L’AI può sembrare digitale, ma il suo cuore batte in acciaio e potenza

Quando la maggior parte di noi pensa all’intelligenza artificiale (AI), immaginiamo algoritmi, loop di apprendimento e vasti modelli di dati che si ottimizzano nel cloud. Ma dietro queste astrazioni digitali si trova una fondazione molto fisica: la rete globale di data center che alimenta l’evoluzione rapida dell’AI.

Questi impianti dipendono da immense quantità di elettricità, fluidi di raffreddamento industriali e flusso d’acqua, nonché pompe, turbine e sistemi di distribuzione di potenza. Se uno di questi componenti viene a mancare, anche i modelli di AI più avanzati possono fermarsi.

Le richieste su larga scala dell’AI moderna

L’ondata di AI ha portato a un investimento senza precedenti in infrastrutture – una delle più grandi e rapide espansioni nella storia della tecnologia moderna. I principali fornitori di tecnologia stanno investendo risorse nel costruire e mantenere data center, il cui scopo rivaleggia con le infrastrutture nazionali.

Un recente rapporto di Reuters afferma che l’investimento in AI, di cui l’infrastruttura è di gran lunga la spesa più grande, non solo supera il capitale investito in altri recenti boom tecnologici, ma supera anche le iniziative guidate dal governo come il Progetto Manhattan e il programma Apollo per far atterrare un uomo sulla luna. Nel 2024, 137 nuovi data center hyperscale sono stati messi online, e il totale per il 2025 dovrebbe essere simile. Secondo le stime di McKinsey, “le aziende in tutta la catena del valore della potenza di calcolo dovranno investire 5,2 trilioni di dollari nei data center entro il 2030 per soddisfare la domanda mondiale di AI sola.”

Ma nonostante il loro aspetto futuristico, i data center dietro la nostra ossessione per l’AI funzionano molto come qualsiasi impianto industriale, trasformando materie prime in beni di valore. Solo che, in questo caso, è il dato grezzo che viene elaborato, trasformato e consegnato come informazioni ad alto valore per l’uso di individui, organizzazioni e persino governi.

Per mantenere in funzione le operazioni dei data center in modo continuo, i sistemi di tecnologia operativa (OT) sottostanti – regolazione della temperatura, distribuzione elettrica, gestione dell’acqua e una vasta gamma di controlli meccanici – devono essere monitorati e protetti in ogni momento. Un attacco informatico o altro incidente che interrompe una sola valvola di raffreddamento potrebbe fermare l’intero impianto in pochi minuti, causando enormi danni finanziari e potenziali rischi per la sicurezza per il personale presente in loco.

I data center di AI sono la nuova infrastruttura critica

La società ha a lungo riconosciuto l’importanza di salvaguardare le reti elettriche, le utility idriche e i sistemi di trasporto. I data center di AI ora giustificano la stessa classificazione come infrastrutture critiche. Ogni modello di diagnostica clinica, sistema di guida di veicoli autonomi, pianificatore di catene di approvvigionamento e piattaforma di analisi in tempo reale dipende dal loro funzionamento ininterrotto – e questa dipendenza sta crescendo.

Man mano che i carichi di lavoro di AI si diffondono attraverso i continenti, l’affidabilità di ogni data center diventa ancora più importante. Molti modelli di AI ora funzionano in ambienti distribuiti, dove formazione, archiviazione e inferenza sono gestite in più siti. Un’unica interruzione può interrompere questi flussi di lavoro, rallentare i cicli di sviluppo e interrompere i servizi di cui milioni di persone si affidano ogni giorno.

Questa interconnessione significa che una debolezza in un impianto può creare effetti a catena ben oltre la sua posizione fisica. Rafforzare la sicurezza a livello di data center è quindi non solo proteggere un singolo sito – è sostenere la resilienza dell’intero ecosistema di AI.

