AI cloud o agenti AI locali? Come proteggere i dati riservati nel 2026

Nel confronto tra AI cloud e agenti AI locali per il lavoro riservato nel 2026, la scelta è netta: locale se i materiali originali non possono lasciare il dispositivo, cloud se contano soprattutto la massima capacità di ragionamento e l’accesso al web in tempo reale, nuova modalità ibrida di Perplexity Computer se lo stesso incarico richiede entrambe. Su un Mac da $1,099 ammortizzato in tre anni, il primo punto di pareggio plausibile è tra 3.2 e 8.7 attività complesse al mese svolte interamente in locale. Il privacy gate, però, non equivale a un air gap.

AI cloud o agenti AI locali? Come proteggere i dati riservati nel 2026

Scegliere il locale quando il confine dei dati è inviolabile, il cloud quando serve il ragionamento più avanzato e l’ibrido quando il lavoro può essere separato in modo sicuro. Questo è il verdetto. La difficoltà sta nel capire se quella separazione sia davvero possibile.

Chi opera in un settore regolamentato e gestisce prove coperte da privilegio, dati finanziari non ancora pubblici, cartelle cliniche, credenziali di accesso alle fonti o materiali soggetti a controllo delle esportazioni dovrebbe partire dal locale. La domanda decisiva non è se il fornitore prometta una buona tutela della privacy, ma se le regole consentano a prompt, nomi di file, descrizioni dell’attività o risultati intermedi di raggiungere infrastrutture esterne. Se la risposta è no, un agente che nasce nel cloud è escluso prima ancora di discutere qualità del modello o prezzo.

Per il fondatore di una startup finanziata o il CTO di un’azienda di medie dimensioni che lavora tra ricerche pubbliche, operazioni commerciali, pianificazione di prodotto e normali documenti interni, l’ibrido è in genere il punto di partenza migliore. Il modello cloud può cercare, pianificare e affrontare i passaggi di ragionamento più difficili; il file sensibile e l’azione protetta restano su hardware controllato. Si conserva così gran parte del vantaggio del cloud senza fingere che ogni byte abbia lo stesso livello di rischio.

Chi sviluppa da solo dovrebbe decidere in base al proprio collo di bottiglia. Se il limite è un repository privato, l’esecuzione locale offre controllo e costi marginali prevedibili. Se invece bisogna risolvere un problema architetturale mai affrontato o documentarsi su un’API che cambia, il ragionamento cloud giustifica quasi sempre la spesa variabile. Non serve acquistare una macchina potente per risolvere un vincolo di policy che non esiste.

La regola è semplice: l’elemento più sensibile stabilisce il confine minimo; il passaggio di ragionamento più difficile tra quelli autorizzati stabilisce il modello massimo. Se una sola architettura non soddisfa entrambe le condizioni, il workflow va separato. Il confine non va mai abbassato soltanto perché il modello più potente è più comodo.

Questa distinzione conta perché un modello locale non è automaticamente un agente locale. Il modello può generare testo sul dispositivo mentre l’agente invia telemetria, usa un’API di ricerca gestita, salva lo stato in un database cloud o chiama un modello remoto dopo un tentativo fallito. Un percorso davvero locale mantiene modello, orchestratore, strumenti, credenziali, file, log e stato all’interno del confine controllato. Il modello di confine descritto in elaborazione locale dei documenti sensibili applica la stessa distinzione.

Perplexity Computer rende l’ibrido la scelta naturale per il lavoro a riservatezza mista

Perplexity Computer ora divide una singola attività tra ragionamento cloud e gestione locale su un Mac compatibile. Il rilascio Hybrid Compute del 1 settembre 2026 trasforma l’opzione ibrida da concetto astratto a prodotto gestito: il cloud pianifica, cerca sul web e affronta il ragionamento di frontiera, mentre il modello scaricato elabora i file protetti ed esegue sul dispositivo le azioni approvate. La pagina di lancio di Perplexity elenca controlli di routing, piani supportati, modelli locali e requisiti per Mac.

Il privacy gate dirige il traffico. Può mascherare un dettaglio sensibile, mantenere un passaggio in locale, rifiutare un’azione o chiedere il consenso dell’utente. Gli amministratori Enterprise possono definire regole valide per tutta l’organizzazione e controllare quando le informazioni lasciano il dispositivo. È una protezione molto più solida che affidarsi alla memoria di ogni dipendente per decidere quale prompt incollare in quale finestra.

Questa architettura è particolarmente adatta alle attività con contesto misto. Si pensi alla due diligence su un’acquisizione riservata. Il componente locale può estrarre obblighi e date senza nomi dalla bozza di accordo. Quello cloud può cercare documenti pubblici e ragionare sulle implicazioni di mercato partendo da una sintesi ripulita. Nell’ultimo passaggio, svolto in locale, l’analisi pubblica viene ricollegata alla società target identificata per nome. Il ragionamento cloud non deve mai vedere né l’accordo originale né i nomi delle parti.

