Costi di telemetria e AI: dati del report State of Observability 2026

Nel report Cisco‑Splunk State of Observability 2026 emerge una tendenza preoccupante: il 57 % degli intervistati afferma che i costi della telemetria hanno superato quelli dell’infrastruttura monitorata. Con la diffusione degli agenti AI, il 55 % dichiara di faticare a tenere sotto controllo la spesa per l’intelligenza artificiale.

La ricerca, condotta da Oxford Economics per Cisco, ha raccolto le risposte di 2 050 professionisti delle operations IT e dell’ingegneria in dieci Paesi, intervistati tra febbraio e marzo 2026. Le telecomunicazioni sono uno dei 16 settori rappresentati; le percentuali riportate descrivono l’intero campione.

Osservabilità e consumo di risorse

L’osservabilità consente di ricostruire il funzionamento dei sistemi attraverso metriche, registri degli eventi e tracce delle operazioni. Questi dati sono fondamentali per individuare anomalie, comprenderne le cause e verificare l’efficacia degli interventi.

L’aumento dei volumi da raccogliere e analizzare rende più difficile prevedere il costo del controllo: gli strumenti necessari a governare la complessità possono assorbire risorse superiori a quelle dell’infrastruttura osservata. L’AI aggiunge ulteriori dati e comportamenti da esaminare, rendendo la gestione più articolata.

Impatto sulla gestione operativa delle telco

Per le telecomunicazioni, il tema riguarda il rapporto fra efficienza operativa e affidabilità dei servizi. Affidare agli agenti attività di diagnosi e risoluzione dei problemi richiede strumenti capaci di seguirne le azioni, misurarne i risultati e attribuirne i consumi.

La variabilità della spesa pesa sulle operations: il 60 % degli intervistati segnala che i picchi di costo imprevisti producono maggiori difficoltà operative rispetto a costi di base elevati. La possibilità di pianificare le risorse e ricondurre gli scostamenti a consumi identificabili diventa quindi cruciale.

Uso di piattaforme integrate

Il 67 % del campione utilizza un’unica piattaforma di osservabilità.
Una visione integrata aiuta a individuare l’origine dei costi di telemetria.
Questo è particolarmente utile per gli operatori che devono valutare la sostenibilità economica dei processi automatizzati.

Con gli agenti cambia anche ciò che occorre osservare: oltre ai parametri di funzionamento delle applicazioni, si devono monitorare la qualità delle risposte, le decisioni assunte e il loro effetto sui processi.

Priorità e difficoltà nel monitorare l’AI

La distanza fra priorità dichiarate e capacità di misurazione resta ampia. L’87 % degli intervistati considera il monitoraggio dell’AI una priorità, mentre il 54 % deve ancora definire obiettivi di business chiari. Il 56 % fatica a misurare metriche dei carichi di lavoro AI, come la qualità delle risposte dei grandi modelli linguistici.

L’individuazione delle “allucinazioni” (risposte prive di fondamento) è un’altra sfida: l’85 % ritiene importante avere visibilità su questo fenomeno, ma solo il 58 % dichiara di riuscirci efficacemente.

Valutazione dell’automazione

Per le operations di un operatore, i risultati suggeriscono un criterio di valutazione: affiancare alla rapidità di esecuzione la correttezza della diagnosi e dell’intervento. Quando un agente individua una criticità o contribuisce alla sua risoluzione, il risultato da verificare è il miglioramento del servizio, insieme alle risorse consumate per ottenerlo.

La presenza di decine di agenti basati su modelli diversi rende più difficile ricostruire chi consuma risorse e per quale attività. Il controllo economico richiede di associare la spesa ai singoli agenti, ai modelli utilizzati e ai carichi di lavoro, così da collegare i consumi al valore prodotto.

AI tokenomics e sostenibilità economica

“Nelle aziende di oggi, l’entusiasmo per l’IA deve fare i conti con la realtà dei costi”, sottolinea Kamal Hathi, SVP e GM di Splunk in Cisco. L’osservabilità è fondamentale per ripristinare prevedibilità e fiducia nell’era dell’IA agentica.

Introdurre meccanismi di controllo e integrare l’osservabilità in un modello economico basato sul consumo di token di IA (AI tokenomics) permette di trasformare l’IA da una voce di spesa imprevedibile in un investimento strategico a lungo periodo.

Cosa sono i token

Unità con cui i modelli linguistici elaborano i contenuti.
Su di essi possono essere calcolati i consumi.
Monitorarne l’impiego aiuta a capire quanto costa eseguire un’attività.

Per valutare un processo automatizzato, queste informazioni vanno lette insieme alla qualità del risultato e all’eventuale necessità di ulteriori interventi.

Sicurezza e collaborazione tra team

Il controllo degli agenti riguarda anche gli accessi e le azioni sui sistemi. Con l’estendersi delle loro attività nell’infrastruttura aziendale, un problema di performance può richiedere verifiche congiunte tra chi gestisce il servizio e chi ne presidia la sicurezza.

Per l’81 % degli intervistati, il monitoraggio dei carichi di lavoro AI ha rafforzato la collaborazione fra i team di osservabilità e sicurezza. Il 73 % dichiara di riuscire a ricondurre con precisione i problemi di performance alle cause di sicurezza, rispetto al 65 % del 2025.

Crescita della cooperazione

77 % dei team di osservabilità collabora con quelli di sicurezza, contro il 62 % dell’anno precedente.
La condivisione dei dati aumenta dal 74 % all’84 %.

“Presto, nella maggior parte delle aziende, gli agenti di IA saranno molto più numerosi delle persone”, afferma Jeetu Patel, President e CPO di Cisco. Gestirli su larga scala richiede un ripensamento degli approcci alla sicurezza e all’osservabilità.

Best practice tra le organizzazioni più evolute

Il report individua un gruppo di organizzazioni con pratiche di osservabilità più avanzate. Queste aziende:

Utilizzano gli agenti per individuare e risolvere problemi.
Automatizzano le attività di correzione.
Monitorano qualità dei modelli, costi, consumi, sicurezza e privacy.

Il 91 % di questo gruppo attribuisce con precisione i costi dell’AI, rispetto al 69 % delle altre organizzazioni. Inoltre, l’86 % dichiara di individuare con precisione le cause di sicurezza alla base dei problemi di performance, contro il 71 % delle altre.

Queste pratiche orientano anche la pianificazione e le decisioni aziendali, dimostrando che un’osservabilità integrata è un fattore chiave per trasformare l’AI in valore misurabile per il business delle telecomunicazioni.