Presentato da Nutanix
In tutti i settori, le organizzazioni sono focalizzate su come passare da progetti pilota di intelligenza artificiale, show di concetto e sperimentazione basata sul cloud alla sua implementazione su larga scala, attraverso carichi di lavoro reali, per utenti reali, in ambienti aziendali reali. VentureBeat ha parlato con Tarkan Maner, presidente e chief business officer di Nutanix, e Thomas Cornely, EVP della gestione del prodotto, di ciò che richiede questa transizione e di cosa sarà necessario per farlo bene.
“L’intelligenza artificiale in generale sta cambiando tutto ciò che facciamo, non solo nel campo della tecnologia, ma in tutti i settori verticali, dai settori regolamentati come quello bancario, sanitario, governativo e dell’istruzione ai settori non regolamentati come la produzione e la vendita al dettaglio”, ha affermato Maner. “In quanto azienda con piattaforma completa, accogliamo con favore questo cambiamento. Sta creando per noi come azienda maggiori opportunità di servire i nostri clienti in modi migliori mentre andiamo avanti.”
Ma c’è ancora un divario pratico tra sperimentazione e produzione, ha detto Cornely.
“Una cosa è fare un esperimento, realizzare un prototipo. Un’altra cosa è prendere quel prototipo e distribuirlo a ten.000 dipendenti”, ha spiegato. “Siamo passati dall’essere persone che si concentravano sui modelli di formazione ai chatbot fino advert arrivare agli agenti, dove la domanda e le pressioni sull’infrastruttura AI stanno crescendo in modo esponenziale”.
L’intelligenza artificiale di Agentic introduce un nuovo livello di complessità aziendale
L’ascesa dell’intelligenza artificiale è ciò che rende questa transizione particolarmente consequenziale. Questi sistemi introducono flussi di lavoro in più fasi tra applicazioni e origini dati, insieme a un grado di autonomia che crea nuove esigenze operative.
Le aziende ora devono fare i conti con più agenti in esecuzione contemporaneamente, carichi di lavoro imprevedibili e in tempo reale e con la necessità di coordinare l’accesso all’infrastruttura tra i group.
“OpenClaw ora rende molto semplice per chiunque creare agenti e utilizzarli”, ha affermato Cornely. “Vuoi che questi agenti funzionino in locale con i tuoi dati. Devi avere i giusti costrutti attorno advert essi per proteggere l’azienda da ciò che un agente potrebbe fare.”
Man mano che questi sistemi diventano più autonomi, la sfida si estende oltre il modo in cui operano e si estende al modo in cui interagiscono con i dati, i sistemi e i group aziendali.
L’intelligenza artificiale sta incrementando il lavoro umano, non sostituendolo
L’intelligenza artificiale agentica è fondamentalmente un amplificatore delle capacità umane piuttosto che un suo sostituto, ha affermato Maner. L’obiettivo per le aziende non è eliminare il lavoro umano, ma trovare il giusto equilibrio tra processo decisionale umano, automazione basata sull’intelligenza artificiale e flussi di lavoro basati su agenti.
“Crediamo che ci sarà amore, tempo e armonia tra l’intelligenza artificiale, gli strumenti degli agenti, i sistemi robotici e il capitale umano”, ha affermato Maner. “Story armonia può essere ottimizzata per ottenere risultati migliori per imprese, imprese, governi e organizzazioni del settore pubblico, se i fornitori giusti forniscono gli strumenti giusti e i servizi giusti”.
Come le aziende stanno iniziando a utilizzare l’intelligenza artificiale su larga scala
In pratica, il passaggio dalla sperimentazione all’implementazione nel mondo reale è il momento in cui le sfide diventano più visibili. Nonostante lo slancio, molti stanno ancora lavorando su come adattare l’intelligenza artificiale oltre i casi d’uso iniziali.
Così facendo, le organizzazioni si scontrano rapidamente con vincoli pratici. Molti iniziano nel cloud per un facile accesso a risorse e servizi, ma considerazioni pratiche come dati, governance, controllo e costi vengono rapidamente in primo piano.
Il cloud può essere utilizzato per sperimentare, con l’obiettivo finale di riportare le applicazioni in sede mentre si spostano verso la produzione, utilizzando piattaforme che risolvano i problemi di sicurezza e costi.
I casi d’uso che ottengono maggiore successo includono la ricerca di documenti e il recupero di conoscenze, la sicurezza e il rilevamento predittivo delle minacce, lo sviluppo di software program e i flussi di lavoro di codifica, nonché l’assistenza clienti e le operazioni di servizio. Nel campo della sicurezza, i clienti bancari e altri in Europa e negli Stati Uniti stanno implementando strumenti basati sull’intelligenza artificiale, tra cui il riconoscimento facciale e il rilevamento predittivo delle minacce. Nel frattempo, nel settore dell’assistenza clienti, c’è una crescente attenzione al coinvolgimento del cliente end-to-end, a 360 gradi, dalla prevendita al supporto postvendita.
La trasformazione dell’IA specifica del settore è già in corso
In tutti i settori, il passaggio dalla sperimentazione all’implementazione reale sta già prendendo forma in modi distinti. Nel commercio al dettaglio, l’intelligenza artificiale sta trasformando le operazioni del negozio con telecamere e robotica utilizzate per il advertising mirato nei corridoi al momento della decisione di acquisto, mentre le casse senza cassiere stanno sostituendo i tradizionali sistemi POS e il capitale umano liberato viene ridistribuito alle funzioni di back-office e di merchandising.
