Da Cisco arriva l’edizione 2026 del report Splunk State of Observability: Restoring Predictability in the AI Era. Giunta alla sesta edizione, la ricerca, condotta su 2.050 professionisti dei settori IT Operations (ITOps) e ingegneria in 10 Paesi, mette in evidenza una criticità crescente: mentre le aziende accelerano l’adozione degli agenti di intelligenza artificiale, la capacità di monitorarne le attività non procede allo stesso ritmo.

La crescente imprevedibilità dei costi dell’AI rende sempre più difficile per le organizzazioni garantire la qualità degli agenti e, al tempo stesso, mantenere il controllo sulla spesa. Il report evidenzia il ruolo dell’osservabilità nel migliorare la stabilità e la prevedibilità dei costi dei sistemi di AI agentica, attraverso strumenti di governance che favoriscono un utilizzo affidabile degli agenti e consentono di allineare gli investimenti al valore generato per il business.

L’83% degli intervistati esprime preoccupazione per le possibili conseguenze indesiderate degli agenti di AI. In questo contesto, l’agent observability, ovvero la capacità di monitorare il comportamento degli agenti e definire adeguati meccanismi di controllo, assume un’importanza strategica. La necessità di garantire maggiore visibilità sulle attività degli agenti favorisce inoltre una collaborazione più stretta tra i team IT Operations, ingegneria e sicurezza, soprattutto con l’estendersi dell’accesso degli agenti ai diversi sistemi e componenti dell’infrastruttura tecnologica aziendale.

A differenza del monitoraggio delle applicazioni tradizionali, osservare il comportamento degli agenti di AI richiede metriche specifiche, in grado di valutarne le decisioni e collegarle ai risultati aziendali. Sebbene le imprese riconoscano sempre più il valore dell’osservabilità degli agenti, molte faticano ancora ad applicarla efficacemente e a misurarne i risultati.

In sintesi, l’87% degli intervistati considera il monitoraggio dell’AI una priorità per la propria organizzazione, ma il 54% non ha ancora definito obiettivi di business chiari; il 56% non è in grado di misurare metriche dei carichi di lavoro dell’AI, come la qualità delle risposte dei modelli linguistici di grandi dimensioni (LLM), fondamentale per valutare l’efficacia degli agenti; e l’85% ritiene importante individuare le allucinazioni dell’AI, ma solo il 58% dichiara di riuscirci efficacemente.

L’osservabilità consente alle aziende di monitorare la spesa per l’AI, individuare l’origine dei costi e mantenerli sotto controllo. Tuttavia, con la diffusione di decine di agenti basati su modelli diversi, tenere traccia dei consumi e prevedere la spesa diventa sempre più difficile. A complicare ulteriormente il quadro è la crescita dei volumi di dati generati dall’AI, che rende più complessa la loro analisi e gestione. Al riguardo, il 55% degli intervistati dichiara di non riuscire a tenere sotto controllo i costi dell’AI, a causa dell’aumento dei consumi e della crescente difficoltà nel prevedere la spesa; per il 60%, i picchi di spesa imprevisti comportano maggiori difficoltà operative rispetto a costi di base elevati: il 57% afferma che i costi di telemetria hanno superato quelli dell’infrastruttura monitorata, rendendo sempre più importante poter prevedere la spesa; e infine il 67% degli intervistati utilizza un’unica piattaforma di osservabilità, che offre una visione integrata e aiuta a individuare con precisione l’origine dei costi di telemetria.

Con gli agenti di AI sempre più integrati nei sistemi e nei processi aziendali, monitorarne le attività richiede una collaborazione sempre più stretta tra i team IT Operations (ITOps), di ingegneria e di sicurezza, superando le tradizionali divisioni organizzative: per l’81% degli intervistati, il monitoraggio dei carichi di lavoro dell’AI ha rafforzato la collaborazione tra i team di osservabilità e sicurezza. Inoltre, il 73% riesce a ricondurre con precisione i problemi di performance alle relative cause di sicurezza, rispetto al 65% del 2025, mentre il 77% dei team di osservabilità collabora con quelli di sicurezza per individuare e risolvere i problemi, contro il 62% del 2025. Anche la condivisione dei dati tra i team è aumentata, passando dal 74% all’84%.

La ricerca ha individuato un gruppo di aziende all’avanguardia che, grazie a pratiche di osservabilità più evolute, riescono a ottenere risultati concreti per il business. Queste organizzazioni si distinguono per tre approcci chiave: utilizzano gli agenti di AI per individuare e risolvere i problemi, prevenendone il ripetersi. Le aziende più avanzate si affidano agli agenti per automatizzare le principali attività di correzione e risoluzione delle criticità; monitorano i parametri chiave per mantenere l’AI sotto controllo. Prestano particolare attenzione alla qualità dei modelli, ai costi, ai consumi, alla sicurezza e alla privacy; collegano i dati tecnici ai risultati di business. Considerano i dati di telemetria fondamentali per la pianificazione e per orientare le decisioni strategiche.

Le aziende più avanzate ottengono risultati significativi: il 91% è in grado di attribuire con precisione i costi dell’AI, rispetto al 69% delle altre organizzazioni, individuando quali agenti, modelli e carichi di lavoro incidono maggiormente sulla spesa. Inoltre, hanno una probabilità 2,4 volte superiore rispetto alle altre aziende di dichiarare che il ritorno sull’investimento (ROI) delle proprie 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, contro il 28% delle altre organizzazioni. Le aziende leader si distinguono anche per la collaborazione tra i team di osservabilità e sicurezza: il 94% dichiara che il monitoraggio dell’AI ha rafforzato questa sinergia, rispetto all’80% delle altre organizzazioni. Inoltre, l’86% riesce a individuare con precisione le cause legate alla sicurezza alla base dei problemi di performance, contro il 71% delle altre aziende.

"Presto, nella maggior parte delle aziende, gli agenti di AI saranno molto più numerosi delle persone. 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", commenta Jeetu Patel, President e Chief Product Officer di Cisco.