Ecco un paradosso dell’era dell’IA: le organizzazioni puntano con grande convinzione sulla promessa dell’IA come chiave per liberare produttività e trasformazione aziendale, e i team IT sono pienamente consapevoli dei vantaggi che IA e automazione possono offrire, eppure sono proprio quelle stesse organizzazioni a frenare tale trasformazione.

Sebbene la maggior parte dei professionisti IT sostenga l’adozione dell’IA, barriere operative, culturali e di budget impediscono alle aziende di implementare l’IA su larga scala. Il risultato: oggi la maggior parte delle aziende deve ancora rendere operativi casi d’uso innovativi di IA e automazione capaci di generare reale valore di business.

Questo non significa che la maggior parte delle aziende non utilizzi l’IA, ma lo fa soprattutto per completare attività di livello inferiore e aumentare la produttività individuale. Pur essendo un passo importante, le aziende dovranno pensare in modo più ambizioso e a più lungo termine per ottenere un ROI significativo e una vera trasformazione digitale dai propri investimenti in IA.

Automazione e output vs autonomia dell’IA agentica

I team IT sono all’avanguardia nell’adozione dell’IA generativa. L’84% dei professionisti IT utilizza strumenti di IA generativa al lavoro, secondo un report di ricerca Ivanti 2025. La stessa ricerca mostra anche che i professionisti IT hanno un atteggiamento estremamente positivo verso IA e automazione:

  • L’83% si aspetta che l’IA aumenti la produttività nel prossimo anno.
  • Il 70% afferma che renderà il proprio lavoro più soddisfacente.

Eppure, nonostante questi progressi, le aziende non stanno sfruttando il potenziale più profondo della tecnologia basata sull’IA. Molti team hanno imparato a gestire l’automazione a livello di attività, come instradamento dei ticket, reimpostazione delle password e riepilogo dei log, ma pochi hanno adottato l’IA agentica, che va oltre l’esecuzione per includere ragionamento autonomo e ottimizzazione.

Questo divario tra automazione e trasformazione riflette un problema più ampio che riguarda tutti i settori. Sebbene la maggior parte delle organizzazioni utilizzi già l’IA in qualche forma, solo poche hanno riscontrato un impatto di business misurabile dai propri strumenti di IA. McKinsey ha definito questa situazione “il paradosso della GenAI”.

Questa disconnessione tra applicazioni dell’IA e ROI è ulteriormente confermata da un report del MIT pubblicato ad agosto 2025, secondo cui uno straordinario 95% delle organizzazioni non ha registrato alcun ritorno dall’IA generativa, nonostante investimenti compresi tra 30 e 40 miliardi di dollari.

Il motivo del problema è chiaro: l’IA generativa crea. Produce contenuti, automatizza attività e accelera i workflow. Tuttavia, non apprende, non ragiona né si adatta autonomamente. La prossima fase dell’IA aziendale sarà guidata da sistemi in grado di interpretare, prevedere e agire in modo dinamico: ciò che oggi viene definito IA agentica.

La ricerca di Ivanti evidenzia ulteriormente come oggi la maggior parte delle aziende debba ancora integrare casi d’uso dell’IA più complessi nei propri workflow IT.

Mentre il 67% delle organizzazioni automatizza l’instradamento dei ticket, meno di un terzo applica l’IA all’analisi delle cause principali o ad altri casi d’uso predittivi. Ciò indica che la maggior parte dei team continua a privilegiare l’automazione standard delle attività, anziché consentire ai sistemi di pensare e agire autonomamente tramite l’IA agentica.

L’automazione standard e gli strumenti di IA generativa vengono spesso utilizzati dai team IT per migliorare la produttività individuale e gestire attività ripetitive e di basso livello con maggiore rapidità rispetto al solo intervento umano. La capacità di aumentare l’efficienza con meno tempo e risorse è un vantaggio fondamentale dell’IA, soprattutto per team IT sotto pressione a cui viene costantemente chiesto di fare di più con meno. Ma i guadagni di efficienza sono solo una parte del quadro.

I dati Ivanti rivelano anche un problema organizzativo più profondo: quasi la metà dei team IT afferma che le proprie organizzazioni non hanno resilienza, ovvero la capacità di adattarsi rapidamente al cambiamento, riprendersi dalle interruzioni e mantenere la continuità operativa senza un eccessivo intervento manuale.

La vera agilità aziendale richiede soluzioni di IA autonome e adattive, in grado di anticipare i problemi, ragionare sulle possibili soluzioni e apprendere continuamente come fornire i risultati migliori.

È qui che molte organizzazioni leader si stanno orientando verso l’IA agentica. Gli agenti IA autonomi offrono ai team l’opportunità di rimodellare le operazioni IT tradizionali, passando da un’automazione reattiva a una collaborazione proattiva e orientata agli obiettivi. Comprendere che trasformare ITOps con l’IA significa passare da risultati di automazione isolati a un’intelligenza estesa a tutto il sistema.

