«Il vantaggio del cliente non deve diventare dati di addestramento»: vero, ma non per la clausola del contratto
7 min di lettura
Il 3 agosto 2026 Palantir Technologies deposita alla SEC, come Exhibit 99.1 al modulo 8-K, il comunicato dei risultati del secondo trimestre 2026. Non è un discorso da palco né un post: è l’allegato a un deposito obbligatorio presso un regolatore, accanto a cifre che l’azienda deve poter difendere in giudizio. Il titolo stesso non lascia dubbi sul tono: crescita del fatturato commerciale USA del 149% e del fatturato complessivo del 93%, «schiacciando le attese di consenso». Ma la riga che conta di più non è nel titolo. È nella dichiarazione del CEO, dove Alex Karp scrive:
«Demand for AI sovereignty has now been unleashed. And Palantir is the only company that has demonstrated it can transform tokens into actual economic value. Our customers trust us to provide them with maximal control over their operations, data, and decisions. Their competitive advantage should never become the training data for future models. This quarter was otherworldly: our U.S. commercial revenue grew 149% year-over-year, our overall revenue grew 93% year-over-year, and our Rule of 40 score climbed to 155%. The sovereign AI revolution makes us very optimistic about the future.»
Il vantaggio competitivo di un cliente non dovrebbe mai diventare i dati di addestramento dei modelli futuri. Non una frase da palco davanti a una platea che applaude a prescindere: una frase depositata presso un regolatore. Ed è, per dichiarazione diretta di chi guida questa azienda, il fondamento su cui è costruita CSIDIA. Dello stesso comunicato abbiamo già raccontato un angolo diverso — quanto pesa un solo committente sui ricavi del trimestre. Qui il compito è un altro: non ripetere la frase di Karp, ma renderla precisa. Nella versione che ne circola fuori da un deposito SEC, viene usata in un modo che non regge — e chi la usa così, davanti a un ufficio acquisti informato, si fa smontare.
I numeri intorno alla frase
Karp li cita lui stesso, in ordine: ricavi commerciali USA a 764 milioni di dollari, +149% su base annua; ricavi complessivi a 1,935 miliardi, +93%; Rule of 40 — crescita più margine — salito a 155%. Il deposito aggiunge il resto: ricavi USA complessivi a 1,573 miliardi, +115%; guidance per l’intero 2026 alzata a +82%, con quella del solo commerciale USA portata ad almeno +134%. Numeri che un’azienda quotata mette per iscritto sapendo che il mercato li verificherà trimestre dopo trimestre. Non li citiamo per dimostrare che Palantir ha ragione: li citiamo perché la frase di Karp sta in mezzo a questi numeri, non in un’intervista slegata da conseguenze.
La versione che si smonta in riunione
La lettura che circola più spesso, semplificata, suona così: pagate un abbonamento a un modello chiuso e, usandolo, addestrate il concorrente che domani vi farà concorrenza. È un argomento a effetto, e per questo si ripete. Ma è contestabile, e chi lo porta in una trattativa rischia di perdere credibilità su tutto il resto. Abbiamo verificato il 4 agosto 2026, leggendo le condizioni pubblicate dai principali fornitori di modelli chiusi, che sui piani API ed enterprise l’addestramento sui dati dei clienti è escluso per contratto: i grandi laboratori dichiarano di non usare input e output per allenare i modelli futuri, e offrono piani a conservazione zero. Restiamo volutamente generici sull’attribuzione — «i principali fornitori dichiarano» — perché non è su questo che vogliamo essere creduti sulla parola: chi vuole sapere quale fornitore dice cosa può leggerlo da sé. Nella successiva conference call con gli analisti il tema sarebbe stato sviluppato più a lungo; non lo riportiamo, perché l’unica trascrizione in circolazione è automatica, con errori evidenti, e non verificabile su fonte ufficiale.
Perché l’argomento regge lo stesso — in tre punti
Primo: una clausola non è un’architettura. «Non addestriamo sui vostri dati» è una promessa contrattuale, non un vincolo fisico. Si riscrive con un aggiornamento delle condizioni d’uso, con un cambio di proprietà della società che la firma, con un cambio di giurisdizione. Nel frattempo il dato è comunque uscito dal perimetro del cliente: sta su un’infrastruttura che il cliente non amministra, sotto una promessa che il cliente non può verificare dall’esterno. Un’architettura in cui il dato non esce mai non ha bisogno che qualcuno la creda: la garanzia è nella struttura, non nella parola data.
