La soluzione non risiede in strumenti più isolati, bensì in un consolidamento strategico su una piattaforma unificata. Un cloud ibrido che unisce tradizione e futuro, un ecosistema di partner basato sulla trasparenza e una strategia di sicurezza che anticipa le minacce sono i pilastri di questo nuovo ciclo. Per analizzare questi elementi chiave, un gruppo di esperti Red Hat esamina le tendenze che definiranno il 2026 in materia di intelligenza artificiale, virtualizzazione, cloud ibrido, sicurezza e sovranità digitale.

dell'IA
: Chris Wright, responsabile tecnologico e vicepresidente senior dell'ingegneria globale di Red Hat

Ci troviamo all'alba di una nuova e caotica era tecnologica, in cui il rapido ritmo dell'innovazione generativa dell'IA sta trasformando il modo in cui ogni azienda opera. L'IA non può essere una soluzione in cerca di un problema; al contrario, la sua adozione deve essere legata a casi d'uso concreti. Ciò significa che i CIO devono garantire che questi casi d'uso dell'IA passino dalla fase di proof of concept alla produzione. Data la rapidità con cui l'IA si sta evolvendo, le aziende necessitano della capacità di integrare rapidamente le nuove tecnologie in un ambiente di produzione, dove il valore possa essere realizzato immediatamente su una piattaforma comune, stabile e affidabile. Entro il 2026, questa flessibilità dovrebbe essere un obiettivo centrale per i CIO: piattaforme aperte che connettano sistemi eterogenei, carichi di lavoro (dalle applicazioni tradizionali agli agenti IA) e requisiti saranno cruciali. Si tratta di essere in grado di sviluppare soluzioni per le esigenze di produzione odierne, essendo al contempo pronti per i carichi di lavoro di IA di domani.

Autore: Robbie Jerrom, Senior Principal Technologist AI, AI BU, Red Hat.
I contenuti generati dall'IA possono essere imprecisi. Con l'avvicinarsi del 2026, le aziende stanno passando dalla sperimentazione dell'IA alla richiesta di valore su scala produttiva. Dati recenti di un sondaggio Red Hat mostrano che il 76% delle organizzazioni si trova ancora nella fase di esplorazione dei casi d'uso dell'IA, ma investirà in media il 32% in più nell'IA il prossimo anno. La maggior parte dei progetti pilota di IA generativa non ha prodotto risultati misurabili nonostante investimenti significativi, creando pressione per dimostrare il ROI attraverso l'implementazione operativa.

Il cambiamento chiave a cui stiamo assistendo è verso sistemi di intelligenza artificiale autonomi e agentici, in grado di pianificare ed eseguire flussi di lavoro a più fasi con applicazioni aziendali. La crescente adozione di framework per agenti specifici per determinate attività, come MCP, sta accelerando notevolmente questa tendenza. Ma ecco la sfida: i primi dati di Gartner suggeriscono che molti di questi progetti basati su agenti falliranno a causa di una governance inadeguata e di un valore aziendale poco chiaro. Il successo richiederà di trattare gli agenti di intelligenza artificiale come partner digitali con ambito e responsabilità ben definiti, piuttosto che come soluzioni miracolose a problemi mal definiti.

L'economia dell'IA sta imponendo una rivalutazione fondamentale dell'inferenza efficiente e della gravità dei dati. Elaborare ogni richiesta con modelli di fascia alta è come noleggiare jet privati ​​per viaggi locali: tecnicamente possibile, ma economicamente insostenibile. Stiamo assistendo all'implementazione, da parte di organizzazioni innovative, di strategie multi-modello, che indirizzano i compiti semplici verso modelli efficienti e con un numero inferiore di parametri, riservando al contempo i costosi modelli di frontiera al ragionamento complesso.

Ma è in atto un significativo cambiamento architetturale. Invece di spostare i dati aziendali su cluster GPU centralizzati, stiamo portando l'inferenza AI più vicino a dove risiedono i dati. Le pipeline RAG elaborano i dati alla fonte, l'inferenza viene eseguita in periferia per gli impianti di produzione e i modelli distribuiti vengono implementati nei data center regionali. Questo approccio evita costosi spostamenti di dati, soddisfacendo al contempo i requisiti di sovranità e latenza. La combinazione di un routing intelligente dei modelli con l'elaborazione distribuita può ridurre drasticamente sia i costi di inferenza che l'overhead di trasferimento dati, migliorando al contempo la qualità della risposta.

