Vijay Rayapati, CEO e Co-fondatore di Atomicwork – Serie di Interviste

Vijay Rayapati è il co-fondatore e CEO di Atomicwork. Prima di fondare l’azienda, è stato Senior Vice President e General Manager dell’unità Cloud Networking and Security di Nutanix, a seguito dell’acquisizione da parte di Nutanix di Minjar, la piattaforma di gestione cloud che aveva fondato e scalato come CEO. In precedenza nella sua carriera, ha ricoperto ruoli di leadership in ingegneria e prodotto presso Kuliza e Trilogy, acquisendo una profonda esperienza nella costruzione di infrastrutture aziendali e applicazioni software. Il suo background spazia dall’infrastruttura cloud al software aziendale e alla tecnologia della forza lavoro AI, rendendolo un fondatore noto nel settore IT enterprise.

Atomicwork è un’azienda di AI enterprise che costruisce una piattaforma di gestione dei servizi IT agentica che aiuta i dipendenti a risolvere problemi tecnologici, automatizzare attività di supporto di routine e accedere alla conoscenza aziendale tramite AI. La sua piattaforma combina agenti AI con capacità moderne di ITSM per gestire richieste di servizio, diagnosticare problemi, orchestrare flussi di lavoro attraverso i sistemi aziendali e ridurre il carico sui team IT. I clienti usano Atomicwork per offrire supporto più rapido ai dipendenti migliorando l’efficienza operativa sia dell’IT sia delle operazioni di business.

Hai precedentemente co-fondato Minjar, costruito il suo business di gestione cloud enterprise, e poi guidato l’operazione in Nutanix dopo l’acquisizione. Quali lezioni apprese dalla costruzione, vendita e integrazione di una società di software enterprise ti hanno convinto a fondare Atomicwork nel 2022 e a ricostruire la gestione dei servizi IT da zero per l’era dell’AI?

Da Minjar, abbiamo costruito un software in grado di ridurre il costo cloud di un’azienda di un terzo grazie all’automazione. I clienti adoravano le raccomandazioni. Poi le lasciavano inattive per due trimestri. Ci è voluto un po’ per capire il perché, e la risposta non era tecnica. Quando l’automazione prende una decisione e questa va male, non c’è nessuno da ritenere responsabile. Le imprese non acquistano solo software o risultati. Acquistano qualcuno che risponda per loro. Un software che non ha una posizione nell’organigramma non ottiene autorità, per quanto sia valido.

L’acquisizione mi ha insegnato una lezione più ristretta. I prodotti puntuali vengono acquistati. I sistemi di registrazione vengono costruiti sopra. Puoi essere il prodotto migliore e comunque passare la vita a girare intorno a chiunque possieda il flusso di lavoro.

Gli anni in Nutanix hanno unito le due cose. Ho osservato l’IT acquistare la gestione dei servizi per il controllo e i dipendenti viverla come un modulo e una coda. Ho anche capito che il ticket non era mai il prodotto. Era la traccia di audit. Ecco perché l’ITSM è sopravvissuto per quarant’anni nonostante l’odio, ed è anche il motivo per cui nessuno è riuscito a rimuoverlo.

Quindi, nel 2022 la domanda non era se l’AI potesse fare il lavoro. Era se si potesse dare all’AI un posto nell’organigramma. Le piattaforme ITSM legacy non possono farlo, perché un assegnatario umano è al centro del loro modello dati e ogni SLA, approvazione e report dipende da questa assunzione. Attiva l’AI e ottieni un modulo più veloce.

Abbiamo costruito per l’altra risposta, dove l’AI fornisce una forza lavoro ibrida, non solo software. I “AI Coworker” svolgono il lavoro, e l’IT li governa come le risorse umane governano le persone. Non configuri un AI Coworker. Lo assumi in un ruolo, ne revisioni il lavoro e lo revoci se non rende. Questa è la differenza tra AI come funzionalità e AI come forza lavoro.

Atomicwork descrive i suoi AI Coworker come sistemi che possiedono ruoli di lavoro definiti e completano il lavoro dall’inizio alla fine, piuttosto che limitarsi a rispondere a domande o eseguire compiti isolati. Quali capacità tecniche distinguono un vero AI Coworker da un chatbot, da un copilot o da uno strumento di automazione tradizionale, e dove dovrebbe terminare la sua autonomia?

