Perché l'orchestrazione è la prossima frontiera dell'IT aziendale

In questo articolo mostreremo come un'IA affidabile inizi da un sistema di riferimento autorevole. Le organizzazioni hanno bisogno di un registro e di una cronologia governati degli asset tecnologici, delle relazioni, della titolarità, della compliance e dello stato operativo, affinché persone, automazione e IA possano operare da un contesto coerente. Ma anche quando queste basi esistono, emerge una nuova sfida: il lavoro stesso raramente rimane all'interno di un unico sistema.

Le organizzazioni non possono proteggere, governare o ottimizzare ciò che non riescono a vedere e coordinare. Una singola attività di correzione può coinvolgere un motore di discovery, un database di gestione della configurazione, una piattaforma di gestione dei servizi IT (ITSM), uno strumento di gestione delle patch, una console cloud e uno scanner di sicurezza. Oggi questi passaggi dipendono spesso da interventi manuali, integrazioni punto-punto fragili o continui cambi di contesto da parte delle persone.

Man mano che le organizzazioni introducono agenti IA e workflow automatizzati, il numero di connessioni si moltiplica. E aumenta anche il rischio che un'azione intrapresa in un sistema si basi su un contesto incompleto, entri in conflitto con una policy in un altro sistema o diventi difficile da spiegare a posteriori. Immaginiamo uno scanner di sicurezza che segnala una vulnerabilità critica su un server. Un agente IA consiglia una patch urgente, ma il database di configurazione indica quel server come dismesso e la piattaforma ITSM segnala un blocco delle modifiche sull'applicazione che supporta. Ogni sistema ha "ragione" dal proprio punto di vista, ma l'agente non dispone di un contesto condiviso e autorevole per riconciliare tali informazioni. Nel migliore dei casi il risultato è un ciclo di patch sprecato; nel peggiore, un'interruzione del servizio.

I dati confermano il divario: otto aziende su dieci indicano le limitazioni dei dati come un ostacolo alla scalabilità dell'IA agentica, secondo McKinsey. La società sostiene che l'IA agentica richieda dati di alta qualità, basi interoperabili e una governance più rigorosa con l'aumentare di autonomia e coordinamento.

Gartner prevede che entro il 2027 il 40% delle aziende ridimensionerà o dismetterà gli agenti IA autonomi perché le lacune di governance verranno scoperte dopo il deployment. Gartner raccomanda una governance proporzionata al livello di autonomia, all'ambito e al perimetro di fiducia associato di un agente.

Analogamente, BCG osserva che gli agenti IA si stanno affermando nelle grandi aziende “più rapidamente di quanto i decisori riescano a progettare framework di governance per gestirli”, con un'adozione che prolifera in presenza di regole incoerenti e supervisione frammentata.

Questi risultati indicano un problema più ampio della semplice connettività. Le organizzazioni potrebbero riuscire a collegare agenti e strumenti più rapidamente di quanto riescano a stabilire l'autorità, i controlli e la responsabilità necessari per governare ciò che accade tra loro.

Il modello è chiaro: l'orchestrazione senza governance non scala. Crea più connessioni, ma non più fiducia. La prossima fase dell'IA nell'IT e nella sicurezza non sarà definita da chi collega il maggior numero di sistemi, ma da chi sa coordinare il lavoro tra sistemi mantenendo decisioni e azioni fondate, governate e attribuibili.

Come il Model Context Protocol (MCP) abilita l'orchestrazione dell'IA

Introdotto da Anthropic alla fine del 2024, MCP offre un modo standardizzato per connettere le applicazioni IA a strumenti, fonti di dati, risorse e prompt. Invece di creare un'integrazione su misura per ogni combinazione di client e server, le organizzazioni possono utilizzare un protocollo comune per esporre contesto e funzionalità autorizzati.

Il protocollo continua a evolversi verso un utilizzo aziendale più ampio, includendo funzionalità progettate per supportare interazioni scalabili e più sofisticate tra applicazioni e servizi IA. Questo progresso è importante, ma la maturità tecnica non elimina la necessità di una governance aziendale.

In breve, MCP offre alle organizzazioni un modo coerente per esporre contesto e funzionalità autorizzati a sistemi IA compatibili. Può semplificare le connessioni da cui dipende l'orchestrazione. Tuttavia, la sola connessione non crea fiducia.

