Apple Intelligence: perché l'AI on-device non è bastata

Ad aprile 2024 una notizia circolava in tutte le redazioni tech italiane: l’intelligenza artificiale di Apple avrebbe funzionato direttamente su iPhone, senza cloud. Mark Gurman di Bloomberg lo scriveva nella sua newsletter, Tech Princess e decine di altri lo rilanciavano. Due anni e mezzo dopo, la nuova Siri gira su un modello di Google da 1,2 trilioni di parametri e in Italia non è ancora accesa.

La promessa dell’AI on-device non è stata mantenuta nella forma in cui era stata raccontata, e il motivo è il vincolo tecnico che conosce chiunque abbia provato a far girare un modello in locale: un telefono non ha abbastanza memoria per ospitare un modello di frontiera. Apple Intelligence oggi funziona su tre livelli, non su uno. Il modello locale copre le richieste semplici, i server Apple coprono quelle medie, e dal 2026 un modello Gemini personalizzato copre quelle che richiedono ragionamento vero.

Questa storia è interessante non perché Apple abbia sbagliato, ma perché Apple aveva tutti gli incentivi del mondo per restare on-device e non ci è riuscita. Se non ce l’ha fatta chi controlla il chip, il sistema operativo e il data center, vale la pena capire perché, prima di decidere l’architettura AI della propria azienda.

Dalla promessa on-device del 2024 all’accordo con Gemini del 2026

La linea temporale aiuta a capire quanto rapidamente si è spostato il baricentro.

Il dato che racconta meglio la vicenda è la differenza di scala tra i tre livelli. Il modello on-device di Apple ha circa 3 miliardi di parametri. I modelli cloud proprietari di Apple si fermano intorno ai 150 miliardi. Il Gemini personalizzato che alimenta la nuova Siri ne ha circa 1.200 miliardi. Sono quattrocento volte il modello che gira sul telefono.

Nessuna ottimizzazione colma quel divario. Si può quantizzare, distillare, specializzare un modello piccolo su un compito ristretto e ottenere risultati ottimi, ma non si può chiedergli di ragionare su un calendario, tre email e un documento allo stesso tempo. È esattamente il compito che Apple ha promesso a Siri.

Apple ha perso la corsa all’AI o l’ha capita meglio di tutti?

La lettura dominante è che Apple sia rimasta indietro. Me lo sono chiesto anch’io per mesi, ogni volta che Siri sbagliava una sveglia: ma Apple in ambito AI che sta facendo? L’accordo con Google risponde alla domanda, solo che la risposta non è quella che sembra.

Per anni Apple si è costruita tutto in casa: sistema operativo, chip, silicio su misura. Quando le mancava un pezzo lo comprava. Nel 2005 ha acquisito una piccola azienda che faceva trackpad e tastiere touch, due anni prima dell’iPhone. Adesso, per l’AI, si appoggia a un concorrente diretto. Nel frattempo vale intorno ai 5.000 miliardi di dollari.

Il punto è come Apple classifica il modello AI. Non come il cuore del prodotto, ma come un componente. Esattamente come gli schermi dell’iPhone, che da anni compra soprattutto da Samsung, cioè dal suo principale rivale nello smartphone. Un componente si sceglie, si negozia e si sostituisce quando ne esce uno migliore.

Mentre OpenAI, Google e Anthropic spendono centinaia di miliardi per avere il modello migliore, Apple può permettersi di aspettare chi vince. Il vantaggio competitivo non sta nei parametri, sta nel punto di contatto con l’utente. È una posizione scomoda da difendere in pubblico, perché nel breve periodo somiglia a un ritardo, ma è coerente con come Apple ha costruito ogni suo prodotto.

Per un’azienda italiana la traduzione è diretta, e vale anche con due ordini di grandezza in meno. Non devi vincere la corsa al modello: quella corsa è già persa in partenza per chiunque non abbia un data center. Devi possedere ciò che un fornitore non può replicare, cioè la relazione con i tuoi clienti, i tuoi processi e la conoscenza accumulata in anni di lavoro. Il modello AI che li elabora è un componente, e i componenti si cambiano. È questo il ragionamento che facciamo in ogni progetto di AI transformation, prima ancora di scegliere la tecnologia.

On-device, Private Cloud Compute o modello esterno: come scegliere

La domanda che conta per chi costruisce sistemi AI non è “locale o cloud”, ma “quale compito dove”. Apple ha risposto con tre livelli, e la stessa griglia funziona bene anche fuori da Cupertino.

