Chi ha lavorato anche solo qualche anno in un Network Operations Center conosce bene la seguente scena. È notte. Arriva un alert in console: una sede irraggiungibile, un'applicazione che segnala degrado, una piattaforma con anomalie prestazionali. In pochi secondi il team operativo si trova davanti alla domanda più importante di tutte: è un problema reale oppure no?
Sembra una domanda semplice. Ma è qui che si consuma gran parte del lavoro delle Operations moderne, perché quasi mai l'allarme contiene già la risposta. Contiene solo l'inizio dell'indagine.
Quando si parla di Operations si immagina spesso un mondo fatto di dashboard, sistemi di monitoraggio e procedure automatizzate. Nella realtà quotidiana però, gran parte del tempo viene speso nell’investigare.
Prendiamo un caso apparentemente banale. Un dispositivo smette di rispondere e l'alert arriva correttamente. Da quel momento iniziano le verifiche: qualcuno controlla se esistono altri eventi correlati, qualcun altro consulta i log. Si guardano le modifiche recenti, lo storico, il traffico, l'impatto sugli utenti, ed eventuali guasti simili in altre sedi. Dopo qualche minuto emerge una conclusione: forse il dispositivo è davvero guasto, forse è in manutenzione programmata, forse il problema è a monte o forse il monitoraggio ha semplicemente generato un falso positivo.
Il punto è che questo processo si ripete decine, centinaia, anche migliaia di volte ogni giorno. Le Operations moderne sono diventate una successione continua di queste micro-investigazioni.
Se le Operations sono soprattutto questo, cambia anche dove si nasconde il vero costo. Osservando i team più maturi emerge una constatazione quasi controintuitiva: il costo operativo di un alert non sta nel generarlo, ma nell'analizzarlo. Le organizzazioni investono moltissimo nella capacità di rilevare anomalie, molto meno nel ridurre il tempo necessario per comprenderle. Eppure è proprio qui che si concentra gran parte dello sforzo umano.
Un operatore esperto raramente legge un alert e agisce subito. Prima cerca evidenze, poi conferme, infine formula una valutazione. Il valore professionale non sta nel leggere un evento, ma nel trasformarlo in una decisione.
Tutto questo tempo speso a cercare evidenze non nasce dal nulla: nella maggior parte dei casi, quello che serve per capire cosa sta succedendo esiste già da qualche parte. Quando si parla di intelligenza artificiale si sente spesso dire che le aziende devono "insegnare" qualcosa alle macchine. Nelle Operations la situazione è diversa. La conoscenza è semplicemente distribuita: vive nei sistemi di monitoraggio, nei logs, negli inventari, nelle procedure, nei ticket chiusi negli anni precedenti, nelle configurazioni salvate, nella documentazione tecnica. E soprattutto nell'esperienza accumulata dai team.
Il problema quindi non è l'assenza di informazioni, ma la difficoltà di consultarle tutte abbastanza in fretta quando serve.
Mettere insieme queste fonti sparse, in fondo, è esattamente il lavoro dell'operatore. Per anni abbiamo descritto il suo ruolo come attività di monitoraggio. Forse oggi sarebbe più corretto parlare di attività investigativa: i professionisti più efficaci assomigliano più a detective che a semplici supervisori di sistemi. Raccolgono indizi, confrontano testimonianze, verificano ipotesi, scartano le conclusioni errate, e alla fine ricostruiscono una sequenza coerente degli eventi prima di decidere come procedere.
Quel che colpisce è che questo processo segue quasi sempre uno schema ricorrente. Le tecnologie cambiano, ma il metodo resta sorprendentemente stabile.
Ed è proprio perché il metodo è così ripetibile che l'intelligenza artificiale può inserirsi in questo lavoro. Molte discussioni sull'AI nelle Operations partono però dalla domanda sbagliata: "può prendere decisioni al posto delle persone?" Probabilmente una domanda più utile sarebbe: "può svolgere parte dell'indagine prima che intervenga l'operatore?" La differenza è enorme.
Immaginiamo un alert. Prima ancora che qualcuno apra una console, un sistema intelligente potrebbe raccogliere automaticamente informazioni da fonti diverse: verificare configurazioni, analizzare metriche storiche, consultare eventi correlati, controllare modifiche recenti, cercare anomalie già osservate in passato. Alla fine consegnerebbe all'operatore non solo l'allarme, ma una prima ipotesi supportata da evidenze: non una decisione, ma una base investigativa già pronta.
Se una parte dell'indagine può essere già fatta prima che l'operatore intervenga, cambia anche la metrica che conta davvero. Per decenni abbiamo cercato di ridurre il tempo necessario per rilevare un problema. E ci siamo riusciti. Oggi però iniziamo a capire che esiste un'altra metrica altrettanto importante: il tempo necessario per comprenderlo. Molti incidenti non durano a lungo perché mancano dati, ma perché il contesto è disperso.
Ridurre il tempo di investigazione significa mettere le persone nelle condizioni di decidere più rapidamente e con maggiore sicurezza. Cambia profondamente il ruolo dell'operatore: meno tempo dedicato alla raccolta di informazioni e più alla valutazione, meno navigazione tra strumenti diversi e più capacità di governare il problema.
Tutto questo non significa però togliere le persone dal processo decisionale. Spesso il concetto di Human in the Loop viene interpretato come una forma di prudenza. In realtà è un principio progettuale. Nelle Operations le decisioni hanno conseguenze: possono influenzare utenti, applicazioni, processi produttivi e servizi critici. Per questo la responsabilità finale deve restare umana.
Ma mantenere il controllo non significa eseguire manualmente ogni singolo passaggio. Significa ricevere informazioni migliori e prendere decisioni più consapevoli: l'automazione raccoglie i dati, l'intelligenza artificiale supporta l'analisi, le persone governano il rischio.
Questo equilibrio tra automazione e responsabilità umana diventerà solo più importante, perché il problema di fondo non farà che crescere. Osservando l'evoluzione degli ultimi anni emerge una tendenza chiara: i dati crescono più velocemente delle persone. Le fonti si moltiplicano, gli eventi aumentano, la complessità cresce di conseguenza. Il contesto quindi diventa l'asset più prezioso.
Per questo il futuro delle Operations probabilmente non passerà da più dashboard o più alert, ma dalla capacità di costruire rapidamente una spiegazione condivisa di ciò che sta accadendo. Perché quando arriva un alert alle tre di notte, sapere che qualcosa si è rotto non basta. Bisogna capire cosa conta davvero, perché sta accadendo, e quale sia la decisione giusta da prendere.