di terze parti (Microsoft Tech Community). La piattaforma conserva il log; il verificatore firma il verdetto.
- Verifica eseguita dove viene eseguito il modello. Nel caso di implementazioni sovrane e disconnesse su Azure Local, il testing deve avvenire all'interno dello stesso perimetro, altrimenti le prove lasciano la stanza in cui il modello era stato chiuso.
Un'obiezione si applica direttamente a noi. Se usiamo agenti IA per testare agenti IA, non stiamo facendo esattamente ciò contro cui Nadella mette in guardia? In una certa misura sì, ed è per questo che il design conta. L'agente di test deve girare su un modello diverso dal sistema sotto test (principio 1). Il superamento/fallimento deve basarsi su controlli deterministici rispetto al comportamento atteso, con il modello usato per esplorare e generare casi, non per valutarsi da solo. E ogni verdetto deve essere leggibile da un revisore umano senza doversi fidare nemmeno del nostro modello.
Obiezioni e risposte
"Anthropic e OpenAI guidano l'IA aziendale, non Microsoft." Sulla quota dei modelli, è assolutamente vero e questo articolo concorda. Il punto riguarda il piano di controllo. Lo stesso Claude viene ora venduto tramite Foundry sulle fatture Azure (Redmond Mag). I fornitori di modelli e la piattaforma vincono su strati diversi.
"Il saggio di Nadella è marketing per Azure." Forse, ma rimane corretto nella sostanza. I team di sicurezza hanno già controlli sul rischio interno per le persone; estenderli ai modelli è ingegneria ordinaria. Nota che il saggio non nomina alcun prodotto Microsoft, quindi non può essere giudicato come un discorso di vendita in sé.
"I modelli open-weight stanno perdendo quota nel mercato enterprise, quindi è la scommessa sbagliata." I dati lo confermano, ed è per questo che l'argomentazione riguarda un portafoglio e il controllo, non la vittoria dei pesi aperti. Il segnale rilevante è Microsoft che costruisce il suo modello di controllo su una base aperta.
"La normativa è appena stata posticipata, quindi non c'è urgenza." Gli obblighi per l'alto rischio arrivano ora a dicembre 2027. Gli obblighi per i modelli general-purpose si applicano da agosto 2025. Sono i precedenti sugli incidenti, non il calendario legale, a guidare gli acquirenti. Il disegno di legge Kill Switch al Congresso punta nella stessa direzione (TNW).
"Microsoft costruirà semplicemente la verifica da sola." Costruirà la valutazione, e dovrebbe farlo. L'indipendenza non è una funzionalità che può aggiungere, per lo stesso motivo per cui un'azienda non può essere il proprio revisore esterno. Il risultato migliore per i clienti di Microsoft è una piattaforma che renda facile l'integrazione per verificatori indipendenti.
"Perché un'azienda di testing e non una società di revisione?" Le società di revisione controllano periodicamente i processi. Il principio 3 richiede di testare interi sistemi in modo continuo, anche durante guasti e attacchi. Questo è un lavoro tecnico continuo svolto su ogni rilascio. È ciò che l'infrastruttura di testing fa già per il software; ora l'obiettivo sono gli agenti.
Cosa dimostrerebbe che ho torto?
Una tesi degna di essere pubblicata dovrebbe indicare cosa potrebbe smentirla. Quattro elementi lo farebbero:
- Le aziende accettano la valutazione gestita dalla piattaforma come sufficiente. Se CIO e regolatori trattano le valutazioni interne di un fornitore come un audit, lo strato indipendente rimarrà piccolo.
- I laboratori risolvono l'interpretabilità fedele. Il ragionamento di Nadella si basa sull'impossibilità di tracciare il comportamento del modello. Se questo cambia, il contenimento conta meno e la verifica diventa più economica.
- Gli acquisti si spostano dallo strato della piattaforma. Se le aziende standardizzano end-to-end sullo stack di agenti di un singolo laboratorio, il piano di controllo passa da Microsoft a quel laboratorio.
- Sovranità significa abbandonare Microsoft. Se gli acquirenti europei concludono che il cloud locale di un fornitore USA non è abbastanza sovrano, il vantaggio europeo di Microsoft si riduce.
