Introduzione alla piattaforma distribuita H2O.ai per automatizzare i flussi di lavoro Machine Learning su big data 2026

Architettura in memoria, AutoML, Driverless AI e GenAI: che cosa fa davvero H2O.ai, quanto costa, con che cosa si confronta e quando conviene sceglierla.

In breve

H2O.ai è una piattaforma di machine learning distribuita e in memoria: invece di portare i dati dentro Python, porta il calcolo dentro un cluster di processi JVM dove i dati stanno già, compressi per colonna. Il client R o Python spedisce comandi via REST, non righe. È questa scelta architetturale — non l'AutoML, che è la parte visibile — a spiegare perché lo stesso codice che gira su un portatile con un CSV da 200 MB gira senza modifiche su un cluster con un dataset da centinaia di gigabyte.

Il progetto nasce nel 2011 come 0xdata, fondato da Sri Satish Ambati e Cliff Click (l'autore del compilatore JIT HotSpot di Java). Oggi il motore open source H2O-3 è rilasciato sotto licenza Apache 2.0 — versione stabile 3.46.0.12 del 12 agosto 2026 — mentre la parte commerciale ruota attorno a Driverless AI (versione 2.5.0 del 28 agosto 2026) e alla piattaforma H2O AI Cloud. L'azienda dichiara oltre 20.000 organizzazioni che usano la tecnologia open source e più della metà delle Fortune 500 fra i clienti, con 256 milioni di dollari raccolti da investitori fra cui NVIDIA, Goldman Sachs, Wells Fargo e Capital One.

Questo articolo copre, in ordine: che cos'è la piattaforma e come è fatta dentro, le caratteristiche principali di H2O-3 e di AutoML, i vantaggi competitivi reali per machine learning e deep learning (e i punti in cui quei vantaggi si rovesciano), i costi — compreso il fatto, non piccolo, che un listino pubblico non esiste —, le funzionalità avanzate e le integrazioni, il confronto con le alternative, le strategie di crescita per chi la adotta e le tendenze che nel 2026 stanno riscrivendo le regole dell'AutoML. Dove un dato non è pubblico, lo diciamo invece di stimarlo.

Che cos'è H2O.ai e quale problema risolve davvero

La domanda da cui partire non è «che cosa fa H2O.ai», ma «perché esiste». Nel flusso di lavoro classico di un data scientist, i dati vengono caricati in un DataFrame pandas, trasformati in memoria su una singola macchina e dati in pasto a scikit-learn. Funziona benissimo finché il dataset entra nella RAM di quella macchina. Quando non ci entra più, il percorso normale è riscrivere tutto: Spark, un'altra API, un altro modello mentale, spesso un'altra persona.

H2O.ai risolve questo problema spostando il confine. Il cluster H2O è un insieme di processi JVM, uno per nodo, che condividono un distributed key-value store in memoria basato su una hash map non bloccante. I dati vivono lì dentro in un formato colonnare — la documentazione lo chiama Fluid Vector Frame, con la gerarchia Frame → Vector → Chunk → Element — e vengono compressi colonna per colonna. Il calcolo viene espresso come MRTask, un MapReduce in memoria costruito su un framework Fork/Join modificato, che la documentazione ufficiale tiene esplicitamente distinto dal MapReduce di Hadoop: qui non c'è scrittura su disco fra le fasi.

La conseguenza pratica è quella che conta. Il client Python (import h2o) o R non riceve mai i dati: invia comandi in REST su socket e riceve risultati. Il vostro portatile non deve avere la RAM del dataset. Il codice che scrivete per fare una regressione logistica su 200.000 righe è, riga per riga, lo stesso che gira su 200 milioni — cambia soltanto quanti nodi avete avviato.

La famiglia di prodotti, in una mappa

Chi si avvicina a H2O.ai per la prima volta si perde nei nomi. Vale la pena fissare la mappa, perché le decisioni di acquisto dipendono da quale strato si sta guardando.

Componente	Che cos'è	Licenza
H2O-3	Il motore: cluster distribuito in memoria, algoritmi, AutoML, API Python/R/Scala/Java/Flow	Apache 2.0, gratuito
Sparkling Water	H2O-3 dentro un'applicazione Apache Spark (Spark 2.3 → 3.5)	Open source
Driverless AI	AutoML commerciale con feature engineering automatico, interpretabilità, time series, NLP, immagini	Commerciale
H2O AI Cloud	La piattaforma: MLOps, Feature Store, Document AI, Hydrogen Torch, App Store, eScorer	Commerciale
h2oGPT	Chat e RAG su documenti, eseguibile in locale	Apache 2.0, gratuito
Enterprise h2oGPTe	GenAI agentica: agenti multi-step, RAG multimodale con citazioni, guardrail, governance	Commerciale
Danube3, H2OVL Mississippi	Modelli open-weight: linguistici piccoli (4B, 0.5B) e vision-language per OCR (2B, 0.8B)	Open weight, gratuiti

Il punto di questa tabella è che H2O.ai non è un prodotto, è un confine commerciale. Sopra il confine c'è software libero che potete mettere in produzione domani senza parlare con nessuno. Sotto il confine c'è una piattaforma enterprise il cui prezzo si negozia. Confondere i due strati è l'errore più frequente quando si valuta la piattaforma, e produce preventivi sbagliati in entrambe le direzioni.

Le caratteristiche principali della piattaforma

Gli algoritmi: pochi, implementati bene, distribuiti

H2O-3 non insegue la copertura enciclopedica di scikit-learn. Implementa un insieme deliberatamente contenuto di algoritmi, ma li implementa distribuiti, il che è un lavoro molto più difficile. Il repository ufficiale elenca: GLM con regolarizzazione Elastic Net, GBM, XGBoost, Distributed Random Forest, Deep Learning (reti neurali feed-forward), GAM, RuleFit, SVM, Naïve Bayes, Word2Vec, Stacked Ensembles, e sul fronte non supervisionato K-Means e PCA.

