Per decenni, la sicurezza informatica aziendale si è basata su un'idea relativamente semplice: proteggere le persone e controllare il loro accesso ai sistemi. Ogni dipendente riceveva un nome utente, una password e una serie di autorizzazioni determinate dal suo ruolo. Il team finanziario poteva accedere alle informazioni contabili, il reparto vendite lavorava all'interno del CRM e gli amministratori IT gestivano le infrastrutture critiche. Se una persona lasciava l'organizzazione, le sue credenziali potevano essere disattivate e l'accesso limitato.
L'avvento degli agenti di intelligenza artificiale sta iniziando a sconvolgere questo modello. Un'azienda può ora disporre di sistemi autonomi in grado di interrogare database, inviare e-mail, aggiornare opportunità di vendita, generare documenti, effettuare chiamate API e coordinare interi processi su diverse piattaforme. Questi agenti non sono dipendenti, ma operano all'interno dell'infrastruttura aziendale. Non hanno un'identità umana, ma necessitano di credenziali. Non ricoprono una posizione lavorativa tradizionale, ma possono essere autorizzati con permessi estremamente ampi.
È qui che emerge una delle nuove sfide della sicurezza informatica aziendale: Identità non umane, note come NHI.
Un'identità non umana è un'identità digitale associata a una macchina, un'applicazione, un servizio, un sistema di automazione o un agente di intelligenza artificiale che necessita di interagire con sistemi tecnologici. Gli account di servizio e le chiavi API esistono da anni, ma l'intelligenza artificiale agentiva introduce una differenza fondamentale: ora queste identità possono essere associate a sistemi che interpretano gli obiettivi, pianificano le azioni e prendono decisioni intermedie.
Consideriamo un agente di vendita connesso a un CRM. Per svolgere il suo ruolo, potrebbe aver bisogno di consultare i clienti, rivedere le conversazioni, analizzare le opportunità, creare attività e inviare informazioni ad altri sistemi. Tecnicamente, l'agente necessita di un'identità e di autorizzazioni che gli consentano di eseguire ciascuna di queste azioni. Il problema sorge quando le aziende applicano a questi sistemi gli stessi modelli di accesso progettati per gli utenti umani o identità di macchina relativamente statiche.
IL Alleanza per la sicurezza del cloud Ha messo in luce la sfida di autenticare e autorizzare gli agenti che eseguono query di database, chiamate API e altre interazioni con i sistemi, mantenendo al contempo responsabilità e politiche di sicurezza. L'identità non è più un dettaglio tecnico: sta diventando una componente centrale dell'architettura di intelligenza artificiale aziendale.
Il rischio diventa più facile da comprendere se smettiamo di pensare agli agenti di intelligenza artificiale come a dei chatbot. Un chatbot tradizionale riceve una domanda e genera una risposta. La sua capacità di azione è solitamente limitata. Un agente intelligente può ricevere un obiettivo, analizzare le informazioni ed eseguire una sequenza di compiti utilizzando diversi strumenti.
Ad esempio, un'azienda potrebbe chiedere a un agente di gestire i lead non seguiti. Il sistema consulta il CRM, identifica le opportunità inattive, esamina le conversazioni passate, categorizza i contatti, redige messaggi personalizzati e pianifica nuove attività di vendita. Con le integrazioni necessarie, può persino inviare comunicazioni o aggiornare lo stato all'interno dei sistemi aziendali.
Questa capacità rappresenta un'enorme opportunità per l'automazione, ma amplia anche la superficie di rischio. L'agente ha bisogno di accedere alle informazioni e di eseguire azioni. Ogni autorizzazione aggiuntiva aumenta la sua capacità operativa e, allo stesso tempo, le potenziali conseguenze di una configurazione errata, di un'istruzione manipolata o di un comportamento inatteso. La sicurezza sposta la sua attenzione dalla sola protezione del modello alla messa in discussione... Che cosa può fare concretamente l'identità che rappresenta l'agente?.
In molte organizzazioni, esiste una pratica tecnologica comune ma pericolosa: concedere più permessi del necessario per accelerare l'integrazione. Uno sviluppatore deve connettere un sistema e, invece di definire una specifica politica di accesso, utilizza credenziali con ampi privilegi. Il progetto procede rapidamente e le restrizioni sui permessi vengono rimandate a una revisione successiva che spesso non avviene mai.
Con gli agenti di intelligenza artificiale, questa pratica può avere conseguenze ben più gravi. Un agente inizialmente progettato per interrogare informazioni potrebbe finire per utilizzare credenziali che gli consentono anche di modificare tali informazioni. Un altro agente incaricato di generare report potrebbe avere accesso a informazioni sensibili di cui non ha effettivamente bisogno per raggiungere il suo obiettivo.
