F5 è un’azienda americana che si occupa di rendere i siti web e le applicazioni più sicuri, veloci e affidabili.
Fondata nel 1996, all’inizio aiutava le aziende a gestire meglio il traffico online, distribuendo le richieste degli utenti su più server per evitare rallentamenti.
Con il tempo, ha ampliato le sue attività e oggi è un punto di riferimento per la sicurezza informatica, la protezione dei dati e la gestione delle applicazioni su internet e nel cloud.
L’articolo di oggi parte dall’assunto che le aziende stanno sempre più affrontando la complessità di una gestione IT ibrida. Che oggi è caratterizzata dall’adozione di cloud pubblici, infrastrutture on-premises e, in molti casi, anche da Edge Computing.
Questi scenari, caratterizzati da ambienti fortemente eterogenei, pongono sfide rilevanti nella gestione uniforme della sicurezza, della delivery e delle operazioni.
In questo contesto altamente dinamico, un team di esperti F5 si è sbilanciato nel prevedere quello che accadrà quest’anno.
1) WebAssembly
WebAssembly (Wasm) è una tecnologia che permette di eseguire programmi complessi direttamente nel browser, rendendo le applicazioni web più veloci ed efficienti.
Tradizionalmente, i siti web usano JavaScript, che può risultare lento per operazioni pesanti come giochi, grafica avanzata o elaborazione di grandi quantità di dati.
Wasm risolve questo problema permettendo di usare linguaggi per creare software che gira nel browser con prestazioni quasi pari a quelle di un programma installato sul computer.
Nel 2025, però, le principali innovazioni di WebAssembly non riguarderanno i browser, bensì il suo utilizzo al di fuori di essi.
Ad affermarlo è Oscar Spencer, Principal Engineer di F5, secondo il quale col rilascio di WASI Preview 3 (WebAssembly System Interface), WebAssembly potrà gestire meglio i dati in streaming e supportare operazioni asincrone, migliorando la compatibilità tra diversi linguaggi di programmazione.
Questo cambiamento potrebbe spostare l’attenzione su aspetti più avanzati dell’infrastruttura IT, come l’AIOps (Artificial Intelligence for IT Operations), un approccio che utilizza l’intelligenza artificiale per automatizzare la gestione dei sistemi informatici.
2) Agentic AI
Gli agenti autonomi per la programmazione stanno cambiando il modo in cui si sviluppa il software, automatizzando attività come la scrittura di codice, il testing e l’ottimizzazione.
Per Laurent Quérel, Distinguished Engineer di F5, questo renderà il lavoro degli sviluppatori più semplice e veloce, riducendo il tempo necessario per completare un progetto.
Inoltre, grazie ai Large Multimodal Agents (LMAs), l’intelligenza artificiale non si limiterà più alla ricerca testuale, ma potrà gestire interazioni più complesse, migliorando ulteriormente l’esperienza d’uso.
Questi agenti AI influenzeranno anche il futuro di Internet, portando alla creazione di infrastrutture digitali pensate apposta per loro. In pratica, verranno sviluppati strumenti e protocolli per permettere alle AI di navigare il web in modo sicuro ed efficiente, trasformando settori come l’e-commerce e migliorando l’esperienza online. Sarà però necessario adottare nuove regole per garantire la sicurezza, la privacy e il corretto utilizzo di queste tecnologie.
Entro il 2028, si prevede che molte aziende utilizzeranno questi agenti AI per automatizzare i processi di lavoro e prendere decisioni in tempo reale. Questo porterà alla nascita di nuove piattaforme di sviluppo basate sugli agenti, rendendo ancora più rapido e intelligente il modo in cui il software viene creato e gestito.
Ma per sfruttare al massimo l’intelligenza artificiale, servono grandi quantità di dati, e qui nasce una sfida: quasi la metà delle aziende non ha ancora una strategia chiara per gestire le informazioni necessarie all’AI. La raccolta, l’organizzazione e l’uso dei dati richiedono un grande investimento, ma saranno elementi chiave per il successo dell’AI nel futuro.
3) Classificazione dei dati
Oggi, circa l’80% dei dati aziendali è non strutturato, cioè disorganizzato e difficile da analizzare. L’intelligenza artificiale generativa sta diventando uno strumento chiave per classificare e interpretare queste informazioni, con un’accuratezza che supera il 95%.
Secondo James Hendergart, Sr. Dir. Technology Research di F5, col tempo, questi modelli diventeranno più veloci ed efficienti, richiedendo meno risorse per funzionare.
Strumenti di sicurezza come il Data Security Posture Management (DSPM) e la Data Loss Prevention (DLP) utilizzeranno sempre più l’AI per riconoscere e proteggere i dati sensibili. Inoltre, le aziende tecnologiche tenderanno a unificare le piattaforme di gestione dei dati e delle reti, rendendo le soluzioni di sicurezza più complete e facili da usare.
Man mano che le imprese si affidano all’AI generativa per aumentare la produttività e automatizzare i processi, sta emergendo un nuovo modello per le applicazioni digitali. Oltre ai classici livelli di client, server e dati, si sta aggiungendo un livello dedicato all’intelligenza artificiale, dove avviene l’elaborazione delle informazioni in tempo reale.
Ciò cambierà profondamente il modo in cui le aziende progettano e usano il software.