Casi d’uso dell’IA agentica ad alto impatto in ITSM e ITOps

L’IA agentica sta già producendo risultati concreti riducendo i tempi di inattività, tagliando i costi e migliorando l’agilità organizzativa.

Di seguito cinque casi d’uso dell’IA agentica nell’IT ad alto impatto:

1. Risoluzione autonoma degli incidenti

La risoluzione autonoma è il punto in cui l’IA inizia a passare dal supporto alla strategia. Nelle operazioni IT tradizionali, identificare e risolvere un problema può richiedere ore di triage ed escalation da parte degli operatori.

Con l’IA agentica, quegli stessi incidenti possono essere rilevati, diagnosticati e risolti in tempo reale, spesso prima che gli utenti notino qualsiasi interruzione.

L’IA agentica non si limita a rilevare anomalie nell’ambiente IT e a diagnosticare la causa principale: elabora soluzioni in modo intelligente e quindi applica le correzioni senza intervento umano. Inoltre, il machine learning consente all’IA di apprendere dagli incidenti precedenti e di utilizzare questa esperienza per perfezionare e migliorare costantemente le attività di risposta future.

2. Prevenzione proattiva dei problemi

La prevenzione proattiva dei problemi si verifica quando l’IA è in grado di anticipare, anziché limitarsi a reagire, a potenziali problemi tecnologici. Invece di risolvere un problema noto, l’IA agentica monitora continuamente i pattern dei dati e rileva segnali di allarme precoci sotto forma di piccole deviazioni che potrebbero evolvere in interruzioni del servizio o problemi di sicurezza.

In altre parole, sposta ITOps verso una prevenzione proattiva, monitorando indicatori anticipatori e affrontando i problemi prima che diventino significativi.

3. Gestione del ciclo di vita end-to-end

Gli agenti IA autonomi offriranno un approccio più completo ed efficace alla gestione del ciclo di vita degli asset.

Questa visione dell’automazione basata sul ciclo di vita va oltre i singoli ticket o incidenti e coinvolge ogni fase delle operazioni IT.

Dall’onboarding di nuovi dispositivi al patching e alla dismissione dell’infrastruttura obsoleta, l’IA agentica garantisce che i sistemi rimangano sicuri, conformi e convenienti.

Non solo risolve i problemi, ma rileva, diagnostica e ottimizza i sistemi IT dal provisioning fino al ritiro. Agisce come un motore di miglioramento continuo, apprendendo dai pattern nell’intero ecosistema IT per ottimizzare proattivamente le risorse, semplificare gli aggiornamenti e ridurre il carico a lungo termine sul personale IT.

4. Gestione dinamica del cambiamento e dei rilasci

La gestione dinamica del cambiamento e dei rilasci è l’ambito in cui l’IA agentica dimostra davvero le proprie capacità di orchestrazione. Nella maggior parte delle aziende, la gestione del cambiamento resta un processo ad alto attrito, che richiede coordinamento tra più team, strumenti e ambienti.

L’automazione agentica trasforma questo scenario consentendo agli agenti IA di collaborare su workflow complessi, inclusi la risposta agli incidenti di cybersecurity e il deployment del software, lavorando insieme con una supervisione umana minima per risolvere incidenti, effettuare il provisioning delle risorse e garantire la conformità.

Questi agenti agiscono come coordinatori intelligenti: sincronizzano gli aggiornamenti tra i sistemi, convalidano le configurazioni e annullano automaticamente le modifiche quando si verificano anomalie. Il risultato sono cicli di cambiamento più rapidi, sicuri e prevedibili, che liberano i team IT consentendo loro di concentrarsi sull’innovazione anziché su interventi di emergenza ad alta intensità di risorse.

5. Gestione autonoma di risorse e capacità

La gestione di risorse e capacità è una delle dimensioni più critiche, e spesso trascurate, delle prestazioni IT. Utilizzando l’IA, le aziende possono anticipare le esigenze future di risorse analizzando le tendenze di utilizzo storiche, le fluttuazioni dei carichi di lavoro e i picchi di domanda. I sistemi agentici possono allocare automaticamente potenza di calcolo, storage e larghezza di banda prima che si presentino colli di bottiglia, mantenendo prestazioni ottimali senza una supervisione umana costante.

Nel tempo, questi sistemi auto-regolanti apprendono dai dati operativi per ottimizzare continuamente la capacità, riducendo gli sprechi, minimizzando i costi e garantendo la continuità del servizio anche durante picchi imprevisti.

La ricerca del report IBM, L’ascesa strategica dell’IA agentica, sottolinea questo ritmo di cambiamento: entro il 2027, un numero doppio di executive si aspetta che gli agenti IA prendano decisioni autonome nei workflow. Oggi, solo il 24% degli executive segnala questo livello di autonomia; entro due anni, il 67% prevede che diventerà la norma.

