AI nella gestione dei servizi IT: tecnologie, scenari e soluzioni

L’adozione dell’AI nella gestione dei servizi IT sta cambiando il modo in cui i team I&O affrontano complessità operative, crescita dei ticket e aspettative degli utenti. Le nuove capability intelligenti – dal triage automatico alla generazione di contenuti operativi, fino ai modelli agentici – stanno ridefinendo velocità, qualità e prevedibilità dei processi ITSM (IT Service Management). In questo scenario, comprendere maturità delle tecnologie, rischi, casi d’uso e differenze tra le principali piattaforme diventa essenziale per guidare investimenti efficaci e costruire un modello di supporto scalabile.

Evoluzione dell’AI nell’IT Service Management: maturità, limiti e traiettorie

L’integrazione dell’intelligenza artificiale nelle pratiche di IT Service Management sta attraversando una fase di trasformazione accelerata, ma caratterizzata da livelli di maturità ancora eterogenei. Secondo Gartner (Gartner, Hype Cycle for AI in ITSM, 2025), la spinta verso l’automazione intelligente nasce da un contesto in cui i team I&O affrontano costi crescenti, ecosistemi tecnologici più complessi e aspettative sempre più elevate sul fronte della digital experience.

L’adozione dell’AI porta già benefici concreti, soprattutto nei casi d’uso più consolidati come il self-service potenziato da VSA (Virtual Support Agent) e la knowledge discovery tramite AI Search, ma permangono limiti strutturali da considerare attentamente.

Si evidenzia che molte soluzioni in circolazione si limitano a sfruttare modelli linguistici pubblici, ad esempio ChatGPT o Gemini, come sostituto di tecniche machine learning più evolute e contestualizzate. A questo si aggiunge la questione degli agenti AI realmente autonomi, dove la promessa di agentic AI spesso non corrisponde ancora alla realtà dei prodotti disponibili.

Le traiettorie evolutive del mercato mostrano però un avanzamento costante: l’introduzione di tecniche avanzate di grounding, l’integrazione di dati eterogenei e l’arrivo di funzionalità più robuste per l’incident correlation, la creazione di contenuti operativi (come major incident review) e lo sviluppo progressivo di agenti capaci di assumere parti sempre maggiori dei workflow di gestione dei servizi IT.

Le quattro direttrici di maturità dell’AI in ITSM

La maturità dell’intelligenza artificiale nella gestione dei servizi IT si sviluppa lungo quattro direttrici fondamentali che definiscono quanto profondamente una piattaforma riesce a incidere sulle attività di supporto e sulle operation. Secondo Gartner, il mercato mostra progressi significativi, ma con livelli di evoluzione ancora molto disomogenei tra le diverse capability.

La prima direttrice riguarda, come anticipato, la qualità dei modelli e il grado di specializzazione rispetto ai dati ITSM. Molte soluzioni si basano su modelli linguistici pubblici, impiegati come alternativa a tecniche ML più sofisticate. Questo approccio limita l’accuratezza nei processi critici, soprattutto nel triage, nella categorizzazione e nella generazione di insight operativi.

La seconda direttrice riguarda la profondità dell’integrazione con gli ecosistemi ITSM e i dati operativi sottostanti. Funzionalità come agent advisory, clustering e content generation richiedono accesso completo e coerente ai ticket, al CMDB, alla knowledge base e agli strumenti ITOM. Soluzioni con integrazione superficiale producono risultati meno affidabili e meno contestuali.

La terza direttrice è la maturità funzionale dei casi d’uso, che oggi mostra uno sbilanciamento evidente. Virtual Support Agent e AI Search sono le capability più avanzate e diffuse, mentre aree come case clustering, knowledge generation e integrazione nativa della GenAI risultano meno mature e con performance non sempre adeguate alle necessità dei team I&O.

La quarta direttrice riguarda l’evoluzione verso capacità autonome, ancora in una fase iniziale. Secondo Gartner, pochi prodotti rispettano realmente i requisiti di agentic AI, ovvero agenti capaci di prendere decisioni, orchestrare operazioni e portare avanti workflow complessi senza input umano. La maggior parte delle soluzioni offre oggi funzionalità di copilot, spesso presentate come agentiche a livello di marketing, ma prive delle caratteristiche necessarie per garantire un’autonomia operativa completa.

