Microsoft in testa a cinque gravi interruzioni dei sistemi in una settimana: le infrastrutture progettate per un’altra epoca faticano a reggere i ritmi e le esigenze dell’era dell’IA

Il 17 novembre, la NSA ha confermato un’interruzione di NSANet, la sua rete interna per la trasmissione di informazioni classificate. L’incidente è stato classificato come «Codice giallo», il secondo livello più alto del suo sistema di allerta a tre livelli. Lo stesso giorno, un aggiornamento di un sistema interno di Apple ha causato disservizi diffusi al portale dei dipendenti, ai sistemi di autenticazione interni, all’accesso remoto tramite VPN e a servizi per i consumatori quali iCloud, App Store e Apple Pay. Le attività di vendita e riparazione sono state interrotte in numerosi punti vendita in tutto il mondo.

TMGM Analysis: Financial Market News, Economic Calendar & Market Insights

Il giorno precedente, un bug del software nei sistemi hardware locali di JPMorgan aveva ritardato l’elaborazione delle transazioni. Downdetector aveva registrato oltre 3.000 segnalazioni di disservizi, mentre anche i clienti di Bank of America, Wells Fargo e altri istituti avevano segnalato problemi correlati. Tre giorni prima, la FAA aveva disposto la sospensione dei decolli su tutto il territorio nazionale a seguito di un guasto alle comunicazioni, con oltre 5.100 voli cancellati e quasi 10.000 in ritardo. La sequenza era iniziata il 12 novembre, quando i servizi principali di Microsoft 365 erano diventati indisponibili in almeno 70 Paesi. Outlook, Teams e Copilot avevano smesso di funzionare contemporaneamente, con disservizi protrattisi per oltre due giorni.

Sei giorni. Cinque sistemi critici. Nessuno degli incidenti è stato identificato come un attacco e nessuno è stato attribuito all’IA. Eppure, proprio questa ricostruzione, secondo cui ciascun episodio sarebbe stato un guasto tecnico isolato e non doloso, mette in luce un problema più difficile da risolvere di un attacco.


Microsoft: come un «potenziamento della capacità» si è trasformato in un’interruzione di due giorni

Secondo il rapporto preliminare per i clienti pubblicato da Microsoft il 15 novembre e la ricostruzione degli eventi di Bloomberg, l’interruzione è iniziata con un reindirizzamento di routine del traffico degli utenti. La sera dell’11 novembre, il traffico di Teams è stato instradato automaticamente verso un altro sistema di server che gestiva il traffico di Outlook. Insieme alla capacità già persa a causa di un problema distinto, questo ha attivato un bug rimasto latente nei data center dell’azienda da luglio: con l’aumento del traffico, i server hanno esaurito la memoria e hanno iniziato a bloccarsi.

A peggiorare ulteriormente la situazione, il sistema di failover automatico di Microsoft ha reindirizzato altro traffico verso altri server che considerava funzionanti, propagando il guasto. Al picco mattutino del traffico aziendale del 12 novembre, oltre l’80% dei server di Outlook non rispondeva. Microsoft ha poi impiegato altre 15 ore per individuare il problema prima di iniziare a distribuire una correzione.

La spiegazione di Ramanna, vicepresidente esecutivo di Microsoft, ha evidenziato una lacuna nel processo di test dell’azienda: i modelli di traffico e le configurazioni hardware simulati nei laboratori non rispecchiavano le condizioni reali. I test si concentravano generalmente su sistemi più vecchi e meno potenti, mentre il bug che ha provocato i blocchi si è rivelato «più distruttivo» sull’hardware più recente.

Ma il fattore umano merita altrettanta attenzione della spiegazione tecnica. Su Blind, il forum anonimo dedicato al mondo del lavoro, un utente che si è identificato come dipendente Microsoft ha affermato che i team responsabili dell’infrastruttura principale di Microsoft 365 avevano subito diverse tornate di licenziamenti e dimissioni volontarie negli ultimi anni. Gli ingegneri che per lungo tempo si erano occupati della manutenzione dei sistemi preesistenti avevano lasciato l’azienda, e il personale rimasto faticava a diagnosticare rapidamente i guasti complessi. Le operazioni di ripristino dei sistemi alle versioni precedenti, che un tempo richiedevano circa 45 minuti, potevano ora durare cinque ore. Durante questo incidente, secondo quanto riferito, a un certo punto gli strumenti interni di gestione degli incidenti non si caricavano correttamente, costringendo gli ingegneri di diversi reparti a collaborare fino a tarda notte per esaminare il codice e le architetture dei servizi ereditati dagli ex colleghi.

Microsoft non ha risposto pubblicamente a queste affermazioni. Tuttavia, esse sono coerenti con la durata insolitamente lunga del disservizio e con il mancato successo dei tentativi di ripristino nel risolvere il problema.


Che cosa sta realmente accadendo: un divario crescente tra il ritmo dell’IA e il rinnovo delle infrastrutture

Nessuno di questi cinque incidenti è stato attribuito all’IA. Microsoft ha esplicitamente negato il coinvolgimento di «IA o agenti», mentre anche la FAA e la NSA hanno escluso l’IA tra i fattori all’origine degli incidenti. Ma «non causato dall’IA» e «non correlato all’era dell’IA» sono due cose diverse.

Si sta delineando una divergenza tra due curve. Una rappresenta la frequenza delle modifiche e l’intensità dei carichi di lavoro indotti dall’IA: i modelli di traffico cambiano, le configurazioni hardware cambiano e gli aggiornamenti software accelerano, mentre gli ambienti di test e le capacità di risposta agli incidenti faticano a tenere il passo. L’altra rappresenta i cicli di rinnovo delle infrastrutture: i cavi in rame e i router della FAA operano su orizzonti temporali misurati in decenni, le reti della NSA evolvono nell’arco di generazioni e la capacità interna di Microsoft di mantenere i sistemi preesistenti si erode trimestre dopo trimestre.

L’IA consente di individuare un gran numero di vulnerabilità dei sistemi a una velocità senza precedenti. Questo esercita un’enorme pressione sulle aziende e sulle agenzie governative affinché le correggano immediatamente, spesso distribuendo più patch contemporaneamente, sottoponendo a notevole stress sistemi che non sono mai stati progettati per far fronte a cambiamenti così rapidi. Il nesso causale non è che l’IA crei vulnerabilità, ma che acceleri il ritmo del cambiamento, mentre i sistemi che devono assorbire tali modifiche sono stati progettati per ritmi più lenti.

Il caso Microsoft illustra questo meccanismo con la massima chiarezza. Il bug era rimasto latente da luglio. Un reindirizzamento di routine del traffico lo ha attivato. Il failover automatico ne ha amplificato gli effetti. E la perdita di competenze nella manutenzione dei sistemi preesistenti ha reso il ripristino insolitamente lento. Nessuno di questi singoli passaggi era opera dell’IA, eppure ciascuno si è verificato sotto la pressione dell’espansione dei servizi cloud trainata dall’IA.