Nel lessico della trasformazione digitale, l’AI Observability assume un significato che va ben oltre il monitoraggio avanzato dei sistemi. In particolare, nella visione di Dynatrace, l’osservabilità diventa il prerequisito industriale per rendere l’Agentic AI tecnologia realmente utilizzabile su scala enterprise, capace di agire in modo autonomo ma controllabile, affidabile e governato. Si tratta nello specifico di riuscire a monitorare, gestire e ottimizzare le prestazioni di infrastrutture cloud complesse, applicazioni e user experience; si tratta di sfruttare l’intelligenza artificiale per individuare velocemente le anomalie, identificare le cause principali dei problemi e automatizzare la risoluzione, garantendo elevata efficienza operativa e sicurezza. Non è un caso che il tema sia ormai entrato stabilmente nell’agenda dei consigli di amministrazione come spiega Philippe Deblois, Global Vice President, Solutions Engineering di Dynatrace.
Agentic AI tema di governance
Il punto di partenza dell’analisi di Dynatrace è strategico. L’intelligenza artificiale agentica non è un’evoluzione incrementale dei sistemi di automazione, ma un cambio di paradigma paragonabile, per impatto organizzativo, a quello introdotto dal cloud computing. Secondo Deblois, ciò che rende l’Agentic AI tema di rilevanza per i Cda è la sua “capacità di eseguire azioni, anticipare esigenze e collegare flussi di lavoro tra piattaforme diverse con un intervento umano minimo, ma all’interno di confini di governance ben definiti”. E questo livello di autonomia, se non accompagnato da controllo e visibilità, rischia di trasformarsi in un fattore di instabilità invece che di vantaggio competitivo. E’ necessario allora passare dalla fase della consapevolezza ad una fase più concreta e strategica. I board sono chiamati a decidere non tanto se investire nell’Agentic AI, quanto dove generare impatto immediato, come testare questi sistemi in modo responsabile e come predisporre le basi per una scalabilità progressiva. In questo contesto, l’osservabilità non è un tema operativo delegabile ai team IT, ma un elemento strutturale della governance dell’AI, perché consente di comprendere come e perché un agente prende decisioni, quali dati utilizza e quali effetti produce sull’ecosistema digitale e sul business.
Agentic AI, punto di svolta
La lettura di Deblois trova conferma anche quantitativa nella ricerca The Pulse of Agentic AI, che rappresenta uno dei primi studi globali focalizzati esplicitamente sul legame tra Agentic AI, affidabilità e osservabilità. La ricerca, condotta su 919 senior leader coinvolti direttamente nello sviluppo e nell’implementazione di sistemi di Agentic AI in grandi organizzazioni, fotografa un mercato che non è più nella fase dell’entusiasmo iniziale, ma in un momento di transizione delicata verso la produzione.
Circa la metà dei progetti di Agentic AI analizzati si trova ancora in fase di proof of concept o di pilota, ma il dato più significativo è che il 26% delle organizzazioni ha già attivi undici o più progetti. L’adozione, quindi, non è marginale né episodica. Il 74% degli intervistati prevede un ulteriore aumento dei budget nel corso dell’anno successivo, mentre quasi la metà stima incrementi di almeno due milioni di dollari. Tuttavia, Dynatrace sottolinea come questa crescita sia accompagnata da una cautela strutturale: le aziende non rallentano perché dubitano del valore dell’AI, quanto piuttosto perché faticano a governare, validare e scalare sistemi autonomi in modo sicuro.
È qui che emerge il ruolo centrale dell’AI Observability. I principali ostacoli all’ingresso in produzione dell’Agentic AI sono legati a temi di sicurezza, privacy e conformità, citati dal 52% del campione, e alle difficoltà tecniche di gestione e monitoraggio degli agenti su larga scala, indicate dal 51%. In altre parole, il problema non è costruire agenti sempre più sofisticati, ma renderli affidabili in ambienti reali, complessi e dinamici.
Fiducia e supervisione, centrale il rapporto uomo-macchina
Un aspetto rilevante messo in luce dal report riguarda il rapporto tra autonomia degli agenti e supervisione umana. Nella visione di Dynatrace, l’Agentic AI non elimina il ruolo delle persone, ma lo trasforma. I dati mostrano che il 69% delle decisioni basate su Agentic AI viene ancora verificato da esseri umani e che l’87% delle organizzazioni sta sviluppando o implementando agenti che richiedono una supervisione esplicita. Solo il 13% utilizza agenti completamente autonomi. Questa “configurazione ibrida” rafforza ulteriormente la centralità dell’osservabilità.
Perché la collaborazione uomo-macchina sia efficace, è necessario che i team abbiano visibilità in tempo reale sul comportamento degli agenti, sulle prestazioni del sistema e sulle logiche decisionali adottate. Riprende e mette in prospettiva così il tema, Alois Reitbauer, Chief Technology Strategist di Dynatrace: “Scalare sistemi autonomi in modo sicuro richiede la certezza che tali sistemi si comportino come previsto in condizioni reali”. L’osservabilità diventa quindi il livello di intelligence che consente di costruire fiducia, non solo tecnica ma anche organizzativa.