Un chatbot risponde a una domanda, e un copilot aiuta qualcuno a completare un compito, ma nessuno dei due è responsabile del portare il lavoro fino al completamento. Un AI Coworker è diverso perché gli viene assegnato un ruolo definito e ci si aspetta che fornisca un risultato. Che si tratti di gestire incidenti, fornire accessi o integrare dipendenti, continua a lavorare su ogni fase per raggiungere l’obiettivo invece di fermarsi al primo turno.

Ciò richiede molto più di un modello capace. Un AI Coworker ha bisogno di un’identità, dei permessi corretti, accesso a strumenti approvati, contesto organizzativo, un budget e limiti operativi chiari per il suo ruolo. Deve operare attraverso i sistemi aziendali, capire quando (e a chi) chiedere approvazione e lasciare una traccia di audit dietro ogni azione. Ecco perché ci siamo concentrati così intensamente sulla piattaforma attorno al modello. Un’AI affidabile dipende da orchestrazione, governance ed esecuzione tanto quanto dall’intelligenza.

L’autonomia non dovrebbe mai essere illimitata. Un AI Coworker dovrebbe operare entro le responsabilità del suo ruolo, mentre le persone rimangono coinvolte ogni volta che il lavoro influisce su sistemi sensibili o comporta implicazioni legali, finanziarie o occupazionali.

La tua piattaforma consente a AI Coworker specializzati di collaborare nella gestione degli incidenti, nella fornitura di accessi, nell’onboarding e nelle operazioni IT. Come dividono le responsabilità, condividono il contesto e si riprendono quando un AI Coworker prende una decisione errata che potrebbe influenzare il resto del flusso di lavoro?

Non pensiamo che un singolo AI Coworker debba cercare di fare ogni lavoro. Le organizzazioni IT già separano le responsabilità tra diversi team perché ogni ruolo ha obiettivi, permessi ed expertise differenti. Abbiamo applicato lo stesso ragionamento agli AI Coworker, motivo per cui abbiamo lanciato AI Coworker certificati che si specializzano in diverse aree operative IT.

Ogni Coworker possiede una funzione specifica condividendo lo stesso contesto aziendale. Quando un dipendente crea un ticket in Atomicwork, il routing intelligente garantisce che venga indirizzato al AI Coworker giusto che lavora sulla richiesta e (a seconda della richiesta) lo riassegna a un altro AI Coworker, crea ticket figli affinché gli AI Coworker risolvano il problema in parallelo (ad esempio, un ticket di onboarding può essere suddiviso in attività da svolgere contemporaneamente) o lo escalates a un umano. Man mano che il lavoro passa da un Coworker all’altro, le informazioni rilevanti si spostano con esso attraverso il ticket (il sistema di registrazione), insieme all’accesso ai sistemi pertinenti come il service desk, le piattaforme di identità, i sistemi HR e gli strumenti di collaborazione. Questo contesto condiviso consente a ciascun Coworker di prendere decisioni basandosi su quanto già accaduto anziché partire da zero.

Atomicwork supporta diversi framework di agenti e modelli forniti da provider come OpenAI, Anthropic e Google. Come decidi quale modello deve gestire il recupero, il ragionamento, la pianificazione e l’esecuzione, e come le imprese possono mantenere un comportamento coerente mentre i modelli sottostanti continuano a evolversi?

I diversi modelli eccellono in tipi di lavoro differenti. Il nostro focus è stato costruire una piattaforma che possa sfruttare i progressi senza costringere i clienti a ridisegnare i loro flussi di lavoro ogni volta che un modello cambia. Il contesto enterprise, l’orchestrazione, l’identità, l’applicazione delle policy, la telemetria e la valutazione forniscono la coerenza di cui le organizzazioni hanno bisogno in produzione, indipendentemente dal modello di frontiera che si trovi sotto.

Abbiamo discusso pubblicamente del supporto a più provider di modelli insieme a framework di valutazione e governance, ma non abbiamo descritto la logica di routing che decide quale modello gestisce il recupero, il ragionamento, la pianificazione o l’esecuzione. Non abbiamo inoltre condiviso il processo di validazione che utilizziamo quando i provider rilasciano nuovi modelli e aggiornamenti.

Un agente AI enterprise può incontrare documentazione contraddittoria, record di configurazione incompleti, conoscenza obsoleta e permessi diversi tra i sistemi. Come determina lo strato Universal Context di Atomicwork quale informazione è affidabile e attuale prima di permettere a un agente di prendere una decisione o compiere un’azione?

