Cisco definisce gli agenti AI “power user” della rete. A differenza di una persona — che carica una pagina web o invia un messaggio con azioni discrete — gli agenti operano alla velocità del software, instancabilmente.

Un singolo agente può:

• Inviare richieste di inferenza continue a modelli di AI
• Prelevare dati da più API e servizi cloud
• Scambiare token e risultati intermedi tra servizi
• Innescare flussi di lavoro a catena che attivano altri modelli o strumenti

Questa attività incessante fa sì che un agente AI generi circa il 450% di traffico in più rispetto a un utente umano in flussi di lavoro comparabili.

Altro aspetto cruciale è la direzione del traffico. L’uso tradizionale di Internet è prevalentemente in download (streaming, pagine web). I flussi AI, al contrario, sono bidirezionali e continui, con un volume significativo di traffico in upstream: comandi, dati grezzi e risultati intermedi viaggiano verso i modelli prima che la risposta finale torni indietro.

Il vero motore: l’inferenza, non l’addestramento

Il dibattito pubblico sull’infrastruttura AI si concentra spesso sull’addestramento dei modelli. Lo studio Cisco mostra una realtà diversa per le reti: è l’inferenza a dominare il traffico operativo.

L’inferenza è l’uso in tempo reale dei modelli addestrati: rispondere a domande, generare contenuti, analizzare dati o eseguire compiti. La ricerca Cisco si basa su traffico di inferenza misurato direttamente sulle reti dei provider, dimostrando che sono questi carichi di lavoro live a generare la domanda principale.

Il rapporto stima che il solo traffico di inferenza potrebbe guidare una crescita aggiuntiva del 63% rispetto alle proiezioni che escludono i carichi di lavoro agentici.

Verso un cambiamento epocale entro il 2035

Se l’adozione dell’AI agentica seguirà le proiezioni di Cisco, la sua impronta sulla rete diventerà sostanziale nel prossimo decennio.

Previsioni chiave:

• L’inferenza AI potrebbe rappresentare circa il 25% di tutto il traffico di rete entro il 2035.
• La maggiore accelerazione è attesa tra il 2029 e il 2032, quando l’adozione aziendale degli agenti AI dovrebbe impennarsi.

Questa crescita riflette un passaggio strutturale: non più picchi occasionali quando un utente interroga un modello, ma carichi di lavoro continui che tengono le reti occupate 24 ore su 24.

Perché il traffico aziendale potrebbe crescere 9 volte

Cisco ha anche modellato l’impatto dell’AI sui volumi di traffico aziendale.

Senza AI agentica, la domanda di rete delle imprese dal 2026 al 2035 crescerebbe probabilmente di circa 2,5 volte, trainata da cloud, SaaS e trasformazione digitale.

Con un’adozione diffusa dell’AI agentica, lo stesso periodo potrebbe vedere una crescita fino a nove volte i livelli attuali, alimentata da flussi di lavoro autonomi che accedono ripetutamente a dati, modelli e servizi.

Questi sistemi moltiplicano l’attività sulla rete perché ogni compito umano può innescare molte interazioni automatizzate tra servizi e modelli AI.

Come il traffico AI cambia il comportamento della rete

La ricerca Cisco sottolinea che l’AI non si limita ad aumentare il volume: ne cambia le caratteristiche.

Rispetto al traffico web o SaaS tradizionale, i carichi di lavoro AI sono:

• Più dinamici: gli agenti generano raffiche di richieste e flussi di lavoro distribuiti.
• Più sensibili alla latenza: i ritardi nell’inferenza influiscono direttamente sull’esperienza utente e sulle prestazioni dell’agente.
• Più bidirezionali: il traffico in upstream aumenta con comandi, telemetria e dati intermedi.
• Più complessi: i flussi coinvolgono spesso più cloud, API e punti di inferenza.

Questi cambiamenti rendono la pianificazione tradizionale della rete — basata sull’attività prevedibile degli utenti — molto meno affidabile.

Perché le reti hanno bisogno di una nuova architettura per l’AI

Poiché i percorsi di inferenza AI influenzano direttamente la qualità delle applicazioni, Cisco sostiene che le reti devono considerarli infrastruttura critica, non flussi di traffico ordinari.

