Il sistema nervoso centrale delle aziende: Confluent all'incrocio tra IA e dati in tempo reale

Si dice che il mondo corre sempre più veloce. Ciò è vero in particolare per quanto riguarda la tecnologia e i dati, e sempre più spesso servizi essenziali dipendono dalla capacità di raccogliere ed elaborare dati in tempo reale. È qui che Confluent, azienda recentemente acquisita da IBM, entra in gioco. L'azienda vuole porsi, come affermato dall'amministratore delegato Jay Kreps, come "il sistema nervoso centrale delle imprese": un tema che è ritornato più e più volte durante la conferenza Current, che si è tenuta a Londra e alla quale Edge9 ha partecipato.

I dati in tempo reale come base per l'IA

"Magari non piacerà a tutti che anche qui parliamo di IA, ma ci tocca", ha esordito Kreps. E in effetti, tutta la conferenza è girata in buona parte intorno all'uso che l'IA può fare dei dati in tempo reale. Non si può non pensare a qualche tempo fa, quando servizi come ChatGPT facevano riferimento a un'istantanea del Web (e quindi, potremmo filosofeggiare, anche del mondo) che era congelata nel tempo e risaliva al momento in cui il modello sottostante era stato addestrato. È poi arrivata la possibilità di recuperare informazioni in tempo reale dalla Rete e, dunque, la possibilità di avere aggiornamenti puntuali. La differenza di utilità e praticità tra i modelli "congelati" e quelli "in tempo reale" è abissale: nel primo caso, ad esempio, potrebbero esserci informazioni parziali o mancanti (immaginate di chiedere il risultato di elezioni che ancora non erano avvenute dopo il momento in cui il modello è stato addestrato), mentre nel secondo c'è una maggiore possibilità che ciò non avvenga (per quanto con risultati molto altalenanti).

Ma potremmo fare un passo indietro, e pensare più in generale all'importanza del "tempo reale" guardando alle informazioni legate a un aeroporto: immaginatevi se il sito Web dell'aeroporto stesso non segnalasse in tempo reale ritardi di partenze e arrivi, e si limitasse a fornire aggiornamenti a intervalli scanditi nel tempo, ad esempio ogni ora. Siamo ormai abituati ad avere informazioni che rispecchiano lo stato delle cose senza ritardi e tornare indietro non è semplicemente possibile.

Lo stesso vale per l'intelligenza artificiale. L'esempio di ChatGPT è solo per far capire quale sia la differenza tra un approccio "batch" (in cui, cioè, le informazioni vengono elaborate a blocchi, spesso a intervalli predefiniti) e uno "streaming" (in cui l'elaborazione avviene come un flusso costante, senza interruzioni). Le implicazioni per le IA sono moltissime, e vanno al di là del più noto chatbot: se l'aeroporto di cui sopra non dà al proprio chatbot di IA accesso ai dati in tempo reale, eventuali domande poste dai viaggiatori non troverebbero risposta o, peggio, troverebbero una risposta errata.

Ecco perché Confluent afferma che affidarsi ai data lakehouse, com'è stato fatto finora parlando dei dati per l'IA, non è più sufficiente. È necessario fare un passo aggiuntivo e includere i dati in tempo reale, in particolare con l'avvento degli agenti di IA. "Se cerchi di usare dati che sono vecchi di ore o magari giorni, non funziona davvero. Se cerchi di far interagire un agente con i clienti o con persone all'interno della tua organizzazione, magari per prendere decisioni sulle attività di business, non puoi basarti su una versione vecchia della realtà", dice Kreps.

Le novità di Confluent

Durante la presentazione, Kreps ha evidenziato come il passaggio verso i dati in tempo reale si stia riflettendo sullo strato infrastrutturale, che sta evolvendosi per andare oltre i sistemi batch. Per questo Confluent ha speso molte risorse per rendere lo streaming dei dati una generalizzazione del modello batch: in questo modo è possibile usare i dati in tempo reale senza dover effettuare repliche dei dati, senza dover riscrivere tutte le applicazioni, e senza dover rivederne completamente l'architettura. Questo è quanto l'azienda aveva annunciato l'anno scorso, con Flink; quest'anno, Confluent ne ha annunciato un'espansione con un server MCP, Confluent Intelligence, le tabelle materializzate e le Confluent Skills.

