Per le imprese, l’AI è una leva concreta per ripensare processi, produttività e qualità dei servizi. A patto di poter contare su reti e data center progettati per l’AI e su un modello operativo che permetta ai team IT di gestire complessità e volumi di dati fino a ieri impensabili. È questo il messaggio emerso dalla conferenza stampa in cui Cisco Italia ha raccontato gli annunci di Cisco Live EMEA sul fronte AI in azienda: infrastrutture AI ready, agenti per le operation e strumenti per rendere l’AI gestibile e sicura su larga scala.

Gianmatteo Manghi, Amministratore Delegato di Cisco Italia, ha richiamato i risultati della ricerca Cisco AI Readiness Index, da cui è emerso che solo un terzo delle imprese intervistate ritiene che rete e data center siano davvero pronti a garantire un funzionamento sicuro e performante delle applicazioni di AI. Manghi ha ricordato che l’AI non è soltanto generativa, ma anche deterministica e agentica, e che “almeno due terzi delle applicazioni che si svilupperanno saranno vertical specific, ossia rivolte a use case particolari per migliorare processi produttivi, produttività e qualità delle attività”. Per sostenere questi progetti occorrono da un lato infrastrutture adeguate, dall’altro un approccio a piattaforma in cui rete, data center, sicurezza e observability lavorino come un insieme coerente.​

Secure AI Factory e Silicon One G300

Nel suo intervento, Stefano Gioia, Cloud & AI Architect EMEA di Cisco Systems, ha sottolineato come negli ultimi due‑tre anni si è registrata “un’accelerazione tecnologica davvero senza precedenti” grazie al fatto che l’AI sta riscrivendo le regole dell’innovazione. Per coglierne le opportunità la strategia Cisco per i data center, soprannominata AI Ready, si basa sul principio che l’intelligenza artificiale richiede un approccio di sistema; “non parliamo più di singoli componenti isolati, ma di un ecosistema in cui la parte di networking, di security, di computing e di observability lavorano come un unico organismo”.​

Questo approccio prende forma nel framework Secure AI Factory, sviluppato e certificato con NVIDIA. Gioia lo descrive come “uno stack tecnologico completo, dall’infrastruttura di rete fino al software come piattaforma Kubernetes per far girare i modelli e le applicazioni”, prevalidato da Cisco per accelerare i progetti di AI, ridurre i rischi e semplificare drasticamente il modello operativo. L’obiettivo è permettere alle aziende di “passare da un’idea di business all’esecuzione e alla messa in produzione in tempi molto più rapidi”.

L’approfondimento sulle novità Cisco in ambito cybersecurity è online su SecurityOpenLab

Alla base della Secure AI Factory c’è Silicon One G300, nuovo chip per switching da 102,4 Tbps, capace di supportare porte da 1,6 Tbps e di gestire cluster AI distribuiti di grandissime dimensioni. Gioia ha insistito sul fatto che “non si tratta soltanto di potenza bruta, parliamo di un chip intelligente e programmabile”, che può adattare dinamicamente il comportamento della rete a flussi di traffico dell’AI agentica. In pratica, è capace di reagire a carichi imprevedibili, evitando microinterruzioni che potrebbero invalidare sessioni di training di modelli che durano settimane.

Gioia ritiene che siamo ormai entrati nella cosiddetta token economy, in cui “il vantaggio competitivo di un’azienda andrà a chi sarà più efficiente nel generare token al minor costo infrastrutturale possibile”. Grazie al G300 e alla tecnologia Intelligent Collective Networking, Cisco indica la possibilità di migliorare del 33% il tasso di utilizzo della rete e di ridurre del 28% i tempi di completamento di un carico di lavoro AI rispetto a scenari non ottimizzati. Per le imprese questo significa sfruttare meglio gli investimenti in hardware AI, riducendo sprechi di tempo e risorse e migliorando il ritorno economico dei progetti.

Le innovazioni hardware non si fermano qui. Gioia ha illustrato i nuovi sistemi Cisco Nexus 9000 e Cisco 8000 basati su G300, in grado di offrire fino a 102,4 Tbps per singolo ASIC in configurazioni ad alta densità, disponibili sia con raffreddamento ad aria sia con raffreddamento al 100% a liquido. In abbinata arrivano nuove ottiche OSFP da 1,6 T e moduli Linear Pluggable Optics da 800G, che consentono di dimezzare il consumo energetico per modulo ottico e, combinati con il liquid cooling, portano il potenziale miglioramento dell’efficienza energetica complessiva degli switch fino a quasi il 70%. Gioia ha voluto rimarcare la presenza di una forte componente di ricerca e sviluppo in Italia su queste tecnologie ottiche, con competenze locali che contribuiscono a progettare le reti globali dedicate all’AI.

Gianmatteo Manghi, Amministratore Delegato di Cisco Italia

Nexus One e Splunk, dall’infrastruttura al workload AI

L’hardware abilita prestazioni e scalabilità, mentre il controllo operativo passa da Nexus One, la dashboard unificata per il networking AI, e dall’integrazione con la piattaforma Splunk. Nexus One è uno strumento per “unificare la gestione delle diverse reti che si trovano all’interno dei data center”, fornendo una visione coerente sulle topologie e sulle policy. La novità per il mondo AI è la capacità di correlare la telemetria di rete con il comportamento dei carichi di lavoro, così da seguire cosa succede ai job di AI dal network fino alle GPU.