Lo stesso schema funziona con un repository privato. Un modello locale può esaminare file proprietari e trasformare un bug in una descrizione astratta essenziale. Un modello cloud può studiare una libreria esterna e proporre approcci sulla base di quell’astrazione. Infine, il componente locale verifica la risposta sul codice reale. La separazione è utile perché segue il confine delle informazioni, senza costringere tutta l’attività sul componente meno capace o meno riservato.

In locale sono disponibili tre modelli al lancio: Gemma 4 E4B, Qwen3.6 35B-A3B e un modello Perplexity. Hybrid Compute richiede Apple silicon, macOS 15 o successivo e almeno 24GB di memoria unificata. È disponibile con Pro, Max ed Enterprise; inoltre, il lavoro completato dal modello locale scaricato non consuma crediti cloud. Questi requisiti ne fanno un’opzione concreta per un Mac compatibile già in uso, non un motivo automatico per acquistare nuovo hardware.

C’è però un limite determinante: ogni attività di Hybrid Compute inizia nel cloud. Perplexity lo dichiara nella pagina del prodotto Hybrid Compute. I passaggi protetti possono restare in locale, ma non si tratta di un launcher esclusivamente locale che contatta il cloud solo su richiesta. L’attività iniziale esiste nell’infrastruttura cloud. Un’organizzazione che non può divulgare nemmeno l’etichetta dell’attività, l’intento o un prompt ripulito non dovrebbe usare questa modalità per quel workflow.

Vincitore della categoria: la modalità ibrida di Perplexity Computer prevale nel lavoro a riservatezza mista. Non sostituisce un runtime interamente locale per un’attività air-gapped e non supera la semplicità del solo cloud per il lavoro pubblico.

Privacy: vincono gli agenti AI locali

Il locale vince sulla privacy perché può ridurre il numero di soggetti e sistemi che ricevono i dati. È controllo del confine, non una proprietà di sicurezza automatica. Una workstation poco aggiornata e con permessi eccessivi sugli strumenti può essere meno sicura di un servizio cloud Enterprise ben governato.

Quattro architetture vengono spesso confuse:

• Inferenza locale: i pesi del modello vengono eseguiti sul proprio hardware. Questo, da solo, non dice dove l’agente salvi la memoria né quali strumenti chiami.
• Runtime dell’agente locale: pianificazione, chiamate al modello, esecuzione degli strumenti, stato e log avvengono in locale. Una ricerca o un’API remota possono comunque trasferire dati all’esterno.
• Accesso locale ai file: un’app sul dispositivo può aprire i file. Perplexity Personal Computer, per esempio, è un superset nativo per Mac dell’esperienza Computer sul web, ma poter accedere a un file locale non rende locale ogni passaggio di ragionamento.
• Funzionamento air-gapped: l’ambiente controllato non dispone di alcun percorso di rete verso sistemi esterni. La ricerca cloud in tempo reale è esclusa per definizione.

Requisiti hardware per la local AI

Il percorso ibrido gestito da Perplexity stabilisce una soglia chiara: Apple silicon, macOS 15 o successivo e almeno 24GB di memoria unificata. Una distribuzione locale più ampia deve avere memoria sufficiente per il modello scelto, il suo contesto operativo, il processo dell’agente, gli indici e le applicazioni controllate. Il requisito concreto dipende quindi dal carico di lavoro. Una macchina capace di caricare un modello può comunque bloccarsi quando un documento lungo, un indice del codice, il browser e la sandbox competono per la memoria.

Si parte dal più piccolo carico rappresentativo, non dalla macchina più grande del catalogo. Bisogna verificare che il modello completi l’attività secondo lo standard richiesto, che le chiamate agli strumenti siano vincolate e che l’endpoint sostenga la concorrenza necessaria. La capacità acquistata prima del test di accettazione rischia di diventare costoso spazio inutilizzato.

La privacy cambia anche in base al tipo di account. Secondo Perplexity, negli account Free, Pro e Max AI Data Retention è attiva per impostazione predefinita. L’utente può escludere dalla raccolta per l’addestramento AI i dati futuri, ma la rinuncia non elimina quelli già raccolti per questo scopo. Le informazioni delle query Enterprise non vengono usate per addestrare i modelli; gli allegati di sessione vengono conservati per sette giorni, con ulteriori controlli alle condizioni dichiarate per l’organizzazione. La policy sui dati aggiornata di Perplexity chiarisce queste differenze; questa analisi della privacy degli agenti cloud spiega invece perché cronologia e memoria richiedano una verifica separata.

