Il 2026 potrebbe rivelarsi un anno delicato e cruciale per imprese e leader tecnologici, perché innovazione, dinamiche disruptive e rischi di vario tipo – a partire da quelli geopolitici – minacciano di accelerare e impattare a una velocità senza precedenti.
In questo scenario complessivo, peseranno molto – e vanno ben considerate – anche le 10 tendenze tecnologiche strategiche, per l’ulteriore sviluppo dell’AI, individuate da Gartner per il nuovo anno.
Secondo gli osservatori e analisti della multinazionale statunitense, sono più che semplici cambiamenti tecnologici: sono trend catalizzatori per la trasformazione aziendale, che richiederanno risposte di tipo C-Level, ovvero da parte dei vari chief di settore e massimi dirigenti aziendali.
Indice degli argomenti:
Le 10 tendenze tecnologiche del 2026 secondo Gartner
Queste 10 tendenze “riflettono le realtà e le aziende di un mondo iperconnesso e alimentato dall’AI”, sottolinea Gene Alvarez, vice presidente Business and Technology Insights di Gartner, “in cui nessuna singola capacità da sola è più sufficiente per raggiungere i risultati necessari”.
1. Piattaforme di sviluppo AI-native
Le piattaforme di sviluppo AI-native utilizzano l’AI generativa per creare software e fare coding in modo più rapido e semplice che mai.
Queste piattaforme spaziano dagli strumenti cosiddetti ‘one-shot’, che generano software da un singolo prompt, attraverso strumenti di ‘vibe coding’, che consentono lo sviluppo di software senza una profonda conoscenza tecnica, fino ad agenti AI orchestrati insieme per creare nuovi software sofisticati.
“I CIO aziendali sono entusiasti della consegna più rapida del nuovo software e dei guadagni di produttività, mentre i CEO e i CFO riconoscono il potenziale di risparmio sui costi”, rileva il vice presidente Business and Technology Insights di Gartner.
Che anticipa: “queste piattaforme consentono, a piccoli team di esperti, di costruire più applicazioni con le stesse risorse. Entro cinque anni, l’80% delle imprese e organizzazioni evolverà i grandi team di ingegneria del software in diversi team più piccoli potenziati dall’AI”.
I passi da compiere in questa direzione sono diversi:
- stabilire un team di piattaforma, vale a dire formare una squadra dedicata per gestire le piattaforme AI-native e selezionare i modelli di AI da sviluppare;
- implementare guard-rail di sicurezza, integrare piattaforme di governance dell’AI per la revisione del codice e i controlli di conformità;
- adottare soprattutto una mentalità AI-first: dare priorità agli strumenti AI-native per le nuove iniziative di sviluppo.
2. Piattaforme di supercomputing per l’AI
Le piattaforme di supercomputing per l’intelligenza artificiale forniscono l’enorme potenza di elaborazione necessaria per addestrare ed eseguire modelli di AI evoluti. Questi sistemi combinano il calcolo ad alte prestazioni (HPC), processori specializzati e architetture scalabili.
La domanda del mercato per questo tipo di tecnologie “sta aumentando vertiginosamente”, osserva Gartner, “poiché imprese e organizzazioni di ogni settore sviluppano modelli AI più grandi e complessi, che superano i limiti delle infrastrutture tradizionali. Entro il 2028, il 40% delle imprese adotterà architetture di calcolo ibride, rispetto all’8% attuale”.
Per favorire questo sviluppo, aziende e leader tecnologici dovranno:
- identificare carichi di lavoro ad alto impatto, per esempio, collegati a simulazioni digitali, sviluppo di nuovi progetti, prodotti, materiali;
- investire in stack software unificati per semplificare l’integrazione tra soluzioni diverse e di epoche diverse;
- pianificare la governance e la conformità a livello di sistema.
3. Computing confidenziale
Il cosiddetto Computing confidenziale utilizza processori e ambienti IT di esecuzione protetta (in gergo tecnico abbreviati in TEE, Trusted execution environment) basati sull’hardware, per proteggere i dati mentre vengono elaborati, impedendo l’accesso non autorizzato, anche da parte dei fornitori di cloud.
Le varie leggi sulla privacy sempre più rigide e l’adozione dell’AI su vasta scala rendono critica la protezione dei dati in uso. “Entro il 2029, il 75% delle operazioni di elaborazione in infrastrutture non affidabili sarà protetto dal computing confidenziale”, prevedono gli analisti di Gartner, e per sviluppare questo tipo di tecnologie “occorre innanzitutto mappare i carichi di lavoro soggetti a regole di privacy o localizzazione; testare i sistemi TEE con modelli di AI proprietari e anche open-source; implementare sistemi di chiavi crittografiche di proprietà dell’organizzazione”.
4. Sistemi multi-agente (MAS)
I sistemi multi-agente (MAS, Multi‑agent system) utilizzano gruppi di agenti AI specializzati, che collaborano per completare flussi di lavoro complessi. Ogni agente gestisce un compito specifico, migliorando l’efficienza complessiva e finale rispetto alle soluzioni monolitiche.
Gartner, a livello globale, ha registrato un aumento del 1.445% nelle richieste aziendali sui MAS tra l’inizio del 2024 e lo stesso periodo del 2025. In più, si calcola che, entro il 2028, il 60% dei MAS diffusi a livello internazionale supporterà l’interoperabilità tra più fornitori.
Per favorire l’adozione e lo sviluppo dei sistemi AI multi-agente, bisognerà:
- progettare agenti modulari invece di soluzioni monolitiche;
- applicare una forte governance delle API e strumenti di monitoraggio;
- formare il personale sui framework MAS e sulla gestione del cambiamento.
