La corsa all’intelligenza artificiale è entrata in una nuova fase. Dopo l’entusiasmo iniziale per progetti pilota e sperimentazioni, le organizzazioni sono chiamate a dimostrare che l’AI, in particolare quella generativa, può operare in modo sicuro, scalabile e resiliente anche negli ambienti più critici, generando al contempo un ritorno sugli investimenti. Sotto questo profilo, la nuova rivoluzione dell’AI presenta diversi punti di contatto con una delle tecnologie che più di altre hanno trasformato il mondo aziendale: il mainframe.
Indice degli argomenti
Mainframe e intelligenza artificiale, il ritorno dell’infrastruttura
Negli anni ’60 e ’70, il mainframe ha rappresentato un punto di svolta perché ha risposto a esigenze fondamentali delle imprese, tra cui l’elevata capacità di elaborazione, la sicurezza delle transazioni, la centralizzazione della gestione e la disponibilità continua dei sistemi. Oggi, con la diffusione dell’intelligenza artificiale, cluster GPU e acceleratori specializzati sono chiamati a soddisfare requisiti per molti versi simili, in quanto devono supportare i carichi di lavoro dell’AI. Ancora una volta l’infrastruttura torna ad assumere un ruolo centrale nelle strategie tecnologiche delle imprese.
La difficoltà è che molte organizzazioni stanno cercando di accelerare l’adozione dell’AI su fondamenta che non sono state progettate per sostenerla. Gli investimenti continuano a crescere, ma le stesse aziende riconoscono che parte delle proprie infrastrutture si è sviluppata nel tempo più per esigenze contingenti che attraverso una strategia architetturale coerente.
Frammentazione, cloud e infrastrutture critiche
Questa frammentazione rappresenta già oggi un ostacolo all’innovazione. Nel settore finanziario, per esempio, molti leader evidenziano come criticità infrastrutturali e complessità operative stiano rallentando i programmi di trasformazione digitale. Anche le scelte legate all’adozione del cloud, sia on-premise sia off-premise, hanno un impatto diretto sullo sviluppo e sull’implementazione di soluzioni agentiche all’interno delle aziende. A questo si aggiunge un ulteriore elemento di pressione: una parte significativa delle infrastrutture critiche, tra cui reti, server e sistemi di storage, si sta ormai avvicinando alla fine del proprio ciclo di vita.
Questa sfida è particolarmente rilevante anche per il mercato italiano. Le banche stanno accelerando gli investimenti in intelligenza artificiale e automazione avanzata, ma allo stesso tempo devono confrontarsi con la necessità di modernizzare infrastrutture, dati e modelli di governance costruiti nel corso degli anni. La capacità di integrare innovazione e resilienza operativa sarà uno dei fattori distintivi delle organizzazioni che riusciranno a trasformare le sperimentazioni in risultati concreti e sostenibili.
AI agentica e affidabilità mission-critical
L’avvento dell’AI agentica rende questa sfida ancora più urgente. Sistemi capaci di prendere decisioni, coordinare attività ed eseguire processi end-to-end non possono basarsi su connettività instabili, dati incoerenti o modelli di governance insufficienti. Un agente intelligente che supporta attività come la concessione del credito, la gestione della supply chain o il servizio clienti necessita dello stesso livello di affidabilità, controllo e sicurezza che ha reso il mainframe un pilastro delle operazioni mission-critical.
In questo contesto, anche il ruolo del CIO è destinato a evolvere. Oltre alla gestione del rischio, deve assumere il compito di progettare piattaforme in grado di coniugare innovazione e controllo, garantendo sicurezza, conformità normativa e protezione dei dati. Ciò richiede un approccio architetturale ibrido e mirato: sfruttare la flessibilità e la scalabilità dei cloud pubblici per l’addestramento dei modelli e utilizzare ambienti privati e controllati per i workload in cui governance, prevedibilità dei costi e tutela delle informazioni risultano prioritarie.
La lezione del mainframe per l’AI enterprise
La lezione più importante lasciata dall’era del mainframe è che nessuna tecnologia strategica genera valore duraturo senza fondamenta solide. Disponibilità, sicurezza, governance, prevedibilità operativa e capacità di crescere senza compromettere le operazioni restano fattori imprescindibili anche nell’era dell’AI. Per questo motivo, la vera sfida non consiste nell’accumulare nuovi strumenti o sperimentare nuovi modelli, ma nel costruire e saper governare un’infrastruttura capace di supportarli con livelli di affidabilità adeguati ai processi più critici. Le organizzazioni che sapranno farlo non si limiteranno ad adottare l’AI, ma saranno quelle che ne trasformeranno il potenziale in un vantaggio competitivo duraturo.
Partecipa alla community