
La cybersecurity sta attraversando un momento di profonda trasformazione. La combinazione tra una superficie di attacco sempre più estesa, la crescente interconnessione delle infrastrutture digitali e la diffusione dell’intelligenza artificiale sta modificando tanto le modalità con cui vengono condotte le offensive quanto gli strumenti necessari per contrastarle.
Il problema non riguarda più soltanto la sofisticazione degli attaccanti. L’AI sta abbassando la soglia di competenze necessarie per condurre operazioni potenzialmente molto dannose, permettendo di automatizzare attività che in passato richiedevano tempo, conoscenze tecniche avanzate e risorse considerevoli.
“Siamo nel momento storico dove il perimetro che un’azienda deve difendere è ai suoi massimi storici” ha spiegato Paolo Cecchi, Area VP Sales Mediterranean Region di SentinelOne evidenziando come a tutto questo si aggiunge un volume crescente di vulnerabilità e segnali di compromissione che le organizzazioni devono individuare, analizzare e gestire in tempi sempre più ridotti. Una velocità che rischia di superare la capacità operativa dei team di sicurezza.
Gli agenti AI diventano una nuova superficie di rischio
L’introduzione degli agenti AI nelle organizzazioni apre un ulteriore fronte. Per svolgere attività autonome, questi sistemi ricevono accessi, credenziali e autorizzazioni a interagire con applicazioni, dati e infrastrutture aziendali.
Il rischio è che un agente, compromesso o manipolato, possa sfruttare tali privilegi per compiere azioni non previste, spostarsi all’interno dell’organizzazione o accedere a risorse che non dovrebbero rientrare nel suo perimetro operativo.
Tra le minacce emergenti si colloca anche il prompt injection, attraverso il quale istruzioni malevole possono influenzare il comportamento di un sistema AI. Una volta ottenuto un punto di accesso, un attaccante potrebbe cercare di sfruttare le autorizzazioni dell’agente per estendere la propria azione ad altri sistemi.
La velocità con cui questi processi possono avvenire rende insufficienti molti approcci tradizionali, basati sull’analisi manuale e sulla reazione dell’operatore. Diventa quindi necessario controllare non soltanto gli accessi, ma anche il comportamento effettivo degli agenti, verificando che operino entro i limiti stabiliti.
Agentic Detection and Response: controllare gli agenti dove operano
Una delle risposte proposte da SentinelOne è portare i controlli direttamente dove l’AI lavora: endpoint, smartphone, tablet, server, container e workload cloud. Questo approccio, chiamato Agentic Detection and Response, estende il rilevamento e la risposta tradizionali al monitoraggio degli agenti AI.
“È necessario monitorare il comportamento degli agenti AI, verificando quali sistemi utilizzano, quali risorse raggiungono e se le attività eseguite rispettano il compito assegnato”, ha spiegato Cecchi. Il controllo locale permette di intervenire appena un agente mostra comportamenti anomali, prima che superi i propri confini o propaghi un’attività malevola.
Ma non basta. “La protezione non può fermarsi al singolo dispositivo”, ha aggiunto Cecchi: un agente potrebbe aver già interagito con altri sistemi prima che l’anomalia venga rilevata. Per questo il controllo locale va affiancato da una visione trasversale dell’intera infrastruttura.
Dal SOC tradizionale all’Autonomous SOC
Il volume degli alert è una delle principali criticità per i team di sicurezza: nelle organizzazioni complesse può crescere a tal punto da rendere impossibile esaminare ogni evento con la dovuta attenzione.
Qui l’AI può aiutare, assumendosi le indagini preliminari: raccoglie informazioni da fonti diverse, correla gli eventi, ricostruisce il contesto e formula una prima valutazione dell’incidente. È la direzione dell’Autonomous SOC, che punta a trasformare il Security Operations Center da sistema di monitoraggio e segnalazione a piattaforma in grado di investigare in autonomia, individuare correlazioni tra le minacce e supportare la risposta. L’obiettivo è ridurre il rumore, accelerare le analisi e lasciare agli operatori gli incidenti più complessi.
Cecchi invita però a leggere il fenomeno senza forzature: “L’autonomia del SOC non rappresenta un cambiamento improvviso, ma un percorso evolutivo iniziato alcuni anni fa come evoluzione dei SIEM tradizionali, e non ancora concluso”. Oggi l’autonomia è parziale e alcuni passaggi richiedono ancora l’analista. In prospettiva, “l’essere umano assume principalmente un ruolo di governo, supervisione e decisione”, il che non significa eliminare gli analisti, ma spostarli dalle attività ripetitive al controllo dei processi e alla gestione delle situazioni più critiche.
Perché l’essere umano è ancora determinante? Il contesto aziendale
Durante l’analisi di un eventuale attacco informatico o violazione, il contesto tecnico, come le comunicazioni tra sistemi, gli accessi e i flussi di rete, risulta fondamentale ma non sempre sufficiente. Un’attività apparentemente anomala potrebbe essere legittima, magari perché legata a un ruolo aziendale particolare, a un processo di business o a una situazione contingente.
Bloccare automaticamente una comunicazione o un account potrebbe quindi produrre conseguenze operative rilevanti. La decisione di interrompere un processo deve tenere conto anche dell’impatto sul business, delle priorità dell’organizzazione e del rischio che si è disposti ad accettare. È qui che emerge il valore della supervisione umana: l’automazione seleziona i casi davvero significativi, le persone prendono le decisioni che comportano responsabilità e conoscenza del business.
Cybersecurity e AI: di chi è la responsabilità?
La crescente autonomia dei sistemi introduce anche nuove problematiche legate alla responsabilità. Chi risponde quando un agente AI compie un’azione non prevista? Quali limiti devono essere stabiliti? Come si definisce il livello di autonomia concesso a un sistema?
Il tema non è soltanto tecnologico, ma riguarda il risk management. Le organizzazioni devono valutare gli investimenti in sicurezza, definire i rischi accettabili e stabilire quali attività possono essere delegate all’intelligenza artificiale e quali devono rimanere sotto controllo umano.
Anche i modelli di consumo delle tecnologie AI richiedono attenzione. L’utilizzo di agenti che effettuano investigazioni e analisi può generare costi variabili, legati al numero e alla complessità delle operazioni. È quindi necessario prevedere limiti, controlli e criteri di utilizzo coerenti con il budget e con il livello di rischio dell’organizzazione.
“La sfida sarà costruire sistemi autonomi in grado di operare rapidamente, ma all’interno di regole precise, garantendo trasparenza, controllo e responsabilità”, ha concluso Cecchi.





























































