EdgeForge AI: dal prototipo al prodotto — la storia di come stiamo ridefinendo il provisioning cloud

EdgeForge AI: dal prototipo al prodotto — la storia di come stiamo ridefinendo il provisioning cloud

Ogni prodotto nasce da un problema reale. EdgeForge AI non fa eccezione.

Il problema che volevamo risolvere

Chi lavora con infrastrutture cloud open-source lo sa bene: il provisioning è una delle attività più ripetitive, costose in termini di tempo e soggette a errori umani nell'intero ciclo di vita di un'infrastruttura.

Serve una nuova VM con un software specifico? Apri il terminale, scrivi il playbook Ansible, configura le variabili, testa, correggi gli errori, rideploya. Per un ambiente semplice: ore. Per un ambiente complesso con più VM, networking dedicato e software interdipendenti: giorni.

Il tutto con il rischio costante di errori di configurazione che si manifestano in produzione nel momento peggiore.

Noi di Epic Edge abbiamo gestito e gestiamo infrastrutture OpenStack per alcune delle maggiori organizzazioni europee. Abbiamo vissuto questo problema ogni giorno, per anni. Ad un certo punto abbiamo deciso di smettere di subirlo e di costruire la soluzione.

L'idea: e se bastasse descriverlo?

Il punto di partenza era semplice quanto ambizioso: e se un ingegnere potesse descrivere in linguaggio naturale l'ambiente che vuole, e trovarselo pronto senza scrivere una riga di codice?

Non un wizard con form statici. Non un template rigido da compilare. Un sistema che capisce l'intenzione, progetta l'architettura, genera il codice e lo esegue — adattandosi al contesto specifico di ogni infrastruttura.

Questa è l'idea che ha dato vita a EdgeForge AI.

Lo sviluppo: mesi di lavoro per rendere l'AI affidabile in produzione

Costruire un sistema AI che funziona in un ambiente di test è relativamente semplice. Costruirne uno che funziona in produzione, su infrastrutture reali di clienti enterprise, con risultati prevedibili e affidabili, è un'altra cosa.

La sfida principale non era tecnica nel senso tradizionale del termine. I modelli AI esistenti sono capaci. La sfida era farli ragionare in modo deterministico — cioè fare in modo che a fronte della stessa richiesta il sistema producesse sempre scelte architetturali coerenti e corrette, non output variabili dipendenti dal "umore" del modello.

Abbiamo costruito una pipeline con due modelli AI che lavorano in parallelo — uno specializzato nell'interpretazione del linguaggio naturale, uno nella generazione del codice — orchestrati da istruzioni precise che definiscono come i due modelli devono collaborare e quali vincoli devono rispettare.

Il risultato è un sistema che ragiona, non uno che indovina.

A questo abbiamo aggiunto un meccanismo di memoria: i playbook Ansible generati con esito positivo vengono archiviati. La volta successiva che viene richiesto lo stesso software, il sistema non rigenera il playbook da zero ma usa quello già validato — riducendo i tempi e aumentando l'affidabilità. Se la richiesta è nuova e il sistema non ha informazioni sufficienti, cerca online, analizza la documentazione e genera il playbook corretto.

Tutto questo gira completamente on-premise. I modelli AI sono installati sull'infrastruttura del cliente, le richieste non escono mai dal perimetro aziendale, nessun dato viene inviato a servizi cloud esterni.

Il We Make Future 2026: il nostro primo palcoscenico pubblico

A giugno 2026 siamo stati al We Make Future di Bologna — una delle fiere tech più importanti d'Italia — con la versione lite di EdgeForge AI.

Lite non significa incompleta. Significa che abbiamo scelto deliberatamente di presentare la componente core del prodotto: la chat testuale. L'utente scrive quello che vuole in linguaggio naturale, il sistema interpreta la richiesta, presenta un piano di deployment dettagliato con il numero di operazioni, le risorse che verranno create e il tempo stimato, chiede conferma, e poi esegue tutto in autonomia.

Un esempio reale che abbiamo mostrato al WMF: un ambiente di monitoring completo con Grafana, Prometheus, Loki e node_exporter su 5 VM — 11 operazioni eseguite in meno di 25 minuti, con l'ambiente completamente funzionante, SSL configurato e credenziali di accesso pronte alla fine.

