Il rapporto The AI Readiness Gap di Spacelift rivela un divario crescente tra l’adozione dell’AI e la governance dell’infrastruttura

L’intelligenza artificiale sta trasformando rapidamente lo sviluppo software, ma un nuovo rapporto di Spacelift suggerisce che molte organizzazioni stanno lottando per mantenere le loro pratiche di infrastruttura allineate con la velocità dell’adozione dell’AI. In The AI Readiness Gap, parte della ricerca 2026 State of Infrastructure Automation della società, Spacelift ha intervistato 406 leader di IT e di ingegneria di piattaforma per esaminare come l’AI sta ridisegnando la gestione, la governance e l’automazione dell’infrastruttura. I risultati rivelano un divario crescente tra l’adozione rapida dell’AI-assisted development e i sistemi che le organizzazioni hanno in atto per governare e gestire i cambiamenti risultanti.

L’AI sta accelerando lo sviluppo più velocemente di quanto le squadre di infrastruttura possano rispondere

Il rapporto evidenzia ciò che Spacelift chiama il “divario AI-infrastruttura”. Mentre l’AI-assisted coding è diventato comune, le squadre di infrastruttura responsabili della distribuzione, della governance e della manutenzione di quel codice stanno lottando per stare al passo. Secondo il sondaggio, l’89% delle organizzazioni riferisce che la velocità degli sviluppatori è aumentata a causa dell’AI, mentre l’82% afferma che tra un quarto e quasi tre quarti del loro codice è ora AI-assisted. Eppure, nonostante questi guadagni, solo il 25% delle organizzazioni considera l’AI una priorità strategica di alto livello.

Le conseguenze sono già visibili. Più di sei rispondenti su dieci affermano che lo sviluppo di applicazioni sta procedendo più velocemente dell’infrastruttura in termini di adozione dell’AI, creando pressione sulle squadre DevOps e di piattaforma per assorbire un volume crescente di cambiamenti generati dall’AI. Man mano che il codice generato dall’AI entra sempre più nei ambienti di produzione, le squadre di infrastruttura incontrano livelli più alti di complessità operativa e di rischio.

Quattro livelli di prontezza per l’AI

Per comprendere meglio come le organizzazioni stanno gestendo questa transizione, Spacelift ha introdotto un Indice di maturità dell’AI che categorizza i rispondenti in quattro gruppi: Esposti, Fragmentati, Superatori e Pionieri. La classificazione si basa su fattori come l’integrazione dell’AI, la maturità della governance, l’automazione dell’infrastruttura, l’esposizione al rischio e la prontezza della piattaforma.

Quasi un quarto delle organizzazioni rientra nella categoria Esposi, il che significa che stanno attivamente utilizzando l’AI ma mancano dei framework di governance necessari per gestirla in modo sicuro. Un altro 32% è considerato Fragmentato, dove l’adozione dell’AI esiste ma rimane inconsistente tra i team. Il 25% è classificato come Superatore, che adotta l’AI in modo aggressivo ma consente alla governance di rimanere indietro. Solo il 19% si qualifica come Pionieri, che hanno stabilito pratiche di governance e automazione prima di accelerare l’adozione dell’AI.

Una delle conclusioni più notevoli del rapporto è che la dimensione dell’organizzazione non è un fattore determinante. Le grandi imprese e le piccole aziende possono apparire in qualsiasi categoria. La distinzione dipende dal comportamento, dalla disciplina della governance e dalle pratiche operative piuttosto che dal budget o dal numero di dipendenti.

Il problema della fiducia nella governance

La ricerca ha scoperto una contraddizione sorprendente in come le organizzazioni vedono la governance dell’AI. Mentre l’86% dei rispondenti ha espresso fiducia nella capacità della propria organizzazione di governare l’AI, solo il 30% ha riferito di avere una politica formale di governance dell’AI.

Questo divario tra fiducia e realtà operativa forma ciò che il rapporto descrive come il “paradosso della governance dell’AI”. Molte organizzazioni credono di gestire efficacemente i rischi legati all’AI nonostante manchino delle politiche, dei controlli e dei meccanismi di vigilanza tipicamente associati a programmi di governance maturi. La discrepanza è particolarmente pronunciata tra le organizzazioni classificate come Esposi, dove solo una piccola frazione ha politiche di governance formali nonostante la fiducia nella loro capacità.

I risultati suggeriscono che la governance rimane uno degli aspetti meno maturi dell’adozione dell’AI aziendale. Mentre le aziende sono ansiose di implementare strumenti e flussi di lavoro dell’AI, meno hanno stabilito i controlli necessari per garantire che quei sistemi operino in modo sicuro e coerente su larga scala.

Le squadre di infrastruttura stanno già vedendo incidenti guidati dall’AI

Il rapporto sostiene che le conseguenze di una governance debole non sono più teoriche. Il 93% delle organizzazioni intervistate ha riferito di aver sperimentato almeno un incidente di infrastruttura legato all’AI durante l’ultimo anno.

Tra i problemi più comuni c’erano il lavoro di riqualificazione a causa dei cambiamenti generati dall’AI, le configurazioni di sicurezza errate che raggiungevano gli ambienti di produzione, le violazioni della conformità, il drift dell’infrastruttura legato alle modifiche generate dall’AI e gli incidenti che coinvolgevano sistemi agente. Ogni categoria ha interessato circa un terzo dei rispondenti.