Le pressioni sui team I&O e il ruolo dell’AI nelle operations

I team di Infrastructure & Operations stanno vivendo una fase caratterizzata da un aumento significativo della complessità operativa e da una crescente pressione sui costi. L’incremento della domanda di supporto, unito alla moltiplicazione dei servizi digitali e dei punti di contatto, rende sempre più difficile mantenere livelli elevati di qualità ed efficienza senza introdurre forme avanzate di automazione.

Le sfide principali riguardano la gestione di volumi crescenti di ticket, tempi di risoluzione spesso troppo lunghi e una disponibilità limitata di competenze specialistiche interne. A questo si aggiunge il progressivo calo del coinvolgimento degli utenti, che genera un impatto diretto sia sulla produttività sia sul livello percepito di digital employee experience. L’AI viene identificata come il fattore abilitante in grado di supportare i team I&O nella riduzione del carico operativo e nella standardizzazione dei processi più ricorrenti.

Le applicazioni di AI nella gestione dei servizi IT permettono di accelerare attività come triage, categorizzazione, routing e generazione di contenuti operativi, riducendo le attività manuali dei tecnici e creando margini per una gestione più proattiva dei servizi. Secondo l’analisi di Gartner, l’impiego mirato dell’AI consente inoltre di distribuire il carico di supporto verso modalità self-service e agent-assist, migliorando al tempo stesso la qualità delle interazioni e la coerenza nelle risposte.

L’impatto sull’experience risulta particolarmente rilevante: processi più rapidi e risposte più accurate contribuiscono a innalzare la percezione del servizio e a rafforzare il rapporto tra IT e business. In questo scenario, l’AI non sostituisce il ruolo delle operation, ma diventa un’estensione intelligente delle capacità dei team, consentendo loro di focalizzare le energie su attività a maggiore valore.

I nuovi driver organizzativi: costi, produttività, esperienza digitale

Le pressioni che oggi spingono i team I&O verso l’adozione dell’AI derivano da tre driver principali: la necessità di contenere i costi operativi, l’urgenza di aumentare la produttività dei team e l’obiettivo di migliorare in modo significativo la digital experience degli utenti. Questi fattori rappresentano gli elementi che più influenzano le strategie di modernizzazione dell’ITSM.

Il primo driver riguarda il controllo dei costi di supporto, cresciuti in modo costante negli ultimi anni. L’aumento dei servizi digitali e la maggiore disponibilità richiesta sulle piattaforme IT comportano un volume di ticket sempre più elevato, con un impatto diretto sulle risorse necessarie per garantire continuità operativa. L’AI interviene riducendo il carico manuale tramite triage intelligente, risposte automatizzate e routing più preciso.

Il secondo driver riguarda la produttività interna, messa alla prova dalla complessità crescente degli ambienti IT. Gli strumenti tradizionali non sono più sufficienti a sostenere processi che richiedono rapidità, precisione e analisi di grandi quantità di dati. Le soluzioni di AI, come agent advisory e content generation, offrono una risposta concreta, supportando i tecnici in attività ripetitive, accelerando la produzione di documentazione e migliorando la qualità delle informazioni tecniche.

Il terzo driver è rappresentato dalla Digital Employee Experience (DEX), un fronte sempre più strategico per le organizzazioni. Secondo Gartner, l’AI consente di migliorare in modo tangibile la qualità e la coerenza delle interazioni, riducendo i tempi di attesa e fornendo risposte più accurate e personalizzate. L’adozione di virtual support agent evoluti e di strumenti di knowledge discovery più efficienti contribuisce a innalzare lo standard percepito dagli utenti, rafforzando la fiducia nel servizio IT.

Tecnologie chiave: VSA, AI Search, Agent Advisory, Clustering, GenAI

Le tecnologie che oggi definiscono l’AI per la gestione dei servizi IT si concentrano su un insieme di capability che rappresentano gli elementi minimi per ottenere benefici misurabili sui processi di supporto e sulle attività operative. Queste funzionalità, pur con livelli di maturità differenti, costituiscono il nucleo tecnologico su cui si basano le soluzioni presenti sul mercato.

