L’esplosione dell’AI generativa ha spostato l’attenzione delle imprese soprattutto sulla capacità di calcolo. GPU, data center, cloud hyperscale e acceleratori specializzati hanno concentrato investimenti e attenzione, perché addestrare ed eseguire modelli sempre più complessi richiede enormi risorse computazionali.
L’evoluzione verso l’AI agentica introduce però un nuovo fattore infrastrutturale. Gli agenti software non si limitano a generare contenuti o rispondere alle richieste degli utenti, ma comunicano continuamente con database, API, applicazioni gestionali, altri agenti e dispositivi distribuiti. L’intelligenza artificiale smette così di essere un servizio concentrato nel cloud e diventa un insieme di processi distribuiti che attraversano costantemente la rete aziendale.
No Time to Wait: The Accelerating Impact of AI on Campus and Branch Networks è una ricerca commissionata da Cisco e realizzata da Foundry Research, la divisione di analisi del gruppo editoriale Foundry, editore di testate specializzate come CIO, Computerworld, CSO e Network World. L’indagine, condotta tra marzo e aprile 2026 su 3.472 CIO e responsabili networking di organizzazioni con almeno 500 dipendenti distribuite in 15 Paesi, suggerisce che la capacità di adottare l’intelligenza artificiale su larga scala dipenderà sempre più anche dall’evoluzione delle reti di campus e filiale, chiamate a sostenere AI generativa, sistemi agentici e Physical AI. L’85% delle organizzazioni prevede infatti un’espansione moderata o significativa dell’AI agentica entro i prossimi ventiquattro mesi, segno che il cambiamento descritto dalla ricerca riguarda programmi già in fase di pianificazione.
Jeetu Patel, Chief Product Officer e President di Cisco, definisce questa fase un “superciclo del networking”, sostenendo che “la rete è diventata il centro dell’infrastruttura AI che si sta costruendo a livello globale”. È una lettura coerente con il ruolo di Cisco come fornitore di infrastrutture di rete, ma riflette anche un’evoluzione che molti responsabili IT stanno iniziando a osservare nei propri ambienti operativi.
Come cambia il traffico quando arrivano gli agenti AI
Le applicazioni enterprise hanno sempre generato schemi di traffico relativamente prevedibili. Un utente accede al gestionale, consulta il CRM, partecipa a una videoconferenza o utilizza un’applicazione SaaS ospitata nel cloud. La maggior parte delle comunicazioni segue quindi un percorso tra client e server oppure tra client e cloud.
L’AI agentica modifica radicalmente questo modello. Un singolo agente può interrogare un database, consultare un sistema ERP, richiamare un modello linguistico, verificare informazioni attraverso API esterne, delegare parte dell’attività ad altri agenti e aggiornare applicazioni aziendali, il tutto senza l’intervento diretto di un operatore. Ogni processo genera decine o centinaia di comunicazioni distribuite che attraversano continuamente la rete interna.
A questo scenario si aggiunge la Physical AI, cioè l’applicazione dell’intelligenza artificiale a robot collaborativi, sistemi di visione artificiale, videocamere intelligenti, sensori e dispositivi IoT. Diversamente dai tradizionali endpoint connessi alla rete, questi sistemi producono flussi continui di dati, richiedono tempi di risposta molto ridotti e interagiscono simultaneamente con piattaforme edge, servizi cloud e applicazioni locali.
Il 67% dei responsabili IT intervistati osserva già un aumento del traffico east-west, cioè delle comunicazioni laterali tra server, applicazioni e dispositivi interni. Il 61% registra una crescita del traffico automatizzato generato direttamente dai sistemi AI, mentre aumentano anche le comunicazioni in tempo reale e i picchi di traffico imprevedibili, caratteristiche molto diverse dai modelli per i quali sono state progettate molte reti aziendali.
Circa la metà della domanda di rete riconducibile all’intelligenza artificiale si concentra già sulle infrastrutture Wi-Fi dei campus aziendali. Il dato riflette lo spostamento dell’AI dagli ambienti centralizzati verso i luoghi in cui operano persone, dispositivi mobili, robot e sistemi autonomi, destinati a condividere la stessa infrastruttura di rete anziché demandare tutta l’elaborazione ai data center.
La capacità della rete diventa un fattore competitivo
L’aumento del traffico rappresenta soltanto una parte del problema. La sua crescita è infatti molto più rapida di quanto molte organizzazioni avessero previsto e interessa contemporaneamente AI generativa, AI agentica e Physical AI, che condividono la stessa infrastruttura anziché evolvere come ambienti separati.