Le sfide operative e di piattaforma del 2026 si concentreranno sull'orchestrazione e sull'osservabilità. L'IA basata su agenti richiede sofisticate capacità MLOps, il monitoraggio delle interazioni tra agenti in sistemi distribuiti, la gestione del contesto persistente e della memoria tra sessioni e l'implementazione di meccanismi di controllo della governance in grado di intervenire quando i sistemi autonomi superano i propri limiti. Stiamo assistendo a una crescente richiesta da parte delle aziende di piattaforme in grado di gestire l'intero ciclo di vita, dal versioning dei modelli e dai test A/B al monitoraggio della conformità e all'attribuzione dei costi. Le organizzazioni di successo si baseranno su piattaforme unificate che gestiscono i carichi di lavoro di IA allo stesso livello delle applicazioni tradizionali, consentendo una perfetta integrazione con i sistemi aziendali esistenti e mantenendo al contempo la flessibilità necessaria per adottare modelli e framework emergenti.

Il mercato premia il pragmatismo rispetto alle promesse: portafogli di modelli snelli e ottimizzati per compiti specifici, decisioni infrastrutturali basate sulla posizione dei dati piuttosto che sulle preferenze dei fornitori e framework di misurazione che collegano i risultati dell'IA agli obiettivi aziendali. La questione non è se l'IA trasformerà le aziende – le prime evidenze dimostrano che può farlo – ma se le aziende saranno in grado di raggiungere la maturità operativa necessaria per generare valore su larga scala.

Autrice: Pauline Truong - AI Specialist Solution Architect, Red Hat.
Entro il 2026, il mercato EMEA passerà definitivamente dalla sperimentazione dell'IA a una fase di industrializzazione strutturata. I dati dell'ultimo studio di Red Hat mostrano che solo il 7% delle organizzazioni sta "generando valore per il cliente" dai propri investimenti in IA. Dopo anni di progetti pilota, le aziende si trovano ora sotto pressione per dimostrare il ROI e gestire il crescente onere finanziario delle iniziative di IA. Di conseguenza, stiamo assistendo a un passaggio all'inferenza da modello a dati, sia per gestire i costi sia per soddisfare le crescenti aspettative in materia di sovranità digitale.

Le prestazioni di inferenza si stanno affermando come l'ostacolo principale. Con la scalabilità dei casi d'uso in tempo reale da parte delle aziende, l'efficienza diventa fondamentale. I modelli più piccoli e altamente ottimizzati stanno guadagnando terreno per scenari con risorse di calcolo limitate e bassa latenza, mentre i modelli più grandi continuano a supportare ragionamenti più complessi. Allo stesso tempo, molti settori si affidano ancora ad approcci consolidati di machine learning predittivo e data science, combinandoli con nuove capacità generative. Questa combinazione sta accelerando la domanda di una piattaforma cloud ibrida aperta: un'infrastruttura robusta in grado di rendere operativi entrambi i paradigmi in modo efficiente, integrandosi con i sistemi esistenti, garantendo la conformità agli standard di governance e rimanendo a prova di futuro.

In questo contesto, il ruolo dell'open source nell'IA sta diventando fondamentale in Europa. A differenza del software tradizionale, l'apertura nell'IA può comprendere diverse dimensioni: il codice, i pesi del modello e, sebbene molto meno comune, i dati di addestramento. Ciascun aspetto offre un diverso livello di trasparenza e influenza direttamente la capacità di un'organizzazione di garantire la portabilità tra ambienti, estendere le funzionalità di un modello, valutare i rischi e costruire fiducia. Per le aziende europee, l'adozione di pratiche open source in linea con i principi di sovranità, interoperabilità e conformità normativa (incluso l'EU-AI Act) rappresenterà un significativo vantaggio strategico.

Nel frattempo, lo stack tecnologico sottostante si sta evolvendo rapidamente. La semplice ingegneria basata su prompt sta lasciando il posto a sistemi di intelligenza artificiale agentici più avanzati, capaci di gestire flussi di lavoro a più fasi e di operare autonomamente in ambienti aziendali. L'adozione di questi sistemi alza l'asticella non solo per l'inferenza ad alte prestazioni e l'automazione dell'orchestrazione, ma anche per la trasformazione culturale e operativa. Per stare al passo, le aziende dovranno passare da un accesso di base ai modelli a funzionalità di piattaforma mature basate sulle migliori pratiche MLOps, con osservabilità end-to-end, governance solida e formazione continua del personale.

