L’adozione di nuove metodologie di sviluppo e l’ingresso di tecnologie sofisticate – in primis l’AI – insieme alla necessità di restare al passo con le dinamiche del mercato spingono le organizzazioni a ripensare i propri processi di rilascio del software. E pochi ambiti evolvono con la stessa rapidità di DevOps. Il panorama appare in piena trasformazione, ed offre opportunità inedite che oltre all’AI, riguardano i vantaggi offerti dalle piattaforme integrate, la sicurezza, la possibilità di sfruttare Infrastructure as Code (IaC) e l’edge computing.
Secondo Forrester, entro il 2026 il 75% dei decision maker si troverà a fronteggiare un incremento significativo del debito tecnico, dovuto in particolare alla rapida evoluzione delle soluzioni AI. Questo scenario, che si intreccia con la crescita di complessità dell’ecosistema IT, rende evidente quanto sia importante per i professionisti DevOps anticipare i trend e integrare soluzioni scalabili, sicure e agili. In questa cornice, Opentext identifica cinque tendenze che, nel 2025, cambiano il modo di concepire e implementare DevOps.
Machine learning e AI per i flussi di lavoro DevOps
AI e ML sono passati dal rappresentare soluzioni “futuristiche” ad asset fondamentali per l’efficienza operativa. Nel 2025, questa transizione sembra in fase di compimento e AI e ML sono nel cuore dei flussi di lavoro DevOps. Le tecnologie che fino al 2022 sono state adottate in forma sperimentale, oggi offrono vantaggi tangibili in termini di automazione, previsione dei problemi e monitoraggio continuo. Uno dei benefici derivanti dall’uso di AI/ML in DevOps è la capacità di automatizzare attività ripetitive – come la creazione e la gestione degli ambienti di test o la ricerca di bug ricorrenti all’interno del codice. Grazie ad algoritmi di apprendimento automatico, i team sono quindi in grado di ridurre gli errori umani, abbattere i tempi di rilascio e migliorare la qualità del prodotto finito.
L’intelligenza artificiale consente di analizzare grandi volumi di dati, provenienti da molteplici strumenti di monitoraggio e logging, per identificare pattern anomali e segnali di possibili anomalie. Questa capacità predittiva riduce i tempi di risposta in caso di malfunzionamenti, permette di intervenire prima che questi impattino gli utenti e risulta decisiva per garantire la continuità operativa.
Come sottolinea Riccardo Sanna, head of DevOps Solution Consulting di Opentext, l’integrazione di AI e ML richiede di ripensare i processi e le competenze dei team: “Queste tecnologie non solo automatizzano e semplificano le varie fasi, ma ridefiniscono anche l’efficienza e la sicurezza nella software delivery”.
I manager DevOps, quindi, devono considerare la formazione continua e l’adozione di strumenti AI-driven come parte integrante della loro strategia, per restare competitivi in un ecosistema che cambia rapidamente.
Ingegneria della piattaforma nei workflow di sviluppo
La seconda tendenza evidenziata da Opentext ruota attorno a un nuovo modo di concepire l’infrastruttura e i processi DevOps: l’ingegneria della piattaforma. Questa branca emergente si concentra sulla creazione di Internal Development Platform (Idp) che, come dice il nome, sono piattaforme interne che offrono agli sviluppatori un ambiente self-service di gestione di infrastruttura, configurazioni e distribuzione del codice. Il valore di queste piattaforme si traduce in un risparmio di tempo e risorse: gli sviluppatori non devono più dedicare gran parte delle proprie energie a risolvere problemi legati all’infrastruttura, potendosi concentrare sull’innovazione e sulla scrittura di codice di qualità. Un ulteriore vantaggio di questo approccio è la coerenza: adottando una piattaforma centralizzata, i team DevOps possono contare su processi standardizzati, controlli di sicurezza uniformi e una gestione più chiara delle risorse. Gli errori dovuti a configurazioni improprie o a procedure di deployment disomogenee vengono ridotti, e i tempi di rilascio si accorciano sensibilmente.
In un contesto poi in cui la complessità IT continua a crescere – anche a causa del debito tecnico e dell’eterogeneità delle tecnologie adottate – l’ingegneria della piattaforma si rivela una strategia essenziale per orchestrare le diverse componenti del ciclo di vita software. Fornendo ai team strumenti e best practice in un unico ambiente integrato, le organizzazioni riescono a mantenere agilità e flessibilità, pur garantendo livelli elevati di sicurezza e affidabilità.
GitOps e Iac, standard per gestire infrastruttura e applicazioni
Tra i trend del 2025, GitOps e Infrastructure-as-Code (IaC) occupano pure un posto di rilievo. Con GitOps, il repository Git diventa l’unica fonte di “verità” per la configurazione delle applicazioni e dell’infrastruttura. Ciò significa che qualsiasi modifica, sia essa di codice o di configurazione, viene gestita attraverso commit, pull request e merge, semplificando il versioning, la tracciabilità e il controllo delle modifiche. Parallelamente, IaC rappresenta l’evoluzione naturale della gestione dell’infrastruttura. Gli strumenti di Infrastructure-as-Code (ad esempio Terraform, Ansible, Chef o Puppet) consentono di definire e distribuire infrastrutture complesse mediante file di configurazione testabili e riconducibili ad un preciso versioning, che possono essere replicati e riutilizzati. Questa automazione riduce al minimo gli errori manuali, accelera l’implementazione di ambienti e garantisce una maggiore coerenza tra i vari stadi di sviluppo, test e produzione. Per molte aziende, la gestione di ambienti multicloud poi è diventata la normalità. GitOps e IaC rendono più agevole l’orchestrazione di risorse distribuite su diversi hyperscaler, gli stessi Aws, Microsoft Azure o Google Cloud. Questo semplifica non soltanto la gestione delle risorse, ma anche la possibilità di spostarsi da un cloud all’altro in funzione delle esigenze di costo, performance e compliance.
