Anthropic e Opaque Systems: accordo sul confidential computing per l’AI

Anthropic ha stretto un accordo con Opaque Systems, la startup nata dai laboratori di Berkeley e specializzata in confidential computing per l’intelligenza artificiale. Gli ultimi aggiornamenti parlano di una licenza sulla tecnologia accompagnata dall’ingresso in Anthropic di alcune figure chiave del team, con termini economici non rivelati. Le ricostruzioni non coincidono su tutti i dettagli, e lo vedremo nelle prossime righe.

Il punto, però, è chiaro: Anthropic vuole rendere i suoi modelli utilizzabili anche dove i dati non possono uscire e nessuno, nemmeno il fornitore del cloud, deve poter guardare dentro i calcoli.

Cosa è successo tra Anthropic e Opaque Systems

La notizia è comparsa il 13 ottobre 2026, quando il CEO di Opaque, Aaron Fulkerson, ha parlato di un nuovo accordo con Anthropic che “porta avanti” il lavoro dell’azienda. Secondo Crypto Briefing, Anthropic ha ottenuto in licenza la tecnologia di AI confidenziale di Opaque e ha assunto una parte dei suoi ingegneri, senza rilevare l’intera società. Altre testate, come Dealroom, parlano invece di acquisizione.

Un riepilogo pubblicato il 19 ottobre da un aggregatore di notizie sull’AI descrive l’operazione come una licenza con acquihire, con l’arrivo di Fulkerson e del CTO Rishabh Poddar in Anthropic e un forte ridimensionamento del personale rimasto. Su quest’ultimo punto non abbiamo trovato una conferma ufficiale, quindi va preso con cautela.

Il prezzo non è stato comunicato. Anthropic, al momento in cui scriviamo, non ha spiegato né quanti ingegneri siano passati con lei né quando la tecnologia comparirà nei suoi prodotti.

Chi è Opaque Systems

Opaque nasce attorno al 2021 dal RISELab dell’Università della California a Berkeley. Ha raccolto un round di serie B da 24 milioni di dollari con una valutazione di circa 300 milioni e ha sviluppato i propri strumenti insieme a partner come Nvidia, Intel, Microsoft e Google. Tra i suoi partner commerciali vengono citati anche ServiceNow e Accenture.

La sua promessa è semplice da enunciare e difficile da realizzare: far girare carichi di lavoro AI su dati sensibili dentro ambienti isolati a livello hardware, producendo anche prove crittografiche che il calcolo si sia svolto come previsto e nel rispetto delle policy.

In Europa e negli Emirati Arabi Uniti l’azienda ha trovato un terreno fertile, proprio perché lì il tema della sovranità dei dati pesa più che altrove.

Che cos’è il confidential computing e perché serve all’AI

Quando usi un modello nel cloud, i tuoi dati viaggiano cifrati e restano cifrati a riposo, ma nel momento in cui vengono elaborati devono essere “in chiaro” nella memoria del server. È la finestra più delicata. Il confidential computing chiude proprio quella finestra, usando enclave hardware in cui il contenuto della memoria non è leggibile dall’esterno, neppure da chi amministra la macchina.

Per l’AI generativa questo conta più che altrove. Un prompt aziendale può contenere cartelle cliniche, contratti, codice proprietario o dati finanziari. Se il fornitore non può garantire, in modo verificabile, che nessuno vi acceda, molti reparti legali e di sicurezza bloccano il progetto prima ancora del pilota.

A questo si aggiunge l’attestazione. Non basta dichiarare che un sistema è sicuro: serve poter dimostrare, con una prova crittografica, quale codice ha girato, su quale hardware e con quali regole. È il tipo di evidenza che un auditor chiede, e che un contratto da solo non può fornire.

Dalla fiducia alla verifica

Il cambio di prospettiva è netto. Finora la protezione dei dati nell’AI si è basata su accordi contrattuali e sulla reputazione del fornitore. Con l’attestazione hardware si passa a una verifica tecnica, ripetibile e controllabile da terzi.

Questo non elimina ogni rischio. Le enclave hanno una storia di vulnerabilità scoperte dai ricercatori, e una catena di fiducia che parte dal produttore del chip resta pur sempre una catena di fiducia. Ma alza di molto l’asticella rispetto a un semplice impegno scritto.

Perché Anthropic ha scelto proprio ora questa strada

La mossa va letta insieme alla traiettoria enterprise dell’azienda. Anthropic punta con decisione sulle grandi organizzazioni, e lo dimostrano accordi come la partnership globale con HCLTech sull’AI agentica. In questo quadro, la fiducia sui dati diventa un requisito commerciale, non un dettaglio tecnico.

