IBM Think 2026 segna un passaggio importante nell’evoluzione di IBM Db2 Genius Hub: la console AI-powered per le operations database non si limita più a suggerire cosa fare, ma inizia a supportare l’esecuzione controllata delle azioni, con supervisione umana e guardrail definiti. È un salto rilevante perché sposta il concetto di database autonomo da un modello prevalentemente consultivo a una logica più operativa, in cui agenti AI, inferenza on-premises, cloud e governance lavorano insieme per ridurre il lavoro manuale dei DBA e accelerare la gestione degli ambienti Db2.
IBM Think 2026, Db2 Genius Hub evolve verso operations database più autonome
IBM aveva introdotto all’inizio del 2026 la nuova esperienza di database autonomo basata su Db2 Genius Hub, costruita su una rete di agenti AI pensati per supportare gli amministratori di database in tre aree principali: manutenzione agentica, risoluzione agentica dei problemi e risposta agentica agli eventi operativi.
Con gli annunci di IBM Think 2026, questa impostazione entra in una fase più avanzata. Finora Db2 Genius Hub era stato disegnato soprattutto come sistema advisory: analizzava la telemetria, aiutava a identificare probabili cause radice, forniva raccomandazioni e guidava i team nella comprensione degli incidenti. Ora IBM introduce un’evoluzione più concreta: gli agenti AI possono proporre operazioni sul database ed eseguirle dopo approvazione dell’utente.
Il cambiamento è sostanziale. Nelle operations database, spesso la parte più lenta non è individuare il problema, ma tradurre una raccomandazione in un intervento corretto, validarlo e applicarlo in sicurezza su un ambiente di produzione. Db2 Genius Hub punta a ridurre proprio questa distanza tra diagnosi ed esecuzione, mantenendo però il controllo umano sulle decisioni operative.
Un agente, ad esempio, può proporre l’aggiornamento di una configurazione o la creazione di un indice, attendere la revisione da parte del DBA e procedere solo dopo l’approvazione. La piattaforma non viene quindi presentata come un sistema completamente autonomo e svincolato dalla supervisione, ma come un livello di automazione controllata che affianca i team tecnici nei passaggi più ripetitivi e time-consuming.
Da sistema consultivo a piattaforma che agisce sotto supervisione
La transizione da raccomandazione ad azione è il punto più rilevante dell’evoluzione di Db2 Genius Hub. IBM descrive questa fase come il passaggio da un’AI capace di dire cosa fare a un’AI capace di contribuire a farlo, sempre entro limiti definiti.
Per i team database, questo significa poter accorciare il ciclo operativo tra rilevazione, analisi, decisione e intervento. In ambienti enterprise complessi, dove un problema prestazionale o una configurazione non ottimale possono avere impatti diretti su applicazioni critiche, la possibilità di automatizzare parte della catena operativa può ridurre tempi di risposta e rischio di errore manuale.
Il modello resta però fondato su trasparenza, spiegabilità e approvazione umana. Non è un dettaglio secondario. Nel mondo dei database aziendali, soprattutto in settori regolamentati come finanza, sanità, pubblica amministrazione o telecomunicazioni, nessuna organizzazione può permettersi un’automazione opaca sulle infrastrutture dati. L’AI può suggerire e preparare l’azione, ma il controllo su ciò che avviene in produzione deve restare verificabile.
Questa impostazione rende Db2 Genius Hub più vicino a un sistema di operations assistite che a un semplice strumento di monitoraggio intelligente. La piattaforma osserva, interpreta, propone e, quando autorizzata, contribuisce all’esecuzione. È qui che IBM prova a collocare il concetto di database autonomo: non come assenza del DBA, ma come riduzione del lavoro manuale e maggiore capacità di presidiare ambienti sempre più distribuiti.
L’integrazione con MCP porta Db2 Genius Hub nei workflow IT già esistenti
Uno dei nuovi tasselli annunciati riguarda l’accesso tramite MCP, Model Context Protocol. IBM punta a rendere Db2 Genius Hub utilizzabile non solo dalla propria console, ma anche dagli strumenti in cui i team IT lavorano già ogni giorno.
MCP è uno standard aperto per collegare applicazioni AI a strumenti e sistemi esterni. Nel caso di Db2 Genius Hub, consente ai client MCP di connettersi agli agenti della piattaforma e utilizzare le loro capacità all’interno di workflow operativi più ampi. In questo modo, Genius Hub non resta confinato a una console autonoma, ma può diventare parte di un ecosistema di gestione IT più esteso.
