Oltre le RFP e i chatbot: come l'AI sta ottimizzando l'infrastruttura e le operazioni IT

25 marzo 2025

8 minuti

Autori

Mesh Flinders

Author, IBM Think

Ian Smalley

Senior Editorial Strategist

Attualmente, la maggior parte delle grandi novità nel campo dell'intelligenza artificiale (IA) riguarda lo sviluppo di nuove applicazioni di AI generativa (gen AI) all'avanguardia. Dall'aiuto nella stesura di documenti da parte degli studenti alla compilazione di RFP in pochi secondi, fino alla preparazione (deludente) di casi legali, i suoi successi e fallimenti sono stati ben documentati.

Che dire però dei compiti più prosaici? Alcune organizzazioni stanno sperimentando l'implementazione dell'AI per automatizzare aspetti dell'infrastruttura IT e delle operazioni, consentendo di dedicare preziose competenze umane altrove.

"L'AI generativa è fondamentale per il modo in cui le aziende moderne creano nuovi prodotti digitali per guadagnare", afferma Richard Warrick, Global Research Lead dell'IBM Institute for Business Value. "Ma cosa succederebbe se la stessa tecnologia potesse cambiare radicalmente i processi aziendali necessari per progettare, implementare, gestire e monitorare tali applicazioni?"

Dall'automazione di processi ad alta intensità di risorse come il provisioning dei data center e DevOps alla sostituzione del personale addetto alla sicurezza in loco, ecco come l'automazione intelligente dell'AI sta trasformando l'infrastruttura e le operazioni IT. 

Design 3D di palline che rotolano su una pista

Le ultime notizie e insight sull'AI


Scopri notizie e insight selezionati da esperti in materia di AI, cloud e molto altro nella newsletter settimanale Think. 

L'evoluzione dell'automazione AI

Quando l'AI è stata esplorata per la prima volta per scopi aziendali, la sua capacità di automatizzare attività ripetitive che in precedenza avevano richiesto l'input era considerata la sua applicazione più preziosa. Con l'avvento dell'AI generativa e delle sue numerose funzionalità, questa nozione ora sembra bizzarra, tuttavia, mentre la natura delle attività che l'AI può automatizzare è forse cambiata, il valore fondamentale dell'automazione non è cambiato.

Secondo un recente studio di IBV, l'80% dei dirigenti automatizzerà le proprie operazioni di rete IT nei prossimi 3 anni, mentre il 76% applicherà le stesse competenze di AI alle operazioni IT in quel periodo.

"I workflow basati su AI e gli strumenti di automazione stanno aiutando i leader aziendali a trovare vantaggi competitivi, in termini di prestazioni, che prima non riuscivano a ottenere", afferma Warrick.

Dieci anni fa, l'AI veniva utilizzata per eseguire processi semplici basati su regole, una capacità nota come automazione basata su regole. Esempi delle prime regole basate su AI includono il funzionamento dei bracci robotici e le linee di assemblaggio in fabbrica. Sebbene gli strumenti di AI basati su regole fossero efficaci in alcune aree, mancavano della flessibilità e della scalabilità necessarie per essere applicati a problemi aziendali più ampi. I sistemi basati su regole si basavano su insiemi di regole predefinite e, con l'aumentare della complessità delle attività che dovevano eseguire, aumentava anche il numero di regole necessarie per il funzionamento dei sistemi, creando alla fine sistemi non scalabili.

Machine learning (ML) e deep learning

Negli anni '90 gli scienziati iniziarono a sviluppare programmi informatici in grado di "imparare" a trarre conclusioni in modi simili al cervello umano, utilizzando grandi quantità di dati. Questo ramo dell'AI, noto come machine learning (ML), ha permesso alla tecnologia di affrontare compiti sempre più complessi, come il riconoscimento vocale e della grafia, il gioco complesso e persino la capacità di assistere nelle diagnosi mediche.

Il deep learning, un sottoinsieme del machine learning che ha guadagnato popolarità nel primo decennio del XXI secolo, ha portato la complessità che i sistemi AI potevano gestire a livelli completamente nuovi. Durante l'addestramento su reti neurali multistrato, i programmi di deep learning hanno simulato i modi complessi e sfumati in cui il cervello umano prende decisioni, consentendo all'AI di creare applicazioni, interpretare immagini e video e persino rispondere a prompt vocali e testuali come fanno gli umani.