Nei progetti che seguiamo la distribuzione è quasi sempre la stessa: la grande maggioranza delle richieste è banale e andrebbe gestita da un modello piccolo, ma le poche richieste complesse sono quelle che generano valore e giustificano il progetto. Pagare un modello di frontiera per classificare email è spreco. Usare un modello piccolo per analizzare un contratto è un errore che si paga con una risposta sbagliata.

Il vero problema per le aziende italiane: Siri AI non c’è

Qui la vicenda diventa concreta per chi lavora in Italia. Apple ha annunciato l’8 giugno 2026 che Siri AI non sarebbe arrivata nell’Unione Europea con iOS 27, indicando il Digital Markets Act come causa. La Commissione ha risposto che il DMA non vieta la distribuzione, ma impone che i concorrenti possano accedere a funzioni equivalenti previo consenso dell’utente. Apple sostiene che quell’interpretazione richiederebbe un accesso di sistema troppo ampio.

Chi ha ragione è una discussione che non si chiude in un articolo. Il fatto operativo è che su un iPhone italiano la nuova Siri non c’è, non c’è una data, e nemmeno gli sviluppatori con sede nell’Unione Europea possono testarla. Su Mac e Vision Pro sì, su iPhone e Apple Watch no.

Per un’azienda questo è il promemoria più utile di tutta la storia: una funzionalità AI che dipende interamente da un fornitore può sparire per ragioni che non hanno niente a che vedere con la tecnologia. Un contenzioso regolatorio, una rinegoziazione commerciale, un cambio di listino. Se un processo aziendale si appoggia a uno strumento che non si controlla, il rischio non è tecnico, è di continuità operativa.

È la stessa ragione per cui, quando costruiamo un agente AI su misura, teniamo separati il contesto aziendale e il modello che lo elabora. I dati, le regole e le procedure restano dell’azienda. Il modello si sostituisce quando ne esce uno migliore o quando quello in uso diventa indisponibile. Lo stesso principio che McKinsey riassume come «own the context, rent the technology».

Cosa vuol dire davvero «privacy» in un sistema AI

Il racconto del 2024 metteva un segno di uguale tra on-device e privacy. È una semplificazione che vale la pena smontare, perché è la stessa che sento spesso nelle riunioni con i clienti.

Private Cloud Compute è un’architettura seria: i nodi lavorano in modalità stateless, non conservano i dati dopo aver completato il compito, e l’utente può generare un report delle richieste inviate negli ultimi 15 minuti o 7 giorni. Apple dichiara che nemmeno lei può accedere a quei dati. Il modello Gemini, per quanto sia di Google, gira sui server Apple e non sull’infrastruttura Google.

Allo stesso tempo, resta elaborazione fuori dal dispositivo. E quando Apple Intelligence passa la richiesta a ChatGPT, si entra nelle politiche privacy di OpenAI, non nelle protezioni di Private Cloud Compute. Tre percorsi diversi, tre regimi di trattamento diversi, dentro la stessa interfaccia.

La lezione per un’azienda non è scegliere il percorso più chiuso, ma sapere sempre quale percorso sta prendendo un dato. Nei progetti dove c’è di mezzo materiale sensibile, la domanda che poniamo per prima non è quale modello usare: è quali categorie di informazioni possono uscire dal perimetro aziendale e con quale base giuridica. La risposta a quella domanda determina l’architettura, non il contrario. È anche il motivo per cui nei percorsi di formazione AI aziendale questa distinzione arriva prima di qualunque dimostrazione di strumento.

I limiti di questa lettura

Qualche contrappeso onesto. Apple ha ancora un obiettivo dichiarato di modello cloud proprietario da circa 1 trilione di parametri: l’accordo con Google potrebbe essere una soluzione ponte, non una resa. Due anni nel ciclo dell’AI sono un’era geologica, e un modello da 3 miliardi di parametri nel 2028 potrebbe fare quello che oggi richiede l’infrastruttura.

Va anche riconosciuto che la parte on-device funziona bene dove è stata applicata con giudizio: suggerimenti di scrittura, riassunti di notifiche, ricerca nelle foto. Sono compiti circoscritti, e lì il modello piccolo è la scelta giusta, non un ripiego. Il problema nasce quando si promette lo stesso approccio per compiti di natura completamente diversa.

Resta una domanda che nessuno ha ancora risolto bene, né Apple né gli altri. Se le funzioni AI più utili richiedono infrastruttura che costa miliardi, e quell’infrastruttura appartiene a tre o quattro aziende al mondo, quanto è davvero tuo l’assistente che hai in tasca? Apple ha scelto di affittare il motore e tenersi il volante. Per un’azienda che sta decidendo ora dove mettere i propri dati, è una distinzione che conviene fare con la stessa attenzione.

Fonti: Tech Princess, aprile 2024 · Apple Newsroom, giugno 2026 · CNBC, settembre 2026