La distinzione resta importante anche se l’ultimo passaggio protetto avviene in locale. Un account consumer, un account Enterprise, un percorso ibrido e un runtime open source interamente locale corrispondono a quattro profili di rischio diversi. Una formula di acquisto come “funziona in locale” è troppo vaga per approvarne uno qualsiasi.

Vincitore della categoria: gli agenti locali offrono il miglior controllo del confine per i dati riservati. Il cloud Enterprise può comunque garantire una sicurezza complessiva migliore se l’organizzazione non riesce ad aggiornare, monitorare e governare in modo affidabile gli endpoint; non può però offrire una garanzia letterale di assenza di trasferimento mentre elabora il lavoro da remoto.

Ragionamento e informazioni aggiornate: vince l’AI cloud

Il servizio cloud di Perplexity Computer è la scelta migliore quando servono ragionamento di frontiera, informazioni web aggiornate, connettori gestiti o capacità immediata senza configurare l’endpoint. Esegue le attività in una sandbox cloud isolata, mantiene una memoria di lavoro persistente e può orchestrare GPT-5.6 Sol, Claude Opus 5 e Claude Sonnet 5 quando il piano e i crediti disponibili lo consentono, secondo la documentazione di Computer e l’elenco aggiornato dei modelli di Perplexity.

Una ricerca sui mercati pubblici rende evidente il vantaggio. L’agente potrebbe dover cercare documenti appena depositati, riconciliare più siti web, costruire un modello e rivedere il piano quando due fonti sono in conflitto. Un agente gestito può chiamare servizi aggiornati e passare da un modello potente all’altro senza chiedere all’utente di scaricare i pesi, dimensionare la memoria o amministrare un server locale di inferenza. Quando gli input sono pubblici, questa comodità produce un valore operativo concreto.

Le misurazioni indipendenti dei modelli mostrano anche perché non si possa dare per scontata l’equivalenza qualitativa del locale. Artificial Analysis assegna un Intelligence Index di 32 a Qwen3.6 35B-A3B Reasoning e di 63 a Claude Opus 5 Adaptive Reasoning al massimo livello di elaborazione. La misurazione di Qwen e quella di Claude provengono dall’ente che le ha effettuate, non da questo sito.

È un’indicazione direzionale, non un voto sui prodotti finiti di Perplexity. Artificial Analysis ha misurato il modello Qwen di base ospitato, mentre Perplexity usa un modello locale sottoposto a post-training e lo inserisce in un sistema agentico. Strumenti, routing, prompt e verifiche possono cambiare il risultato. Un divario di questa ampiezza sostiene comunque l’aspettativa pratica che il ragionamento complesso tragga spesso vantaggio dall’escalation al cloud.

Anche il cloud ha modalità di errore proprie. L’uso variabile dei crediti può essere difficile da prevedere. Un’attività lunga può seguire a caro prezzo un piano sbagliato. Connettori e memoria persistente ampliano la superficie dei dati. Interruzioni del fornitore, modifiche alle policy e sostituzioni dei modelli restano fuori dal controllo diretto. La comodità si paga in dipendenza.

Vincitore della categoria: gli agenti cloud prevalgono per ampiezza di ragionamento, ricerca in tempo reale, velocità di configurazione e capacità di picco. Il locale resta la scelta giusta quando questi benefici non giustificano il trasferimento dei dati.

Il vincitore sui costi cambia con il carico di lavoro

Il confronto economico non è tra un abbonamento e software gratuito. Per essere corretto deve applicare lo stesso carico ai due lati e conteggiare macchina, piano, utilizzo e impegno operativo. Il dato utile è un punto di pareggio, non l’affermazione universale che il locale costi meno.

I prezzi riportati sono stati verificati sulle pagine attive dei fornitori il 2 settembre 2026. Perplexity Pro costa $20 al mese o $200 all’anno. Il piano annuale equivale a $16.67 per postazione al mese. Perplexity Max costa $200 al mese o $2,000 all’anno, pari a $166.67 per postazione al mese. Il quadro aggiornato dei piani Perplexity è utile se la decisione sull’abbonamento va oltre Computer.

La pagina di fatturazione di Computer converte 100 crediti in $1. Pro non include una dotazione mensile ricorrente di crediti Computer, anche se offre una tantum 4,000 crediti che scadono dopo 30 giorni. Max comprende 10,000 crediti al mese, per un valore di $100 secondo la conversione dichiarata, più un bonus una tantum di 35,000 crediti, anch’esso in scadenza dopo 30 giorni. Il sovrapprezzo del piano Max annuale rispetto a Pro annuale più $100 di crediti acquistati separatamente è di $50 al mese. Altri vantaggi di Max possono giustificarlo, ma il solo valore dei crediti inclusi non basta.

