L’intelligenza artificiale sta accelerando la trasformazione delle infrastrutture critiche, rendendo sempre più interconnessi sistemi fisici, reti di comunicazione e piattaforme digitali. Dall’energia ai trasporti, dalle telecomunicazioni ai servizi essenziali, la capacità di integrare dati, tecnologie e processi diventa determinante per garantire continuità operativa, sicurezza e competitività. Una trasformazione che richiede alle imprese di superare la frammentazione tecnologica e ripensare le proprie architetture digitali.
Ne parliamo con Massimiliano De Carolis, CEO di Sirti Digital Solutions, per approfondire il ruolo della convergenza tra Information Technology e Operational Technology nell’evoluzione delle infrastrutture critiche. Dalle applicazioni dell’intelligenza artificiale alle opportunità dell’AI agentica, fino alla cybersecurity e ai nuovi modelli di governance, l’intervista analizza le condizioni necessarie per costruire ecosistemi tecnologici più intelligenti, interoperabili e resilienti, evidenziando il ruolo degli integratori nella gestione di questa trasformazione.
- Le infrastrutture critiche stanno diventando sempre più interconnesse e dipendenti dalle tecnologie digitali. Quale trasformazione stiamo attraversando e perché la convergenza tra Information Technology e Operational Technology rappresenta oggi un passaggio strategico?
Stiamo assistendo a un cambiamento profondo nel modo in cui vengono progettate, gestite e protette le infrastrutture critiche. Per molto tempo abbiamo considerato separatamente il mondo dell’Information Technology, dedicato alla gestione dei dati e delle applicazioni, e quello dell’Operational Technology, che governa impianti, macchinari e processi fisici. Oggi questa distinzione sta progressivamente venendo meno.
Le infrastrutture energetiche, i trasporti, le telecomunicazioni e i servizi essenziali sono ormai sistemi nei quali componenti fisiche e digitali devono comunicare costantemente. La capacità di raccogliere informazioni, elaborarle e trasformarle in decisioni operative diventa fondamentale per migliorare l’efficienza e garantire l’affidabilità dei servizi.
In questo processo, l’intelligenza artificiale rappresenta un acceleratore della convergenza IT/OT, perché consente di mettere in relazione informazioni provenienti da sistemi differenti, individuare anomalie e anticipare possibili criticità.
Pensiamo alle reti energetiche, dove l’AI può supportare il monitoraggio degli impianti e la previsione dei guasti, oppure ai trasporti, nei quali può contribuire alla manutenzione predittiva e al coordinamento delle infrastrutture. Anche nella gestione delle risorse idriche può favorire l’individuazione delle perdite e una distribuzione più efficiente.
Il vero valore, però, non risiede nella singola applicazione tecnologica. Nasce dalla capacità di integrare dati, piattaforme e sistemi operativi all’interno di un’architettura coerente.
La convergenza IT/OT deve quindi essere interpretata come una trasformazione strutturale, che coinvolge tecnologie, processi e competenze. L’obiettivo è costruire infrastrutture capaci di operare in modo coordinato, garantendo maggiore efficienza, continuità operativa e resilienza.
- L’intelligenza artificiale sta evolvendo da strumento di analisi a componente centrale delle infrastrutture digitali. In che modo la convergenza tra AI, connettività, edge computing può migliorare la gestione dei sistemi critici?
L’intelligenza artificiale sta cambiando il modo in cui le infrastrutture utilizzano le informazioni. Fino a poco tempo fa, molte applicazioni erano prevalentemente orientate all’analisi dei dati e all’automazione di singole attività. Oggi abbiamo la possibilità di costruire sistemi nei quali le informazioni vengono elaborate e utilizzate in maniera integrata, contribuendo direttamente alla gestione operativa.
Questo cambiamento è reso possibile dalla convergenza tra AI, reti di comunicazione, cloud ed edge computing. Si tratta di tecnologie che svolgono funzioni differenti, ma che devono essere progettate per operare insieme.
L’edge computing permette di elaborare i dati vicino al punto in cui vengono generati, ad esempio attraverso sensori, apparati industriali e dispositivi connessi. È particolarmente importante nelle infrastrutture critiche, dove i tempi di risposta possono incidere direttamente sulla disponibilità e sulla sicurezza dei servizi.
Le reti rappresentano l’elemento di connessione tra questi ambienti, assicurando lo scambio dei dati e il funzionamento coordinato delle diverse componenti.
L’intelligenza artificiale valorizza questa architettura, trasformando le informazioni raccolte in indicazioni utili per prevenire anomalie, ottimizzare le risorse e migliorare la gestione degli impianti. La sfida per le imprese è evitare di considerare queste tecnologie come elementi indipendenti. Un’infrastruttura realmente intelligente richiede una progettazione unitaria, nella quale connettività, capacità di calcolo, dati e sistemi fisici siano integrati fin dall’origine.