Il successo nel 2026 dipenderà dalla capacità di considerare i carichi di lavoro di IA come componenti pienamente integrati nell'infrastruttura aziendale complessiva. Basati su progetti open source guidati dalla community, i moderni ambienti di IA si affideranno sempre più a standard di settore come vLLM, insieme a innovazioni emergenti per la scalabilità come llm-d. Gli standard aperti e gli ecosistemi collaborativi consentiranno alle organizzazioni di passare più agevolmente dalla sperimentazione all'IA pronta per la produzione su larga scala.

Autore: Brian Stevens, vicepresidente senior e responsabile tecnologico per l'IA di Red Hat.
Negli ultimi tre anni, il settore ha assistito a ingenti investimenti nell'addestramento generativo di modelli di ragionamento lineare (LLM) presso laboratori all'avanguardia in tutto il mondo. Il risultato è stata una vasta gamma di potenti modelli di ragionamento, ora disponibili sia come software open source che proprietari. L'anno scorso abbiamo assistito all'emergere di agenti, basati su questi modelli di ragionamento avanzati e integrati in un ampio ecosistema di strumenti, dati e sistemi. Ciò significa che per il 2026 l'attenzione si sta spostando sulle piattaforme di inferenza, ovvero piattaforme di produzione per l'esecuzione di questi agenti in modo scalabile, efficiente, affidabile e sicuro. Proprio come abbiamo fatto vent'anni fa con Red Hat Enterprise Linux, attraverso Red Hat AI, stiamo fornendo la piattaforma di inferenza unificata che non solo garantisce la produzione su larga scala, ma abilita anche qualsiasi modello, qualsiasi acceleratore e qualsiasi cloud.

Virtualizzazione

Autore: Ed Hoppitt, Direttore EMEA - Business Value Practice, Red Hat

Pressione migratoria dalle piattaforme di virtualizzazione tradizionali:
nel 2025, la fragilità di molte strategie di virtualizzazione è emersa con chiarezza, rivelando come le organizzazioni siano vincolate a qualcosa che non è più adatto alle loro esigenze. Il progressivo accumulo di tecnologie nel corso degli anni ha portato i dirigenti a confrontarsi con sistemi ormai costosi da gestire, complessi da sostituire e sempre più inadeguati alla velocità di trasformazione richiesta dall'IA e dalla modernizzazione digitale, a causa delle loro origini e della loro natura radicate nel passato. Guardando al 2026, la pressione per disaccoppiare i carichi di lavoro critici dagli hypervisor legacy si intensificherà, spinta dall'aumento dei costi di rinnovo, dalle preoccupazioni relative al rischio di concentrazione e da una maggiore attenzione alla resilienza operativa. L'opportunità non consiste più solo nel modernizzare le macchine virtuali per migliorarne l'efficienza, ma nel considerare la migrazione delle macchine virtuali come un meccanismo strategico per ridurre il debito tecnico, riacquistare il controllo architetturale e creare una piattaforma in grado di supportare i carichi di lavoro attuali e futuri. Chi attende che i lavori di ristrutturazione impongano il cambiamento scoprirà che il modello operativo, non la tecnologia, rappresenta il principale ostacolo.

Coesistenza di carichi di lavoro di IA e macchine virtuali tradizionali:
nel 2025, la maggior parte delle aziende considerava la virtualizzazione e l'IA come domini separati, sia dal punto di vista operativo che architetturale. Con l'arrivo del 2026, tale separazione diventa insostenibile. Le organizzazioni cercano di eseguire carichi di lavoro di inferenza di IA mission-critical e ad alta intensità di dati in parallelo, senza duplicare l'infrastruttura o creare strutture operative parallele. Ciò richiede un approccio alla virtualizzazione che riconosca le macchine virtuali sia come obiettivo di consolidamento sia come parte di un più ampio livello di esecuzione dell'IA, imponendo ai team di piattaforma di stabilire una gestione unificata del ciclo di vita, l'osservabilità e la governance per entrambi i tipi di applicazioni. Il cambiamento non è tecnico, ma culturale. Le aziende dovranno integrare le discipline operative dell'IA direttamente nelle piattaforme di carico di lavoro esistenti, anziché creare nuovi silos per ospitarle.

