AI enterprise senza conservazione dei dati: le 9 migliori piattaforme per agenti nel 2026

Nel 2026, OpenAI API è la migliore piattaforma Zero Data Retention per la maggior parte dei team di agenti AI enterprise: mantiene i modelli frontier su un percorso ZDR, mentre Amazon Bedrock è la scelta più solida quando la policy di conservazione deve operare in modalità fail-closed in tutto un ambiente AWS. Il limite è che la ZDR copre un percorso di inferenza, non un prodotto agentico completo: memoria persistente, file, sandbox per il codice, ricerca e livelli di agenti gestiti possono reintrodurre la conservazione. Su un carico normalizzato di 1 milione di token in input e 200,000 token in output, GPT-5.6 Luna costa $0.44 alle attuali tariffe Standard; la vera decisione di budget è capire se l'azienda può sostenere la gestione diretta dello stato dell'agente.

Le migliori piattaforme AI enterprise Zero Data Retention in sintesi

Zero Data Retention, o ZDR, significa che prompt e output supportati non vengono conservati a riposo dopo l'elaborazione. Non include automaticamente ogni archivio di file, livello di memoria, tool o agente gestito collegato al modello. È questa la distinzione che pesa di più nella classifica.

I prezzi riportati sotto sono stati verificati sulle pagine live dei fornitori il 22 agosto 2026. I prezzi dei token si riferiscono a 1 milione di token, salvo diversa indicazione. «Non indicata» significa che il fornitore non pubblicizzava una prova specifica della piattaforma nella pagina dei prezzi, non che il team commerciale non possa offrire crediti.

Il confronto più ampio su qualità dei modelli, orchestrazione e aderenza alle esigenze aziendali è trattato nella comparativa delle piattaforme per agenti AI enterprise. Qui l'ordine cambia perché la sicurezza della conservazione prevale sull'ampiezza delle funzioni. Una piattaforma perde punti quando le sue funzioni agentiche più comode rendono falsa la promessa ZDR.

Che cosa significa Zero Data Retention per un agente AI enterprise

«Non addestriamo i modelli sui vostri dati» e «non conserviamo i vostri dati» rispondono a due domande diverse. Un impegno di non addestramento può comunque consentire al fornitore di trattenere i prompt per monitorare gli abusi, eseguire il debug, gestire la cronologia delle conversazioni, elaborare batch o recuperare file. La ZDR è la promessa più circoscritta secondo cui i contenuti supportati non vengono conservati al termine della richiesta.

Con un agente, mantenere questa promessa è più difficile che con una singola chat completion. Un agente aziendale utile richiede in genere almeno quattro livelli:

• Inferenza: il modello legge un prompt e restituisce una risposta.
• Stato: memoria, cronologia delle conversazioni, checkpoint e stato delle attività.
• Conoscenza: file caricati, vector store, database e log di retrieval.
• Azioni: ricerca, esecuzione di codice, browser, server MCP e applicazioni aziendali.

Solo il primo livello è stateless per natura. Gli altri tre esistono proprio perché qualcosa persiste da qualche parte. Una piattaforma può quindi offrire un'eccellente inferenza ZDR e, al tempo stesso, essere inadatta a un agente gestito la cui trascrizione, i cui file o la cui sandbox risiedono nel prodotto del fornitore.

Questo è il costo della gestione diretta dello stato. Una ZDR rigorosa spesso impone all'azienda di possedere il database della memoria, l'object storage dei file, il sistema di tracing per l'analisi degli incidenti e la coda che riprende i processi di lunga durata. I team sicurezza e legale ottengono così un confine di controllo netto, ma l'ingegneria eredita processi di cancellazione, policy di accesso, regole di backup e reperibilità operativa.

Lo standard operativo non è chiedersi «Il fornitore ha una pagina dedicata alla ZDR?», ma: è possibile disegnare l'intero percorso di una richiesta e dimostrare che ogni sistema che tocca i contenuti del cliente applica una regola di conservazione compatibile? Se la risposta dipende da una casella selezionata per impostazione predefinita, da un plugin non documentato o da una funzione gestita che conserva lo stato senza dichiararlo, il workflow non è pronto per dati sensibili.

Come sono state selezionate le piattaforme

Le nove piattaforme sono state confrontate usando pagine live su controlli dei dati, documentazione e prezzi dei fornitori al 22 agosto 2026. La classifica non deriva da una prova inventata né da un generico badge di sicurezza. L'ordine è stato determinato da cinque verifiche:

1. Promessa sulla conservazione: il fornitore dichiara che prompt e output supportati non vengono archiviati a riposo dopo l'elaborazione?
2. Comportamento fail-closed: un modello o una funzione incompatibile viene bloccato, oppure uno sviluppatore può uscire dalla ZDR senza accorgersene?
3. Copertura dell'agente: che cosa accade a memoria, file, processi batch, esecuzione di codice, ricerca web, MCP e trascrizioni degli agenti gestiti?
4. Prova amministrativa: un responsabile della sicurezza può abilitare la policy centralmente e verificare che sia attiva?
5. Chiarezza commerciale: tariffe correnti e costo delle alternative compatibili con la privacy sono abbastanza visibili da permettere un budget?

Sono state escluse le piattaforme che promettono soltanto di non addestrare sui dati dei clienti. Sono stati eliminati anche i framework di orchestrazione privi di un impegno sulla conservazione da parte del provider, perché non possono garantire che cosa archivia l'host del modello sottostante. La selezione è stata ristretta ai fornitori che espongono un controllo ZDR utilizzabile o un percorso stateless difendibile per il traffico API aziendale.

La classifica penalizza anche i nomi fuorvianti. Mistral, per esempio, supporta la ZDR su diverse API stateless ma esclude il prodotto chiamato Agents. Microsoft documenta l'inferenza stateless e il monitoraggio degli abusi modificato senza offrire un semplice interruttore ZDR self-service. Possono comunque essere buone scelte, purché il team di implementazione comprenda bene queste condizioni.

