Il rischio informatico dell’AI supera le difese delle società finanziarie

Gigamon ha riferito che il 77% delle società finanziarie intervistate ha subito una violazione correlata all’AI, nonostante il 91% utilizzi strumenti di AI per proteggere i dati. I risultati, diffusi tramite Google News nell’agosto 2026, evidenziano un conflitto difficile. Le banche stanno automatizzando la sicurezza più rapidamente, mentre gli attaccanti usano tecnologie simili per muoversi più velocemente e sfruttare la complessità che ne deriva.

Il sondaggio non dimostra che l’AI abbia causato ogni incidente segnalato. Mostra però che le istituzioni finanziarie incontrano sempre più spesso l’AI in qualche punto della catena di attacco, del sistema preso di mira o della risposta difensiva. Tra i partecipanti che hanno subito una violazione, il 98% ha riportato un impatto aziendale rilevante, tra cui perdite finanziarie, perdita di dati, premi assicurativi più elevati o conseguenze normative.

Questa tensione ora va oltre un singolo sondaggio sponsorizzato da un fornitore. La Bank of England, la Financial Conduct Authority e HM Treasury hanno avvertito che i modelli di frontiera possono accelerare la scoperta e lo sfruttamento delle vulnerabilità. Le società finanziarie devono quindi gestire due corse contemporaneamente: adottare l’AI per difendere la propria infrastruttura e impedire che l’automazione crei nuove vie di accesso.

Cosa ha effettivamente rilevato il sondaggio di Google News

La conclusione centrale non è che le banche siano prive di strumenti di sicurezza. È che maggiore automazione e maggiori investimenti non hanno prodotto un controllo costantemente migliore.

Gigamon ha pubblicato i risultati relativi ai servizi finanziari l’8 luglio 2026. I dati provengono da 139 responsabili della sicurezza e dell’IT in Australia, Francia, Germania, Singapore, Regno Unito e Stati Uniti. Fanno parte di uno studio annuale più ampio sulla sicurezza del cloud ibrido, che copre oltre 1.000 partecipanti.

L’azienda ha riferito che il 66% delle organizzazioni di servizi finanziari consentiva già all’AI di avviare funzioni di sicurezza senza intervento umano. La percentuale corrispondente in tutti i settori intervistati era del 53%. Questa differenza suggerisce che la finanza si stia muovendo più rapidamente verso una difesa autonoma o semi-autonoma.

Questi sistemi possono svolgere azioni come classificare un avviso, isolare un dispositivo, modificare una policy o avviare un’indagine. Il loro valore deriva dalla velocità. Un analista umano non può esaminare ogni segnale prodotto dagli endpoint, dai carichi di lavoro cloud, dai sistemi di identità, dalle applicazioni e dalle connessioni di rete di una grande banca.

Tuttavia, gli stessi partecipanti hanno descritto un ambiente di sicurezza che restava difficile da vedere e controllare. Secondo il sondaggio sul settore finanziario, il 77% aveva subito una violazione che coinvolgeva l’AI. Un ulteriore 54% ha segnalato un aumento del social engineering assistito dall’AI, compresi phishing e frodi via messaggio di testo.

Il quarantasette percento ha affermato che gli attacchi rivolti a implementazioni di AI o large language model erano aumentati. Questa categoria può includere credenziali di modelli rubate, application programming interfaces esposte, input manipolati, plug-in non sicuri o attacchi a archivi dati connessi.

Il sondaggio ha inoltre rilevato che il 94% aveva investito in nuove tecnologie di sicurezza per migliorare rilevamento e visibilità. Tuttavia, il 42% ha dichiarato che rilevare le violazioni richiedeva più tempo. Questo risultato mette in discussione l’idea che acquistare un altro strumento riduca automaticamente i tempi di risposta.

La frammentazione sembra essere al centro del problema. Il cinquantadue percento ha indicato gli strumenti di sicurezza scollegati come la principale sfida nella protezione dell’infrastruttura cloud ibrida. Un cloud ibrido combina sistemi privati, servizi cloud pubblici e spesso tecnologie on-premises più datate in un unico ambiente operativo.

Ogni componente può registrare le attività in modo diverso. Uno strumento può rilevare un accesso a un’identità, un altro una richiesta applicativa e un altro ancora il traffico di rete. Se questi segnali non possono essere collegati rapidamente, una risposta automatizzata può agire sulla base di un quadro incompleto.

