Come l'evoluzione delle AI agentiche sta ridisegnando la cyber security

L'intelligenza artificiale agentica: dalla fantascienza alla realtà operativa

L'intelligenza artificiale agentica rappresenta un passaggio epocale nel panorama della sicurezza informatica contemporanea. Non si tratta più di una prospettiva futuristica relegata ai laboratori di ricerca, ma di sistemi operativi e tangibili già integrati nelle infrastrutture critiche di organizzazioni globali. Questi agenti intelligenti, capaci di pianificare sequenze di azioni complesse, agire in modo autonomo e coordinare le loro attività con altri agenti, stanno ridefinendo le regole del gioco sia per chi attacca che per chi difende.

La discontinuità introdotta da questa tecnologia non è graduale o incrementale: è strutturale e radicale. L'AI ha generato un salto qualitativo nel modo in cui vengono concepiti, orchestrati ed eseguiti gli attacchi informatici. Contemporaneamente, offre ai difensori capacità senza precedenti per rilevare, prevenire e rispondere alle minacce. Tuttavia, questa dualità – potenziamento sia dell'offesa che della difesa – rappresenta la vera sfida del momento, in quanto la velocità di evoluzione del primo elemento ha finora superato quella del secondo.

Pierguido Iezzi, Cybersecurity Director di Tinexta Group, ha identificato il passaggio centrale per il futuro della cyber security attraverso la ricerca "Autonomia Delegata" condotta dal team Una Cyber Acies. Questa ricerca sintetizza un cambio paradigmatico fondamentale: il passaggio "dall'AI come semplice strumento all'AI come infrastruttura operativa, autonoma e interconnessa". Con l'evoluzione degli agenti AI, non cambiano solo gli strumenti disponibili, ma le superfici di rischio, le catene di dipendenza, i modelli di controllo e la capacità stessa delle organizzazioni di prevenire, rilevare e rispondere agli attacchi.

Le tre dimensioni concrete del cambiamento: il panorama minaccioso

Comprendere la gestione ottimale dell'AI per la cyber security richiede l'approfondimento di tre dimensioni concrete e specifiche. La prima dimensione riguarda il cambiamento radicale del panorama delle minacce. La seconda concerne il vantaggio strategico che l'AI offre ai difensori. La terza riguarda le regole di governance necessarie per mantenere il controllo su questi sistemi sempre più autonomi.

Sul piano delle minacce, la trasformazione è articolata in tre dinamiche già chiaramente osservabili negli scenari reali. La prima dinamica rivela un dato allarmante: gli agenti AI autonomi gestiscono l'80-90% delle catene d'attacco senza supervisione umana. Questo significa che una catena di attacco completa – che comprende la ricognizione iniziale, l'identificazione delle vulnerabilità, lo sfruttamento effettivo, l'esfiltrazione dei dati e le operazioni di copertura – può essere orchestrata e portata a termine completamente senza che un operatore umano supervisioni ogni singolo passaggio. Le conseguenze sono immediate e devastanti: la velocità e la scalabilità degli attacchi cambiano di ordine di grandezza. Attacchi che richiederebbero settimane di coordinamento manuale possono essere lanciati in ore o minuti.

La seconda dinamica riguarda l'abbassamento drastico della barriera di ingresso al crimine informatico. I criminali digitali privi di competenze tecniche avanzate possono ora orchestrare offensive sempre più sofisticate grazie all'AI generativa. Questo rappresenta un cambio strutturale nel panorama criminale. Strumenti come FraudGPT e WormGPT – modelli linguistici con i guardrail rimossi, venduti nei forum underground – consentono a chiunque di costruire campagne di attacco personalizzate senza possedere alcuna competenza di programmazione. Un individuo con minime capacità tecniche può oggi orchestrare attacchi che, solo pochi anni fa, richiedevano team specializzati di hacker esperti.

La terza dinamica coinvolge le campagne di phishing e social engineering, che diventano significativamente più convincenti e personalizzate grazie ai modelli linguistici avanzati. I Large Language Model permettono di generare messaggi privi di errori grammaticali, culturalmente calibrati sul destinatario specifico e contestualmente plausibili. Questo rende obsolete le tecniche tradizionali di riconoscimento delle email fraudolente basate sull'analisi della forma. Non è più possibile identificare un'email di phishing dal fatto che contenga errori di ortografia o di grammatica: i messaggi sono perfetti dal punto di vista linguistico e spesso più convincenti di quelli genuini.

La percezione del rischio nei C-suite italiano

Come risultato diretto di questi tre cambiamenti, il quadro percettivo tra i decision-maker italiani si è trasformato. Secondo i dati di Osservatori.net nel rapporto Cybersecurity & Data Protection 2025, il 71% dei CISO italiani ritiene che l'AI acuisca il rischio cyber. Questa percentuale elevata non rappresenta un'esagerazione allarmistica, ma una valutazione razionale basata su mesi di esposizione a minacce reali in evoluzione costante.

Da questo momento in avanti, sarà normale e ordinario attendersi minacce informatiche autonome, anche senza governo diretto da parte di operatori umani. Questa normalizzazione delle minacce autonome rappresenta un turning point psicologico oltre che tecnico: il modello difensivo basato sulla prevenzione di attacchi prevedibili deve evolversi verso un modello di resilienza dinamica orientato a contenere minacce imprevedibili e continuamente mutevoli.

I nuovi vettori di rischio associati all'adozione massiva dell'AI

Paradossalmente, l'adozione massiva dell'AI per migliorare la difesa cibernetica espone le organizzazioni a rischi nuovi e sofisticati. I ricercatori Kaspersky hanno documentato come i criminali stiano già sfruttando strategicamente la fiducia diffusa nelle piattaforme AI a loro vantaggio. Dall'inizio del 2026 sono stati rilevati oltre 92.000 attacchi malware camuffati da noti strumenti AI, inclusi ChatGPT, Claude e Gemini.

Questo dato è particolarmente significativo perché riflette una tattica consapevole: i criminali sfruttano il fatto che gli utenti e le organizzazioni si sono abituati a scaricare e utilizzare applicazioni AI, abbassando naturalmente le loro difese psicologiche verso questi strumenti. Un attacco camuffato da Claude o ChatGPT incontra una resistenza psicologica molto inferiore rispetto a un file di origine sconosciuta.

Dei 92.000 campioni rilevati, oltre 15.000 includevano trojan bancari, spyware e downloader – il tipo di malware più pericoloso, capace di compromettere completamente la sicurezza finanziaria e informatica della vittima. A maggio 2026 è stata scoperta una campagna del gruppo APT Silver Fox che distribuiva false applicazioni Claude AI per Windows, MacOS e Linux, dimostrando come gli attaccanti sofisticati stiano investendo risorse significative in questa vettore di attacco cross-platform.

I rischi strutturali e tecnici emergenti

Oltre al malware tradizionale semplicemente camuffato sotto false sembianze di strumenti AI, emergono rischi strutturali più profondi e difficili da affrontare, contraddistinti da nomi tecnico-scientifici specifici. Questi rischi rappresentano vulnerabilità intrinseche al modo stesso in cui funzionano i sistemi di AI agentica:

• Prompt injection (iniezione di codice malevolo nei prompt): attacchi in cui gli aggressori inseriscono istruzioni nascoste nei dati di input, costringendo gli agenti AI a comportarsi in modo non previsto e potenzialmente dannoso
• Data poisoning (avvelenamento dei dati di addestramento): la compromissione deliberata dei dataset utilizzati per addestrare i modelli AI, introducendo bias malevoli che si propagano attraverso tutte le decisioni future del sistema
• Allucinazioni dei modelli: la generazione da parte degli agenti AI di informazioni non verificabili o completamente false, presentate con assoluta confidenza, creando scenari dove il sistema non sa che non sa
• Funzionalità dannose nascoste in flussi di lavoro apparentemente legittimi: l'inserimento di comportamenti malevoli all'interno di processi che sembrano legittimi da un'ispezione superficiale

La compromissione della supply chain dei sistemi AI è identificata come uno dei rischi più critici nel panorama attuale. Un singolo componente infetto può esporre interi sistemi di AI interconnessi, e questo rischio si riversa sulle reti interconnesse a quei sistemi. Se una libreria di machine learning contenente una funzione malevola viene integrata in un sistema di AI agentica aziendale, il danno potenziale non si limita a quel singolo sistema, ma si propaga attraverso tutte le interconnessioni e le dipendenze che quel sistema mantiene con altri sistemi critici.

Il vantaggio strategico difensivo: la capacità di rilevamento e risposta

Nonostante i rischi significativi, l'AI agentica offre anche opportunità difensive senza precedenti. Il 57% delle aziende prevede un miglioramento nelle capacità di rilevamento delle minacce grazie all'AI, mentre il 49% si aspetta risposte automatizzate agli incidenti secondo i dati Kaspersky. Da tempo le tecnologie di machine learning sono integrate nelle piattaforme di sicurezza per individuare e contrastare minacce su larga scala.

L'automazione strutturata consente oggi di gestire volumi di dati impensabili per i soli analisti umani. Mentre un analista di sicurezza esperto può esaminare manualmente decine o forse centinaia di eventi sospetti al giorno, un sistema di AI agentica può processare milioni di eventi, identificare pattern correlati, distinguere i segnali dal rumore, e generare raccomandazioni actionable in tempo reale.

Andrea Fumagalli, Managing Director & VP of Cybersecurity and Innovation in THUX Systems, sottolinea l'importanza di un cambio di paradigma organizzativo e culturale: "Le organizzazioni devono adottare una mentalità basata sul presupposto che la violazione sia già avvenuta e andare oltre la tradizionale resilienza per puntare alla resistenza informatica (endurance), soprattutto ora che le minacce basate sull'intelligenza artificiale diventano sempre più veloci, autonome e coordinate". Nel prossimo futuro, queste minacce potrebbero avere un impatto senza precedenti, in particolare se combinate con i progressi nel campo del quantum computing, il quale potrebbe rendere obsoleti molti degli attuali meccanismi di crittografia.

L'architettura moderna: RAG e apprendimento dinamico

Un elemento chiave riguarda la natura dell'apprendimento degli agenti AI in contesti difensivi. Dmitry Galov, ricercatore di Kaspersky GReAT (il team di ricerca sulle minacce avanzate), chiarisce un aspetto tecnico fondamentale: "Il retraining pieno è riservato a cambiamenti architetturali significativi o a variazioni strutturali nel panorama delle minacce". Il retraining periodico completo è considerato un'operazione estremamente pesante dal punto di vista computazionale e operativo, inoltre è lenta e difficile da mantenere aggiornata rispetto alla velocità di evoluzione delle minacce.

I sistemi moderni si basano sempre più su architetture RAG (Retrieval-Augmented Generation), che permettono agli agenti di incorporare nuove conoscenze in modo dinamico, mediante threat intelligence aggiornata, feed di IoC (Indicatori di Compromissione), repository di incidenti, senza richiedere un retraining completo. In sostanza, gli agenti AI agentiche fanno training on the job, apprendendo continuamente dal flusso di dati in tempo reale senza richiedere l'intervento tecnico gravoso di un retraining architetturale completo.

Gli agenti AI come layer operativo di supporto alle decisioni

I sistemi di agenti intelligenti si sono trasformati in uno strato operativo di supporto alle decisioni là dove complessità, pressione regolatoria e volume di attività rendono progressivamente difficile un intervento tempestivo e accurato. Piuttosto che automatizzare singoli passaggi isolati, gli agenti AI contribuiscono ad anticipare i processi e a renderli connessi e governabili nel loro insieme.

Gli agenti AI affiancano le funzioni di controllo ampliando la capacità nelle vari ambiti specifici dell'operatività aziendale:

• Nella prevenzione delle frodi: identificando pattern di comportamento anomalo prima che diventino sistemici e causino danni significativi
• Nel processo di verifica da aziende e istituti finanziari su propri clienti, fornitori o partner commerciali: verificando se questi soggetti sono presenti nelle liste ufficiali di soggetti sanzionati (sanction screening)
• Nella segnalazione tramite documento formale: supportando banche, istituti finanziari e altri professionisti come notai, avvocati e operatori di criptovalute nella trasmissione alle autorità di vigilanza di informazioni relative a transazioni o comportamenti insoliti che potrebbero essere legati a reati finanziari (suspicious activity reporting)

In particolare, gli agenti AI intercettano pattern emergenti prima che diventino sistemici, mettono in relazione segnali eterogenei e aiutano a costruire una visione contestualizzata del rischio. Il risultato non è solo maggiore efficienza, ma un'evoluzione del modello operativo stesso: da processi reattivi e frammentati a meccanismi dinamici di sorveglianza e decisione, in cui persone e agenti collaborano per man