sistemi critici

L’AI accelera, i sistemi legacy frenano: le scelte che attendono i CIO


Indirizzo copiato

Gli agenti AI accelerano analisi del codice, migrazioni e gestione del debito tecnico. Per le imprese, trasformare questa velocità in risultati richiede alleanze coordinate, responsabilità definite e controlli capaci di proteggere la continuità operativa durante i programmi di modernizzazione IT

Pubblicato il 16 nov 2026

Filippo Ligresti

Vice President, Strategic Alliance Leader di Kyndryl



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Tre nastri, un ponte continuo




L’AI sta innalzando le aspettative in termini di velocità, capacità e agilità. Tuttavia, molte aziende sono ancora vincolate da infrastrutture tecnologiche progettate per un ritmo di cambiamento molto diverso da quello attuale.

Oggi CIO e CTO si trovano ad affrontare una sfida particolarmente complessa: modernizzare le piattaforme che sostengono il business, accelerare l’adozione dell’AI e rafforzare la resilienza operativa, garantendo al tempo stesso la continuità dei sistemi mission-critical. In questo contesto, la portata e la complessità della trasformazione, unite alla crescente frammentazione degli ambienti IT globali, rendono il successo della modernizzazione sempre più dipendente da un ecosistema di partner. Hyperscaler, software provider e specialisti di settore svolgono infatti un ruolo fondamentale nel supportare le organizzazioni lungo il percorso di innovazione e trasformazione digitale.

Modernizzazione IT: perché serve coordinare i partner

I partner possono contribuire alla co-progettazione delle soluzioni, condividere competenze e asset tecnologici, accelerare l’innovazione e aumentare l’agilità dei processi aziendali. Tuttavia, questi benefici si realizzano pienamente solo quando l’evoluzione delle infrastrutture e delle piattaforme avviene in modo coordinato e coerente.

In questo scenario, l’orchestrazione delle competenze, delle tecnologie e delle partnership diventa un elemento cruciale. Consente infatti alle organizzazioni di governare iniziative complesse, allineare tutti gli stakeholder su obiettivi condivisi, integrare le soluzioni lungo l’intera catena tecnologica, definire con chiarezza priorità e sequenze di intervento, gestire le dipendenze tra progetti e mantenere una chiara accountability sui risultati. In un contesto sempre più interconnesso, la capacità di orchestrare un ecosistema di partner rappresenta quindi un fattore determinante per accelerare la modernizzazione e generare valore di business.

Come gli agenti AI cambiano tempi e costi della trasformazione

Per anni, la modernizzazione è stata considerata un percorso lungo, costoso e ad alto rischio, caratterizzato da interventi sequenziali, elevata dipendenza da competenze specialistiche e risultati spesso difficili da prevedere. L’emergere degli agenti AI sta modificando profondamente questa dinamica, introducendo un approccio in grado di accelerare le attività di analisi, progettazione, migrazione e ottimizzazione dei sistemi.

A differenza degli strumenti tradizionali di automazione, gli agenti AI sono in grado di comprendere il contesto applicativo e infrastrutturale, apprendere dall’esperienza e collaborare lungo l’intero ciclo di modernizzazione. Questo consente alle organizzazioni di ridurre tempi e costi di trasformazione, migliorare la qualità dell’esecuzione e ottenere benefici in modo più rapido e prevedibile. Il risultato non è soltanto una maggiore efficienza operativa, ma un cambiamento strutturale dell’economia della trasformazione, in cui la creazione di valore può avvenire con una velocità e una scala difficilmente raggiungibili in passato.

Analisi del codice e gestione del debito tecnico

Gli agenti AI sono in grado di interpretare milioni di righe di codice e la logica di business sottostante, mappare le dipendenze tra sistemi, generare test, supportare la migrazione delle applicazioni e contribuire alla progettazione di architetture moderne. Automatizzando attività tradizionalmente dispendiose e soggette a errore, consentono di accelerare i percorsi di trasformazione e di migliorare la prevedibilità dei risultati.

L’aspetto più innovativo, tuttavia, è che la modernizzazione agent-first non produce soltanto un risultato, ma crea un sistema che apprende nel tempo. I pattern, le architetture di riferimento e gli asset riutilizzabili sviluppati durante una singola iniziativa possono essere applicati ad altri programmi di trasformazione, aumentando progressivamente l’efficienza e la coerenza delle attività successive.