È una lista che copre il 90% di quello che serve davvero su dati tabellari: rischio di credito, churn, propensione all'acquisto, previsione della domanda, rilevamento frodi, pricing. Non è la lista giusta se state facendo ricerca su architetture neurali nuove — e su questo torniamo più avanti, perché è il limite più frainteso della piattaforma.

AutoML: che cosa fa esattamente, senza magia

Una riga di codice, H2OAutoML(max_runtime_secs=3600).train(...), avvia una procedura che la documentazione descrive per intero — e leggerla è il modo migliore per capire che cosa state comprando e che cosa no. AutoML addestra i modelli in gruppi di priorità:

1. tre modelli XGBoost GBM con iperparametri prefissati;

2. una griglia fissa di GLM;

3. un Distributed Random Forest di default;

4. cinque H2O GBM prefissati;

5. una rete neurale con parametri quasi di default;

6. un Extremely Randomized Forest (XRT);

7. infine griglie casuali di XGBoost GBM, H2O GBM e reti profonde, finché il tempo concesso non finisce.

Dopo ogni gruppo vengono addestrati due Stacked Ensembles: uno su tutti i modelli («All Models») e uno sui migliori di ciascuna famiglia («Best of Family», al massimo sei modelli). Il metalearner è un GLM non negativo regolarizzato, con scelta fra Lasso ed Elastic Net in cross-validation, proprio per favorire una combinazione sparsa: l'ensemble finale usa pochi modelli, non tutti.

Il risultato è una leaderboard ordinata per AUC nella classificazione binaria, per errore medio per classe nella multiclasse, per RMSE nella regressione, con colonne opzionali per il tempo di addestramento e il tempo di predizione per riga — dettaglio che sembra minore e invece decide quali modelli potete mettere davvero in un endpoint sincrono.

Due cose da sapere prima di lanciare il primo job. La prima: se non specificate né max_runtime_secs né max_models, il default è un'ora. La seconda, più importante in produzione: l'export MOJO è disponibile per i modelli singoli, non per gli Stacked Ensembles. Se il vostro piano di deployment è «prendo il primo della leaderboard ed esporto il MOJO», e il primo della leaderboard è un ensemble — cosa che succede quasi sempre — il piano va rivisto prima, non dopo.

Interpretabilità: non un accessorio

H2O-3 espone h2o.explain(), che si applica sia a un singolo modello sia all'intero oggetto AutoML, producendo importanza delle variabili, SHAP, partial dependence e ICE. Nella versione commerciale, Driverless AI alza l'asticella con un modulo dedicato, MLI (Machine Learning Interpretability), pensato esplicitamente per i settori regolamentati: banche, assicurazioni, sanità. È la ragione per cui la piattaforma è finita in produzione in Commonwealth Bank of Australia, Wells Fargo, Bank of America e Progressive Insurance — organizzazioni dove un modello che non si sa spiegare non è un modello, è un rischio operativo.

Il modello che esce dalla piattaforma: MOJO e POJO

Questo è il dettaglio tecnico che più spesso decide un'adozione, e quasi nessuno lo guarda per primo. H2O esporta i modelli addestrati in due formati: POJO (Plain Old Java Object) e MOJO (Model ObJect, Optimized). Un MOJO è un artefatto autoconsistente che si valuta con una piccola libreria Java — niente cluster H2O, niente Python, niente server di modelli.

La conseguenza è che un modello addestrato su un cluster da 40 nodi può finire dentro un microservizio Spring Boot, dentro una funzione serverless o dentro un'applicazione Android, e rispondere in microsecondi. In un'architettura dove il servizio che deve chiamare il modello è un'applicazione Java aziendale — la situazione normale in banca, in assicurazione, nella logistica — questo elimina un intero strato di infrastruttura. Driverless AI produce a sua volta una MOJO scoring pipeline Java standalone, oltre a un modulo Python.

Le interfacce: quattro strade verso lo stesso motore

Lo stesso cluster si comanda da Python, R, Scala, Java, REST e da Flow, il notebook web incluso. Flow è sottovalutato: permette a un analista che non scrive codice di caricare un file, lanciare un AutoML e leggere la leaderboard con il mouse, mentre il data scientist del team lavora sullo stesso cluster da Python. Non è un ambiente separato con un motore separato — è la stessa istanza. Nei team misti questo evita la divergenza fra «quello che ha fatto l'analista» e «quello che poi rifà il data scientist».

I vantaggi competitivi: che cosa si ottiene davvero

1. Scalare senza riscrivere

È il vantaggio fondativo e vale la pena ripeterlo perché è raro. Il passaggio da prototipo a produzione, nella maggior parte degli stack, è una riscrittura: pandas diventa PySpark, scikit-learn diventa MLlib o un servizio gestito, e il modello che avevate validato non è più esattamente lo stesso modello. Con H2O quel passaggio non esiste: cambia il numero di nodi del cluster, non il codice. Per un'azienda che deve stimare quanto costa portare in produzione un modello, questa è una voce di costo che semplicemente sparisce dal preventivo.

2. Il tempo sul problema, non sulla griglia

Il valore dell'AutoML non è che «trova modelli migliori» — spesso un data scientist esperto, con una settimana di lavoro, ne trova di migliori. È che produce una baseline difendibile in un pomeriggio. E una baseline difendibile è ciò che permette di rispondere presto alla domanda che conta: questo problema è risolvibile con i dati che abbiamo? Se l'AUC massima raggiungibile è 0,58, è meglio scoprirlo il primo giorno che al terzo mese. L'AutoML, usato bene, è uno strumento di decisione prima che di modellazione.