I settori più regolati, come banche, assicurazioni e sanità, sono anche quelli con i budget più grandi e con le richieste di conformità più dure. Le analisi che commentano l’operazione la collegano proprio alla spinta verso le distribuzioni on-premise, i modelli aperti e la cosiddetta AI sovrana, cioè infrastrutture che restano sotto il controllo del cliente o di un paese. Questa è però una lettura degli analisti, non una dichiarazione di Anthropic.

C’è poi il tema dell’infrastruttura. L’azienda sta costruendo capacità fuori dagli Stati Uniti, come nel caso del primo data center canadese a Point Tupper, e dove i dati devono restare entro certi confini la possibilità di dimostrare cosa accade nei server vale molto.

Il filo con la governance

Anthropic ha insistito spesso sulla propria immagine di azienda attenta alla sicurezza, anche nelle scelte societarie come il fondo di pubblica utilità legato alle azioni. Aggiungere strumenti di verifica tecnica coerenti con quel racconto è, sul piano strategico, una scelta naturale.

Resta da capire quanto pesi la fase che l’azienda sta attraversando, con l’attenzione di investitori e regolatori molto alta. Dimostrare di saper gestire dati sensibili è anche un messaggio rivolto a chi guarda i conti e i rischi.

Gli agenti AI e il bisogno di governance

Secondo il riepilogo del 19 ottobre, nel pacchetto di Opaque rientrerebbe anche uno strumento di governance per agenti chiamato TRACE. Dai materiali che abbiamo letto non emerge una descrizione ufficiale del suo funzionamento, quindi non possiamo dire con certezza cosa faccia. Possiamo però spiegare perché strumenti di questo tipo interessano.

Gli agenti AI non si limitano a rispondere: leggono documenti, chiamano API, muovono file e, in alcuni casi, agiscono per conto di una persona. Più autonomia significa più superficie di rischio. Per un’azienda diventa essenziale sapere cosa ha fatto un agente, con quali dati e secondo quali regole.

Unire l’isolamento hardware con una registrazione verificabile delle azioni è l’idea che molti tentano di realizzare. Se Anthropic riuscirà a integrarla nei suoi prodotti, potrebbe offrire agli enti regolati qualcosa di più di una promessa.

Cosa cambia per te che usi Claude

Se usi Claude per lavoro, nulla cambia da oggi: non ci sono nuove funzioni annunciate e nessuna data di rilascio. Il valore pratico, semmai, arriverà in seguito e riguarderà soprattutto chi acquista Claude per un’organizzazione con vincoli di riservatezza.

Per chi lavora con clienti nei settori regolati, la direzione è utile da conoscere. Potresti presto trovare, nelle offerte dei fornitori AI, requisiti come l’esecuzione in enclave, l’attestazione remota e la residenza dei dati, e non solo la classica casella “non usiamo i tuoi dati per addestrare”.

Se vuoi approfondire l’ecosistema, trovi una panoramica nella nostra guida a Claude AI.

Le domande ancora aperte

Restano diversi nodi da sciogliere. Non sappiamo quale sia la struttura esatta dell’accordo, quali clienti di Opaque continueranno a essere seguiti, né se la tecnologia verrà offerta anche su cloud di terzi o soltanto nell’infrastruttura di Anthropic. Sono i punti che faranno la differenza tra una mossa di immagine e un vero vantaggio competitivo.

Un altro aspetto da osservare è la concorrenza. Gli altri grandi laboratori e i fornitori di cloud investono da tempo nel calcolo riservato, e la sfida si giocherà sulla facilità d’uso: se proteggere un carico di lavoro richiede mesi di integrazione, le aziende rinunceranno.

Conterà anche la trasparenza. Un’attestazione ha valore solo se chi la riceve può verificarla in modo indipendente, e per ora non è chiaro quanto Anthropic intenda aprire questi meccanismi ai clienti e agli auditor.

Conclusioni: la fiducia diventa una funzione del prodotto

L’accordo con Opaque racconta un cambio di fase. La gara tra i modelli non si decide più soltanto sui benchmark, ma sulla capacità di dimostrare che i dati sono al sicuro mentre vengono elaborati. Chi riuscirà a rendere questa prova semplice e verificabile avrà un vantaggio nelle aziende più prudenti.

Per te, la mossa è un invito a rivedere i criteri con cui scegli gli strumenti AI: chiedi sempre dove girano i calcoli, chi può vedere i dati e come si dimostra. Seguici per gli aggiornamenti, perché appena Anthropic chiarirà termini e tempi aggiorneremo il quadro.