Il primo gruppo di capability riguarda l’interazione con gli utenti, dove i Virtual Support Agent svolgono un ruolo centrale nel ridurre il volume dei ticket e migliorare la qualità del self-service. Basati su modelli linguistici e integrazioni con knowledge base e workflow ITSM, i VSA offrono risposte contestuali, creano richieste strutturate e supportano operazioni transazionali come reset password o provisioning applicativo.

Un altro pilastro tecnologico è rappresentato dall’AI Search, che consente la scoperta di informazioni tramite tre approcci complementari: knowledge pubblico tramite modelli generali, knowledge proprietario tramite modelli specializzati e conoscenza universale tramite RAG (Retrieval Augmented Generation).

Il terzo ambito riguarda l’agent advisory, ovvero l’insieme di suggerimenti intelligenti che supportano tecnici e operatori in attività come triage, categorizzazione, escalation e identificazione degli esperti più adatti. Queste funzionalità hanno un impatto diretto sulla velocità e qualità del processo decisionale, soprattutto nei team con carichi elevati o competenze distribuite.

Il quarto insieme di capability riguarda il case clustering, che utilizza tecniche di pattern recognition per individuare correlazioni tra incident, problem, change e knowledge. Tra gli obiettivi rientrano la rilevazione dei major incident, l’identificazione delle cause comuni, la standardizzazione dei cambiamenti e la creazione di knowledge topic mirati.

Infine, un ruolo crescente è svolto dalla Generative AI, applicata alla creazione di contenuti operativi. Tra le funzionalità più richieste rientrano la generazione di knowledge article, le comunicazioni automatizzate, i riepiloghi di ticket e i report post-incident.

I casi d’uso principali: dove l’AI genera valore oggi

L’adozione dell’AI nella gestione dei servizi IT si è consolidata attorno a quattro ambiti principali, che rappresentano oggi i casi d’uso più rilevanti per i team di Infrastructure & Operations. Secondo Gartner (Gartner, Critical Capabilities for AI Applications in IT Service Management), l’impatto dell’intelligenza artificiale varia significativamente in base al livello di autonomia richiesto e alla tipologia di attività che l’AI è chiamata a supportare.

Dal self-service all’autonomia: la mappa dei 4 use case Gartner

La classificazione elaborata da Gartner identifica quattro use case che rappresentano il modo più efficace per valutare il contributo dell’AI ai processi di IT Service Management. Ognuno di essi risponde a esigenze organizzative diverse e si colloca a un differente livello di maturità tecnologica, offrendo un quadro chiaro delle priorità e delle potenzialità attuali.

Il primo use case, AI per end-user self-service, è oggi il più maturo e diffuso. Le soluzioni di Virtual Support Agent permettono agli utenti di ottenere risposte rapide, creare ticket in modo guidato e accedere alla knowledge base in linguaggio naturale. Questa categoria rappresenta la base dello shift-left e consente ai team I&O di ridurre la pressione sul service desk, migliorando allo stesso tempo la qualità delle interazioni.

Il secondo use case, AI per ITSM practitioners, riguarda il supporto diretto ai tecnici e agli operatori del service desk. Qui l’AI contribuisce tramite agent advisory, generazione automatica di contenuti operativi, suggerimenti contestuali e analisi dei ticket in ingresso. Le funzionalità mirano a ridurre il lavoro manuale, aumentare l’accuratezza delle decisioni e accelerare i tempi di risoluzione.

Il terzo use case, AI per ITSM practice lead, è orientato a chi deve analizzare volumi elevati di dati e individuare pattern nascosti tra incident, problem, change e knowledge item. Le capability di case clustering e le interfacce conversazionali evolute supportano decisioni strategiche come l’identificazione di problemi ricorrenti, la prioritizzazione degli interventi e la valutazione di rischi operativi.

Il quarto use case, AI per autonomous ITSM, rappresenta la frontiera più avanzata e al tempo stesso meno matura. Secondo Gartner, pochi prodotti dimostrano oggi capacità agentiche reali, ovvero la possibilità di prendere decisioni e orchestrare workflow senza supervisione umana. Questo scenario include attività come la risoluzione autonoma di incident semplici, la generazione completa di report post-incident e l’allineamento automatico dei dati di configurazione.

