Quando si parla di intelligenza artificiale italiana si finisce quasi sempre in uno dei due fossi: il piagnisteo (“siamo indietro, non abbiamo i data center”) oppure la retorica del campione nazionale (“il modello tricolore che sfida i giganti”). In mezzo, quasi mai, i bilanci.
Eppure due aziende italiane con l’AI ci fatturano da anni, e lo fanno in due modi opposti. Almawave, quotata, che vende a pubblica amministrazione e grandi imprese e sta costruendo un proprio modello linguistico. Translated, privata, romana, che vende traduzione a clienti in tutto il mondo. Mettere i loro numeri uno accanto all’altro dice sull’AI italiana molto più di qualsiasi convegno.
Almawave: la strada della commessa pubblica
Almawave fa parte del gruppo Almaviva ed è quotata su Euronext Growth Milan, il mercato di Borsa Italiana dedicato alle piccole e medie imprese (ticker AIW). Vuol dire che pubblica i conti e che chiunque può controllarli, cosa non banale in un settore dove la maggior parte delle società racconta di sé solo attraverso comunicati.
I conti recenti non sono brillanti. Nel primo semestre 2025 i ricavi e altri proventi si sono fermati a 22,8 milioni di euro contro i 25,4 dello stesso periodo 2024. L’EBITDA (il margine operativo prima di ammortamenti e oneri finanziari, cioè quanto resta dell’attività caratteristica) è sceso a 3,1 milioni dai 5,4 dell’anno prima, con la marginalità passata dal 23,1% al 14,6%. Il risultato operativo è finito in sostanziale pareggio, a -0,1 milioni, mentre l’utile netto è rimasto positivo a 1,2 milioni (Borsa Italiana / Teleborsa).
Sui primi nove mesi la fotografia peggiora: 32 milioni di ricavi, in calo del 12,3% rispetto ai 36,5 dei primi nove mesi 2024, e utile netto praticamente azzerato a 0,1 milioni. La società ha spiegato il calo con lo slittamento di alcuni contratti e con trattative commerciali che si sono allungate (Soldionline). Nello stesso periodo gli investimenti in intelligenza artificiale sono arrivati a 11,4 milioni e la posizione finanziaria netta è rimasta positiva per 1,8 milioni: l’azienda ha cassa, non ha debito, sta spendendo in tecnologia mentre il fatturato scende.
Quanto costa costruirsi un modello, e chi lo paga
La spesa in tecnologia ha un nome: Velvet, la famiglia di modelli linguistici che Almawave addestra in Italia sul supercalcolatore Leonardo del Cineca e rilascia con licenza aperta (taglie, lingue e generazioni sono nella nostra guida alle AI italiane). Qui interessa il conto economico, non la scheda tecnica.
Il progetto è sostenuto da una linea di finanziamento da 20 milioni di euro concessa da BNL BNP Paribas con la Garanzia Archimede di SACE, che copre il 70% dell’importo, con durata massima di sei anni (comunicato SACE). Tradotto: un modello italiano lo si costruisce con debito bancario garantito dallo Stato, non con i margini della gestione caratteristica. Le prime applicazioni dichiarate sono rivolte alla pubblica amministrazione e alle grandi imprese; l’elenco puntuale degli enti che le usano in produzione non è pubblico, e su questo conviene non fidarsi delle ricostruzioni di seconda mano.
C’è poi una scelta industriale che va capita, perché è l’unica difendibile: i modelli di Almawave sono piccoli secondo gli standard di OpenAI o Google, e lo sono apposta. La tesi è che a un ente pubblico serva un modello che gira su hardware ragionevole, ospitabile dentro i propri confini e conforme alle regole europee, non il modello più potente del mondo. È una tesi solida. Resta da vedere se genera ricavi, ed è esattamente la domanda su cui i conti, per ora, rispondono di no.
Translated: la strada del mercato globale
Translated è l’opposto quasi perfetto. Non è quotata, non vende alla pubblica amministrazione italiana come core business, non ha bisogno di essere il campione nazionale di niente. Vende traduzione, a chiunque, ovunque.
I numeri sono buoni. L’ultimo bilancio depositato disponibile, quello 2024, indica ricavi per circa 70,2 milioni di euro e un utile netto vicino ai 10 milioni, con costi del personale intorno agli 11,2 milioni e un organico nell’ordine del centinaio-centocinquanta persone (FatturatoItalia, dati da bilancio depositato). Un margine netto sopra il 14% in un settore, quello dei servizi linguistici, storicamente a bassa marginalità.
Il modello tecnico si chiama traduzione adattiva. Semplificando: il sistema non traduce ogni frase in modo isolato, ma impara in tempo reale dalle correzioni del traduttore umano che sta lavorando su quel documento, in quel momento, per quel cliente. È il principio di ModernMT, il motore nato nel 2015 da un progetto europeo Horizon 2020 guidato da Translated insieme alla Fondazione Bruno Kessler, all’Università di Edimburgo e a TAUS (scheda del progetto, Università di Edimburgo).