3. Deep learning: che cosa c'è e che cosa non c'è

Qui serve precisione, perché è il punto su cui la comunicazione della piattaforma è più generosa di quanto sia la realtà tecnica.

H2O-3 include un algoritmo di Deep Learning: reti neurali feed-forward multistrato, addestrate in modo distribuito. Sono ottime su dati tabellari e pessime su tutto il resto, semplicemente perché non sono convoluzionali né ricorrenti né transformer. Non è un sostituto di PyTorch o TensorFlow e non pretende di esserlo. Due limiti documentati vanno messi a verbale: il Deep Learning di H2O non è riproducibile di default (l'addestramento distribuito introduce non determinismo), e il supporto GPU riguarda schede NVIDIA con CUDA.

Il deep learning «vero» nella piattaforma sta altrove, nella parte commerciale: Hydrogen Torch per visione e NLP senza scrivere codice, Document AI per l'estrazione strutturata da documenti, H2O LLM Studio per il fine-tuning di modelli linguistici. Sono prodotti separati, con un prezzo separato. Chi sceglie H2O.ai perché «fa anche deep learning» e poi scopre di aver installato solo H2O-3 ha sbagliato la valutazione, non il prodotto.

4. Explainability e governance come caratteristica strutturale

SHAP, partial dependence, ICE, reason code, MLI, audit trail, model validation: nella piattaforma questi non sono plugin, sono parte del percorso normale. In un contesto europeo — dove la pressione normativa cresce anche quando le scadenze slittano, e su questo torniamo in chiusura — avere la spiegazione del modello prodotta dallo stesso strumento che lo addestra vale molto più di quanto valga sulla carta. Chi ha provato a ricostruire a posteriori perché un modello ha rifiutato una pratica di fido sa esattamente quanto.

5. Sovranità del dato: on-premise e air-gapped

È il posizionamento su cui H2O.ai ha spinto di più nell'ultimo biennio, ed è quello con più mercato in Europa. La piattaforma si installa on-premise, in ambienti completamente disconnessi dalla rete (air-gapped), in cloud privato, in configurazione ibrida o sui marketplace AWS, Azure e Google Cloud. Nel 2026 due segnali confermano la direzione: la certificazione FedRAMP High, annunciata il 20 maggio 2026 per H2O.ai Cloud for Government, e l'integrazione validata nella Dell AI Factory with NVIDIA per deployment sovrani.

Per una banca italiana, una pubblica amministrazione o una società sanitaria che non può far uscire i dati dal perimetro, questo riduce l'insieme delle piattaforme candidate a poche unità. È spesso il criterio, non uno dei criteri.

Dove il vantaggio si rovescia

Una valutazione onesta deve elencare anche il retro della medaglia, perché ogni scelta architetturale si paga da qualche parte.

• La memoria costa. La documentazione H2O raccomanda di dimensionare il cluster a «circa quattro volte la dimensione dei dati», e in un altro punto indica un intervallo di 3-4 volte. Un dataset da 100 GB vuole 300-400 GB di RAM distribuita. Non è un difetto: è il prezzo dell'in-memory. Ma è una voce di costo infrastrutturale che va messa nel preventivo il primo giorno, perché su cloud a consumo diventa la voce principale.

• La JVM va governata. Un cluster H2O è un sistema distribuito Java. Ha tuning di heap, garbage collection, timeout di rete, nodi che escono dal cluster. Chi arriva da un mondo puramente Python trova un livello di amministrazione che non si aspettava.

• Poca flessibilità per la ricerca. L'insieme degli algoritmi è chiuso. Se vi serve un'architettura nuova, una loss function esotica, un paper dell'anno scorso, H2O-3 non è il posto giusto. Driverless AI attenua il problema con le custom recipe (BYOR, Bring Your Own Recipe), che permettono di iniettare trasformatori, modelli e metriche scritti in Python — ma è la versione commerciale.

• Qualche asperità operativa documentata. XGBoost non è disponibile su Windows né su Apple Silicon M1; l'export MOJO non copre gli Stacked Ensembles. Sono limiti noti e documentati, non sorprese: il problema nasce quando li si scopre in fase di deployment invece che in fase di valutazione.

• Il prezzo non è pubblico. Su questo la sezione seguente è dedicata, perché merita più di un elenco puntato.

Costi: che cosa è gratis e che cosa si negozia

Che cosa è gratis sul serio

Non è un «gratis» di facciata. Sotto licenza Apache 2.0, senza limiti d'uso commerciale, avete: H2O-3 completo, incluso AutoML, tutti gli algoritmi, l'export MOJO/POJO, Flow, le API Python/R/Scala/Java e Sparkling Water. A questo si aggiunge h2oGPT (Apache 2.0) per chat e RAG su documenti in locale, e i modelli open-weight Danube3 e H2OVL Mississippi.

Detto diversamente: un freelance o una PMI possono costruire un intero sistema di scoring in produzione — addestramento distribuito, modello esportato, scoring in un microservizio Java — senza pagare una licenza. È una possibilità concreta, non teorica, ed è la ragione per cui l'azienda dichiara oltre 20.000 organizzazioni sull'open source.

Il costo del gratis

Il software è gratuito; il sistema no. Le voci reali sono tre, e vanno stimate prima:

• Infrastruttura. La regola del 4× sulla RAM. Su un cloud pubblico, un cluster con 384 GB di RAM aggregata acceso otto ore al giorno è una cifra che si vede in bolletta. Una mitigazione efficace: cluster effimeri, accesi per il job di addestramento e spenti subito dopo, con lo scoring che gira su MOJO e non ha bisogno del cluster.