Soluzioni AI per gestione dei servizi IT: le 5 piattaforme da considerare

Le piattaforme che oggi offrono le capability più avanzate di AI nella gestione dei servizi IT presentano livelli differenti di maturità tecnologica, profondità di integrazione e specializzazione. In base al Magic Quadrant for AI Applications in IT Service Management di Gartner, solo alcuni vendor riescono a combinare in modo efficace funzionalità di AI Search, agent advisory, clustering, generazione di contenuti e virtual support agent, garantendo benefici concreti per team I&O, service desk e practice lead.

ServiceNow

ServiceNow integra le capability di AI all’interno della propria piattaforma ITSM attraverso ITSM Pro Plus, arricchita da funzionalità AI-native che coprono advisory, automazione, generazione di contenuti e ricerca intelligente. La piattaforma beneficia della sua forte diffusione nel mercato ITSM, che consente ai clienti di adottare funzionalità avanzate senza introdurre nuovi strumenti o integrazioni complesse. L’ecosistema è completato da ServiceNow ITOM AIOps Professional, necessario per alcune capability più avanzate.

Tra le principali funzionalità sono incluse:

• Incident e change summarization configurabili, utili per velocizzare la gestione delle richieste.
• Agent advisory per supportare triage, categorizzazione, escalation e routing basati su dati reali.
• AI Search con approccio multimodale e possibilità di integrare fonti interne ed esterne.
• Content generation per la creazione di notifiche operative, knowledge article e materiali di post-incident review.
• Strumenti per collaborazione AI-to-AI, con roadmap orientata all’autonomia progressiva tramite agenti semiautonomi.

Secondo le recensioni verificate, gli utenti apprezzano la solidità complessiva della piattaforma, la profondità delle integrazioni e la qualità del supporto tecnico. Molti riscontri sottolineano l’efficacia nelle attività di triage e nella generazione di contenuti, mentre alcuni utenti evidenziano complessità nella configurazione della AI Search e un processo di onboarding che richiede competenze adeguate.

Punti di forza

• Ecosistema integrato, che permette di utilizzare l’AI senza introdurre piattaforme esterne.
• Copertura funzionale molto ampia, con capability avanzate in advisory, clustering e GenAI.
• Roadmap chiara e di lungo periodo, che guida le organizzazioni verso livelli crescenti di autonomia.
• Supporto enterprise di alto livello, particolarmente apprezzato nelle grandi organizzazioni.
• Ampia maturità del prodotto, favorita dalla diffusione globale della piattaforma ITSM.

Moveworks

Moveworks propone una piattaforma di AI conversazionale specializzata nel supporto IT, progettata per integrarsi con strumenti ITSM di terze parti. La soluzione si articola in diversi moduli – tra cui Moveworks AI Assistant, Service Management, Provision Management, Productivity Boost, Agent Studio e Knowledge Studio – che operano in sinergia per migliorare la velocità e la qualità del supporto. Il focus del prodotto è sull’automazione conversazionale, sulla ricerca intelligente e sull’assistenza ai tecnici, con un approccio nativamente AI-first.

Nota: Al momento Moveworks opera ancora come piattaforma indipendente nonostante la prossima acquisizione da parte di ServiceNow.

Moveworks si distingue per una serie di capability orientate alla produttività e all’automazione intelligente:

• AI Assistant capace di rispondere in linguaggio naturale, creare ticket e completare operazioni strutturate.
• Enterprise Search avanzata grazie a integrazione multimodale e Quick GPT.
• Knowledge Studio per la generazione assistita di contenuti e la gestione delle informazioni.
• Agent Studio per il supporto ai tecnici con suggerimenti contestuali e automazioni guidate.
• Provision Management per operazioni rapide come accessi, permessi o reset specifici.

La roadmap prevede l’estensione dell’AI Assistant con ricerca su Internet e lo sviluppo di assistenti specifici per domini aziendali.

Gli utenti riconoscono Moveworks come una piattaforma con elevata qualità conversazionale, forte capacità di automazione e un approccio molto orientato alla produttività. Le recensioni evidenziano un onboarding strutturato e un supporto continuo, mentre alcune criticità riguardano il costo complessivo della soluzione e la necessità di utilizzare add-on per accedere a molte funzionalità avanzate.

