Negli ultimi due anni l’idea di avere una intelligenza artificiale “in locale”, cioè che gira su un computer di nostra proprietà invece che su un servizio cloud come ChatGPT o Claude, è passata da esperimento per appassionati a scelta concreta per chi fa impresa. I motivi sono semplici: nessun abbonamento mensile che sale con l’uso, nessun dato che esce dai propri sistemi (importante per contratti, fatture, informazioni riservate) e la possibilità di lavorare anche senza connessione internet.
In questo articolo non troverete comandi da digitare o guide passo passo per installare software. L’obiettivo è un altro: capire quali sono i pezzi che compongono un sistema AI locale, a cosa serve ciascuno, quanto costa indicativamente e, soprattutto, quanto lavoro può reggere. Per rendere tutto concreto useremo due esempi opposti: un piccolo ufficio che vuole automatizzare la gestione documentale, e uno studio creativo che vuole generare video per pubblicità o produzioni cinematografiche.
I mattoncini di un sistema AI locale
Prima di entrare nei due casi pratici, vale la pena capire quali sono gli elementi che servono sempre, che si tratti di scrivere email o di generare un cortometraggio.
Il motore: la scheda video (GPU) e la sua memoria (VRAM)
Se il computer fosse un’auto, la GPU (la scheda grafica) sarebbe il motore. Le intelligenze artificiali fanno milioni di piccoli calcoli in parallelo e le GPU sono progettate esattamente per questo tipo di lavoro, molto più delle normali CPU (i “processori” di cui sentiamo parlare da sempre).
Il numero che conta davvero è la VRAM, cioè la memoria dedicata della scheda video. Non è la potenza di calcolo pura a fare la differenza in un primo momento, ma quanta “materia” (il modello di intelligenza artificiale) riesce a starci dentro. Un modello troppo grande per la VRAM disponibile semplicemente non parte, o gira in modo lentissimo appoggiandosi alla RAM del computer.
Come riferimento pratico (prezzi indicativi, che nel mercato delle GPU cambiano spesso anche a causa di scarsità di componenti):
- una scheda con 8-12 GB di VRAM (fascia 400-700 euro) gestisce bene modelli di testo piccoli;
- 16 GB di VRAM (una RTX 5080 nuova costa circa 1.200-1.400 euro, mentre una RTX 4060 Ti usata si trova anche sotto i 500 euro) è oggi considerata la soglia minima per lavorare comodamente;
- 24 GB di VRAM (RTX 4090 nuova, 1.500-1.900 euro, oppure una RTX 3090 usata, spesso tra 650 e 900 euro) è lo standard per chi fa sul serio, sia con il testo sia con le immagini e i video;
- 32 GB o più (RTX 5090, dai 2.000 euro in su) serve per i modelli più grandi o per generare video a risoluzioni più alte.
Esiste anche una strada alternativa, quella dei Mac con chip Apple Silicon (M4 Max, M3 Ultra): invece di avere una VRAM separata, questi computer usano una “memoria unificata” molto ampia (36, 64 o 96 GB a seconda del modello, con prezzi che vanno indicativamente dai 2.500 euro di un Mac Studio M4 Max con 36 GB fino a oltre 5.000 euro per un M3 Ultra con 96 GB). Sono più silenziosi, consumano meno corrente e vanno benissimo per il testo, mentre restano meno indicati per la generazione video, dove il software più diffuso è pensato soprattutto per le schede NVIDIA.
La memoria di lavoro (RAM) e lo spazio di archiviazione (SSD)
Oltre alla VRAM della scheda video, il computer ha bisogno di RAM di sistema (32-64 GB sono un buon punto di partenza) per gestire il sistema operativo, i programmi aperti e i dati in transito. E serve un disco SSD veloce, perché i modelli di intelligenza artificiale sono file molto grandi (da pochi gigabyte fino a decine di gigabyte) che vanno caricati rapidamente ogni volta che li si usa.
Il “cervello”: il modello di intelligenza artificiale
Il modello è il file vero e proprio che contiene “l’intelligenza”. Per il testo si parla di LLM (large language model, modello linguistico di grandi dimensioni): esistono famiglie di modelli gratuite e apribili da chiunque, come Llama di Meta, Qwen di Alibaba, Mistral (francese) o Gemma di Google, disponibili in diverse taglie (indicate in miliardi di parametri: 8B, 14B, 32B, 70B e così via). Più il numero è alto, più il modello è capace ma anche più VRAM richiede.
Per la generazione di immagini e video la logica è simile ma i modelli si chiamano “modelli di diffusione”: tra i più usati nel 2026 ci sono Wan 2.2, LTX-Video e HunyuanVideo, tutti scaricabili gratuitamente e utilizzabili senza limiti di generazioni o filigrane.