Il miglior hardware per la local AI

La prima scelta migliore è la macchina compatibile già presente sulla scrivania. In questo caso, il costo hardware incrementale iniziale è $0. Un nuovo Apple Mac mini M6 configurato con 24GB di memoria unificata e 256GB di archiviazione era in listino a $1,099, con disponibilità dal 22 settembre 2026. Ammortizzato in 36 mesi, equivale a $30.53 al mese, prima di energia, assistenza, riparazioni o valore residuo. La configurazione Apple aggiornata fornisce il prezzo di acquisto, mentre Perplexity stabilisce il requisito di 24GB.

Sommando Pro annuale, la postazione ibrida gestita arriva a $47.19 al mese più gli eventuali crediti instradati al cloud. Con 10 attività al mese interamente idonee al locale, il solo hardware costa $3.05 per attività nell’arco di tre anni. La pagina di fatturazione cloud di Perplexity assegna a una tipica attività Complex da 350 a 950 crediti, cioè da $3.50 a $9.50. Il punto di pareggio dell’hardware si colloca quindi tra 3.21 e 8.72 attività mensili equivalenti a Complex svolte interamente in locale.

Questo punto di pareggio dipende da una condizione rigorosa: il percorso locale deve produrre lo stesso risultato accettabile ed evitare l’addebito cloud per l’intera attività idonea. Se un tentativo locale assorbe tempo dell’operatore e poi passa comunque al cloud, si sommano entrambi i costi. Se l’organizzazione possiede già hardware compatibile, il punto di pareggio dell’hardware scompare, ma non i costi energetici e operativi.

Esiste inoltre una discrepanza nei prezzi di prima parte che va segnalata. La pagina aggiornata sui crediti Computer riporta due intervalli in conflitto per le attività Light: nel riepilogo rapido indica da 15 a 70 crediti, nella tabella da 100 a 350. Nessuno dei due dovrebbe entrare in un modello decisionale finché Perplexity non risolverà l’incoerenza. Le fasce pubblicate più chiare sono Complex da $3.50 a $9.50, Heavy da $8.75 a $22.75 e Mega da $24 a $98.

Lo stesso carico di lavoro: locale, ibrido e cloud

Perplexity ha eseguito 89 attività di coding Terminal Bench 2.1 con tre configurazioni correlate. L’esecuzione locale con Qwen 3.8 27B ha completato il 59.6% con un costo API praticamente pari a $0. Qwen affiancato da Claude Opus 5 come advisor ha raggiunto il 73.0%, con una stima di $0.415 per rollout. Claude Opus 5 da solo è arrivato all’82.4% con $0.65. Sono risultati del benchmark di Perplexity, non un test indipendente.

Su 1,000 rollout, la stima API misurata è di $415 per l’ibrido contro $650 per il cloud, con una differenza di $235, pari al 36.2%. Per il componente locale, Perplexity ha usato un NVIDIA DGX Spark. L’avviso aggiornato sul prezzo di NVIDIA lo colloca a $4,699, mentre la specifica ufficiale indica 128GB di memoria unificata e 4TB di archiviazione NVMe autocrittografante. Con $0.235 risparmiati per rollout, il pareggio sul solo hardware arriva intorno a 19,996 rollout, ovvero circa 556 al mese per 36 mesi. Con 1,000 rollout mensili, utilizzo API ibrido più ammortamento hardware su 36 mesi costano $545.53, contro $650 per il solo cloud.

Il risultato non va applicato automaticamente a ogni acquirente. Terminal Bench è un benchmark per agenti di coding. Perplexity ha misurato il proprio sistema. L’esecuzione ha utilizzato Qwen 3.8 27B su DGX Spark, non l’esatta configurazione Mac del lancio di settembre. Energia, assistenza, abbonamento e tempo dell’operatore sono esclusi. Il dato è utile perché il carico è equivalente, ma non costituisce uno studio universale del costo totale.

I riferimenti per token raccontano la stessa storia direzionale su un’unità più piccola. Artificial Analysis indica per Qwen3.6 ospitato $0.38 per milione di token di input e $2.25 per milione di token di output, cioè $0.00038 e $0.00225 per 1,000 token. Claude Opus 5 costa $5 e $25 per milione, ossia $0.005 e $0.025 per 1,000. Questi prezzi normalizzano le stesse unità di token, ma non corrispondono ai crediti di Perplexity Computer e non misurano l’elettricità dell’elaborazione locale.

Vincitore della categoria: il locale conviene con un flusso costante di attività che riesce a completare; il cloud con lavori sporadici, difficili o soggetti a picchi. L’ibrido giustifica il proprio costo tra questi due estremi, purché l’advisor migliori abbastanza il completamento da evitare di ripetere il lavoro.