La piattaforma Ivanti Neurons consente a client e agenti IA approvati di accedere al contesto Neurons autorizzato e in tempo reale utilizzando MCP. Neurons rimane il sistema di riferimento autorevole per il contesto tecnologico che governa, anche quando tale contesto viene utilizzato tramite un'altra esperienza IA approvata.

“La vera opportunità di MCP non è solo connettere l'IA a più sistemi: è garantire che ogni connessione sia fondata su un contesto di cui ci si può fidare. Quando l'IA recupera dati autorizzati da un sistema di riferimento governato, invece di attingere a fonti frammentate, il coordinamento diventa sufficientemente sicuro da poter scalare. È questo che rende l'orchestrazione pronta per l'azienda, non solo tecnicamente possibile.” — Meeta Dash, Vice President of Product Management, AI, Ivanti

Perché l'orchestrazione dell'IA richiede un contesto governato

Connettere i sistemi rende possibile l'orchestrazione; definire l'autorità la rende affidabile. Man mano che i sistemi IA superano i confini organizzativi, i leader devono specificare le regole che governano ogni interazione, tra cui:

  • Quale contesto autorevole informa ogni interazione?
  • Quale identità richiede l'accesso?
  • Quali dati e funzionalità può utilizzare?
  • Dove è richiesta l'approvazione umana?
  • Quale sistema esegue l'azione?
  • Come verranno sottoposti ad audit l'interazione e il relativo esito?

Gartner descrive l'autorità di esecuzione come una posizione architetturale che comprende identità, autorizzazioni, applicazione delle policy, accesso al sistema di riferimento e verificabilità. Prevede che le piattaforme di successo integreranno l'orchestrazione degli agenti nei sistemi di riferimento, esporranno l'esecuzione delle API consapevole delle policy e applicheranno controlli su identità, autorizzazioni e audit.

Non tutti gli agenti generano lo stesso livello di rischio. La governance dovrebbe riflettere ciò a cui un agente può accedere o ciò che può eseguire, i sistemi che può raggiungere e le conseguenze delle sue azioni. L'approvazione umana e controlli più rigorosi diventano più importanti con l'aumentare dell'autonomia e dell'impatto operativo. La ricerca di Gartner supporta l'applicazione della governance in base all'autonomia dell'agente e al suo ambito, invece di imporre controlli identici a tutti gli agenti.

Il modello aziendale emergente privilegia un piano di controllo governato rispetto a connessioni illimitate a server MCP arbitrari. Le pratiche comuni includono registri di server verificati, credenziali con ambito definito, autorizzazione basata su standard, registrazione degli audit e controlli dei costi entro i confini organizzativi. Nel complesso, questi controlli limitano il modo in cui gli agenti si connettono, ciò a cui possono accedere e il modo in cui la loro attività viene tracciata nell'organizzazione. Senza di essi, un agente che coordina il lavoro tra cinque sistemi potrebbe semplicemente distribuire il rischio creato da informazioni frammentate o conflittuali.

Le organizzazioni non hanno bisogno di un'unica fonte di verità per ogni categoria di dati aziendali. Ciò di cui hanno realmente bisogno è chiarezza su quale sistema sia autorevole per il contesto coinvolto in una determinata decisione. Per Neurons, questa autorità si applica al registro e alla cronologia degli asset tecnologici, delle relazioni, della titolarità, della compliance e dello stato operativo.

Come un sistema di riferimento abilita l'orchestrazione governata dell'IA

Per Ivanti Neurons, questo modello di governance inizia da una chiara separazione delle responsabilità. La piattaforma rimane autorevole per il contesto tecnologico che governa, mentre MCP fornisce a client e agenti IA approvati un accesso strutturato ai dati autorizzati della piattaforma.

Questo percorso di accesso integra la strategia di IA nativa di Ivanti: il framework di IA agentica fornisce la struttura per creare e gestire agenti, i servizi IA offrono insight e raccomandazioni, il reporting conversazionale basato sull'IA offre un'esperienza in linguaggio naturale e MCP consente ai client IA esterni supportati di accedere alla stessa base Neurons governata.