Anche la fonte merita attenzione. Gigamon vende prodotti per la visibilità e l’osservabilità della rete, quindi il suo sondaggio sostiene direttamente la sua argomentazione commerciale. I risultati rappresentano le esperienze riportate dai partecipanti, non un inventario delle violazioni sottoposto a verifica indipendente.

Il campione è utile ma limitato. Copre 139 responsabili del settore finanziario in sei Paesi, anziché un censimento rappresentativo del sistema finanziario globale. Definizioni quali “violazione che coinvolge l’AI” e “impatto rilevante” possono inoltre variare tra i partecipanti.

Questi limiti non cancellano il segnale. Significano che le percentuali dovrebbero essere considerate indicatori dell’esposizione percepita, non misurazioni universali. Il risultato importante è il modello che emerge dalle risposte: l’adozione è in aumento, gli incidenti legati all’AI sono comuni e il rilevamento resta difficile nonostante gli ingenti investimenti.

Le società finanziarie stanno automatizzando sia le opportunità sia l’esposizione

Le banche sono sotto pressione perché la stessa autonomia che migliora la velocità di risposta amplia anche il numero di sistemi in grado di agire, connettersi e fallire.

Le istituzioni finanziarie hanno solide ragioni per automatizzare la cybersecurity. Operano in modo continuativo, trattano informazioni sensibili e supportano servizi che i clienti si aspettano restino disponibili. Un rilevamento ritardato può trasformare un singolo account compromesso in una più ampia interruzione operativa.

L’AI aiuta i difensori a elaborare volumi di telemetria che i team manuali non possono gestire. Può assegnare priorità agli avvisi, rilevare comportamenti insoliti, riassumere gli incidenti e raccomandare misure di contenimento. Negli ambienti maturi, l’automazione può anche rimuovere dispositivi compromessi o revocare accessi sospetti prima dell’intervento di un analista.

La pressione deriva dal consentire a questi sistemi di agire sull’infrastruttura reale. Un agente di sicurezza AI potrebbe necessitare dell’accesso ai controlli delle identità, al software degli endpoint, ai sistemi di ticketing, alle console cloud o alle policy di rete. Ogni autorizzazione migliora la sua capacità di risposta, ma aumenta anche le conseguenze di un errore o di una compromissione.

L’AI agentica rende questa tensione più marcata. Un sistema agentico può pianificare ed eseguire una sequenza di azioni verso un obiettivo definito. Fa più che generare consigli, il che significa che le organizzazioni devono governare ciò che può raggiungere, modificare e trasmettere.

Lo studio 2026 del Cambridge Centre for Alternative Finance ha rilevato che il 52% dei suoi partecipanti stava implementando AI agentica. Il suo rapporto sulla finanza globale ha intervistato 352 partecipanti del settore, 144 fornitori di AI e 130 autorità di regolamentazione.

Lo studio ha identificato l’ingegneria del software come l’applicazione AI più matura nel settore finanziario. Il quarantadue percento ha riportato un’implementazione completa, mentre il 33% disponeva di sistemi in fase di sviluppo. Questo è importante perché l’ingegneria del software collega direttamente l’AI al codice, ai repository, agli strumenti di sviluppo e all’infrastruttura di produzione.

Il codice generato dall’AI può accelerare il lavoro legittimo. Può anche riprodurre schemi non sicuri, introdurre dipendenze che i team non hanno valutato o generare più modifiche di quante i revisori possano ispezionare attentamente. Il rapporto ha affermato che il volume e la velocità del codice generato stavano rendendo meno efficace la revisione manuale tradizionale.

La perdita di supervisione umana si è classificata tra le principali preoccupazioni, citata dal 51% dei partecipanti nei vari gruppi di stakeholder. Questo non significa che le società debbano mantenere un passaggio di approvazione manuale per ogni azione di routine. Significa che necessitano di controlli che restino efficaci alla velocità delle macchine.

Questi controlli comprendono autorizzazioni ristrette, registri completi delle attività, procedure di rollback testate e confini chiari tra raccomandazioni ed esecuzione autonoma. Un’istituzione deve inoltre sapere quale modello, fonte di dati, plug-in e account di sistema ha partecipato a ciascuna decisione.

L’alternativa è l’automazione senza responsabilità. Un team di sicurezza potrebbe sapere che uno strumento AI ha modificato una regola del firewall, ma non disporre di un contesto sufficiente per stabilire il motivo. Gli investigatori potrebbero quindi dedicare tempo prezioso a ricostruire l’azione mentre un attacco continua.