• Competenza. Serve qualcuno che sappia leggere una leaderboard e sappia perché il modello in cima non è necessariamente quello da mettere in produzione. È la voce più sottovalutata, e la più cara quando manca.

• Manutenzione. Un modello in produzione va monitorato: il drift dei dati esiste, e la sua misura non è inclusa in H2O-3 (sta in MLOps, che è commerciale). Costruirsela è fattibile e costa tempo.

Il listino che non esiste

Va detto senza giri di parole, perché condiziona ogni pianificazione: H2O.ai non pubblica prezzi per i prodotti commerciali. Non esiste una pagina di listino; quella che si raggiunge cercando «free trial» è, in sostanza, un modulo di richiesta demo, senza durata né perimetro dichiarati. Driverless AI, H2O AI Cloud, Enterprise h2oGPTe e i moduli correlati si acquistano parlando con un commerciale.

Nemmeno i marketplace cloud aiutano: il listing ufficiale di H2O Driverless AI su AWS Marketplace è BYOL (Bring Your Own License), con il prezzo esplicitamente gestito «attraverso un rapporto di fatturazione esterno fra voi e il fornitore». Sul web circolano cifre orarie attribuite a H2O.ai: quelle riconducibili a listing di terze parti riguardano immagini della versione open source su Ubuntu e non sono prezzi H2O.ai. Usarle in un preventivo è un errore.

Come si costruisce un preventivo serio

In assenza di listino, il preventivo si costruisce a rovescio, partendo dal valore invece che dal costo. Le domande da portare al primo incontro commerciale sono cinque, e conviene averle scritte:

1. Quale caso d'uso, con quale numero? «Ridurre del 15% le insolvenze su un portafoglio da X» è una frase che permette di dire se una licenza costa troppo. «Fare AI» non lo è.

2. Quanti utenti e quante GPU? Le licenze enterprise di questo tipo si dimensionano tipicamente su utenti nominali e nodi/GPU: sapere il numero prima cambia la trattativa.

3. Quali moduli servono davvero? Driverless AI da solo, o anche MLOps, Feature Store, Document AI, h2oGPTe? Ogni modulo è una voce.

4. Dove gira? Managed cloud, on-premise o air-gapped: il costo e la complessità del deployment cambiano di conseguenza.

5. Che cosa costerebbe farlo con H2O-3 open source? È il vero termine di paragone, e va calcolato — infrastruttura più giornate/uomo — prima di firmare qualsiasi cosa. In molti progetti la risposta onesta è che l'open source basta.

Funzionalità avanzate e integrazioni

Driverless AI: il feature engineering come prodotto

Se AutoML di H2O-3 automatizza la scelta del modello, Driverless AI automatizza il passo precedente, quello dove si gioca la partita vera: la costruzione delle feature. Genera e valuta trasformazioni — aggregazioni, target encoding, interazioni, trasformazioni temporali, estrazione da testo — e tiene quelle che migliorano la metrica in validazione. Aggiunge il supporto nativo per serie storiche, NLP e immagini, l'esplorazione visuale automatica dei dati (AutoViz), il modulo MLI e l'esportazione della scoring pipeline. È progettato per sfruttare le GPU, incluse workstation multi-GPU, pur girando anche su hardware ordinario.

La caratteristica che più spesso convince i team tecnici sono le custom recipe: la possibilità di scrivere in Python un trasformatore, un modello o una metrica propri e farli entrare nel motore di ricerca automatica. È il compromesso fra scatola nera e controllo — e, non secondariamente, il modo in cui la conoscenza di dominio di un'azienda rientra in un processo altrimenti generico.

Connettori dati: da dove legge

Driverless AI 2.5.0 abilita di default upload, filesystem locale e del server, HDFS, Amazon S3 e le recipe da file o URL. Sono attivabili da configurazione: Azure Blob Storage, Google Cloud Storage, Google BigQuery, Hive, MinIO, Snowflake, KDB+, JDBC, Databricks, Delta Lake, oltre a H2O Drive e Feature Store. Ogni connettore si usa con il proprio prefisso (s3://, gs:// e così via).

Per un'architettura dati italiana tipica — un data warehouse su Snowflake o BigQuery, un data lake su S3 o ADLS, un vecchio gestionale su Oracle raggiungibile via JDBC — la copertura è sufficiente senza scrivere ETL intermedi. Vale la pena notare, per onestà, che Kafka non figura fra i connettori documentati: lo streaming va gestito a monte, atterrando su storage o su una tabella.

Sparkling Water: H2O dentro Spark

Chi ha già un ecosistema Spark non deve scegliere. Sparkling Water fa girare il cluster H2O dentro l'applicazione Spark, con conversione bidirezionale fra DataFrame Spark e H2OFrame: si usa Spark per la preparazione dei dati — dove è forte — e H2O per la modellazione. Le versioni di Spark supportate vanno da 2.3 a 3.5.

L'ombrello: H2O AI Cloud

La piattaforma commerciale raccoglie i pezzi che in open source mancano o vanno costruiti. La documentazione ufficiale elenca, fra gli altri:

• MLOps — deployment, gestione del ciclo di vita, governance e monitoraggio dei modelli in produzione;

• Feature Store — feature condivise e versionate fra team e progetti, per non ricalcolare (e non far divergere) le stesse trasformazioni;

• H2O Drive, object storage integrato, Admin Center, Audit Trail e Admin Analytics;

• Hydrogen Torch (deep learning senza codice), Document AI, Label Genie (etichettatura), Model Validation e Model Analyzer;

• eScorer per lo scoring in produzione, AI App Store e Notebook Labs;

• H2O Workflows, orchestrazione dichiarativa in YAML.

