L’automazione delle operations porta con sé una spesa che rischia di complicare i conti: quella necessaria per controllare i sistemi. Nel report Cisco Splunk State of Observability 2026, il 57% degli intervistati afferma che i costi della telemetria hanno superato quelli dell’infrastruttura monitorata. E con la diffusione degli agenti AI, il 55% dichiara di faticare a tenere sotto controllo la spesa per l’intelligenza artificiale.
Per le telecomunicazioni, il tema riguarda il rapporto fra efficienza operativa e affidabilità dei servizi: affidare agli agenti attività di diagnosi e risoluzione dei problemi richiede strumenti capaci di seguirne le azioni, misurarne i risultati e attribuirne i consumi. Il monitoraggio entra così nel bilancio economico dell’automazione, insieme alle risorse impiegate per eseguire i carichi di lavoro.
La ricerca, presentata da Cisco e condotta da Oxford Economics, raccoglie le risposte di 2.050 professionisti delle operations IT e dell’ingegneria in dieci Paesi, intervistati fra febbraio e marzo 2026. Le telecomunicazioni figurano fra i 16 settori rappresentati; le percentuali pubblicate descrivono l’intero campione.
Indice degli argomenti
Telemetria, quanto costa conoscere lo stato dei sistemi
L’osservabilità consente di ricostruire il funzionamento dei sistemi attraverso i dati che producono: metriche, registri degli eventi e tracce delle operazioni. Per chi gestisce infrastrutture e servizi, queste informazioni servono a individuare anomalie, comprenderne le cause e verificare l’efficacia degli interventi.
L’aumento dei volumi da raccogliere e analizzare rende più impegnativo prevedere il costo del controllo. Il dato sulla telemetria segnala una tensione concreta: gli strumenti necessari a governare la complessità possono assorbire risorse superiori a quelle dell’infrastruttura osservata. La diffusione dell’AI aggiunge dati e comportamenti da esaminare, rendendo più articolata la gestione.
Anche la variabilità della spesa pesa sulle operations. Per il 60% degli intervistati, i picchi di costo imprevisti producono maggiori difficoltà operative rispetto a costi di base elevati. Il problema riguarda quindi la possibilità di pianificare le risorse e ricondurre gli scostamenti a consumi identificabili.
Il 67% del campione utilizza un’unica piattaforma di osservabilità. Secondo la ricerca, una visione integrata aiuta a individuare l’origine dei costi di telemetria: un elemento utile anche per gli operatori chiamati a valutare la sostenibilità economica dei processi automatizzati.
Agenti AI nelle operations, misurare anche le decisioni
Con gli agenti cambia anche ciò che occorre osservare. Ai parametri di funzionamento delle applicazioni si affiancano la qualità delle risposte, le decisioni assunte e il loro effetto sui processi. Un sistema disponibile può produrre un risultato errato: per valutare l’automazione serve quindi collegare il comportamento dell’agente all’esito dell’attività affidata.
La distanza fra priorità dichiarate e capacità di misurazione resta ampia. L’87% degli intervistati considera il monitoraggio dell’AI una priorità per la propria organizzazione, mentre il 54% deve ancora definire obiettivi di business chiari. Il 56% fatica a misurare metriche dei carichi di lavoro AI, come la qualità delle risposte dei modelli linguistici di grandi dimensioni.
Anche l’individuazione delle allucinazioni, ossia delle risposte generate prive di fondamento, presenta difficoltà. L’85% ritiene importante avere visibilità su questo fenomeno, ma il 58% dichiara di riuscirci efficacemente.
Per le operations di un operatore, questi risultati suggeriscono un criterio di valutazione dell’automazione: affiancare alla rapidità di esecuzione la correttezza della diagnosi e dell’intervento. Quando un agente viene impiegato per individuare una criticità o contribuire alla sua risoluzione, il risultato da verificare è il miglioramento del servizio, insieme alle risorse consumate per ottenerlo.
Consumi e token, attribuire la spesa a ogni attività
La presenza di decine di agenti basati su modelli diversi rende più difficile ricostruire chi consuma risorse e per quale attività. Il controllo economico richiede di associare la spesa ai singoli agenti, ai modelli utilizzati e ai carichi di lavoro, così da collegare i consumi al valore prodotto.