1. OpenAI API: la migliore piattaforma ZDR con modelli frontier

OpenAI API è la scelta complessivamente migliore per un'azienda che vuole accedere ai modelli frontier attuali senza rinunciare a un percorso Zero Data Retention.

L'annuncio del 19 agosto di OpenAI è rilevante perché esplicita la conseguenza per il business: i clienti API idonei possono mantenere la ZDR anche quando i modelli affrontano attività più lunghe e complesse. Secondo l'impegno pubblicato, prompt e risposte del modello non vengono conservati dopo l'elaborazione, i contenuti non sono accessibili al personale OpenAI e i dati enterprise non vengono usati per l'addestramento, salvo scelta esplicita del cliente. L'azienda ha inoltre presentato in anteprima Private Safety Processing, pensato per rilevare pattern di rischio tra interazioni correlate senza esporre i contenuti sottostanti al personale OpenAI.

Il caso d'acquisto più convincente è quello di una banca, un'azienda di software sanitario, una piattaforma legale o un fornitore SaaS enterprise che necessita delle capacità del modello ma non può accettare l'accesso ordinario del provider ai prompt. OpenAI offre a questi clienti un'API diretta, controlli a livello di progetto, un ampio insieme di endpoint di inferenza idonei alla ZDR e una roadmap chiara dei modelli. GPT-5.6 Luna rende inoltre il costo d'ingresso insolitamente basso: un milione di token in input e 200,000 token in output costano $0.44 alle tariffe Standard per contesto breve.

Il confine è lo stato applicativo. La tabella live sulla conservazione degli endpoint di OpenAI indica Chat Completions e Responses come idonei alla ZDR con alcune limitazioni, mentre Conversations, i thread di ChatKit, Assistants, Threads, Vector Stores, Files, Evals e Batches non lo sono. I server MCP remoti applicano policy di conservazione proprie. Hosted Shell e Code Interpreter possono scrivere dati temporanei finché i relativi container sono attivi. Background Responses scrive uno stato temporaneo su disco per circa 10 minuti, così il client può interrogare lo stato del processo.

OpenAI è quindi la migliore piattaforma di modelli in questa classifica, ma non autorizza automaticamente l'uso di ogni funzione OpenAI. Un deployment rigoroso deve mantenere memoria e persistenza dei file nell'infrastruttura del cliente, chiamare un endpoint stateless supportato e approvare separatamente ogni destinazione dei tool. In regime ZDR, OpenAI tratta store come false per Responses e Chat Completions anche se la richiesta invia true, eliminando un'impostazione predefinita pericolosa. L'organizzazione deve comunque ottenere l'approvazione preventiva per la ZDR.

Anche Private Safety Processing va considerato un'anteprima, non un controllo da inserire oggi in un'architettura di produzione. OpenAI ha dichiarato che i test con i primi clienti erano in corso e ha pianificato il rilascio e un white paper tecnico per settembre 2026. La ZDR esistente è il dato su cui basare l'acquisto; l'anteprima indica la direzione futura. Le immagini segnalate come potenziale materiale CSAM restano un'eccezione esplicita e possono essere conservate per revisione manuale e segnalazione alle autorità.

Ideale per: aziende che richiedono modelli frontier di OpenAI su un percorso stateless approvato.
Punto di forza: la ZDR impone store=false sulle chiamate supportate a Responses e Chat Completions.
Prezzi: il listino attuale di OpenAI API indica per GPT-5.6 Luna con contesto breve $0.20 per l'input, $0.02 per l'input in cache, $0.25 per la scrittura della cache e $1.20 per l'output su Standard; $0.10, $0.01, $0.125 e $0.60 su Batch o Flex; $0.40, $0.04, $0.50 e $2.40 su Fast, per 1 milione di token. L'elaborazione con residenza regionale dei dati aggiunge il 10% per i modelli idonei rilasciati il 5 marzo 2026 o in data successiva.
Prova gratuita: nella pagina live dei prezzi API non è indicata una prova specifica della piattaforma.

1. 1

   Ottenere il controllo per iscritto

   Richiedere la ZDR per l'esatta organizzazione API destinata al traffico di produzione. Registrare approvazione, ambito contrattuale, modelli idonei, eccezioni e responsabile della sicurezza.

2. 2

   Creare un progetto dedicato

   Inserire l'agente sensibile in un progetto proprio e selezionare il controllo di conservazione approvato, evitando di ereditare un'impostazione predefinita ambigua dell'organizzazione. Separare le chiavi di sviluppo da quelle di produzione.

3. 3

   Censire ogni endpoint

   Confrontare il workflow con la tabella aggiornata degli endpoint di OpenAI. Mantenere il percorso principale di inferenza su chiamate idonee a Responses o Chat Completions. Escludere Conversations, Assistants, Files, Vector Stores, Evals e Batch dal percorso rigoroso.

4. 4

   Portare lo stato nel proprio perimetro

   Archiviare memoria, stato delle attività, documenti e tracce di audit in sistemi governati dalla propria policy di conservazione. Passare a ogni chiamata del modello solo il contesto minimo necessario.

5. 5

   Eseguire una prova di conservazione con canary

   Inviare un record sensibile sintetico, tracciare ogni destinazione, verificare store=false, confermare che il record compaia solo nei sistemi del cliente approvati e fare in modo che una funzione incompatibile fallisca prima di ammettere dati reali.

2. Amazon Bedrock: il migliore per policy fail-closed

Amazon Bedrock è la scelta più solida quando la policy di conservazione deve essere applicata in tutta un'organizzazione AWS, anziché dipendere dalla memoria di ogni sviluppatore.

Bedrock trasforma la conservazione in una modalità configurabile a livello di account o progetto. Impostando data_retention_mode su none, la documentazione di Bedrock sulla conservazione dichiara che nessuna richiesta o risposta viene scritta in uno storage persistente né condivisa con il provider del modello. Se un modello richiede la conservazione, la chiamata viene bloccata. Nella Responses API, store vale false per impostazione predefinita, store=true viene rifiutato e la modalità Background non è disponibile. Chat Completions e Messages non vengono mai conservati in questa modalità.

