Per anni abbiamo costruito la sicurezza aziendale intorno a una serie di domande abbastanza chiare: chi è l’utente, da quale dispositivo si collega, quale livello di rischio ha, a quali applicazioni può accedere.
Abbiamo aggiunto MFA, Conditional Access, MDM, EDR, DLP, classificazione dei dati. Tutto giusto.
Poi l’AI generativa è entrata nel quotidiano. E secondo me ha reso molto visibile un problema che in realtà esisteva già: il controllo sul punto di accesso non coincide sempre con il controllo sull’uso del dato.
Il device può essere perfettamente compliant
Immaginiamo un utente autenticato correttamente, da un notebook aziendale gestito, cifrato e protetto. Nessun malware. Nessun alert. Nessun comportamento apparentemente anomalo.
Quell’utente apre però un servizio AI esterno e gli passa un documento interno, una configurazione, uno script o una porzione di dati che non avrebbe dovuto lasciare il perimetro previsto dall’azienda.
Dal punto di vista del device, potrebbe non esserci nulla di “rotto”. È il modo in cui il dato viene utilizzato ad essere cambiato.
Il problema non è ChatGPT, Copilot o il nome dello strumento
Ridurre tutto a una blacklist di servizi secondo me sarebbe troppo semplice. Gli strumenti cambiano continuamente e l’AI finirà dentro browser, suite produttive, IDE, applicazioni SaaS e processi che oggi nemmeno consideriamo “AI”.
La domanda utile diventa quindi un’altra: quali dati possono entrare in quali servizi, con quale identità, da quale dispositivo e con quali garanzie?
Questo mette insieme mondi che spesso gestiamo separatamente: Identity, endpoint management, DLP, sicurezza SaaS, classificazione, logging e governance.
E la compliance?
Il tema normativo sta crescendo insieme a quello tecnico. Dal 2 agosto 2026 sono applicabili gli obblighi di trasparenza dell’articolo 50 dell’AI Act per i sistemi che rientrano nel relativo perimetro. Non significa che l’AI Act sia “la norma contro il data leakage”: sarebbe una semplificazione sbagliata. Significa però che l’uso dell’AI sta diventando sempre più un tema di governance, responsabilità e controllo, non soltanto di innovazione.
Da dove partirei
Prima ancora di comprare un nuovo prodotto, partirei dall’inventario: quali strumenti AI vengono realmente utilizzati? Con quali account? Quali categorie di dati possono ricevere? Quali servizi sono approvati? Abbiamo log sufficienti per ricostruire un evento?
Poi collegherei questi elementi ai controlli esistenti. Perché forse non serve creare una “security dell’AI” completamente separata. Serve fare in modo che Identity, endpoint, dati e governance continuino a parlarsi anche quando nel flusso entra un modello AI.
La domanda che mi interessa oggi non è se l’azienda usa l’AI. È se sa come la sta usando.