Il report Splunk State of Observability 2026, realizzato da Cisco in collaborazione con Oxford Economics, mette in luce una tensione emergente nelle organizzazioni IT: i costi legati alla telemetria stanno superando quelli dell’infrastruttura che monitorano. Tra i 2.050 professionisti intervistati in dieci Paesi, il 57 % dichiara che le spese di telemetria hanno ormai superato il budget destinato all’infrastruttura stessa. Parallelamente, la diffusione rapida degli agenti IA crea una nuova fonte di spesa, con il 55 % delle risposte che ammette difficoltà nel tenere sotto controllo il consumo di risorse AI.
Questi dati, raccolti tra febbraio e marzo 2026, chiedono un ripensamento dei modelli di governance: non è più sufficiente garantire l’efficienza operativa, ma è indispensabile associare ogni azione automatizzata a un costo misurabile. In questo contesto l’osservabilità si trasforma da semplice strumento di monitoraggio a leva strategica per la sostenibilità economica dell’automazione.
Telemetria, AI tokenomics e spese imprevedibili
Il 60 % degli intervistati segnala che i picchi di spesa inaspettati ostacolano le operations più dei costi di base elevati. La mancanza di una visibilità chiara sui consumi rende difficile pianificare le risorse necessarie. Il report evidenzia che il 67 % delle aziende utilizza una sola piattaforma di osservabilità, ritenendo che una vista integrata faciliti l’identificazione delle radici economiche della telemetria.
AI tokenomics: misurare i consumi in token
Secondo Kamal Hathi, SVP e GM di Splunk in Cisco, “l’osservabilità è fondamentale per ripristinare prevedibilità e fiducia nell’era dell’IA agentica”. Inserire i meccanismi di AI tokenomics – ovvero il monitoraggio del consumo di token da parte dei modelli linguistici – permette di trasformare la spesa in valore misurabile. Il tracking dei token fornisce un’indicazione chiara del costo di ogni operazione automatizzata, consentendo di correlare la qualità del risultato al relativo impatto sul budget.
Priorità e lacune nella gestione degli agenti IA
Il 87 % delle aziende classifica il monitoraggio dell’IA come priorità strategica, ma il 54 % non ha ancora definito obiettivi di business concreti. Inoltre, il 56 % non riesce a misurare metriche chiave dei carichi di lavoro AI, come la qualità delle risposte dei grandi modelli linguistici (LLM). Le allucinazioni dei modelli – risposte prive di fondamento – sono riconosciute come minaccia: l’85 % dei professionisti vuole visibilità su questo fenomeno, ma solo il 58 % ritiene di riuscirci in maniera efficace.
Collaborazione osservabilità-sicurezza
Il 81 % degli intervistati afferma che il monitoraggio dei carichi di lavoro AI ha rafforzato la cooperazione tra i team di osservabilità e sicurezza. Grazie a piattaforme dati condivise, il 73 % riesce a collegare con precisione problemi di performance a cause di sicurezza, in crescita rispetto al 65 % dell’anno precedente. La collaborazione è passata dal 62 % al 77 % rispettivamente per il lavoro congiunto tra i team, e la condivisione dei dati è aumentata dal 74 % all’84 %.
Prospettive dei leader tecnologici
Jeetu Patel, President e Chief Product Officer di Cisco, avverte: “Presto, nella maggior parte delle aziende, gli agenti di IA saranno molto più numerosi delle persone”. Questa affermazione sottolinea la necessità di ridisegnare approcci di sicurezza e osservabilità. Domande come “Gli agenti sono stati compromessi?” o “Stanno svolgendo correttamente il loro lavoro?” devono ricevere risposte alla velocità delle macchine, grazie a piattaforme integrate che uniscono dati di osservabilità e sicurezza.
Il report Cisco-Splunk dimostra che l’osservabilità è ora un pilastro decisivo per trasformare l’IA da voce di spesa imprevedibile a investimento strategico. Le aziende che riescono a mappare costi, token consumati e risultati qualitativi saranno quelle che potranno mantenere la competitività in un panorama sempre più automatizzato.