Questo comportamento fail-closed porta Bedrock davanti alle piattaforme con una promessa di marketing più semplice. Un'azienda regolamentata può usare policy IAM o Service Control Policies per negare qualsiasi impostazione di conservazione diversa da none. Il controllo resiste quindi a cambi di personale, rilasci affrettati e codice di esempio copiato. Diventa parte della postura di sicurezza cloud, non una voce in una checklist di sviluppo.

Il limite esplicito è la disponibilità dei modelli. Claude Fable 5 e Claude Mythos 5 richiedono provider_data_share, a meno che l'account non ottenga un'approvazione ZDR specifica per il modello. Quando la condivisione è attiva, prompt e completion possono essere conservati fino a 30 giorni. Un team che imposta none deve aspettarsi che quei modelli risultino non disponibili e interpretare la chiamata bloccata come la prova che il controllo sta funzionando.

Bedrock avverte inoltre che store=false, da solo, non garantisce la ZDR. Un modello può ancora conservare contenuti per la revisione di sicurezza se la modalità di conservazione effettiva non è none. È una distinzione preziosa in fase di acquisto: un parametro API descrive il comportamento della richiesta, mentre la modalità di conservazione è una policy.

I prezzi sono meno sintetici rispetto a un'API diretta perché Bedrock ospita molti fornitori in più regioni e con diverse modalità di erogazione. La pagina dei prezzi di Bedrock indica Intelligent Prompt Routing a $1 ogni 1,000 richieste, oltre ai token del modello sottostante. Il servizio può instradare le richieste all'interno di una famiglia di modelli, ma chi acquista per la ZDR deve prima verificare che ogni modello candidato consenta none. L'ottimizzazione dei costi viene solo dopo il rispetto della policy di conservazione.

Ideale per: aziende su AWS che vogliono applicare centralmente una policy di conservazione.
Punto di forza: le chiamate a modelli incompatibili falliscono, invece di conservare i dati senza segnalarlo.
Prezzi: l'uso dei modelli varia per provider, modello, regione e modalità di erogazione. Intelligent Prompt Routing costa $1 ogni 1,000 richieste On-Demand, oltre all'uso del modello.
Prova gratuita: nella pagina live dei prezzi di Bedrock non è indicata una prova specifica.

3. Google Gemini Enterprise Agent Platform: la scelta per i team Google Cloud

Google Gemini Enterprise Agent Platform è la soluzione più adatta a un'organizzazione Google Cloud capace di governare ogni funzione agentica con la stessa attenzione riservata alla chiamata del modello.

La documentazione Google del 21 agosto è particolarmente utile perché indica con precisione quali controlli smentiscono un'interpretazione troppo ampia della ZDR. La base è solida: i dati dei clienti non vengono usati per addestrare o perfezionare i modelli gestiti senza autorizzazione, il logging di richieste e risposte è disattivato per impostazione predefinita e i clienti soggetti al logging dei prompt per il monitoraggio degli abusi possono richiedere un'eccezione.

La difficoltà nasce dal diverso comportamento di storage delle singole funzioni agentiche. Interactions API imposta store su true per impostazione predefinita, quindi una richiesta ZDR deve inviare esplicitamente store=false. Grounding with Google Search conserva query derivate e contesto fino a 3 giorni e non può essere disattivato. Google consiglia in alternativa Web Grounding for Enterprise. Grounding with Google Maps conserva prompt, contesto e output generato per 30 giorni, anche in questo caso senza possibilità di disattivazione.

CodeMender introduce un altro confine importante. Conserva fino a 7 giorni i dati cifrati della sessione, inclusi frammenti di codice, diff, configurazione e checkpoint di analisi, per permettere la ripresa di una scansione lunga. Il contenuto del codice viene eliminato entro pochi secondi da uno stato terminale, mentre il record residuo della sessione scade al limite di 7 giorni. Può essere una policy di conservazione aziendale ragionevole, ma non equivale a zero.

La ripresa delle sessioni Gemini Live è facoltativa e conserva fino a 24 ore testo, audio, video e output in cache. Per un percorso rigoroso va lasciata disattivata. Anche la cache in memoria predefinita di Google ha un TTL di 24 ore, ma Google considera questa cache non persistente e isolata per progetto compatibile con la ZDR e consente agli amministratori di disabilitarla per l'intero progetto. In fase di acquisto bisogna verificare che questa definizione coincida con la policy interna, senza presumere che ogni auditor valuti allo stesso modo la memoria volatile.

Google è una buona scelta per un'azienda che usa già IAM, networking, logging e servizi dati di Google Cloud, perché l'agente approvato può mantenere il proprio stato persistente entro il confine cloud esistente. Rimane dietro a Bedrock per la semplicità fail-closed: diverse impostazioni devono essere corrette e alcune funzioni Advanced AI possono rendere impossibile la ZDR. Google invita i clienti a chiedere chiarimenti al proprio account team, passaggio da compiere prima di approvare il modello.

Ideale per: aziende Google Cloud che costruiscono agenti intorno a chiamate Gemini stateless approvate.
Punto di forza: indicazioni dettagliate, funzione per funzione, su Search, Maps, Interactions, sessioni Live, caching e CodeMender.
Prezzi: il listino attuale dei modelli Google indica per Gemini 3.1 Flash-Lite global Standard $0.25 per l'input, $0.025 per l'input in cache e $1.50 per l'output; su Priority $0.45, $0.045 e $2.70; su Flex/Batch $0.125, $0.0125 e $0.75, per 1 milione di token di testo. Web Grounding for Enterprise include 5,000 query di grounding al mese, poi costa $14 ogni 1,000.
Prova gratuita: nella pagina live dei prezzi della piattaforma non è indicata una prova specifica.