5. Modelli linguistici specifici per dominio (DSLM)
I modelli di Generative AI addestrati su set di dati specializzati per settori o funzioni aziendali specifiche (DSLM, Domain‑specific language models), sono i sistemi di intelligenza artificiale addestrati non su dati generici, ma su contenuti altamente specializzati di un settore (come sanità, finanza, industria, legale, eccetera), e offrono maggiore accuratezza e conformità rispetto ai modelli generalisti.
Entro il 2028, il 50% dei modelli Gen AI aziendali sarà specifico per dominio e il 30% dei carichi di lavoro Gen AI girerà ‘on-premise’, ovvero installato e gestito direttamente all’interno dell’azienda, sui suoi server, nei suoi edifici e sotto il suo pieno controllo.
I prossimi passi da compiere necessari in questo ambito comprendono:
- puntare a flussi di lavoro in cui gli LLM generici hanno prestazioni inferiori (per esempio, nei settori della finanza, sanità, e altri specifici);
- implementare robusti controlli di privacy e qualità;
- includere esperti di dominio per convalidare l’accuratezza degli output.
6. AI fisica (Physical AI)
L’AI fisica porta l’intelligenza nel mondo reale attraverso robot, droni e dispositivi intelligenti che percepiscono, decidono e agiscono.
“L’80% dei magazzini aziendali utilizzerà la robotica o l’automazione entro il 2028”, prevede l’analisi internazionale di Gartner, “entro questa data, almeno 5 dei primi 10 fornitori di AI a livello mondiale offriranno prodotti di AI fisica”.
In questo ambito, il piano d’azione necessario prevede: identificare flussi di lavoro per la logistica, la manutenzione e la sicurezza; utilizzare simulazioni e gemelli digitali (digital twin) prima dell’operatività, logistica e distribuzione dal vivo; garantire la governance per la sicurezza e l’affidabilità complessiva del sistema.
7. Cybersecurity precettiva (PCS)
La cybersecurity precettiva – ovvero normativa, regolatoria, orientata a standard e obblighi, definita anche con l’acronimo PCS, product cybersecurity standard – utilizza tecniche evolute guidate dall’AI per anticipare, interrompere e neutralizzare gli attacchi informatici prima che si verifichino.
Entro il 2030, il 50% della spesa per software di sicurezza andrà a soluzioni precettive. Per realizzarle nelle imprese e organizzazioni, è importante implementare la prevenzione predittiva delle minacce e deceptions (inganni), spostare la strategia da reattiva a precettiva, integrare la PCS con i processi di sicurezza e conformità esistenti.
8. Provenienza digitale
“La provenienza digitale verifica l’origine e l’integrità di software, dati e media, attraverso strumenti come la distinta base, database di attestazione e sistemi watermarking”, rimarca Alvarez, “per esempio, i mandati normativi come l’AI Act europeo richiedono il watermarking e il tracciamento della provenienza per i contenuti generati dall’AI”.
Per fare ciò, e per adempiere alle disposizioni previste dalle normative che impattano sullo sviluppo dell’intelligenza artificiale, “bisogna memorizzare le prove di origine firmate crittograficamente, e contrassegnare i media e i contenuti generati dall’AI in formati leggibili dalle macchine”.
9. Piattaforme di sicurezza per l’AI
Le piattaforme di sicurezza per l’AI consolidano i controlli per proteggere sia i servizi per l’intelligenza artificiale di terze parti, sia le applicazioni AI personalizzate, affrontando e tamponando rischi come il prompt injection e la fuga di dati.
“Entro il 2028”, prevede la multinazionale americana della consulenza Hi-tech, “oltre il 50% delle imprese adotterà questo tipo di piattaforme, mentre l’80% delle operazioni e transazioni AI non autorizzate deriverà da violazioni delle policy interne”.
Per realizzare e poi utilizzare con successo questi sistemi di protezione, è necessario:
- mappare i rischi nativi dell’AI in tutti i flussi di lavoro e operativi dell’azienda;
- scegliere piattaforme di sicurezza che coprano sia il controllo dell’uso dell’AI, sia la sicurezza delle App
- aggiungere test di sicurezza automatizzati alle varie fasi di sviluppo.
10. Geopatriazione
La cosiddetta geopatriazione è un modo un po’ criptico e complicato per indicare il ricollocamento dei carichi di lavoro dai cloud iperscalabili globali verso ambienti sovrani o locali, per ridurre i rischi geopolitici.
La forte turbolenza geopolitica internazionale di questi anni spinge imprese e organizzazioni a rivalutare le dipendenze dal cloud esterno e straniero, e le stime prevedono che entro il prossimo quadriennio il 75% delle imprese ‘geopatriacherà’ i carichi di lavoro in quest’ottica.
Per fare questo, sarà necessario:
- valutare la criticità dei carichi di lavoro tecnologici in base alla sensibilità e all’esposizione geopolitica dei sistemi cloud utilizzati;
- confrontare le offerte sovrane degli iperscalatori e delle Big tech rispetto ai fornitori locali;
- pianificare strategie ibride che combinino cloud sovrano e on-premise sotto controllo diretto.
“Questi dieci punti e trend per il 2026, sono temi e prospettive che rappresentano altrettanti imperativi di sviluppo strategici”, fa notare il vice presidente Business and Technology Insights di Gartner, che “richiedono un’azione decisiva da parte dei leader aziendali, per trasformare la tecnologia in un vantaggio competitivo, redditizio, sostenibile, nel corso del nuovo anno e in quelli a venire”.
