“Vogliamo automatizzare la complessità dell’IT”: l’approccio IBM all’AI per l’Automation secondo Labros Kisouras, VP Worldwide Automation Sales

Durante l’IBM Automation Summit tenutosi presso gli IBM Studios di Milano, abbiamo incontrato Labros Kisouras, Vice President Worldwide Automation Sales di IBM, per comprendere meglio l’ambizione dell’azienda: automatizzare l’intero ciclo di vita tecnologico con il supporto dell’intelligenza artificiale. Un progetto ambizioso, ma reso sempre più concreto da acquisizioni strategiche, integrazioni tecnologiche e un approccio estremamente pratico alla complessità dell’IT moderno.

In un mondo ideale l’IT dovrebbe essere un abilitatore del business: “Le applicazioni dovrebbero essere sempre resilienti, sicure, performanti. L’infrastruttura dovrebbe essere elastica, invisibile. Ogni euro speso in tecnologia dovrebbe generare valore”, esordisce Labros Kisouras. Ma la realtà è spesso molto diversa.

“Il 27% della spesa cloud è sprecata. Il 37% dei CEO non sa dove vadano a finire i budget IT. L’82% dei leader aziendali riconosce che la complessità sta frenando la digitalizzazione”, continua. La causa principale? “La stratificazione tecnologica: nessuna tecnologia scompare mai del tutto. Si accumula. E ogni nuova iniziativa si costruisce sopra fondamenta sempre più complesse”. Senza metriche di business le organizzazioni faticano a misurare l’impatto finanziario delle applicazioni IT, rendendo difficile il processo decisionale.

A tutto ciò si aggiunge la scarsità di competenze. “Il 64% delle aziende non riesce a trovare persone con skill adeguate. E senza automazione, queste complessità diventano ingestibili”.

“Oggi non basta più acquistare tecnologie. I clienti vogliono visibilità, efficienza, resilienza. Ma ciò che li frena è la complessità”, spiega Kisouras. “Per questo abbiamo deciso di cambiare approccio e costruire una vera piattaforma, dove i nostri prodotti non siano solo accostati, ma integrati per affrontare insieme la gestione del ciclo di vita tecnologico: un nuovo approccio all’automazione e all’AI-driven IT management, con l’obiettivo di trasformare la gestione IT in un vantaggio competitivo.

Oggi le aziende investono miliardi in tecnologia, acquistando infrastrutture, software, licenze cloud e risorse umane per la gestione IT, ma spesso senza una chiara strategia per ottimizzare queste spese e tradurle in risultati di business concreti.

Il problema principale è la mancanza di trasparenza e controllo sui costi IT. Molte imprese non sanno esattamente dove e come stanno spendendo il loro budget tecnologico, né se questi investimenti stanno realmente portando valore.

Processi IT manuali e inefficienti non automatizzati fanno perdere tempo alle azienze in attività operative che potrebbero essere ottimizzate”.

Gli investimenti in aziende e tecnologie per l’automazione

Negli ultimi tre anni IBM ha investito 17 miliardi di dollari nel settore dell’automazione, acquisendo aziende specializzate in aree strategiche.

L’investimento si è concentrato su cinque aree dell’automazione:

1. FinOps e IT Financial Management: IBM ha acquisito soluzioni leader nel controllo e nell’ottimizzazione della spesa IT, con l’obiettivo di offrire visibilità finanziaria end-to-end e ridurre gli sprechi:
   • Apptio – Strumento per la gestione finanziaria dell’IT, che consente di tracciare e allocare i costi tecnologici per progetto, business unit o servizio.
   • Cloudability – Specializzata nella gestione e ottimizzazione dei costi cloud.
   • Turbonomic – Motore AI per l’ottimizzazione automatizzata delle risorse (on-prem e cloud), in grado di agire in tempo reale per garantire performance al minor costo possibile.
2. Observability & Performance Management: L’osservabilità è la chiave per prevenire i problemi prima che si manifestino, un aspetto critico in ambienti complessi. IBM ha investito in tecnologie capaci di monitorare e analizzare dati in tempo reale:
   • Instana – Strumento di osservabilità full-stack per microservizi, Kubernetes, applicazioni cloud-native.
   • SevOne – Focalizzato sul network performance monitoring.
   • IBM Concert – Sviluppato in-house ma con tecnologie acquisite, è il cervello operativo che coordina osservabilità, AI, automazione e remediation.
3. Infrastructure Automation & DevOps: l’infrastruttura deve essere gestita in modo standardizzato, automatico, rapido, sicuro e scalabile. IBM ha puntato su strumenti noti nell’ecosistema DevOps:
   • HashiCorp (acquisizione annunciata a fine 2023) – Con i suoi prodotti di punta:
   • Terraform (Infrastructure as Code),
   • Vault (gestione dei segreti),
   • Consul (service discovery e mesh networking),
   • Boundary (gestione sicura degli accessi).
4. Application Integration e API Management: Con l’esplosione dei microservizi e dell’AI generativa, la gestione delle API è diventata cruciale. IBM ha investito in:
   • API Connect – Per gestire, proteggere e scalare le API aziendali.
   • NoName Security – Soluzione di sicurezza avanzata per le API, che analizza e protegge l’intero ciclo di vita dell’API.
5. Asset Lifecycle Management & ESG. Per le aziende con asset fisici (produzione, energia, trasporti), IBM ha rafforzato l’offerta su:
   • Maximo Application Suite – Soluzione per la gestione completa degli asset fisici (manutenzione, monitoraggio, predizione guasti).
   • Envizi ESG Suite – Piattaforma per il tracciamento e la gestione dei dati ambientali e di sostenibilità.

“Questi investimenti hanno portato all’acquisizione di tecnologie chiave he ci consentono di offrire ai clienti soluzioni completamente integrate per la gestione automatizzata delle loro infrastrutture IT”, afferma Kisouras.

“Parliamo di un ecosistema, non di un singolo prodotto. L’IBM Automation Platform è una suite di soluzioni progettate per coprire l’intero ciclo di vita della tecnologia, dalla creazione delle applicazioni alla gestione delle infrastrutture, fino al monitoraggio delle performance e all’ottimizzazione dei costi.

La piattaforma è composta da moduli interoperabili, ognuno dei quali può essere adottato singolarmente oppure come parte di un’architettura più ampia. È un approccio composable: le aziende possono iniziare con ciò di cui hanno più bisogno e poi espandersi progressivamente”.

Per fare qualche esempio di sistemi basati su alcuni dei moduli della Platform, nell’ambito della risoluzione automatizzata degli incidenti IT, un sistema AIOps – composto da Concert, Instana e ServiceNow – permette di rilevare anomalie, suggerire remediation basate su AI, e in alcuni casi automatizzare completamente la risoluzione di problemi.

“Un esempio concreto? Un nostro cliente riesce oggi a risolvere incidenti in pochi minuti che prima richiedevano giorni di lavoro manuale. Grazie a Turbonomic e Cloudability, aiutiamo le aziende a ridurre il cloud waste fino al 30%. E con AI predittiva, possiamo anche anticipare i picchi di utilizzo, spostando i carichi in modo intelligente per evitare overprovisioning o rallentamenti.

Con strumenti come IBM Verify e Vault, possiamo gestire identità, segreti e accessi in modo centralizzato, sicuro e automatizzato. Questo è fondamentale in ambienti distribuiti dove ogni applicazione, API o microservizio deve comunicare con altri componenti in modo protetto.

E non parliamo solo di teoria. Questi sistemi sono già in uso da clienti reali, e in alcuni casi anche internamente a IBM, dove stiamo ottenendo risparmi per oltre 3,5 miliardi di dollari in costi operativi”.

L’intelligenza artificiale al centro: da semplice assistente a motore operativo

Nel contesto dell’IBM Automation Platform, l’AI non è un “plus”. È l’elemento abilitante che permette di gestire la complessità dell’IT moderno, trasformando segnali disorganici in azioni concrete, intelligenti, tracciabili. Non si tratta solo di generare suggerimenti, ma di guidare, eseguire e monitorare azioni end-to-end, attraverso ogni fase del ciclo di vita della tecnologia.

Come spiega Labros Kisouras “Parliamo di AI applicata, non generica. Non ci interessa generare testo, ma orchestrare infrastrutture, modernizzare codice, prevenire incidenti e ottimizzare la spesa. In tempo reale, su scala enterprise.”