Punti di forza principali

• AI conversazionale tra le più evolute, con eccellente capacità di comprensione e risposta.
• Forte brand awareness, che posiziona Moveworks come riferimento nel mercato AI-first.
• Ricerca intelligente avanzata, apprezzata dagli utenti per velocità e precisione.
• Ampia dotazione di moduli AI, che coprono sia il self-service sia il supporto tecnico.
• Solida infrastruttura di onboarding e customer success, che facilita adozione e maturazione del prodotto.

Aisera

Aisera propone una piattaforma di AI progettata per integrarsi con sistemi ITSM di terze parti, con un focus su automazione del supporto, assistenza conversazionale e advisory avanzato. La soluzione combina diversi moduli – tra cui AI Service Desk, AI Copilot, AI Agents, Enterprise AI Search, Agent Assist e funzionalità AIOps – offrendo un approccio orientato sia al self-service sia al potenziamento dei team tecnici. La piattaforma si distingue inoltre per la possibilità di utilizzare modelli proprietari o modelli del cliente, grazie a strumenti dedicati come LLM Studio.

Aisera mette a disposizione capability ampie e orientate al supporto conversazionale e operativo:

• Conversational AI avanzata, che consente self-service guidato e interazioni naturali con elevato grado di precisione.
• AI Service Desk per automazioni end-to-end su incident, richieste e task ripetitivi.
• AI Copilot per supportare tecnici e operatori con suggerimenti contestuali e automazioni immediate.
• Enterprise AI Search per la ricerca intelligente su contenuti e knowledge aziendale.
• Case clustering e correlazione incident, utili per identificare problemi ricorrenti e pattern operativi.

La roadmap include funzionalità di automated incident response e strumenti di predictive analytics in tempo reale.

Gli utenti apprezzano la qualità del supporto conversazionale e l’efficacia del self-service, considerati tra i principali punti di forza di Aisera. Il feedback evidenzia un miglioramento tangibile nell’automazione delle richieste e nella riduzione degli effort manuali. Alcune criticità riguardano il costo complessivo della piattaforma e la qualità della documentazione, ritenuta non sempre adeguata per implementazioni complesse.

Punti di forza principali

• Conversational AI accurata e performante, utile per potenziare il self-service.
• Ampia personalizzazione grazie a LLM Studio e alla possibilità di utilizzare modelli proprietari.
• Solide funzionalità di clustering e correlazione, rilevanti per gestione incident e problem.
• Supporto efficace ai team tecnici, grazie a funzionalità di copiloting e agent assist.
• Allineamento strategico al mercato ITSM, con roadmap orientata all’evoluzione delle capability più richieste.

BMC Helix

BMC Helix integra funzionalità di AI direttamente all’interno della propria piattaforma ITSM, con un’estensione significativa tramite Helix Operations Management con AIOps, necessaria per attivare alcune capability avanzate. La soluzione è progettata per supportare end-user, practitioner e practice lead grazie a componenti come case clustering, knowledge generation e automazioni guidate da modelli specializzati. La roadmap di prodotto prevede evoluzioni rilevanti, tra cui un major incident coordinator per la rilevazione precoce dei disservizi e un CMDB Governor orientato alla qualità e coerenza dei dati.

BMC Helix mette a disposizione funzionalità orientate all’automazione dei processi ITSM e alla correlazione dei dati operativi:

• HelixGPT Service Collaborator per summarization di ticket e routing intelligente.
• HelixGPT Knowledge Curator per la generazione automatica di articoli di knowledge base.
• Case clustering avanzato, utile per identificare pattern e correlate incident, problem e change.
• Incident correlation in tempo reale, particolarmente efficace per major incident e problem management.
• Integrazione estesa con ITOM, che consente di sfruttare insight trasversali per advisory e automazioni.

Le evoluzioni future includono funzionalità di predizione dei rischi e automazioni guidate da release history.

Gli utenti riconoscono a BMC Helix una buona capacità di gestione dei flussi operativi complessi e un’efficace correlazione degli incidenti. Alcuni feedback evidenziano però un’adozione delle funzionalità AI più lenta rispetto alla media del mercato, insieme a una percezione di costo elevato quando è necessario integrare componenti aggiuntive come AIOps o modelli esterni.