MCP fornisce un percorso di accesso standardizzato. La piattaforma circostante, l'applicazione, l'identità, le autorizzazioni, le policy e i controlli di audit forniscono la governance. Questa distinzione evita che il protocollo venga scambiato per il sistema che autorizza le decisioni o esegue le modifiche operative.

È fondamentale sottolineare che la piattaforma Ivanti Neurons rimane il sistema di riferimento e MCP rimane un protocollo, non un archivio dati. Un server MCP può restituire il contesto autorizzato richiesto per un'interazione, ma non diventa una nuova fonte di verità.

Il contesto può viaggiare. L'autorità resta nel sistema di riferimento.

Consideriamo, ad esempio, una vulnerabilità ad alto rischio rilevata su un gruppo di endpoint. Il contesto rilevante può includere gli asset interessati, i relativi proprietari, le relazioni di business, lo stato di configurazione, lo stato attuale di compliance e le indicazioni di remediation disponibili. Oggi gli analisti possono dover ricostruire manualmente quel contesto tra lo scanner di vulnerabilità, l'inventario degli asset, le relazioni contestuali, il sistema di patching e la piattaforma ITSM.

In un modello di orchestrazione governata, un'esperienza IA approvata può recuperare il contesto Neurons autorizzato tramite il supporto MCP. Il livello dell'agente o dell'applicazione può utilizzare quel contesto per supportare l'analisi, la definizione delle priorità o un passaggio successivo consigliato. Qualsiasi remediation, aggiornamento del record o azione su ticket rimane responsabilità dell'applicazione autorizzata o del livello di esecuzione della piattaforma, nel rispetto delle policy e delle approvazioni appropriate.

L'obiettivo non è consentire a MCP di agire autonomamente. È garantire che il contesto richiesto per un lavoro coordinato possa spostarsi oltre i confini approvati senza spostare con sé la fonte dell'autorità.

Quattro best practice per governare l'orchestrazione dell'IA

Seguire queste quattro best practice di governance ti aiuterà a orchestrare i sistemi IA tra piattaforme mantenendo il contesto autorevole e le azioni attribuibili.

Costruisci l'orchestrazione dell'IA attorno al tuo sistema di riferimento

L'orchestrazione che aggira il sistema di riferimento genera incoerenza. Prima di collegare agenti e workflow tra sistemi, i team devono definire quale sistema sia autorevole per ogni tipo di contesto utilizzato in una decisione.

Definisci con precisione ciò che il sistema di riferimento governa ed evita di lasciare intendere che una piattaforma sia autorevole per ogni categoria di informazioni aziendali. Per Neurons, questo significa il registro e la cronologia degli asset tecnologici, delle relazioni, della titolarità, della compliance e dello stato operativo. Altri sistemi possono rimanere autorevoli per altri domini di business.

Il sistema di riferimento dovrebbe fungere da autorità sui dati per il contesto richiamato in ogni interazione coordinata. Quando i team orchestrano a partire da una base condivisa, il coordinamento rafforza la fiducia invece di diluirla.

Allinea i controlli di governance dell'IA all'autonomia degli agenti

La governance dovrebbe riflettere ciò che un agente può effettivamente fare. I leader dovrebbero definire perimetri di fiducia e livelli di autonomia per ogni agente e workflow:

  • A cosa può accedere?
  • Cosa può interpretare?
  • Cosa può raccomandare?
  • Cosa può avviare?
  • Cosa può eseguire?
  • Dove è richiesta l'approvazione umana?

Un agente che recupera contesto richiede controlli diversi da uno che raccomanda attività di remediation. Un agente che esegue modifiche nei sistemi di produzione richiede protezioni ancora più rigorose. La governance scalabile non è uniforme: è proporzionata al rischio, all'autonomia e alle conseguenze operative.

Applica una governance dell'IA coerente tra i sistemi connessi

Quando il lavoro si estende su più sistemi, la governance non può fermarsi al confine. Le organizzazioni devono avere la certezza che i dati alla base delle decisioni provengano da fonti autorizzate, che l'accesso rispetti le autorizzazioni appropriate e che le azioni restino soggette a policy e controlli organizzativi.

