Parlare di quantum computing oggi significa affrontare una tecnologia che tutti riconoscono come potenzialmente rivoluzionaria, ma che fatica a uscire dal perimetro della sperimentazione per entrare nei processi aziendali reali. La supply chain dell’hardware quantistico si sta stabilizzando e molti analisti concordano nel collocare tra il 2030 e il 2035 la finestra in cui questa tecnologia raggiungerà una maturità operativa diffusa. Ma aspettare quella finestra significa davvero perdere il treno oggi?

La risposta, almeno secondo SAS, è negativa. L’IA quantistica, intesa come l’applicazione di algoritmi di machine learning su hardware quantistico già disponibile, è infatti una realtà accessibile già oggi e capace di comprimere in pochi minuti elaborazioni che su architetture tradizionali richiedono ore, o di rendere trattabili problemi che l’hardware classico considera semplicemente irrisolvibili. A questo si aggiunge la capacità di calibrare modelli che apprendono in modo più efficiente con volumi di dati ridotti mantenendo stabilità nel tempo. Un vantaggio tutt’altro che trascurabile in settori dove i dati etichettati sono scarsi o costosi da produrre.

Dal costo all’incertezza applicativa

Per capire dove si trova oggi il mercato, vale la pena guardare i dati. SAS ha condotto un sondaggio su oltre 500 professionisti di diversi settori a livello globale e il confronto tra l’edizione 2025 e quella 2026 è illuminante. Un anno fa, il costo elevato di implementazione dominava la classifica delle barriere all’adozione, seguito dalla scarsa conoscenza della tecnologia. Nel 2026, invece, la prima preoccupazione è diventata l’incertezza sulle applicazioni pratiche nel mondo reale. I costi restano rilevanti, ma scendono al secondo posto. Si aggiungono la carenza di personale formato, la disponibilità limitata di soluzioni mature e l’assenza di linee guida regolatorie chiare.

Significa che le organizzazioni hanno iniziato a informarsi e a comprendere la tecnologia nei suoi fondamenti, ma che al tempo stesso non riescono ancora a tradurre quella comprensione in casi d’uso concreti con un ritorno sull’investimento misurabile.

L’approccio ibrido come ponte tra due mondi

SAS legge il calcolo classico e quello quantistico non come alternative contrapposte ma come i due estremi di un continuum. Da un lato l’informatica tradizionale, consolidata e affidabile e, dall’altro, il calcolo quantistico, ancora in evoluzione ma con potenziale di potenza computazionale senza precedenti. Tra i due estremi vive la maggior parte dei problemi aziendali reali e proprio qui si inserisce la logica ibrida, tesa a distribuire i carichi di lavoro assegnando a ciascuna architettura il compito per cui è più adatta.

Bill Wisotsky, Principal Quantum Architect di SAS, descrive bene la tensione che vivono oggi i decision maker. Le organizzazioni vogliono costruire competenze proprietarie e brevettabili per farsi trovare pronte alla maturità del quantum, ma al tempo stesso esitano a impegnarsi in investimenti pesanti senza la certezza di un ritorno applicativo concreto. È una posizione razionale che richiede strumenti in grado di abbassare la soglia di ingresso senza abbassare le ambizioni.

SAS Quantum Lab: un laboratorio per esplorare senza rischiare

La risposta di SAS a questa impasse si chiama Quantum Lab, previsto per il quarto trimestre del 2026 come componente integrato di SAS Viya. L’idea alla base è costruire un ambiente pratico dove sia possibile confrontare direttamente risultati ottenuti con approccio tradizionale, quantistico e ibrido sullo stesso problema di business, riducendo così l’incertezza applicativa che oggi frena il mercato.

I test preliminari indicano accelerazioni superiori a 100 volte rispetto all’elaborazione classica e riduzioni dei costi fino al 99%, numeri che, se confermati su casi d’uso reali, cambierebbero radicalmente il calcolo dell’investimento. A completare l’offerta, un tutor virtuale basato su IA quantistica per accompagnare utenti che non sono fisici di professione ma vogliono sperimentare, testare ipotesi e validare idee senza dover padroneggiare la matematica dei qubit.

Le risposte dei partecipanti al sondaggio di SAS disegnano infine una mappa degli usi attesi. I più rilevanti sono stati:

  • Rilevazione frodi nei servizi finanziari con identificazione di pattern complessi nelle transazioni
  • Ottimizzazione in tempo reale del traffico nelle reti 5G
  • Accelerazione della simulazione molecolare per il drug discovery
  • Miglioramento della logistica nella supply chain
  • Modellazione predittiva del comportamento dei clienti
  • Addestramento di modelli linguistici di grandi dimensioni con risorse computazionali drasticamente inferiori a quelle oggi necessarie