Il software che fa funzionare tutto
Il modello da solo è solo un file: serve un programma che lo “faccia girare” e che offra un’interfaccia comoda da usare. Per il testo i più diffusi sono Ollama (motore che gestisce i modelli in background, semplicissimo da usare) abbinato a Open WebUI (un’interfaccia simile a ChatGPT, con cronologia delle conversazioni, caricamento di documenti e gestione di più utenti) oppure LM Studio, che integra tutto in un’unica applicazione con un’interfaccia grafica pensata anche per chi non è tecnico.
Per la generazione di immagini e video lo standard è ComfyUI, un ambiente di lavoro a nodi (si collegano dei blocchi visivi che rappresentano i passaggi della generazione) che dà pieno controllo su ogni fase del processo, dal soggetto al movimento della telecamera fino all’audio sincronizzato nei modelli più recenti.
Infine, quando si vogliono strumenti più “furbi” e non solo un modello che risponde a domande, si parla di agenti: software che collegano il modello a caselle di posta, calendari, archivi documentali o siti web, permettendogli di eseguire compiti in autonomia (per esempio leggere una email, capire cosa viene chiesto e preparare una bozza di risposta).
Caso 1: il piccolo ufficio che gestisce documenti
Immaginiamo uno studio professionale o una piccola azienda che vuole un assistente sempre disponibile per: cercare informazioni tra centinaia di file, scrivere bozze di documenti e contratti, verificare e correggere testi, fare ricerche mirate su internet e aiutare con email e attività ripetitive.
Questo è, in assoluto, il caso d’uso più leggero e più economico da mettere in piedi, perché lavorare con il testo richiede molta meno potenza rispetto a generare immagini o video.
Hardware indicativo. Una configurazione equilibrata parte da una scheda video con 16 GB di VRAM (una RTX 5080, circa 1.200-1.400 euro, oppure una RTX 4060 Ti usata sotto i 500 euro), abbinata a 32-64 GB di RAM di sistema e un buon SSD da almeno 1 TB. Un computer completo con queste caratteristiche si aggira, a seconda della scelta dei componenti, tra i 1.500 e i 2.500 euro. In alternativa, per chi preferisce un dispositivo compatto, silenzioso e a basso consumo energetico, un Mac mini o un Mac Studio con chip M4 (partendo da circa 2.500 euro) offre prestazioni molto solide per questo tipo di lavoro. Chi vuole iniziare con un budget minimo può anche affidarsi a un normale computer con 16 GB di VRAM usato, oppure partire da modelli più piccoli che girano anche solo con una buona CPU e tanta RAM, accettando risposte più lente.
Software indicativo. Ollama come motore, con Open WebUI come interfaccia (entrambi gratuiti e open source), oppure LM Studio se si preferisce un’unica applicazione tutto-in-uno. Come modello si può partire da Llama 3.1 o Qwen nella taglia 8B per le attività quotidiane più semplici, salendo a modelli da 30-70B (che richiedono i 24 GB di VRAM di una RTX 4090 o RTX 3090, oppure un Mac con più memoria) quando servono ragionamenti più articolati, come la stesura di documenti complessi o l’analisi incrociata di più fascicoli. Per la ricerca nei propri archivi si aggiunge una tecnologia chiamata RAG (retrieval augmented generation), già integrata in Open WebUI e in molti agenti, che permette al modello di “leggere” i documenti aziendali prima di rispondere, citando le fonti interne invece di inventare risposte.
Carico di lavoro gestibile. Con la configurazione da 16 GB di VRAM, un piccolo studio (diciamo fino a 5-10 persone che usano il sistema in momenti diversi della giornata, non tutti insieme nello stesso istante) può ottenere: risposte a domande sui documenti aziendali in pochi secondi, bozze di email o lettere praticamente immediate, correzioni e revisioni di testi lunghi anche alcune pagine in meno di un minuto. Con 24 GB di VRAM il sistema regge comodamente anche più utenti in contemporanea e compiti più pesanti, come riassumere decine di pagine di contratto o confrontare più documenti tra loro. Per un vero uso “da agente” (il sistema che controlla la posta, prepara bozze e le mette in coda per l’approvazione umana) conviene tenere il computer sempre acceso, magari dedicato solo a questo scopo: il consumo elettrico di una scheda come queste, usata a intermittenza durante l’orario di lavoro, resta contenuto e paragonabile a quello di un buon computer da gioco.
Caso 2: la generazione di video per pubblicità o produzioni cinematografiche
Il secondo scenario è molto più impegnativo: generare video, sia per spot pubblicitari brevi sia per contenuti con ambizioni più cinematografiche (inquadrature d’atmosfera, coerenza dei personaggi tra le scene, movimenti di macchina complessi).
Qui la differenza principale rispetto al testo è che generare video richiede di calcolare tantissimi fotogrammi coerenti tra loro, e questo pesa moltissimo sia sulla VRAM sia sui tempi di attesa.
