Milano, 25 maggio 2026
Quando l’intelligenza artificiale smette di essere un esperimento
Per anni l’intelligenza artificiale è rimasta in una specie di limbo confortante: promettente, spettacolare, a tratti inquietante — ma ancora abbastanza lontana da non richiedere decisioni vere. Qualcosa che succedeva nei laboratori, nelle demo tecnologiche, nei team di innovazione delle grandi aziende. Interessante da seguire, non ancora urgente da governare.
Oggi questa distanza non esiste più.
L’AI sta entrando nei processi reali delle organizzazioni — produzione documentale, customer service, cybersecurity, supply chain, analisi dati, sviluppo software, operations, supporto decisionale — con una velocità che ha colto di sorpresa anche chi la stava osservando da vicino. In molte organizzazioni viene già utilizzata quotidianamente dai dipendenti, spesso senza policy, senza governance e senza che il management ne abbia piena consapevolezza.
Ed è forse questo l’aspetto più interessante — e più insidioso — del momento attuale: l’AI non sta entrando nelle aziende attraverso grandi progetti centralizzati e approvati dal board. Sta entrando in modo distribuito, spontaneo, difficilmente controllabile. Dal basso. Un prompt alla volta.
Come tutte le grandi transizioni tecnologiche, anche questa porta con sé opportunità straordinarie e rischi nuovi. Da un lato, la promessa è reale: elaborare informazioni più rapidamente, automatizzare attività ripetitive, migliorare l’analisi degli scenari, supportare processi decisionali sempre più complessi. Dall’altro, introduce dipendenze che ancora non sappiamo del tutto misurare — infrastrutturali, energetiche, cognitive, normative, geopolitiche. Perché dietro l’apparente immaterialità dell’AI ci sono data center, reti elettriche, semiconduttori, supply chain globali, hyperscaler e concentrazioni tecnologiche senza precedenti nella storia recente.
Restano aperti interrogativi che nessuno ha ancora risolto in modo soddisfacente. Chi è responsabile di una decisione suggerita da un algoritmo? Quanto possiamo fidarci di sistemi che producono contenuti plausibili ma non sempre corretti — e che non sanno quando stanno sbagliando? Come evitiamo che strumenti usati ogni giorno dai nostri dipendenti introducano rischi reputazionali, legali o di sicurezza che non abbiamo ancora mappato? Come governiamo sistemi che evolvono più rapidamente delle nostre procedure e della normativa?
È esattamente qui che il tema dell’intelligenza artificiale incontra quello della resilienza.
In questo numero abbiamo scelto di affrontare l’AI non come fenomeno “tech” da osservare con curiosità, ma come nuovo fattore strutturale di rischio, dipendenza e trasformazione organizzativa. Troverete un’analisi delle infrastrutture fisiche che rendono possibile l’AI e delle loro vulnerabilità, un approfondimento su come i sistemi di BCM e crisis management stiano già cambiando, una spiegazione di come funzionano davvero questi modelli — senza mistificazioni — e una panoramica su normativa europea, governance, accountability e impatti sulla cybersecurity e sulla gestione degli incidenti, fino alla fire protection.
La domanda, probabilmente, non è più se l’intelligenza artificiale entrerà stabilmente nelle organizzazioni.
La domanda è quanto velocemente riusciremo a comprenderne davvero implicazioni, limiti e dipendenze — prima che diventi una componente invisibile ma essenziale della nostra operatività quotidiana. Prima, cioè, che sia troppo tardi per governarla con la testa fredda che la situazione richiede.
Risk&Resilience Outlook
L’intelligenza artificiale non è immateriale
L’intelligenza artificiale non è immateriale
Per anni abbiamo trattato l’intelligenza artificiale come una tecnologia quasi eterea: modelli, algoritmi, automazione, dati. Qualcosa che vive nel cloud e non occupa spazio. Un’illusione comoda, ma sempre meno sostenibile.
Dietro la rapida espansione dell’AI generativa si sta materializzando — è proprio il caso di dirlo — una nuova infrastruttura fisica globale: energia, data center, semiconduttori, reti, sistemi di raffreddamento, acqua, supply chain altamente concentrate. Tutto tranne che immateriale.
È questo il messaggio centrale del report delWorld Economic Forum“Building Resilient and Scalable AI Value Chains: A Nexus Strategy”, pubblicato nel maggio 2026, e probabilmente una delle analisi più lucide degli ultimi mesi sul rapporto tra intelligenza artificiale e resilienza operativa.