- L’AI agentica rappresenta una delle evoluzioni più significative dell’intelligenza artificiale. Quali opportunità apre per la gestione delle infrastrutture critiche e come si può conciliare una maggiore autonomia dei sistemi con la necessità di mantenere controllo e responsabilità umana?
L’AI agentica introduce un’evoluzione importante perché permette di passare da sistemi prevalentemente orientati all’analisi e alla generazione di informazioni a soluzioni capaci di pianificare attività, interagire con applicazioni differenti e coordinare processi articolati.
Nelle infrastrutture critiche questo significa poter sviluppare strumenti in grado di supportare in maniera più avanzata il monitoraggio, la manutenzione, la gestione degli incidenti e le attività operative.
Immaginiamo, ad esempio, un’anomalia rilevata su una rete. Un agente intelligente potrebbe correlare le informazioni provenienti dagli apparati di comunicazione con quelle raccolte dai sensori industriali e dalle piattaforme di cybersecurity, contribuendo a individuare più rapidamente le possibili cause del problema e a proporre interventi coerenti con le condizioni operative.
Il vantaggio consiste nella capacità di analizzare contemporaneamente informazioni provenienti da ambienti differenti, riducendo i tempi necessari per comprendere una criticità e supportare una risposta coordinata.
Questo apre la strada a infrastrutture progressivamente più adattive, capaci di riconoscere situazioni anomale e contribuire alla gestione delle attività in modo dinamico.
Naturalmente, quando parliamo di sistemi critici, dobbiamo affrontare con grande attenzione il tema dell’autonomia. Non possiamo immaginare che decisioni potenzialmente rilevanti per la sicurezza e la continuità dei servizi vengano affidate a sistemi intelligenti privi di adeguati meccanismi di supervisione. Servono regole precise, controlli sulle azioni consentite, tracciabilità delle decisioni e un presidio umano proporzionato alla criticità delle operazioni.
L’obiettivo dell’AI agentica non deve essere sostituire le persone, ma aumentarne la capacità di gestire sistemi sempre più complessi. La tecnologia deve rendere le decisioni più rapide e informate, mantenendo responsabilità e governo dei processi all’interno dell’organizzazione.
- La crescente integrazione tra sistemi fisici e digitali amplia anche le superfici di rischio. Come deve evolvere la cybersecurity per garantire la resilienza delle infrastrutture critiche e quale contributo può offrire l’intelligenza artificiale?
La cybersecurity rappresenta una componente fondamentale della trasformazione delle infrastrutture critiche. Quando colleghiamo reti, sistemi industriali, piattaforme cloud e applicazioni intelligenti, aumentiamo le possibilità di integrazione, ma anche le interdipendenze tecnologiche e le potenziali superfici di attacco.
Per questo la sicurezza non può più essere considerata un elemento da aggiungere successivamente alla realizzazione di un’infrastruttura. Deve essere integrata fin dalla progettazione delle architetture, attraverso un approccio che tenga conto dell’intero ecosistema tecnologico.
L’intelligenza artificiale può offrire un contributo importante, migliorando la capacità di individuare comportamenti anomali, correlare eventi di sicurezza e supportare le attività di risposta agli incidenti. Può aiutare gli operatori a interpretare una quantità crescente di informazioni e a identificare più rapidamente situazioni potenzialmente critiche.
Allo stesso tempo, però, l’introduzione dell’AI genera nuove esigenze di protezione. Dobbiamo garantire l’affidabilità dei dati utilizzati dai modelli, verificare la correttezza dei risultati e definire controlli sulle attività eventualmente eseguite dai sistemi autonomi.
Credo inoltre che sia necessario ampliare il concetto stesso di sicurezza, passando dalla sola protezione alla resilienza.
Nelle infrastrutture critiche non è sufficiente cercare di prevenire ogni possibile attacco o malfunzionamento. Occorre progettare sistemi capaci di mantenere operative le funzioni essenziali anche in presenza di eventi avversi, limitare gli effetti di un incidente e ripristinare rapidamente la piena disponibilità dei servizi.
Questo richiede un’integrazione sempre più stretta tra cybersecurity, continuità operativa e gestione delle infrastrutture fisiche.
La resilienza deve diventare una caratteristica strutturale dell’architettura tecnologica. Ed è proprio attraverso la convergenza tra competenze digitali, sicurezza e capacità operative che possiamo costruire infrastrutture realmente affidabili.
- Quali le grandi sfide non ancora risolte per permettere al potenziale dell’AI di esprimersi pienamente?
Il passaggio dalla Digital Economy alla AI Economy rappresenta una trasformazione strutturale che va ben oltre l’evoluzione degli algoritmi e dei frontier model. La sfida cruciale oggi non è soltanto sviluppare tecnologie sempre più sofisticate, ma creare le condizioni infrastrutturali, energetiche e operative affinché il potenziale dell’AI possa tradursi in valore concreto, su scala industriale.
