Le aziende adottano gli agenti di intelligenza artificiale più rapidamente di quanto riescano a monitorarne il funzionamento. Il nuovo report Splunk State of Observability 2026, presentato da Cisco, documenta le difficoltà nel prevedere la spesa e valutare la qualità delle risposte generate dai modelli.
La ricerca, condotta da Oxford Economics su 2.050 professionisti delle operations IT e dell’ingegneria in dieci Paesi, rileva che il 55% fatica a tenere sotto controllo i costi dell’AI. Per il 60%, i picchi di spesa imprevisti creano più difficoltà operative di costi di base elevati. Il 56% dichiara inoltre di non riuscire a misurare parametri come la qualità delle risposte dei modelli linguistici, necessari per valutare l’efficacia degli agenti.
Indice degli argomenti
La qualità degli agenti resta difficile da misurare
Gli agenti di intelligenza artificiale entrano nei processi aziendali, dallo sviluppo software alla gestione dell’esperienza cliente. Per seguirne il comportamento servono metriche specifiche, capaci di valutarne le decisioni e collegarle ai risultati di business.
L’87% degli intervistati considera il monitoraggio dell’AI una priorità per la propria organizzazione. Il 54% deve ancora definire obiettivi di business chiari. Anche l’individuazione delle allucinazioni evidenzia una distanza fra le esigenze dichiarate e le capacità operative: l’85% ritiene importante riconoscerle, mentre il 58% afferma di riuscirci efficacemente.
A preoccupare sono anche gli effetti delle azioni degli agenti: l’83% teme possibili conseguenze indesiderate. Il report richiama quindi il ruolo dell’agent observability, intesa come capacità di monitorarne il comportamento e definire adeguati meccanismi di controllo.
La telemetria pesa più dell’infrastruttura
La gestione economica diventa più complessa quando le organizzazioni impiegano decine di agenti basati su modelli diversi. Tenere traccia dei consumi e prevedere la spesa richiede di seguire attività distribuite, mentre l’aumento dei volumi di dati generati dall’AI ne complica l’analisi e la gestione.
A questa difficoltà si aggiunge il costo del monitoraggio stesso. Il 57% degli intervistati dichiara che le spese di telemetria hanno superato quelle dell’infrastruttura monitorata. Il 67% utilizza un’unica piattaforma di osservabilità, per ottenere una visione integrata e individuare con precisione l’origine di questi costi.
«Nelle aziende di oggi, l’entusiasmo per l’AI 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’AI agentica. Introducendo adeguati meccanismi di controllo e integrando l’osservabilità in un modello economico basato sul consumo di token di AI (AI tokenomics), le aziende possono trasformare l’AI da una voce di spesa imprevedibile in un investimento strategico di lungo periodo, con un valore misurabile per il business».
Osservabilità e sicurezza condividono più dati
L’estensione dell’accesso degli agenti ai sistemi aziendali richiede una collaborazione più stretta fra operations IT, ingegneria e sicurezza. Per l’81% degli intervistati, il monitoraggio dei carichi di lavoro dell’AI ha già rafforzato il rapporto fra i team di osservabilità e quelli di sicurezza.
Il 77% dei team di osservabilità collabora con la sicurezza per individuare e risolvere i problemi, rispetto al 62% del 2025. La condivisione dei dati è salita dal 74% all’84%. Aumenta anche la capacità di ricondurre i problemi di performance alle relative cause di sicurezza, dichiarata dal 73% degli intervistati, contro il 65% dell’anno precedente.
«Presto, nella maggior parte delle aziende, gli agenti di AI 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’AI 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».
I risultati delle organizzazioni più avanzate
La ricerca individua un gruppo di imprese con pratiche di osservabilità più evolute. Queste organizzazioni utilizzano gli agenti per individuare e risolvere i problemi e prevenirne il ripetersi, automatizzando le principali attività di correzione. Monitorano qualità dei modelli, costi, consumi, sicurezza e privacy, e impiegano i dati di telemetria nella pianificazione e nelle decisioni aziendali.
Il 91% delle imprese più avanzate riesce ad attribuire con precisione i costi dell’AI, identificando gli agenti, i modelli e i carichi di lavoro che incidono maggiormente sulla spesa. La percentuale scende al 69% nelle altre organizzazioni.
Le aziende di questo gruppo hanno inoltre una probabilità 2,4 volte superiore di dichiarare che il ritorno sull’investimento delle piattaforme di osservabilità supera ampiamente le aspettative. Il 54% afferma che l’osservabilità ha contribuito a generare almeno 5 milioni di dollari di ricavi aggiuntivi all’anno, rispetto al 28% delle altre imprese.
Anche i dati sulla sicurezza mostrano differenze. Il 94% delle organizzazioni più avanzate dichiara che il monitoraggio dell’AI ha rafforzato la collaborazione fra i team, contro l’80% delle altre. L’86% riesce a individuare con precisione le cause di sicurezza dei problemi di performance, rispetto al 71% del resto del campione.
Il campione della ricerca
Oxford Economics ha condotto le interviste fra febbraio e marzo 2026, coinvolgendo professionisti con ruoli operativi e dirigenziali: sviluppatori, ingegneri dell’affidabilità dei servizi e di sistema, responsabili delle operations infrastrutturali, direttori tecnologici e responsabili dei sistemi informativi.
Il campione comprende 16 settori e organizzazioni di Australia, Francia, Germania, India, Giappone, Nuova Zelanda, Singapore, Arabia Saudita, Regno Unito e Stati Uniti.
Partecipa alla community