Il documento mostra come l’AI si stia rapidamente trasformando in una vera infrastruttura critica trasversale, con implicazioni che vanno ben oltre il settore tecnologico: fabbisogno energetico dei data center in crescita esponenziale; dipendenza globale da un manipolo di produttori di semiconduttori avanzati; pressione sulle reti elettriche e sui sistemi di raffreddamento; consumo idrico tutt’altro che trascurabile; concentrazione del mercato presso pochi hyperscaler e cloud provider; esposizione geopolitica della supply chain dei chip.
In altre parole: il rischio non riguarda “l’algoritmo”. Riguarda l’intera catena del valore che rende possibile l’AI.
Per i professionisti della resilienza, questo introduce un cambiamento di prospettiva non banale: l’intelligenza artificiale non è più soltanto uno strumento operativo da usare, ma una nuova dipendenza critica da governare. Come l’energia elettrica o la connettività — senza le quali nessun piano di continuità operativa regge — l’AI sta entrando nel perimetro delle infrastrutture che non ci possiamo permettere di dare per scontate.
Il report sottolinea inoltre un aspetto spesso trascurato: la resilienza dell’ecosistema AI dipenderà dalla capacità di coordinare simultaneamente politiche energetiche, supply chain industriali, sostenibilità ambientale e governance tecnologica. Una vulnerabilità in uno solo di questi elementi potrebbe innescare effetti sistemici su scala globale.
Questa lettura è coerente con altre pubblicazioni recenti che meritano attenzione:
- l‘International AI Safety Report 2026,che richiama il tema della “societal resilience” e la necessità di approcci multilivello alla gestione del rischio AI;
- ilMcKinsey & Company “State of AI Trust 2026“, che fotografa il passaggio verso sistemi “agentici”, capaci non solo di generare contenuti ma di eseguire azioni operative autonome;
- il report congiuntoWorld Economic Forum / KPMGsull’AI nella cybersecurity, che mostra come l’intelligenza artificiale stia diventando contemporaneamente uno strumento di difesa e un moltiplicatore della superficie d’attacco;
- il report delGlobal Risk Institutesui rischi AI nel settore finanziario, con particolare attenzione a governance, concentrazione tecnologica e operational resilience.
Tutte queste pubblicazioni convergono su un punto: l’AI non è un’evoluzione tecnologica come le altre. È un nuovo layer infrastrutturale globale — e dovrà essere governato con una maturità in termini di resilienza, continuità operativa e risk management che, al momento, stentiamo ancora a raggiungere.
In cima alla lista del Resilience Manager
Il rischio è arrivare troppo tardi
Cosa tiene sveglio il Resilience Manager:Il rischio non è l’AI. È arrivare troppo tardi.
Per anni il Business Continuity Management è stato percepito come una disciplina fortemente “manuale”: interviste, documentazione, revisioni, analisi qualitative, raccolta di evidenze, report. Un lavoro fatto di carta — o almeno di PDF.
Oggi l’intelligenza artificiale sta iniziando a cambiare questo scenario. Non in teoria. Nella pratica.
Negli ultimi mesi stanno emergendo numerose piattaforme che integrano funzionalità AI nei processi di incident management, crisis management, operational resilience, business continuity e root cause analysis. Molte utilizzano modelli generativi e sistemi “agentici” capaci di correlare automaticamente eventi e allarmi provenienti da sistemi differenti, identificare possibili cause radice, ricostruire timeline degli incidenti, suggerire azioni correttive e generare post-mortem in autonomia. Alcune piattaforme più avanzate stanno già sperimentando capacità semi-autonome di investigazione tecnica, raccolta di evidenze e orchestrazione di workflow — sempre sotto supervisione umana, almeno per ora.
Particolarmente interessante è l’evoluzione dei sistemi diRoot Cause Analysissupportati da AI. Diversi vendor e progetti di ricerca stanno lavorando su piattaforme in grado di analizzare simultaneamente log, metriche, configurazioni, change management, incidenti storici e relazioni tra componenti infrastrutturali. L’obiettivo è ridurre drasticamente i tempi di identificazione delle cause e migliorare la qualità delle analisi post-evento. Anche nel settore bancario — notoriamente avaro di entusiasmi per le novità — alcune ricerche mostrano come approcci basati su AI generativa riescano a identificare correlazioni e cause profonde di incidenti ricorrenti che le analisi tradizionali, soprattutto in ambienti legacy complessi, tendono a lasciarsi sfuggire.