Consolidamento delle piattaforme e spinta alla riduzione del debito tecnico:
la tendenza osservata nel corso del 2025, ovvero la moltiplicazione delle piattaforme a un ritmo superiore alla capacità di assorbimento dei team, rischia di raggiungere un limite insostenibile nel 2026. Un'attenta analisi del budget, le aspettative di sovranità e la carenza di ingegneri qualificati convergono per stabilire una linea guida chiara: o si razionalizza l'infrastruttura esistente, o l'azienda si troverà ad affrontare una fragilità sistemica. La virtualizzazione e la modernizzazione delle applicazioni saranno sempre più considerate strumenti di unificazione piuttosto che di semplice migrazione. Le organizzazioni stanno cercando attivamente di consolidare gli ambienti di runtime, ridurre i trasferimenti di responsabilità e allineare i modelli operativi tra applicazioni legacy e cloud-native. Quelle che avranno successo tratteranno la progettazione delle piattaforme come una trasformazione organizzativa piuttosto che un semplice aggiornamento dell'infrastruttura, investendo in competenze, ingegneria delle piattaforme e governance tanto quanto nella tecnologia. Non farlo rischia di aumentare la complessità proprio nel punto in cui il costo di gestione diventa insostenibile.

Competenze, modelli operativi e modernizzazione per la resilienza:
entro il 2026, le organizzazioni di successo saranno quelle che riconosceranno che la modernizzazione riguarda tanto le persone, la responsabilità e i diritti decisionali quanto il codice e l'informatica. I programmi di virtualizzazione, inizialmente incentrati sul risparmio di capitale attraverso il consolidamento dei server, si sono ora spostati verso programmi guidati dai costi operativi, molto più focalizzati sulla fornitura di resilienza operativa e piattaforme affidabili. Questo cambiamento richiede che i team operino in modo più autonomo, più vicino ai carichi di lavoro che supportano, con la responsabilità del ciclo di vita che si estende ben oltre l'implementazione iniziale. Le organizzazioni che creano le giuste strutture di governance, responsabilizzano i team nella gestione di carichi di lavoro integrati di virtualizzazione e intelligenza artificiale e integrano la pianificazione dell'uscita nella strategia di piattaforma non solo resisteranno alle pressioni sui costi e sulla resilienza, ma le utilizzeranno anche per riconquistare agilità strategica.

Cosa dovrei eseguire, dove, come e perché?
Nel corso del 2025, la domanda più frequente che i team di piattaforma si sono posti è stata apparentemente semplice: "Cosa dovrei eseguire, dove, come e perché?". In realtà, sta diventando la decisione strategica determinante per il 2026. Con l'aumento dei carichi di lavoro, l'inasprimento delle aspettative in termini di resilienza e l'incremento dei costi, le organizzazioni non considerano più le scelte infrastrutturali come una semplice pianificazione tattica di implementazione; stanno allineando il posizionamento dei carichi di lavoro con gli obiettivi aziendali, la tolleranza al rischio e la distribuzione dei dati. Si prevede un passaggio da strategie "cloud-first" o "on-premise per impostazione predefinita" a modelli di implementazione situazionali che valutano latenza, sovranità, flessibilità di uscita e maturità operativa per ciascun carico di lavoro. Il "come" sta diventando importante quanto il "dove": le organizzazioni standardizzeranno sempre più l'orchestrazione e la gestione del ciclo di vita in tutti gli ambienti per evitare silos operativi o carichi di lavoro isolati. E, aspetto cruciale, il "perché" si concentrerà sulla creazione di valore e sulla resilienza: i consulenti si stanno già interrogando se i carichi di lavoro giustifichino il costo di un'infrastruttura di fascia alta, se richiedano la vicinanza delle GPU o semplicemente una disponibilità prevedibile, e se rafforzino o compromettano l'autonomia operativa a lungo termine. Chi integrerà questo processo decisionale nella strategia di piattaforma, anziché nella pianificazione di progetto, sarà più veloce ed eviterà il debito architetturale che altrimenti richiederebbe anni per essere risolto.

Cloud ibrido
Autore: Michael Ferris, vicepresidente senior, direttore operativo e responsabile della strategia, Red Hat
Stiamo raggiungendo un punto di svolta in cui la modernizzazione IT non riguarda più solo l'efficienza. Sta rapidamente diventando una questione di sopravvivenza. Le aziende si trovano tra l'incudine e il martello, strette tra la volatilità del mercato della virtualizzazione e l'assoluta necessità di adottare l'IA. Queste due pressioni stanno mettendo a nudo il debito tecnico come mai prima d'ora, trasformandolo da un fastidioso costo operativo in una barriera insormontabile che può soffocare l'innovazione. Tutto questo mentre le esigenze aziendali continuano ad accelerare.

Per avere successo, le aziende avranno bisogno di tecnologie in grado di colmare il divario tra la comprovata stabilità dei sistemi esistenti e i sistemi flessibili e intelligenti – si pensi, ad esempio, agli agenti di intelligenza artificiale – in cui sappiamo che si concentrerà l'innovazione futura. Le piattaforme che sfruttano gli investimenti esistenti in persone e processi e che sanno adattarsi alle capacità future guideranno i settori verso il futuro. Rimandare questo lavoro ha sempre comportato dei rischi, ma la posta in gioco è ancora più alta nel 2026. È ora o mai più per gettare le basi tecnologiche per il futuro.

