Una sola politica, migliaia di agenti: perché la governance dell’IA aziendale non regge su larga scala

Gran parte del dibattito sull’adozione degli agenti autonomi di IA si è concentrata, a ragione, sulla governance come sfida cruciale. Gartner ha recentemente previsto che il 40% delle imprese ridimensionerà o dismetterà i propri agenti autonomi di IA entro il 2027, non perché la tecnologia abbia fallito, ma perché ha fallito la loro governance. Secondo Shiva Varma, Senior Director Analyst di Gartner, il problema è la «governance binaria»: considerare gli agenti o completamente bloccati o pienamente affidabili, senza vie di mezzo.

Attualmente, molte organizzazioni tendono a imporre divieti totali sugli strumenti di IA oppure a distribuire agenti con misure di protezione inadeguate. Nessuno dei due approcci è efficace su larga scala. Anche quando il reparto IT vieta gli strumenti di IA esterni, l’IA ombra continua a diffondersi. Gli sviluppatori vogliono naturalmente creare e risolvere problemi; se la governance appare eccessivamente burocratica, aggireranno i controlli e useranno strumenti non verificati per mandare avanti il lavoro. Al contrario, misure di protezione insufficienti espongono le organizzazioni a rischi per la sicurezza, la conformità e le operazioni, che aumentano nel tempo. 

La sfida è che gli agenti di IA non possono essere governati in modo uniforme con un approccio statico e uguale per tutti.  L’era della governance standardizzata sta volgendo al termine, perché questi sistemi non presentano tutti lo stesso profilo di rischio: differiscono per il software sottostante, le capacità, i livelli di accesso e il grado di autonomia. Applicare a software che opera alla velocità delle macchine controlli statici concepiti nell’era industriale non funzionerà.  Una governance efficace dipenderà dalla capacità delle organizzazioni di comprendere la catena di fornitura del software alla base di ciascun agente e di calibrare i controlli sui rischi che introduce.  

Governare gli ambienti di sviluppo software basati su agenti

Un controllo reale significa gestire efficacemente tutti gli elementi software che compongono l’agente. Molti team considerano erroneamente questi agenti «affidabili e degni di fiducia», trascurando gli elementi standard che ne influenzano il funzionamento e la sicurezza. 

Ogni agente autonomo di IA è composto da uno stack riconoscibile: un modello fondazionale, server MCP (Model Context Protocol) che lo collegano ai dati aziendali e ai sistemi esterni, plugin che ne ampliano le capacità e file di competenze che ne definiscono il comportamento. I responsabili IT devono tenere presente che: 

• Gli agenti di IA sono ecosistemi software: si basano su una configurazione standard che comprende modelli, MCP, strumenti, plugin, competenze e software open source.
• I server MCP possono comportare rischi: collegano gli agenti ai dati aziendali e possono essere scaricati come qualsiasi altro software. Se non vengono verificati, potrebbero consentire agli hacker di accedere al sistema. Per esempio, una recente ricerca sulla sicurezza di JFrog mette in evidenza questi specifici rischi nella catena di fornitura del software di mcp-run-python, tra cui una vulnerabilità di falsificazione delle richieste lato server (SSRF) (CVE-2026-25904) e una vulnerabilità dovuta alla mancanza di isolamento (CVE-2026-25905) che può portare alla completa acquisizione del controllo di MCP.
• I plugin possono aumentare i rischi: agenti diversi richiedono plugin diversi (per esempio, un plugin di OpenAI non funziona in Microsoft Copilot), perciò le aziende devono spesso gestire numerose varianti, e basta un singolo plugin dannoso per sottrarre informazioni sensibili.
• Le competenze definiscono il comportamento degli agenti: questi file di istruzioni indicano all’agente come operare. Poiché gli sviluppatori li scaricano da fonti della community, una competenza manomessa può modificare silenziosamente il comportamento di un agente.
• Rischi del software open source: alla base delle funzionalità delle soluzioni sviluppate con la programmazione basata su agenti c’è il ricorso a binari open source per fornirle. Gli agenti di programmazione possono ricorrere con altrettanta facilità a pacchetti dannosi anziché a quelli sicuri, senza rendersi conto del rischio.
• La visibilità è fondamentale: molti team non sono consapevoli dell’esistenza di questi problemi, lasciando i propri agenti estremamente vulnerabili. Le organizzazioni continuano a gestire le dipendenze software basandosi sulla fiducia, anziché effettuare verifiche approfondite.