La parte generativa, che nel 2026 pesa

H2O.ai ha attraversato l'ondata GenAI senza abbandonare il predittivo, e il risultato è una famiglia insolitamente ampia:

• h2oGPT (Apache 2.0): chat e RAG su documenti in locale, con database vettoriali Chroma, Weaviate o FAISS, HYDE e semantic chunking, ingestione di PDF, Excel, Word, immagini, frame video, audio, codice e Markdown, quantizzazione 4/8 bit, LoRA, backend oLLaMa/vLLM, e un proxy API compatibile con OpenAI. È il modo più rapido per mettere un assistente documentale dentro il perimetro aziendale senza mandare nulla fuori.

• Enterprise h2oGPTe: la versione commerciale, presentata come piattaforma GenAI multi-agente. Agenti autonomi che eseguono compiti in più passi — ricerca web, accesso a database, esecuzione iterativa di codice — RAG multimodale con citazioni tracciabili, estrazione documentale guidata da schema con output JSON, guardrail e controlli PII, gestione granulare degli accessi. A marzo 2025 ha raggiunto il primo posto sulla leaderboard GAIA per agenti generalisti.

• H2O Danube3: modelli linguistici piccoli open-weight da 4 miliardi e 0,5 miliardi di parametri, addestrati da zero su circa 100 GPU H100 con un dataset curato da 6.000 miliardi di token. Sono pensati per l'edge: smartphone, dispositivi offline, guardrail leggeri davanti a modelli più grandi.

• H2OVL Mississippi: modelli vision-language da 2B e 0,8B specializzati in OCR e Document AI, che a marzo 2026 hanno superato il milione di download mensili su Hugging Face.

• tabH2O, presentato al Dell Technologies World il 19 maggio 2026: un foundation model per dati tabellari enterprise, che produce predizioni con una singola chiamata API, senza addestramento e senza feature engineering. È, tecnicamente, la novità più interessante dell'anno e la trattiamo nella sezione sulle tendenze.

Alternative a H2O.ai e confronto

Il confronto in una tabella

Piattaforma	Modello	Prezzo	Punto di forza	Limite principale
H2O-3	Open source, self-hosted	Gratuito (Apache 2.0)	Unico AutoML open source realmente distribuito; MOJO esportabili	Niente MLOps; richiede amministrazione JVM
H2O Driverless AI	Commerciale, self-hosted o cloud	Su richiesta, nessun listino	Feature engineering automatico, MLI, air-gapped	Prezzo opaco; ecosistema più piccolo dei leader
DataRobot	Commerciale, SaaS o ibrido	Su richiesta, nessun listino	Governance e MLOps maturi, forte in finanza	Costoso e opaco; lock-in significativo
Dataiku	Commerciale + Free Edition	Free Edition; piani a preventivo	Collaborazione visual+code, data prep, governance	L'AutoML è una funzione fra molte, non il cuore
Vertex AI (Google)	Cloud gestito	Pubblico: $21,252/node-hour (AutoML tabulare)	Zero infrastruttura, pagamento a consumo	Scatola nera; AutoML testo e video già dismessi
Azure ML	Cloud gestito	Nessun sovrapprezzo sul servizio: si paga il compute	Costo trasparente, Responsible AI dashboard, MLflow	UX frammentata; forte gravità verso Azure
SageMaker Autopilot / Canvas	Cloud gestito	Pubblico: Canvas $1,9/ora + compute	Notebook di trasparenza generati; ecosistema AWS	Costi compositi difficili da preventivare
Databricks AutoML	Lakehouse	Consumo a DBU	Governance Unity Catalog; notebook riproducibili per ogni trial	Ha senso solo se i dati sono già lì
AutoGluon (AWS)	Open source, libreria	Gratuito	Oggi il più accurato su tabellare a nodo singolo	Non distribuito su cluster

DataRobot e Dataiku: i due confronti che contano

DataRobot è il concorrente diretto di Driverless AI, e gioca sullo stesso campo: AutoML enterprise end-to-end, dall'ingestione al monitoraggio del drift. Ha una copertura MLOps e di governance più ampia e una presenza più forte in servizi finanziari e assicurativi. Non ha una controparte open source — e questa è la differenza strategica: con H2O.ai potete iniziare gratis e salire, con DataRobot si entra dalla porta commerciale. Anche DataRobot non pubblica prezzi.

Dataiku non è, propriamente, un concorrente: è una piattaforma di lavoro collaborativa, con flow visuali a nodi, notebook e recipe, dove l'AutoML è una funzione del Lab fra molte altre. Il suo punto di forza è la preparazione dei dati e la collaborazione fra profili business e tecnici. Dataiku può integrare H2O anziché sostituirlo. Ha una Free Edition; i piani commerciali sono a preventivo.

Vale la pena registrare il posizionamento degli analisti, con la cautela d'obbligo. Nel Magic Quadrant di Gartner per le AI Platforms del 22 giugno 2026 — quadrante che quest'anno è stato rinominato rispetto al precedente «Data Science and Machine Learning Platforms» proprio per includere i flussi agentici e gli LLM, su 18 vendor valutati — H2O.ai è collocata fra i Visionary per il quarto anno consecutivo, mentre Dataiku, DataRobot e IBM dichiarano il posizionamento a Leader. Nella Forrester Wave sulle AI Platforms del Q3 2026, che valuta 15 vendor, H2O.ai non è fra i valutati. Sono indicatori di visibilità di mercato, non di qualità tecnica: utili per capire in che direzione soffia il vento nei comitati d'acquisto, inutili per scegliere un algoritmo.