Man mano che sistemi IA, agenti e workflow si connettono tra piattaforme, identità e autorizzazione diventano sempre più importanti. Una governance integrata in ogni interazione tramite autorizzazione basata su standard, OAuth, controlli degli accessi basati sui ruoli (RBAC) e applicazione delle policy aiuta le organizzazioni a mantenere il controllo quando il lavoro attraversa più sistemi. L'obiettivo non è una connettività illimitata, ma un coordinamento affidabile fondato su contesto autorevole e accesso governato.

Inizia l'orchestrazione dell'IA con un singolo workflow tra sistemi

L'orchestrazione governata va dimostrata al meglio in uno scenario circoscritto prima di essere scalata. Inizia con un workflow che coinvolga due o tre sistemi, ad esempio il rilevamento di vulnerabilità che confluisce in un patching governato e nella chiusura verificata del ticket, e dimostra che contesto, policy e verificabilità reggono durante i passaggi. Una volta dimostrato quel ciclo, estendi lo stesso modello ad altri domini. La scalabilità diventa additiva: la stessa base governata, lo stesso modello di orchestrazione, applicati a nuovi casi d'uso.

A cosa apre la strada l'orchestrazione governata dell'IA

Quando il coordinamento è fondato su un contesto governato, le organizzazioni possono passare dalla raccolta delle evidenze all'azione con fiducia. I team ottengono una visione coerente dell'ambiente tecnologico tra sistemi, riducendo il tempo dedicato alla validazione del contesto prima di indagine, definizione delle priorità, approvazione e completamento.

I team dedicano meno tempo a riconciliare ciò che i diversi sistemi ritengono vero. Gli agenti hanno meno probabilità di agire su un contesto parziale o conflittuale. I leader acquisiscono maggiore fiducia nel fatto che l'automazione in un dominio rimanga allineata alle policy in un altro. L'orchestrazione può quindi estendere verso l'esterno i dati autorevoli del sistema di riferimento, affinché il contesto, le policy e la responsabilità che governano il lavoro all'interno della piattaforma governino anche il lavoro che va oltre i suoi confini.

Il supporto MCP in Neurons può estendere il contesto autorizzato della piattaforma a sistemi IA, partner, sviluppatori ed esperienze future approvati senza creare ulteriori fonti di verità. Le esperienze IA native di Ivanti restano altrettanto importanti, offrendo percorsi conversazionali, multi-agente e appositamente progettati per applicare quel contesto all'interno di Neurons.

Il valore è la scelta senza frammentazione: diverse esperienze IA possono utilizzare un contesto governato mentre Neurons rimane autorevole per i dati tecnologici che gestisce.

Pronti a scalare l'orchestrazione dell'IA senza perdere il controllo?

Le organizzazioni che hanno successo con l'orchestrazione dell'IA la gestiscono come un modello operativo, non semplicemente come un progetto di integrazione. Definiscono la fonte autorevole per ogni decisione, impostano i controlli in base all'autonomia degli agenti, preservano la tracciabilità tra i passaggi ed espandono solo dopo che un workflow tra sistemi si è dimostrato affidabile.

La prima ondata di IA aziendale si è concentrata sulla generazione e sull'emersione dell'intelligence. La prossima si concentrerà sul coordinamento del lavoro tra sistemi. Le organizzazioni leader non saranno necessariamente quelle con il maggior numero di agenti, integrazioni o modelli. Saranno quelle capaci di rendere disponibile il contesto autorevole dove serve, mantenendo al contempo decisioni e azioni governate, spiegabili e attribuibili.

Con la piattaforma Ivanti Neurons, le esperienze IA native e l'accesso abilitato da MCP offrono modalità complementari per utilizzare il contesto governato della piattaforma. Neurons rimane il sistema di riferimento per il contesto tecnologico che governa. Le esperienze IA possono recuperare e interpretare quel contesto, mentre le applicazioni e i workflow autorizzati restano responsabili dell'esecuzione.

Il contesto può attraversare i confini dei sistemi. Autorità, governance e responsabilità devono rimanere intatte.

Scopri come il supporto MCP nella piattaforma Ivanti Neurons può aiutare la tua organizzazione a estendere il contesto tecnologico autorevole a esperienze IA approvate preservando il controllo.