Sulla IA, la pazienza è una virtù

Nelle quasi due anni dalla lancio di ChatGPT, l’intelligenza artificiale generativa ha attraversato un intero ciclo di iper-tecnologia, dalle aspettative elevate e in grado di cambiare la società alle recenti correzioni del mercato azionario. Tuttavia, all’interno dell’industria della sicurezza informatica in particolare, l’eccitazione intorno all’Intelligenza Artificiale Generativa (genAI) è ancora giustificata; potrebbe semplicemente richiedere più tempo di quanto gli investitori e gli analisti avessero previsto per cambiare completamente il settore.

Il segno più chiaro e recente del cambiamento nell’iper-tecnologia è stato alla Conferenza Black Hat USA all’inizio di agosto, in cui l’intelligenza artificiale generativa ha avuto un ruolo molto piccolo nei lanci di prodotti, dimostrazioni e creazione di entusiasmo. Rispetto alla Conferenza RSA di quattro mesi prima, con gli stessi fornitori, l’attenzione per l’IA alla Black Hat è stata trascurabile, il che porterebbe ragionevolmente gli osservatori neutrali a credere che l’industria stia passando a qualcos’altro o che l’IA sia diventata una commodity. Ma non è proprio così.

Ecco cosa intendo. Il beneficio trasformativo dell’applicazione dell’intelligenza artificiale generativa all’interno dell’industria della sicurezza informatica non proviene probabilmente da chatbot generici o dall’applicazione rapida dell’IA ai modelli di elaborazione dei dati. Questi sono i mattoni fondamentali per utilizzi più avanzati e efficienti, ma al momento non sono specializzati per l’industria della sicurezza e, di conseguenza, non stanno guidando una nuova ondata di risultati di sicurezza ottimali per i clienti. Piuttosto, la vera trasformazione che l’IA fornirà all’industria della sicurezza avverrà quando i modelli di IA saranno personalizzati e ottimizzati per utilizzi specifici della sicurezza.

Le attuali applicazioni dell’IA nella sicurezza impiegano in larga misura prompt engineering e Retrieval-Augmented Generation, che è essenzialmente un framework di IA che consente ai large language models (LLM) di accedere a risorse di dati aggiuntive al di fuori dei loro dati di allenamento, combinando i migliori aspetti dell’IA generativa e del recupero dei dati. L’utilità di questi varia notevolmente a seconda dell’utilizzo e di quanto bene il supporto ai dati esistente del fornitore supporti l’utilizzo; non sono “magici”. Ciò è vero anche per altre applicazioni che richiedono dati e competenze proprietarie che non sono prevalenti su Internet, come la diagnosi medica e il lavoro legale. Sembra probabile che le aziende adatteranno le pipeline di elaborazione dei dati e i sistemi di accesso ai dati per ottimizzare gli utilizzi dell’IA generativa. Inoltre, le aziende di IA incoraggiano lo sviluppo di modelli personalizzati, sebbene non sia ancora chiaro quanto funzionerà bene per utilizzi in cui la qualità e il dettaglio sono essenziali.

Ci sono diverse ragioni per cui questa specializzazione richiederà del tempo per avere effetto nell’industria della sicurezza. Una delle principali ragioni è che la personalizzazione di questi modelli richiede molti esseri umani coinvolti durante l’allenamento che sono esperti in materia di sicurezza informatica e IA, due settori che lottano per assumere abbastanza talenti. L’industria della sicurezza informatica è carente di circa quattro milioni di professionisti in tutto il mondo, secondo il World Economic Forum, e Reuters stima che ci sarà un divario di assunzioni del 50% per le posizioni relative all’IA nel prossimo futuro.

Senza un’abbondanza di esperti disponibili, il lavoro preciso necessario per adattare i modelli di IA per funzionare all’interno di un contesto di sicurezza sarà rallentato. Il costo per eseguire la scienza dei dati necessaria per allenare questi modelli limita anche il numero di organizzazioni che hanno le risorse per condurre ricerche sulla modellazione dell’IA personalizzata. Ci vogliono milioni di dollari per permettere il potere di elaborazione che i modelli di IA all’avanguardia richiedono, e quei soldi devono provenire da qualche parte. Anche quando un’organizzazione ha le risorse e il team per alimentare la ricerca sull’IA personalizzata, il reale progresso non avviene durante la notte. Ci vorrà del tempo per capire come migliorare al meglio i modelli di IA per beneficiare gli operatori di sicurezza e gli analisti, e come per qualsiasi nuovo strumento, ci sarà una curva di apprendimento quando verranno introdotti processori del linguaggio naturale specifici per la sicurezza, chatbot e altre integrazioni assistite dall’IA.

L’IA generativa è ancora pronta a spostare il mondo della sicurezza informatica in un nuovo paradigma, in cui le capacità offensive dell’IA che gli avversari e gli attori minacciosi sfruttano saranno in competizione con i modelli di IA dei fornitori di sicurezza costruiti per rilevare e monitorare le minacce. La ricerca e lo sviluppo necessari per alimentare quel cambiamento richiederanno solo un po’ più di tempo di quanto la comunità tecnologica generale abbia anticipato.