La conoscenza aziendale raramente esiste in un unico luogo. Parte di essa vive nella documentazione, parte nei sistemi di registrazione e parte nell’attività quotidiana del business. L’AI ha bisogno di tutto questo contesto se vuole prendere decisioni affidabili.

Universal Context riunisce queste fonti combinando la conoscenza aziendale con dati su persone, rete, infrastruttura e dispositivi provenienti da sistemi operativi live. Un AI Coworker può fare riferimento a informazioni provenienti da piattaforme come Confluence o SharePoint, MDM come Intune e JAMF, comprendendo al contempo cosa sta accadendo in sistemi come Jira, Workday, Salesforce o provider di identità. Rispetta anche i permessi esistenti, così persone e AI Coworker accedono solo alle informazioni per le quali sono già autorizzati.

Abbiamo spiegato come Universal Context collega i sistemi aziendali e preserva i confini di sicurezza, ma non abbiamo descritto come risolve le informazioni contraddittorie quando le fonti fidate non sono d’accordo o come determina quale fonte debba avere la precedenza. Questi dettagli di implementazione non fanno parte della nostra documentazione pubblica.

L’AI Coworker universale può supportare i dipendenti tramite Microsoft Teams, Slack, email, browser, portale e tramite chat, voce e modalità visive. Quali nuove capacità di troubleshooting diventano possibili quando un agente può vedere e sentire ciò che il dipendente sta sperimentando, e come si previene che contenuti sensibili dello schermo o conversazioni vengano esposti?

Il supporto IT tradizionale dipende dai dipendenti che descrivono accuratamente i problemi tecnici, ed è spesso la parte più difficile dell’interazione. Il contesto vocale e visivo permette all’AI di vedere lo stesso messaggio di errore, l’applicazione o la schermata di configurazione che il dipendente sta guardando, rendendo molto più semplice comprendere il problema e guidare l’utente al passo successivo senza lunghi scambi.

Queste capacità funzionano solo se i dipendenti si fidano di esse. Riteniamo che l’accesso visivo debba richiedere un consenso esplicito e gli utenti devono sempre sapere quando è attivo. Le informazioni sensibili sono protette tramite mascheramento PII, controlli amministrativi e politiche di conservazione appropriate.

Siamo anche chiari sul fatto che i dati dei clienti non vengono usati per addestrare i nostri modelli o i modelli di base di terze parti. Questo consente alle organizzazioni di adottare AI multimodale senza rinunciare al controllo sui propri dati.

Atomicwork può essere distribuito accanto a un ambiente ServiceNow o Jira Service Management esistente senza richiedere una migrazione immediata. Lo vedi principalmente come una strategia di transizione, o molte imprese opereranno permanentemente una forza lavoro AI sopra il loro sistema legacy di registrazione?

La maggior parte delle grandi imprese ha trascorso anni a costruire processi, integrazioni e governance attorno a piattaforme come ServiceNow e Jira Service Management. Richiedere loro di sostituire questi sistemi prima di adottare l’AI crea frizioni inutili.

Abbiamo costruito le integrazioni di Atomicwork con ServiceNow e Jira Service Management così i clienti possono trasformare l’esperienza dei dipendenti e potenziare i loro team di servizio con AI Coworker fin dal primo giorno, senza interrompere i sistemi di cui già si affidano. Il connettore importa il contesto IT aziendale rilevante affinché gli AI Coworker lo sfruttino, mantenendo una sincronizzazione bidirezionale per gli agenti di servizio nel loro sistema esistente. Non riteniamo che le imprese debbano scegliere una sola via fin dal primo giorno. La priorità è aiutarle ad adottare l’AI secondo i loro tempi.

Fornire agli AI Coworker l’accesso a sistemi di identità, dati dei dipendenti, infrastruttura e applicazioni aziendali introduce rischi come injection di prompt, fonti di conoscenza avvelenate, permessi eccessivi e errori a catena degli agenti. Quali salvaguardie, limiti di approvazione e meccanismi di audit sono essenziali prima che un’impresa possa consentire in sicurezza agli agenti di agire autonomamente?