Questa esigenza implica diverse priorità architetturali:

1. Ingegneria del traffico “AI-aware”

I flussi di inferenza possono richiedere percorsi prioritari, garanzie di latenza e decisioni di routing dinamiche per mantenere le prestazioni.

2. Calcolo distribuito e posizionamento edge

Collocare l’infrastruttura di inferenza più vicina a utenti o dati può ridurre la latenza e prevenire la congestione della WAN.

3. Osservabilità in tempo reale

I carichi di lavoro AI producono pattern di traffico veloci e complessi, rendendo la visibilità end-to-end essenziale per rilevare congestione o degrado prima che i flussi di lavoro falliscano.

4. Maggiore resilienza

La ricerca Cisco evidenzia che i guasti di rete costano già caro alle aziende e sono spesso innescati da congestione, attacchi informatici o errori di configurazione. I carichi di lavoro AI aumentano la pressione su reti che devono essere continuamente disponibili.

In sintesi

La ricerca WAN di Cisco indica una trasformazione più profonda di una semplice crescita di banda. L’AI agentica introduce carichi di lavoro sempre attivi, guidati dall’inferenza, che si comportano diversamente dal traffico Internet tradizionale.

Se le tendenze di adozione seguiranno le proiezioni attuali, le reti del prossimo decennio dovranno supportare:

• Agenti AI come utenti della rete ad alta frequenza
• Grandi volumi di traffico di inferenza in tempo reale
• Flussi più simmetrici e critici per la latenza

Il progetto delle reti future dovrà quindi ruotare sempre più intorno ad architetture “AI-aware” — che combinano maggiore capacità, calcolo distribuito, telemetria avanzata e qualità del servizio specializzata per il traffico di inferenza.

Tuttavia, queste proiezioni rimangono previsioni basate principalmente su misurazioni e modelli di Cisco. La portata esatta del cambiamento dipenderà dalla velocità con cui l’AI agentica diventerà parte integrante dei flussi di lavoro aziendali e consumer.

Cisco definisce gli agenti AI “power user” della rete. A differenza di una persona — che carica una pagina web o invia un messaggio con azioni discrete — gli agenti operano alla velocità del software, instancabilmente.

Un singolo agente può:

• Inviare richieste di inferenza continue a modelli di AI
• Prelevare dati da più API e servizi cloud
• Scambiare token e risultati intermedi tra servizi
• Innescare flussi di lavoro a catena che attivano altri modelli o strumenti

Questa attività incessante fa sì che un agente AI generi circa il 450% di traffico in più rispetto a un utente umano in flussi di lavoro comparabili.

Altro aspetto cruciale è la direzione del traffico. L’uso tradizionale di Internet è prevalentemente in download (streaming, pagine web). I flussi AI, al contrario, sono bidirezionali e continui, con un volume significativo di traffico in upstream: comandi, dati grezzi e risultati intermedi viaggiano verso i modelli prima che la risposta finale torni indietro.

Il vero motore: l’inferenza, non l’addestramento

Il dibattito pubblico sull’infrastruttura AI si concentra spesso sull’addestramento dei modelli. Lo studio Cisco mostra una realtà diversa per le reti: è l’inferenza a dominare il traffico operativo.

L’inferenza è l’uso in tempo reale dei modelli addestrati: rispondere a domande, generare contenuti, analizzare dati o eseguire compiti. La ricerca Cisco si basa su traffico di inferenza misurato direttamente sulle reti dei provider, dimostrando che sono questi carichi di lavoro live a generare la domanda principale.

Il rapporto stima che il solo traffico di inferenza potrebbe guidare una crescita aggiuntiva del 63% rispetto alle proiezioni che escludono i carichi di lavoro agentici.

Verso un cambiamento epocale entro il 2035

Se l’adozione dell’AI agentica seguirà le proiezioni di Cisco, la sua impronta sulla rete diventerà sostanziale nel prossimo decennio.

Previsioni chiave:

• L’inferenza AI potrebbe rappresentare circa il 25% di tutto il traffico di rete entro il 2035.
• La maggiore accelerazione è attesa tra il 2029 e il 2032, quando l’adozione aziendale degli agenti AI dovrebbe impennarsi.