4. Anthropic API: la migliore per Claude con stato gestito dal cliente

Anthropic API è l'opzione Claude più adatta quando l'azienda è disposta a comporre l'agente con funzioni stateless idonee e a mantenere lo stato persistente sotto il proprio controllo.

Con un accordo ZDR Anthropic approvato, Anthropic dichiara di non conservare a riposo i prompt o le risposte dei clienti dopo la restituzione della risposta. L'accordo viene abilitato per organizzazione tramite il team commerciale. Le chiamate idonee a Messages e Token Counting sono coperte; può esserlo anche Claude Code quando usa la chiave API di un'organizzazione Commercial o Claude Enterprise con ZDR abilitata.

Il punto di forza principale di Anthropic è la granularità della tabella di idoneità. Bash lato client, Text Editor, Computer Use, Memory, Messages standard, Prompt Caching e Web Search standard possono restare nell'accordo ZDR. Un team di ingegneria competente può così costruire un agente utile mantenendo stato ed esecuzione dei tool nel proprio ambiente. Prompt caching conserva in memoria rappresentazioni KV e hash per il TTL della cache, invece di archiviare a riposo prompt e output.

Il limite maggiore è la separazione tra i modelli frontier. Claude Fable 5 e Claude Mythos 5 richiedono una conservazione di 30 giorni e non sono disponibili con la ZDR. Un'organizzazione ZDR approvata può abilitare la conservazione per un singolo workspace, ma il traffico di quel workspace non rispetta più la policy rigorosa. È una decisione di acquisto, non un semplice interruttore del modello: si accetta la conservazione per quei modelli oppure si sceglie un altro modello idoneo.

Le funzioni gestite costituiscono il secondo limite. Claude Managed Agents mantiene lo stato e le trascrizioni persistono finché non vengono eliminate. Batch conserva i dati per 29 giorni. Code Execution e Programmatic Tool Calling possono conservare i dati del container fino a 30 giorni. I Files persistono fino alla cancellazione o alla scadenza, mentre MCP Connector segue la conservazione standard. Il filtraggio dinamico per Web Search e Web Fetch non è idoneo alla ZDR, anche se le versioni standard lo sono.

Una differenza rispetto a Bedrock merita un riquadro rosso nella revisione architetturale: con la ZDR Anthropic, una funzione non idonea non viene necessariamente bloccata. Lo sviluppatore può usarla e portare quei dati fuori dall'accordo. La flessibilità dell'API trasferisce l'enforcement su code review, policy del gateway e test di integrazione.

Anthropic documenta anche le eccezioni. I dati segnalati o sottoposti a conservazione legale possono essere trattenuti fino a 2 anni. Questo non rende inutile il contratto, ma significa che lo «zero» ha un confine legato alla sicurezza e agli obblighi legali. I team di sicurezza devono registrare quel confine, senza promettere un assoluto che il fornitore non offre.

Ideale per: carichi Claude in cui memoria e tool possono essere eseguiti in sistemi controllati dal cliente.
Punto di forza: una matrice di idoneità dettagliata distingue i tool lato client dalle funzioni gestite che conservano dati.
Prezzi: il listino di Anthropic API indica Haiku 4.5 a $1 per l'input e $5 per l'output. Sonnet 5 costa $2 per l'input, $10 per l'output, $2.50 per la scrittura della cache e $0.20 per la lettura della cache. Opus 5 costa $5 per l'input e $25 per l'output, per 1 milione di token. Fable 5 costa $10 per l'input e $50 per l'output, ma non è idoneo alla ZDR. Batch consente un risparmio del 50%, ma resta anch'esso fuori dalla ZDR.
Prova gratuita: nella pagina live dei prezzi non è indicata una prova API.

5. Fireworks AI: la migliore per l'inferenza privata con modelli open

Fireworks AI è la scelta più lineare per un'azienda che vuole eseguire inferenza con modelli open e avere la Zero Data Retention come comportamento predefinito.

Per i modelli open, la documentazione Fireworks sulla gestione dei dati dichiara che prompt e generazioni restano nella memoria volatile solo per la durata della richiesta e non vengono scritti nello storage persistente, salvo adesione dell'utente al logging. Prompt caching può mantenere nella memoria volatile i dati del prompt e le cache KV per alcuni minuti, mentre i metadati di utilizzo, come il conteggio dei token, vengono conservati. È un confine diretto e comprensibile in una revisione di sicurezza.

Il caso d'uso ideale è un servizio privato di classificazione, estrazione, sintesi o pianificazione agentica, in cui l'azienda non richiede un oggetto conversazione gestito dal fornitore. Il team di piattaforma può scegliere un modello open, mantenere il database della memoria nel proprio cloud e usare Fireworks come livello di inferenza ad alto throughput. Il comportamento predefinito del provider riduce il rischio che un nuovo progetto parta con il logging attivo.

L'eccezione è importante: Fireworks Responses API usa store=True per impostazione predefinita. In questa modalità, prompt, risposte e chiamate ai tool vengono conservati per 30 giorni. Per un workflow Responses ZDR va impostato store=False. Gli altri servizi Fireworks seguono la policy ZDR predefinita, ma funzioni avanzate come FireOptimizer possono comportare un'adesione esplicita al logging dei prompt.

Il listino Serverless di Fireworks è abbastanza trasparente da confrontare le diverse modalità di deployment. GPT OSS 120B Standard costa $0.15 per l'input, $0.015 per l'input in cache e $0.60 per l'output. Il percorso Priority costa $0.18, $0.018 e $0.72. GPT OSS 20B Standard parte da $0.07 per l'input, $0.035 per l'input in cache e $0.30 per l'output. Batch dimezza il prezzo di input e output Serverless, ma ogni workflow asincrono va comunque verificato rispetto al requisito di conservazione prima dell'uso.

Fireworks si colloca dietro i tre provider frontier perché il cliente sceglie dal suo catalogo di modelli, invece di ricevere ogni nuovo modello proprietario in un unico impegno ZDR. Supera Groq per il comportamento ZDR predefinito e per una documentazione insolitamente chiara della Responses API. La scelta fra i due deve dipendere dalla disponibilità del modello, dalla latenza obiettivo e dall'aderenza del piano di controllo del provider al deployment.