Un privacy gate non è un air gap

Un privacy gate è un classificatore abbinato a un livello di policy. Un air gap è l’assenza di un percorso di rete. Risolvono problemi diversi, e confonderli è l’errore più grave in questa decisione.

Il percorso ibrido di Perplexity può esaminare una richiesta in locale, mascherare dettagli, trattenere sul dispositivo un passaggio protetto, chiedere il consenso o rifiutare. Tuttavia, ogni attività inizia nel cloud. Una policy ben progettata può quindi ridurre al minimo i contenuti protetti che lasciano il Mac, ma non può trasformare il prodotto in un agente locale disconnesso.

Anche il rilevatore ha limiti misurabili. Perplexity descrive PII-Tracer come un rilevatore locale da 0.6 miliardi di parametri e pubblica i risultati su PII-TRACE, un benchmark sintetico composto da 13,148 conversazioni in 13 lingue, 10 sistemi di scrittura e nove tipi di PII. Ha ottenuto un punteggio character F1 di 0.629, il più alto tra i 12 sistemi valutati da Perplexity. Il post di ricerca pubblica struttura e risultati del benchmark.

Il contesto lungo è il punto più delicato. Nelle conversazioni di almeno 10,000 caratteri, il recall su finestra singola è sceso al 68.7%. L’uso di finestre sovrapposte ha portato il recall complessivo per carattere al 96.5% e il rilevamento coerente delle menzioni multiple al 95.4%. È un miglioramento, non la perfezione. Le conversazioni sono sintetiche e il post dichiara che modello e benchmark saranno pubblicati prossimamente. Non è corretto trasformare per arrotondamento un 95.4% in una certezza sulla privacy.

Il rilevatore cerca inoltre informazioni di identificazione personale, non ogni forma di riservatezza aziendale. Una vulnerabilità nel codice sorgente, un prezzo non ancora annunciato, una posizione negoziale o il nome di un progetto segreto possono essere altamente sensibili senza rientrare in una categoria convenzionale di PII. Le regole di policy e il consenso dell’utente devono coprire ciò che il rilevatore non comprende.

Cinque classificazioni aiutano a decidere:

• Segreti air-gapped: chiavi, ricerca soggetta a restrizioni, file controllati all’esportazione o materiali la cui stessa esistenza è sensibile. L’intero agente deve restare locale e disconnesso.
• Documenti privilegiati o regolamentati: usare un percorso interamente locale, a meno che consulenti legali, policy e contratto approvato con il fornitore autorizzino esplicitamente un percorso cloud definito.
• Materiale aziendale riservato: possono essere adatti il locale o l’ibrido. Occorre indicare i campi che devono restare sul dispositivo e imporre un log del traffico in uscita.
• Documenti misti: separare i campi protetti dalle domande pubbliche. È il caso d’uso più convincente per l’ibrido.
• Input pubblici: il cloud è solitamente la scelta più semplice, nel rispetto delle normali verifiche su account e output.

La classificazione deve avvenire prima che un dipendente avvii un agente. Una richiesta di consenso mostrata dopo che il testo privato è già stato assemblato in una richiesta cloud non costituisce un controllo reale. Il privacy gate deve intervenire prima del trasferimento e rifiutare per impostazione predefinita quando la classificazione è incerta.

Vincitore della categoria: il locale puro prevale quando il confine è assoluto. L’ibrido vince sulla divulgazione selettiva solo se vengono gestiti gli errori del rilevatore, i segreti non PII, il consenso e la verificabilità.

Modelli AI locali: a cosa si rinuncia

Il modello locale acquista controllo al prezzo di un perimetro di capacità finito. Deve entrare nella macchina, rispondere abbastanza rapidamente per il workflow e funzionare senza l’intera gamma di strumenti gestiti e ragionamento di frontiera. È un compromesso eccellente per estrazione, classificazione, trasformazione, ricerca nei repository e azioni ripetitive in un ambito noto. È meno efficace quando l’attività è ambigua, inedita, fortemente basata sulla ricerca o dipende da informazioni aggiornate.

La scelta del modello segue la soglia di accettazione. Un modello più piccolo e veloce può essere ideale per individuare campi in un modello contrattuale familiare. Lo stesso modello potrebbe non essere adatto a interpretare una nuova struttura di indennizzo tra più giurisdizioni. Inviare entrambe le attività allo stesso runtime soltanto perché è già installato trasforma la comodità architetturale in rischio aziendale.

Lo schema più pulito è un’escalation delimitata. Il componente locale produce una descrizione ripulita del problema e un segnale di affidabilità. L’aiuto del cloud è consentito solo per le categorie approvate. La raccomandazione torna quindi al componente locale, che la verifica rispetto al contesto protetto. Se nessuna astrazione sicura conserva il significato, l’attività resta in locale oppure passa a una persona.