Oggi, grazie al machine learning e al deep learning, l'automazione dell'AI si è evoluta da processi semplici e basati su regole a modelli ricchi e sofisticati, addestrati su enormi set di dati che possono svolgere molte delle stesse attività delle loro controparti umane. Questa nuova ondata di strumenti di AI, nota come "automazione intelligente", sta aiutando le organizzazioni a migliorare le proprie infrastrutture e le operazioni IT semplificando le operazioni aziendali, analizzando i dati e risolvendo problemi complessi che in precedenza richiedevano l'attenzione umana.

AI Academy

Prepararsi all'AI con l'hybrid cloud

Condotto dai migliori leader di pensiero di IBM, il programma di studi è stato progettato per aiutare i dirigenti aziendali ad acquisire le conoscenze necessarie per dare priorità agli investimenti in AI che possono favorire la crescita.

Come l'automazione intelligente dell'AI sta trasformando l'infrastruttura e le operazioni IT

Per le aziende moderne è importante che le loro menti più brillanti e orientate alla tecnologia si concentrino su iniziative che possono potenzialmente generare il massimo valore aziendale e, in questo momento, ciò significa sviluppare applicazioni di AI di ultima generazione. Secondo un altro studio dell'IBV, il 64% dei CEO ha riferito di aver sentito la pressione di investitori, creditori e istituti di credito per accelerare l'adozione dell'AI e più della metà ha dichiarato di avere sentito la stessa pressione da parte dei propri dipendenti. 

Tuttavia, le applicazioni di gen AI richiedono il supporto di un'infrastruttura complessa per facilitare la raccolta, l'elaborazione e l'archiviazione sicura di enormi volumi di dati. In precedenza, tale responsabilità ricadeva su team di responsabili IT, ingegneri e data scientist, ma cosa succederebbe se potesse farlo l'AI?

L'automazione AI utilizza la potenza di competenze specializzate come computer vision, elaborazione del linguaggio naturale (NLP) e altre tecnologie AI avanzate per risolvere problemi aziendali molto complessi. I modelli AI addestrati su enormi set di dati utilizzando il machine learning (ML) e il deep learning possono analizzare i dati provenienti da applicazioni e sistemi, identificare rapidamente i pattern e adattare di conseguenza risorse e processi prima che si verifichino dei problemi.

Computer vision

La computer vision è un'AI che interpreta immagini e video come il cervello umano. I modelli AI utilizzano il machine learning e il deep learning per analizzare ripetutamente i dati, identificando differenze rilevanti nelle immagini e nei video. Ad esempio, un modello AI addestrato per proteggere una casa dovrebbe essere addestrato su migliaia di ore di filmati di sicurezza domestica in modo da poter imparare a riconoscere un probabile intruso.

Nell'infrastruttura IT, la computer vision viene utilizzata per una serie di attività che in precedenza richiedevano l'input umano, tra cui manutenzione predittiva, monitoraggio del sistema, elaborazione del flusso di dati e molto altro:

  • Manutenzione predittiva: i sistemi di computer vision addestrati utilizzano algoritmi di riconoscimento delle immagini per rilevare problemi nei componenti come cavi e server prima che causino tempi di inattività della rete.
  • Monitoraggio del sistema: la computer vision può analizzare con precisione grandi quantità di dati provenienti da una varietà di fonti diverse molto più velocemente di una persona. L'esame degli angoli di ripresa dei tunnel della metropolitana, delle autostrade e degli edifici richiederebbe ore a un essere umano, tuttavia un sistema di computer vision può farlo in tempo reale.
  • Elaborazione del flusso di dati: i sistemi di computer vision elaborano e analizzano enormi quantità di dati forniti da sensori fisici che tengono traccia di metriche chiave come temperatura, umidità, velocità dell'aria e molto altro. L'uso della computer vision per rilevare cambiamenti improvvisi delle condizioni spesso allerta immediatamente le organizzazioni riguardo a un problema.

Elaborazione del linguaggio naturale

Elaborazione del linguaggio naturale (NLP) è un campo dell'AI che si concentra sul modo in cui i computer possono essere addestrati a comprendere e comunicare utilizzando il linguaggio umano. La PNL aiuta i sistemi a riconoscere e comprendere il linguaggio umano e a generare testo in risposta ai prompt.