Ideale per: aziende che servono modelli open dietro uno stack agentico controllato dal cliente.
Punto di forza: la ZDR è predefinita per l'inferenza con modelli open, escluse le chiamate Responses con storage.
Prezzi: GPT OSS 20B Standard costa $0.07 per l'input, $0.035 per l'input in cache e $0.30 per l'output. GPT OSS 120B Standard costa $0.15, $0.015 e $0.60; Priority $0.18, $0.018 e $0.72, per 1 milione di token. Batch costa il 50% delle tariffe di input e output Serverless.
Prova gratuita: i nuovi account ricevono $1 in crediti gratuiti.

6. GroqCloud: la migliore per l'inferenza a bassa latenza con modelli open

GroqCloud è la scelta migliore quando un agente basato su modelli open richiede bassa latenza e un controllo ZDR self-service disponibile per ogni cliente.

Groq non conserva per impostazione predefinita i contenuti di inferenza, ma il suo comportamento standard non coincide con la ZDR. La documentazione GroqCloud sui dati afferma che l'azienda può registrare temporaneamente input e output fino a 30 giorni per risolvere problemi di affidabilità o indagare su possibili abusi. Ogni cliente può abilitare la ZDR in Data Controls per rinunciare a questo storage, globalmente o per singola funzione.

Il percorso self-service è interessante per una startup o un team di piattaforma mid-market che non può attendere un ciclo di vendita enterprise. È anche sufficientemente preciso per un'azienda finanziata che costruisce un agente vocale, di classificazione o di selezione dei tool intorno a modelli open. I metadati di utilizzo vengono sempre conservati, ma secondo Groq non contengono input o output del cliente.

Il compromesso è la perdita di alcune funzioni. I file Batch possono persistere fino a 30 giorni, salvo cancellazione anticipata. Dataset e pesi di fine-tuning persistono fino alla cancellazione. L'attivazione della ZDR disabilita le funzioni che per operare dipendono dalla conservazione dei dati del cliente. Il product manager deve quindi scegliere tra un percorso di inferenza rigoroso e la comodità del batch o della personalizzazione ospitata.

Il catalogo di produzione attuale di Groq quota GPT OSS 120B a $0.15 per l'input e $0.60 per l'output, e GPT OSS 20B a $0.075 per l'input e $0.30 per l'output, per 1 milione di token. Il livello di account Free permette di verificare integrazione e limiti di frequenza con un rischio contenuto. Il passaggio a Developer non comporta un addebito immediato e porta l'account all'uso pay-as-you-go, con limiti più alti, Flex, Batch, supporto e controlli di spesa.

I livelli di erogazione aggiungono una decisione operativa. On-Demand è l'impostazione predefinita. Flex applica gli stessi prezzi per token e offre throughput superiore, ma può restituire un errore di capacità. Performance è un livello con capacità riservata, disponibile solo per Enterprise e con prezzi commerciali. auto sceglie un livello disponibile. Un agente rivolto agli utenti che non tollera retry potrebbe richiedere un accordo enterprise anche se la tariffa token sembra bassa.

Ideale per: agenti a bassa latenza basati su modelli open che possono restare stateless presso il provider.
Punto di forza: ogni cliente può abilitare la ZDR senza un processo di approvazione enterprise separato.
Prezzi: GPT OSS 20B costa $0.075 per l'input e $0.30 per l'output; GPT OSS 120B costa $0.15 per l'input e $0.60 per l'output, per 1 milione di token. Sono disponibili i livelli di account Free e Developer; Performance usa capacità Enterprise con prezzi commerciali.
Prova gratuita: è disponibile un livello di account Free.

7. Microsoft Foundry: la migliore per le aziende governate da Azure

Microsoft Foundry è la soluzione più adatta a un'azienda Azure che vuole inferenza stateless, storage controllato dal tenant e un percorso formale per disattivare la conservazione dei contenuti usata nel monitoraggio degli abusi.

La documentazione Foundry sulla privacy afferma che i modelli venduti da Azure sono stateless: prompt e completion non vengono archiviati nel modello e non vengono usati per addestrare o migliorare i modelli di base. I clienti gestiti possono richiedere il monitoraggio degli abusi modificato. Una volta approvati, non vengono utilizzati l'archivio dati e il processo di revisione umana per il monitoraggio degli abusi, anche se la revisione automatizzata può comunque avvenire durante l'elaborazione della richiesta.

Questa combinazione crea un percorso difendibile in stile ZDR, ma Microsoft non la presenta come un'unica impostazione ZDR universale e self-service. L'azienda deve ottenere l'approvazione, scegliere funzioni stateless e verificare la sottoscrizione. Una risorsa Foundry approvata espone ContentLogging come false nelle proprie capacità quando lo storage per il monitoraggio degli abusi è disattivato. È una prova utile per il responsabile del controllo, perché può essere verificata nel portale o tramite le API di gestione di Azure.

L'acquirente naturale è un'azienda che gestisce già identità, rete, chiavi, residenza dei dati e procurement tramite Azure. L'agente può conservare documenti e memoria persistente nelle risorse Azure scelte dal cliente, chiamare un deployment stateless per l'inferenza e mantenere un unico modello di governance cloud. Spesso questo conta più del risparmio di pochi centesimi sulla tariffa del modello.

Il limite è costituito dalle funzioni che archiviano dati per progettazione. Responses può memorizzare la cronologia dei messaggi. Anche Assistants Threads, Files, Vector Stores, Stored Completions, Batch e fine-tuning conservano i dati del cliente nel tenant. Cifratura, proprietà del tenant e controlli di cancellazione possono rendere accettabile lo storage, ma non lo trasformano in zero retention. Un workflow rigoroso deve usare una chiamata stateless al modello e un livello di stato esterno con una propria policy di cancellazione.

