Gartner

Gartner ha definito l'AIOps nel 2016, e quella definizione continua a inquadrare il modo in cui vengono descritte le operazioni IT automatizzate: una progressione dalla manutenzione predittiva, in cui il sistema avvisa un essere umano, alla remediation automatizzata, fino ai sistemi autonomi di self-healing che diagnosticano e risolvono problemi inediti senza intervento.

Due numeri della società svolgono gran parte del lavoro argomentativo attorno all'IA agentica. Patrick Joubert, CEO di Rippletide, apre sul divario misurato da Gartner: il 64% dei dirigenti tecnologici vuole implementare l'IA agentica entro i prossimi 24 mesi, mentre solo il 17% l'ha effettivamente messa in produzione. Legge quella distanza come un problema di governance e fiducia, non di capacità. Accanto vi è la previsione secondo cui il 40% dei progetti di IA agentica sarà cancellato entro il 2027 per costi eccessivi, ROI incerto e controlli di rischio inadeguati.

Una terza previsione riguarda il ruolo stesso: entro il 2028, il ruolo dello sviluppatore si sposta dall'implementazione all'orchestrazione. Marco Mornati vi si appoggia per chiudere il suo esperimento BMAD di un giorno, in cui il vincolo determinante si è rivelato essere il giudizio architetturale piuttosto che la generazione di codice.

L'«Hype Cycle for Generative AI 2025» prevede che oltre il 95% delle imprese avrà integrato API, modelli o applicazioni di IA generativa in produzione entro il 2028, e suddivide il campo in quattro aree di investimento: modelli, AI engineering, agenti e applicazioni, e infrastruttura. La stessa organizzazione che prevede un'adozione quasi universale entro il 2028 prevede che quattro progetti agentici su dieci saranno abbandonati l'anno precedente.