NVIDIA porta i modelli aperti nella PA europea con 2 dataset da 1 milione

La notizia non è il lancio di un singolo modello, ma il passaggio dell’IA generativa pubblica dalla sperimentazione alla macchina amministrativa. Nel nuovo aggiornamento pubblicato sul proprio blog, NVIDIA descrive una serie di iniziative europee in cui enti pubblici, integratori e sviluppatori locali usano modelli aperti, dataset sintetici e infrastrutture controllate per costruire servizi di documentazione, sanità, lavoro, simulazione degli utenti e assistenti interni secondo l’annuncio ufficiale.

Il filo comune è la sovranità operativa: non affidare necessariamente dati amministrativi, sanitari o occupazionali a un’API esterna, ma poter valutare il modello, adattarlo alla lingua locale, eseguirlo su infrastruttura propria o gestita in Europa, applicare regole di sicurezza e mantenere audit trail. È la stessa logica che Unione europea ha incorporato nel proprio approccio interno all’IA: la comunicazione AI@EC, pubblicata il 18 gennaio 2024 e aggiornata nel 2025, chiede sistemi leciti, sicuri, trasparenti e centrati sulla persona per l’uso dell’intelligenza artificiale dentro la Commissione come indica la documentazione della Commissione.

Il caso Commissione europea: agenti governati, non chatbot liberi

Il primo esempio citato da NVIDIA riguarda deepset, società berlinese nata intorno al framework open source Haystack. L’azienda sta estendendo Haystack Enterprise Platform, indicata da NVIDIA come base di AI@EC, la piattaforma condivisa della Commissione europea per costruire ed eseguire applicazioni di IA su infrastruttura gestita dalla Commissione stessa. L’aggiornamento collega sviluppo degli agenti, esecuzione, ottimizzazione e governance, con strumenti per confrontare costi operativi, valutare la qualità delle risposte e ricostruire i problemi.

La parte meno appariscente è anche la più importante per una pubblica amministrazione: accessi basati sui ruoli, componenti riutilizzabili, tracciabilità, audit trail e guardrail. Sono requisiti che cambiano il senso del prodotto. Un assistente che riassume documenti, cerca nella conoscenza interna o supporta l’analisi multilingue delle politiche pubbliche deve poter spiegare dove ha preso le informazioni, chi lo ha usato, quale modello ha scelto e quale costo ha generato. NVIDIA Triton Inference Server, nel caso descritto, supporta i servizi condivisi per trovare e classificare le informazioni rilevanti.

La direzione è confermata anche dall’annuncio autonomo di deepset, diffuso il 21 ottobre 2026 durante NVIDIA GTC Berlin: la società parla di nuove funzioni per ridurre il costo degli agenti sovrani, mostrando la spesa per modello, agente, servizio e team, e promettendo raccomandazioni automatiche per abbassare costi e migliorare qualità con approvazione umana prima della messa in produzione secondo il comunicato di deepset.

Polonia: radiologia, uffici del lavoro e modelli nazionali

In Polonia i casi sono due e toccano settori ad alto impatto. Il Centrum e-Zdrowia, il Centro per la sanità elettronica polacco, sta costruendo una Intelligent Services Platform per l’imaging medico con NVIDIA DGX BasePOD e il framework MONAI. L’obiettivo dichiarato è aiutare i medici ad analizzare radiografie, TAC e risonanze magnetiche, rilevare anomalie e dare priorità ai casi urgenti. Il Centro polacco, nella propria descrizione istituzionale, afferma di gestire oltre 50 sistemi centrali e di lavorare a strumenti di IA a supporto delle decisioni diagnostiche come riporta il sito dell’ente.

Il secondo progetto polacco riguarda il lavoro. Con il supporto di Deloitte, il Ministero della Famiglia, del Lavoro e delle Politiche sociali sta sviluppando una agentic factory su infrastruttura accelerata NVIDIA, pensata per servire più di 400 uffici del lavoro. Secondo NVIDIA, il sistema userà modelli come PLLuM, GPT OSS e Inkling per ricerca documentale, sintesi e assistenti digitali destinati al personale che segue chi cerca occupazione.