Nel mondo BCM stanno inoltre comparendo funzionalità dedicate all’aggiornamento dinamico delle call tree, al monitoraggio in tempo reale dello stato operativo, all’analisi automatizzata dei fornitori, alla gestione centralizzata dei crisis playbook e alle simulazioni assistite da AI.
Esistono ancora limiti importanti — allucinazioni, errori di interpretazione, mancanza di contesto organizzativo, opacità algoritmica, problemi di governance e dipendenza da modelli esterni. Non è il momento di affidarsi ciecamente a nessuno di questi strumenti.
Ma il punto più importante è un altro.
Il resilience manager del futuro probabilmente non sarà sostituito dall’intelligenza artificiale. Sarà però affiancato — o superato — da professionisti capaci di usare questi strumenti per analizzare più rapidamente informazioni complesse, costruire scenari migliori, ridurre il tempo speso in attività ripetitive e gestire ecosistemi operativi sempre più articolati.
La domanda, quindi, non è più“L’AI entrerà nei processi di resilienza?”
È:“La funzione di resilienza sta imparando a usarla prima che diventi semplicemente lo standard operativo del mercato?”
Aggiornamento professionale
I prossimi corsi Continuitaly – DRI Italy – DRI France – NFPA
I prossimi corsi di formazione professionale che eroghiamo in Italia in collaborazione conDRI InternationaleNFPA
NFPA 13 – Standard per impianti sprinkler
29 giugno – 3 luglio 2026 · Online · Italiano
Corso ufficiale NFPA dedicato alla progettazione dei sistemi sprinkler.Scopri di più
Business Continuity Management – Corso di Certificazione
DRI France · 7–8 luglio 2026 · Online · Francese
Corso intensivo di Business Continuity Management con esame di certificazione (BCP501).Scopri di più
Cyber Resilience – Corso di Certificazione
DRI Italy · 14–16 luglio 2026 · Online · Italiano
Corso intensivo di Cyber Resilience con esame di certificazione (CRP501).Scopri di più
Novità normative da monitorare
L’intelligenza artificiale entra nella regolamentazione europea — e italiana
L’intelligenza artificiale entra nella regolamentazione europea — e italiana
Per anni l’intelligenza artificiale si è sviluppata più rapidamente della capacità normativa di governi e autorità di controllo. Oggi la situazione sta cambiando, e con una velocità che fino a poco tempo fa sembrava improbabile. Con l’entrata in vigore dell’AI Act, l’Europa è diventata la prima grande area economica ad aver introdotto un quadro normativo organico dedicato all’intelligenza artificiale. L’approccio adottato è basato sul rischio: quanto più un sistema AI può impattare su diritti, sicurezza o vita delle persone, tanto più pesanti saranno obblighi, controlli e responsabilità.
Le quattro categorie di rischio
L’AI Act distingue quattro livelli principali.
Rischio inaccettabile — sistemi vietati.Alcuni utilizzi dell’AI vengono considerati incompatibili con i principi europei e quindi proibiti: il social scoring sul modello cinese, la manipolazione comportamentale subliminale, lo sfruttamento di vulnerabilità di persone fragili, alcune forme di riconoscimento biometrico massivo, i sistemi di emotion recognition sui lavoratori.
Sistemi ad alto rischio.Rientrano in questa categoria le applicazioni con impatti significativi su sicurezza, occupazione, credito, sanità, infrastrutture critiche, istruzione, giustizia, controllo delle frontiere e servizi essenziali. Per questi sistemi diventano obbligatori risk management strutturato, qualità e tracciabilità dei dati, documentazione tecnica, supervisione umana, logging, cybersecurity e governance esplicita.
Rischio limitato — obblighi di trasparenza.È probabilmente la categoria che impatterà il maggior numero di organizzazioni. Chi utilizza determinati sistemi AI dovrà informare chiaramente gli utenti quando stanno interagendo con un chatbot, leggendo contenuti generati artificialmente o visualizzando deepfake. Questo significa introdurre disclaimer, etichettatura dei contenuti, policy interne, procedure di validazione e controlli sui sistemi generativi utilizzati dai dipendenti.
Rischio minimo.La maggior parte delle applicazioni meno critiche rimane sostanzialmente libera da obblighi specifici aggiuntivi, pur rimanendo soggetta alle normative già esistenti — GDPR, cybersecurity, diritto del lavoro, proprietà intellettuale, normativa settoriale.
