Cloud and Threat Report:
2026

La sezione precedente si è concentrata su come la Politica di protezione dei dati consapevole dei contenuti possa controllare il flusso di dati sensibili nelle app genAI. L'assunzione di fondo era che quelle app dovessero essere sicure da usare in contesti specifici e svolgere uno scopo commerciale legittimo. Quando un'app non è sicura da usare in nessun contesto o non serve a uno scopo commerciale legittimo, la riduzione del rischio diventa molto più semplice: basta bloccare completamente l'app. Il 90% delle organizzazioni utilizza questa strategia di base ma efficace, con un'organizzazione media che blocca attivamente 10 app. Qui, un "blocco attivo" significa non solo che un'organizzazione ha una Politica per bloccare l'app per tutti i suoi utenti, ma che la Politica impedisce attivamente agli utenti di tentare di usare l'app (a differenza di una Politica che blocca qualcosa che nessuno sta comunque cercando di usare). Sebbene le politiche di ogni organizzazione siano diverse, alcuni strumenti sono limitati molto più spesso di altri, rivelando dove i team di sicurezza vedono il potenziale di danno più significativo. Per molti ambienti, bloccare intere categorie di servizi di genAI ad alto rischio può offrire una protezione più gestibile rispetto all'analisi degli strumenti uno per uno.

ZeroGPT è attualmente l'applicazione correlata alla genAI più frequentemente bloccata, con il 45% delle organizzazioni che limita l'accesso. Molti team di sicurezza considerano il servizio ad alto rischio perché gli strumenti di rilevamento IA spesso richiedono agli utenti di inviare testo completo, codice sorgente o altro materiale sensibile per l'analisi.

DeepSeek segue con il 43% delle organizzazioni che lo blocca, spinti da preoccupazioni riguardo alla trasparenza limitata, al rapido cambiamento del comportamento delle piattaforme, alla sovranità dei dati e alle incertezze associate agli ecosistemi di IA emergenti.

Queste tendenze di blocco suggeriscono che le organizzazioni non solo reagiscono ai rischi posti dai singoli strumenti, ma stanno anche maturando le loro strategie di governance. L'attenzione si sta spostando sul prevenire che dati sensibili escano dall'organizzazione fin dall'inizio, in particolare verso servizi con garanzie di sicurezza poco chiare o una divulgazione insufficiente su come i contenuti degli utenti vengano elaborati e archiviati.

La Politica di Blocco per le app di IA indesiderate è generalmente stata molto efficace. Sebbene il numero di app di generAI che Netskope Threat Labs sta monitorando sia aumentato di cinque volte, passando da 317 a oltre 1.600 nell'ultimo anno, il numero medio di app di IA utilizzate in un'organizzazione è aumentato solo del 33%, passando dal 6 all'8. Solo nell'1% più alto delle organizzazioni (non nella foto), dove i controlli sono più lassi, abbiamo visto aumenti significativi, da 47 a 89 app. Queste organizzazioni eccezionali dovrebbero servire da promemoria per tutte le organizzazioni di fare un inventario di quante app di generAI utilizzano e se tutte svolgono uno scopo commerciale legittimo. Le organizzazioni eccezionali possono ridurre significativamente i loro rischi limitando semplicemente l'accesso alle app che non sono critiche per il business e applicando la Politica di protezione e coaching dei dati alle app che lo sono.

Nel 2026, prevediamo che il numero di organizzazioni eccezionali che permettono l'uso di decine di applicazioni genAI diminuirà, man mano che sempre più organizzazioni inizieranno a esercitare il controllo sui propri ecosistemi genAI, spinte dall'introduzione continua di app genAI New e dai modi New di interagire con le app genAI, come i browser di IA. Dopo aver ottenuto una maggiore visibilità sull'uso della generAI, sempre più organizzazioni adotteranno un approccio più proattivo bloccando tutte le applicazioni di IA tranne quelle in una lista approvata.

Oltre ai browser AI e ai server MCP, un'altra tendenza emergente nel campo della genAI che sta spingendo le organizzazioni a evolvere la loro postura di sicurezza è l'IA agentica. I sistemi di IA agentica sono quelli che eseguono azioni complesse e autonome su risorse interne ed esterne. Le organizzazioni stanno già assistendo a una rapida adozione dell'IA agente, sia utilizzando servizi SaaS sia piattaforme di IA come Azure OpenAI. Sebbene l'adozione precoce favorisse le applicazioni SaaS per la loro comodità, le soluzioni basate su piattaforme ora permettono alle aziende di ospitare modelli internamente, integrarli con l'infrastruttura esistente e costruire applicazioni personalizzate o agenti autonomi su misura per workflow specifici.