Per CIO e CTO questo approccio consente di passare da una logica di trasformazione basata su interventi straordinari a un modello di miglioramento continuo. Il debito tecnico può essere identificato e gestito in modo più proattivo, riducendo il rischio che diventi un freno all’innovazione e liberando risorse da destinare a iniziative strategiche e all’adozione dell’AI.

Il risultato è un cambiamento profondo dell’economia della modernizzazione: tempi di esecuzione più brevi riducono i costi associati alla gestione parallela di sistemi legacy e piattaforme di nuova generazione, mentre la crescente capacità di apprendimento degli agenti migliora la qualità e la ripetibilità della delivery. La modernizzazione diventa così un processo continuo, più prevedibile e sostenibile, capace di generare valore in modo progressivo anziché attraverso trasformazioni episodiche e ad alto impatto.

Alleanze tecnologiche e co-investimenti per modernizzare l’IT

Se gli agenti AI stanno ridefinendo le modalità con cui viene eseguita la modernizzazione, il successo della trasformazione dipende sempre più dalla capacità di coordinare persone, competenze, tecnologie e partner all’interno di un ecosistema integrato. Negli ambienti enterprise più complessi, infatti, la modernizzazione raramente è un’attività isolata.

La migrazione di un’applicazione dipende dal livello di preparazione delle infrastrutture di rete e cloud, dai controlli di sicurezza, dalla modernizzazione dei dati, dall’integrazione dei sistemi di identità e accesso, dai processi di change management e dai requisiti normativi e di settore. Ogni componente coinvolge team, competenze e partner differenti, rendendo essenziale una visione coordinata dell’intero percorso di trasformazione.

Oggi le partnership tecnologiche vanno ben oltre le tradizionali relazioni transazionali con i vendor. Sempre più spesso si basano su soluzioni co-progettate, proprietà intellettuale condivisa, investimenti congiunti, modelli di delivery integrati e iniziative coordinate di go-to-market.

Gli hyperscaler e i partner tecnologici mettono a disposizione non soltanto piattaforme e servizi, ma anche competenze ingegneristiche, programmi di finanziamento e investimenti dedicati allo sviluppo di soluzioni congiunte. Per CIO e CTO, il co-investimento con i partner può ridurre le barriere all’adozione, accelerare il ritorno degli investimenti e rafforzare la solidità del business case. Questo dimostra come i partner non contribuiscano solo con tecnologie e servizi, ma condividano attivamente risorse, competenze e responsabilità per raggiungere risultati comuni con il cliente.

In questo contesto, il valore non deriva esclusivamente dalla qualità delle singole tecnologie adottate, ma dalla capacità di orchestrare efficacemente l’intero ecosistema. Se combinato con il giusto modello di governance e orchestrazione, questo approccio può aiutare le organizzazioni ad accelerare la modernizzazione, ridurre il rischio di esecuzione e trasformare la complessità in un vantaggio competitivo sostenibile.

Il ruolo dell’orchestratore nei programmi di modernizzazione

In un contesto in cui la modernizzazione coinvolge sempre più tecnologie, partner e iniziative interdipendenti, il successo non dipende soltanto dalla qualità delle singole soluzioni adottate, ma dalla capacità di coordinarle efficacemente. È qui che emerge il ruolo dell’orchestratore della modernizzazione: un partner in grado di progettare, governare e realizzare programmi di trasformazione complessi facendo leva sull’esperienza maturata nell’intero ecosistema tecnologico.

L’orchestratore non sostituisce gli altri attori dell’ecosistema, ma ne valorizza le competenze, integrando le migliori capacità di ciascun partner in un percorso coerente e orientato ai risultati. Il suo compito è assicurare che tecnologie, processi e persone procedano nella stessa direzione, coordinando il programma end-to-end, dalla strategia iniziale fino all’implementazione e alla gestione operativa.

I modelli di alleanza più efficaci non sono quindi semplici accordi commerciali, ma veri e propri acceleratori di valore. Combinano innovazione di piattaforma, competenze di implementazione, conoscenza dei settori industriali, disciplina operativa e accountability condivisa, contribuendo ad accelerare i percorsi di modernizzazione e a ridurne il rischio. In questo scenario, il vantaggio competitivo non deriva soltanto dall’accesso alle migliori tecnologie o agli strumenti di AI più avanzati, ma dalla capacità di orchestrare un ecosistema sempre più articolato.