Il calendario europeo — con qualche complicazione
L’AI Act non è entrato in vigore tutto insieme, ma per fasi progressive. Il primo passo risale al febbraio 2025, quando sono entrati in vigore i divieti per le pratiche AI vietate e gli obblighi generali di AI literacy. Ad agosto 2025 sono scattati gli obblighi per i modelli general purpose (GPAI). La data principale di enforcement è fissata al 2 agosto 2026, con piena applicazione per i sistemi ad alto rischio integrati in prodotti regolamentati attesa nel 2027.
C’è però un elemento di novità che vale la pena segnalare. A novembre 2025 la Commissione Europea ha presentato il cosiddetto “Digital Omnibus“, una proposta di riforma che prevede, tra l’altro, un’estensione di sei mesi — al febbraio 2027 — per la compliance dei sistemi AI che generano contenuti sintetici già sul mercato prima di agosto 2026. Le negoziazioni sono ancora in corso: al momento il secondotrilogo politicotra Parlamento, Consiglio e Commissione non ha prodotto un accordo, e un ulteriore round è stato fissato per il 13 maggio 2026. Se l’Omnibus non venisse adottato in tempo, le disposizioni originali dell’AI Act entreranno in vigore il 2 agosto 2026 come previsto.
In sintesi: il calendario è in evoluzione, e le organizzazioni farebbero bene a monitorarlo attivamente nelle prossime settimane.
E in Italia? Un passo avanti inatteso
Sul fronte italiano la novità più rilevante degli ultimi mesi è una legge — e non è un dettaglio secondario. Con laLegge 23 settembre 2025, n. 132, l’Italia è intervenuta nel campo della regolazione dell’intelligenza artificiale prima di qualsiasi altro Paese europeo, affiancando — senza sostituire — l’AI Act con un quadro normativo nazionale fondato sui principi di utilizzo antropocentrico, trasparente e sicuro dell’AI.
La legge designaAgIDeACNcomeAutorità nazionali per l’intelligenza artificiale: AgID presidia innovazione, sviluppo e funzioni di notifica; ACN assume il ruolo di vigilanza del mercato e punto di contatto unico con l’Unione Europea, insieme a Banca d’Italia, Consob e IVASS per i rispettivi settori. Le sanzioni possono arrivare fino a 35 milioni di euro o al 7% del fatturato mondiale annuo per le violazioni più gravi.
Sul fronte operativo, AgID ha avviato un percorso strutturato di linee guida per la pubblica amministrazione: quelle per l’adozione dell’AI nella PA sono state adottate nel 2025, mentre le linee guida per lo sviluppo e per il procurement sono state messe in consultazione pubblica fino all’aprile scorso. Insieme, i tre documenti formano un framework completo che tocca principi, architettura, standard e gestione contrattuale dei sistemi AI.
Detto questo, il tema più importante per le organizzazioni private non è ancora la compliance formale. È che molte realtà stanno già utilizzando strumenti AI senza aver definito policy aziendali, classificazione degli usi consentiti, controlli sui dati, responsabilità chiare, criteri di validazione o processi di supervisione.
La tecnologia, ancora una volta, sta entrando nelle organizzazioni più rapidamente della governance.
Il nuovo tema: AI governance come disciplina
Ed è qui che la normativa incontra il territorio della resilienza.
Nei prossimi anni le organizzazioni dovranno impararea gestire contemporaneamentecompliance, cybersecurity, qualità dei dati, trasparenza, supervisione umana, accountability, continuità operativa e dipendenza da provider AI esterni. Non si tratta di sfide separate: sono facce dello stesso problema.
L’intelligenza artificiale non sarà soltanto un tema tecnologico o legale. Diventerà — e in parte lo è già — un tema centrale di governance organizzativa e operational resilience.
L’angolo tecnico
Come “ragiona” un’intelligenza artificiale? Una breve guida per non specialisti
Come “ragiona” un’intelligenza artificiale?Una breve guida per non specialisti
Negli ultimi anni il termine “intelligenza artificiale” è diventato onnipresente. Ma dietro chatbot, assistenti virtuali e sistemi generativi rimane una domanda fondamentale che molti professionisti continuano a porsi:come funziona davvero?
