Previsione 2026 – L’open source cavalcherà l’onda dell’AI verso la sua prossima età d’oro

L’acquisto da 11 miliardi di dollari di Confluent da parte di IBM annunciato all’inizio di dicembre, è più di un grande gioco di consolidamento nell’infrastruttura dei dati: è un’ammissione pubblica che l’Intelligenza Artificiale (AI) è fondamentalmente basata su eventi. In altre parole, questo acquisto è la prova che le imprese hanno bisogno di dati in movimento attendibili tanto quanto i dati a riposo. Mentre le organizzazioni hanno cercato di implementare agenti AI in tutta la loro operatività nel 2025, l’accordo mette in luce una consapevolezza critica: il contesto in tempo reale è l’ingrediente mancante per far funzionare l’AI agente a livello di impresa.

La stessa impostazione di IBM rivela il cambiamento strategico. Stanno posizionando l’entità combinata come una “piattaforma di dati intelligente per agenti AI” – un’infrastruttura che può connettere, elaborare e governare i dati in tempo reale in modo che gli agenti possano operare in modo fluido attraverso ambienti ibridi. Non si tratta di vendere più infrastrutture di streaming. Si tratta di riconoscere che gli agenti AI hanno bisogno di contesto continuo e fresco per funzionare in modo affidabile, e che i dati in streaming sono l’infrastruttura che lo rende possibile.

La paradosso al cuore dell’AI aziendale

L’acquisto di Confluent da parte di IBM mette anche in luce un paradosso affascinante nel paesaggio dell’infrastruttura dei dati. Negli ultimi anni, alcuni fornitori di infrastrutture si sono ritirati dall’open source, cambiando le licenze e ritirandosi verso modelli proprietari nella ricerca di una monetizzazione più forte. Eppure, l’adozione dell’AI sta costringendo gli ecosistemi a tornare verso l’apertura. Perché? Gli agenti hanno bisogno di pipeline, connettori e governance interoperabili in molti sistemi – non solo in un unico stack proprietario di un fornitore.

La crescita di potenti modelli di linguaggio open source (LLM) ha spinto l’intero ecosistema dell’AI verso la trasparenza e la portabilità. Modelli come Llama, Mistral e molti altri offrono alle imprese alternative più economiche e migliori ai modelli chiusi. Ciò crea una tensione: i fornitori di infrastrutture dei dati stanno chiudendo i loro giardini proprio mentre le aziende di AI che consumano i loro prodotti stanno aprendo i propri. L’acquisto di Confluent da parte di IBM segnala l’inizio di un reset, in cui la spinta dell’AI costringe l’industria a tornare verso l’apertura.

Gestione del contesto: la capacità aziendale richiesta dall’AI

Per capire perché, dobbiamo parlare di ciò che io chiamo “gestione del contesto” – una capacità aziendale di fornire il contesto più rilevante, affidabile e mantenuto alle finestre di contesto dei modelli. Non si tratta solo di implementazioni ad-hoc di Retrieval-Augmented Generation (RAG) sparse in diverse squadre. È un approccio sistematico per garantire che gli agenti AI abbiano accesso alle informazioni di cui hanno bisogno, quando ne hanno bisogno, con una governance e una provenienza adeguate.

Ecco un semplice modello mentale: Gli agenti funzionano sul contesto. Il contesto funziona sulle pipeline.

La pipeline del contesto sembra questo:

fonti → streaming → archiviazione (lakehouse/OLTP) → indicizzazione (vettoriale + lessicale + SQL) → politica/governance → servizio → osservabilità/valutazioni.

Ogni livello deve funzionare in modo affidabile e devono funzionare insieme. Lo streaming si trova alla base perché fornisce la freschezza continua di cui gli agenti hanno bisogno.

Gli approcci tradizionali di RAG sono spesso reattivi: recuperano il contesto quando richiesto. Ma gli agenti hanno anche bisogno di aggiornamenti proattivi: eventi che aggiornano continuamente la memoria, aggiornano gli indici di recupero, regolano le autorizzazioni e applicano le politiche. L’acquisto di Confluent da parte di IBM è fondamentalmente una scommessa su quel “livello di contesto sempre aggiornato” che diventa un’infrastruttura critica per l’AI aziendale.