Sovranità digitale
Autore: Fevzi Konduk, Direttore EMEA Software & ISV Ecosystem, Red Hat
La sovranità digitale continuerà a plasmare il mercato europeo del software in seguito alla ricerca di una maggiore autonomia digitale e resilienza operativa. Ciò rappresenta un cambiamento fondamentale nel mercato, che va oltre la conformità normativa, come si è visto negli anni precedenti. Questo cambiamento è guidato da importanti fattori macroeconomici e requisiti normativi.

Nuove normative, come il Digital Operational Resilience Act (DORA), la Direttiva 2 sulla sicurezza delle reti e dei sistemi informativi (NIS2) e il Data Protection Act, stanno ridefinendo le aspettative del mercato in materia di sicurezza e gestione dei dati. I clienti richiedono un maggiore controllo sui propri dati e una comprensione più chiara delle proprie catene di fornitura digitali. Di conseguenza, si sta ponendo sempre maggiore attenzione alla riduzione delle dipendenze tecnologiche e alla mitigazione dei rischi operativi associati ai fornitori terzi.

La questione fondamentale non è più solo dove vengono archiviati i dati, ma chi, in ultima analisi, ne ha il controllo e l'accesso.

Questo cambia il panorama competitivo per i fornitori di software. Costruire una fiducia verificabile è ora un obiettivo aziendale chiave, che porta a un approccio di "sovranità fin dalla progettazione". Questo è diventato un vantaggio competitivo per le aziende.

Tuttavia, l'evoluzione più significativa si verifica a livello organizzativo. Il successo richiede un cambiamento culturale, passando da un approccio tradizionale basato sulla conformità legale a una mentalità orientata alle capacità del prodotto. Ciò implica che la sovranità sia una caratteristica intrinseca del prodotto, parte integrante dell'architettura software, e non qualcosa che opera in parallelo o che viene aggiunto in un secondo momento.

Entro il 2026, il dibattito si sposterà dalla consapevolezza normativa alla comprovata efficacia operativa. I leader di mercato saranno coloro che avranno compiuto questo salto organizzativo, sfruttando l'open source aziendale non solo come scelta tecnologica, ma come fondamento strategico per offrire l'autonomia, il controllo e la resilienza verificabili che i nostri clienti ora richiedono.

Sicurezza
Autore: Chris Jenkins, senior principal chief architect, Red Hat
Il panorama della sicurezza informatica e della sovranità digitale nel 2026 si concentrerà sulle minacce basate sull'IA, sia reali che potenziali, e sulla necessità di un controllo regionale dimostrabile sui dati. Le sfide per i clienti si sposteranno dalla semplice conformità normativa alla gestione del rischio di governance dell'IA, poiché si prevede che si verificheranno i primi incidenti di sicurezza importanti attribuibili a sistemi di IA autonomi e agentivi. Ciò costringerà le aziende a un cambiamento di prospettiva concreto, passando dalla sperimentazione entusiasta dell'IA (come visto negli anni precedenti) alla creazione di un'infrastruttura di fiducia e a prove tangibili di un uso responsabile dell'IA.

Le pressioni del mercato si intensificheranno anche a causa di normative globali più rigorose e mirate, come le leggi europee in continua evoluzione (NIS2, DORA, AI Act, Cyber ​​Resilience Act, ecc.) che danno priorità alla resilienza digitale e operativa. Gli obiettivi aziendali si concentreranno sulla trasformazione di questo obbligo normativo in un vantaggio competitivo, adottando una strategia di difesa "AI on AI": utilizzando approcci di cybersecurity proattivi e piattaforme di sicurezza basate sull'IA per contrastare gli attacchi iper-automatizzati. Per le persone e i processi, ciò richiede un significativo cambiamento culturale, passando da una sicurezza reattiva a strategie di "Security by Design" e "Security by Default", integrando la sovranità, inclusa la localizzazione dei dati, direttamente nelle decisioni architetturali. Il concetto di provenienza digitale e di Confidential Computing diventerà un approccio tecnologico fondamentale, consentendo alle organizzazioni di verificare l'origine e l'integrità dei dati e di mantenere il controllo anche in ambienti multi-cloud, mitigando così il rischio geopolitico e rafforzando la propria autonomia digitale.