Quando un data center di AI fallisce, le interruzioni si diffondono attraverso le industrie. Le piattaforme di servizio clienti si bloccano, i sistemi sanitari perdono l’accesso alle informazioni in tempo reale e gli strumenti di produttività digitale si deteriorano o si disconnettono completamente. La sicurezza e l’affidabilità dell’infrastruttura fisica di AI hanno conseguenze dirette a livello nazionale, economico e operativo.

Questi impianti si affidano anche molto a ingegneri, appaltatori e fornitori remoti. Molti data center sono situati in aree rurali lontane dai centri abitati e sono serviti a distanza da specialisti che mantengono e riparano attrezzature o svolgono altri compiti vitali. Questa connettività remota migliora l’efficienza e minimizza il tempo di fermo, ma espande anche la superficie di attacco per gli attori malintenzionati. Per tutti questi motivi, ogni connessione remota a un data center deve essere autenticata, monitorata e strettamente controllata – proprio come per una rete elettrica o un impianto di trattamento dell’acqua.

A questo punto, la domanda non è se i data center di AI debbano essere considerati infrastrutture critiche, ma se possiamo permetterci di trattarli come qualcosa di meno.

Dove la tecnologia incontra l’industria: pratiche di sicurezza OT di base

Poiché tanto dipende dalla disponibilità di AI, i data center devono applicare le migliori pratiche di sicurezza di accesso remoto OT in modo coerente e rigoroso.

I principi chiave includono:

1. Applicare l’accesso Zero-Trust: il modello di sicurezza Zero-Trust si basa sul principio “non fidarsi mai, verificare sempre”. Quando si tratta di accesso ai data center, ogni identità – sia un tecnico remoto che un carico di lavoro di automazione interno – dovrebbe essere autenticata e quindi autorizzata solo alle risorse necessarie per svolgere il proprio lavoro. Ciò limita il movimento laterale e impedisce l’accesso non autorizzato ai controlli industriali critici
2. Applicare l’autenticazione a più fattori (MFA) ovunque: l’MFA è una delle difese più efficaci contro l’accesso non autorizzato. Richiedendo due o più fattori di verifica indipendenti – come l’autenticazione biometrica, i token una tantum o le chiavi di sicurezza fisiche – l’MFA rafforza la garanzia dell’identità e rafforza le strategie di Zero-Trust più ampie. Per la protezione più completa, le organizzazioni dovrebbero cercare soluzioni in grado di adattare i sistemi OT legacy per supportare l’MFA senza interrompere le operazioni.
3. Adottare capacità di supervisione e registrazione: gli strumenti di accesso remoto tradizionali come VPN e server di salto si concentrano sulla sicurezza del punto di accesso iniziale, ma non forniscono visibilità una volta stabilita la connessione. Le soluzioni di accesso remoto sicuro (SRA) più moderne includono capacità di supervisione che consentono un controllo e una responsabilità maggiori. L’accesso supervisionato, l’accesso just-in-time, la registrazione della sessione e la registrazione della sessione dettagliata riducono notevolmente il rischio e aiutano a soddisfare i requisiti di conformità.

Insieme, queste misure rafforzano la sicurezza attraverso i sistemi digitali e fisici che mantengono i data center e l’infrastruttura di AI al loro interno in funzione senza interruzioni.

Proteggere il battito cardiaco industriale dell’AI

Man mano che l’AI si integra più profondamente nelle operazioni aziendali, governative e dei servizi critici, l’affidabilità della sua infrastruttura sottostante assume un’importanza strategica nuova. Gli operatori di data center devono dare priorità ai controlli di accesso basati sull’identità e alle pratiche di sicurezza OT moderne o rischiare interruzioni operative significative.

Proteggendo i sistemi fisici che mantengono in funzione le strutture – i refrigeranti, le turbine, le sottostazioni e i controlli meccanici – e proteggendo le connessioni remote utilizzate per la manutenzione e la gestione, gli operatori possono garantire che l’AI rimanga un acceleratore dell’innovazione e non un nuovo punto di vulnerabilità.