Nel settore sanitario, Nutanix collabora con i clienti su applicazioni che spaziano dalla diagnosi, al trattamento, alla sanità remota e alle operazioni ospedaliere, con associate cloud tra cui AWS e Azure. Nel settore manifatturiero e logistico la trasformazione è altrettanto significativa.
Le sfide operative legate alla scalabilità dell’AI aziendale
Con l’aumento dei casi d’uso dell’intelligenza artificiale, le aziende si trovano advert affrontare una nuova classe di sfide operative. Gestire più carichi di lavoro e agenti di intelligenza artificiale, coordinare l’accesso all’infrastruttura tra i group, garantire sicurezza e governance e integrare i sistemi di intelligenza artificiale con i processi aziendali esistenti sono ora le principali preoccupazioni sia per l’IT che per i chief aziendali.
Il divario tra gli sviluppatori di intelligenza artificiale che spingono per la velocità e l’accesso e i group dell’infrastruttura responsabili della sicurezza, dei tempi di attività e della governance è una delle sfide cruciali di questo momento.
“Ora gestisco gli agenti e tutti lotteranno per avere accesso alle risorse per risolvere i miei problemi”, ha detto Cornely. “Ciò che vogliamo ora è un’infrastruttura che ci permetta di stabilire vincoli e governare le risorse”.
La fabbrica dell’intelligenza artificiale: una piattaforma condivisa per l’intelligenza artificiale di produzione
Queste sfide stanno stimolando la domanda per quella che Maner e Cornely descrivono come la fabbrica dell’intelligenza artificiale: un ambiente infrastrutturale condiviso che supporta più utenti e carichi di lavoro contemporaneamente, consentendo sia la sperimentazione che la produzione, bilanciando l’agilità degli sviluppatori con la governance aziendale.
Al GTC 2026, Nutanix ha annunciato il Soluzione AI Nutanix Agenticuna piattaforma completa che abbraccia l’infrastruttura core, servizi container basati su Kubernetes in esecuzione su un hypervisor sensibile alla topologia e servizi avanzati per la creazione e la gestione degli agenti.
“Stiamo lanciando una piattaforma completa, dall’infrastruttura principale attraverso PaaS e servizi PaaS avanzati all’intero quadro di gestione per le vostre fabbriche di intelligenza artificiale”, ha affermato Cornely. “Consentire davvero il self-service per i group che creeranno queste applicazioni nell’azienda.”
Gli ambienti ibridi sono essenziali per la strategia di intelligenza artificiale aziendale
Il funzionamento di questo tipo di ambiente richiede flessibilità nell’intera infrastruttura. L’infrastruttura ibrida non è un compromesso, ma un requisito. Alcuni carichi di lavoro verranno sempre eseguiti nel cloud pubblico, mentre altri dovranno rimanere in sede a causa di requisiti di sicurezza, conformità normativa, sovranità dei dati o considerazioni sulla concorrenza IP.
“Soprattutto nei settori regolamentati, poiché la sovranità diventa un problema più grande, la gravità dei dati diventa un problema più grande, la sicurezza e anche molta differenziazione competitiva nel settore, dipenderà da ciò che l’azienda vuole per la propria proprietà intellettuale”, ha affermato Maner.
Questo è il fondamento della posizione della piattaforma Nutanix, ha aggiunto.
“Siamo in perfetta armonia, portando quelle applicazioni, quei dati e tutta l’ottimizzazione per questi casi d’uso end-to-end, da on-prem a off-prem e in modalità ibrida”, ha affermato. “Lo facciamo non solo in un cloud, ma per più cloud.”
Questa flessibilità si estende anche all’ecosistema più ampio. Nutanix funziona con hyperscaler tra cui AWS, Azure e Google Cloud, nonché con fornitori di servizi regionali e neocloud emergenti. Nutanix offre ai neocloud uno stack software program completo per gestire i propri cloud e fornire servizi di intelligenza artificiale avanzati, offrendo ai clienti aziendali che già utilizzano Nutanix una semplice estensione delle funzionalità di elaborazione, rete e intelligenza artificiale.
Maner ha descritto l’accordo come una vittoria per entrambe le parti. Per le imprese, ciò significa un accesso semplificato ai servizi di intelligenza artificiale ibrida. Per neoclouds, significa una piattaforma collaudata su cui costruire. È tutto automatizzato e sicuro per impostazione predefinita, ha aggiunto Cornely.
“Tutti i problemi di governance che oggi emergono con l’intelligenza artificiale degli agenti sono gli stessi problemi che abbiamo risolto negli ultimi 16 anni per ogni altra applicazione in esecuzione nel cloud”, ha affermato.
Dal progetto pilota alla produzione: rendere operativa l’intelligenza artificiale in tutta l’azienda
In definitiva, l’obiettivo non è quello di eseguire un progetto pilota di intelligenza artificiale di successo, ma di rendere operativa l’intelligenza artificiale in casi d’uso del mondo reale, gestire l’infrastruttura come risorsa condivisa, supportare la collaborazione tra i group dell’infrastruttura e gli sviluppatori di intelligenza artificiale e passare dai progetti iniziali all’implementazione a livello aziendale.
“C’è un enorme divario in questo momento tra le persone che costruiscono applicazioni AI, gli ingegneri dell’intelligenza artificiale, gli sviluppatori di intelligenza artificiale e i classici group di infrastruttura”, ha affermato Cornely. “Hanno bisogno di strumenti per abilitare i group Infra, in modo che possano supportare i vostri ingegneri IA. Questo è ciò che offriamo con la nostra soluzione di IA agentica.”
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che paga per il put up o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Per ulteriori informazioni, contattare gross sales@venturebeat.com.
