L’adozione degli agenti AI nelle imprese sta modificando il modo in cui vengono gestite la cybersecurity e la protezione dei dati. Questi sistemi possono accedere a informazioni, utilizzare applicazioni ed eseguire operazioni autonomamente. Secondo Carolyn Duby, Field CTO e Cybersecurity Lead di Cloudera, i tradizionali controlli di sicurezza non sono più sufficienti a gestire i rischi associati a questa autonomia.
Agenti AI e cybersecurity: perché i controlli tradizionali non bastano
Le strategie di cybersecurity aziendale sono state progettate principalmente per controllare il comportamento degli utenti umani. La verifica delle credenziali, la gestione delle autorizzazioni e la protezione delle informazioni riservate rappresentano da anni i principali strumenti utilizzati dalle organizzazioni per prevenire gli incidenti informatici. L’introduzione dell’intelligenza artificiale agentica modifica però questo equilibrio. A differenza dei software tradizionali, gli agenti AI possono elaborare grandi quantità di dati, interagire con sistemi differenti e completare attività senza richiedere un intervento umano per ogni operazione.
Questa capacità introduce rischi che non dipendono necessariamente da un accesso non autorizzato. Anche un agente che dispone di credenziali valide può eseguire una sequenza di azioni inattesa, coinvolgendo informazioni o applicazioni che non erano direttamente interessate dal compito iniziale. Secondo il sondaggio The Great AI Re-Architecture di Cloudera, il 37% degli intervistati nell’area EMEA considera sicurezza dei dati, governance e conformità normativa il principale fattore che sta guidando i cambiamenti delle infrastrutture dedicate all’intelligenza artificiale. La sicurezza informatica diventa così una componente delle decisioni sull’architettura tecnologica aziendale, oltre che una responsabilità dei team specializzati.
Restworld, l’AI nel recruiting: le difficoltà della ristorazione
La gestione degli accessi deve considerare i comportamenti autonomi
Uno dei principi della sicurezza informatica è quello del minimo privilegio, secondo cui ogni utente o applicazione dovrebbe disporre esclusivamente delle autorizzazioni necessarie per svolgere le proprie attività. Con gli agenti AI, tuttavia, limitare gli accessi iniziali potrebbe non essere sufficiente. Un sistema autonomo può utilizzare le proprie autorizzazioni per consultare database, comunicare con applicazioni e avviare operazioni successive. Il rischio riguarda quindi anche le conseguenze che un comportamento imprevisto potrebbe produrre all’interno dell’infrastruttura aziendale.
Carolyn Duby richiama il concetto di blast radius, che indica l’estensione dei sistemi e dei dati potenzialmente coinvolti in caso di compromissione o incidente. Per limitarlo, le imprese possono adottare controlli distribuiti su più livelli, tra cui la segmentazione delle reti, l’utilizzo di ambienti isolati e la restrizione dei permessi concessi attraverso le API. Un’altra misura consiste nell’assegnare agli agenti identità temporanee, con autorizzazioni valide soltanto per lo svolgimento di una specifica attività e revocate al suo completamento. La gestione delle credenziali deve però essere accompagnata da una verifica continua delle operazioni effettivamente eseguite.
Private AI, perché le aziende devono ridurre la dipendenza dai modelli pubblici
Zero Trust e intelligenza artificiale: la verifica diventa continua
Il modello Zero Trust si basa sul principio secondo cui nessun utente, dispositivo o sistema deve essere considerato automaticamente affidabile. L’intelligenza artificiale agentica amplia l’applicazione di questo approccio, perché la verifica non può limitarsi all’identità di chi accede a una risorsa. Deve comprendere anche i dati utilizzati, i modelli coinvolti e le azioni compiute dagli agenti autonomi. Secondo la ricerca Cloudera, il 65% degli intervistati EMEA dichiara che l’integrazione dell’AI ha reso significativamente più difficile mantenere una governance efficace dei dati.
Una delle criticità riguarda la natura non deterministica di questi sistemi: a parità di condizioni, un agente potrebbe produrre risultati o sequenze operative differenti da quelle previste. Per questa ragione, Duby sottolinea l’importanza di strumenti capaci di monitorare le attività in tempo reale e interrompere automaticamente i processi quando emergono comportamenti anomali. Tra le soluzioni figurano i cosiddetti circuit breaker, meccanismi che possono bloccare determinate operazioni, e i controlli human-in-the-loop, che prevedono l’intervento umano nelle decisioni considerate più delicate. L’obiettivo è mantenere una supervisione efficace anche quando le attività vengono eseguite a velocità superiori rispetto a quelle degli operatori.