Un orchestratore efficace contribuisce inoltre a rafforzare la preparazione dell’organizzazione, collegando la modernizzazione tecnologica alle attività di adozione, enablement, governance e change management. Questo consente di affrontare la trasformazione come un percorso integrato, evitando che l’innovazione tecnologica proceda più velocemente della capacità dell’organizzazione di assorbirla e valorizzarla.

Un programma globale sul codice legacy

I benefici di questo approccio emergono chiaramente nei programmi di trasformazione su larga scala. Un’azienda globale operante in un settore altamente regolamentato, ad esempio, si è trovata ad affrontare la sfida di modernizzare milioni di righe di codice legacy e decenni di debito tecnico accumulato nel tempo. Per affrontare questa complessità, ha coinvolto un ecosistema di partner con competenze complementari in ambito advisory, cloud e intelligenza artificiale.

Gli agenti AI hanno contribuito ad accelerare l’analisi e la trasformazione del codice, mentre i partner dell’ecosistema hanno fornito competenze specialistiche in ambito architetturale, cloud operations e gestione del cambiamento. L’orchestrazione coordinata di queste capability ha consentito di ridurre i rischi di esecuzione, accelerare la delivery e costruire un modello operativo replicabile.

Il risultato è stato un approccio scalabile alla modernizzazione, capace di ridurre i costi operativi, aumentare la prevedibilità dei risultati e creare un blueprint riutilizzabile in diverse aree geografiche e contesti aziendali.

Nell’era della modernizzazione continua, il vantaggio competitivo deriva sempre più dalla capacità di combinare innovazione tecnologica, intelligenza artificiale ed ecosistemi di partnership in un’unica strategia coerente. Le organizzazioni che riusciranno a orchestrare efficacemente queste componenti saranno quelle più preparate a ridurre il debito tecnico, accelerare l’innovazione e generare valore in modo sostenibile nel lungo periodo.

Governance e resilienza nei processi supportati dall’AI

Con l’integrazione dell’Agentic AI nei processi di modernizzazione, la velocità non può prescindere dalla fiducia. CIO e CTO devono poter contare su modelli operativi in cui le attività supportate dagli agenti siano affidabili, verificabili e allineate ai requisiti di sicurezza, compliance e gestione del rischio tipici degli ambienti enterprise.

Per questo motivo, i programmi di modernizzazione devono essere accompagnati da meccanismi di governance chiaramente definiti che includano la gestione dei dati, la protezione delle informazioni, la supervisione umana, la validazione dei risultati, la conformità normativa e la resilienza operativa. L’AI può accelerare in modo significativo le attività di analisi, progettazione e implementazione, ma la fiducia si costruisce attraverso processi trasparenti, controlli rigorosi e una chiara responsabilità decisionale.

In questo contesto, la modernizzazione continua dovrebbe fondarsi su tre principi essenziali: preservare la stabilità operativa dei sistemi critici, rafforzare la resilienza dell’organizzazione e applicare l’intelligenza artificiale in modo responsabile, all’interno di framework di governance solidi e misurabili. Solo bilanciando innovazione e controllo è possibile accelerare la trasformazione senza aumentare il profilo di rischio aziendale.

La modernizzazione continua come capacità dell’impresa

La modernizzazione continua sta rapidamente affermandosi come una capacità strategica indispensabile per competere in un’economia sempre più guidata dall’intelligenza artificiale. Le organizzazioni che adottano questo approccio possono ridurre in modo sistematico il debito tecnico, accelerare l’adozione dell’AI, migliorare la resilienza operativa e reagire con maggiore rapidità all’evoluzione delle esigenze di mercato e di business.

Per CIO e CTO, la sfida non consiste più nel pianificare programmi di trasformazione episodici, ma nel rendere la modernizzazione una capability permanente dell’organizzazione. Ciò richiede una combinazione efficace di tecnologie intelligenti, modelli di governance robusti e partnership capaci di operare come un ecosistema integrato.

La convergenza tra modernizzazione agent-first, orchestrazione delle alleanze e governance responsabile sta definendo un nuovo modello operativo per l’impresa digitale. In questo modello, gli agenti AI accelerano l’esecuzione, i partner contribuiscono con competenze e investimenti complementari, mentre l’orchestrazione garantisce allineamento, continuità e accountability lungo l’intero percorso di trasformazione.

Le organizzazioni che sapranno integrare efficacemente questi elementi saranno nella posizione migliore per innovare senza compromettere la continuità operativa, trasformare la complessità in valore e costruire le basi tecnologiche necessarie per sostenere la prossima generazione di applicazioni, servizi e modelli di business abilitati dall’intelligenza artificiale.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x