Qui il punto non è sostituire l’impiegato pubblico, ma comprimere il tempo speso su fascicoli, regolamenti, modulistica e risposte ripetitive. Il rischio, però, è evidente: se il sistema entra in processi che incidono sull’accesso a prestazioni, opportunità o servizi, non può essere trattato come un semplice motore di produttività. L’AI Act, entrato in vigore il 1 agosto 2024, classifica gli usi ad alto rischio — tra cui software medico e sistemi legati a occupazione e selezione — imponendo requisiti su dati, mitigazione dei rischi, informazione agli utenti e supervisione umana secondo la Commissione europea.

Regno Unito e Germania: un milione di cittadini sintetici per testare l’IA

La parte più nuova dell’annuncio riguarda i dataset di NVIDIA Nemotron-Personas, pensati per simulare popolazioni locali senza usare profili reali. Nel Regno Unito, Locai Labs ha rilasciato Nemotron-Personas-UK, un dataset da 1 milione di persone sintetiche che riflette diversità demografica e geografica britannica. NVIDIA cita possibili usi in valutazioni sanitarie e test di bias per età, istruzione, aree rurali e urbane.

La scheda su NVIDIA NGC dell’edizione estesa spiega che il dataset britannico è allineato a statistiche su nomi, sesso, età, etnia, religione, stato civile, tipologia familiare, istruzione, occupazione, salute, lingue e localizzazione; copre le quattro nazioni del Regno Unito e usa fonti ufficiali diverse: Census 2021 per Inghilterra, Galles e Irlanda del Nord, e Scotland’s Census 2022 per la Scozia secondo la scheda del dataset.

In Germania, Nemotron-Personas-Germany è pubblicato su Hugging Face con licenza CC BY 4.0 e contiene 1 milione di righe. Ogni record include più profili testuali sintetici — professionale, sportivo, artistico, di viaggio, culinario e personale — e campi demografici come età, sesso, istruzione, occupazione, settore, distretto e Land. La scheda mostra la copertura di 16 Länder e 400 distretti, coerente con quanto indicato da NVIDIA nel proprio annuncio nella scheda Hugging Face.

Dataset Nemotron-Personas citati per paeseValori in milioni di record

• Regno Unito1
• Germania1

Questi dataset non sono archivi anagrafici e non vanno confusi con dati personali reali. Servono a generare conversazioni, casi d’uso, test di robustezza e valutazioni di equità più aderenti alla composizione di una popolazione. Il limite è altrettanto chiaro: un profilo sintetico può ridurre il rischio privacy, ma può anche congelare distorsioni statistiche o culturali presenti nelle fonti, nei prompt e nei validatori. Per questo la pubblicazione di pesi, dati o ricette di addestramento aiuta l’ispezione, ma non elimina da sola il problema della qualità.

Germania: l’assistente pubblico diventa un “umano digitale” on premise

Il secondo caso tedesco riguarda Materna, integratore IT di Dortmund, che a NVIDIA GTC ha introdotto Sinfonie, una piattaforma on-premises per “digital humans”: assistenti esperti con IA generativa, interazione vocale e avatar 3D. Materna afferma che tutti i componenti possono funzionare sui sistemi del cliente, senza che i dati escano dall’infrastruttura dell’organizzazione secondo il comunicato aziendale.

Il progetto nasce da un caso per un’amministrazione del Nord Reno-Westfalia. L’obiettivo era assistere i dipendenti su processi interni, regolamenti e basi di conoscenza, rispettando requisiti elevati di protezione dei dati, sicurezza informativa e sovranità digitale. NVIDIA cita Audio2Face per l’animazione degli avatar; Materna presenta invece la piattaforma come un passaggio dai chatbot testuali a compagni digitali che usano voce, espressioni facciali e gesti.

Per una PA, il vantaggio pratico è l’accesso più naturale alla conoscenza organizzativa: onboarding, procedure interne, assistenza su pratiche complesse. Il rischio è l’effetto opposto, cioè un’interfaccia troppo antropomorfa che induca fiducia eccessiva. Se l’avatar sbaglia su una norma o una procedura, la responsabilità non può essere scaricata sulla forma conversazionale del servizio. Servono registri, versionamento delle basi dati e canali di escalation verso funzionari umani.