Questa crescita riflette un passaggio strutturale: non più picchi occasionali quando un utente interroga un modello, ma carichi di lavoro continui che tengono le reti occupate 24 ore su 24.

Perché il traffico aziendale potrebbe crescere 9 volte

Cisco ha anche modellato l’impatto dell’AI sui volumi di traffico aziendale.

Senza AI agentica, la domanda di rete delle imprese dal 2026 al 2035 crescerebbe probabilmente di circa 2,5 volte, trainata da cloud, SaaS e trasformazione digitale.

Con un’adozione diffusa dell’AI agentica, lo stesso periodo potrebbe vedere una crescita fino a nove volte i livelli attuali, alimentata da flussi di lavoro autonomi che accedono ripetutamente a dati, modelli e servizi.

Questi sistemi moltiplicano l’attività sulla rete perché ogni compito umano può innescare molte interazioni automatizzate tra servizi e modelli AI.

Come il traffico AI cambia il comportamento della rete

La ricerca Cisco sottolinea che l’AI non si limita ad aumentare il volume: ne cambia le caratteristiche.

Rispetto al traffico web o SaaS tradizionale, i carichi di lavoro AI sono:

• Più dinamici: gli agenti generano raffiche di richieste e flussi di lavoro distribuiti.
• Più sensibili alla latenza: i ritardi nell’inferenza influiscono direttamente sull’esperienza utente e sulle prestazioni dell’agente.
• Più bidirezionali: il traffico in upstream aumenta con comandi, telemetria e dati intermedi.
• Più complessi: i flussi coinvolgono spesso più cloud, API e punti di inferenza.

Questi cambiamenti rendono la pianificazione tradizionale della rete — basata sull’attività prevedibile degli utenti — molto meno affidabile.

Perché le reti hanno bisogno di una nuova architettura per l’AI

Poiché i percorsi di inferenza AI influenzano direttamente la qualità delle applicazioni, Cisco sostiene che le reti devono considerarli infrastruttura critica, non flussi di traffico ordinari.

Questa esigenza implica diverse priorità architetturali:

1. Ingegneria del traffico “AI-aware”

I flussi di inferenza possono richiedere percorsi prioritari, garanzie di latenza e decisioni di routing dinamiche per mantenere le prestazioni.

2. Calcolo distribuito e posizionamento edge

Collocare l’infrastruttura di inferenza più vicina a utenti o dati può ridurre la latenza e prevenire la congestione della WAN.

3. Osservabilità in tempo reale

I carichi di lavoro AI producono pattern di traffico veloci e complessi, rendendo la visibilità end-to-end essenziale per rilevare congestione o degrado prima che i flussi di lavoro falliscano.

4. Maggiore resilienza

La ricerca Cisco evidenzia che i guasti di rete costano già caro alle aziende e sono spesso innescati da congestione, attacchi informatici o errori di configurazione. I carichi di lavoro AI aumentano la pressione su reti che devono essere continuamente disponibili.

In sintesi

La ricerca WAN di Cisco indica una trasformazione più profonda di una semplice crescita di banda. L’AI agentica introduce carichi di lavoro sempre attivi, guidati dall’inferenza, che si comportano diversamente dal traffico Internet tradizionale.

Se le tendenze di adozione seguiranno le proiezioni attuali, le reti del prossimo decennio dovranno supportare:

• Agenti AI come utenti della rete ad alta frequenza
• Grandi volumi di traffico di inferenza in tempo reale
• Flussi più simmetrici e critici per la latenza

Il progetto delle reti future dovrà quindi ruotare sempre più intorno ad architetture “AI-aware” — che combinano maggiore capacità, calcolo distribuito, telemetria avanzata e qualità del servizio specializzata per il traffico di inferenza.

Tuttavia, queste proiezioni rimangono previsioni basate principalmente su misurazioni e modelli di Cisco. La portata esatta del cambiamento dipenderà dalla velocità con cui l’AI agentica diventerà parte integrante dei flussi di lavoro aziendali e consumer.