Gli ultimi dodici mesi hanno messo a dura prova gli ingegneri e gli sviluppatori che operano in ambito devops, chiamati non solo a padroneggiare nuovi strumenti ma anche ad assumersi responsabilità sempre più complesse. Mentre le aziende licenziano decine di migliaia di lavoratori del settore tecnologico – oltre 120.000 solo nel 2025 – i team devops devono trovare il modo di mantenere alta la motivazione e gestire lo stress crescente.
In questo scenario, gli esperti del settore suggeriscono ai professionisti devops di fissare obiettivi concreti per affrontare il nuovo anno con rinnovata energia. Le raccomandazioni spaziano dall'acquisizione di competenze tecniche all'avanguardia fino allo sviluppo di capacità di leadership, passando per un ripensamento radicale del proprio ruolo all'interno delle organizzazioni.
Ripensare il ruolo dello sviluppatore nell'era dell'AI rappresenta forse la sfida più importante. Robin Macfarlane, CEO di RRMac Associates, propone una visione provocatoria: gli ingegneri dovrebbero smettere di considerarsi principalmente sviluppatori di codice e iniziare a vedersi come orchestratori di codice. Questo cambio di prospettiva implica diventare coloro che insegnano all'intelligenza artificiale, anziché limitarsi a imparare da essa.
La questione della revisione critica del codice generato dall'AI è centrale secondo Nikhil Mungel, direttore della ricerca AI presso Cribl. La vera competenza nell'era dell'intelligenza artificiale non consiste nell'utilizzare gli strumenti, ma nel saper individuare bug sottili, vulnerabilità di sicurezza, problemi di performance e assunzioni errate nei suggerimenti forniti dalle macchine. Chi saprà combinare l'uso frequente dell'AI con un giudizio critico solido otterrà risultati più rapidi e affidabili rispetto a chi accetta passivamente le proposte automatiche.
Sul fronte operativo, la priorità dovrebbe essere la costruzione di sistemi resilienti e auto-riparanti. Alok Uniyal di Infosys sottolinea l'importanza di adottare una mentalità che privilegi la prevenzione rispetto alla reazione. Utilizzando l'osservabilità e l'AIops, i team possono spostarsi dalla correzione reattiva dei problemi alla loro rilevazione e prevenzione proattiva. Questo approccio riduce drasticamente le emergenze notturne e le chiamate di crisi che caratterizzano la vita di molti ingegneri.
L'attenzione ai dati rappresenta un altro tassello fondamentale. Alejandro Duarte di MariaDB avverte che troppe interruzioni di servizio derivano ancora da pipeline che trattano i database come scatole nere. Comprendere a fondo le capacità multi-motore, il supporto per carichi di lavoro analitici e AI, la replica nativa e le funzionalità di alta disponibilità può fare la differenza tra weekend tranquilli e nottate passate a spegnere incendi digitali.
Simon Margolis, CTO associato per AI e ML presso SADA, propone un cambio di paradigma radicale. Invece di scrivere script imperativi, gli ingegneri devops dovrebbero concentrarsi sulla creazione di robusti cicli di osservabilità e feedback che consentano agli agenti AI di agire autonomamente. Ciò significa investire nelle competenze necessarie per definire intenzioni e risultati desiderati, non sequenze di passaggi predefiniti.
L'apprendimento di nuove discipline tecniche va oltre la semplice acquisizione di nuovi prodotti o framework. Navin Thadani, CEO di Evinced, evidenzia l'importanza crescente dell'accessibilità digitale: integrare test di accessibilità nelle pipeline devops, accanto ai test di sicurezza e agli unit test, diventerà essenziale. Con l'accelerazione dello sviluppo guidata dall'AI, il rischio è generare codice inaccessibile sempre più velocemente, lasciando indietro l'inclusività.
Il Model Context Protocol (MCP) per le comunicazioni tra agenti AI rappresenta un'altra frontiera da esplorare. Rishi Bhargava di Descope prevede che questa tecnologia creerà una pipeline completamente nuova per lo sviluppo di applicazioni. Sebbene sia ancora prematuro parlare di agenti AI pronti per la produzione, l'MCP sta già vedendo un'adozione diffusa, e chi imparerà a costruire e autenticare applicazioni abilitate all'MCP in modo sicuro acquisirà un vantaggio competitivo significativo.
Le competenze di leadership assumono un'importanza pari a quelle tecniche, come sottolinea Yaad Oren di SAP Labs. La comunicazione chiara con colleghi e clienti, così come le istruzioni precise agli agenti AI, diventeranno discriminanti fondamentali. Per chi non desidera gestire persone direttamente, il mentoring rappresenta un'alternativa preziosa per sviluppare fiducia nelle proprie capacità di guida.
Austin Spires di Fastly incoraggia gli ingegneri devops a dedicare tempo nel guidare colleghi junior, sia su competenze tecniche come la sicurezza, sia su abilità trasversali come la comunicazione e la gestione degli stakeholder. Questo tipo di attività risulta gratificante e contribuisce a formare collaboratori eccellenti per il futuro.
Christine Rogers di Sisense prevede un cambiamento radicale nel mercato del lavoro: le organizzazioni si sposteranno verso modelli basati sulle competenze, dove dipendenti vengono assunti e promossi in base a capacità verificabili e adattabilità, dimostrate attraverso progetti reali piuttosto che curriculum patinati. La descrizione tradizionale del lavoro sta morendo, sostituita da un approccio più fluido e orientato alle abilità concrete.
Brett Smith di SAS propone una riflessione pragmatica: invece di inseguire l'hype del "posso risolvere questo con l'AI", i professionisti dovrebbero concentrarsi su come l'intelligenza artificiale può aiutarli a risolvere problemi meglio, più velocemente e a costi inferiori. Questo significa smettere di cercare di trasformare vecchi strumenti in soluzioni AI forzate e iniziare a utilizzare l'AI per potenziare e migliorare ciò che già funziona.
Matthew Makai di DigitalOcean invita a sviluppare una mentalità di crescita che consideri i modelli AI non come buoni o cattivi, ma come un nuovo paradigma non deterministico nel software, capace di creare sia nuovi problemi che nuove opportunità. Gli ingegneri e i team devops devono adattarsi alle modalità con cui il software viene creato, distribuito e gestito in questo contesto in rapida evoluzione.
.jpg)