IBM adotta diversi paradigmi di AI, ciascuno progettato per risolvere un preciso tipo di problema. Ecco le principali:

L’AI generativa (LLM-based) è utilizzata per

• Generare flussi di automazione (“contract workflows”) a partire da input testuali, prompt o documentazione.
• Scrivere codice, script Ansible o Terraform a partire da intenti espressi in linguaggio naturale.
• Arricchire i ticket ITSM con suggerimenti generati dinamicamente da Watsonx.ai (o modelli alternativi).
• Risolvere problemi noti sfruttando la documentazione tecnica esistente, con approccio RAG (Retrieval Augmented Generation).

L’AI predittiva e di correlazione (ML / time-series) è utilizzata in

• AIOps: raccoglie eventi da ambienti eterogenei (Instana, Turbonomic, NS1…), li correla, ne scopre pattern temporali e segnala anomalie.
• Anomaly detection su metriche di performance, log, traffico di rete, utilizzo delle risorse.
• Predictive incident prevention: individua situazioni a rischio prima che diventino un problema operativo.

L’AI decisionale aiuta in

• Ottimizzazione delle risorse (es. workload placement, scaling, autoscaling, rischedulazione job) tramite Turbonomic.
• Remediation automatica: valutazione di opzioni multiple e selezione della più efficiente, in termini di rischio, costo e tempo.

L’AI “di contesto” (Knowledge Graph + Topology AI) consente

• di creare una topologia dinamica delle applicazioni e dei sistemi infrastrutturali, derivata da dati statici (codice, pipeline, immagini) e dinamici (telemetria, log, eventi).
• L’AI può “vedere” quali componenti sono connessi, capire l’impatto di una vulnerabilità, e suggerire modifiche o mitigazioni solo dove serve.

Un motore AI operativo, non solo informativo

L’AI di IBM non si limita a fornire dashboard o insight. È esecutiva: può generare azioni, flussi, chiamate API, modifiche a sistemi reali.

Kisouras ha mostrato alcuni esempi concreti:

• Patching intelligente: in un caso reale, IBM ha analizzato documentazione tecnica, inventari hardware/software e runbook, e ha generato un flusso di patching completamente automatizzato. Da 20 giorni di lavoro manuale a 2 ore di esecuzione.
• Ticket enrichment con AI: a partire da un alert CPU o rete, il sistema crea un ticket in ServiceNow arricchito da descrizione tecnica, causa probabile e possibili fix. Tutto generato dal modello Watsonx sulla base di esperienze pregresse.
• Gestione vulnerabilità: dalla scoperta CVE alla valutazione del blast radius, fino al codice da sostituire, l’AI guida il processo end-to-end. È possibile inviare automaticamente il fix su GitHub o innescare approvazioni umane su ServiceNow.
• Compliance e resilienza: l’AI è in grado di valutare se un’applicazione è conforme a framework come NIST, ISO, PCI-DSS. Se rileva deviazioni (drift), suggerisce azioni per riallinearsi.

Modelli, addestramento e pluggabilità

IBM utilizza modelli propri (come quelli di Watsonx) ma la piattaforma è modularmente estendibile, supportando modelli esterni (OpenAI, Anthropic, Cohere, Mistral…) in modalità pluggable, consentendo ai clienti di caricare e usare modelli addestrati internamente su dati proprietari. Grazie ai meccanismi di guardrail e auditability ogni decisione AI è tracciata, validabile, verificabile, con approvazione umana dove richiesto.

“Tutto è tracciabile, auditabile, reversibile – precisa Kisouras –. Se vuoi, puoi approvare ogni azione. Se ti fidi, puoi lasciare che il sistema agisca da solo. Ma in ogni caso, la scelta è tua”.

A differenza dei modelli generici, quelli della IBM Automation Platform sono fine-tuned su dati IT e possono essere ulteriormente addestrati su CMDB aziendali (per adattarsi all’architettura reale), runbook e incident history (per imparare le azioni già compiute e Policy interne (per incorporare regole aziendali, SLA, autorizzazioni)

Con questo approccio, IBM mira a personalizzare l’automazione in base all’ambiente, alla cultura IT, al livello di maturità tecnologica di ciascun cliente.

L’AI, per IBM, non è un’innovazione da laboratorio, ma un alleato operativo per sviluppatori, SRE, DevOps, NetOps, FinOps, CISO e CIO. È ciò che permette alla piattaforma di reagire in tempo reale, adattarsi, apprendere e agire. Un modo per trasformare l’IT da reattivo a proattivo. Da centro di costo a leva strategica.