Le piattaforme cloud: comodità contro controllo

Su Google Cloud c'è un fatto rilevante del 2026 che cambia il quadro: la documentazione ufficiale dichiara che i servizi Vertex AI sono ora parte della Gemini Enterprise Agent Platform e che la documentazione Vertex AI non è più aggiornata attivamente. Sul fronte AutoML, AutoML Text è stato spento il 15 giugno 2025 e AutoML Video il 31 luglio 2025, sostituiti dal tuning di Gemini: restano attivi il tabulare e le immagini. Il prezzo pubblico dell'AutoML tabulare è di 21,252 dollari per node-hour (19,1268 con impegno a un anno, 17,0016 a tre anni); l'AutoML su immagini costa 3,465 dollari l'ora, i modelli Edge on-device 18 dollari l'ora.

Azure Machine Learning ha il modello di costo più chiaro del gruppo: la pagina ufficiale dei prezzi dichiara che non c'è alcun sovrapprezzo per usare il servizio — si paga il compute e lo storage sottostanti. Automated ML copre tabellare, NLP, visione e forecasting, con la Responsible AI dashboard e l'integrazione MLflow. Se l'azienda è già su Microsoft 365 ed Entra ID, è la scelta a minor attrito.

SageMaker Autopilot condivide con H2O una filosofia da scatola trasparente: genera notebook ispezionabili che mostrano che cosa ha fatto. Canvas, l'interfaccia no-code, costa 1,9 dollari l'ora per workspace, con voci aggiuntive per volumi di dati oltre i 5 GB e per training di visione artificiale. La difficoltà, come spesso su AWS, non è il prezzo unitario ma la somma.

La differenza di fondo con H2O.ai è sempre la stessa: le piattaforme cloud tolgono l'infrastruttura e, insieme, tolgono il controllo. Non c'è MOJO da portare altrove, non c'è deployment air-gapped, non c'è un elenco leggibile dei modelli provati. Quando il vincolo è la sovranità del dato, il confronto non si apre nemmeno.

L'open source, che nel 2026 non è più quello di due anni fa

Questo è il confronto che più è cambiato, e vale la pena aggiornare le proprie convinzioni:

• AutoGluon (AWS) — versione 1.6.1 del 6 agosto 2026, sviluppo molto attivo. La 1.6 integra foundation model tabulari e oggi è probabilmente il miglior AutoML tabellare su singolo nodo. Non è distribuito: è il suo limite e il vantaggio residuo di H2O-3.

• FLAML (Microsoft) — 2.6.0 del 28 aprile 2026, orientato al tuning economico in risorse. Ottimo quando il budget di calcolo è il vincolo.

• MLJAR — 1.3.2 del 27 luglio 2026, AutoML tabellare con report di spiegabilità generati automaticamente.

• Ludwig — 0.17.9 del 16 agosto 2026, deep learning dichiarativo, oggi molto orientato agli LLM.

• TPOT — 1.1.0 del 3 luglio 2025, riattivato dopo una riscrittura completa; il ramo TPOT2 è stato deprecato e riassorbito.

• PyCaret — ultima release 3.3.2 dell'aprile 2024: lo sviluppo è rallentato sensibilmente.

• auto-sklearn — ultima release 0.15.0 del settembre 2022. Di fatto fermo: usatelo come baseline di ricerca, non in produzione.

Come si decide: cinque domande

1. I dati possono uscire dal perimetro aziendale? Se no, restano H2O.ai, Dataiku, DataRobot on-prem e poco altro. È la domanda che elimina più candidati.

2. Il dataset entra nella RAM di una macchina sola? Se sì (ed è la situazione più comune, molto più di quanto si ammetta), AutoGluon o FLAML risolvono gratis e bene. H2O-3 diventa interessante quando la risposta è no.

3. Dove gira il modello in produzione? Se il consumatore è un'applicazione Java, il MOJO di H2O vale da solo la scelta.

4. C'è già un lakehouse o un cloud dominante? Se tutto è su Databricks o su Azure, l'AutoML nativo parte con un vantaggio di integrazione difficile da colmare.

5. Quanto conta spiegare il modello a un revisore? Più conta, più gli strumenti di interpretabilità nativi — MLI di Driverless AI, Responsible AI di Azure — spostano l'ago.

Strategie di crescita usando H2O.ai

Questa sezione è per chi la piattaforma deve usarla per costruire qualcosa: un team interno che deve giustificare l'investimento, o un professionista che vende progetti di machine learning.

Partire da un caso d'uso con un numero attaccato

Il progetto di ML che fallisce non fallisce quasi mai per ragioni tecniche: fallisce perché nessuno aveva definito che cosa volesse dire riuscire. Prima di aprire un notebook serve una frase della forma «oggi questo processo costa X, con un modello che ha una precisione Y costerebbe Z». Se quella frase non si riesce a scrivere, il problema non è ancora pronto per un modello, ed è meglio saperlo prima.

La baseline in un pomeriggio

Qui l'AutoML dà il suo contributo migliore. Un'ora di H2OAutoML su un estratto di dati storici risponde alla domanda «c'è segnale?» meglio di tre settimane di riunioni. Il pattern che funziona è disciplinato: un dataset di validazione separato per tempo, mai casuale, se il fenomeno ha una dinamica temporale; la metrica scelta prima di vedere i risultati; e un confronto esplicito con la regola euristica che l'azienda usa oggi. Se l'AutoML non batte la regola del capo reparto, quella è l'informazione più preziosa del progetto.

Dalla leaderboard alla produzione

Il modello in cima alla leaderboard raramente è quello da mettere in produzione, e i motivi sono tre: è quasi sempre uno Stacked Ensemble, e quindi non esportabile come MOJO; ha un tempo di predizione per riga più alto, e la leaderboard ve lo mostra proprio per questo; è più difficile da spiegare. La scelta ragionevole è il miglior modello singolo entro una soglia accettabile di perdita di performance — spesso un GBM che perde mezzo punto di AUC rispetto all'ensemble, si esporta in un file e risponde in microsecondi dentro l'applicazione che deve usarlo.