In questa prospettiva, ritengo che vi siano sei grandi sfide ancora aperte, strettamente interconnesse tra loro.
La prima, e probabilmente la più urgente, riguarda la disponibilità di energia e la sostenibilità dei consumi necessari per “fabbricare l’intelligenza”. L’energia rappresenta inoltre una componente determinante nell’economia dei token, incidendo per circa il 30% sul costo unitario. La domanda di energia dei datacenter sta crescendo secondo una dinamica esponenziale mentre lo sviluppo della generazione e della rete di trasmissione ha seguito dineniche lineari. In italia le richieste di allacciamento alla rete di Terna hanno raggiunto i 100GW con un incremento superiore al 50% anno su anno, ma solo una parte dei 25 Miliardi di euro previsti come investimento in Italia riuscirà ad essere realizzata La crescente diffusione dell’AI comporterà un fabbisogno energetico non coperto dalla capacità attuale del sistema, rendendo indispensabile ripensare l’efficienza degli impianti e sviluppare infrastrutture intelligenti, connesse e capaci di generare parte dell’energia che utilizzano e di ottimizzare i propri consumi.
Una seconda sfida riguarda la capacità di calcolo e la scalabilità delle infrastrutture digitali. La domanda crescente di potenza computazionale richiede un’accelerazione nello sviluppo di architetture ibride in grado di sostenere carichi di lavoro sempre più complessi e distribuiti. In particolare, per abilitare applicazioni di inferenza in tempo reale, sarà sempre più importante avvicinare la capacità di elaborazione ai luoghi in cui i dati vengono generati, riducendo la latenza e migliorando l’efficienza complessiva dei sistemi.
Un terzo tema, fondamentale e trasversale, è la qualità, la disponibilità e la governance dei dati, con particolare attenzione alla sovranità digitale. Senza informazioni affidabili, interoperabili, tracciabili e adeguatamente protette, anche i modelli di intelligenza artificiale più avanzati rischiano di non produrre risultati concretamente utilizzabili. Il dato dovrà quindi diventare un vero e proprio requisito operativo dei sistemi, e non soltanto una risorsa da analizzare.
La quarta sfida riguarda l’evoluzione delle reti di telecomunicazione. Il passaggio verso sistemi di AI sempre più autonomi e interconnessi genererà nuove esigenze in termini di capacità, prestazioni, affidabilità e gestione del traffico. Le infrastrutture di networking dovranno evolvere per sostenere non soltanto volumi crescenti di dati, ma anche una nuova generazione di interazioni tra macchine, applicazioni e agenti intelligenti. A testimonianza della portata di questa trasformazione, secondo le stime della GSMA, in Europa sarebbero necessari investimenti nell’ordine di 475 miliardi di dollari per l’ammodernamento delle reti ma ad oggi solo 275 miliardi sono pianificati.
La quinta sfida è la sicurezza e la resilienza dell’intero ecosistema digitale. In uno scenario caratterizzato da architetture sempre più complesse e da interazioni sempre più rapide, sarà fondamentale adottare modelli di cybersecurity evoluti, capaci di anticipare le minacce, proteggere i sistemi e garantire la continuità operativa. L’intelligenza artificiale, infatti, sta trasformando anche la natura e la velocità delle minacce informatiche: attività di individuazione e sfruttamento delle vulnerabilità che in passato potevano richiedere mesi, possono oggi essere accelerate significativamente grazie all’automazione e all’impiego dell’AI, in alcuni casi fino a ridurre i tempi a poche ore.
L’ultima sfida, ma non per importanza, riguarda la capacità di portare l’intelligenza artificiale nel mondo fisico. La convergenza tra IoT, robotica e AI consentirà di superare una logica di semplice raccolta e analisi delle informazioni, abilitando infrastrutture e sistemi capaci di interpretare i dati, assumere decisioni e intervenire direttamente sul campo, in tempo reale.
La sfida strategica sarà dunque governare l’evoluzione di queste sei dimensioni attraverso una visione sistemica e integrata, superando la frammentazione tecnologica e costruendo un ecosistema infrastrutturale in grado di sostenere l’adozione dell’AI su scala industriale, garantendo prestazioni, sicurezza, affidabilità e sostenibilità nel tempo.
È proprio in questo scenario che Sirti Digital Solutions svolge il proprio ruolo di abilitatore infrastrutturale della AI Economy. Stiamo mettendo a sistema competenze, tecnologie digitali e capacità di integrazione e gestione delle infrastrutture per accompagnare imprese e organizzazioni nel passaggio dalla sperimentazione all’adozione industriale dell’intelligenza artificiale, contribuendo a trasformare il potenziale della tecnologia in applicazioni concrete e valore duraturo.