La risposta breve è che i moderni sistemi di AI non “pensano” nel senso umano del termine. Non comprendono il significato delle parole, non possiedono coscienza, intenzioni o esperienza. Quello che fanno è qualcosa di molto diverso — e, per certi aspetti, molto più meccanico di quanto si immagini.
Dalle regole fisse alle reti neurali
Per molti anni i sistemi informatici hanno funzionato attraverso regole esplicite:se accade A, fai B. Se il valore supera una soglia, genera un allarme.Logica pulita, trasparente, prevedibile.
L’intelligenza artificiale moderna funziona in modo radicalmente diverso: utilizza reti neurali artificiali, strutture matematiche vagamente ispirate — molto vagamente — al funzionamento del cervello umano. Una rete neurale è composta da miliardi di nodi collegati tra loro. I nodi sono semplicemente valori numerici, come interruttori che si attivano o meno in risposta a un input: niente di mistico, singolarmente. La “magia” non sta nella natura dei singoli elementi, ma nella quantità e nella struttura delle connessioni tra di loro. Ogni connessione ha un “peso”, cioè un valore numerico che viene modificato durante la fase di apprendimento. Il sistema riceve enormi quantità di dati, analizza correlazioni e pattern, e modifica progressivamente i propri parametri interni per migliorare la capacità di prevedere la risposta più probabile.
L’AI non “conosce”: prevede
Questo è forse il punto più importante da comprendere.
Un Large Language Model non ragiona come una persona. Il suo principio di funzionamento è più vicino a questo:“Data questa sequenza di parole, qual è la parola statisticamente più probabile che verrà dopo?”
Sembra quasi banale. Ma quando questo processo viene eseguito su miliardi di parole, trilioni di parametri e archivi sterminati di testi, il risultato può apparire sorprendentemente — e ingannevolmente — intelligente. Il modello impara strutture linguistiche, relazioni concettuali, schemi logici ricorrenti, stili di scrittura. Ma continua a lavorare, fondamentalmente, attraverso previsione statistica.
Non capisce. Prevede. La differenza è sottile nell’output, ma enorme nelle implicazioni.
Come avviene l’apprendimento
Addestrare un modello AI richiede quantità di dati difficili persino da immaginare: libri, siti web, articoli, codice software, documentazione tecnica, immagini, registrazioni audio, video. Durante questa fase — chiamatatraining— il sistema confronta continuamente le proprie previsioni con il risultato corretto e modifica i parametri interni per ridurre l’errore. Poi ripete il processo. Milioni di volte. Su miliardi di parametri.
Il risultato finale è una gigantesca macchina statistica di correlazione, addestrata a produrre output plausibili partendo da input testuali.
Perché servono enormi data center
Ed è esattamente per questo che l’AI moderna richiede infrastrutture colossali: energia, GPU specializzate, sistemi di raffreddamento, reti ad altissima velocità, data center dedicati. Non è un dettaglio secondario — è la ragione per cui in questo numero abbiamo parlato di AI come nuova infrastruttura critica globale. Il “cloud” pesa, consuma e dipende da supply chain fisiche molto più fragili di quanto il termine suggerisca.
Il problema delle “hallucinations”
Poiché questi sistemi lavorano per correlazione statistica e previsione probabilistica, possono anche inventare riferimenti, creare informazioni inesistenti, confondere contesti, produrre risposte convincenti ma completamente false. Questi fenomeni si chiamanohallucinations.
Non si tratta necessariamente di un malfunzionamento: sono spesso una conseguenza naturale del modo in cui questi sistemi funzionano. Il modello non “sa” quando sta sbagliando. Produce semplicemente l’output statisticamente più probabile — che a volte è corretto, a volte no, e in entrambi i casi ha lo stesso tono sicuro.
L’AI non elimina il giudizio — lo rende più necessario
Paradossalmente, quanto più l’AI diventa potente, tanto più aumenta l’importanza della supervisione umana. Il modello non comprende il contesto organizzativo, non distingue tra criticità operative e dettagli marginali, non possiede accountability, non valuta implicazioni etiche o reputazionali. Non sa quando sta sbagliando.
Per questo, almeno allo stato attuale, l’intelligenza artificiale funziona meglio come acceleratore cognitivo, strumento di analisi, assistente documentale, motore di correlazione. Non come sostituto del giudizio professionale.
E forse è proprio questa la lezione più utile per chi lavora nella resilienza: comprendere l’AI non significa soltanto imparare a usarla.Significa capire con precisione dove finisce la macchina e dove deve ricominciare la persona.
