Fonte: Google Cloud, “Migrazione a un cloud pronto per l’AI: Roadmap verso la modernizzazione” (2025)
Il vantaggio competitivo, oggi, non nasce dall’avere la strategia AI più ambiziosa sulla carta, ma dalla capacità concreta di metterla in pratica su larga scala. È il punto di partenza di una guida pubblicata da Google Cloud dedicata alla migrazione verso infrastrutture pronte per l’intelligenza artificiale, che affronta un problema pratico: i sistemi on-premise e i cloud di prima generazione, con la loro rigidità, finiscono per frenare proprio le ambizioni AI che dovrebbero sostenere.
Un dato aiuta a capire la posta in gioco: secondo una rilevazione di Google Cloud del 2025, l’88% delle aziende che hanno adottato in anticipo l’AI agentica ha già ottenuto un ritorno sull’investimento positivo dalla AI generativa. Per la maggior parte delle organizzazioni, il problema non è più decidere se investire nell’AI, ma capire come costruire l’infrastruttura che permetta di farlo su scala.
Perché un’infrastruttura legacy non basta più
La guida individua tre condizioni che un’infrastruttura deve soddisfare per sostenere realmente l’adozione dell’AI. La prima è l’agilità, intesa come capacità di adattarsi rapidamente a esigenze tecniche, di mercato e dei clienti che cambiano velocemente. La seconda è la disponibilità di strumenti avanzati: accesso pressoché illimitato ad acceleratori hardware come GPU e TPU, archiviazione ottimizzata per l’AI e modelli multimodali di riferimento, senza dover sostenere investimenti iniziali proibitivi. La terza è l’efficienza sui costi, ovvero la necessità di eliminare le spese in conto capitale più pesanti legate all’infrastruttura fisica, così che l’adozione dell’AI resti sostenibile nel tempo anche dal punto di vista finanziario.
Alcuni numeri riportati nel documento danno la misura di quanto queste tre condizioni siano già percepite come urgenti dal mercato: il 63% delle aziende sta cercando di trasferire la maggior parte dei propri ambienti IT nel cloud, l’elaborazione nel cloud può arrivare a essere fino a 100 volte più rapida rispetto alle soluzioni on-premise per l’addestramento e il deployment dei modelli AI, e l’83% dei leader tecnologici considera il costo un fattore decisivo nella valutazione delle soluzioni di AI generativa. La conclusione della guida è netta: gli stack tecnologici legacy semplicemente non sono progettati per rispondere a queste esigenze, e il percorso verso la modernizzazione passa necessariamente da una migrazione cloud pensata in modo strategico.
A rendere il tema ancora più urgente c’è la previsione di Gartner citata nel documento, secondo cui entro il 2028 il 70% dei workload tecnologici sarà eseguito in ambiente cloud, in un contesto in cui la spesa per infrastrutture cloud e archiviazione è già cresciuta del 99,3% su base annua nel solo quarto trimestre del 2024, superando i 67 miliardi di dollari, spinta in larga parte dagli acquisti di server GPU per i carichi di lavoro AI.
Le quattro fasi del percorso di migrazione
Google Cloud propone un framework strutturato in quattro fasi principali, pensato per guidare le organizzazioni dalla situazione attuale fino alla piena capacità di innovare con l’AI.
La prima fase è la valutazione: un’analisi approfondita dello stack IT esistente, che sfrutta i dati raccolti per costruire una roadmap con tempistiche, costi e rischi stimati. È il passaggio che permette di avere una visione completa dell’ambiente da migrare, personalizzabile anche per organizzazioni con obiettivi già molto specifici.
La seconda fase è la pianificazione: una volta ottenuta una base di conoscenza solida, occorre collaborare con il cloud provider e con eventuali partner per individuare cosa migrare, cosa modernizzare e cosa invece dismettere, definendo l’ordine di intervento più efficace, conveniente e a basso rischio.
