L’intelligenza artificiale sta vivendo la trasformazione più significativa dalla nascita dei Large Language Models. Per anni ci siamo abituati a un’AI conversazionale: un sistema che riceve una domanda e restituisce una risposta, in un perimetro chiuso e prevedibile. Gli AI Agent rompono questo schema: pianificano sequenze di azioni, selezionano e utilizzano strumenti esterni, scrivono ed eseguono codice, accedono a file, servizi cloud e API, e perseguono in autonomia obiettivi assegnati in termini generali, lasciando alla macchina la scelta del percorso operativo.Questo salto di funzione, da sistema che risponde a sistema che agisce, non è un dettaglio tecnico. È un cambio di paradigma che investe la sicurezza informatica alla radice. Finché un modello si limitava a generare testo, il rischio principale era quello dei contenuti: disinformazione, errori, output non appropriati. Con gli agenti, il rischio si sposta sul piano dell’azione: un agente che opera su sistemi reali può causare conseguenze reali, intenzionali o meno. È qui che nasce l’esigenza di ripensare integralmente il modo in cui progettiamo, testiamo e sorvegliamo questi sistemi.Le organizzazioni che oggi adottano agenti AI per automatizzare processi interni, dalla gestione delle email alla scrittura di codice, spesso non hanno ancora aggiornato i propri modelli di rischio per tenere conto di questa nuova capacità operativa: si continua a valutarne la sicurezza con gli stessi criteri usati per un software tradizionale, quando il comportamento di un agente è per natura meno prevedibile. Colmare questo divario tra velocità di adozione e maturità dei presidi di sicurezza è, oggi, una priorità che riguarda tanto il settore pubblico quanto quello privato.Indice degli argomenti