4) AI Gateways
Gli AI gateway sono una nuova tecnologia pensata per gestire le sfide specifiche delle applicazioni di intelligenza artificiale, così come gli API gateway servono a controllare il traffico tra diversi servizi online.
La loro funzione principale è garantire sicurezza e affidabilità, proteggendo i sistemi AI da problemi come allucinazioni, bias e vulnerabilità che potrebbero portare alla diffusione accidentale di informazioni sensibili.
Inoltre, con l’aumento dell’autonomia dell’AI, questi gateway aiuteranno a monitorare e proteggere sia i dati di addestramento sia i modelli AI forniti da terze parti, che potrebbero diventare bersagli di attacchi.
Le applicazioni AI richiedono molte più risorse rispetto ai software tradizionali, aumentando non solo i costi, ma anche i rischi di attacchi informatici come i DDoS (che mirano a bloccare un servizio sommergendolo di richieste).
Inoltre, poiché le AI elaborano enormi quantità di dati per creare sintesi e analisi, sarà fondamentale sviluppare sistemi avanzati per prevenire la perdita o la fuga di informazioni sensibili.
Per Ken Arora, Distinguished Engineer di F5, in futuro gli AI gateway saranno sempre più sofisticati, gestendo in modo intelligente il flusso di dati tra le varie parti di un’applicazione AI, come i modelli linguistici (LLM) e i database avanzati.
Questo sarà possibile grazie all’integrazione di strumenti di sicurezza avanzati, come l’analisi comportamentale e il principio dello zero trust, che limita l’accesso ai dati solo a chi ne ha effettivamente bisogno.
Infine, oltre alla sicurezza informatica, questi gateway dovranno affrontare anche le questioni etiche dell’AI, come il rischio che l’intelligenza artificiale generi contenuti falsi o distorti (allucinazioni) o perpetui pregiudizi nei dati.
Questi problemi sono sempre più rilevanti e vengono segnalati come tra i rischi maggiori nei sondaggi sul tema. Per questa ragione, il futuro dell’AI dipenderà anche dalla capacità di gestire non solo la sicurezza tecnica, ma anche l’affidabilità e l’etica dei sistemi AI.
5) Small Language Models (SLMs)
Per migliorare l’accuratezza dell’intelligenza artificiale ed evitare problemi come allucinazioni e bias, stanno emergendo due soluzioni chiave: la retrieval-augmented generation (RAG) e i Small Language Models (SLMs).
La RAG è un metodo che combina i modelli AI con un sistema di recupero di informazioni in tempo reale, permettendo risposte più precise e contestualizzate. Oggi è uno strumento essenziale per l’AI generativa, ma non sempre basta a risolvere tutti i problemi di accuratezza.
Un’altra sfida è che i Large Language Models (LLM), pur essendo potenti, spesso non sono affidabili quando devono fornire informazioni specialistiche, come dati medici o legali.
Lori MacVittie, Distinguished Engineer di F5.
Qui entrano in gioco gli SLM, modelli AI più piccoli e specifici per un settore, che offrono risultati più precisi e mirati. Rispetto agli LLM, gli SLM sono anche più economici e facili da addestrare, perché richiedono meno potenza di calcolo e risorse.
Oggi gli SLM vengono usati in campi come la sanità o il diritto, dove è fondamentale avere informazioni esatte. In futuro, questi modelli saranno sempre più utilizzati per affiancare o addirittura sostituire gli LLM nei contesti in cui la RAG da sola non basta.
Per Lori MacVittie, Distinguished Engineer di F5, tutto ciò permetterà alle aziende di ottenere risposte più affidabili, riducendo i costi e migliorando l’efficienza dell’AI.
Guardando al futuro: oltre i transformer
I modelli transformer sono un tipo di intelligenza artificiale avanzata che sta alla base di strumenti come ChatGPT e altre AI generative.
Funzionano analizzando enormi quantità di dati e imparando a riconoscere schemi per generare testi, immagini e persino codice in modo intelligente.
Questi modelli sono però molto grandi e complessi, richiedono molta memoria e tanta potenza di calcolo, il che li rende costosi da usare e difficili da far funzionare su dispositivi meno potenti.
Per risolvere questi problemi, stanno nascendo nuove tecnologie, come i modelli transformer a 1 bit. Normalmente, un modello AI utilizza numeri molto precisi per elaborare le informazioni, ma questi modelli ottimizzati semplificano il calcolo riducendo il livello di precisione.
In pratica, invece di usare numeri complessi, comprimono i dati in un formato più leggero, occupando meno memoria e consumando meno energia, pur mantenendo prestazioni di buon livello.
Questa innovazione, secondo Kunal Anand, Chief Innovation Officer di F5, permetterà di ridurre i costi dell’AI, rendendola più accessibile per aziende e utenti.
Inoltre, potrà essere utilizzata su dispositivi meno potenti, come smartphone e computer comuni, senza bisogno di server costosi. Infine, il minor consumo di energia renderà l’intelligenza artificiale più sostenibile, con un impatto ambientale ridotto.
In futuro, questi modelli più efficienti aiuteranno a integrare l’AI in sempre più settori, rendendola più veloce, economica e disponibile per un numero maggiore di applicazioni pratiche.