Un agente AI locale per il coding

Il coding rende evidente il compromesso. Un agente locale può indicizzare un repository privato, cercare simboli proprietari, eseguire test e modificare file senza caricare il codice. Offre un forte controllo del confine e un basso costo marginale del modello. Può comunque incontrare difficoltà con un bug complesso tra più sistemi, un framework nuovo o una lunga catena di ragionamento architetturale.

Il benchmark di coding ibrido ha mostrato la via intermedia: un esecutore locale con un advisor cloud ha migliorato il tasso di completamento dal 59.6% al 73.0%, mentre il solo cloud ha raggiunto l’82.4%. La decisione importante non è semplicemente “usare due modelli”, ma stabilire quali prove riceva l’advisor. Un errore astratto, la versione pubblica di una dipendenza e un caso di test ridotto possono essere sicuri; un intero repository privato o una credenziale no.

I permessi degli strumenti dell’agente locale devono restare limitati. Lettura, modifica, esecuzione, rete e accesso ai segreti vanno separati. Le azioni distruttive o le richieste in uscita devono richiedere una revisione. Un modello privato con accesso illimitato a shell e browser può provocare un incidente più grave di un assistente cloud in sola lettura.

Vincitore della categoria: il locale prevale sul lavoro ripetitivo in repository privati; il cloud sul coding nuovo e ad alta intensità di ragionamento; l’ibrido solo quando il pacchetto di escalation può essere ridotto in sicurezza.

Costi di passaggio e chi non dovrebbe cambiare

Cambiare non significa soltanto scaricare un modello. Cambiano il luogo in cui vive lo stato, il modo in cui gli strumenti si autenticano, chi aggiorna il runtime e quali prove può esaminare un auditor. Il costo della migrazione supera spesso la prima fattura dell’hardware.

Passare dal cloud al locale richiede hardware compatibile, distribuzione dei modelli, indici locali, sandboxing, archiviazione delle credenziali, backup, monitoraggio, gestione delle patch e una suite di accettazione. Memorie cloud, stato dei connettori e cronologie delle attività già esistenti potrebbero non essere esportabili in una forma utile. Anche quando i dati grezzi sono portabili, il comportamento operativo incorporato in prompt, policy e strumenti specifici del fornitore potrebbe non esserlo.

Il passaggio dal locale al cloud ha un costo diverso. I dati vanno classificati prima del caricamento. Devono essere approvati termini relativi a identità, conservazione, addestramento, regione, subresponsabili e audit. Script e indici locali richiedono equivalenti gestiti. Un workflow che dipendeva dall’accesso offline ora dipende dalla disponibilità del fornitore e dalle policy dell’account. I crediti variabili sostituiscono una parte dei costi infrastrutturali fissi, ma aumentano anche la variabilità del budget.

L’ibrido aggiunge lavoro di routing, non elimina quello di migrazione. Ogni passaggio ha bisogno di un responsabile e di un confine. I team devono decidere quale testo possa essere mascherato, quali file non debbano mai spostarsi, quale livello di affidabilità richieda una revisione e come ricostruire un incidente dai log. Senza queste decisioni, “ibrido” resta un’etichetta attraente sopra un percorso dei dati mai esaminato.

Come creare un agente AI locale

Si parte da un solo workflow delimitato e lo si verifica con input simili a quelli di produzione. Una migrazione estesa a tutta l’organizzazione nasconde gli errori; un progetto pilota ristretto li rende visibili.

1. 1

   Mappare il vero percorso dei dati

   Elencare modello, orchestratore, file, indice vettoriale, archivio di memoria, strumenti, credenziali, log, telemetria, servizio di aggiornamento e ogni chiamata di rete. Contrassegnare ciascun componente come locale, remoto approvato o vietato. Un diagramma che mostra soltanto il modello è incompleto.

2. 2

   Definire il set di accettazione

   Scegliere 20 attività rappresentative, includendo casi ordinari, input lunghi, documenti malformati, errori degli strumenti e la categoria sensibile più elevata tra quelle consentite. Registrare completamento, minuti dell’operatore, eventi di trasferimento e crediti. Il numero del progetto pilota è una raccomandazione operativa, non un dato di benchmark.

3. 3

   Limitare gli strumenti prima di aumentare l’autonomia

   Concedere all’agente soltanto i percorsi dei file, i comandi e le destinazioni di rete necessari. Separare lettura, scrittura ed esecuzione. Aggiungere un’approvazione per azioni distruttive, nuovi domini, accesso ai segreti e qualsiasi passaggio dal locale al cloud.