Per le aziende, questo punto è importante perché l’adozione dell’AI nelle operations non può dipendere dall’aggiunta di un ulteriore silo. Se un sistema intelligente richiede di uscire dai processi già consolidati, il rischio è che venga usato solo in casi specifici o da pochi specialisti. L’integrazione tramite MCP mira invece a portare le capacità agentiche di Db2 Genius Hub direttamente dentro gli ambienti operativi esistenti.
La direzione è coerente con l’evoluzione dell’AI enterprise: meno strumenti isolati, più agenti capaci di interagire con sistemi, dati, policy e workflow già presenti nell’organizzazione. Per un database come Db2, che spesso si trova al centro di applicazioni critiche e ambienti ibridi, questa integrazione può fare la differenza tra una funzione interessante e una capacità realmente operativa.
Db2 Genius Hub Remote aggiunge contesto host-level per la diagnosi dei problemi
Un altro elemento rilevante è l’introduzione di Db2 Genius Hub Remote, pensato per estendere la capacità di analisi oltre la sola telemetria del database. Non tutti i problemi possono essere spiegati guardando esclusivamente agli indicatori interni di Db2. Spesso le cause reali si trovano a livello di host: CPU, memoria, storage, sistema operativo, saturazione delle risorse o condizioni infrastrutturali che incidono sul comportamento del database.
Con un accesso sicuro a livello host, Db2 Genius Hub Remote consente all’AI di incorporare questo contesto nei dashboard e nei flussi di analisi. Il risultato è una diagnosi più profonda, che può collegare meglio sintomo, causa radice e possibile risoluzione.
È un passaggio tecnico ma molto concreto. Nei grandi ambienti enterprise, i team database e i team infrastrutturali non sempre condividono la stessa vista del problema. Il database può segnalare un degrado prestazionale, mentre l’origine può dipendere da I/O storage, memoria insufficiente, configurazioni del sistema operativo o carichi concorrenti sull’host. Integrare questi segnali in un’unica esperienza AI-assisted permette di ridurre i tempi di problem determination e di evitare analisi frammentate.
Db2 Genius Hub Remote, quindi, non aggiunge solo nuovi dati: aggiunge una prospettiva più completa sul funzionamento reale dell’ambiente. Per un sistema che ambisce ad accompagnare le operations verso maggiore autonomia, il contesto infrastrutturale è indispensabile.
Scheduling in linguaggio naturale per trasformare le routine in azioni pianificate
IBM introduce anche il supporto ad AI Task Automation, con scheduling in linguaggio naturale. È una funzionalità apparentemente semplice, ma significativa per il lavoro quotidiano dei DBA.
Un amministratore può chiedere a Db2 Genius Hub di eseguire attività ricorrenti usando istruzioni in linguaggio naturale, ad esempio pianificare un backup ogni mattina alle 8. L’obiettivo è trasformare un’intenzione operativa in un’azione schedulata senza dover comporre script, configurare manualmente promemoria o collegare strumenti diversi.
Questo sposta Db2 Genius Hub da un ruolo prevalentemente reattivo a uno più continuativo. Non interviene solo quando qualcosa si rompe o quando viene richiesta un’analisi, ma può entrare nel ritmo ordinario delle attività database. La manutenzione, la pianificazione e alcune operazioni ripetitive diventano così parte di un flusso più automatizzato.
Anche qui, il valore non è soltanto la comodità. In ambienti complessi, la standardizzazione delle attività ricorrenti riduce errori, dimenticanze e variazioni operative tra team o sedi diverse. L’AI, se governata correttamente, può rendere più omogeneo il modo in cui le attività database vengono pianificate ed eseguite.
L’inferenza AI diventa il motore operativo del database autonomo
Dietro l’evoluzione di Db2 Genius Hub c’è un tema infrastrutturale decisivo: l’inferenza AI. Se il training dei modelli è la fase in cui l’AI apprende, l’inferenza è il momento in cui l’AI genera valore operativo, interpretando segnali, producendo insight, formulando raccomandazioni e guidando azioni in tempo reale.
Per un sistema mission critical come un database enterprise, l’inferenza non può essere lenta, instabile o distante dai dati. Deve essere sufficientemente performante per produrre risposte utili, abbastanza coerente da essere considerata affidabile e abbastanza efficiente da integrarsi con infrastrutture già esistenti.
È qui che IBM colloca l’ampliamento del supporto a nuovi ambienti, cloud e acceleratori AI. Db2 Genius Hub era già stato progettato per supportare workload AI esigenti, con integrazione verso Amazon Bedrock, IBM watsonx.ai, AMD Instinct e, in specifici contesti, acceleratori NVIDIA. Con i nuovi annunci, IBM estende ulteriormente il quadro includendo Google Vertex AI, Microsoft AI Foundry e Intel Gaudi per deployment on-premises.