Recentemente, la PNL è stata critica nello sviluppo e nel lancio di ChatGPT, un chatbot che può comprendere e generare testo simile a quello umano in risposta a domande e prompt.

Nell'infrastruttura e nelle operazioni IT, la PNL aiuta le organizzazioni con una serie di attività che in precedenza richiedevano l'input umano, come il miglioramento dell'esperienza utente, la risoluzione dei ticket e l'analisi del sentiment:

  • Esperienza utente: la PNL consente agli utenti di porre domande su problemi IT complessi nel modo in cui parlerebbero con un rappresentante del servizio clienti e riceverebbero risposte utili. I chatbot addestrati su grandi quantità di conoscenze tecniche e dotati di competenze in PNL possono sostituire i rappresentanti del servizio clienti con anni di conoscenze tecniche acquisite.
  • Risoluzione dei ticket: I sistemi NLP basati su AI possono analizzare i ticket in arrivo, assegnare una priorità e classificarli in modo preciso per importanza e tipo. I sistemi AI possono anche essere addestrati per risolvere i problemi da soli, richiedere l'intervento umano quando necessario o intraprendere altre azioni adeguate.
  • Analisi del sentiment: i sistemi PNL possono condurre un'analisi del sentiment sul feedback degli utenti, sui sondaggi e persino sui post sui social media, valutando con precisione le emozioni alla base delle risposte e identificando le aree di miglioramento. Inoltre, i sistemi PNL possono aiutare a organizzare informazioni tecniche specializzate, migliorando la documentazione e la condivisione delle conoscenze IT all'interno di un'organizzazione.

Casi d'uso dell'automazione intelligente dell'AI

L'applicazione dell'automazione intelligente dell'AI alle operazioni e all'infrastruttura IT sta trasformando il modo in cui i responsabili IT monitorano e ottimizzano i sistemi e allocano risorse critiche. Ecco quattro esempi di aree in cui la tecnologia aiuta a trasformare i processi, ridurre i costi e identificare insight nel core business.

Operazioni del data center

L'AI è estremamente abile nell'individuare i pattern nei dati, il che la rende perfetta per l'analisi delle enormi quantità di dati che ogni giorno fluiscono attraverso i data center aziendali. Gli operatori di data center hanno iniziato ad adottare l'AI per individuare i pattern nei dati e per identificare le opportunità di automazione e semplificazione dei processi, un aspetto fondamentale dell'aumento del ritorno sull'investimento (ROI) delle iniziative di trasformazione digitale.

Un'area in cui l'intelligenza artificiale sta già migliorando le operazioni dei data center è l'uso dell'energia. I sistemi AI possono monitorare e regolare dinamicamente i sistemi di raffreddamento e gestire il consumo energetico, aiutando le aziende a risparmiare milioni, in un caso riducendo la bolletta energetica di un data center del 40%.

Governance dei dati

L'AI è sempre più utilizzata per automatizzare gli aspetti della governance dei dati, ovvero il processo di mantenimento dell'integrità e della sicurezza dei dati durante la raccolta, la memorizzazione e l'elaborazione. Con l'ascesa dell'AI generativa, le aziende stanno scoprendo di dover raccogliere e gestire molti più dati rispetto al passato. Poiché i dati di cui necessitano vengono spesso raccolti in un posto e memorizzati ed elaborati in un altro, rispettare le leggi sulla conformità applicabili può essere difficile. I sistemi AI automatizzano alcuni aspetti del processo di conformità, aggiornandosi in base a leggi e regolamenti senza input umano, rendendo l'intero processo più efficiente e sicuro.

Observability

L'AI svolge un ruolo sempre più importante nell'osservabilità, un aspetto delle operazioni che aiuta le organizzazioni a comprendere la condizione di sistemi complessi in base agli output di tali sistemi. L'osservabilità può essere applicata a una varietà di componenti dell'infrastruttura, inclusi server, applicazioni, dispositivi di rete e molto altro.