Nel 2024 l’azienda ha presentato Lara, il proprio modello di traduzione, addestrato — secondo quanto dichiara l’azienda — su 1,2 milioni di ore di GPU, quindici anni di dati proprietari e 25 milioni di traduzioni reali eseguite da traduttori professionisti (Translated, pagina ufficiale su Lara). Il dato interessante è proprio questo: il vantaggio competitivo non è il modello, è l’archivio. Quindici anni di traduzioni corrette da persone vere sono una cosa che non si compra e che non si scarica.
Una promessa da verificare
Va detta anche la parte scomoda. Il Sole 24 Ore ha pubblicato un’intervista al fondatore Marco Trombetti intitolata «I ricavi di Translated saliranno a 250 milioni nel 2027, Ipo in vista», in cui l’obiettivo viene ricavato proiettando in avanti una crescita del 25% annuo mantenuta per quindici anni. Il conto, però, non torna: partendo dai 70 milioni del 2024, il 25% annuo porterebbe intorno ai 135 milioni nel 2027, non a 250. Per arrivare a quella cifra servirebbe una crescita superiore al 50% l’anno, cioè il doppio del ritmo storico dichiarato (calcolo nostro sui dati di bilancio). È una proiezione, non un impegno, ed è giusto trattarla come tale. Alla data di questo articolo non risultano quotazioni avvenute né bilanci pubblici successivi al 2024 che permettano di verificare l’andamento.
Due modelli, due fragilità diverse
Messe una accanto all’altra, le due aziende raccontano due strategie con due rischi speculari.
Almawave ha un mercato garantito ma lento. La pubblica amministrazione italiana non fallisce, paga (tardi), e i bandi hanno un ciclo che non dipende da quanto è buona la tua tecnologia. Quando i contratti slittano, come è successo nel 2025, il fatturato slitta con loro, e nel frattempo il costo di addestrare modelli non slitta affatto. È una struttura che regala prevedibilità e toglie velocità.
Translated ha un mercato enorme ma esposto. Vende in tutto il mondo, quindi cresce senza aspettare nessun bando; ma vende un servizio, la traduzione, il cui prezzo unitario sta scendendo proprio a causa della tecnologia che l’azienda stessa contribuisce a sviluppare. È la corsa più difficile che ci sia: automatizzare il proprio mestiere prima che lo faccia qualcun altro, sperando che il volume cresca più in fretta di quanto crolli il prezzo.
Nessuna delle due, e questo va detto senza giri di parole, sta giocando la partita dei modelli generalisti. Almawave ha investito 11,4 milioni in intelligenza artificiale nei primi nove mesi del 2025: le aziende che addestrano i modelli di frontiera spendono cifre di tre o quattro ordini di grandezza superiori. Chiamare Velvet “la risposta italiana a ChatGPT” è un titolo, non un’analisi.
Cosa serve davvero all’AI italiana
Ho un’opinione netta e la dico. Il problema dell’intelligenza artificiale italiana non è che manchi un modello nazionale. È che manca la domanda.
I dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano sono impietosi, e vale la pena tenerli a mente perché sono la cornice dentro cui va letta qualunque notizia sull’AI italiana. Il mercato è arrivato a 1,8 miliardi di euro nel 2025 con una crescita del 50%. Il 71% delle grandi imprese ha avviato almeno un progetto di AI, ma solo una su cinque la usa in modo diffuso tra le funzioni aziendali. E soprattutto: sul fronte dell’offerta le stesse rilevazioni contano 1.010 aziende italiane che vendono soluzioni e servizi di AI, contro un 8% di piccole e medie imprese che ne ha avviato uno.
Mettili uno accanto all’altro, quei due numeri, e hai tutta la storia. Più di mille fornitori. Un cliente su dodici. Non è un problema di offerta: i fornitori ci sono, e in abbondanza. È la domanda a muoversi piano — e le PMI sono la struttura portante dell’economia italiana. Lo stesso divario, misurato dall’Istat con un’altra metodologia, si vede in modo ancora più crudo nelle fabbriche, dove tra grandi imprese e PMI ballano più di trenta punti.
Il caso Almawave lo dimostra in modo quasi didascalico: un’azienda con la tecnologia, con i modelli, con la cassa in ordine, che vede i ricavi scendere perché i contratti non si chiudono. Non è un problema di prodotto. È un problema di clienti che ci mettono diciotto mesi a decidere.
Il caso Translated dimostra la controprova: quando un’azienda italiana vende su un mercato che compra in fretta — quello globale — cresce e fa margine, e non le serve nessun campione nazionale che la difenda.
Da qui una conclusione poco patriottica ma solida: i soldi pubblici spesi per addestrare modelli italiani hanno senso solo se qualcuno poi quei modelli li compra, e finché la pubblica amministrazione impiega anni a firmare, l’unico effetto è finanziare ricerca di cui beneficerà qualcun altro. Velvet è rilasciato in modo aperto, il che è ottimo per la comunità scientifica e neutro per il conto economico. Il vero investimento pubblico da fare, se si vuole un