EdTech Italia 2026: l’intelligenza artificiale cresce nelle imprese
Private AI: il 55% delle imprese EMEA riporta i workload in ambienti privati
La crescente attenzione alla sicurezza sta influenzando anche la scelta delle infrastrutture utilizzate per eseguire i sistemi di intelligenza artificiale. Secondo Cloudera, il 55% delle imprese EMEA ha trasferito almeno una parte dei workload AI dal cloud pubblico verso infrastrutture private o on-premises nell’ultimo anno. I workload comprendono le attività informatiche necessarie per eseguire applicazioni, elaborare dati e utilizzare modelli di intelligenza artificiale.
La scelta di ambienti privati consente alle organizzazioni di mantenere un controllo più diretto sulle informazioni proprietarie, riducendo la necessità di trasferire dati sensibili verso servizi esterni. È uno degli aspetti della cosiddetta Private AI, un approccio che permette di sviluppare e utilizzare sistemi intelligenti all’interno di infrastrutture gestite direttamente dalle aziende. Tuttavia, il maggiore controllo tecnologico non garantisce automaticamente una protezione completa. Errori di configurazione, credenziali compromesse, minacce interne e comportamenti inattesi degli agenti possono verificarsi anche all’interno di ambienti privati. La sicurezza deve quindi estendersi oltre i database aziendali e comprendere modelli, istruzioni fornite ai sistemi e risultati generati, che potrebbero contenere o rivelare informazioni riservate.
Governance dei dati e sicurezza tra cloud pubblico e privato
Le infrastrutture aziendali sono sempre più distribuite tra cloud pubblico, ambienti privati e sistemi interni. Questa organizzazione rende necessario applicare criteri di sicurezza coerenti, indipendentemente dal luogo in cui vengono eseguite le operazioni. Un agente AI potrebbe utilizzare informazioni conservate in ambienti differenti e interagire con applicazioni soggette a diverse politiche di accesso. Eventuali discontinuità nei controlli potrebbero quindi creare vulnerabilità difficili da individuare attraverso i tradizionali sistemi di monitoraggio.
Secondo l’analisi di Duby, le regole di sicurezza e governance devono accompagnare dati, modelli e applicazioni attraverso tutte le infrastrutture utilizzate. La scelta tra cloud pubblico e privato può modificare l’esposizione a determinati rischi, ma non sostituisce la necessità di verificare costantemente le attività svolte. Per le organizzazioni che adottano la Private AI, questo comporta anche maggiori responsabilità nella gestione diretta della sicurezza, del monitoraggio e delle autorizzazioni.
Cyber resilience: come cambia la protezione delle imprese con gli agenti AI
L’evoluzione dell’intelligenza artificiale autonoma richiede alle aziende di rivedere il rapporto tra prevenzione, controllo e capacità di risposta agli incidenti. La cyber resilience, ovvero la capacità di un’organizzazione di mantenere o ripristinare le proprie attività in presenza di problemi informatici, assume particolare rilevanza quando i sistemi possono prendere decisioni ed eseguire operazioni senza supervisione costante. Le imprese devono essere in grado di ricostruire le attività degli agenti, individuare eventuali anomalie e limitarne le conseguenze prima che coinvolgano altri sistemi. Questo richiede strumenti di monitoraggio continuo, autorizzazioni proporzionate alle singole attività e meccanismi di intervento quando il comportamento di un agente si discosta dagli obiettivi previsti.
L’analisi di Cloudera evidenzia quindi un cambiamento nella gestione della cybersecurity aziendale: non è più sufficiente stabilire a quali informazioni un agente AI possa accedere, ma diventa necessario controllare come utilizza quelle autorizzazioni. Con l’aumento delle attività affidate ai sistemi autonomi, la capacità di verificarne il comportamento e contenere eventuali errori sarà sempre più rilevante per la protezione dei dati e la continuità operativa delle imprese.
Consigliati per te
Brainyware rivoluziona l’adozione dell’AI nelle imprese: la piattaforma low-code 
Nico Paciello: come l’AI sta rivoluzionando la sicurezza nei settori moderni 
Milano-Cortina 2026: la sfida invisibile della cybersecurity tra AI, ransomware e spionaggio 
Innovazione in Lombardia: arriva la prima legge sull’AI in Italia 
AI e Traduzioni: le imprese investono, ma il lavoro manuale resiste 
PTC lancia Windchill AI: una nuova funzionalità per una gestione intelligente delle parti