La differenza è che un agente non esegue sempre una sequenza completamente deterministica. Può analizzare il contesto e selezionare gli strumenti entro i limiti della sua progettazione. Per questo motivo, il principio di privilegi minimi Questo aspetto diventa ancora più importante: ogni agente dovrebbe avere accesso solo ai dati e alle azioni strettamente necessari per svolgere il proprio ruolo. Un'autonomia illimitata non è business intelligence, bensì un rischio operativo difficile da controllare.
La prossima fase dell'intelligenza artificiale aziendale non consisterà esclusivamente in agenti individuali. Le organizzazioni stanno iniziando a sperimentare sistemi multi-agente in cui diverse intelligenze artificiali collaborano per completare processi complessi. Un agente di vendita potrebbe richiedere informazioni a un agente finanziario. Quest'ultimo potrebbe consultare un altro sistema specializzato e fornire un'analisi che verrà infine utilizzata per prendere una decisione.
In tale scenario, sorge una domanda difficile: Chi ha effettivamente autorizzato l'azione finale? La persona che ha avviato il processo, il primo agente, il secondo agente o il sistema che ha eseguito la modifica.
Recenti ricerche sull'identità nell'IA mettono in guardia proprio sulle sfide della delega ricorsiva e della responsabilità quando agenti e sub-agenti eseguono flussi oltre i confini organizzativi. Il problema non è teorico: man mano che le aziende collegano gli agenti ai processi del mondo reale, dovranno ricostruire l'intera catena di autorizzazione.
La tracciabilità tradizionale è stata concepita per utenti e servizi relativamente prevedibili. Gli ecosistemi agentici richiedono invece di sapere quale agente ha avviato un'attività, quali autorizzazioni ha utilizzato, quali strumenti ha consultato e quali altri agenti hanno partecipato prima del risultato finale.
Immaginate cinque agenti che utilizzano la stessa chiave API per connettersi al CRM di un'organizzazione. Dal punto di vista del sistema, tutte le azioni potrebbero sembrare eseguite dalla stessa entità tecnica. Se si verifica una modifica errata, ricostruire con precisione quale agente ha preso la decisione può diventare un processo complesso.
Questo problema esisteva già con gli account di servizio condivisi, ma l'intelligenza artificiale ne aumenta significativamente l'importanza. Man mano che gli agenti iniziano a operare in modo più autonomo, l'azienda ha bisogno di identificare con precisione chi ha fatto cosa. Una credenziale generica utilizzata da più automazioni riduce in parte questa visibilità.
Ecco perché l'identità individuale degli agenti sta diventando un nuovo livello di governance tecnologica. Ogni agente rilevante dovrebbe avere un'identità distinta, autorizzazioni definite e meccanismi di audit in grado di registrarne l'attività. Non è sufficiente sapere che un'API ha effettuato una chiamata. L'organizzazione deve capire quale agente l'ha richiesta, per quale scopo e all'interno di quale processo aziendale. Senza queste informazioni, l'autonomia può trasformarsi rapidamente in opacità.
Il modello Zero Trust si basa su un'idea semplice: non fidarsi automaticamente di un'identità solo perché si trova all'interno dell'infrastruttura aziendale. Ogni richiesta deve essere valutata in base al contesto, alle autorizzazioni e alle politiche stabilite.
Questo principio è particolarmente rilevante per gli agenti di intelligenza artificiale. Un'organizzazione non dovrebbe presumere che un agente sia affidabile solo perché è stato sviluppato internamente o perché utilizza un modello riconosciuto. Il suo accesso deve essere limitato e monitorato in base al compito che svolge.
Un agente di vendita che in genere esamina le opportunità non dovrebbe avere accesso automatico alle informazioni sugli stipendi. Un responsabile finanziario non ha bisogno di privilegi amministrativi sul CRM. Un assistente interno non dovrebbe essere in grado di scaricare l'intero database dei documenti aziendali semplicemente perché ha accesso a uno strumento di ricerca.
La ricerca accademica sta già esplorando i framework Zero Trust specificamente per i sistemi multi-agente, a causa dei limiti dei meccanismi tradizionali di identità e accesso rispetto agli agenti dinamici e alla delega tra i sistemi.
I sistemi aziendali tradizionali operano in genere secondo regole relativamente prevedibili. Un'applicazione esegue funzioni pre-programmate e le politiche di sicurezza controllano quali operazioni può eseguire. Gli agenti intelligenti introducono un comportamento diverso perché utilizzano modelli in grado di interpretare le istruzioni, analizzare il contesto e selezionare le azioni.
Ciò crea nuovi vettori di rischio. Un'istruzione malevola potrebbe tentare di manipolare l'obiettivo dell'agente. Informazioni esterne potrebbero influenzarne il comportamento. Un agente compromesso potrebbe utilizzare autorizzazioni legittime per eseguire azioni tecnicamente autorizzate ma non corrispondenti all'intento originale del processo.
Progetto di sicurezza OWASP GenAI È stata pubblicata la lista delle 10 principali criticità per le applicazioni basate su agenti, elaborata in collaborazione con oltre cento esperti, ricercatori e professionisti. Il framework individua i rischi specifici dei sistemi autonomi che pianificano, agiscono e prendono decisioni all'interno di flussi di lavoro complessi. Tra i problemi evidenziati dal progetto figurano il dirottamento degli obiettivi, l'abuso di identità e il comportamento autonomo incontrollato.
La sicurezza dell'IA non può più limitarsi alla revisione dei messaggi. Deve osservare le azioni.
La rapidità con cui viene adottata spiega perché questa questione stia diventando una priorità. Gartner Secondo le proiezioni, entro la fine del 2026 il 401% delle applicazioni aziendali integrerà agenti di intelligenza artificiale specifici per determinate attività, rispetto a meno del 51% nel 2025. Allo stesso tempo, la società prevede anche che oltre il 40% dei progetti di intelligenza artificiale basati su agenti verrà cancellato entro la fine del 2027 a causa dell'aumento dei costi, dell'incertezza sul valore aziendale o di controlli del rischio inadeguati.
I dati rivelano una contraddizione significativa. Le organizzazioni desiderano gli agenti e li stanno sperimentando a ritmo serrato, ma sono ancora impegnate nello sviluppo delle capacità necessarie per gestirli in modo efficace.
Secondo un sondaggio globale sull'IA condotto da McKinsey nel 2025, il 23,1% dei partecipanti stava già implementando su larga scala un qualche tipo di sistema di IA agentiva all'interno della propria organizzazione. Più recentemente, la sua analisi sulla fiducia nell'IA ha rilevato che la sicurezza e il rischio rappresentano i principali ostacoli all'implementazione su larga scala di questi sistemi.
La tecnologia avanza. La domanda è se il controllo aziendale avanza allo stesso ritmo.
Le aziende mature sanno quante persone lavorano al loro interno, quali ruoli ricoprono e a quali sistemi hanno accesso. I reparti di gestione delle identità e degli accessi possono creare, modificare ed eliminare le autorizzazioni in base al ciclo di lavoro di ciascun dipendente.
Con gli agenti di intelligenza artificiale, probabilmente sarà necessario sviluppare una disciplina simile. Un'azienda dovrà sapere quanti agenti esistono, chi è responsabile di ciascuno, quale obiettivo aziendale perseguono, quali dati interrogano, quali strumenti utilizzano e quali autorizzazioni hanno.
È inoltre importante comprenderne il ciclo di vita. Chi ha creato l'agente? Quando è stato aggiornato l'ultima volta? Quale versione del modello utilizza? Cosa succede quando il processo che automatizza cessa di esistere? Le sue credenziali sono state revocate?
Questo inventario sarà particolarmente importante di fronte alla crescita dell'IA ombra. Se diversi dipartimenti iniziano a creare agenti senza coordinamento tecnologico, l'organizzazione può accumulare identità non umane che continuano ad avere accesso ai sistemi anche quando nessuno ricorderà più il motivo della loro creazione. La governance inizia con la conoscenza di ciò che esiste.
Uno degli errori che probabilmente vedremo nei prossimi anni è la progettazione di agenti troppo generici con permessi eccessivamente ampi. L'idea di creare un singolo "super-agente aziendale" in grado di accedere all'intera organizzazione sembra allettante dal punto di vista dell'esperienza utente, ma solleva enormi problemi di sicurezza e governance.
Un'architettura più matura collega l'identità dell'agente al suo ruolo. Un addetto al recupero crediti necessita di un contesto e di autorizzazioni specifici. Un addetto all'assistenza clienti richiede l'accesso a informazioni diverse. Un addetto agli acquisti lavora con sistemi e regole differenti.
Questo contribuisce a limitare il potenziale impatto di un errore e facilita le verifiche. Se un agente di vendita tenta di accedere a una fonte finanziaria riservata, l'architettura può bloccare l'azione perché non corrisponde alla sua identità o al suo ruolo.
L'identità cessa quindi di essere semplicemente quella di un utente tecnico. Diventa una rappresentazione della funzione, delle capacità e dei limiti dell'agente all'interno dell'organizzazione. Questo cambiamento sarà fondamentale per scalare l'IA autonoma in modo sicuro.
L'identificazione di un agente è solo il primo passo. Le aziende devono anche osservarne il comportamento nel tempo. Un sistema può inizialmente funzionare correttamente e in seguito modificare il proprio comportamento a causa di cambiamenti nei prompt, nei modelli, negli strumenti, nelle fonti di dati o nelle integrazioni.
L'osservabilità consente di analizzare le decisioni prese dall'agente, gli strumenti utilizzati, il costo di ogni esecuzione e la presenza di errori o deviazioni. Quando queste informazioni vengono collegate all'identità dell'agente, l'azienda può ricostruire una cronologia comportamentale molto più completa.
Ciò sarà particolarmente importante nei processi critici. Non è sufficiente autorizzare inizialmente un agente e presumere che continuerà a funzionare allo stesso modo indefinitamente. I sistemi intelligenti richiedono una valutazione continua.
La fiducia nell'IA non dovrebbe essere permanente o automatica. Dovrebbe basarsi su prove osservabili. Se un agente inizia a mostrare un comportamento anomalo, l'organizzazione deve rilevarlo, ridurne i permessi o interromperne il funzionamento prima che il problema si propaghi ad altri sistemi.
C'è una semplice domanda che ogni azienda dovrebbe porsi prima di collegare un agente di intelligenza artificiale a un processo critico: Se qualcosa va storto, possiamo fermarlo immediatamente?
La risposta non è sempre ovvia. Un agente può eseguire azioni tramite diverse API, avviare thread o coordinarsi con altri sistemi. Se l'architettura non è stata progettata tenendo conto dell'interruzione e del ripristino, arrestare una sequenza di azioni può risultare più complesso del previsto.
Questa preoccupazione sta già influenzando il dibattito normativo. Nel giugno 2026, la vice governatrice della Banca d'Inghilterra, Sarah Breeden, ha indicato che i sistemi agentici potrebbero richiedere nuove forme di supervisione nel settore finanziario e ha menzionato meccanismi come i circuit breaker o i kill switch per affrontare le potenziali interruzioni causate dall'intelligenza artificiale autonoma.
La capacità di arrestare un agente non rappresenta un fallimento tecnologico. È una misura di resilienza. I sistemi aziendali critici hanno sempre avuto bisogno di meccanismi di emergenza. L'intelligenza artificiale autonoma non dovrebbe fare eccezione.
La preparazione inizia con la consapevolezza che gli agenti non possono essere trattati semplicemente come un'altra applicazione. Sono componenti in grado di agire all'interno dell'organizzazione e, pertanto, richiedono controlli relativi a identità, autorizzazione, tracciabilità e gestione del ciclo di vita.
Il primo passo consiste nell'identificare tutti gli agenti intelligenti e le automazioni esistenti. Successivamente, è necessario definire le responsabilità, gli obiettivi aziendali e i sistemi a cui ciascun agente può accedere. Le autorizzazioni devono essere progettate secondo il principio del minimo privilegio e riviste regolarmente.
L'organizzazione deve inoltre separare le identità, evitare la condivisione delle credenziali, registrare le deleghe tra gli agenti e garantire la tracciabilità delle azioni critiche. Infine, devono essere presenti meccanismi di revoca in grado di annullare le autorizzazioni o bloccare gli agenti in caso di comportamenti imprevisti.
Non si tratta di creare una burocrazia attorno all'Intelligenza Artificiale, bensì di sviluppare un'architettura che ne consenta la scalabilità. Le aziende che tentano di gestire cento agenti con gli stessi controlli utilizzati per cinque automazioni scopriranno probabilmente in breve tempo i limiti del loro modello tecnologico.
In Il Gruppo Cloud Aiutiamo le organizzazioni a progettare ecosistemi tecnologici pronti a integrare intelligenza artificiale, agenti autonomi e automazione intelligente nei processi aziendali reali. Il nostro approccio parte dall'architettura, dai dati e dall'integrazione, perché un agente può essere affidabile solo quanto il sistema su cui opera.
Analizziamo come CRM, ERP, API, piattaforme interne e fonti di dati si connettono per progettare flussi di lavoro in cui l'IA possa operare entro confini chiaramente definiti. Governance, osservabilità e sicurezza non vengono aggiunte dopo lo sviluppo dell'agente; devono essere parte integrante della sua progettazione fin dall'inizio.
La prossima generazione di aziende avrà un numero maggiore di identità digitali operative all'interno dei propri sistemi. Alcune apparterranno a persone, altre ad agenti intelligenti. Prepararsi a questa realtà richiede un ripensamento delle autorizzazioni, della tracciabilità e del controllo.
Perché implementare gli agenti è relativamente semplice. La vera sfida sta nel costruire un'azienda in grado di gestirli quando iniziano a moltiplicarsi.
Un'identità non umana è un'identità digitale utilizzata da una macchina, un'applicazione, un sistema di automazione o un agente di intelligenza artificiale per interagire con i sistemi tecnologici. Negli ambienti basati su agenti, queste identità consentono agli utenti di interrogare database, utilizzare API ed eseguire azioni. La gestione di queste identità è importante perché gli agenti possono operare con diversi gradi di autonomia e richiedono autorizzazioni chiaramente definite.
Perché un'azienda ha bisogno di identificare quale sistema ha eseguito ogni azione. Se più utenti condividono le stesse credenziali, la tracciabilità si riduce e diventa più difficile determinare chi ha modificato le informazioni o avviato un processo. Un'identità univoca facilita le attività di audit, la gestione delle autorizzazioni e la revoca degli accessi.
Un account di servizio tradizionale esegue in genere attività pre-programmate. Un agente di intelligenza artificiale può interpretare il contesto, selezionare gli strumenti e coordinare azioni diverse. Questa maggiore autonomia introduce ulteriori esigenze in termini di controllo, osservabilità e autorizzazione contestuale.
Ciò significa concedere a ciascun agente solo le autorizzazioni necessarie per svolgere il proprio ruolo. Un agente di vendita non dovrebbe avere automaticamente accesso a tutte le informazioni finanziarie e un addetto all'assistenza clienti non necessita di privilegi amministrativi su tutti i sistemi. Limitare l'accesso riduce il potenziale impatto di errori o comportamenti imprevisti.
L'azienda potrebbe perdere visibilità su quale agente abbia eseguito una specifica azione. Inoltre, aumenta la difficoltà di revocare le autorizzazioni individualmente e di analizzare gli incidenti. La separazione delle identità consente di ottenere registri delle attività più accurati e una migliore governance.
Si tratta dell'applicazione del principio di non fidarsi automaticamente di un agente solo perché fa parte dell'infrastruttura aziendale. Ogni richiesta deve essere valutata in base a identità, autorizzazioni, contesto e politiche. L'obiettivo è controllare ciò che l'agente può fare in ogni situazione.
È necessario creare un inventario centralizzato di agenti, automazioni intelligenti e identità non umane. Il registro dovrebbe includere il responsabile, lo scopo, i sistemi connessi, le autorizzazioni, le credenziali e lo stato operativo. Questa pratica diventerà sempre più importante con la crescente adozione dell'IA.
Per decenni, la gestione delle identità aziendali è stata concepita attorno a dipendenti, fornitori e amministratori. Le organizzazioni hanno imparato a creare utenti, assegnare autorizzazioni e revocare l'accesso quando qualcuno lasciava l'azienda.
Gli agenti di intelligenza artificiale stanno introducendo una categoria completamente nuova di attori digitali. Possono interrogare informazioni, utilizzare strumenti, coordinare processi ed eseguire azioni all'interno degli stessi sistemi in cui operano le persone. La differenza sta nel fatto che possono operare in modo continuativo e a una velocità impossibile per un team umano.
Il potenziale è straordinario, ma l'autonomia necessita di limiti. Man mano che le aziende integreranno decine o centinaia di agenti, identità, autorizzazioni e tracciabilità cesseranno di essere dettagli tecnici. Diventeranno componenti fondamentali della governance dell'IA.
Le organizzazioni che iniziano a sviluppare queste capacità fin da ora saranno meglio preparate a scalare l'automazione intelligente. Quelle che si limitano a connettere gli agenti ai sistemi utilizzando credenziali generiche potrebbero scoprire troppo tardi di avere una nuova forza lavoro digitale che opera all'interno della propria infrastruttura senza un modello di controllo chiaro.
La questione non sarà più solo Che cosa può fare il tuo agente di intelligenza artificiale?.
La questione che definirà la sicurezza dell'azienda sarà di gran lunga più importante:
Chi è quell'agente, a quali informazioni ha accesso e potete arrestarlo se necessario?
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