I modelli AI addestrati per l'osservabilità monitorano i dati provenienti da questi sistemi e li analizzano per individuare errori e inefficienze. Utilizzando l'automazione avanzata dell'AI, alcuni sistemi AI possono persino individuare le cause principali di determinati problemi e intraprendere azioni appropriate prima che influiscano sulla disponibilità, sulle prestazioni o sulla sicurezza delle applicazioni.

Provisioning

Oltre a monitorare le prestazioni e la disponibilità dei sistemi e delle applicazioni, l'AI sta anche trasformando il provisioning, ovvero il processo di messa a disposizione delle risorse hardware e software per i sistemi e gli utenti. Oggi, i sistemi AI avanzati automatizzano il provisioning, aiutando le aziende ad allocare le risorse di cloud computing in modo più efficiente, affinché le macchine non restino inattive e le prestazioni complessive non diminuiscano. L'opportunità di mercato per l'automazione dell'AI nel processo di provisioning è significativa: secondo un rapporto di settore di Flexera, oltre il 32% della spesa cloud viene sprecata in un provisioning scadente.1

DevOps

I sistemi di AI sono utilizzati per migliorare DevOps, un metodo di sviluppo software che colma il divario tra programmatori e operazioni IT. Alcune aziende hanno utilizzato l'AI per automatizzare i test del software, portando a uno sviluppo più rapido. Altri hanno implementato algoritmi di AI per analizzare i dati della pipeline e migliorare l'allocazione delle risorse. Altre aziende si affidano sempre più all'AI generativa per scrivere codice, testarlo, identificare bug e persino suggerire potenziali correzioni.

Secondo l'IBM Fellow Kyle Brown, l'AI non viene utilizzata solo per automatizzare determinati aspetti di DevOps, bensì intere piattaforme. "Oggi è possibile implementare una piattaforma DevOps AI comune, completamente automatizzata e basata sulla configurazione", afferma. "Indipendentemente da ciò su cui sta lavorando un team di sviluppo, se lo sta costruendo su una di queste piattaforme, sarà conforme alle linee guida stabilite dall'azienda". 

Uno sguardo al futuro

Sebbene l'AI generativa e il suo potenziale per le applicazioni aziendali possano ancora fare notizia, le organizzazioni che applicano l'AI ai sistemi e ai processi alla base dell'IT stanno scoprendo nuovi modi per ridurre i costi e trasformare sistemi e processi obsoleti. Dall'automazione di attività ad alta intensità di risorse come il provisioning, la conformità e il test del software, al monitoraggio di sistemi complessi per individuare eventuali intrusioni e fare ricerche in enormi set di dati in tempo reale per ottenere insight, il potenziale di innovazione nel settore è illimitato.

Le moderne soluzioni di AI per le operazioni e l'infrastruttura IT (soluzioni AIOps) offrono un set completo e completamente integrato di strumenti basati sull'AI che automatizzano le operazioni e forniscono insight potenti sulle prestazioni e sullo stato di salute di sistemi e applicazioni. "Questi strumenti moderni sono una manna dal cielo per i team operativi IT", afferma Brown. "Per esempio, nell'area della pianificazione, abbiamo visto l'automazione intelligente dell'AI dimezzare la spesa pianificata per hardware e risorse aggiuntive".   

Soluzioni correlate
IBM watsonx.ai

Addestra, convalida, adatta e implementa le funzionalità di AI generativa, foundation model e machine learning con IBM watsonx.ai, uno studio aziendale di nuova generazione per builder AI. Crea applicazioni AI in tempi ridotti e una minima quantità di dati.

Esplora watsonx.ai
Soluzioni per l'infrastruttura IT

Scopri i server, lo storage e il software progettati per l'hybrid cloud e la strategia AI della tua azienda.

Scopri le soluzioni per le infrastrutture IT
Consulenza e servizi per l'intelligenza artificiale (AI)

I servizi di AI di IBM Consulting aiutano a reinventare il modo in cui le aziende lavorano con l'AI per la trasformazione.

Esplora i servizi di intelligenza artificiale
Prossimi passi

I servizi di AI di IBM Consulting aiutano a reinventare il modo in cui le aziende lavorano con l'AI per la trasformazione.

Esplora i servizi AI Ottieni maggiori informazioni
Note a piè di pagina

Tutti i link sono esterni a ibm.com.

1. Flexera 2024 State of the Cloud Report, Flexera, 2024