Monitorare, perché il mondo cambia

Un modello di churn addestrato prima di un cambio di listino è un modello sbagliato dal giorno del cambio di listino. Il monitoraggio del drift — distribuzione delle feature in ingresso, distribuzione delle predizioni, performance sui casi già risolti — è parte del progetto, non un'aggiunta. In H2O AI Cloud c'è il modulo MLOps; con il solo open source va costruito, e va messo nel preventivo.

Per il freelance: che cosa si vende davvero

Un professionista che lavora con il machine learning trova in H2O.ai una leva commerciale precisa, che vale la pena rendere esplicita. Il cliente non compra un modello: compra una decisione automatizzata che oggi prende a mano. La proposta che funziona ha tre tempi:

1. Una valutazione di fattibilità a prezzo fisso — pochi giorni, con H2O-3 open source, che finisce con un numero: c'è segnale utile oppure no. Costa poco al cliente e vi protegge dai progetti impossibili.

2. Un progetto di sviluppo che arriva al modello esportato in MOJO e integrato nel sistema esistente, con documentazione di quali variabili contano e perché.

3. Un canone di manutenzione per monitoraggio e riaddestramento periodico. È la parte che trasforma una consulenza una tantum in una relazione ricorrente, ed è anche quella che serve davvero al cliente.

Il fatto che il motore sia gratuito non abbassa il valore della consulenza: lo sposta dove sta realmente, cioè nella capacità di scegliere il problema giusto, preparare i dati, leggere i risultati con onestà e portare il modello dentro un sistema che funziona.

Tendenze future: dove sta andando l'AutoML

I foundation model tabellari, che è il fatto tecnico dell'anno

Per quindici anni l'AutoML ha significato una cosa sola: cercare, fra molte combinazioni di algoritmi e iperparametri, quella che funziona meglio su questi dati. Nel 2026 quel paradigma ha un concorrente serio. I foundation model per dati tabellari arrivano pre-addestrati e producono predizioni con un'inferenza sola, senza cercare nulla — come fa un LLM con il testo.

I segnali sono due e convergono. AutoGluon 1.6 integra modelli di questa famiglia e dichiara un tasso di vittoria del 67% contro la versione precedente con un addestramento 27 volte più rapido. E H2O.ai ha presentato a maggio 2026 tabH2O, foundation model per dati tabellari enterprise che restituisce predizioni con una chiamata API, senza training né feature engineering.

Se questa traiettoria regge — ed è presto per darla per acquisita — il vantaggio competitivo dell'AutoML classico, cioè cercare bene nello spazio dei modelli, si assottiglia. Rimangono in piedi le altre due gambe della piattaforma: dove girano i dati e come si spiega il risultato. Non è un caso che H2O.ai stia spingendo esattamente lì.

Gli agenti entrano nella data science

Il fatto che Gartner abbia rinominato il proprio quadrante da «Data Science and Machine Learning Platforms» a «AI Platforms» non è marketing: certifica che il perimetro del mercato si è spostato. L'automazione non riguarda più solo la ricerca di iperparametri, ma la formulazione di ipotesi, la preparazione dei dati, la valutazione dei risultati — compiti che un agente può eseguire in più passi. È la direzione di Enterprise h2oGPTe, con agenti che accedono a database, eseguono codice iterativamente e citano le fonti di quanto affermano.

La cautela d'obbligo: un agente che prepara i dati sbagliando in silenzio è più pericoloso di un data scientist che sbaglia lasciando una traccia. La tracciabilità — citazioni, audit trail, notebook generati — è ciò che rende la cosa utilizzabile invece che soltanto impressionante.

Modelli piccoli e AI sovrana

La corsa ai modelli sempre più grandi ha prodotto, per reazione, un mercato per quelli piccoli: Danube3 da 0,5 e 4 miliardi di parametri, Mississippi da 0,8 e 2 miliardi. Girano su hardware ordinario, dentro il perimetro, senza chiamare nessuno. In Europa, dove la combinazione di GDPR, vincoli settoriali e diffidenza verso i fornitori extra-UE è la norma nelle grandi organizzazioni, questa è una domanda reale e in crescita — ed è lo stesso movimento che spiega FedRAMP High e l'integrazione con Dell.

AI Act: che cosa vale davvero nel 2026

È importante avere il quadro giusto, perché nel 2026 è cambiato. Il pacchetto Digital Omnibus, oggetto di accordo politico nel maggio 2026, ha rinviato una parte degli obblighi sui sistemi ad alto rischio. La situazione che ne risulta, secondo le analisi legali disponibili:

• dal 2 agosto 2026 restano applicabili gli obblighi di trasparenza dell'articolo 50 — dichiarare all'utente che sta interagendo con un sistema di AI —, con un periodo di grazia di quattro mesi sul watermarking per i sistemi già sul mercato;

• gli obblighi per i sistemi ad alto rischio dell'Allegato III sono stati rinviati al 2 dicembre 2027 (erano previsti per il 2 agosto 2026);

• quelli dell'Allegato I slittano al 2 agosto 2028;

• dal 2 dicembre 2026 entra in vigore un nuovo divieto ai sensi dell'articolo 5.

Il rinvio sposta le scadenze, non l'esigenza. Un modello che decide su un fido, su una selezione del personale o su una priorità sanitaria dovrà comunque essere documentato, tracciabile e spiegabile, e chi costruisce oggi conviene che lo costruisca già così. Model card, lineage, SHAP e audit trail restano il criterio di scelta reale fra piattaforme — ed è il terreno su cui gli strumenti nativi di interpretabilità valgono più di mezzo punto di AUC.

Domande frequenti

H2O.ai è davvero gratuito?