DevOps, sicurezza integrata nel ciclo di vita applicativo
La sicurezza è tra gli aspetti più critici dell’innovazione tecnologica. Con l’evoluzione e la sofisticazione degli attacchi cyber la tradizionale prassi di “aggiungere” sicurezza a fine progetto risulta obsoleta. Da qui l’approccio DevSecOps come metodo che integra controlli di sicurezza in ogni fase del ciclo di sviluppo e distribuzione del software. I tool per indirizzare questa modalità di sviluppo sono evoluti fino a supportare analisi del codice in tempo reale, scansioni delle vulnerabilità e monitoraggio continuo degli ambienti di produzione. L’importanza di questi strumenti è evidente: in un contesto in cui un singolo breach può compromettere la reputazione di un’azienda, rilevare e correggere falle di sicurezza sin dalle prime fasi di sviluppo è essenziale per minimizzare rischi e costi. Tuttavia, DevSecOps non riguarda soltanto l’implementazione di nuovi strumenti: richiede un cambiamento a livello culturale. Gli sviluppatori, i tester e i responsabili IT sono chiamati a collaborare fin dall’inizio, condividendo responsabilità e obiettivi comuni sulla sicurezza. Il concetto “shift-left” – ovvero, anticipare i test di sicurezza a monte del processo – diventa prassi quotidiana, mentre la collaborazione tra i vari reparti facilita l’individuazione tempestiva dei punti deboli e una rapida risoluzione delle vulnerabilità.
Integrazione tra edge computing e IoT, nuova frontiera DevOps
Con la diffusione capillare di Internet of Things e il potenziamento dell’edge computing, le organizzazioni si trovano di fronte a una nuova sfida: gestire la distribuzione e la manutenzione di applicazioni e servizi in ambienti eterogenei e geograficamente dispersi. Nel 2025, questa tendenza raggiunge l’hype, spingendo i team DevOps a esplorare soluzioni su misura per l’edge. Tradizionalmente, la Continuous Integration ed il Continuous Deployment (CI/CD) si sono concentrati su ambienti centralizzati e cloud-native. L’edge computing, invece, richiede di operare in condizioni di connettività intermittente e risorse limitate, con dispositivi che spesso si trovano in località remote. Per gestire questi scenari, servono pipeline di CI/CD leggere, in grado di ridurre al minimo il trasferimento di dati e di automatizzare le attività critiche anche quando la connessione non è stabile. Analogamente a quanto avviene nel cloud, l’automazione e la sicurezza rimangono prioritarie anche all’edge. Occorre implementare meccanismi di aggiornamento continuo e affidabile per i dispositivi IoT, assicurandosi che eventuali bug o vulnerabilità vengano risolti senza compromettere la fruibilità del servizio. DevOps si fonde quindi con le sfide dell’IoT, inaugura un nuovo paradigma di EdgeOps, dove pratiche come il monitoraggio distribuito, la sicurezza end-to-end e l’intelligenza artificiale “locale” diventano asset chiave.
Opentext, una lettura di prospettiva
Opentext evidenzia come questi cinque trend delineino una visione precisa del futuro DevOps da leggersi nella convergenza tra tecnologie emergenti, cultura collaborativa e processi ottimizzati. Le organizzazioni che sapranno capitalizzare su AI, ingegneria della piattaforma, GitOps/IaC, DevSecOps ed edge computing si troveranno in una posizione di netto vantaggio competitivo. A questo spunto si aggiunge quello strategico. Nel 2025, le aziende che integrano con successo questi trend vedono nel DevOps un fattore abilitante per il business: grazie a cicli di sviluppo più rapidi, prodotti più sicuri e una riduzione complessiva della complessità, possono rispondere meglio e prima alle esigenze del mercato. Di conseguenza, la capacità di innovare diventa un vero e proprio motore per la crescita e la differenziazione competitiva.
Un ulteriore aspetto è la gestione del debito tecnico. Se, come prospetta Forrester, gran parte delle aziende si troverà ad affrontare un incremento del debito tecnico entro il 2026, DevOps serve a prevenire che i sistemi diventino obsoleti o troppo onerosi da mantenere. L’automazione, la standardizzazione e l’approccio “as code” (non solo Infrastructure-as-Code, ma anche Security-as-Code e Compliance-as-Code) rappresentano leve fondamentali per affrontare questa sfida in modo sistemico. Questo non certo a scapito delle competenze umane: nonostante l’avanzata dell’AI e di pratiche sempre più automatizzate, il fattore umano rimane imprescindibile. Servono professionisti capaci di comprendere a fondo i meccanismi dell’AI e di integrarla nei flussi di lavoro, ingegneri della piattaforma in grado di progettare Idp scalabili e sicure, sviluppatori e tester pronti ad adottare un mindset DevSecOps. La formazione continua e la collaborazione multidisciplinare si confermano quindi elementi chiave.
© RIPRODUZIONE RISERVATA