I prezzi dei modelli Azure seguono tre formule commerciali: Standard On-Demand, Provisioned Throughput Units e Batch. Batch completa il lavoro entro 24 ore al 50% in meno di Global Standard, ma archivia il lavoro caricato durante l'elaborazione e quindi non è il percorso rigoroso. GPT-5.6 Luna con contesto breve costa $0.20 per l'input, $0.02 per l'input in cache, $0.25 per la scrittura della cache e $1.20 per l'output su Global Standard. Data Zone porta queste tariffe a $0.22, $0.03, $0.28 e $1.32.

Ideale per: aziende che governano già l'AI sensibile tramite sottoscrizioni e aree geografiche Azure.
Punto di forza: ContentLogging:false offre a un cliente approvato un controllo verificabile sullo storage per gli abusi.
Prezzi: GPT-5.6 Luna con contesto breve su Global Standard costa $0.20 per l'input, $0.02 per l'input in cache, $0.25 per la scrittura della cache e $1.20 per l'output; su Data Zone costa $0.22, $0.03, $0.28 e $1.32, per 1 milione di token. Batch costa il 50% in meno di Global Standard, ma archivia il lavoro. Il prezzo di Provisioned dipende dal deployment e dalla prenotazione.
Prova gratuita: nella pagina live dei prezzi dei modelli non è indicata una prova specifica di Foundry.

8. OpenRouter: il migliore per il routing ZDR multi-provider

OpenRouter è il gateway più adatto quando un singolo agente aziendale deve accedere a più provider e il livello di routing deve escludere gli endpoint privi di policy ZDR.

L'enforcement ZDR di OpenRouter opera globalmente, per gruppo di modelli, all'interno di un guardrail o sulla singola richiesta. Una richiesta con zdr:true viene instradata solo verso endpoint che OpenRouter identifica come ZDR. La regola della richiesta si combina con le impostazioni di account e guardrail tramite un OR logico, quindi una singola chiamata non può indebolire una policy più rigorosa.

È utile sia nella valutazione dei modelli sia nel routing multi-provider in produzione. Il team di piattaforma può mantenere una sola integrazione compatibile con OpenAI, confrontare gli endpoint idonei ed evitare che un fallback finisca presso un provider che conserva i prompt. OpenRouter afferma inoltre di non conservare i prompt, salvo adesione del cliente al relativo logging.

Il vantaggio ha due limiti. Primo: l'enforcement ZDR di OpenRouter copre il routing del provider per l'inferenza, non plugin o tool come la ricerca web. Ogni terza parte richiede una revisione propria. Secondo: una policy per gruppo di modelli può cambiare il percorso in modo inatteso. L'applicazione della ZDR per Anthropic rimuove gli endpoint first-party di Anthropic, ma può lasciare disponibili i percorsi Bedrock e Vertex. Il gruppo OpenAI rimuove OpenAI first-party, ma può lasciare Azure. Il gruppo Google rimuove AI Studio, ma può lasciare Vertex.

Questo comportamento è utile solo se il team di sicurezza approva il percorso del provider rimasto. «Modello ZDR» non basta: contratto, regione, configurazione del monitoraggio degli abusi, catena dei tool e proprietario dell'endpoint devono tutti coincidere con la policy prevista. OpenRouter pubblica un elenco aggiornato degli endpoint ZDR, ma un'azienda dovrebbe registrare l'insieme approvato e generare un avviso quando un percorso cambia.

La pagina dei prezzi di OpenRouter è lineare. Free include più di 25 modelli gratuiti, 4 provider e 50 richieste al giorno. Pay-as-you-go copre più di 500 modelli e 80 provider, senza spesa minima e con una commissione di piattaforma del 5.5%. Enterprise usa impegni di volume con sconti sulle commissioni, concordati con il team commerciale. Con Bring-your-own-key, nel piano Pay-as-you-go l'uso è esente da commissioni fino a $25,000 al mese di inferenza a prezzo di listino e in Enterprise fino a $200,000; oltre queste soglie si applica il 5%.

OpenRouter è ottavo perché un gateway aggiunge un responsabile del trattamento e un livello di policy. Può migliorare l'enforcement, ma non rende conforme un tool o un provider che non lo è. Va usato quando scelta del modello e fallback contano abbastanza da giustificare il confine aggiuntivo.

Ideale per: agenti multi-modello che richiedono routing e fallback consapevoli della ZDR.
Punto di forza: l'enforcement per account, gruppo di modelli, guardrail e richiesta può impedire percorsi verso endpoint non ZDR.
Prezzi: Free offre più di 25 modelli, 4 provider e 50 richieste al giorno. Pay-as-you-go applica una commissione di piattaforma del 5.5% e non prevede un minimo. Enterprise usa impegni di volume con prezzi commerciali. BYOK è esente da commissioni fino a $25,000 di inferenza mensile a prezzo di listino su Pay-as-you-go o $200,000 su Enterprise, poi costa il 5%.
Prova gratuita: il piano Free è continuativo, non limitato nel tempo.

9. Mistral AI: la migliore per carichi Mistral stateless, non per Mistral Agents

Mistral AI è una buona piattaforma ZDR per carichi API stateless approvati, ma il prodotto gestito Agents è esplicitamente escluso dal confine ZDR.

La documentazione ZDR di Mistral rende il controllo disponibile previa approvazione nei piani a pagamento. Gli endpoint stateless coperti includono Chat Completions, completion fill-in-the-middle, Embeddings, Moderation, Classification, OCR, Speech e Transcription. I modelli Labs sono esclusi. Per un servizio di estrazione multilingue, un classificatore privato di documenti o un agente di coding gestito dal cliente, è una gamma utile.

Il limite dichiarato è insolitamente netto: Agents, file Batch, Conversations, Libraries, Files, Vibe Work e Chat non sono coperti. Il prodotto chiamato Agents non può quindi costituire il livello gestito di un agente con ZDR rigorosa. Bisogna usare l'API stateless sotto un orchestratore proprio e mantenere altrove memoria, documenti e stato delle attività.