“Non vogliamo solo automatizzare i task – conclude Kisouras –. Vogliamo automatizzare l’intelligenza. Perché in un mondo sempre più veloce e complesso, il vero vantaggio competitivo è la capacità di reagire. Meglio ancora: di anticipare. Grazie a un flusso generato interamente dall’AI, abbiamo ridotto da 20 giorni a 2 ore il tempo per patchare sistemi complessi”, racconta Kisouras.

L’AI viene utilizzata dai molti componenti dell’Automation Platform.

• Automazione delle operazioni IT (AIOps): con IBM Watson AIOps, vengono analizzati miliardi di eventi IT in tempo reale per identificare pattern ricorrenti, prevedere problemi e automatizzare la risoluzione degli incidenti. L’AI riduce drasticamente i falsi positivi e aiuta i team IT a focalizzarsi sulle reali minacce.
• Resilienza applicativa: strumenti come IBM Concert e Instana utilizzano l’AI per monitorare il comportamento delle applicazioni, rilevare anomalie e suggerire azioni correttive prima che si verifichino problemi.
• Ottimizzazione delle risorse IT: con Turbonomic, l’AI assegna dinamicamente CPU, memoria e storage alle applicazioni in base al loro carico di lavoro, migliorando le prestazioni e riducendo i costi.
• Automazione dei workflow: tramite Event Automation e Watson Code Assistant, IBM utilizza modelli di AI generativa per creare flussi di lavoro automatici, riducendo il carico di lavoro manuale per gli sviluppatori e i team IT.
• Sicurezza e gestione delle identità: con IBM Verify e HashiCorp Vault, l’AI aiuta a identificare accessi sospetti, gestire credenziali e prevenire attacchi informatici automatizzando le politiche di sicurezza.

IBM come cliente zero: la piattaforma messa alla prova sul campo

Uno degli aspetti più interessanti dell’approccio IBM all’automazione è il fatto che l’azienda usa in prima persona le stesse tecnologie che propone al mercato. È ciò che Kisouras definisce “IBM Client Zero”: una filosofia operativa secondo cui ogni nuova capability viene testata, validata e migliorata all’interno degli ambienti IBM prima del rilascio ai clienti.

“Abbiamo messo la piattaforma alla prova nel nostro ecosistema interno, che è tra i più complessi e distribuiti al mondo. Non si tratta solo di demo: l’automazione la usiamo davvero per gestire le nostre operation globali”, sottolinea Kisouras.

I risultati sono impressionanti:

• Risparmi per 3,5 miliardi di dollari in costi operativi IT.
• 175.000 azioni automatizzate in 4 mesi con Turbonomic.
• 70% dei Playbook Ansible generati automaticamente 6 volte più velocemente.
• 90% più veloce nella mitigazione delle vulnerabilità (CVE).
• 98% più veloce nella gestione del ciclo di vita dei certificati.
• 100% prevenzione degli incidenti sulla piattaforma SaaS Sterling OMS durante il picco del Thanksgiving: 42 milioni di ordini, 20 miliardi di chiamate API, 1 milione di span tracciati al secondo… senza un singolo down.

Non si tratta solo di efficienza, ma anche di time-to-market e di capacità predittiva: i team IBM hanno ridotto i tempi di onboarding di nuovi ambienti da settimane a minuti, hanno tagliato i costi GPU per il training AI del 27%, e gestiscono identità e accessi per oltre 27 milioni di utenti grazie a IBM Verify.

“Il nostro ambiente è il banco di prova perfetto. Se funziona da noi, funziona ovunque. Ma non ci fermiamo: ogni mese integriamo nuove funzionalità, nate dalla nostra esperienza diretta”.

Un approccio modulare, incrementale e aperto

IBM non obbliga le aziende ad adottare l’intera piattaforma. “Ogni cliente può iniziare da dove ha più bisogno – FinOps, sicurezza, resilienza – e crescere in modo modulare. La piattaforma è composable, integrabile con strumenti esistenti, e basata su standard aperti”.

L’obiettivo finale è chiaro: trasformare l’infrastruttura IT da centro di costo a leva strategica, capace di abilitare innovazione, accelerare lo sviluppo, garantire resilienza e ottimizzare ogni euro speso.

“In un mondo dove la complessità è il vero nemico – conclude Kisouras – l’unico modo per vincere è automatizzarla. E oggi, con l’AI, possiamo farlo davvero”.