Superare le barriere e generare impatto aziendale

Eppure i progressi spesso si bloccano, non per mancanza di intenzione, ma a causa di barriere strutturali. I leader IT devono innanzitutto superare gli ostacoli che impediscono la loro evoluzione verso attività orientate al valore. Queste barriere sono molteplici: tecniche, culturali e operative.

Anche le organizzazioni IT più orientate all’IA possono non disporre della preparazione strutturale necessaria per un’automazione profonda. Ad esempio, il “Technology at Work Report 2025” di Ivanti ha rilevato che:

  • Il 38% dei professionisti IT indica gli stack tecnologici complessi come un problema per operazioni IT efficaci.
  • E il 72% afferma che i dati IT e di sicurezza sono isolati in silos all’interno della propria organizzazione.

Costruire una strategia di IA sostenibile richiede più di un atteggiamento positivo: richiede allineamento tra l’IT e il business nel suo complesso. Le organizzazioni di successo sono quelle che allineano gli obiettivi tecnologici a risultati concreti, supportate da strutture dati chiare, processi unificati e team preparati a gestire nuovi workflow basati sull’IA. Senza questo allineamento, anche gli strumenti migliori faticano a generare impatto a livello aziendale.

La ricerca IBM rivela un ulteriore livello: il 45% degli executive cita la mancanza di visibilità nel processo decisionale dell’IA come una barriera importante. Questo problema della “scatola nera” dell’IA non è solo tecnico. Riguarda anche fiducia, comunicazioni chiare e guardrail per l’IA. Scalare l’IA agentica richiede framework di governance in cui le decisioni automatizzate possano essere comprese, sottoposte ad audit e spiegate.

Una trasformazione di questo tipo deve mantenere le persone al centro: progettare per aumentare le capacità umane, non per sostituirle.

Il modello operativo dell’IA agentica

Considera l’ITOps agentico non solo come un aggiornamento dell’efficienza, ma come una ridefinizione completa dei workflow IT tradizionali. Le organizzazioni che guidano la prossima fase della trasformazione sono quelle che ripensano il modo in cui i loro sistemi prendono decisioni, collaborano e si adattano autonomamente in tutta l’azienda.

Questo livello di trasformazione digitale richiede una leadership dall’alto. CIO e stakeholder executive devono passare dalla sperimentazione all’esecuzione. Devono considerare l’integrazione dell’IA agentica non come un progetto secondario, ma come un modello operativo centrale che allinea tecnologia, dati e persone verso risultati condivisi.

Questo passaggio rappresenta la vera sfida futura.

Il ROI futuro delle iniziative di IA agentica

Anche con l’aumento di produttività offerto dalla tecnologia di IA generativa, i team IT non hanno bisogno di altri strumenti. Hanno bisogno di intelligenza capace di produrre risultati misurabili. I team dovrebbero definire metriche pre e post implementazione rilevanti per i leader IT e aziendali. Oltre ai guadagni di efficienza, come tempo risparmiato, risoluzione più rapida e costi inferiori, è importante misurare i risparmi di lavoro, la riduzione delle interruzioni ad alta intensità di risorse e la minore proliferazione degli strumenti.

Le organizzazioni orientate alla trasformazione registrano un impatto maggiore su ogni metrica di business, tra cui produttività, efficienza, crescita dei ricavi, forza del brand e fidelizzazione dei clienti, rispetto a quelle che limitano l’IA a miglioramenti incrementali e persino superficiali.

Infatti, secondo lo stesso report IBM citato in precedenza, le organizzazioni che eccellono in tre aree chiave dell’adozione dell’IA hanno una probabilità 32 volte superiore di raggiungere prestazioni di business di primo livello.

In sintesi

I prossimi 12-24 mesi metteranno alla prova la capacità dei leader IT di trasformare la sperimentazione in valore sostenibile. Chi adotterà per tempo l’IA agentica costruirà organizzazioni capaci di apprendere più rapidamente, adattarsi in modo continuo, prevenire potenziali problemi e riprendersi dalle interruzioni in modo istintivo.

L’IT ha dimostrato più volte di essere pienamente disposto e impegnato ad adottare l’IA. Ora deve guidare di nuovo, e farlo in profondità. L’IA agentica segna la fase successiva di maturità: sistemi che apprendono, si riparano e si ottimizzano autonomamente, abilitando maggiore agilità e resilienza in tutta l’azienda.

Non si tratta di “configurare e dimenticare”. I team IT devono costruire, addestrare, monitorare, misurare e perfezionare l’IA agentica per garantire la realizzazione del valore.

Per saperne di più sul ruolo dell’IA come strumento trasformativo per le operazioni IT e sui casi d’uso innovativi dell’IA agentica e dell’automazione nell’IT, consulta il report di ricerca di Ivanti: “IA: il futuro dell’automazione ITSM.”