TeamViewer accelera sull’automazione IT basata su intelligenza artificiale e rivendica un posizionamento sempre più centrale nella gestione autonoma degli endpoint. Il superamento della soglia di un milione di sessioni di supporto remoto gestite tramite AI – con oltre 300.000 sessioni nel solo mese di marzo – rappresenta un indicatore quantitativo rilevante di questa traiettoria. Non si tratta soltanto di un dato di adozione, ma della manifestazione di un modello tecnologico fondato sull’accumulazione e sull’elaborazione di grandi volumi di dati operativi strutturati, che alimentano in modo continuo i sistemi di automazione e costituiscono un asset competitivo difficilmente replicabile.
AEM e apprendimento continuo: il modello closed-loop
Alla base vi è un approccio definito “closed-loop” nell’ambito dell’Autonomous Endpoint Management (AEM), in cui ogni intervento tecnico diventa un elemento di apprendimento per la piattaforma. Le sessioni di supporto non si limitano a risolvere problemi puntuali, ma contribuiscono a costruire un patrimonio di conoscenza che consente al sistema di replicare, automatizzare e anticipare le attività di troubleshooting.
Dal punto di vista architetturale, l’AEM combina telemetria, analisi e automazione in un’architettura distribuita, in cui gli endpoint diventano nodi intelligenti di una rete operativa. Gli agent installati sui dispositivi raccolgono in tempo reale flussi di dati relativi a prestazioni, configurazioni ed eventi di sistema, trasformando ogni endpoint in una fonte continua di informazioni operative.
Questi dati vengono normalizzati e correlati per creare una vista unificata dello stato dell’infrastruttura. Su questa base si innesta il motore di analisi, che utilizza modelli di machine learning per individuare anomalie, pattern ricorrenti e segnali predittivi, con l’obiettivo non solo di rilevare errori evidenti, ma di anticipare i malfunzionamenti prima che si traducano in incidenti.
Il passaggio chiave è rappresentato dall’introduzione di agenti AI che operano come entità autonome: interpretano il contesto operativo, selezionano le azioni più appropriate e orchestrano interventi su più sistemi, dalla configurazione dei dispositivi alla gestione dei servizi e all’esecuzione di workflow di remediation.
La combinazione tra osservazione delle attività dei tecnici, apprendimento dai dati e automazione in tempo reale genera un ciclo virtuoso: ogni intervento produce nuove informazioni che alimentano il sistema, migliorando progressivamente la capacità di diagnosi e ottimizzando le strategie di risposta.
Il risultato è una progressiva riduzione dell’intervento umano nelle attività ripetitive e una crescente capacità del sistema di operare in autonomia, anticipando i problemi, aumentando la resilienza dell’infrastruttura e trasformando l’IT da funzione reattiva a sistema predittivo e adattivo.
Dalla complessità degli endpoint a un IT predittivo
Questo paradigma si inserisce in un contesto in cui la complessità delle infrastrutture IT è in forte espansione. Gli endpoint non coincidono più con i dispositivi tradizionali, ma includono macchinari industriali, sistemi embedded e componenti robotici. In questo scenario, la gestione unificata richiede capacità di astrazione e standardizzazione dei dati provenienti da ambienti eterogenei.
TeamViewer punta a consolidare in un’unica piattaforma di digital workplace la supervisione e l’automazione di ambienti distribuiti, con l’obiettivo di passare da una logica reattiva a una gestione predittiva e proattiva. L’analisi storica e in tempo reale dei dati consente di individuare segnali deboli di malfunzionamento – degradazioni progressive, anomalie intermittenti, configurazioni incoerenti – prima che si traducano in incidenti.
Ne deriva anche una trasformazione del ruolo dei team IT, progressivamente liberati dalle attività di supporto emergenziale per concentrarsi su funzioni di orchestrazione, governance e ottimizzazione dei processi digitali.
Digital friction: il costo nascosto dell’inefficienza IT
Questa evoluzione tecnologica si confronta con un problema strutturale che il report The Impact of Digital Friction: 2025 Report quantifica in modo dettagliato. La digital friction – ossia l’insieme delle inefficienze e dei malfunzionamenti che impediscono ai sistemi digitali di funzionare correttamente – rappresenta oggi un fattore critico per la produttività e la competitività delle imprese.
Il 48% delle organizzazioni segnala ritardi in attività critiche e il 42% un impatto diretto sui ricavi, mentre il 37% dichiara di aver perso clienti a causa di problemi IT. A livello individuale, l’80% dei lavoratori perde tempo ogni mese per inefficienze tecnologiche, per una media di 1,3 giornate lavorative.
A rendere il fenomeno ancora più rilevante è la sua pervasività. L’88% degli utenti ha riscontrato problemi di connettività, l’82% crash software e l’80% guasti hardware o difficoltà di autenticazione. Non si tratta quindi di anomalie episodiche, ma di una condizione strutturale che incide quotidianamente sull’operatività.
Le conseguenze si estendono oltre la dimensione interna. Il 40% dei dipendenti ricorre a dispositivi o applicazioni personali per aggirare i problemi tecnologici, alimentando fenomeni di Shadow IT che introducono rischi in termini di sicurezza e governance.
In Italia: presenza fisica elevata e risposta ancora parziale
In questo quadro globale, i dati italiani evidenziano alcune specificità. Il campione include 400 tra manager e dipendenti italiani e mostra come il Paese presenti la più alta quota di lavoro completamente in presenza tra quelli analizzati, pari al 64%. Questo elemento implica una maggiore dipendenza da infrastrutture IT locali e modelli di supporto tradizionali.
Sul fronte della maturità organizzativa, il 26% delle aziende italiane non ha adottato alcuna iniziativa per affrontare la digital friction. A questo si aggiunge un ulteriore fattore critico: i tempi di sostituzione del personale, che in Italia superano mediamente le 10 settimane, amplificando l’impatto economico delle inefficienze tecnologiche.
Impatto umano: produttività, fiducia e benessere
Il report evidenzia come la digital friction incida direttamente anche sulla dimensione umana del lavoro. Il 47% dei lavoratori dichiara una riduzione della soddisfazione professionale, il 42% associa queste inefficienze al burnout e il 69% ritiene che contribuiscano al turnover.
Le inefficienze tecnologiche, tuttavia, non sempre emergono nei sistemi di supporto ufficiali. Molti lavoratori tendono a non segnalare i problemi e a gestirli autonomamente, creando una discrepanza tra la percezione dell’IT e l’esperienza reale degli utenti. Il fenomeno assume così una dimensione più ampia, spesso invisibile.
La digital friction si manifesta nella quotidianità operativa, compromettendo attività anche semplici: riunioni rallentate da problemi tecnici, connessioni instabili, strumenti che non funzionano nei momenti critici. Episodi che, nel tempo, erodono concentrazione, fiducia e senso di controllo sul lavoro.
Il report evidenzia inoltre come la frustrazione possa sfociare in reazioni concrete, soprattutto tra i lavoratori più giovani, segnalando come la qualità dell’esperienza digitale incida direttamente anche sul benessere individuale.
Generational divide: la Gen Z alza l’asticella
Un elemento particolarmente rilevante è il divario generazionale nella percezione della digital friction. I dati mostrano come la Gen Z sia nettamente più esposta e meno tollerante alle inefficienze tecnologiche rispetto alle generazioni precedenti.
I lavoratori più giovani arrivano a perdere fino a 1,5 giornate lavorative al mese a causa della digital friction, contro appena 0,7 giorni per i Baby Boomer. Un divario che traduce in termini concreti l’impatto della qualità tecnologica sull’efficienza operativa.
A questo si aggiunge una maggiore propensione a cercare soluzioni alternative: il 52% della Gen Z utilizza dispositivi o applicazioni personali per aggirare problemi IT, contro il 22% dei Baby Boomer. Sul piano della retention, il 40% dei lavoratori più giovani ha preso in considerazione l’idea di lasciare l’azienda a causa delle inefficienze tecnologiche, mentre tra i Baby Boomer il 47% ritiene che queste non abbiano alcun impatto sull’abbandono del lavoro.
La differenza riflette aspettative profondamente diverse: i digital native, abituati a esperienze fluide e immediate, trasferiscono queste esigenze anche nel contesto professionale, rendendo la qualità dell’esperienza digitale un fattore determinante per produttività, engagement e retention.
DEX e AI agentica: verso un IT che previene, non reagisce
Ridurre la digital friction richiede un cambio di approccio anche sul piano metodologico. Il report evidenzia come molte inefficienze restino invisibili ai sistemi di supporto tradizionali, perché gli utenti non segnalano i problemi o li aggirano autonomamente. Ne deriva la necessità di introdurre modelli basati su monitoraggio continuo, correlazione dei dati e analisi predittiva.
In questo contesto si afferma il concetto di Digital Employee Experience (DEX), che sposta l’attenzione dalla sola performance tecnica alla qualità complessiva dell’interazione tra persone e tecnologia. La DEX diventa una metrica composita che integra dati tecnici, segnali comportamentali e feedback degli utenti, fornendo una visione end-to-end dell’esperienza digitale.
È su questa base che si innesta l’evoluzione verso l’AI agentica. A differenza dei modelli di automazione tradizionale, basati su regole statiche o script predefiniti, gli agenti AI operano come entità autonome in grado di interpretare il contesto, prendere decisioni e coordinare azioni su più sistemi. In ambito AEM, questo significa passare da workflow deterministici a sistemi adattivi capaci di identificare automaticamente le cause dei problemi, orchestrare interventi e apprendere dai risultati.
Il modello sviluppato da TeamViewer rappresenta una prima applicazione concreta di questo paradigma: sistemi che non si limitano a eseguire remediation, ma costruiscono una conoscenza operativa cumulativa e la riutilizzano in modo autonomo. Il superamento del milione di sessioni AI assume quindi un significato che va oltre il dato numerico: indica la transizione verso un IT autonomo, in cui diagnosi, decisione e azione tendono progressivamente a convergere in sistemi intelligenti distribuiti.
In un contesto in cui la tecnologia è sempre più pervasiva e critica per i processi di business, la capacità di ridurre la frizione digitale attraverso modelli predittivi e agentici si configura come uno dei principali fattori abilitanti della produttività.