“Nelle aziende di oggi, l’entusiasmo per l’IA deve fare i conti con la realtà dei costi – sottolinea Kamal Hathi, SVP e GM di Splunk in Cisco – L’osservabilità è uno strumento fondamentale per ripristinare prevedibilità e fiducia nell’era dell’IA agentica. Introducendo adeguati meccanismi di controllo e integrando l’osservabilità in un modello economico basato sul consumo di token di IA (AI tokenomics), le aziende possono trasformare l’IA da una voce di spesa imprevedibile in un investimento strategico di lungo periodo, con un valore misurabile per il business”.
I token sono le unità con cui i modelli linguistici elaborano i contenuti e sulle quali possono essere calcolati i consumi. Seguirne l’impiego aiuta a capire quanto costa eseguire un’attività. Per valutare un processo automatizzato, questa informazione va letta insieme alla qualità del risultato e all’eventuale necessità di ulteriori interventi.
Performance e sicurezza richiedono dati condivisi
Il controllo degli agenti riguarda anche gli accessi e le azioni sui sistemi. Con l’estendersi delle loro attività nell’infrastruttura aziendale, un problema di performance può richiedere verifiche congiunte da parte di chi gestisce il servizio e di chi ne presidia la sicurezza.
Per l’81% degli intervistati, il monitoraggio dei carichi di lavoro AI ha rafforzato la collaborazione fra i team di osservabilità e sicurezza. Il 73% dichiara di riuscire a ricondurre con precisione i problemi di performance alle relative cause di sicurezza, rispetto al 65% del 2025.
Cresce anche la cooperazione nella risoluzione delle criticità: il 77% dei team di osservabilità collabora con quelli di sicurezza, contro il 62% dell’anno precedente. La condivisione dei dati aumenta dal 74% all’84%.
“Presto, nella maggior parte delle aziende, gli agenti di IA saranno molto più numerosi delle persone – spiega Jeetu Patel, President e Chief Product Officer di Cisco – Gestirli su larga scala richiede un ripensamento degli approcci alla sicurezza e all’osservabilità. Gli agenti sono stati compromessi? Stanno svolgendo correttamente il proprio lavoro? Nell’era dell’IA agentica, queste due domande sono strettamente interconnesse e richiedono risposte alla velocità delle macchine. Il report evidenzia la crescente convergenza tra i dati di osservabilità e quelli di sicurezza, sottolineando quanto sia fondamentale la collaborazione tra i team. Piattaforme dati condivise, che consentano di rilevare e affrontare i problemi in tempo reale, sono essenziali per adottare agenti affidabili su larga scala”.
Per le telecomunicazioni, il collegamento riguarda la capacità di ricostruire le cause dei disservizi e coordinare gli interventi. Dati condivisi possono aiutare i gruppi operativi a mettere in relazione anomalie, comportamento degli agenti ed eventi di sicurezza.
Le organizzazioni più avanzate collegano automazione e risultati
La ricerca individua un gruppo di organizzazioni con pratiche di osservabilità più evolute. Queste aziende utilizzano gli agenti per individuare e risolvere problemi, automatizzano le attività di correzione e monitorano qualità dei modelli, costi, consumi, sicurezza e privacy. I dati tecnici orientano anche la pianificazione e le decisioni aziendali.
Il 91% di questo gruppo attribuisce con precisione i costi dell’AI, rispetto al 69% delle altre organizzazioni. La differenza riguarda la capacità di identificare quali agenti, modelli e carichi di lavoro incidano maggiormente sulla spesa.
Fra le aziende più avanzate, inoltre, l’86% dichiara di individuare con precisione le cause di sicurezza alla base dei problemi di performance, contro il 71% delle altre. Il confronto associa quindi una maggiore maturità dell’osservabilità a una migliore conoscenza dei consumi e delle criticità operative.
Per gli operatori che valutano l’impiego degli agenti nella gestione dei servizi, emerge una domanda concreta: quanto costa ottenere un intervento corretto e verificabile? Attribuire i consumi, seguire le decisioni e misurare gli esiti permette di valutare il contributo dell’automazione all’efficienza delle operations.
Partecipa alla community