Insight&Ispirazioni
I suggerimenti del mese
I suggerimenti del mese
In questa rubrica continuiamo a segnalare contenuti che riteniamo utili non tanto per acquisire nuove nozioni, quanto per raffinare il modo in cui leggiamo il rischio, l’incertezza e le decisioni strategiche in contesti complessi.
Report & pubblicazioni
World Economic ForumBuilding Resilient and Scalable AI Value Chains: A Nexus Strategy(2026)
Probabilmente la lettura più utile del momento per chi si occupa di operational resilience — e approfondita nell’Outlook di questo numero. Il report affronta un tema ancora sottovalutato: la crescita dell’AI dipende da fattori fisici e geopolitici molto concreti — data center, semiconduttori, energia, acqua, hyperscaler — e la concentrazione di queste dipendenze crea vulnerabilità sistemiche che nessun piano di continuità operativa può ancora ignorare.
McKinsey & CompanyState of AI Trust 2026: Shifting to the Agentic Era
Utile per capire dove stiamo andando: dai sistemi generativi che “producono contenuti” ai modelli “agentici” che eseguono azioni operative in autonomia. Il tema centrale è la governance di sistemi che non aspettano istruzioni, ma agiscono. Molto rilevante per chi si occupa di accountability e controllo dei rischi.
International AI Safety Report 2026
Una delle analisi più complete sui rischi emergenti dell’AI: sicurezza, affidabilità, rischio sistemico, impatti sociali, governance internazionale. Particolarmente interessante il concetto disocietal resilienceapplicato all’intelligenza artificiale — un framework che i professionisti della resilienza riconosceranno immediatamente come proprio.
Global Risk InstituteFIFAI II – Financial Industry Forum on Artificial Intelligence
Pensato per il settore finanziario e assicurativo, ma rilevante ben oltre. Il focus su AI governance, operational resilience, third-party risk e concentrazione tecnologica lo rende una lettura preziosa per chiunque gestisca dipendenze critiche da provider esterni.
Libri
Ethan Mollick —Co-Intelligence
Il libro più pragmatico e accessibile sul rapporto uomo–AI nel lavoro di tutti i giorni. Mollick riesce a evitare sia l’entusiasmo acritico che il rifiuto per principio — e spiega come integrare strumenti generativi nei processi professionali in modo concreto e consapevole. Un buon punto di partenza per chiunque voglia iniziare a usare questi strumenti sul serio.
Mustafa Suleyman —The Coming Wave
Il libro che introduce il concetto di “containment problem”: cosa succede quando tecnologie estremamente potenti diventano rapidamente accessibili e difficili da controllare? Suleyman — uno dei fondatori di DeepMind — scrive da dentro il sistema, il che rende il libro tanto più interessante e, per certi versi, inquietante.
Stuart Russell —Human Compatible
Per chi vuole capire i rischi strutturali dell’AI avanzata senza fermarsi alla superficie. Russell affronta il problema dell’allineamento tra obiettivi umani e sistemi autonomi con rigore e lucidità. Una lettura impegnativa, ma tra le più importanti per chi vuole davvero capire la posta in gioco.
Podcast
Hard Fork— Uno dei podcast più seguiti sul mondo AI e tecnologia. Buon equilibrio tra attualità, analisi critica e impatti concreti. Ottimo per tenersi aggiornati senza annegare nei tecnicismi.
The Cognitive Revolution— Più tecnico, ma estremamente denso di contenuto: evoluzione dei modelli, AI agents, sicurezza, automazione, scenari futuri. Per chi vuole andare in profondità.
Eye on AI— Interviste frequenti con ricercatori, startup, hyperscaler e professionisti del settore. Utile per seguire rapidamente trend e sviluppi di mercato senza dover leggere tutto.
In un ambito che si trasforma praticamente ogni settimana, il consiglio più importante rimane uno solo: smettere di leggere l’intelligenza artificiale come fenomeno tecnologico e iniziare a leggerla come nuovo fattore strutturale di trasformazione organizzativa, operativa e geopolitica.
Perché è esattamente quello che è.
Aggiornamenti da National Fire Protection Association (NFPA)
Notizie dalla comunità internazionale della Fire Safey
Aggiornamenti da NFPA –Anche la fire protection entra nell’era dell’intelligenza artificiale
L’intelligenza artificiale non sta trasformando soltanto il mondo IT o la cybersecurity. Anche il settore della fire protection e della life safety sta iniziando ad adottare strumenti basati su AI — e lo fa su due fronti contemporaneamente, entrambi rilevanti per i professionisti della resilienza.