Punti di forza principali

• Ottima capacità di correlazione e clustering, ideale per practice lead e problem manager.
• Ecosistema ITOM integrato, che amplia il valore delle funzionalità AI.
• Roadmap completa, allineata ai principali use case AI per ITSM.
• Funzionalità avanzate di knowledge automation, con strumenti dedicati alla creazione di contenuti.
• Soluzione adatta a contesti complessi, grazie alla profondità e scalabilità della piattaforma.

Atlassian

Atlassian integra le funzionalità di AI direttamente all’interno del proprio ecosistema ITSM tramite Jira Service Management, con il supporto del modulo AI proprietario Rovo. L’azienda ha rafforzato la propria proposta grazie alla convergenza tra ITSM, ITOM e knowledge management, includendo senza costi aggiuntivi funzionalità precedentemente fornite come componenti separate (es. Opsgenie). Sebbene molte capacità di Rovo siano relativamente recenti, la strategia di Atlassian punta sulla creazione di workflow unificati, un knowledge graph estensibile e un approccio modulare all’intelligenza artificiale.

Le capability di Atlassian nel contesto ITSM includono componenti orientate all’automazione, all’analisi intelligente e al supporto conversazionale:

• Intelligent categorization, per classificare automaticamente ticket e richieste.
• AI-powered knowledge generation, per creare articoli e contenuti operativi a partire da ticket e conversazioni.
• Incident e alert management integrati, grazie al contributo nativo della tecnologia Opsgenie.
• Enterprise search avanzata, basata su knowledge graph e correlazioni trasversali tra team.
• Workflow AI-driven, con azioni intelligenti eseguibili direttamente all’interno delle regole di automazione.

La roadmap prevede l’introduzione di AI agent integrati per funzioni verticali sui service team.

Dalle review analizzate emergono apprezzamenti per la semplicità d’uso, la velocità di implementazione e il buon bilanciamento tra funzionalità ITSM e capability AI. Alcuni utenti segnalano però limiti nella maturità delle feature più recenti, soprattutto quelle legate al framework Rovo, e vincoli su volumi e frequenza delle azioni intelligenti per i clienti enterprise più strutturati.

Punti di forza principali

• Workflow unificati e integrati, che facilitano la gestione end-to-end dei processi ITSM.
• AI nativa alla piattaforma, con esperienza utente coerente e minori necessità di integrazioni esterne.
• Soluzione flessibile e facilmente estendibile, ideale per team distribuiti o che lavorano con molteplici prodotti Atlassian.
• Buon equilibrio tra ITSM, ITOM e knowledge, grazie all’integrazione evoluta con Opsgenie e con il knowledge graph.
• Rapidità di adozione, con tempi di deployment più brevi rispetto a molti concorrenti.

Come selezionare la soluzione più adatta: criteri decisionali e roadmap

La scelta di una piattaforma di AI per la gestione dei servizi IT richiede un approccio strutturato che tenga conto della maturità tecnologica dell’organizzazione, della complessità dei processi ITSM e degli obiettivi operativi da raggiungere. Secondo Gartner (Gartner, Critical Capabilities for AI Applications in IT Service Management), le differenze tra i vendor non riguardano solo la qualità delle capability di AI, ma anche aspetti come integrazione, governance, roadmap e sostenibilità economica. Per questo motivo una valutazione efficace deve partire dall’analisi dei casi d’uso prioritari, per poi verificare il livello di copertura dei vendor in termini di advisory, clustering, AI search, GenAI e automazione conversazionale.

La selezione deve inoltre considerare la profondità di integrazione con i dati ITSM esistenti – ticket, CMDB, knowledge base, strumenti ITOM – perché senza un accesso completo e coerente ai dataset operativi la qualità dell’AI diminuisce sensibilmente. Anche la proiezione futura delle soluzioni è un elemento determinante: una roadmap solida e realistica consente alle organizzazioni di pianificare l’evoluzione del proprio ITSM, tenendo conto dell’emergere progressivo di forme semiautonome e, nel medio periodo, dell’autonomous ITSM.

Un altro fattore chiave riguarda la gestione dei rischi operativi, in particolare la qualità dei modelli utilizzati e il livello di osservabilità delle raccomandazioni prodotte dall’AI. Le organizzazioni devono dotarsi di criteri di valutazione chiari per monitorare derivazioni, errori o incoerenze, così da garantire che i flussi automatizzati siano affidabili e allineati agli standard del service desk.