Questo consente ai team IT di capire come la rete viene usata per il traffico tra le GPU di un cluster, vedere quando la rete è impegnata in training o inferenza e identificare colli di bottiglia prima che si traducano in inefficienze o disservizi. L’integrazione nativa con Splunk permette di analizzare la telemetria direttamente dove risiedono i dati, senza spostarli su piattaforme esterne, che è un requisito cruciale per progetti di AI sviluppati in logica di cloud sovrano e per ambienti soggetti a vincoli di localizzazione del dato. Per le imprese, questa unione fra visibilità di rete e observability applicativa si traduce in tempi di troubleshooting ridotti, minori rischi di fermo e una maggiore capacità di ottimizzare il ciclo di vita dei progetti AI.

AgenticOps e AI Assistant

Il passaggio da infrastrutture semplicemente AI ready a un modello operativo pienamente agentico è stato al centro della parte di conferenza dedicata a observability e operation. Michele Festuccia, Direttore Tecnico di Cisco Italia, ha spiegato che oggi “si lavora su un sistema di telecomunicazione multidominio che è già complicato e che da complicato può diventare complesso” perché con l’ingresso dell’AI e, in prospettiva, del quantum “non è detto che le interazioni causa‑effetto rimangano sempre visibili e comprensibili”. In questo scenario, ha aggiunto, Cisco ha identificato quattro temi di lavoro: abilitare le AI sui sistemi propri e dei clienti, reinterpretare le infrastrutture integrando nuove tecnologie e sicurezza, sviluppare e proteggere gli ambienti in cui l’AI viene consumata o sviluppata e affrontare in modo strutturato il tema della data sovereignty.

Luca Relandini, Principal Architect per Observability in Cisco

È qui che si inserisce AgenticOps, il modello operativo agent‑first che Cisco ha iniziato a introdurre lo scorso anno e che oggi viene esteso a networking, sicurezza e observability. Luca Relandini, Principal Architect per Observability in Cisco, ha illustrato l’evoluzione del lavoro dei team IT: da un modello in cui l’umano coordina una serie di strumenti verticali a uno in cui agenti autonomi si occupano di eseguire task specifici, coordinarsi tra loro e cooperare con l’operatore. “Passiamo da un modo di lavorare in cui l’essere umano ha a disposizione una serie di tool di monitoraggio specializzati, che offrono viste verticali e parziali, a un’architettura in cui ci sono agenti che hanno il ruolo di orchestratori di altri agenti”, ha spiegato Relandini.

Una delle manifestazioni concrete di questa architettura è l’AI Assistant, che Cisco sta introducendo all’interno delle dashboard di prodotto. Relandini lo ha descritto come un assistente che “ha una grossa conoscenza del sistema, è in grado di trovare tutti i dati che servono anche andando al di là della divisione per dominio tecnologico, raccogliere dati che sono normalmente in dashboard differenti, correlarli e generare un significato comprensibile”. Alla base c’è un modello linguistico addestrato su decenni di esperienza Cisco nel networking, che rende l’assistente paragonabile ad “un esperto CCIE dentro al sistema”, con un’accuratezza superiore rispetto a modelli generici sui casi d’uso di rete.

AI Canvas porta l’interazione a un livello collaborativo. Relandini l’ha presentato come “un ambiente di lavoro condiviso tra diverse persone che stanno collaborando ciascuno con le proprie competenze”, nel quale ciò che l’AI Assistant genera può essere condiviso con i  colleghi. La possibilità di invitare persone nel workspace, far generare automaticamente un riassunto di quanto fatto e permettere loro di continuare a interagire con l’assistente consente di abbattere i tempi di handover tra team e ridurre i ritardi dovuti ai briefing.

Le funzionalità AgenticOps annunciate per campus, filiali e ambienti industriali includono indagini agentiche end‑to‑end per ridurre il tempo medio di risoluzione dei problemi, raccomandazioni automatiche per prevenire il degrado delle prestazioni, validazioni attente al rischio delle modifiche e metriche sintetiche sull’esperienza utente. Nei data center, AgenticOps integra la telemetria con le capacità di Nexus One per fornire raccomandazioni prescrittive sui carichi tradizionali e di AI, guidando operazioni proattive e migliorando i risultati di business.​

Stefano Gioia, Cloud & AI Architect EMEA di Cisco Systems

Data sovereignty, Internet of Agents e resilienza digitale

Sul piano dei dati, Relandini ha illustrato il ruolo di Cisco Data Fabric, una piattaforma dati orizzontale che raccoglie informazioni da infrastruttura, applicazioni, processi e comportamento delle persone in un unico data lake, senza lock‑in tecnologico verso un unico fornitore. Questa base abilita quella che Cisco chiama agentic experience: la macchina raccoglie informazioni, esegue task e valida i risultati, mentre la responsabilità di definire obiettivi, vincoli e approvare le azioni resta all’essere umano. Il tutto in un contesto in cui i costi vengono letti anche in termini di token consumati e generati, spingendo le imprese a ragionare sull’efficienza dei propri flussi di lavoro AI.

A livello di ecosistema, Relandini ha ricordato il lavoro di Cisco su protocolli e standard per l’Internet of Agents, con focus su gateway per la comunicazione tra agenti e Model Context Protocol. L’obiettivo è definire servizi in grado di tenere un inventario degli agenti e delle azioni possibili, standardizzare la comunicazione e rendere ogni componente osservabile, così che le aziende possano abilitare workflow agentici complessi senza perdere il controllo.

Festuccia ha collegato questo scenario al tema della data sovereignty, definendolo un topic molto importante dello storytelling Cisco, perché rappresenta tanto un’esigenza di sistema Paese quanto un’esigenza delle singole aziende, intenzionate a mantenere indipendenza nelle scelte tecnologiche. Manghi, da parte sua, ha richiamato i requisiti di autonomia operativa, conformità alle regole europee e localizzazione dei dati, ribadendo l’impegno a offrire soluzioni che permettano alle imprese di scegliere tra cloud e on‑prem in base alla criticità dei casi d’uso.​