NFPA LiNK 3.0 e l’assistente normativo
La novità più significativa degli ultimi mesi arriva direttamente dallaNFPANational Fire Protection Association, che nel gennaio 2026 ha annunciato il rilascio della nuova piattaforma NFPA LiNK 3.0, introducendo funzionalità esplicitamente basate su intelligenza artificiale.
Il cuore dell’innovazione èCASI — Codes and Standards Intelligence: un assistente AI capace di interrogare in linguaggio naturale l’intero corpus normativo NFPA, produrre sintesi automatiche di contenuti tecnici e supportare la ricerca contestuale avanzata. Affiancano CASI strumenti per accelerare la consultazione degli standard, funzionalità collaborative e notebook digitali integrati.
È un passaggio interessante perché mostra come anche organizzazioni storicamente conservative e fortemente orientate alla normazione tecnica stiano iniziando a integrare strumenti AI nei processi professionali quotidiani. Non è un salto ideologico: è pragmatismo. La quantità di normativa tecnica da gestire è ormai tale che l’assistenza AI non è un lusso, ma una risposta ragionevole a un problema reale.
Parallelamente, NFPA ha pubblicato una policy specifica sull’utilizzo dell’intelligenza artificiale nel processo di sviluppo degli standard — riconoscendo esplicitamente che questi strumenti entreranno sempre più anche nelle attività tecniche e normative che tradizionalmente erano territorio esclusivo degli esperti umani.
Il secondo fronte: i data center AI come nuovo problema di fire protection
C’è però un secondo modo in cui l’AI sta influenzando il settore — e forse è ancora più rilevante dal punto di vista della resilienza operativa.
La crescita esplosiva delle infrastrutture dedicate all’intelligenza artificiale sta modificando rapidamente il profilo di rischio degli ambienti hyperscale. L’aumento delle densità di potenza, dei carichi elettrici e delle esigenze di raffreddamento crea scenari che i sistemi di fire protection tradizionali non erano stati progettati per affrontare. Le analisi tecniche più recenti evidenziano la necessità di sistemi di rilevazione molto più rapidi, protezioni pre-action avanzate, maggiore integrazione tra detection, suppression e monitoring, nuove valutazioni sui sistemi clean agent e una gestione specifica per rack ad altissima densità energetica.
In prospettiva, questo potrebbe avere un impatto crescente anche sull’evoluzione di standard come NFPA 75, NFPA 76 e NFPA 855.
In altre parole, l’intelligenza artificiale non sta soltanto creando nuovi strumenti digitali per i professionisti della fire protection. Sta già modificando concretamente le infrastrutture fisiche che quei professionisti devono proteggere.
Aggiornamenti da Disaster Recovery Institute International (DRI)
Novità dalla comunità globale dei professionisti certificati nella resilienza
Aggiornamenti da DRI –Aperta la call for presentations per DRI2027
DRI International (Disaster Recovery Institute)ha annunciato l’apertura ufficiale della Call for Presentations per la prossima conferenza internazionale DRI2027, in programma dal 21 al 24 febbraio 2027 presso il Loews Arlington Hotel ad Arlington, Virginia.
Le conferenze DRI sono da anni uno dei principali appuntamenti della comunità internazionale della resilienza operativa — un luogo dove business continuity, crisis management, cyber resilience, operational resilience, risk management, disaster recovery, supply chain resilience e gestione delle minacce emergenti si incontrano in un unico contesto professionale ad alto livello.
I professionisti interessati a proporre una sessione come speaker hanno tempo fino al17 luglio 2026per presentare il proprio abstract.
Un’occasione particolarmente interessante anche per i professionisti europei e italiani: in un momento in cui temi come AI, DORA, operational resilience e gestione delle dipendenze critiche stanno assumendo una rilevanza crescente nel dibattito internazionale, portare una prospettiva europea — e mediterranea — sul palco di una conferenza globale ha un valore che va ben oltre la visibilità personale.abstract dri conference 2027
Resilience Leadership Newsletter is published by Phoenitx srl, a Milan-based training and consulting firm specialising in operational resilience, business continuity and risk management.
PhoenITx srl
Via Pietro Calvi, 2
20129 Milano
www.continuitaly.it
info@continuitaly.it
This post is also available in:
