AWS e OpenAI portano GPT-5.6 Terra e Luna in India: il dato non esce più dal Paese

AWS e OpenAI portano l’inferenza AI a Mumbai e Hyderabad, rispettando la norma RBI sui dati locali.

Immaginate un team a Hyderabad che deve costruire un assistente per una banca indiana: i dati dei pagamenti non possono lasciare il Paese, il contesto da analizzare è enorme e ogni token ha un costo. È in questo scenario che, lo scorso 27 agosto, AWS ha annunciato l’inferenza in-country per GPT-5.6 Terra e Luna su Amazon Bedrock.

Un assistente bancario a Hyderabad

Il team di Hyderabad ha un problema concreto. Deve leggere centinaia di pagine di estratti conto, incrociare richieste dei clienti, verificare anomalie. Se ogni domanda deve viaggiare verso un data center fuori dall’India, il progetto si ferma prima di iniziare: dal 2018 la Reserve Bank of India impone che i dati dei sistemi di pagamento siano conservati solo nel Paese. È qui che entrano in gioco i due nuovi modelli che OpenAI ha reso disponibili su Amazon Bedrock. Non sono semplici aggiornamenti: sono pensati per restare dentro i confini.

GPT-5.6 Sol, Terra e Luna sono generalmente disponibili su Amazon Bedrock dallo scorso 9 luglio. Ma la novità annunciata nei giorni scorsi è un’altra: la possibilità di eseguire Terra e Luna con un’inferenza geografica che instrada le richieste solo tra le regioni Asia Pacific di Mumbai e Hyderabad. Per chi sviluppa in India, è la differenza tra un progetto pilota e un servizio che si può davvero mettere in produzione. Ma come funziona, esattamente? Guardiamo sotto il cofano.

Dentro il dettaglio: 1 milione di token e zero conservazione

La prima cosa che salta all’occhio è la finestra di contesto: entrambi i modelli GPT-5.6 Terra e Luna accettano fino a 1 milione di token. Tradotto: potete caricare un’intera giornata di transazioni, centinaia di pagine di contratti o una lunga conversazione con un cliente, e il modello la tiene tutta a mente senza perdere il filo. Non è un dettaglio da ingegneri. È la differenza tra dover spezzettare i documenti e poter fare una domanda su tutto l’insieme. E in input accettano anche immagini, non solo testo.

Poi c’è la parte che riguarda la fiducia. Amazon Bedrock usa un modello di sicurezza a zero conservazione dei dati, il cosiddetto ZDR: in pratica, di default non memorizza né gli input né gli output dei modelli. Per una banca, significa che una richiesta su un pagamento non lascia traccia nel sistema dopo essere stata elaborata. È il contrario di quello che normalmente ci si aspetta da un servizio cloud, ed è esattamente il motivo per cui un istituto regolamentato può anche solo prendere in considerazione l’idea di usare un modello esterno.

E poi c’è il prezzo. Il prompt caching — la possibilità di riusare parti di contesto già calcolate — permette di pagare le letture dalla cache con uno sconto del 90% rispetto ai token di input non memorizzati. In un assistente bancario che fa migliaia di domande simili al giorno, questo non è un dettaglio: è la differenza tra un costo accettabile e uno fuori budget. Ogni volta che il modello rilegge le stesse istruzioni o gli stessi documenti, il grosso del lavoro è già stato fatto.

Infine, la geografia. Con l’inferenza cross-Region geografica per l’India, Amazon Bedrock instrada le richieste solo all’interno del perimetro indiano, tra le regioni Asia Pacific di Mumbai e Asia Pacific di Hyderabad. Se un data center è sovraccarico, la richiesta va nell’altro, ma non esce mai dal Paese. È un dettaglio tecnico che ha un significato normativo enorme: i dati non attraversano confini, e questo è ciò che chiede la regolamentazione indiana. Se la tecnica risolve il come, resta la domanda strategica: chi vincerà la partita della sovranità dei dati in India?

RBI, Microsoft e la partita della sovranità

La partnership ampliata tra AWS e OpenAI è stata annunciata ad aprile 2026, e da giugno GPT-5.5 è generalmente disponibile su Bedrock. Ma è l’inferenza in India a segnare il salto, perché tocca un nervo normativo scoperto.

Per capire il peso di questa mossa, bisogna tornare al 2018. La Reserve Bank of India ha imposto che tutti i dati dei sistemi di pagamento siano conservati solo in India. Non è un suggerimento: è un obbligo. Per anni, le aziende tecnologiche hanno dovuto scegliere tra rispettare la norma e usare modelli linguistici ospitati altrove. Oggi AWS e OpenAI provano a eliminare quel compromesso, portando l’elaborazione dentro i confini.

In un post su About Amazon India, Nitin Bawankule spiega che per molte organizzazioni in India, specialmente nei settori regolamentati, l’inferenza locale è una parte fondamentale dell’adozione dell’IA con fiducia. Non è una frase di marketing: è una fotografia di come ragionano le banche, le assicurazioni, le società di pagamento. Se i dati non possono uscire, il modello deve entrare.

La concorrenza, però, non sta a guardare. Microsoft Azure Foundry offre zone dati specifiche per l’elaborazione dei dati: Stati Uniti, Unione Europea e Asia Pacifico. Il principio è simile — i dati restano in un perimetro definito — ma le zone dati di Microsoft sono macro-regioni, non un singolo Paese. AWS, con Mumbai e Hyderabad, ha scelto una granularità diversa: l’India come confine esplicito, non un’area vasta che la include.

Resta la domanda che apre il futuro: l’inferenza locale diventerà lo standard anche per altri mercati regolamentati? Se l’esperimento indiano funziona — e i presupposti tecnici ci sono — è probabile che la stessa architettura venga replicata altrove, dall’Europa al Sud-Est asiatico. Per ora, la partita è aperta. E il team di Hyderabad, per la prima volta, può costruire senza chiedersi dove finiscono i dati.