Negli ultimi dodici mesi il traffico associato ai carichi di lavoro AI è aumentato mediamente del 34%. I responsabili IT prevedono un ulteriore incremento del 96% entro il prossimo anno e una crescita cumulata del 209% nell’arco di tre anni, che porterà il volume complessivo del traffico a oltre tre volte quello attuale.
L’AI agentica rappresenta la componente destinata a incidere maggiormente su questa evoluzione. Cisco stima un aumento del 112% del traffico generato dagli agenti autonomi nei prossimi tre anni, contro l’87% dell’AI generativa e il 102% della Physical AI. Non si tratta di tecnologie alternative, ma di carichi di lavoro che si sommano sugli stessi collegamenti di rete, rendendo progressivamente più complesso dimensionare le infrastrutture secondo i criteri tradizionali.
Quasi tre organizzazioni su quattro prevedono di raggiungere limiti di capacità nelle reti di campus e filiale entro i prossimi ventiquattro mesi, mentre il 76% ritiene necessari interventi di aggiornamento per sostenere i carichi di lavoro AI. Il 93% ha già accelerato i programmi di modernizzazione della rete in risposta alla crescente domanda generata dall’intelligenza artificiale. Anche tra le aziende che hanno distribuito estensivamente sistemi AI, soltanto il 30% considera la propria infrastruttura completamente pronta a sostenere la crescita prevista.
L’impatto non riguarda soltanto l’infrastruttura IT. Il 75% degli intervistati prevede costi più elevati dovuti ad aggiornamenti reattivi dell’infrastruttura, il 73% teme di non riuscire a soddisfare le aspettative dei clienti e il 72% associa il ritardo nella modernizzazione sia a un aumento dei rischi di sicurezza sia alla perdita di opportunità di business. I dati suggeriscono che la qualità della connettività aziendale possa diventare un fattore direttamente collegato alla competitività dell’impresa, influenzando continuità operativa, qualità dei servizi e velocità di adozione dell’intelligenza artificiale.
Latenza e prevedibilità contano più della sola larghezza di banda
L’aumento della capacità non risolve automaticamente il problema. Gli agenti AI introducono infatti requisiti molto diversi rispetto alle applicazioni enterprise tradizionali, perché operano attraverso sequenze continue di richieste e decisioni che coinvolgono sistemi differenti e richiedono tempi di risposta costanti.
Un agente non esegue una singola interrogazione verso un modello linguistico. Può consultare un database, recuperare informazioni da un ERP, richiamare API esterne, coordinare altri agenti e aggiornare applicazioni aziendali. Ogni ritardo si propaga lungo l’intera catena operativa, aumentando il tempo necessario per completare il processo.
Una catena retail aveva introdotto un sistema di intelligenza artificiale per individuare i furti nei punti vendita. L’analisi richiedeva circa cinque secondi a causa della latenza della rete. Quando il sistema produceva l’allarme, il cliente aveva già lasciato il negozio, rendendo di fatto inefficace l’applicazione. L’episodio mostra come, negli scenari AI, la disponibilità di banda non sia sufficiente: anche pochi secondi di ritardo possono compromettere l’efficacia di un processo automatizzato.
Lo stesso principio vale per numerosi altri scenari. Un agente che coordina un processo produttivo, gestisce la logistica di un magazzino, controlla un robot collaborativo o supporta un sistema di sicurezza non può operare con tempi di risposta imprevedibili. La qualità della rete non dipende quindi soltanto dalla larghezza di banda, ma anche dalla capacità di garantire latenza ridotta, continuità di servizio e prestazioni prevedibili, caratteristiche che diventano parte integrante dell’infrastruttura necessaria per l’AI distribuita.
L’AI distribuita rende più difficile osservare l’infrastruttura
La diffusione degli agenti AI introduce anche un problema di governance. Le sperimentazioni nascono spesso nelle singole business unit, senza passare attraverso programmi centralizzati di trasformazione digitale. Ogni dipartimento può adottare modelli differenti, sviluppare propri agenti o integrare servizi cloud specifici, aumentando progressivamente la complessità dell’ambiente operativo.
Il 69% dei responsabili IT segnala una crescente difficoltà nel monitorare ciò che accade all’interno della rete, mentre il 71% denuncia l’aumento dei punti ciechi nelle attività di osservabilità. Non si tratta soltanto di identificare quali modelli linguistici vengano utilizzati, ma di sapere quali agenti siano effettivamente operativi, con quali applicazioni comunichino, quali dati elaborino e quali privilegi abbiano all’interno dell’organizzazione.