Gli AI Coworker sono governati come dipendenti con accesso privilegiato. Ogni Coworker ha un ruolo definito, permessi limitati, strumenti approvati, limiti di spesa e confini chiari su ciò che può fare in modo autonomo. Le azioni sensibili — in particolare quelle che coinvolgono identità, infrastruttura, finanza, questioni legali o occupazionali — richiedono l’approvazione umana.

Competenze e istruzioni sono verificate prima della pubblicazione per rischi quali injection di prompt, istruzioni nascoste, accesso a credenziali, perdita di dati e azioni non sicure. Se uno strumento cambia in modo da aumentare il rischio, viene automaticamente disabilitato fino a revisione. Ulteriori salvaguardie — inclusi limiti di azione, prevenzione di azioni duplicate, controlli di emergenza e presa di controllo umana — aiutano a contenere gli errori prima che si diffondano.

Ogni azione è tracciabile: le organizzazioni possono vedere cosa ha attivato il Coworker, quali informazioni e strumenti ha usato, quali approvazioni sono state ottenute e quale risultato è seguito. Valutazioni continue, monitoraggio e test red‑team garantiscono che queste salvaguardie rimangano efficaci man mano che modelli, strumenti e ambienti aziendali evolvono.

Abbiamo investito molto in valutazione, applicazione delle policy, monitoraggio e test red‑team perché il deployment dell’AI è solo l’inizio. Le organizzazioni hanno bisogno della certezza che questi Coworker continuino a comportarsi come previsto mentre modelli e ambienti aziendali cambiano.

Il rapporto State of AI in IT 2026 di Atomicwork ha rilevato che due terzi dei professionisti IT segnalano ritorni positivi dagli investimenti in AI, mentre solo una organizzazione su cinque ha integrato pienamente l’AI nei propri team di gestione dei servizi. Cosa separa le implementazioni che generano valore di business misurabile dai progetti pilota che restano bloccati nella sperimentazione?

La maggior parte delle organizzazioni ha già dimostrato che l’AI può migliorare compiti individuali. Le aziende che vedono valore di business misurabile collegano l’AI a flussi di lavoro operativi completi anziché usarla come assistente isolato.

Ciò parte dalla risoluzione di un problema di business specifico pensando in termini di ruoli, dando agli AI Coworker l’accesso ai sistemi di cui hanno bisogno e misurando risultati che contano — che si tratti di tempi di risoluzione più rapidi, costi di supporto più bassi o una migliore esperienza dipendente. Una volta che i team si fidano di questi risultati, espandere l’AI a ulteriori flussi di lavoro diventa molto più semplice.

La nostra ricerca ha anche scoperto che l’AI responsabile rimane una delle massime priorità per i leader IT. Ha senso, perché le organizzazioni non daranno più responsabilità all’AI se non comprendono come essa prende decisioni, possono rivedere tali decisioni in seguito e sanno che sono in atto le giuste barriere di sicurezza.

Man mano che gli AI Coworker iniziano a risolvere richieste di supporto, gestire accessi, diagnosticare incidenti e coordinare flussi di lavoro, come cambieranno le responsabilità dei professionisti del service desk, dei team di operazioni IT e dei Chief Information Officer? Guardando più avanti, l’IT potrebbe diventare il dipartimento responsabile dell’assunzione, della governance e della misurazione dell’intera forza lavoro digitale di un’impresa?

L’AI prenderà in carico gran parte del lavoro operativo ripetitivo che oggi consuma i service desk, permettendo alle persone di dedicare più tempo a gestire eccezioni, migliorare i processi e perfezionare la conoscenza da cui l’AI dipende.

I team di operazioni IT si concentreranno sempre più sulla governance degli AI Coworker anziché eseguire manualmente ogni flusso di lavoro. Definiranno permessi, collegheranno sistemi, monitoreranno le prestazioni e garantiranno che l’AI continui a operare entro le policy stabilite.

Prevedo anche un ampliamento del ruolo del CIO. Gestire centinaia di AI Coworker inizia a somigliare alla gestione di qualsiasi altra infrastruttura aziendale. Qualcuno deve decidere a cosa questi Coworker possono accedere, come vengono valutati, quando vengono aggiornati e se stanno fornendo valore. I team di business continueranno a definire il lavoro, mentre l’IT diventerà l’HR per l’AI, ossia responsabile della piattaforma, della governance e dei controlli operativi che mantengono sicura una forza lavoro AI enterprise.

Grazie per la splendida intervista, lettori che desiderano approfondire dovrebbero visitare Atomicwork.