Amazon ha localizzato Alexa+ in spagnolo messicano.

La versione con intelligenza artificiale generativa è stata lanciata a fine gennaio 2026, seguita a breve da quella italiana.

Settanta miliardi di interazioni in tre anni. È il numero che descrive meglio il rapporto tra i messicani e Alexa — e che spiega perché Amazon abbia scelto il Messico come primo banco di prova per il lancio internazionale di Alexa+, la versione dell’assistente alimentata da intelligenza artificiale generativa. A fine gennaio 2026, Alexa+ ha debuttato in lingua spagnola messicana, diventando la prima versione di Alexa+ a non essere distribuita in inglese. Poco dopo, è toccato all’Italia. Non si tratta di una semplice campagna di marketing geograficamente estesa: localizzare un modello generativo è un problema tecnico di primo ordine, con conseguenze che si propagano a tutto lo stack.

Alexa+ in messicano: non solo una traduzione

La scelta del Messico non è stata casuale. «Abbiamo scelto il Messico per il lancio perché è uno dei luoghi dove il brand Alexa è più amato», ha dichiarato Prasad Kapila, direttore tecnico per la global engineering di Amazon. Ma “amore per il brand” è solo la metà della storia. L’altra metà riguarda cosa significa portare un assistente generativo in una lingua che non è quella in cui è stato addestrato nativamente.

Alexa+ non è un layer di traduzione sopra un modello in inglese. La versione messicana richiede che il modello comprenda le sfumature pragmatiche dello spagnolo locale: le espressioni idiomatiche, il registro conversazionale, persino le ambiguità semantiche tipiche dell’interazione vocale. Lo stesso approccio è stato seguito per l’Italia: il lancio del 15 aprile — appena cinque giorni fa — è il risultato del lavoro di scienziati, ingegneri e specialisti linguistici italiani che operano presso il Centro di Ricerca e Sviluppo Alexa di Amazon a Torino. Il team torinese ha costruito una personalità autenticamente italiana, raffinato i modelli linguistici e sviluppato nuove tecniche di comprensione del linguaggio naturale. Non è refactoring: è riscrittura di strati profondi del modello.

Questo approccio — team locali che intervengono direttamente sui modelli e non solo sui dataset di fine-tuning — è significativo. Suggerisce che Amazon abbia deciso di non trattare la localizzazione come un post-processing, ma come parte integrante del ciclo di sviluppo. La capacità di Alexa+ di completare task dall’inizio alla fine in modo conversazionale, uno dei tratti distintivi rispetto alla versione classica basata su intent-slot, funziona solo se il modello generativo è allineato alla lingua e alla cultura di chi la usa. Con la mossa messicana e quella italiana, Amazon ha alzato l’asticella per tutti.

La contromossa: Gemini for Home e la lingua di Google

Il panorama competitivo ha risposto in tempi brevi. A marzo 2026, Google ha annunciato che Gemini for Home è ora disponibile in Messico, aggiungendo contestualmente lo spagnolo tra le lingue supportate per tutti i paesi compatibili. La mossa è speculare a quella di Amazon: un assistente per la casa, un mercato ispanico di riferimento, una lingua diversa dall’inglese. Ma c’è una differenza architettonica rilevante: Gemini for Home sfrutta l’infrastruttura cloud di Google, con tutto ciò che questo implica in termini di latenza, integrazione con Google Home e capacità di reasoning distribuito. L’esito competitivo dipenderà meno dal “chi è arrivato prima” e molto di più da chi riesce a offrire l’esperienza più coerente in lingua locale su dispositivi edge come gli smart speaker.

Quando Apple e Google condividono lo stack

Al di là della guerra per i mercati non anglofoni, la mossa tecnica più rilevante del periodo è un’altra: Apple e Google hanno annunciato una collaborazione pluriennale sui modelli fondazionali di Apple. L’accordo prevede che la prossima generazione di Apple Foundation Models — il layer su cui si appoggiano le funzionalità di Apple Intelligence — sia costruita sopra i modelli Gemini e l’infrastruttura cloud di Google. In pratica, Siri nella sua versione più personalizzata, attesa entro la fine del 2025, girerà su fondamenta architetturali di Google.

Per capire il peso di questa decisione, è utile distinguere tra i livelli dello stack. I Foundation Models sono i modelli di linguaggio di base, addestrati su enormi corpus e capaci di ragionamento generale. Apple li ha sviluppati internamente con Apple Intelligence, ma la nuova collaborazione implica che il tier più potente di questi modelli sarà — almeno in parte — Gemini. Sopra questo layer vivono i modelli specializzati per task specifici (sintesi, estrazione di informazioni, risposta a domande), e sopra ancora il livello di orchestrazione che coordina i modelli con le API di sistema. La scelta di affidare il foundation layer a Google ridisegna l’intera topologia: Apple mantiene il controllo sull’interfaccia utente e sull’integrazione con iOS/macOS, ma delega la capacità di reasoning di base a un modello esterno.

Questo è un cambio di rotta significativo rispetto alla strategia di verticalizzazione che ha sempre contraddistinto Apple. L’analogia più calzante è quella di un’azienda che progetta il proprio processore ma decide di far girare il kernel su un sistema operativo altrui: puoi ottimizzare l’hardware quanto vuoi, ma le astrazioni fondamentali non sono più tue. Per gli sviluppatori che costruiscono su Apple Intelligence, questo significa che le capacità del modello dipenderanno in parte dalla roadmap di Google — una variabile esterna che non era mai stata presente prima nell’equazione dello sviluppo su piattaforma Apple.

La localizzazione degli assistenti AI — da Alexa+ a Gemini for Home, fino al nuovo Siri — sta smettendo di essere un problema di traduzione e gestione di string localized, per diventare una sfida che attraversa verticalmente ogni livello dello stack: dai dati di addestramento, ai modelli fondazionali, fino all’orchestrazione e all’interfaccia. La collaborazione Apple-Google, in questo contesto, è il segnale più chiaro che nessuna azienda, da sola, riesce a presidiare tutti questi livelli simultaneamente in ogni lingua del mondo. Chi costruisce prodotti su questi assistant farebbe bene a tenere d’occhio non solo quali feature vengono annunciate, ma su quali fondamenta architetturali vengono costruite.