H2O-3, il motore distribuito con tutti i suoi algoritmi, AutoML, l'export MOJO/POJO e le API Python, R, Scala e Java, è rilasciato sotto licenza Apache 2.0 e si può usare in produzione commerciale senza pagare nulla. Lo stesso vale per h2oGPT e per i modelli open-weight Danube3 e H2OVL Mississippi. Sono a pagamento Driverless AI, H2O AI Cloud (MLOps, Feature Store, Document AI, Hydrogen Torch) ed Enterprise h2oGPTe. Il costo del percorso gratuito non è zero: è infrastruttura — la documentazione raccomanda una RAM di cluster pari a circa quattro volte la dimensione dei dati — più competenze e manutenzione.

Quanto costa H2O Driverless AI?

H2O.ai non pubblica un listino per i prodotti commerciali: il prezzo si concorda con il reparto commerciale. Nemmeno i marketplace cloud lo espongono — il listing ufficiale di Driverless AI su AWS Marketplace è BYOL, con la fatturazione gestita direttamente fra cliente e fornitore. Le cifre orarie che si trovano online e vengono attribuite a H2O.ai riguardano in genere immagini di terze parti che impacchettano la versione open source: non sono prezzi H2O.ai e non vanno usate in un preventivo.

Serve un cluster per usare H2O?

No. H2O-3 gira perfettamente su un singolo portatile, come processo Java locale comandato da Python o R, ed è il modo corretto di iniziare. Il cluster serve quando i dati non entrano più nella memoria di una macchina sola. Il vantaggio è che il codice non cambia fra i due scenari: cambia solo quanti nodi si avviano.

H2O.ai serve anche per il deep learning?

In parte. H2O-3 include reti neurali feed-forward distribuite, adatte a dati tabellari, ma non è un sostituto di PyTorch o TensorFlow: non ha architetture convoluzionali, ricorrenti o transformer, e il suo Deep Learning non è riproducibile di default. Il deep learning applicato — visione, NLP, documenti — nella piattaforma sta nei prodotti commerciali Hydrogen Torch, Document AI e H2O LLM Studio. Chi valuta H2O.ai per fare deep learning deve sapere che sta valutando la parte a pagamento.

Posso mettere in produzione un modello H2O senza tenere acceso il cluster?

Sì, ed è il pattern consigliato. Il modello addestrato si esporta in formato MOJO, un artefatto autoconsistente valutabile con una piccola libreria Java: gira dentro un microservizio, una funzione serverless o un'applicazione, senza cluster e senza Python, con latenze nell'ordine dei microsecondi. L'eccezione da conoscere: gli Stacked Ensembles prodotti da AutoML non sono esportabili in MOJO, quindi per la produzione si sceglie in genere il miglior modello singolo.

H2O.ai o una piattaforma AutoML del mio cloud?

Dipende da tre vincoli. Se i dati non possono uscire dal perimetro aziendale, le piattaforme cloud gestite escono dalla valutazione e H2O.ai — installabile on-premise e air-gapped — resta fra le poche opzioni. Se invece siete già interamente su un cloud e il dataset è di dimensioni ordinarie, l'AutoML nativo (Azure ML non applica sovrapprezzo sul servizio, si paga il compute) è più rapido da adottare. Se il modello deve girare dentro un'applicazione Java esistente, il MOJO di H2O è un argomento che gli altri non hanno.

Esistono alternative open source valide a H2O-3?

Sì, ed è il panorama che più è cambiato di recente. AutoGluon (versione 1.6.1 dell'agosto 2026) è oggi la scelta più accurata su dati tabellari quando tutto entra in una macchina sola; FLAML è ottimo quando il budget di calcolo è il vincolo; MLJAR genera report di spiegabilità automatici. Vanno invece considerati con prudenza PyCaret, la cui ultima release risale all'aprile 2024, e auto-sklearn, fermo al settembre 2022. Il vantaggio residuo di H2O-3 è di essere l'unico AutoML open source realmente distribuito su cluster.

H2O.ai è adatto a una PMI italiana?

Se il volume di dati è quello tipico di una PMI — qualche milione di righe — H2O-3 open source è ampiamente sufficiente, e il costo del progetto è tutto in infrastruttura e competenze, non in licenze. Il caso in cui la piattaforma commerciale diventa interessante è diverso: molti modelli da mantenere contemporaneamente, obblighi di spiegabilità verso un revisore o un'autorità, o vincoli che impongono di tenere tutto dentro il perimetro aziendale.

In sintesi

H2O.ai è una scelta architetturale prima che un prodotto: mettere i dati in memoria, distribuirli su un cluster e mandare il calcolo da loro anziché il contrario. Da quella scelta discende tutto il resto — la scalabilità senza riscrittura, il MOJO che esce dalla piattaforma e gira ovunque, la possibilità di installare tutto dentro un perimetro chiuso.

Le tre cose da tenere a mente quando si valuta la piattaforma nel 2026 sono queste. La prima: il confine fra gratuito e commerciale è netto, e H2O-3 open source copre molti più casi d'uso di quanti l'azienda media immagini — vale la pena verificarlo prima di aprire una trattativa. La seconda: i prezzi commerciali non sono pubblici, quindi il preventivo va costruito partendo dal valore del caso d'uso e tenendo come termine di paragone il costo di farlo con l'open source. La terza: il vantaggio competitivo si sta spostando, dai foundation model tabellari che erodono il valore della ricerca automatica verso la sovranità del dato e la tracciabilità del modello — ed è esattamente dove H2O.ai ha scelto di posizionarsi.

Per chi sviluppa software o lavora come professionista indipendente, la conclusione operativa è semplice: si inizia con H2O-3 su un portatile, un dataset reale e un'ora di AutoML. La risposta che arriva da quel pomeriggio — c'è segnale, oppure no — vale più di qualunque valutazione fatta sulla carta.