Secondo, ed è il punto che nessuna clausola copre: il vantaggio vero non dipende da quella promessa. Anche ad addestramento zero, resta tutto il lavoro con cui un’organizzazione rende un modello bravo sul proprio mestiere: l’addestramento mirato, i documenti caricati, le valutazioni compito per compito, le correzioni, l’uso quotidiano che accumula segnale. Quel lavoro migliora un modello che il cliente non possiede, non può ispezionare, non può portare altrove, e di cui non decide né il prezzo né la disponibilità futura. Il giorno in cui cambia fornitore, quella competenza non lo segue: si ricomincia da zero.
Terzo: qualcun altro può decidere per voi, a prescindere dal fornitore. Dal 10 agosto 2026 il regolamento di esecuzione (UE) 2026/1755 consente alla Commissione europea di chiedere al fornitore di un modello di IA per finalità generali l’accesso ai pesi, all’infrastruttura che lo ospita e a «tutti i livelli di accesso concessi ai dipendenti del fornitore» — e di imporgli di disabilitare la registrazione di quell’accesso. Non è un’ipotesi: è una facoltà scritta in un testo già in vigore, esercitabile su un modello da cui un’organizzazione dipende e su cui non ha voce in capitolo. Nessuna clausola contrattuale prevale su una decisione della Commissione presa ai sensi dell’AI Act.
Quello che facciamo, alla nostra scala
Facciamo la stessa cosa, a un’altra scala e per altri clienti. Modelli a pesi aperti, addestrati sul dominio specifico del cliente, eseguiti dentro il suo perimetro: on-premise su macchine autonome senza integrazione profonda nella rete esistente, oppure su cloud dedicato CSIDIA, con VPN dedicata e data center in Italia, in locali che presidiamo direttamente. Non è una promessa: siamo già sul campo, con sistemi in esercizio in diverse realtà enterprise e non solo, e il primo impianto entra in funzione in settimane, non in trimestri.
La parte che chiude davvero il discorso è un’altra: siamo multimodello, e lo diciamo esplicitamente perché è la prova che non è un modo per legare il cliente a noi. Il modello si sostituisce quando il cliente vuole — anche solo per confrontarlo con un altro o metterlo alla prova su compiti reali. Quello che rende brava un’organizzazione non è il modello: è la sua ontologia, i suoi dati, i suoi processi. Quelli restano suoi — anche rispetto a noi: se un giorno il cliente cambia fornitore, si porta via l’impianto, perché non è mai stato nostro.
Il rovescio, doveroso
Palantir dice questo perché vende l’alternativa a un modello chiuso e a consumo. Noi lo diciamo per la stessa ragione: vendiamo la stessa alternativa. Il lettore ha tutto il diritto di scontare entrambe le fonti — la nostra compresa — e questo articolo non gli chiede di credere a nessuna delle due. Gli chiede di verificare l’argomento, che sta in piedi da solo: le condizioni dei fornitori di modelli chiusi si leggono, il regolamento europeo è pubblicato in Gazzetta ufficiale, e la domanda su dove si accumula la competenza che si sta costruendo se la può porre chiunque, con qualunque fornitore — noi compresi.
E va detto per onestà, senza sconti: Palantir è un’azienda enorme, quotata, con una cassa di 9,2 miliardi di dollari; i suoi numeri non sono i nostri, e non li usiamo per prenderne in prestito la credibilità. Che un’azienda cresca del 93% in un trimestre non dimostra che la sua tesi sulla proprietà dei dati sia giusta: dimostra che una parte crescente del mercato la sta comprando. Sono due fatti diversi, e solo il secondo è certo.
Come si applica, in pratica
Il primo asse è quello che si può esibire: i controlli di conformità su un modello di terzi — chi vi ha avuto accesso, cosa gli è stato inviato, quali clausole coprono cosa — girano sui documenti e sui sistemi del cliente, con la traccia pronta per un’ispezione. Il secondo è quello che rende utile il primo: lo stesso impianto tiene insieme i dati sparsi dell’organizzazione — archivi, gestionali, documenti, sensori — in un modello operativo unico, addestrato sul dominio specifico, su cui agenti AI eseguono decisioni con un operatore al comando. Per grandi imprese, difesa, pubblica amministrazione e sanità, la domanda su chi accumula la competenza costruita è la stessa domanda su chi resta indispensabile fra cinque anni.
Volete sapere dove sta andando oggi la competenza che la vostra organizzazione costruisce ogni volta che usa un modello di IA — e se resterebbe con voi se cambiaste fornitore? Mezz’ora, senza costi, per fare la mappa.