Il ruolo di un sistema di riferimento per una governance efficace dell’IA

La corsa alla distribuzione degli agenti di IA aziendali non si può vincere con una mentalità superata. Imporre catene di approvazione manuali, monolitiche e eccessivamente rigide per ogni flusso di lavoro soffoca l’innovazione, mentre lasciare gli agenti senza monitoraggio crea rischi inutili.

Per estendere l’uso dell’IA in sicurezza, le organizzazioni devono adottare un approccio stratificato alla governance e alla protezione dei componenti software, inclusi pacchetti, binari, MCP, competenze e dipendenze. Istituendo un sistema di riferimento, le aziende possono selezionare con cura tutti i componenti utilizzati, sottoporre tutto a scansione prima dell’uso, applicare le policy nel momento opportuno del ciclo di vita dello sviluppo e mantenere la possibilità di ripristinare immediatamente una versione precedente. Così, quando viene resa nota la prossima vulnerabilità, la risposta alla domanda «siamo esposti?» arriva in pochi minuti, non in giorni.

Tuttavia, gli agenti IA ampliano la superficie di attacco e la rendono significativamente più dinamica. Gli agenti con un elevato grado di autonomia possono prendere centinaia di decisioni al minuto, concatenare chiamate agli strumenti, accedere ai dati ed eseguire codice a una velocità che i controlli tradizionali in fase di valutazione iniziale non riescono a tenere. Le verifiche preliminari e i processi di approvazione continuano a svolgere un ruolo importante, ma da soli non possono proteggere sistemi che operano alla velocità delle macchine.

Questi agenti richiedono controlli dinamici in fase di esecuzione, capaci di rilevare comportamenti anomali nel momento stesso in cui si verificano e di intervenire prima che il danno si propaghi. Si può pensarli come un interruttore automatico: revocare l’accesso a una competenza compromessa, disconnettere un contesto di dati non attendibile o bloccare una specifica chiamata a uno strumento non appena qualcosa va storto.

Superare l’approccio «uguale per tutti»

Una governance rigida e uniforme è una strada sicura verso il fallimento. La finestra di opportunità per intervenire in anticipo si sta chiudendo e il debito di governance cresce man mano che accelera l’implementazione degli agenti. Ecco quindi quattro misure che i responsabili della sicurezza e dell’ingegneria possono adottare subito per rafforzare i sistemi aziendali:

1. Fai l’inventario di ciò che è già in esecuzione. La maggior parte delle aziende non è in grado di tenere pienamente conto degli agenti IA presenti nella propria organizzazione, per non parlare dei server MCP, dei plugin e dei file di competenze che li alimentano. Prima di poter valutare i rischi o governare qualsiasi elemento, è necessario sapere che cosa è presente.
2. Tratta i componenti IA come artefatti software. I server MCP, i file di competenze e i plugin non sono configurazioni: sono codice e comportano gli stessi rischi della catena di approvvigionamento di qualsiasi dipendenza open source. Applica gli stessi processi di verifica, scansione e tracciabilità della provenienza che useresti per qualsiasi libreria di terze parti.
3. Classifica gli agenti in base al livello di autonomia e adegua di conseguenza i controlli. Definisci che cosa significa «elevata autonomia» per la tua organizzazione e costruisci un quadro di policy articolato su più livelli. Gli agenti con un elevato grado di autonomia richiedono controlli in fase di esecuzione, non soltanto verifiche iniziali. Parti dai sistemi più sensibili e procedi gradualmente verso gli altri.
4. Rendi la governance abbastanza rapida da evitare che gli sviluppatori, umani o agentici, cerchino di aggirarla. L’IA ombra è un problema di attrito. Se l’approvazione di un nuovo server MCP richiede due settimane, gli sviluppatori troveranno un’altra soluzione. La scansione automatizzata, accompagnata da un’applicazione chiara delle policy, è l’unico modello in grado di stare al passo con il ritmo effettivo dello sviluppo dell’IA.

La governance è molto più efficace quando tiene conto dei rischi effettivi presentati da ciascun agente, invece di trattarli tutti allo stesso modo. Le aziende che riusciranno a distinguersi saranno quelle che adegueranno la governance alle caratteristiche concrete di ciascun agente, avvalendosi di un sistema di riferimento che applichi le policy a ogni confine, offra visibilità su ogni componente e permetta ai team di intervenire non appena qualcosa va storto.