La questione richiama il fenomeno della Shadow AI, già emerso con l’adozione diffusa dei chatbot generativi, ma ne amplia significativamente la portata. Un agente non si limita infatti a produrre testo o codice: può eseguire operazioni, orchestrare workflow, accedere a sistemi aziendali e collaborare con altri agenti. Comprendere dove operino questi sistemi, quali informazioni utilizzino e come si muovano attraverso la rete diventa quindi un requisito essenziale per governare l’intera architettura dell’intelligenza artificiale, prima ancora che un problema di sicurezza.
Sicurezza e networking tendono a convergere
L’aumento dell’autonomia dei sistemi AI modifica anche il ruolo della sicurezza. Il 78% dei responsabili IT prevede una crescita dei rischi informatici con il passaggio dall’AI generativa ai sistemi agentici. Il 77% ritiene che l’intelligenza artificiale abbia già ampliato la superficie di attacco nell’ultimo anno, mentre il 71% osserva un’evoluzione delle minacce più rapida rispetto alla capacità degli strumenti di difesa di adattarsi.
L’86% delle organizzazioni ha già introdotto controlli specifici per i carichi di lavoro AI, ma il 61% continua a rinviare l’espansione dei progetti perché non considera ancora adeguata la propria postura di sicurezza. La difficoltà non riguarda soltanto la protezione dei modelli linguistici, ma il controllo di un numero crescente di sistemi autonomi che accedono a dati, utilizzano credenziali, richiamano servizi esterni e possono avviare automaticamente nuove attività.
In questo scenario, rete e sicurezza tendono progressivamente a sovrapporsi. Identità digitali, autorizzazioni, segmentazione della rete, monitoraggio dei flussi di comunicazione e applicazione delle policy diventano componenti della stessa architettura di controllo, anziché domini tecnologici separati.
Cisco propone di affrontare questa evoluzione attraverso una piattaforma che integra networking, sicurezza, osservabilità e telemetria. È una strategia coerente con il ruolo dell’azienda nel mercato delle infrastrutture di rete, ma riflette una tendenza più ampia che coinvolge l’intero settore: con la diffusione dei sistemi agentici, la rete non rappresenta più soltanto il mezzo attraverso cui transitano i dati, ma uno dei principali punti di controllo dell’infrastruttura digitale.
L’AI readiness comprende anche la rete
L’evoluzione verso sistemi agentici, distribuiti tra cloud, data center ed edge, amplia il concetto stesso di AI readiness. La capacità di elaborazione rimane essenziale, ma deve essere accompagnata da reti in grado di gestire volumi crescenti di traffico interno, garantire latenza contenuta, offrire piena osservabilità dell’infrastruttura e applicare criteri di sicurezza coerenti lungo tutto il ciclo operativo degli agenti.
L’evoluzione verso sistemi agentici, distribuiti tra cloud, data center ed edge, amplia però il concetto stesso di AI readiness. La capacità di elaborazione rimane essenziale, ma deve essere accompagnata da reti in grado di gestire volumi crescenti di traffico interno, garantire latenza contenuta, offrire piena osservabilità dell’infrastruttura e applicare criteri di sicurezza coerenti lungo tutto il ciclo operativo degli agenti.
I dati raccolti mostrano che questa trasformazione è già iniziata. Il 96% delle organizzazioni che hanno adottato diffusamente l’intelligenza artificiale ha accelerato i programmi di modernizzazione delle reti di campus e filiale, contro l’88% delle aziende ancora nelle fasi iniziali. Gli investimenti riguardano capacità, segmentazione, automazione, sicurezza integrata e conformità normativa, segno che la rete viene sempre più considerata parte dell’infrastruttura AI e non soltanto del sistema informativo aziendale.
Cisco interpreta questa evoluzione proponendo una piattaforma che integra networking, sicurezza e osservabilità. È una risposta coerente con il ruolo dell’azienda nel mercato delle infrastrutture, ma il cambiamento descritto dalla ricerca appare più ampio della singola proposta tecnologica.
Per anni la rete è stata considerata un’infrastruttura di trasporto: doveva essere veloce, affidabile e possibilmente invisibile. L’AI agentica la riporta invece al centro dell’architettura enterprise. La disponibilità di modelli sempre più potenti continuerà a rappresentare un fattore competitivo, ma la loro efficacia operativa dipenderà sempre di più dalla qualità dell’infrastruttura che collega applicazioni, dati, dispositivi e persone. Nell’era degli agenti AI, anche la rete entra a far parte dell’architettura dell’intelligenza artificiale.