Hardware indicativo. Il punto di ingresso ragionevole è una scheda con 24 GB di VRAM: una RTX 4090 (1.500-1.900 euro) o, con budget più contenuto, una RTX 3090 usata (650-900 euro), che resta oggi il miglior rapporto qualità-prezzo per iniziare a generare video in locale. A questa si affiancano almeno 64 GB di RAM di sistema, perché durante la generazione i modelli spostano molti dati anche sulla memoria del computer. Per un uso professionale continuativo, ad esempio un’agenzia che produce contenuti pubblicitari ogni settimana, conviene salire a una RTX 5090 (dai 2.000 euro) oppure a schede pensate per il lavoro professionale come la RTX 6000 Ada (circa 5.000-7.000 euro usata sul mercato professionale) o la nuova RTX PRO 6000 Blackwell con 96 GB di VRAM, che nel 2026 ha però raggiunto un prezzo elevato, intorno ai 13.000-16.000 euro: una cifra che ha senso solo per chi genera video ad altissima risoluzione o vuole eseguire più progetti in parallelo. Per la produzione video, a differenza del testo, i Mac restano una scelta secondaria: il software di riferimento è ottimizzato soprattutto per schede NVIDIA.
Software indicativo. L’ambiente più usato è ComfyUI, gratuito e molto flessibile, all’interno del quale si caricano i modelli di diffusione video. Tra questi, oggi convivono tre famiglie con caratteristiche diverse: Wan 2.2, che offre grande stabilità dei soggetti e dei movimenti (ottimo per i finali destinati al cliente), LTX-Video, molto più veloce e leggero, ideale per iterare rapidamente su tante varianti prima di scegliere quella giusta, e HunyuanVideo, apprezzato per l’estetica più cinematografica, con maggiore profondità e atmosfera nelle inquadrature. Le versioni più recenti, come LTX-2, hanno iniziato a integrare anche la generazione di audio sincronizzato con il video, un passo importante per chi lavora su spot con dialoghi o musica.
Carico di lavoro gestibile. Qui i numeri vanno letti in termini di tempo di attesa più che di persone contemporanee, perché generare video è un processo che quasi sempre viene lanciato e lasciato lavorare, non un’interazione istantanea come una chat. Con una RTX 4090, una clip di 5 secondi richiede indicativamente da un minuto e mezzo (con LTX-Video, il più rapido) a circa 5-6 minuti (con Wan 2.2 o HunyuanVideo, più curati nel dettaglio). Questo significa che in una giornata di lavoro si possono generare comodamente decine di varianti brevi per selezionare le migliori, un flusso di lavoro molto simile a uno studio fotografico che scatta molti tentativi prima di trovare l’inquadratura giusta. Con schede professionali come la RTX 6000 Ada o la RTX PRO 6000 Blackwell i tempi si riducono sensibilmente e si possono generare clip più lunghe o a risoluzione più alta, oppure eseguire più progetti in coda senza dover aspettare che uno finisca prima di iniziare il successivo. Per un uso pubblicitario (clip brevi, molte varianti, tempi di consegna stretti) una singola RTX 4090 è già un ottimo punto di partenza; per un uso più cinematografico, dove contano la coerenza tra le scene, la risoluzione e la qualità finale, conviene mettere in conto fin da subito una scheda da 32 GB di VRAM o superiore.
Come scegliere: un confronto rapido
| Piccolo ufficio (documenti, email, ricerche) | Generazione video (pubblicità/cinema) | |
|---|---|---|
| GPU minima consigliata | 16 GB VRAM | 24 GB VRAM |
| GPU per uso intenso | 24 GB VRAM | 32-48 GB VRAM (o più) |
| Investimento di partenza | 1.500-2.500 euro | 2.500-3.500 euro |
| Investimento per uso professionale intenso | 3.000-4.000 euro | 6.000 euro e oltre |
| Software principale | Ollama / LM Studio + Open WebUI | ComfyUI |
| Tempo di risposta tipico | Da istantaneo a pochi secondi | Da 1 a 6 minuti per pochi secondi di video |
Come si vede, non esiste “il” sistema AI locale, ma un ventaglio di configurazioni che si adattano al tipo di lavoro e al budget disponibile. La cosa più sensata, per chi parte da zero, è quasi sempre la stessa in entrambi i casi: iniziare con una configurazione di fascia media (16 GB di VRAM per il testo, 24 GB per il video), verificare sul campo quanto tempo si risparmia davvero rispetto ai servizi cloud a cui si è abituati, e solo in un secondo momento decidere se salire di livello. L’hardware, dopotutto, si può sempre aggiornare; il tempo e i dati che si imparano a gestire in casa propria, quelli restano un vantaggio duraturo.
Lascia un commento