Nei prossimi 12 mesi osserverei tre segnali: se Microsoft standardizzerà le tecnologie di contenimento richieste da Nadella, se le linee guida UE sulla conformità ad alto rischio menzioneranno il testing di terze parti e se le aziende inizieranno a richiedere prove di verifica negli appalti per l'IA. Se tutti e tre si muoveranno, lo strato di fiducia diventerà un mercato.
Fonti
Il saggio di Nadella e le reazioni
- Satya Nadella su X: "Modelli come rischi interni nell'era della Super Intelligenza" (10 ott 2026)
- TNW: Satya Nadella afferma che le aziende dovrebbero trattare i modelli IA come rischi interni
- FourWeekMBA: Nadella dice di trattare i modelli IA frontier come rischi interni
- OfficeChai: I modelli IA devono essere trattati come insider potenti
- Benzinga: Nadella afferma che i sistemi IA dovrebbero essere costruiti per fidarsi il meno possibile del modello
- Let's Data Science: Nadella chiede controlli per il freno di emergenza dell'IA
Risultati enterprise di Microsoft
- Microsoft Form 8-K, comunicato sui risultati del Q4 FY2026 (29 luglio 2026)
- MarketBeat: i punti salienti della conference call di Microsoft sui risultati del Q4
- KuCoin: riepilogo dei risultati del Q4 di Microsoft (dato RPO)
- No Jitter: l'adozione di Microsoft 365 Copilot balza del 50% rispetto al trimestre precedente
- UC Today: Copilot supera i 30 milioni di licenze a pagamento; NHS, KPMG, HSBC, EY E7
- Enterprise DNA: Copilot raggiunge i 20 milioni di licenze a pagamento (dato Fortune 500)
- Let's Data Science: Accenture e clienti citati con 90.000 licenze
Dati di mercato
- a16z: leader, aziende in crescita e vincitori inattesi nella corsa agli armamenti dell'IA enterprise
- The Decoder: OpenAI è ancora in testa nell'IA enterprise, Anthropic recupera rapidamente
- SaaStr sui dati ETR: chi sta vincendo oggi nell'IA enterprise
- Carly: quote di mercato degli LLM nel 2026 (dati Menlo, Ramp, Microsoft)
- Menlo Ventures: aggiornamento di metà anno 2025 sul mercato degli LLM
- Keenable: adozione open-weight vs proprietaria 2022–2026
Piattaforma e modelli Microsoft
- Enterprise DNA: Claude GA in Microsoft Foundry
- Redmond Mag: Anthropic Claude diventa GA in Microsoft Foundry
- ADTmag: catalogo dei modelli di Foundry
- AI Business: Claude in Foundry; termini dell'investimento Microsoft–Nvidia–Anthropic
- Let's Data Science: Microsoft-Decision-1
- InfoWorld: Microsoft separa il processo decisionale dall'IA generativa
- Blog di Microsoft Foundry: osservabilità a Build 2026
- Azure Updates: osservabilità nel Foundry Control Plane
- Microsoft Tech Community: osservabilità nel Foundry Control Plane
Europa e sovranità
- Microsoft Learn: Microsoft Sovereign Cloud
- Noqta: accordo sull'IA sovrana tra Microsoft e Mistral
- SiliconANGLE: Mistral sigla un accordo multimiliardario con Microsoft
- ResultSense: Microsoft finanzierà l'espansione dell'infrastruttura di calcolo europea di Mistral
- ai2.work: Microsoft e Mistral puntano sull'IA sovrana (dati Gartner)
- UC Today: Microsoft 365 Local e la sovranità nell'UE
- Anthropic: dichiarazione sull'accesso a Fable e Mythos
- CASRAI: rinvio delle scadenze del Digital Omnibus dell'EU AI Act
- Gibson Dunn: accordo Omnibus sull'EU AI Act
- Compliance Hub: tempistiche del rinvio del Digital Omnibus
Incidenti e sondaggi sulla governance
- Bernama/dpa: OpenAI sospende i lavori sui principali modelli di IA dopo una violazione delle misure di sicurezza
- Dataiku / Harris Poll: Global AI Confessions Report, edizione CIO 2026
- NHI Mgmt Group sull'AI Trust Maturity Survey 2026 di McKinsey
- IDC: la traccia di audit che non esiste
TestMu AI (LambdaTest) e Microsoft