La terza fase è la migrazione propriamente detta: lo spostamento dei workload verso il cloud pubblico, con l’obiettivo di minimizzare le interruzioni operative grazie a strumenti di convalida e test integrati prima del passaggio effettivo, così da mantenere continuità e integrità del business durante la transizione.
La quarta fase è l’innovazione, il momento in cui si concretizza il vero potenziale della migrazione: l’utilizzo della suite di servizi AI resa disponibile dal nuovo ambiente cloud per trasformare concretamente l’attività, dai workflow agentici in grado di automatizzare compiti complessi fino agli strumenti che aiutano a modernizzare le applicazioni stesse, come la conversione automatica del codice.
I workload più comuni da migrare
Il documento dedica una sezione specifica ai workload on-premise più diffusi, offrendo indicazioni mirate per ciascuno.
Per le macchine virtuali, il problema tipico sono i cicli di aggiornamento hardware costosi: la migrazione consente di passare da un modello di spesa in conto capitale a un modello operativo, dimensionando le risorse sui dati reali di utilizzo.
Per i container, la sfida è la complessità nella gestione on-premise di piattaforme come Kubernetes: un servizio gestito libera i team dall’onere operativo del control plane e permette di concentrarsi sullo sviluppo.
Per le infrastrutture VMware, il nodo critico è il timore dei costi e dei rischi legati al refactoring di centinaia di applicazioni: la guida propone di spostarle nel cloud mantenendo gli stessi strumenti già in uso.
Per gli scenari SAP, il tema è la rigidità dei sistemi on-premise business-critical: una migrazione verso un’infrastruttura certificata SAP permette di passare da acquisti hardware onerosi a una capacità scalabile on demand.
Per i prodotti Oracle, la difficoltà tipica è la gestione di database che restano isolati dai servizi cloud moderni: la guida propone sia un rehosting con modifiche minime, sia una modernizzazione verso database open source.
Per gli ambienti NetApp, la questione riguarda gli investimenti iniziali elevati dell’archiviazione ad alte prestazioni on-premise: la migrazione permette di continuare a usare la tecnologia NetApp già in uso, riducendo il costo totale di proprietà.
Il documento segnala infine mainframe e sistemi Microsoft come Windows Server e SQL Server, entrambi con un debito tecnico e un overhead di gestione significativi, per i quali la migrazione porta comunque benefici verso un’infrastruttura più moderna.
Perché Google Cloud, secondo la guida
Nella parte conclusiva, il documento argomenta la propria proposta di valore attorno a cinque aree. La prima è la modernizzazione delle applicazioni legacy, che va oltre il semplice spostamento e punta a rendere le applicazioni realmente cloud-native. La seconda è la sicurezza e l’affidabilità di livello enterprise, con un’infrastruttura che secondo Google permette di prevedere le minacce e non solo reagire ad esse. La terza è la disponibilità di strumenti AI e ML completi, tra cui Gemini, Vertex AI e BigQuery ML, pensati per accelerare i cicli di sviluppo. La quarta è l’ottimizzazione dei costi e la scalabilità on demand, che libera budget da destinare a iniziative AI. La quinta è la sovranità dei dati e la conformità legale, presentata come un’area in cui trasformare un onere normativo in un vantaggio competitivo.
Il takeaway pratico
Il messaggio di fondo della guida di Google Cloud è che la preparazione all’AI non è un progetto isolato, ma il risultato di una trasformazione infrastrutturale pianificata con metodo: valutare con precisione la situazione di partenza, pianificare un percorso su misura, eseguire la migrazione riducendo al minimo le interruzioni, e solo a quel punto sfruttare davvero gli strumenti AI resi disponibili dal nuovo ambiente cloud. Per qualunque organizzazione con sistemi legacy ancora centrali per il proprio business, è un framework utile prima di tutto come lista di controllo per capire a che punto si trova il proprio percorso di modernizzazione, indipendentemente dal cloud provider che si scelga poi di adottare.