Perché gli agenti falliscono (E perché ciò è importante)

I team di AI aziendale stanno scoprendo questa verità sfortunata nel modo più difficile: gli agenti non falliscono perché il modello LLM è “stupido”. Falliscono perché il contesto sottostante è rotto, obsoleto, incompleto o non governato. In realtà, gli analisti stimano che fino al 60% dei progetti di AI saranno abbandonati a causa della mancanza di dati pronti per l’AI. Un agente che prende decisioni di approvvigionamento in base ai dati di inventario di ieri non è utile. Un agente che accede ai record dei clienti senza la debita autorizzazione è un incubo per la conformità. Un agente che non può spiegare la sua ragione è inutilizzabile in settori regolamentati.

Le imprese non possono esaminare le decisioni dell’AI senza provenienza. Non possono scalare le applicazioni dell’AI senza una freschezza dei dati coerente. Non possono distribuire gli agenti con fiducia senza adeguate barriere di governance. Tutti questi requisiti puntano alla stessa conclusione: la gestione del contesto deve diventare un’infrastruttura di prima classe, non un pensiero secondario.

La rinascita dell’open source

Questo è dove inizia la rinascita dell’open source. Il contesto copre troppi fornitori e sistemi per consentire a un unico stack proprietario di vincere. L’approccio di successo sarà costituito da interfacce aperte più blocchi costruttivi portatili: connettori, piattaforme di streaming, gestione dei metadati, sistemi di recupero e applicazione delle politiche. La licenza chiusa rallenta l’integrazione – e l’integrazione è l’intero gioco nell’AI agente.

IBM capisce questo. La loro storia con l’open source (in particolare attraverso Red Hat) gli conferisce credibilità. L’entità combinata IBM-Confluent è posizionata per accelerare ciò che chiamano “intelligenza basata su eventi” abbracciando l’apertura laddove conta: nei punti di integrazione in cui diversi sistemi devono funzionare insieme in modo fluido.

Stiamo già vedendo questo cambiamento giocare. Le piattaforme di streaming open source, i formati di tabella aperti come Apache Iceberg e Delta Lake e gli standard aperti per i metadati e la governance stanno diventando il tessuto connettivo dell’infrastruttura dell’AI aziendale. Le organizzazioni stanno esigendo portabilità e interoperabilità perché sanno che lavoreranno con più modelli di AI, più archivi di dati e più strumenti. Il vendor lock-in è il nemico della flessibilità di cui hanno bisogno.

Una previsione per il 2026

Entro la fine del 2026, prevedo che la “gestione del contesto” emergerà come una categoria denominata negli stack tecnologici aziendali. Gli acquirenti esigeranno tre cose:

• Innanzitutto, connettori aperti e architetture “porta-il-tuo” per archivi di dati e indici. Nessun fornitore controllerà l’intera pipeline del contesto.
• In secondo luogo, API di contesto standardizzate tra gli strumenti. Le squadre devono essere in grado di scambiare componenti senza ricostruire interi sistemi.
• In terzo luogo, provenienza governata come impostazione predefinita, non come componente aggiuntivo. Ogni pezzo di contesto deve avere una chiara discendenza e ogni decisione dell’agente deve avere una traccia di audit.

Queste non sono cose che sarebbe bello avere. Sono le poste in gioco per l’adozione dell’AI aziendale su larga scala.

Il reset inizia

L’acquisto di Confluent da parte di IBM segna l’inizio di un reset fondamentale nell’infrastruttura dei dati. La spinta dell’AI, guidata dalla necessità di agenti sofisticati che operano in un contesto fresco e affidabile, sta costringendo l’industria a tornare verso l’apertura. Che si tratti di open source puro o, al minimo, di interoperabilità aperta ed eseguibile, dipende da come si evolve il mercato. Ma la direzione è chiara.

I fornitori che prospereranno in questa nuova era non saranno quelli con gli stack più chiusi e proprietari. Saranno quelli che abbracciano l’apertura al livello di integrazione, che forniscono una vera interoperabilità e che aiutano le imprese a costruire capacità di gestione del contesto senza vincoli artificiali.

La prossima ondata di innovazione verrà dall’infrastruttura di AI open source che consente alle imprese di costruire agenti e applicazioni sofisticate senza vendor lock-in. Non è idealismo – è pragmatismo. Perché quando si costruiscono sistemi di AI critici per la missione che devono coprire l’intera azienda, l’apertura non è una filosofia. È un requisito.