Le reti aziendali stanno subendo una trasformazione significativa a causa dell’intelligenza artificiale (AI). Il cambiamento è caratterizzato da un traffico continuo e ad alto volume generato durante l’addestramento del modello AI, che richiede una larghezza di banda elevata, una latenza estremamente bassa e una perdita di pacchetti minima. L’inferenza dell’intelligenza artificiale comporta sfide poiché gli scambi di dati in tempo reale richiedono risposte immediate, laddove ritardi di millisecondi possono avere un impatto negativo sulle prestazioni.
Gartner prevede che la spesa globale per l’intelligenza artificiale crescerà del 47% entro il 2026. Nel frattempo, un rapporto di McKinsey & L’azienda indica che l’88% delle organizzazioni attualmente utilizza l’intelligenza artificiale in almeno una funzione aziendale, sebbene quasi due terzi rimangano in progetti pilota o fasi di sperimentazione.
Un rapporto del 2026 di Cisco Systems and Foundry prevede che l’intelligenza artificiale triplicherà il traffico di rete aziendale entro tre anni. Tuttavia, solo il 15% delle organizzazioni possiede reti sufficientemente flessibili da supportare l’intelligenza artificiale su larga scala, secondo l’AI Readiness Index 2025 di Cisco. Taranvir Singh, responsabile della ricerca per le infrastrutture e i servizi di rete presso IDC, sottolinea che la rete deve evolversi da un ruolo di connettività di base a un tessuto intelligente in grado di supportare l’autorizzazione basata sull’identità, l’applicazione delle policy e l’ottimizzazione.
Deepu Komati, Lead Engineer presso HCL America, osserva che l’intelligenza artificiale ha modificato la percezione del networking aziendale. Afferma che gli assistenti e i copiloti dell’intelligenza artificiale hanno spostato le discussioni dalla semplice fornitura di connettività affidabile alla fornitura di un accesso coerente a bassa latenza ai servizi di intelligenza artificiale distribuiti. I carichi di lavoro dell’intelligenza artificiale, che producono traffico intenso e dipendono dalle API cloud, stanno provocando un aumento dei colli di bottiglia della rete causati da latenza, congestione e routing inefficiente.
I team IT devono affrontare la sfida di ottenere visibilità e controllo sul traffico AI, che spesso si fonde con l’attività cloud standard. Komati sottolinea che il monitoraggio tradizionale della rete potrebbe identificare la disponibilità di una connessione ma non riesce ad affrontare il motivo per cui le risposte dell’intelligenza artificiale possono essere lente o incomplete. Il Worldwide AI in Networking Special Report 2026 di IDC evidenzia la sicurezza, l’automazione e le competenze di networking come ostacoli significativi al successo dell’implementazione dei progetti di IA.
Shamus McGillicuddy, vicepresidente della ricerca per le infrastrutture di rete presso l’EMA, sostiene che una solida infrastruttura di rete sarà fondamentale per le imprese che investono nella tecnologia AI. Sottolinea la necessità che le organizzazioni modernizzino i data center e le reti geografiche per accogliere i carichi di lavoro dell’intelligenza artificiale che si estendono su cloud pubblici e data center.
Le organizzazioni sono incoraggiate a modernizzare le proprie reti per allinearle ai progressi dell’intelligenza artificiale. I CIO dovrebbero investire in piattaforme di rete unificate e programmabili che offrano prestazioni elevate e sicurezza integrata. I team IT dovrebbero inoltre collaborare tra i dipartimenti, inclusi i team di rete, sicurezza, dati e intelligenza artificiale, per migliorare la gestione dell’infrastruttura.
Komati raccomanda tre priorità per i team IT nei prossimi due o tre anni: sviluppare l’osservabilità end-to-end che collega utenti, reti, piattaforme cloud, API e applicazioni AI; modernizzare l’architettura per una gestione intelligente del traffico e una connettività cloud resiliente; e promuovere la collaborazione tra i team per evitare di operare in silos. Conclude: “L’obiettivo non dovrebbe essere quello di aumentare ciecamente la larghezza di banda. Dovrebbe essere quello di costruire una rete adattiva in grado di dare priorità al traffico AI critico, rilevare il degrado delle prestazioni, applicare politiche di governance dei dati e scalare man mano che l’utilizzo dell’IA diventa integrato nell’organizzazione.”