4. 4

   Stabilire la regola di escalation

   Indicare quali condizioni di errore restano in locale, passano a una persona o generano una richiesta cloud ripulita. Verificare che i dati vietati non compaiano in prompt, nomi di file, log, screenshot o output degli strumenti. Ripetere il set dopo ogni modifica a modello, policy o connettore.

Non conviene passare al locale se l’organizzazione non dispone di amministrazione degli endpoint, ha una domanda con picchi molto variabili, dipende da fonti web in tempo reale o non può mantenere aggiornati modello e sandbox. Il vantaggio sulla privacy può essere annullato da macchine non gestite e software obsoleto.

Il lavoro riservato non va spostato sul cloud soltanto per ottenere una qualità migliore del modello quando la policy vieta il trasferimento. La migrazione al cloud va evitata anche se il workflow deve sopravvivere alla disconnessione o se memoria e connettori specifici del fornitore creerebbero un lock-in inaccettabile.

Non conviene passare all’ibrido se l’organizzazione non è in grado di spiegare la policy di routing in una pagina. Una regola che dipende dalla capacità degli utenti di notare ogni segreto in un documento lungo non è un controllo. Un rilevatore che trova gran parte delle PII non autorizza a trasmettere tutto il resto.

La destinazione migliore potrebbe essere un portafoglio, non un’unica piattaforma: solo locale per i dati vietati, ibrido gestito per il lavoro separabile e cloud per il materiale pubblico o approvato. Il costo operativo consiste nel mantenere tre percorsi; il vantaggio è che ciascuno esiste per una ragione chiara.

Domande frequenti

Qual è il miglior agente AI nel 2026?

Non esiste un unico agente migliore per ogni confine dei dati. Un agente interamente locale è la scelta giusta quando le informazioni non possono lasciare l’hardware controllato. La modalità ibrida di Perplexity Computer è una valida soluzione gestita per attività che mescolano dati privati e pubblici su un Mac compatibile. Un agente cloud è preferibile quando contano soprattutto ragionamento di frontiera, ricerca in tempo reale e semplicità di configurazione.

Qual è la differenza tra AI locale e AI cloud?

L’AI locale esegue modello e percorso dei dati sull’hardware controllato dall’organizzazione. L’AI cloud invia il carico all’infrastruttura del fornitore per l’esecuzione del modello. Un’architettura ibrida divide l’attività: i passaggi protetti restano sul dispositivo, mentre il ragionamento o la ricerca approvati vengono inviati a un modello cloud. La sola posizione del modello non dimostra che l’intero agente sia locale.

Qual è il miglior agente AI per il lavoro?

Per la ricerca pubblica e l’automazione generale d’ufficio, il cloud è di solito la scelta più semplice. Per materiale air-gapped o vietato, serve un agente interamente locale. Per il lavoro riservato misto, un percorso ibrido verificabile è adatto solo se la policy sul trasferimento stabilisce ciò che resta in locale, ciò che può essere mascherato e ciò che richiede approvazione.

Gli agenti AI possono funzionare in locale?

Sì. Un agente interamente locale mantiene modello, orchestratore, strumenti, stato, log e file su hardware controllato. Un’app che si limita ad aprire file locali ma pianifica nel cloud non è completamente locale. Occorre verificare ogni componente e chiamata di rete, senza affidarsi all’etichetta del prodotto.

Quali sono i 5 tipi di agenti AI?

La gerarchia concettuale comune di IBM comprende agenti a riflessi semplici, a riflessi basati su modello, basati su obiettivi, basati sull’utilità e capaci di apprendere. IBM descrive i cinque livelli come forme crescenti di capacità decisionale. Questa tassonomia riguarda il modo in cui un agente sceglie le azioni. Ognuno di questi concetti può essere implementato in una distribuzione locale, cloud o ibrida.

Esiste un agente AI locale gratuito?

Framework e pesi dei modelli open source possono non prevedere costi di licenza, ma un agente in produzione non è privo di costi. Hardware, elettricità, patching, backup, archiviazione dei segreti, sandboxing, valutazione e tempo dell’operatore restano voci di budget. Prima dell’uso commerciale vanno inoltre esaminate le condizioni di licenza.

Qual è il miglior agente AI da eseguire in locale?

Perplexity Hybrid Compute è un’opzione gestita e semplice per un workflow Mac supportato, ma resta ibrida perché ogni attività inizia nel cloud. Uno stack open source interamente locale offre maggiore controllo del confine e portabilità al prezzo di più lavoro operativo. La scelta migliore è il sistema più piccolo che supera i test sull’attività reale e sulla policy dei dati.

Quale agente AI è completamente gratuito?

Nessun agente in produzione è del tutto gratuito quando si conteggiano hardware, energia, amministrazione, sicurezza, backup e risposta agli incidenti. Un download a prezzo zero può comunque essere la soluzione più economica con volumi costanti, ma sposta il costo dall’utilizzo del fornitore a infrastruttura e lavoro.

