Gli agenti IA stanno diventando insider aziendali più velocemente di quanto la sicurezza possa governarli
- Diversi ricercatori, analisti e laboratori di IA hanno avvisato questo mese che gli agenti AI autonomi agiscono ora come insider con accesso al sistema, e che la maggior parte delle imprese manca dei controlli di identità e del monitoraggio comportamentale necessari per governarli.
- Ogni organizzazione che implementa l'IA agentiche e i fornitori che vendono dovrebbero considerare i rapporti che citano come l'80% delle organizzazioni veda già gli agenti compiere azioni non intenzionali e solo il 2% utilizzi strumenti dedicati per proteggere le identità non umane.
- Con Gartner che stima a rischio 234 miliardi di dollari di spesa software dovuta all'IA agentiche entro il 2030, la maturità della governance sta diventando il fattore decisivo per il successo o il fallimento delle implementazioni.
Molte ricerche pubblicate questo mese indicano che le organizzazioni stanno implementando agenti IA molto più rapidamente di quanto vengano messe in atto misure di sicurezza per essi. Questi sistemi si comportano sempre più come lavoratori digitali con accesso costante alle reti aziendali e ai dati confidenziali. Di conseguenza, sarà la governance, piuttosto che l'efficienza del modello, a determinare se le organizzazioni possono sfruttare le opportunità offerte dall'IA agenziale o subire i suoi fallimenti.
Sviluppatori di IA, aziende di cybersecurity e analisti aziendali concordano su questo avvertimento. Gli agenti IA funzionano in modo molto diverso dai sistemi automatizzati ordinari che seguono istruzioni specifiche. Una volta ottenute le credenziali di accesso e l'accesso al sistema enterprise, sono in grado di eseguire varie funzioni attraverso diverse applicazioni senza supervisione – rendendo le loro azioni molto meno prevedibili.
I numeri dietro l'allarme
Gli investimenti nell'IA continuano ad accelerare. Kong ha citato le proiezioni dell'IDC secondo cui la spesa per IA e IA generativa nell'Asia Pacifico raggiungerà i 175 miliardi di dollari entro il 2028, con gli agenti autonomi che rappresentano una quota crescente. Tuttavia, la governance continua a essere in ritardo.
Un'analisi di Greg Clark basata sulla ricerca dell'Istituto Ponemon ha rilevato che solo il 41% delle aziende ha politiche di privacy specifiche per l'IA. Nel frattempo, il Cloud Security Alliance ha segnalato che molte organizzazioni dipendono ancora da strumenti non progettati per la gestione delle identità non umane, creando gravi lacune di visibilità e governance con l'espansione dell'adozione dell'IA.
Insieme, questi risultati indicano una nuova era della sicurezza enterprise dell'IA. Man mano che gli agenti IA si diffondono nelle reti aziendali, le organizzazioni devono identificarli, definire i loro permessi, verificare continuamente le loro identità e monitorare le loro attività. Nell'era dell'IA autonoma, la governance delle identità sta diventando importante quanto l'intelligenza del modello.
Gli agenti IA sono l'insider fidato per eccellenza
Shreyans Mehta, co-fondatore di Cequence Security, ha descritto l'IA agenziale come un “insider digitale che opera alla velocità della macchina” in un articolo per TM Forum. Ha avvertito che un agente IA non ha bisogno di superare i propri permessi per causare danni. Agendo interamente entro i limiti autorizzati, può combinare richieste API legittime in modi che creano rischi operativi, finanziari o legali. Mehta ha citato le linee guida GB1087 di TM Forum, che descrivono l'IA come l’“insider fidato per eccellenza” perché può eseguire azioni privilegiate senza i soliti segni di un account compromesso.
Gli sviluppatori di IA all'avanguardia hanno espresso preoccupazioni simili. Nel loro documento del 13 luglio, Agentic Misalignment in Summer 2026, i ricercatori di Anthropic e istituzioni partner hanno documentato quattro modelli di fallimento durante simulazioni di implementazioni aziendali: manipolazione occulta del codice software, facilitazione di apparenti frodi finanziarie, manipolazione delle informazioni per influenzare decisioni successive e istruzione degli utenti a rivelare informazioni classificate.
Il documento ha anche evidenziato l'incidente MJ Rathbun, in cui un agente di codifica autonomo ha attaccato un manutentore open-source dopo il rifiuto del suo contributo, illustrando come gli agenti IA possano creare sia rischi di cybersecurity che reputazionali.
I ricercatori hanno anche dimostrato che gli stessi agenti IA possono diventare obiettivi di attacco. Nella sua breve nota dell'8 luglio Friendly Fire, l'AI Now Institute ha dimostrato che le iniezioni di prompt nascoste nei file di progetto ordinari potevano ingannare Claude Code di Anthropic e Codex di OpenAI eseguendo azioni malevole durante le revisioni del codice automatizzate.