Mistral separa inoltre la ZDR dall'esclusione dall'addestramento. Un cliente non deve adottare la ZDR solo per impedire che i dati idonei addestrino i modelli, e scegliere il non addestramento non produce zero retention. Questa formulazione aiuta il procurement a scrivere correttamente il requisito.

I prezzi di Mistral API indicano Mistral Large a $0.50 per l'input e $1.50 per l'output per 1 milione di token. Batch riduce del 50% il prezzo dei token e l'input in cache può ridurre il costo dell'input fino al 90%, ma i file Batch sono fuori dalla ZDR. I livelli del prodotto utente sono Free con $10 al mese di crediti API, Pro a $14.99 al mese con $30 di crediti API mensili, Team a $24.99 per utente al mese ed Enterprise tramite il team commerciale. Questi livelli non rendono la funzione gestita Agents idonea alla ZDR. Un'organizzazione ZDR deve avere un piano a pagamento e ottenere l'approvazione.

Mistral è ultima perché la ricerca di riferimento riguarda espressamente gli agenti aziendali. L'API stateless è competitiva, il prezzo è chiaro e l'elenco della copertura è utile. La discrepanza nel nome del prodotto crea però un rischio troppo alto che un decisore scelga il livello sbagliato.

Ideale per: chiamate a modelli Mistral inserite in un'architettura agentica costruita e archiviata dal cliente.
Punto di forza: ampia copertura delle API stateless per testo, OCR, classificazione e audio.
Prezzi: Mistral Large costa $0.50 per l'input e $1.50 per l'output per 1 milione di token. Batch costa il 50% in meno e l'input in cache può costare fino al 90% in meno, ma i file Batch sono fuori dalla ZDR. I prodotti utente sono Free con $10 di crediti mensili API, Pro a $14.99 al mese con $30 di crediti mensili, Team a $24.99 per utente al mese ed Enterprise; la ZDR richiede comunque un piano a pagamento e l'approvazione.
Prova gratuita: il piano prodotto Free non è idoneo alla ZDR.

Il budget mensile di inferenza non è l'intero budget della privacy

Le tariffe dei token contano, perché un agente aziendale può produrre miliardi di token in input tra documenti recuperati, risultati dei tool e memoria ripetuta. Non misurano però la qualità del modello. Il confronto seguente normalizza un solo carico: 1 miliardo di token in input e 200 milioni di token in output, senza caching, tool, maggiorazioni regionali o sconti di volume.

Fireworks o Groq con GPT OSS 120B arrivano a $270. OpenAI GPT-5.6 Luna costa $440. Google Gemini 3.1 Flash-Lite costa $550. Mistral Large costa $800. Anthropic Sonnet 5 costa $4,000. Un prezzo più basso non significa che il modello completi lo stesso compito con la stessa accuratezza, latenza o quantità di retry.

Un calcolo di acquisto più corretto ha tre voci:

1. Inferenza: token del modello, tool, grounding, elaborazione regionale e commissioni del gateway.
2. Gestione diretta dello stato: database, object storage, secret, cifratura, processi di cancellazione, tracce e backup.
3. Operatività dei controlli: prove di approvazione, test di regressione, monitoraggio dei fornitori, analisi degli incidenti e tempo del personale.

Un agente privato è economicamente sostenibile quando la somma di queste tre voci è inferiore al costo e al rischio di un workflow gestito che conserva dati. Il risultato varia in base alla sensibilità dei dati. Un agente di assistenza clienti che elabora contenuti pubblici del centro assistenza potrebbe non richiedere la ZDR. Un agente di due diligence che legge documenti relativi a un'acquisizione spesso sì.

Per approfondire l'economia dei token tra provider, consultare il confronto delle API AI più economiche. Il benchmark di qualità deve restare separato dal listino.

Quale piattaforma scegliere in base al caso d'uso

Il fondatore di una startup finanziata che sviluppa un prodotto sanitario o finanziario dovrebbe partire da OpenAI API se le capacità frontier sono importanti e l'azienda può ottenere l'approvazione ZDR. La memoria relativa a pazienti, clienti o transazioni va mantenuta nel livello dati dell'azienda. Se le risorse OpenAI non idonee sono centrali nel prodotto previsto, l'architettura deve essere corretta prima che il procurement firmi per il modello.

Il CTO di un'azienda mid-market con un piano di controllo AWS già consolidato dovrebbe scegliere Amazon Bedrock quando l'obiettivo di sicurezza è l'enforcement a livello di organizzazione. La decisione cambia se un modello indispensabile non consente none e l'azienda non accetta un modello diverso.

Un'azienda su Google Cloud dovrebbe scegliere Gemini Enterprise Agent Platform quando IAM, archivi dati e operazioni risiedono già in quell'ambiente. La decisione cambia se il workflow dipende da Google Search grounding, Maps grounding, persistenza delle sessioni CodeMender o da un'altra funzione Advanced AI incompatibile con la policy.

Un platform builder senior che vuole Claude dovrebbe scegliere Anthropic API se il team può usare chiamate Messages idonee e tool lato client. La decisione cambia se Fable 5, Mythos 5, Managed Agents, esecuzione di codice ospitata o MCP Connector sono imprescindibili.

Un team che lavora con modelli open dovrebbe valutare insieme Fireworks AI e GroqCloud. Fireworks è preferibile quando si adattano il comportamento ZDR predefinito e il catalogo di erogazione; Groq quando si adattano bassa latenza, ZDR self-service e modello di capacità. Prima di scegliere bisogna misurare il modello e il carico esatti.

Un'azienda standardizzata su Azure dovrebbe usare Microsoft Foundry quando il monitoraggio degli abusi modificato è approvato ed è possibile verificare ContentLogging:false. La decisione cambia se l'organizzazione vuole un unico contratto ZDR portabile tra cloud, invece di un insieme di controlli specifici di Azure.

