// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
L'infrastruttura che si gestisce da sola: realtà o hype?
Nel pezzo precedente abbiamo parlato di AI per i tuoi dati: farla girare in casa per non farli uscire. Ora saliamo di un piano e parliamo di AI per le tue operazioni: non il modello che risponde alle domande, ma quello che tiene in piedi l'infrastruttura mentre dormi. È il tema più chiacchierato - e più gonfiato - dell'IT di oggi. Vale la pena separare quello che funziona davvero da quello che è solo slide.
Partiamo dal perché se ne parla. Negli ultimi anni abbiamo guadagnato velocità e perso chiarezza. Microservizi per disaccoppiare i team, cloud per scalare a domanda, Kubernetes per orchestrare i container: tutto giusto, ma il risultato è un ambiente distribuito la cui complessità eccede la capacità cognitiva di un singolo essere umano.
Lo si vede nel momento peggiore, quando qualcosa si rompe. Un'azienda media fa girare decine di strumenti di monitoraggio diversi, e un singolo incidente può far scattare cinquanta o più alert sparsi tra sistemi che non si parlano. L'ingegnere di turno apre una scheda per lo stato dei pod, una per le tracce applicative, una per i log, una per i cambiamenti recenti - e intanto il servizio è giù.
A furia di allarmi che si rivelano rumore, gli SRE smettono di fidarsi del pager e trattano gli avvisi come suggerimenti invece che come ordini. È la alert fatigue, e costa: per le grandi aziende globali le stime sui disservizi parlano di cifre nell'ordine delle centinaia di miliardi di dollari l'anno. Qualcosa deve cedere - e la scommessa del settore è che a cedere sia il lavoro manuale.
Qui entra l'AIOps, cioè l'uso dell'intelligenza artificiale per le operazioni IT: correlare gli eventi, filtrare il rumore, individuare la causa radice e - sempre più spesso - agire, riavviando, scalando o applicando un rimedio in autonomia. Gartner fotografa un cambio di paradigma nel modo stesso di lavorare: dall'interfaccia fatta di riga di comando e script si passa a linguaggio naturale, definizione di policy e orchestrazione di flussi. Il sistemista descrive l'obiettivo, non più ogni singolo passo.
E i numeri, va detto, ci sono. Gli studi di settore riportano riduzioni del tempo medio di risoluzione degli incidenti (MTTR) tra il 40 e il 70% nelle implementazioni più solide, volumi di alert tagliati fino al 95%, e tempi di risposta sugli incidenti di routine ridotti fino al 90%.
Una ricerca commissionata a Forrester stima un MTTR dimezzato e una disponibilità delle applicazioni critiche più alta del 15%. Se ci si ferma qui, sembra che l'hype fosse tutto vero.
Non fermiamoci qui. Perché accanto ai casi brillanti c'è un altro dato, meno citato: la riduzione media del MTTR nelle implementazioni reali si aggira intorno al 18%, non al 70.
Il divario tra la media modesta e le punte spettacolari non dipende dall'AI. Dipende da cosa c'è sotto.
I modi di sbagliare sono essenzialmente due, e vale la pena conoscerli prima di firmare qualsiasi contratto.