Ogni script eseguito su un endpoint cliente è, a tutti gli effetti, un software operativo con privilegi di amministratore. Per questo deve essere gestito con la stessa disciplina del codice di produzione: revisione, attribuzione, versioning e dismissione. Che sia scritto manualmente, copiato da un template o generato dall’AI, il livello di controllo richiesto non cambia.
Le organizzazioni gestiscono lo scripting operativo attraverso due modalità distinte: il riuso dei template e la creazione assistita dall’AI. Il primo resta l’approccio più consolidato, mentre la generazione tramite AI emerge come alternativa più circoscritta ma sempre più rilevante. I clienti non stanno semplicemente aggiungendo l’AI alle pratiche esistenti, ma stanno iniziando a scegliere tra modelli operativi diversi.
Il cloning cross-tenant si concentra su un numero limitato di script integrati Acronis ampiamente replicati. Questo rende efficiente la diffusione di playbook già collaudati tra più tenant, ma comporta anche un rischio: un difetto nello script originario può propagarsi, con privilegi elevati, a tutti gli ambienti che lo hanno clonato.
Gli script generati dall’AI hanno, invece, un profilo diverso. Sono meno distribuiti, ma nei tenant che li adottano possono diventare il principale metodo di creazione. In questo caso, l’attenzione dei controlli si sposta dalla qualità del template di partenza alla verifica dell’output generato.
Oggi i due approcci sembrano comportarsi più come alternative che come complementi. I tenant che usano molto l’AI tendono a clonare meno, mentre quelli con un uso limitato o nullo dell’AI continuano a dipendere dai template esistenti. Nessun modello è sbagliato, ma ciascuno richiede un diverso approccio di governance.
La conclusione operativa è chiara, gli script devono essere trattati come software operativo, indipendentemente dal fatto che siano clonati, scritti manualmente o generati dall’AI. Le realtà basate sul cloning hanno bisogno di governance delle fonti; quelle che usano soprattutto l’AI devono concentrarsi sulla governance della generazione e sulla verifica degli output; chi utilizza entrambi gli approcci deve prevedere controlli specifici per ciascuno, per evitare di ereditare i rischi di entrambi senza applicare la disciplina necessaria.