OpenRouter è indicato quando scelta del modello, fallback e diversità dei provider sono requisiti. Non va usato come scorciatoia per la privacy: ogni plugin, tool ed endpoint del provider rimasto richiede comunque approvazione.

L'API stateless di Mistral è adatta quando i modelli Mistral rispondono alle esigenze e l'azienda può costruire il proprio livello di stato agentico. Per un requisito ZDR rigoroso non va scelto il prodotto gestito Agents.

Le opzioni da evitare per una ZDR rigorosa

Evitare Claude Fable 5 e Claude Mythos 5, a meno che l'organizzazione non accetti formalmente una conservazione di 30 giorni. La stessa esclusione vale per questi modelli coperti sia nell'API first-party sia nei marketplace cloud, salvo specifica idoneità ZDR dell'account.

Evitare Mistral Agents quando il requisito del workflow dice letteralmente zero data retention. Le API stateless di Mistral possono essere idonee; il prodotto gestito Agents non lo è.

Evitare Google Search grounding e Google Maps grounding in un percorso rigoroso. Search impone una conservazione fino a 3 giorni e Maps conserva i contenuti pertinenti per 30 giorni. Usare Web Grounding for Enterprise quando soddisfa caso d'uso e contratto.

Evitare le impostazioni predefinite che archiviano le conversazioni. Fireworks Responses usa store=True per impostazione predefinita. Anche Google Interactions imposta store su true. Una policy di produzione deve definire esplicitamente il comportamento privato e rifiutare un deployment che lo omette.

Evitare gli endpoint con stato pensati per la comodità senza un'approvazione di conservazione separata. L'elenco comprende OpenAI Conversations, Assistants, Threads, Files, Vector Stores e Batch; Anthropic Managed Agents, Batch, Files, esecuzione di codice e MCP Connector; lo stato di Batch e fine-tuning di Groq; Microsoft Responses history, Assistants Threads, Files e Batch; Mistral Conversations, Libraries, Files e Batch.

Evitare una revisione della privacy limitata al gateway. OpenRouter può impedire che un percorso di inferenza raggiunga un endpoint non ZDR. Non governa il plugin di ricerca web, il server MCP, il CRM, il browser, il tool di analytics o il database che riceve i contenuti dopo la chiamata del modello.

La mossa del lunedì: eseguire una prova di conservazione

Non bisogna partire con una procedura d'acquisto su nove fornitori. Lunedì è meglio scegliere un workflow sensibile e dimostrarne il confine.

1. 1

   Scegliere un record

   Creare un record sintetico simile ai dati sensibili che l'agente dovrà gestire. Assegnargli una stringa canary univoca, in modo che ogni copia sia ricercabile.

2. 2

   Disegnare ogni passaggio

   Elencare client, gateway, endpoint del modello, cache, database della memoria, archivio dei file, sistema di osservabilità, tool e percorso di revisione umana. Affiancare a ogni elemento un responsabile e una regola di conservazione.

3. 3

   Abilitare il controllo più rigoroso

   Attivare la configurazione ZDR o stateless della piattaforma a livello di organizzazione o progetto. Impostare esplicitamente i flag di storage delle richieste anche quando il fornitore afferma che la ZDR li sovrascrive.

4. 4

   Interrompere il workflow di proposito

   Chiamare una funzione incompatibile. Un controllo solido deve bloccarla, disabilitarla o generare un avviso. Se la chiamata riesce e archivia il canary, l'architettura richiede un altro livello di enforcement.

5. 5

   Cercare, cancellare e firmare

   Cercare il canary in ogni sistema approvato, eseguire il percorso di cancellazione, conservare le prove e far firmare il diagramma alla sicurezza e al responsabile del prodotto. Ripetere dopo qualsiasi modifica a modello, tool o funzione agentica.

Il risultato non è una policy di 40 pagine. È una mappa della richiesta, un pacchetto di prove e una decisione: mantenere il workflow, cambiare la funzione o cambiare il provider. La ZDR diventa così un controllo operativo, non un aggettivo usato nel procurement.

Domande frequenti

Qual è la migliore piattaforma per agenti AI enterprise?

OpenAI API è la migliore piattaforma di modelli ZDR per la maggior parte delle aziende che richiedono capacità frontier, mentre Amazon Bedrock è preferibile quando la policy di conservazione deve essere fail-closed in tutta un'organizzazione AWS. Google Gemini Enterprise Agent Platform è la soluzione più adatta a un ambiente Google Cloud esistente. La scelta migliore cambia quando una funzione indispensabile di memoria, file, ricerca o agente gestito resta fuori dalla ZDR.

Qual è il miglior agente AI nel 2026?

Non esiste un singolo agente migliore per ogni workflow aziendale. Per una ZDR rigorosa, l'agente va costruito intorno a un endpoint stateless supportato, mantenendo lo stato persistente in sistemi controllati dal cliente. OpenAI guida per la ZDR con modelli frontier, Bedrock per l'enforcement delle policy, Fireworks o Groq per l'inferenza con modelli open.

Quali sono le principali tendenze AI per le aziende nel 2026?

Una tendenza importante è la separazione tra accesso al modello e gestione diretta dello stato. Le regole di conservazione dei modelli frontier determinano ormai l'idoneità dei modelli, mentre le aziende devono sempre più spesso controllare memoria, file, tracce e governance dei tool per mantenere privati i workflow agentici sensibili.

Qual è la migliore piattaforma AI nel 2026?

Per un programma AI enterprise generale, la piattaforma migliore è quella che si adatta ai controlli cloud, ai requisiti dei modelli, al confine dei dati e al team operativo dell'azienda. Per il requisito più circoscritto della ZDR, OpenAI API, Amazon Bedrock e Google Gemini Enterprise Agent Platform sono le scelte principali, con compromessi diversi in termini di copertura delle funzioni ed enforcement.

Serve un metodo di una pagina per abbinare i tool AI ai workflow e ai rischi aziendali? La AI Tools Map for Business Owners è disponibile tramite la newsletter.