Posso eseguire l’AI agentica in locale?

Sì, se modello, runtime dell’agente, stato, strumenti e ambiente di esecuzione sono compatibili con l’hardware e restano sotto controllo locale. Telemetria remota, ricerca, aggiornamenti ed endpoint dei modelli devono essere disattivati oppure approvati esplicitamente. Se l’agente contatta Internet, va definito local-first o ibrido, non interamente locale.

L’AI locale è migliore dell’AI cloud per il lavoro riservato?

Il locale offre un controllo più rigoroso del confine perché i dati possono restare sull’hardware governato dall’organizzazione. Non è automaticamente superiore nel ragionamento o nella sicurezza operativa. Un cloud Enterprise gestito può avere un monitoraggio migliore di un laptop non amministrato, pur restando inadatto ai dati che non possono lasciare l’endpoint.

Un agente AI locale può fare ricerca nel cloud?

Sì, ma dal momento in cui utilizza un modello remoto o un servizio di ricerca, il workflow diventa ibrido. La richiesta di ricerca va ripulita in locale, condividendo solo il contesto approvato; il trasferimento deve essere registrato e la risposta verificata sul dispositivo rispetto alla fonte privata. Se la domanda non può essere anonimizzata senza perdere significato, deve restare locale oppure passare a una persona.

Qual è la differenza di prezzo tra agenti AI locali e cloud?

Nell’esempio gestito equivalente, Pro annuale costa $16.67 al mese. Aggiungendo un Mac da $1,099 ammortizzato in 36 mesi, la postazione ibrida arriva a $47.19 prima dei crediti instradati al cloud. Pro annuale più 10 tipiche attività Complex nel cloud costa da $51.67 a $111.67. Il pareggio dell’hardware locale è tra 3.21 e 8.72 attività idonee al mese, a condizione che i risultati siano equivalenti.

Qual è il miglior modello AI locale?

Non esiste un vincitore universale. La scelta dipende da memoria disponibile, qualità sul compito, latenza, uso degli strumenti e licenza. Perplexity ha lanciato la modalità gestita per Mac con Gemma 4 E4B, Qwen3.6 35B-A3B e un modello Perplexity. Prima di standardizzare, va testato il candidato più piccolo su input protetti e simili a quelli di produzione.

Qual è il miglior computer per la local AI?

Una macchina compatibile già disponibile è la prima scelta più economica, perché il costo incrementale di acquisto è $0. Per la modalità Mac di Perplexity servono Apple silicon, macOS 15 o successivo e almeno 24GB di memoria unificata. L’hardware dedicato va acquistato soltanto dopo che un progetto pilota dimostri la necessità di più dimensione del modello, concorrenza o throughput.

Conviene usare un agente AI locale open source?

Sì, quando controllo, portabilità e ispezionabilità giustificano la gestione diretta delle operazioni. È meglio evitarlo se l’organizzazione non può aggiornare modelli e dipendenze, isolare gli strumenti, proteggere i segreti, eseguire il backup dello stato e valutare gli upgrade. L’open source cambia chi può ispezionare il codice; non elimina il rischio di distribuzione.

Cosa fare lunedì

Prendere un workflow reale e suddividerne gli input in tre campi: solo locale, sicuro per il cloud e soggetto ad approvazione. Va scelta un’attività con abbastanza contesto riservato da mettere in evidenza gli errori di routing, ma con conseguenze abbastanza limitate da consentire un progetto pilota controllato. Non si comincia dal processo più sensibile dell’azienda.

Eseguire le stesse 20 attività rappresentative con tutte le architetture idonee. Registrare se l’attività è stata completata, quanti minuti dell’operatore ha richiesto, quali informazioni hanno attraversato il confine e quanti crediti sono stati consumati. Includere documenti lunghi, istruzioni ambigue, errori degli strumenti e almeno un caso che debba essere rifiutato. La qualità senza un registro dei trasferimenti non supera il test; una privacy perfetta senza un risultato utilizzabile non è una distribuzione.

Infine, scegliere l’architettura più circoscritta che soddisfi sia la soglia di accettazione sia la policy dei dati. Mantenere un percorso esclusivamente locale per il materiale vietato, consentire l’ibrido solo quando la separazione è esplicita e riservare il cloud al lavoro approvato che trae vantaggio da un ragionamento migliore o da informazioni aggiornate. Ripetere il set ogni volta che cambiano modello, connettore, rilevatore, policy di conservazione o regola di routing.

Se serve una mappa dei confini, un benchmark sul carico di lavoro e una policy di rollout per il proprio stack agentico, lo sviluppo di agenti AI è il passo operativo successivo.