La crescente automazione di funzionari junior sta trasformando il processo di formazione degli operatori di SecOps, SRE e NetOps. Per anni, l’apprendistato ha fornito agli analisti l’esperienza necessaria per diventare esperti, attraverso ripetizione e immersione negli strumenti di lavoro. Ora, con l’aumento dell’utilizzo dell’Intelligenza Artificiale, molte delle attività formative si stanno automatizzando.

Il percorso formativo passato

Per vent’anni il cammino per diventare un SecOps di primo piano, un SRE o un ingegnere NetOps passava per la ripetizione. La triage di falsi positivi, la ricerca di contesto sui dashboard e la lettura dei log durante la notte non erano solo compiti ripetitivi, ma rappresentavano l’apprendistato.

Ogni ora passata a osservare i pattern del traffico costruiva una forma istintiva che si rivelava essenziale in caso di vere minacce. Questa intuizione non era insegnabile attraverso corsi singoli né rifiutabile in maniera meccanica. Veniva sviluppata attraverso esposizione, riconoscimento di schemi, fallimenti e escalation.

La minaccia del declino delle competenze

Ora, i nuovi agenti AI iniziano a automatizzare queste attività. L’automatizzazione non è una minaccia, ma offre l’opportunità di ridurre la fatica e il burnout. Tuttavia, togliendo il processo di apprendistato, bisogna pensare a cosa può sostituirlo.

Le organizzazioni che affrontano il problema con attenzione produrranno operatori in grado di gestire il prossimo decennio. Le organizzazioni che ignorano il problema si troveranno con sistemi più veloci oggi, ma con un numero ridotto di persone che li capiscono abbastanza a fondo da governarli domani.

Contesto regolamentare e responsabilità

C’è un altro aspetto che riceve meno attenzione: nell’ambiente normativo, l’apprendistato è parte del livello di responsabilità. Quadri come SOX, PCI DSS, HIPAA e NIS2 presuppongono una catena di giudizi umani dietro ogni decisione di controllo.

I revisori non intervistano i modelli, ma le persone che sanno spiegare perché un sistema ha agito in un certo modo, perché la decisione era fondata e se i controlli corretti sono in atto. Quando la popolazione di professionisti in grado di spiegare la catena comincia a calare, i rischi non si manifestano immediatamente.

L’evoluzione del ruolo umano

Quando parte del livello di responsabilità viene automatizzato, l’uomo dovrà adottare un ruolo diverso nella governance. Governare un sistema con agenti AI significa implementare guardrails automatizzati adattabili al comportamento non deterministico dell’agente e garantire che si comporti appropriatamente in condizioni impreviste.

Significa progettare criteri di escalation che rilevino gli anomalie giuste senza sovraccaricare con quelle errate. Vuol dire anche implementare strumenti dinamici come segnalazioni e processi di revisione per rilevare il drift, il bias e gli errori di ragionamento, che da sé non sarebbero rilevabili.

Costruire esperienza umana per governare l’IA

Questa capacità di valutare e rispondere a eccezioni richiede un giudizio sviluppato nel tempo e l’apprendimento di schemi che la vecchia cultura dell’apprendistato produceva. Per questo la domanda riguardo al personale e quella sull'architettura diventano una sola.

Se ci aspettiamo che l'uomo governi sistemi sempre più autonomi, dobbiamo creare percorsi dedicati per permettere all’esperienza umana di crescere al passo con l'escalation tecnologica. Gli utenti avranno così intuizione e capacità necessarie per gestire tali sistemi.

Sviluppo umano come scelta architettonica

Nell’era dell’IA, la vera piattaforma utile non solo non semplicemente automatizza più attività, ma aiuta le persone a diventare più capaci, credibili e indispensabili mentre i sistemi intorno diventano più veloci e intelligenti.

Significa che le organizzazioni devono investire in un intero ecosistema di competenze per gli operatori: comunità che condividano best practice, certificazioni o prove di competenza, spiegazioni e verifiche mirate nell’IA e percorsi di apprendimento che migliorino le capacità.

Empowerment come scelta progettuale

L’empowerment umano è centrale nell’utilizzo pratico dell’IA. Tuttavia, senza una strategia intenzionale, rischia di diventare un concetto vuoto. L’empowerment dei sistemi di agenti non può essere solo una richiesta concettuale.

Deve consistere in decisioni progettuali integrate nel funzionamento dei sistemi. Un sistema agente che abilita gli operatori umani e cresce la loro abilità professionale, fa quattro cose specifiche:

    • Esponi il ragionamento, con la traccia dei dati dietro ad ogni decisione.
    • Differenzi l’autorità per livello di confidenza e impatto.
    • Tratta le divergenze come un segnale di correzione.
    • Cattura risoluzioni come conoscenze trasversali.

Queste non sono qualità astratte, bensì capacità testabili. I leader che valutano i sistemi agenti dovrebbero sapere dove si trovano queste capacità, cosa succede quando falliscono e se migliorano le competenze degli operatori dopo il deployment.

Alla base dello sviluppo congiunto tra l’intelligenza artificiale e gli operatori

Perché i sistemi basati sull’IA siano funzionali, fidati e scalabili, il loro punto cruciale è il funzionamento profondo insieme a umani. Ecco perché l’era degli agenti non parla di sostituire gli umani, ma di ridefinire i sistemi gestiti dagli esseri umani per permettere il lavoro a velocità e livello industriale.

Perché questo risultato si realizzi, però, i leader devono trattare lo sviluppo operativo come una priorità e non come un’appendice secondaria. Gli agenti dovranno essere progettati in modo intenzionale per esporre i ragionamenti, catturare l’apprendimento e indirizzare il lavoro verso gli operatori in modo tale da costruire abilità professionali.