La cornice tecnica: Nemotron, modelli aperti e infrastruttura europea

La strategia pubblica descritta da NVIDIA poggia su un’espansione più ampia del portafoglio di modelli aperti. Sempre il 21 ottobre 2026, l’azienda ha presentato nuove famiglie per linguaggio, retrieval, dati strutturati, robotica, biologia e quantum computing: Nemotron 3.5 Super VL e Nemotron 3.5 Bolt, nuovi Nemotron Retriever per embedding, reranking e parsing dei documenti, Kumo per dati aziendali strutturati, Cosmos 3.5 per world models, Alpamayo 2 Edge, BioNeMo e Ising secondo NVIDIA.

La famiglia Nemotron è presentata da NVIDIA come composta da modelli con pesi, dati di training e ricette aperte, pensati per costruire agenti specializzati. La pagina sviluppatori indica che i modelli possono essere distribuiti con framework come vLLM, SGLang, Ollama e llama.cpp, oppure come microservizi NVIDIA NIM su sistemi GPU accelerati secondo la documentazione NVIDIA Developer.

Il riferimento tecnico più forte è Nemotron 3.5 Super VL, rilasciato il 15 ottobre 2026: un modello aperto da 120 miliardi di parametri, con capacità multimodali e agentiche. Accanto a lui c’è Nemotron 3.5 Bolt 74B-A9B 24GB, pensato per carichi locali su hardware NVIDIA con 24 GB di memoria, mentre Bolt E4B 4GB è previsto da NVIDIA per il 23 ottobre 2026 secondo l’annuncio del 15 ottobre.

Dimensione dei modelli Nemotron 3.5 citatiValori in miliardi di parametri

• Super VL120
• Bolt 74B-A9B74
• Lightning30

Il confronto con i servizi chiusi via API è netto. Un modello proprietario può essere più semplice da consumare e aggiornare, ma lascia meno controllo su pesi, ambiente di esecuzione, costi granulari e personalizzazioni profonde. Un modello aperto richiede più competenze, valutazione continua e infrastruttura, ma consente a un ente pubblico di scegliere dove risiedono dati e log, quali versioni usare e quali controlli applicare. NVIDIA stessa definisce i modelli aperti come sistemi con pesi, dati o ricette pubblicamente accessibili che gli sviluppatori possono ispezionare, personalizzare e distribuire su infrastruttura propria nel proprio glossario tecnico.

Il laboratorio Codefest e la catena europea dei fornitori

L’annuncio pubblico si collega anche al programma NVIDIA Open Models AI Codefest sostenuto da Deutsche Telekom e T-Systems. Secondo T-Systems, tra il 9 settembre e il 7 ottobre 2026 quattordici team di tredici paesi EMEA hanno lavorato su casi pubblici e regolati: cartelle ospedaliere manoscritte in Polonia, rilevamento di imbarcazioni non tracciate nelle acque europee, tutor di IA per bambini in Asia centrale, sicurezza, finanza, sanità e resilienza ai disastri secondo T-Systems.

Il dato interessante per l’Italia è che uno dei team partecipanti era Galene.AI, indicato come italiano da T-Systems. Il programma non equivale a un appalto pubblico, ma mostra come NVIDIA stia cercando di creare un ecosistema di sviluppatori, integratori e fornitori cloud intorno ai propri modelli aperti. La stessa T-Systems afferma di aver fornito infrastruttura di calcolo per addestrare e distribuire modelli linguistici di grandi dimensioni, un pezzo essenziale se l’IA sovrana non vuole restare una formula politica.

Cosa cambia per amministrazioni, sviluppatori e aziende italiane

Per la pubblica amministrazione italiana, la lezione più concreta è architetturale. I casi europei descritti da NVIDIA non partono dall’interfaccia utente, ma dal controllo dell’intero ciclo: dati, modello, retrieval, autorizzazioni, audit, qualità, costi e infrastruttura. È un approccio più lento rispetto all’acquisto di un assistente generico, ma più adatto a fascicoli sanitari, lavoro, pratiche amministrative, documenti interni e servizi multilingue.

Per gli sviluppatori, il mercato che si apre non è solo quello del prompt engineering. Servono competenze in retrieval augmented generation, valutazione automatica, osservabilità degli agenti, gestione delle identità, sicurezza dei log, sintetizzazione controllata dei dati e adattamento dei modelli a domini verticali. La competizione non sarà tra “chatbot”, ma tra sistemi capaci di dimostrare costo per attività, qualità misurata, fonti tracciabili e conformità ai requisiti europei.