Il messaggio è netto: per IBM, il database autonomo non può dipendere da un unico stack. Le aziende devono poter scegliere dove eseguire l’inferenza in base a requisiti di latenza, costo, sovranità del dato, regolamentazione, strategia cloud e vincoli architetturali.
Intel Gaudi rafforza l’AI on-premises per ambienti regolamentati e air-gapped
Una parte importante degli annunci riguarda Intel Gaudi, in particolare per l’inferenza AI on-premises. Per molte organizzazioni, soprattutto in settori regolamentati, non tutto può essere spostato nel cloud. I dati possono dover restare dietro il firewall aziendale, in ambienti controllati o addirittura air-gapped, dove la connessione con servizi esterni è limitata o assente.
In questi scenari, la possibilità di eseguire inferenza AI localmente diventa fondamentale. Db2 Genius Hub, usando Intel Gaudi come inferencing server, può supportare workload AI vicino ai sistemi di produzione, con maggiore controllo su dati, infrastruttura e compliance.
IBM evidenzia il ruolo dell’architettura multicard di Gaudi, del motore Red Hat vLLM e del supporto all’esecuzione concorrente di istanze LLM. Questa combinazione consente una distribuzione più efficiente dei workload di inferenza e una gestione più fluida di molte richieste simultanee. L’obiettivo è mantenere una latenza adeguata per ogni richiesta, migliorando la reattività e la coerenza dell’esperienza utente nei deployment on-premises di Db2 Genius Hub.
È un tema meno visibile rispetto alle funzionalità agentiche, ma altrettanto rilevante. Un assistente AI per le operations database può essere efficace solo se risponde in modo rapido e consistente anche sotto carico. Se la qualità delle risposte degrada quando aumentano le richieste concorrenti, la fiducia degli utenti cala rapidamente. Per questo la collaborazione tra IBM e Intel si è concentrata non solo sulle performance grezze, ma sul comportamento dell’inferenza in scenari enterprise realistici.
Stress test, tool calling e valutazioni sul campo per validare l’inferenza
IBM descrive Db2 Genius Hub anche come terreno di validazione reale per l’inferenza basata su Intel Gaudi. La collaborazione con Intel ha incluso test approfonditi sugli agenti AI della piattaforma, con scenari di contextual search, tool calling e carichi concorrenti simili a quelli che gli utenti possono generare in produzione.
Questo approccio è rilevante perché l’AI enterprise non si valuta solo con benchmark teorici. Un conto è misurare la velocità di un modello in condizioni controllate; altro è verificare come il sistema risponde quando più utenti interrogano la piattaforma, quando gli agenti devono richiamare strumenti, contestualizzare dati specifici del dominio e mantenere coerenza qualitativa sotto stress.
Durante le valutazioni, IBM ha raccolto dati dettagliati sulle risposte e punteggi di qualità, condividendoli con Intel per identificare problemi sottili, come variazioni nella consistenza delle risposte o degradazioni sotto livelli più alti di concorrenza. Gli interventi sono stati poi testati, misurati e raffinati iterativamente.
Questo tipo di ciclo di feedback è essenziale per portare l’AI dalle demo alla produzione. Le imprese non cercano solo modelli potenti, ma sistemi affidabili quando entrano nei processi quotidiani. In particolare, per ambienti database, la fiducia dipende dalla capacità dell’AI di spiegare correttamente, agire con prudenza e mantenere prestazioni prevedibili.
Google Vertex AI amplia la scelta per le strategie cloud-first
Accanto all’evoluzione on-premises, IBM annuncia anche il supporto a Google Vertex AI. Per i clienti che adottano una strategia cloud-first o che hanno workload su Google Cloud Platform, questa integrazione consente di collegare i dati Db2 alla piattaforma AI gestita di Google per costruire, distribuire e scalare modelli di machine learning.
Il punto chiave è la flessibilità. IBM riconosce che nell’AI generativa enterprise non esiste un modello valido per tutti. Le aziende hanno requisiti diversi in termini di latenza, costi, localizzazione dei dati, piattaforme già adottate e competenze interne. Il supporto a Vertex AI serve quindi a rendere Db2 Genius Hub più coerente con ambienti ibridi e multi-cloud.
In cloud, IBM posiziona Db2 Genius Hub dentro un quadro di compatibilità tra provider. IBM Cloud resta l’ambiente più integrato per l’esperienza Db2, con accesso alle offerte più recenti basate su Intel Gaudi e NVIDIA Blackwell. AWS continua a essere supportato attraverso Amazon Bedrock e servizi gestiti AWS. Google Cloud Platform aggiunge ora Vertex AI come ponte tra dati operativi e modelli AI avanzati.