Tramite il server MCP, le aziende potranno collegare i propri modelli di IA ai dati gestiti da Confluent e dare così loro accesso ai flussi in tempo reale d'informazioni. Confluent Intelligence è il passo successivo: è uno stack gestito da Confluent che è progettato per dare alle applicazioni di IA accesso semplificato ai dati in tempo reale, senza dover progettare tutto da zero.

Un problema individuato da Confluent è anche quello delle applicazioni che pescano i dati solo dopo che sono stati inseriti nei lakehouse tradizionali: è necessario aspettare anche diversi secondi perché siano disponibili, il che non è compatibile con tutti i casi d'uso. Per questo l'azienda ha sviluppato una cache che salva i dati in memoria o sugli SSD, così da velocizzarne l'accesso. I dati nella cache sono disponibili tramite il server MCP e sono dunque accessibili anche alle IA tramite semplici query SQL.

Le tabelle materializzate consentono a Flink di modificare in tempo reale le tabelle SQL usate per interrogare i dati da applicazioni e modelli d'IA senza dover gestire manualmente i complicati processi sottostanti, che richiedono di fermare il flusso di dati nella vecchia tabella e di farlo ricominciare nella nuova. In questo modo si rende più semplice effettuare operazioni come cambiare i dati che si rendono disponibili ai modelli d'IA, senza dover fermare tutti i processi e riprogettarli.

Da ultimo, le nuove abilità (o skill) per gli agenti danno loro le informazioni necessarie per operare con la piattaforma di Confluent. In altri termini, funzionano come una sorta di "manuale d'istruzioni" affinché gli agenti sappiano come collegarsi alla piattaforma di Confluent usando il server MCP.

Dall'era della business intelligence a quella dell'IA

Kreps è andato oltre e ha fatto un'affermazione molto significativa: "we're moving out of this world of just business intelligence, and entering a world of artificial intelligence" ("stiamo uscendo da questo mondo fatto solo di business intelligence ed entrando in un mondo d'intelligenza artificiale"). Abbiamo deciso di lasciarla in originale per mantenere il contrasto che Kreps ha voluto evidenziare tra "business intelligence" e "artificial intelligence".

Perché sia un passaggio importante ci è stato spiegato da Peter Pugh-Jones, EMEA Field CDO presso Confluent. "Finora mi sono dovuto collegare al mio computer per ottenere un rapporto, così da poter esplorarne i dati, cercando un pattern o un'anomalia in tali dati che potesse aiutarmi a decidere, dal punto di vista del business, che decisione prendere. Credo che in futuro la direzione sarà che, quando parliamo d'intelligenza artificiale, non ci sarà più quel rapporto. Non ci sarà nemmeno bisogno d'aprire il computer. Ci sarà una notifica sul telefono che mi avvertirà: c'è qualcosa d'interessante", ci dice Pugh-Jones.

"Già ora è così con strumenti come LinkedIn, giusto? Arriva una notifica che ci dice che quella persona ha cambiato lavoro o ha compiuto gli anni. E l'esempio non è casuale, perché LinkedIn è da dove arriva Confluent [Kafka, su cui Confluent si basa, era stato originariamente sviluppato internamente a LinkedIn da Kreps e altri, NdR]. Confluent fornisce gli strumenti necessari per portare le informazioni all'IA, in maniera migliore e fluida, così da rendere possibili migliori insight per chi deve fruire delle informazioni."

È qui che ritorna il tema del sistema nervoso centrale. Pugh-Jones ci dice che l'ideale è analizzare i flussi di dati per rilevare le anomalie: "m'interessa ricevere i dati da quel sensore su quel nastro trasportatore, ma non m'interessa quando tutto va bene, solo quando c'è qualcosa di diverso". Basta pensare a come funziona, ad esempio, il nostro olfatto: sentiamo solo gli odori nuovi e che deviano dalla situazione cui siamo abituati, poiché il nostro cervello filtra in automatico i segnali "normali" (o perché non c'è nessun odore, per continuare con l'esempio dell'olfatto, o perché l'odore è costante e ci siamo assuefatti) per concentrarsi su quelli che invece deviano da questa norma.