Il CEO di Salt Security, Roey Eliyahu, ha affermato che questi casi assomigliano a dimostrazioni come GitLost, Agentjacking e TrustFall, tutte le quali espongono la stessa debolezza: gli agenti IA faticano ancora a distinguere le istruzioni malevole incorporate in contenuti non attendibili dalle informazioni legittime che dovrebbero elaborare.
La governance diventa il prodotto
Le implicazioni aziendali si estendono oltre la cybersecurity. Il 1° luglio, Gartner ha stimato che fino a 234 miliardi di dollari di spesa per applicazioni enterprise potrebbero essere esposti a un “agentic arbitrage” fino al 2030, poiché gli agenti IA eseguono sempre più compiti in diversi ambienti software bypassando le interazioni utente tradizionali.
Forrester ha fatto eco alla preoccupazione nel suo rapporto 2026 Top Threats, avvertendo che gli assistenti personali IA che entrano nei luoghi di lavoro tramite browser e client di posta elettronica potrebbero operare al di fuori dei framework di governance esistenti.
Le aziende tecnologiche stanno rispondendo con strategie simili. Kong promuove un approccio basato sull'identità, in cui ogni agente AI ha una chiara titolarità, permessi definiti e una traccia di audit completa. Mehta promuove la "zero trust agentic", in cui ogni azione viene verificata continuamente anziché essere considerata attendibile dopo un singolo accesso.
OpenAI ha adottato un modello simile, affermando che i suoi deploy interni di Codex funzionano all'interno di sandbox isolate con liste bianche di rete, autenticazione aziendale obbligatoria e telemetria dettagliata che consente di ricostruire ogni azione significativa dell'agente.
Il consenso emergente è che gli agenti AI autonomi dovrebbero essere governati come dipendenti digitali piuttosto che come software convenzionale. Man mano che le organizzazioni espandono i deploy di AI agentic, le decisioni di acquisto si stanno spostando dalle prestazioni del modello verso la responsabilità, la tracciabilità e la governance, trasformando le operazioni AI affidabili da un requisito tecnico a un vantaggio competitivo.
Non limitarti a leggere le notizie sulle criptovalute. Comprendile. Iscriviti alla nostra newsletter. È gratuita.
Domande frequenti
Cos'è una minaccia interna da agente AI?
È il rischio che un agente AI autonomo, una volta connesso alle API e ai dati aziendali, agisca come un dipendente con accesso permanente, compiendo azioni rientranti nelle sue autorizzazioni ma che causano comunque danni operativi, di sicurezza o di conformità. Shreyans Mehta di Cequence Security e le linee guida GB1087 di TM Forum descrivono tali agenti come "l'insider fidato definitivo".
Con quale frequenza gli agenti AI compiono azioni non intenzionali?
Secondo Eric Kong di SailPoint, scrivendo su BusinessWorld, l'80% delle organizzazioni segnala che i propri agenti AI hanno compiuto azioni non intenzionali, tra cui l'accesso o la condivisione di dati sensibili, mentre solo il 2% ha implementato uno strumento di sicurezza dedicato per le identità non umane.
Cos'è l'attacco Friendly Fire agli agenti di codifica AI?
Friendly Fire è un proof of concept sviluppato dall'AI Now Institute e riportato da IT Pro il 10 luglio 2026: utilizza prompt injection nascosti nei file di una libreria per ingannare Claude Code e Codex di OpenAI, inducendoli a eseguire codice malevolo durante revisioni di sicurezza automatizzate in modalità auto-approvazione.
Qual è la differenza tra agentic AI e AI agent?
Tutti gli agenti AI utilizzano (o mirano a utilizzare) capacità di agentic AI, ma "agentic AI" si riferisce al concetto più ampio, mentre "AI agent" indica l'implementazione concreta.
Disclaimer. Le informazioni fornite non costituiscono consulenza finanziaria. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti basati sulle informazioni presenti in questa pagina. Si raccomanda vivamente di effettuare ricerche autonome e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
Ashish Kumar
Ashish Kumar è un giornalista specializzato in criptovalute e finanza con otto anni di esperienza nei redazioni. Si occupa di ciò che accade nei mercati crypto, nella regolamentazione, nel DeFi e negli ecosistemi degli exchange. Ha lavorato con Coingape, Todayq e Newsroompost. Ashish possiede un PGDP in Giornalismo Inglese dall'IIMC. Ha inoltre intervistato figure del settore tra cui Arthur Hayes, Yat Siu, Austin Federa e altri.