Per le aziende che vendono alla PA, la spinta europea rende meno credibile il modello “black box” senza portabilità. Chi propone software di IA dovrà spiegare dove gira il modello, come sono trattati i dati, quali dataset sono stati usati per valutarlo, quale supervisione umana è prevista e come si disattiva o aggiorna un agente che sbaglia. I fornitori che sapranno combinare modelli aperti e garanzie operative avranno un vantaggio nelle gare più sensibili.

I limiti: aperto non significa automaticamente sicuro

La parola “open” rischia di essere usata come scorciatoia reputazionale. Un modello con pesi accessibili può essere ispezionabile, adattabile e distribuibile localmente, ma resta un sistema probabilistico. Può generare errori, amplificare pregiudizi, dipendere da dati incompleti o produrre risposte convincenti ma sbagliate. Nei servizi pubblici, l’affidabilità non si misura solo con benchmark generali: serve testare scenari reali, lingue minoritarie, utenti vulnerabili, casi limite e procedure amministrative specifiche.

C’è anche un tema industriale. La sovranità europea costruita su hardware, software e stack NVIDIA resta una sovranità relativa: maggiore controllo operativo sui dati e sull’esecuzione, ma dipendenza da un fornitore statunitense per GPU, librerie, microservizi e buona parte dell’ecosistema. Non è una contraddizione secondaria. È il compromesso su cui si sta costruendo l’attuale strategia europea: più controllo locale sopra infrastrutture ancora globali.

I prossimi passaggi da seguire sono ravvicinati. Il 23 ottobre 2026 è la data indicata da NVIDIA per l’arrivo di Nemotron 3.5 Bolt E4B 4GB. Nei mesi successivi andrà verificato quali progetti pubblici passeranno da annuncio a produzione, con quali metriche di qualità e quali documenti di valutazione. La differenza tra un comunicato e un servizio pubblico affidabile sarà tutta lì: audit pubblicabili, errori misurati, responsabilità chiare e risultati verificabili.

Domande e risposte

Che cosa ha annunciato NVIDIA il 21 ottobre 2026 per la pubblica amministrazione europea?

NVIDIA ha raccolto una serie di progetti pubblici europei basati su modelli aperti: AI@EC per la Commissione europea con deepset, piattaforme sanitarie e del lavoro in Polonia, dataset sintetici per Regno Unito e Germania, assistenti on premise in Germania e iniziative di sviluppo locale con T-Systems.

A cosa servono i dataset Nemotron-Personas-UK e Nemotron-Personas-Germany?

I dataset Nemotron-Personas servono a simulare utenti locali per addestrare e valutare modelli e agenti senza usare profili reali. Le versioni citate per Regno Unito e Germania contengono entrambe 1 milione di record e sono pensate per test di rappresentatività, bias e qualità nelle lingue e nei contesti nazionali.

Perché i modelli aperti interessano così tanto ai governi europei?

I modelli aperti permettono a un ente pubblico di ispezionare, adattare e distribuire l’IA su infrastrutture controllate, riducendo la dipendenza da API esterne. Questo è cruciale per dati sanitari, lavoro, documenti interni e servizi amministrativi soggetti a AI Act, audit, supervisione umana e requisiti di sicurezza.

Quali sono i rischi dei progetti pubblici con modelli aperti NVIDIA?

I rischi principali sono errori nelle risposte, bias nei dataset sintetici, eccessiva fiducia negli assistenti conversazionali e dipendenza tecnologica dallo stack NVIDIA. L’apertura di pesi o dati migliora ispezione e controllo, ma non sostituisce test indipendenti, audit, responsabilità amministrativa e procedure di intervento umano.

Quando arriva Nemotron 3.5 Bolt E4B 4GB?

NVIDIA ha indicato il 23 ottobre 2026 come data di arrivo di Nemotron 3.5 Bolt E4B 4GB. Il modello completa la linea Nemotron 3.5 con una versione pensata per dispositivi locali e carichi conversazionali più leggeri rispetto a Super VL da 120 miliardi di parametri.