Attualmente, il 33% delle organizzazioni utilizza i servizi OpenAI tramite Azure, il 27% utilizza Amazon Bedrock e il 10% sfrutta Google Vertex AI. Il passaggio verso queste piattaforme di livello enterprise è guidato dall'espansione della disponibilità di servizi genAI sicuri basati su cloud, che offrono controlli sulla privacy più forti e opzioni di integrazione più profonde. La crescita anno su anno sottolinea ulteriormente questo slancio: il numero di utenti di Bedrock e il traffico di Bedrock sono triplicati, mentre il numero di utenti di Vertex AI è cresciuto di sei volte con un aumento di dieci volte del traffico. Queste tendenze evidenziano quanto rapidamente le organizzazioni stiano scalando la loro infrastruttura genAI mentre esplorano framework di implementazione più privati, flessibili e conformi.

Anche se i dati fluiscono sempre più attraverso framework gestiti, sia tramite modelli ospitati che tramite agenti AI autonomi, i rischi per la sicurezza restano elevati. La rapida ascesa dei sistemi agentici introduce New vettori di attacco, tra cui l'uso improprio degli strumenti, azioni autonome pericolose e percorsi ampliati per l'esfiltrazione dei dati. I modelli gestiti riducono alcuni rischi ma non possono eliminare l'esposizione da iniezione rapida, accesso eccessivo agli strumenti, integrazioni API insicure o perdite di dati intenzionali tra contesto. Man mano che gli agenti AI acquisiscono la capacità di eseguire compiti e interagire con servizi interni ed esterni, l'impatto potenziale di configurazioni errate o flussi di lavoro compromessi cresce notevolmente. Le organizzazioni che adottano queste piattaforme devono abbinare la modernizzazione a rigorosi controlli di sicurezza, monitoraggio continuo e progettazione a privilegi minimi per garantire che la scalabilità non abbia un costo della sicurezza.

Anche quando gli agenti e le applicazioni IA funzionano on-premises o all'interno di ambienti aziendali gestiti, i modelli sottostanti sono comunque frequentemente accessibili tramite API cloud piuttosto che tramite interfacce browser tradizionali. Mentre le interazioni basate sul browser passano attraverso domini come chatgpt.com, flussi di lavoro automatizzati, strumenti interni e agenti AI si affidano invece a endpoint come api.openai.com per l'accesso programmativo.

Questo cambiamento sta accelerando rapidamente. Oggi, il 70% delle organizzazioni si collega a api.openai.com, riflettendo il ruolo dominante di OpenAI nell'uso di generAI non basato su browser su strumenti interni e sistemi agenti. AssemblyAI segue con il 54%, grazie alle sue forti capacità di voce vocale e intelligenza audio. Le API di Anthropic sono utilizzate dal 30% delle organizzazioni, una tendenza alimentata dalla crescente adozione da parte degli sviluppatori dei modelli Claude per compiti a forte ragionamento, analisi strutturata e sviluppo applicativo.

Man mano che l'IA continua a espandersi più a fondo nell'infrastruttura operativa, l'uso della genAI basata su API probabilmente accelererà, diventando uno dei principali canali attraverso cui l'automazione aziendale e gli agenti IA interagiscono con grandi modelli linguistici.

L'adozione crescente dell'IA agentica amplifica non solo i rischi di esposizione ai dati evidenziati in precedenza in questo rapporto (poiché gli agenti possono inviare dati alle app genAI a un ritmo molto più rapido), ma amplifica anche i rischi per gli insider, poiché un agente a cui viene dato accesso a dati o sistemi sensibili può causare danni a un tasso molto più elevato. Non solo un insider malintenzionato potrebbe sfruttare un agente per causare danni alla propria organizzazione, ma un insider negligente potrebbe configurare male o provocare in modo impreciso un agente. Il non-determinismo dei sistemi agentici basati su LLM amplificava ulteriormente questi rischi – le allucinazioni lungo il percorso potevano accumularsi e causare esposizioni ai dati o altri danni organizzativi.

La rapida proliferazione dell'IA agente, insieme al suo passaggio verso flussi di lavoro basati su piattaforme e guidati da API, rappresenta un mandato di sicurezza impegnativo per il 2026. Le organizzazioni devono riconoscere che, sebbene questi sistemi autonomi consentano New livelli di efficienza, espandono anche drasticamente la superficie di attacco e accelerano il potenziale di esposizione dei dati guidati dall'interno. Man mano che gli agenti acquisiscono maggiore accesso e autonomia, il successo nel 2026 dipenderà dall'abbinare questa innovazione a una rigorosa modernizzazione della sicurezza—in particolare, implementando il monitoraggio continuo, principi di privilegio minimo e controlli robusti e consapevoli dell'agente per contenere i rischi amplificati di uso improprio degli strumenti ed esfiltrazione di dati involontari.