L'idea è quella di elaborare i dati per imitare questo tipo di comportamento: c'è un flusso costante, ma sono le anomalie che vengono rilevate e che sono davvero utili. E qui convergono i dati in tempo reale, l'IA e la metafora del sistema nervoso centrale: le aziende hanno già ora un flusso costante di dati; il problema è separare la crusca dal grano, ovvero intercettare ciò che davvero ha rilevanza e usarlo per consentire all'IA di generare quegli insight che tutti stanno inseguendo con gli investimenti multi-miliardari in IA e data center.

Oltre l'IA

Non c'è stata solo l'IA a Current 2026. Si è parlato anche di aspetti più tradizionali: ad esempio, Confluent ha annunciato Kafka Copy Paste, un sistema che gestisce automaticamente la migrazione di una piattaforma Kafka esistente verso Confluent, e si occupa in automatico di tutti i passaggi (rilevazione dei flussi di dati esistenti, creazione delle risorse per la loro gestione su Confluent Cloud, migrazione dei dati, spostamento dei client).

Si è parlato anche di cloud privato, con Confluent Private Cloud: una soluzione pensata per quelle aziende che necessitano di (o preferiscono) un'infrastruttura privata, senza però rinunciare alla facilità d'uso del cloud. Secondo Confluent, l'uso della sua soluzione di cloud privato consente di ridurre i costi del 50% rispetto al cloud pubblico e offre una maggiore velocità (fino a dieci volte, secondo le stime dell'azienda) nelle repliche e nella gestione dei broker. Tra le funzionalità in arrivo c'è anche la possibilità di gestire Confluent Private Cloud come infrastruttura multi-tenant, ovvero con diversi clienti (interni o esterni) che possono gestire la propria piattaforma indipendentemente.

Un cambio di atmosfera

Confluent è stata acquisita da IBM a fine 2025, con un'operazione da 11 miliardi che era stata annunciata a dicembre. Una mossa che ha garantito a IBM il controllo su una delle principali piattaforme per la gestione dei dati in tempo reale, sempre più rilevanti e preziosi.

A Current 2026, l'acquisizione da parte di IBM è stata allo stesso tempo un tema del tutto ininfluente e molto importante. È stata ininfluente perché non se n'è quasi parlato, se non con una citazione all'inizio della presentazione da parte di Kreps; dall'altro lato, è stata molto importante per i suoi effetti sulla conferenza stessa. Nel 2025 erano molte le aziende che avevano preso parte alla conferenza, inclusi nomi di spicco come MongoDB e Oracle. Quest'anno la presenza di partner si è limitata a piccole aziende e a realtà specializzate nel creare soluzioni ad hoc per Apache Kafka (su una quindicina di realtà presenti, cinque erano pannelli di controllo per Kafka indipendenti dall'implementazione).

Il cambio di atmosfera è stato drastico e, parlando con alcune delle aziende presenti, sembra che sia stata proprio l'acquisizione da parte di IBM a imporlo. Non è stata, da quanto abbiamo capito, un'imposizione esplicita, ma più un cambiamento legato al modo in cui Confluent viene percepita. La sensazione è che si sia passati da un evento che la stessa Confluent affermava essere sponsorizzato da lei, ma dedicato allo streaming dei dati e "neutro", a un evento aziendale "puro"; da un evento da e per la comunità (che resta relativamente piccola), a uno maggiormente incentrato su Confluent. Lo scorso anno erano presenti anche realtà di fatto concorrenti di Confluent, proprio perché l'evento era relativamente neutrale, mentre quest'anno non se n'è vista traccia.

Quale che sia il futuro delle conferenze, Confluent ha chiaramente colto una necessità nascente del mercato, che viene amplificata significativamente dall'avvento dell'IA e degli agenti di IA: gestire i dati in tempo reale è diventato una necessità in moltissimi campi di applicazione. Gli annunci fatti a Current 2026 mostrano la direzione che il mercato sta prendendo, ma c'è ancora molta strada da fare: spesso non c'è ancora la consapevolezza nelle aziende che i dati in tempo reale vanno gestiti in maniera appropriata. Confluent avrà un bel daffare.