In Breve
- Qual è la principale sfida dell’AI autonoma nelle imprese?
- Stabilire quali azioni gli agenti possano eseguire senza approvazione e quali debbano restare sotto controllo umano.
- Perché la rete assume un ruolo strategico?
- Perché i carichi AI richiedono prestazioni specifiche e gli agenti generano traffico continuo, rendendo la rete anche un livello di identità e policy.
- Quali sono le priorità operative indicate per le aziende?
- Definire livelli di autonomia, migliorare la telemetria, estendere lo zero trust agli agenti e sostituire le infrastrutture non più aggiornabili.
Il passaggio dell’intelligenza artificiale aziendale dalla sperimentazione alle operazioni autonome non dipenderà soltanto dalla qualità dei modelli. Secondo Zeus Kerravala, analista di ZK Research e autore di una guest column pubblicata da SiliconANGLE, nei prossimi anni il tema centrale sarà stabilire quali azioni i sistemi potranno compiere e con quale grado di supervisione umana.
Il dibattito sarà al centro dell’evento Bloomberg Tech Event: Building the Agentic Enterprise, in programma il 28 ottobre a Boston. Tra i partecipanti indicati dalla fonte figurano responsabili IT e sicurezza di Mercedes-Benz North America, Booking Holdings, Carnival e Estée Lauder, oltre a James Robertson, chief technology officer globale per il networking di Hewlett Packard Enterprise.
Dalle raccomandazioni alle azioni
Per Kerravala, l’AI generativa ha reso le informazioni e le raccomandazioni un requisito di base. La questione decisiva è ora capire se un sistema possa intervenire senza un’approvazione umana a ogni passaggio.
Un agente che modifica una policy di rete, devia il traffico o mette in quarantena un dispositivo può causare conseguenze molto più gravi rispetto a un modello che produce una comunicazione inaccurata. L’autore propone quindi di distinguere tra azioni completamente automatizzabili, azioni soggette ad approvazione e attività da mantenere manuali. La sua tesi è che l’autonomia debba crescere per categorie di azioni, non essere trattata come un interruttore acceso o spento.
La disponibilità non basta a misurare il funzionamento
Durante l’HPE Networking Investor Day, Sujai Hajela, executive vice president e general manager per campus e branch di HPE, ha sintetizzato l’approccio dell’azienda con l’affermazione: «Essere attivi non equivale a essere efficaci». Una rete può infatti risultare disponibile e offrire comunque una videochiamata scadente o rallentare un carico di lavoro AI.
La valutazione delle infrastrutture autonome dovrebbe quindi concentrarsi anche sugli effetti per utenti e attività aziendali. Sajeev Nair, senior director of digital core services di ServiceNow, ha riferito che il consolidamento di prodotti e sistemi ha ridotto da 2.000-3.000 ore annue a meno di 60 il tempo richiesto da un’attività manuale.
Tra gli indicatori possibili rientrano, secondo l’autore, le ore restituite agli ingegneri, gli incidenti che non arrivano alla coda dei ticket e il tempo necessario per rendere operativi nuovi servizi.
La rete diventa infrastruttura per l’AI
Rami Rahim, executive vice president, president e general manager di HPE Networking, ha sostenuto che la rete sta assumendo un ruolo più strategico nella tecnologia perché l’AI ne sta trasformando i requisiti. Ha inoltre osservato che gli investimenti nelle GPU non possono essere sfruttati pienamente se la rete non garantisce le prestazioni necessarie.
Secondo AE Natarajan, responsabile del business routing di HPE, il traffico generato dall’AI presenta caratteristiche diverse da quello tradizionale: i flussi in ingresso e in uscita sono più bilanciati, non può essere gestito attraverso la cache come i video e gli agenti producono traffico in modo continuo.
Con la crescita degli agenti come nuova categoria di utenti, la rete dovrà contribuire a determinarne identità, autorizzazioni e comportamenti. In questa prospettiva, infrastruttura, sicurezza e governance tendono a convergere.
Il ruolo dei responsabili della sicurezza
La velocità con cui le imprese adotteranno operazioni autonome potrebbe essere determinata più dai responsabili della sicurezza che dai CIO, secondo Kerravala. Gli agenti necessitano infatti di accesso a sistemi, dati e altri agenti, aumentando il numero di identità non umane da gestire.
La fonte cita inoltre Anthropic Claude Mythos, che avrebbe aiutato organizzazioni sottoposte a verifica a individuare oltre 10.000 vulnerabilità di gravità alta o critica. L’autore collega questa capacità alla necessità di modernizzare le apparecchiature di rete obsolete e non più supportate.
David Hughes, senior vice president e general manager di HPE per SASE e sicurezza, ha descritto la rete come un possibile sensore per rilevare e contenere le minacce, estendendo i principi dello zero trust ad agenti e dispositivi. Per Kerravala, l’autonomia rappresenta allo stesso tempo un rischio da governare e una capacità difensiva da sviluppare, perché le operazioni di sicurezza condotte a velocità umana potrebbero non tenere il passo con attacchi assistiti dall’AI.
Dati, sistemi legacy e fiducia sono i principali ostacoli
Tra i freni all’adozione dell’AI agentica, l’autore indica soprattutto dati frammentati, infrastrutture legacy, responsabilità poco chiare, carenza di competenze, costi e fiducia. HPE ha descritto un modello in cui il sistema mostra agli operatori che cosa intende fare e per quale ragione prima di agire autonomamente.
Questo approccio richiede una telemetria coerente e completa. Rahim ha invitato inoltre gli acquirenti a esaminare nel dettaglio le tecnologie presentate come self-driving per verificare quanto dell’automazione dichiarata sia effettivamente disponibile.
Un ulteriore punto critico è il ritorno sull’investimento. La valutazione dei progetti agentici dovrà dimostrare una riduzione dei costi o la possibilità di generare nuovi ricavi, non soltanto il funzionamento di un prototipo.
Quattro priorità per i leader aziendali
- Definire livelli di autonomia: stabilire quali azioni possono essere eseguite autonomamente, quali richiedono approvazione e quali devono restare manuali, aggiornando periodicamente la classificazione.
- Rendere coerenti i dati: consolidare strumenti e piani di controllo per ottenere una telemetria end-to-end più affidabile.
- Applicare lo zero trust agli agenti: usare identità, privilegi minimi e monitoraggio continuo per controllare le azioni degli agenti attraverso la rete.
- Sostituire ciò che non può essere aggiornato: censire le infrastrutture fuori supporto e rimpiazzarle prima che possano essere sfruttate da attacchi assistiti dall’AI.
La conclusione proposta da Kerravala è che la transizione verso operazioni autonome sarà determinata dalla capacità delle imprese di costruire fiducia, dati e infrastrutture adeguate. I modelli e le GPU restano componenti importanti, ma non risolvono da soli i problemi di controllo, sicurezza e responsabilità operativa.