La conseguenza è che le organizzazioni possono distribuire le capacità autonome di Db2 Genius Hub dove ha più senso farlo: nel data center aziendale, in IBM Cloud, su AWS o su Google Cloud. Per chi gestisce architetture ibride, è una condizione quasi obbligatoria.
Db2 Genius Hub come layer agentico per l’era hybrid cloud
L’espansione del supporto a piattaforme e acceleratori AI rafforza un’idea precisa: Db2 Genius Hub non è solo una console intelligente, ma un layer operativo agentico per ambienti Db2 distribuiti. Il suo compito è correlare segnali, contesto operativo e capacità AI per aiutare i team a capire che cosa è cambiato, perché è successo e quale azione intraprendere.
Questo vale sia per il cloud sia per l’on-premises. Dietro il firewall aziendale, Genius Hub può sfruttare acceleratori come NVIDIA H100 e H200, AMD Instinct e Intel Gaudi per offrire inferenza ad alte prestazioni in data center controllati. Nel cloud, può collegarsi a piattaforme gestite come Amazon Bedrock, IBM watsonx.ai e Google Vertex AI.
Questa architettura risponde a un problema reale: i dati enterprise raramente vivono in un solo posto. Alcuni carichi restano on-premises per ragioni di sicurezza o latenza, altri vengono spostati nel cloud per scalabilità o modernizzazione applicativa, altri ancora devono rispettare requisiti di data residency. Un sistema di database operations basato su AI deve quindi adattarsi alla distribuzione effettiva dell’azienda, non imporre un modello unico.
IBM usa questa flessibilità per rafforzare il posizionamento di Db2 nel contesto hybrid cloud. Il database non viene più visto solo come repository transazionale o analitico, ma come base operativa su cui innestare capacità AI agentiche.
Db2 Genius Hub SaaS abbassa la barriera di ingresso
Tra le novità c’è anche Db2 Genius Hub come servizio cloud. L’opzione SaaS offre ai clienti un modello gestito, eliminando la necessità di distribuire e mantenere direttamente la console.
Per i team che vogliono accelerare l’adozione, questa scelta può ridurre complessità iniziale e tempi di messa in opera. Db2 Genius Hub SaaS è pensato sia per i clienti Db2 SaaS sia per le organizzazioni che preferiscono un modello gestito, con accesso alle capacità di Genius Hub senza l’onere operativo di amministrare una propria installazione della console.
Il valore è evidente soprattutto per le aziende che vogliono sperimentare rapidamente il database autonomo senza affrontare subito un deployment complesso. In un mercato in cui le competenze database e AI non sono sempre disponibili in abbondanza, un modello gestito può rendere più accessibile l’adozione di funzionalità avanzate.
Questo non elimina la necessità di governance, ma cambia il punto di ingresso. Le organizzazioni possono scegliere tra maggiore controllo on-premises, integrazione cloud o consumo SaaS, in base alla propria maturità, ai vincoli interni e alla criticità dei workload.
Dal database come archivio al database come motore di intelligenza operativa
La direzione di IBM è chiara: il database non deve essere soltanto il luogo in cui i dati vengono conservati, ma il motore che alimenta l’intelligenza operativa dell’impresa. Db2 Genius Hub nasce esattamente su questa premessa, con l’obiettivo di trasformare la gestione degli ambienti Db2 attraverso agenti AI, contesto governato, raccomandazioni esperte e automazione supervisionata.
La transizione verso l’agentic AI cambia anche il modo in cui viene interpretato il rapporto tra database e amministratori. Il DBA non scompare, ma viene affiancato da un sistema capace di assorbire una parte del carico ripetitivo, accelerare la diagnosi, proporre azioni e standardizzare attività ricorrenti. Il suo ruolo si sposta progressivamente dalla gestione manuale di problemi isolati alla supervisione di processi più intelligenti e automatizzati.
È una trasformazione che richiede fiducia. Per questo IBM insiste su controllo, explainability, accesso sicuro, approvazione umana e deployment flessibile. L’autonomia, in ambito database, non può essere cieca: deve essere verificabile, governata e adattabile all’ambiente operativo dell’azienda.
Le nuove capacità di Db2 Genius Hub sono previste in rollout a partire da giugno 2026. Per i clienti Db2, IBM indica anche la possibilità di passare alle Db2 AI Editions per accedere a Genius Hub e alle nuove funzionalità di inferenza. Il messaggio di fondo è che l’autonomous database entra in una fase più concreta: meno dashboard che si limitano a spiegare, più agenti capaci di aiutare i team a intervenire, pianificare e governare l’operatività su scala enterprise.
IBM Think 2026, IBM e AWS portano l’agentic AI su scala enterprise
IBM Think 2026, IBM Cyber Fraud porta l’AI nelle indagini antifrode
