L’intelligenza artificiale entra sempre più in profondità nei sistemi aziendali e amplia il perimetro delle responsabilità affidate ai team tecnologici. Il tema interessa direttamente anche gli operatori di telecomunicazioni, chiamati a governare reti, piattaforme e servizi digitali sempre più complessi e automatizzati, per i quali continuità operativa e rapidità nella gestione degli incidenti sono requisiti essenziali.
A cambiare sono soprattutto i compiti del Site Reliability Engineering (SRE), la disciplina che punta a garantire disponibilità, prestazioni e stabilità dei servizi digitali, e del platform engineering, impegnato nella realizzazione e nella gestione delle piattaforme interne utilizzate dagli sviluppatori.
È quanto emerge dallo studio globale “The State of SRE and Platform Engineering 2026” pubblicato da Dynatrace e condotto su 919 responsabili IT. La ricerca analizza il modo in cui le grandi organizzazioni stanno coordinando osservabilità, automazione e AI per gestire carichi di lavoro caratterizzati da modalità operative, dati di telemetria e rischi differenti rispetto alle applicazioni tradizionali.
Indice degli argomenti
Il monitoraggio dei modelli diventa una priorità
La diffusione dell’AI sta spingendo i team SRE e di platform engineering a introdurre nuovi strumenti, parametri di valutazione e funzioni di controllo. Il 67% degli SRE indica il monitoraggio dei modelli di intelligenza artificiale come il principale caso d’uso, mentre per il 58% il controllo delle prestazioni e dell’accuratezza rappresenta già la funzionalità AI più utilizzata.
Il loro ruolo è destinato a crescere ulteriormente. Secondo una previsione di Gartner citata nel rapporto, entro il 2028 l’80% delle aziende adotterà pratiche SRE a livello organizzativo, rispetto al 30% registrato nel 2024. A sostenere questa evoluzione contribuisce anche il maggiore coinvolgimento dei vertici: il 92% delle organizzazioni dichiara che le iniziative SRE ricevono il supporto dell’executive leadership.
Con l’aumento degli investimenti, questi gruppi assumono una responsabilità crescente sull’esito dei progetti, perché devono adeguare piattaforme, strumenti e standard alle necessità dei sistemi intelligenti in produzione.
Il divario tra sviluppo e gestione operativa
Uno dei problemi individuati dalla ricerca riguarda la distanza tra chi sviluppa i modelli e chi deve controllarli durante il loro utilizzo. La domanda di strumenti per valutarne comportamento e qualità sta crescendo più rapidamente della disponibilità di soluzioni capaci di accompagnarli lungo l’intero ciclo di vita.
Secondo Dynatrace, questo scenario contribuisce a spiegare l’intenzione annunciata recentemente dall’azienda di acquisire Arize. L’obiettivo è integrare nella piattaforma di osservabilità funzioni native per la valutazione dell’AI, consentendo ai team di engineering e delle operation di lavorare sugli stessi dati, anziché ricorrere a sistemi separati.
La necessità di colmare questa distanza emerge anche dai risultati raggiunti finora. Le tecnologie intelligenti stanno generalmente rispettando le attese sul fronte dell’affidabilità e della produttività degli sviluppatori, mentre producono benefici inferiori alle aspettative nella riduzione dei costi e del tempo medio di risoluzione degli incidenti (MTTR).
Integrazione e frammentazione frenano i risultati
La maturità raggiunta dal platform engineering offre una base importante per la nuova fase. L’89% delle organizzazioni che applicano questa disciplina ha implementato una piattaforma interna per sviluppatori, indicata anche con l’acronimo IDP, e nel 60% dei casi l’adozione è già estesa a tutti i reparti.
La collaborazione tra le diverse funzioni tecniche appare altrettanto avanzata: il 73% dei team SRE e di platform engineering condivide oggi compiti e responsabilità negli ambiti dell’affidabilità e della gestione delle piattaforme.
Restano alcuni ostacoli strutturali. Per il 37% dei platform engineer, la principale difficoltà è rappresentata dall’integrazione con gli strumenti e i sistemi esistenti. Soltanto il 40% dichiara inoltre di avere incorporato l’osservabilità in tutte le fasi della distribuzione del software.
La quantità di informazioni disponibili può diventare a sua volta un problema. Quasi la metà degli SRE segnala che l’eccessivo numero di fonti e metriche ostacola la definizione e la gestione di obiettivi di livello di servizio (SLO) efficaci. L’89% utilizza comunque questi indicatori in almeno una parte dei team o dei sistemi.
L’AI agentica alza l’asticella del controllo
L’affermazione dell’AI agentica, capace di svolgere attività e prendere iniziative con un grado crescente di autonomia, sta modificando le priorità operative. Il 55% dei platform engineer punta a mettere a disposizione degli sviluppatori strumenti intelligenti, tra cui copiloti per la scrittura del codice e chatbot.
Parallelamente, la metà degli SRE utilizza già funzionalità AI per automatizzare la risposta agli incidenti. Il passaggio verso operazioni sempre più autonome richiede una supervisione adeguata, soprattutto quando un sistema può intervenire direttamente sugli ambienti di produzione.
Per questo i team stanno privilegiando la visibilità e il controllo umano prima di ampliare ulteriormente l’automazione. Il nodo centrale riguarda la capacità di comprendere quando un intervento automatico possa essere eseguito, quali effetti possa generare e in quali circostanze sia necessario coinvolgere un operatore.
L’osservabilità come piano di controllo
Nel quadro delineato dal rapporto, l’osservabilità si trasforma progressivamente in un piano di controllo delle operazioni guidate dall’intelligenza artificiale. Il suo compito consiste nel raccogliere e correlare i segnali provenienti da applicazioni, infrastrutture e modelli, fornendo le informazioni necessarie per governare prestazioni, affidabilità e azioni autonome.
Nel settore delle telecomunicazioni, questa capacità può assumere particolare rilievo nella gestione coordinata di reti e servizi, dove la moltiplicazione delle fonti di telemetria e l’automazione dei processi rendono più complesso individuare le anomalie, comprenderne le cause e governare gli interventi.
L’efficacia di questo approccio dipende dalla capacità di superare la frammentazione dei dati e di orchestrare i flussi operativi. Per ottenere riduzioni significative dei costi e dei tempi di risoluzione occorre integrare gli strumenti in una visione unificata del sistema, capace di trasformare le informazioni raccolte in interventi coordinati.
“L’SRE e il platform engineering hanno gettato le basi per la moderna affidabilità digitale, ma l’AI sta riscrivendo le regole. Le aziende devono ora passare dalla gestione dei sistemi alla loro orchestrazione, collegando osservabilità, automazione e AI agentica per operare alla velocità richiesta da queste iniziative, trasformando le informazioni in azioni su larga scala – spiega Steve Tack, Chief Product Officer di Dynatrace – Questa ricerca riflette anche il motivo per cui abbiamo recentemente annunciato la nostra intenzione di acquisire Arize. I team di AI engineering hanno effettuato le valutazioni utilizzando un set di strumenti, mentre i team delle operation hanno effettuato il monitoraggio con un altro set, e questo divario non è più sostenibile man mano che l’AI si integra sempre più profondamente nella produzione aziendale”.
Partecipa alla community