AI Observability, fondamento solido per l’Agentic AI
Secondo Dynatrace, l’osservabilità è quindi una capacità trasversale che attraversa l’intero ciclo di vita dell’Agentic AI. Il report mostra che quasi il 70% delle organizzazioni utilizza già strumenti di osservabilità in fase di implementazione, il 57% in fase operativa e il 54% durante lo sviluppo. Questo approccio end-to-end consente di intercettare anomalie, derive comportamentali e problemi di performance prima che abbiano un impatto sugli utenti o sul business. È su queste basi che si innesta l’evoluzione annunciata da Dynatrace a Perform 2026. Focus ovviamente è la Dynatrace Intelligence, un vero e proprio sistema operativo agentico che ridefinisce il concetto stesso di observability. La novità non risiede solo nell’uso di agenti AI, ma nella fusione tra AI deterministica e AI agentica, un elemento distintivo della piattaforma Dynatrace.
Dynatrace Intelligence, cambio di paradigma
Dynatrace Intelligence nasce per rispondere a una sfida concreta: l’imprevedibilità dei sistemi AI e agentici in ambienti di produzione complessi. La piattaforma combina insight deterministici, basati su un contesto causale in tempo reale, con capacità di ragionamento e azione proprie degli agenti AI. Il risultato è un modello di observability che non si limita a rilevare i problemi, ma li comprende e attiva azioni correttive in modo affidabile e governato. Il cuore tecnologico di questa visione è rappresentato da Grail, il data lakehouse unificato che raccoglie metriche, log, trace, eventi, sessioni utente e dati di business e sicurezza, e da Smartscape, il grafo di dipendenze in tempo reale che mappa automaticamente le relazioni tra componenti.
Ancorando gli agenti a dati contestualizzati e verificabili, Dynatrace riduce il rischio di decisioni errate e rende possibile un’automazione realmente affidabile. E i benchmark interni citati da Dynatrace indicano che, quando agenti esterni di tipo SRE lavorano in combinazione con agenti deterministici della piattaforma, i problemi vengono risolti fino a dodici volte più spesso, tre volte più velocemente e a metà del costo rispetto a scenari privi di questa integrazione . È un dato che rafforza la tesi secondo cui l’Agentic AI, per essere efficace, deve poggiare su una base di observability solida e causale.
Dagli insight all’azione
La traiettoria delineata da Dynatrace è allora quella di un passaggio graduale dalle operazioni reattive a modelli preventivi e, infine, autonomi. Dynatrace Intelligence supporta questo percorso consentendo alle organizzazioni di partire da insight e raccomandazioni, per poi introdurre automazioni supervisionate e arrivare, con le dovute garanzie, a forme di auto-prevenzione, auto-remediation e auto-ottimizzazione. Un elemento chiave è che, anche nei modelli più avanzati, i team restano “in comando”. L’autonomia non è sinonimo di opacità, ma di delega controllata. Questo approccio risponde esattamente alle esigenze di governance evidenziate a livello de Cda, dove la responsabilità finale delle decisioni non può essere demandata a sistemi non spiegabili o non verificabili. Non solo, nella strategia di Dynatrace in parte già declinata in occasione di Perform, prende sempre più forma anche l’idea di observability come “control plane” per l’AI in produzione. Da qui le funzionalità Real User Monitoring pensate per ambienti cloud-native e applicazioni basate su Llm, fino al miglioramento dell’esperienza per gli sviluppatori.
Concretamente quindi la piattaforma viene riposizionata come sistema attivo di governo dei sistemi digitali, non più come strumento di sola analisi. In questo contesto, l’Agentic AI diventa un abilitatore trasversale, capace di supportare sia le operazioni IT sia i processi di business. La possibilità per agenti specializzati di collaborare tra loro e con agenti di partner esterni apre la strada a un ecosistema di automazione distribuita, in cui l’osservabilità fornisce il linguaggio comune e il perimetro di fiducia.
Considerata la declinazione dei workload in cloud, oramai pervasiva è facilme inoltre immaginare come un ulteriore tassello della strategia Dynatrace riguardi le partnership con i principali hyperscaler. L’espansione delle integrazioni cloud-native con Aws, Microsoft Azure e Google Cloud risponde alla crescente complessità degli ambienti multi-cloud e AI-enabled, dove la frammentazione delle informazioni rappresenta uno dei principali ostacoli alla gestione efficace. Grazie a una visione unificata basata su Grail, Smartscape e Dynatrace Intelligence, le organizzazioni possono ottenere visibilità coerente su performance, affidabilità e costi, indipendentemente da dove risiedano i workload. In un contesto in cui gli agenti AI operano trasversalmente su più piattaforme, questa capacità di osservabilità unificata diventa essenziale per evitare zone d’ombra e garantire un’azione autonoma ma coordinata.
Nel disegno di Dynatrace, l’AI Observability quindi non è un fine, ma un mezzo per trasformare la complessità in vantaggio competitivo. Rendere osservabili gli agenti significa renderli governabili, spiegabili e, in ultima analisi, affidabili. È questa affidabilità che consente alle aziende di accelerare i cicli di innovazione, migliorare la resilienza operativa e costruire un rapporto di fiducia con clienti, partner e stakeholder. La prospettiva di Dynatrace suggerisce che il futuro dell’Agentic AI non sarà determinato solo dalla potenza dei modelli, ma dalla capacità delle organizzazioni di controllarne il comportamento in produzione. In questo senso, l’osservabilità diventa il vero fattore abilitante dell’autonomia. Senza di essa, l’Agentic AI resta confinata a sperimentazioni isolate; con essa, può trasformarsi in un pilastro strutturale delle operation digitali e della strategia aziendale.
Per saperne di più scarica il whitepaper: The Pulse of Agentic AI
Non perdere tutti gli approndimenti della room: AI Observability per aziende intelligenti
© RIPRODUZIONE RISERVATA