La differenza tra i leader e i ritardatari nella governance è significativa. Le organizzazioni classificate come Esposi hanno riferito tassi di incidenti legati all’AI drasticamente più alti, mentre le organizzazioni Pionieri erano molto meno propense a incontrare tali problemi. Secondo il rapporto, i sistemi di governance e convalida automatici aiutano a rilevare problemi prima che raggiungano la produzione, riducendo gli interruzioni operative e limitando la necessità di costosi sforzi di rimedio.

Il “vibe coding” sta raggiungendo l’infrastruttura

Il rapporto esplora anche l’influenza crescente del cosiddetto “vibe coding”, dove gli sviluppatori si affidano fortemente al codice generato dall’AI con limitata revisione o supervisione. Sebbene il concetto sia stato principalmente discusso nel contesto dello sviluppo software, i dati di Spacelift suggeriscono che si sta estendendo rapidamente alla gestione dell’infrastruttura.

Quasi l’80% dei rispondenti ha riferito di utilizzare l’AI per generare configurazioni di infrastruttura come codice, politiche di governance o artifact di infrastruttura correlati. Ancor più preoccupante, una quota sostanziale delle squadre di infrastruttura ha indicato che approverebbe il codice di infrastruttura generato dall’AI con poca o nessuna revisione.

A differenza dei bug delle applicazioni, gli errori di infrastruttura possono avere ampie conseguenze operative, che interessano la sicurezza, la conformità, la rete e le risorse cloud. Di conseguenza, il rapporto sostiene che i cambiamenti di infrastruttura generati dall’AI richiedono meccanismi di governance in grado di convalidare e applicare controlli prima che quei cambiamenti vengano distribuiti.

La prossima sfida: l’AI agente

Se le organizzazioni stanno lottando con lo sviluppo assistito dall’AI oggi, il rapporto suggerisce che l’AI agente potrebbe amplificare quelle sfide. L’89% dei rispondenti afferma di pianificare di adottare l’AI agente per le operazioni di infrastruttura, e quasi un quarto si aspetta di farlo entro sei mesi.

I sistemi agente differiscono dagli strumenti AI tradizionali perché possono prendere e eseguire decisioni in modo autonomo. Negli ambienti di infrastruttura, ciò potrebbe significare il provisioning di risorse, la modifica delle configurazioni o la risposta agli incidenti senza l’approvazione umana diretta. Sebbene queste capacità promettano guadagni di efficienza significativi, aumentano anche l’importanza della governance, poiché potrebbe non esserci un revisore umano posizionato tra una decisione AI e la distribuzione in produzione.

Il rapporto nota che gli early adopter stanno già segnalando incidenti che coinvolgono sistemi agente, suggerendo che i framework di governance dovranno evolversi insieme a queste tecnologie sempre più autonome.

La progettazione di piattaforma emerge come una possibile soluzione

Una delle scoperte più forti del rapporto riguarda la progettazione di piattaforma. Le organizzazioni che hanno abbracciato la progettazione di piattaforma sembrano significativamente più preparate per gli ambienti di infrastruttura guidati dall’AI rispetto a quelle che si affidano a approcci tradizionali.

Più dell’80% dei rispondenti sta considerando un passaggio verso la progettazione di piattaforma, e le organizzazioni Pionieri sono molto più probabili ad aver già effettuato la transizione. Secondo il rapporto, la progettazione di piattaforma crea percorsi di self-service governati che consentono agli sviluppatori di muoversi rapidamente senza bypassare la conformità, la sicurezza e i controlli operativi.

Invece di far competere la governance con la velocità, la progettazione di piattaforma tenta di integrare la governance direttamente nei flussi di lavoro, rendendo le azioni conformi più facili di quelle non conformi. I dati suggeriscono che le organizzazioni che hanno successo nell’adozione dell’AI stanno seguendo sempre più questo modello.

La misurazione delle cose sbagliate

Il rapporto sostiene anche che le organizzazioni potrebbero concentrarsi su metriche obsolete. Molti team di infrastruttura continuano a monitorare la produttività, la frequenza di distribuzione e gli incidenti di sicurezza, ma relativamente pochi monitorano indicatori specifici dell’AI come il volume di codice di infrastruttura generato dall’AI che entra nei pipeline o i tassi di errore associati ai cambiamenti generati dall’AI.

Senza visibilità in questi segnali specifici dell’AI, le organizzazioni potrebbero lottare per determinare se i controlli di governance stanno funzionando effettivamente. Man mano che l’infrastruttura generata dall’AI diventa più comune, misurare solo gli esiti operativi tradizionali potrebbe non fornire insight sufficienti sui rischi emergenti.

La prontezza per l’AI sta diventando una sfida di infrastruttura

I risultati suggeriscono che la prontezza per l’AI non è più semplicemente una questione di adozione di modelli o di produttività degli sviluppatori. Sta diventando sempre più una sfida di infrastruttura centrata sulla governance, sull’automazione, sulla progettazione di piattaforma e sulla disciplina operativa. Le organizzazioni che hanno investito in queste capacità prima dell’arrivo dell’AI sembrano adattarsi con maggiore successo, mentre altre stanno scoprendo che l’AI sta esponendo debolezze che già esistevano sotto la superficie.

Man mano che le imprese continuano a muoversi verso operazioni assistite dall’AI e infine agente, il divario tra adozione e governance potrebbe diventare una delle sfide tecnologiche più importanti del prossimo decennio. Il rapporto The AI Readiness Gap di Spacelift suggerisce che molte organizzazioni hanno già superato la soglia nell’infrastruttura guidata dall’AI, ma poche hanno costruito le fondamenta di governance necessarie per gestirla in modo efficace.