08-06-2026
«Siamo sovrani perché la nostra azienda è cento per cento italiana. Non perché abbiamo localizzato dei server in Italia. Siamo sovrani perché cuore decisionale e proprietà sono italiani». Valeria Sandei, Global AI Director di Almaviva Group e CEO di Almawave, su Affari & Finanza de La Repubblica racconta il Gruppo, che non è più solo un grande nome dell’IT tricolore ma uno degli attori più attivi nell’ecosistema europeo dell’IA di frontiera.
Visione e strategia si traducono, oltre che nella famiglia di modelli linguistici proprietari «Velvet», sviluppati nei laboratori di Almawave a Roma, anche in ambito R&D.
Ed è sul fronte della ricerca che il 2026 si rivela un anno eccezionale. Vincere sette bandi contemporaneamente su piani diversi - Horizon Europe, Fondo Europeo per la difesa, fondi nazionali - è il segnale di una strategia coerente.
- Tra i progetti più rilevanti figura CoAgent, che nell'ambito di Horizon Europe riunisce 22 organizzazioni da 9 paesi per sviluppare agenti di AI generativa distribuiti lungo il continuum cloud-edge, riducendo la dipendenza dagli hyperscaler americani.
- Su scala geografica ancora più ampia si muove GAINAfrica, coordinato dalla Sapienza Università di Roma: un consorzio europeo e africano attivo in cinque paesi del continente per sviluppare modelli generativi multilingue in sanità, agricoltura, istruzione e pianificazione urbana.
- Il progetto VaMPiRE punta invece a rivoluzionare la diagnosi precoce del Parkinson - che colpisce oltre 9,4 milioni di persone nel mondo - attraverso biomarcatori e modelli di intelligenza artificiale capaci di individuare la malattia prima della comparsa dei sintomi.
- In ambito difesa, con MIDAS il Gruppo sviluppa sistemi Human e AI per il supporto decisionale, verticalizzando il proprio LLM Velvet sul dominio militare.
- Il progetto più visionario è forse il meno visibile: MeMo, finanziato dal Fondo Italiano per le Scienze Applicate del Mur e sviluppato in un laboratorio congiunto con l'Università di Roma Tor Vergata. L'obiettivo è ridefinire l'architettura stessa dei Large Language Model attraverso memorie associative esplicite, con pieno controllo su cosa il modello ricorda e cosa dimentica, requisito cruciale per explainability e compliance. «Se questa architettura funzionerà al meglio, cambierà radicalmente le esigenze infrastrutturali per gli addestramenti, abbattendo i costi enormi che oggi frenano lo sviluppo. Sarebbe un'innovazione di grandissima portata», dice Sandei.