La risposta del pubblico ha confermato quello che intuivamo: il problema che EdgeForge AI risolve è reale e sentito. Gli ingegneri che ci hanno fermato allo stand non chiedevano se fosse utile — chiedevano quando potevano averlo.

Cosa sta per arrivare: la sezione interattiva

Mentre preparavamo la versione lite per il WMF, in parallelo — e da mesi — stavamo sviluppando la parte successiva di EdgeForge AI: la sezione interattiva.

Si tratta di un'interfaccia grafica integrata direttamente in OpenStack Skyline, la dashboard di gestione OpenStack. Accanto alla chat testuale, l'utente trova un'area organizzata in macro-categorie che permette di eseguire le operazioni più comuni senza dover scrivere nulla.

Le macro-categorie sono cinque:

🖥️ Compute — creazione e gestione VM, keypair SSH

☸️ Kubernetes — cluster K3s, K8s ad alta disponibilità, configurazioni custom

💾 Storage — volumi, snapshot, backup

🌐 Networking — reti, subnet, security group, floating IP, porte

🔐 VPN & Sicurezza — VPN site-to-site

La scelta di organizzare le funzionalità in macro-categorie invece di mostrare tutti i bottoni insieme non è casuale. Con oltre venti operazioni disponibili, un catalogo piatto sarebbe disorientante. Cinque categorie chiare rendono l'interfaccia accessibile anche a chi non è un esperto di OpenStack.

La logica sottostante non cambia rispetto alla chat: quando l'utente seleziona un'operazione e compila i parametri, il sistema esegue le stesse pipeline AI, genera gli stessi playbook Ansible dinamici e riporta i risultati in chat quando tutti i job sono completati.

Il vantaggio della sezione interattiva è l'accessibilità: non serve saper descrivere l'infrastruttura in linguaggio naturale per usarla. Un operatore junior può creare una VM, configurare un security group o deployare un cluster Kubernetes con pochi click, con la stessa affidabilità di un deployment via chat fatto da un senior engineer.

Perché abbiamo scelto di presentare la lite al WMF e non la versione completa

La risposta è semplice: volevamo feedback reali prima di rilasciare la versione completa.

La chat testuale è il cuore del prodotto — è la parte che dimostra il valore fondamentale di EdgeForge AI: l'AI che capisce cosa vuoi e lo costruisce. La sezione interattiva è un'estensione che amplifica l'accessibilità ma non cambia la proposta di valore.

Presentare la lite ci ha permesso di validare la cosa più importante — che il problema è reale e che la nostra soluzione lo risolve davvero — prima di investire le ultime settimane di sviluppo per portare la sezione interattiva al livello di qualità che riteniamo necessario per un rilascio in produzione.

I feedback raccolti al WMF sono stati integrati. Il rilascio completo è imminente.

Cosa significa questo per le infrastrutture cloud open-source

EdgeForge AI non è uno strumento per semplificare il cloud a chi non lo conosce. È uno strumento per liberare gli ingegneri dal lavoro ripetitivo e permettergli di concentrarsi su quello che crea valore reale: architettura, ottimizzazione, innovazione.

Il provisioning manuale di infrastrutture cloud sarà sempre necessario per casi complessi e non standard. Ma la grande maggioranza delle operazioni quotidiane — creare ambienti, deployare stack applicativi, configurare networking — può e deve essere automatizzata. EdgeForge AI è il nostro modo di farlo in modo affidabile, on-premise e senza dipendenze da vendor americani.

È anche il primo modulo di SentinelForge AI — la piattaforma AIOps che stiamo costruendo per coprire l'intero ciclo di vita delle infrastrutture cloud open-source, dal provisioning al monitoraggio predittivo con CloudSentinel AI.

Vuoi vedere EdgeForge AI in azione?

Se sei stato al WMF e vuoi vedere la versione completa, o se non ci hai incontrato e vuoi una demo dal vivo, scrivici.

Descrivi la tua infrastruttura — cosa gestisci, quali sono i pain point operativi, quanto tempo dedichi al provisioning — e organizziamo una sessione in cui usiamo EdgeForge AI sul tuo ambiente reale.

→ Richiedi una demo di EdgeForge AI