La sfida cresce quando i dipendenti implementano servizi AI non approvati. Un lavoratore potrebbe incollare informazioni sui clienti in un assistente pubblico, collegare un plug-in AI a un drive condiviso o installare uno strumento di coding con accesso al repository. Queste azioni possono creare esposizione dei dati al di fuori del normale processo di approvvigionamento e sicurezza.

Gli attaccanti beneficiano delle stesse barriere ridotte. I modelli generativi possono produrre messaggi di phishing credibili, tradurre esche, modificarne il tono e personalizzare le truffe usando informazioni rubate. La generazione di voce e immagini può rendere più persuasivi i tentativi di impersonificazione.

L’AI non elimina la necessità per gli attaccanti di ottenere accesso, infrastruttura ed esecuzione. Riduce il tempo e le competenze richiesti per alcune parti dell’operazione. Questo cambiamento consente di eseguire più campagne contemporaneamente e lascia ai difensori meno tempo per identificare schemi ripetitivi.

Le società finanziarie devono quindi affrontare una risposta obbligata. Devono automatizzare a sufficienza per eguagliare minacce alla velocità delle macchine, limitando al contempo l’autorità concessa a qualsiasi sistema automatizzato. Muoversi troppo lentamente lascia gli analisti sopraffatti. Muoversi senza controlli crea un nuovo attore privilegiato all’interno della rete.

La vera sfida è tra automazione e controllo

Il conflitto principale non contrappone le banche a un gruppo di attaccanti. Contrappone l’automazione alla velocità delle macchine a istituzioni costruite attorno a cicli di controllo più lenti.

I controlli finanziari tradizionali presuppongono che le modifiche rilevanti attraversino fasi definite. Una persona richiede l’accesso, un’altra lo approva e un sistema registra la decisione. Le release software passano attraverso test, revisione e distribuzione programmata.

L’AI comprime questi cicli. Un agente difensivo può valutare un segnale e agire in pochi secondi. Un modello offensivo può analizzare software, suggerire exploit o coordinare passaggi più rapidamente di quanto un flusso di lavoro di sicurezza convenzionale possa approvare una patch.

Il Financial Stability Report della Bank of England del luglio 2026 ha descritto questa accelerazione come una potenziale preoccupazione a livello di sistema. La sua valutazione della stabilità ha affermato che l’AI di frontiera potrebbe aumentare la sofisticazione e l’impatto degli attacchi contro le istituzioni e l’infrastruttura di mercato.

Il rapporto ha citato prove secondo cui modelli recenti potevano condurre attacchi in più fasi contro sistemi vulnerabili con un apporto umano limitato. In un’attività controllata di reverse engineering, un modello di frontiera ha completato il lavoro in 10 minuti e 22 secondi. Un esperto umano ha impiegato circa 12 ore.

Le valutazioni controllate non si traducono direttamente in attacchi riusciti contro banche ben difese. Stabiliscono però che il divario di velocità sta diventando operativamente rilevante. Un processo di risposta progettato attorno a una definizione delle priorità settimanale può fallire quando la scoperta delle vulnerabilità si espande nell’arco di poche ore.

Il rapporto ha inoltre descritto un forte aumento delle vulnerabilità individuate presso i principali fornitori di software. Un aumento delle scoperte legittime favorisce i difensori quando i fornitori possono valutarle e correggerle in sicurezza. Diventa un onere quando il volume supera la capacità di test e distribuzione.

Anche l’applicazione delle patch comporta rischi. Le banche dipendono da applicazioni grandi e interconnesse che gestiscono pagamenti, identità, trading, assistenza clienti e reporting. Un aggiornamento affrettato può interrompere un importante servizio aziendale anche quando corregge una reale debolezza di sicurezza.

Questo crea un compromesso scomodo. Un ciclo di patch più lento lascia esposta una debolezza nota. Un ciclo più rapido aumenta il rischio di errori, interruzioni o modifiche incompatibili nei sistemi condivisi.

I fornitori tecnologici comuni possono amplificare le conseguenze. Molte istituzioni dipendono dalle stesse piattaforme cloud, servizi di identità, librerie software e fornitori di modelli di base. Una singola vulnerabilità può quindi colpire più aziende prima che ciascuna organizzazione comprenda la propria esposizione.

Il rapporto di Cambridge ha rilevato una notevole concentrazione tra i fornitori di modelli di base. OpenAI è comparsa nel 68,8% delle risposte pertinenti, Google nel 46,8% e Anthropic nel 32%. Queste cifre riflettono l’uso dichiarato e i partecipanti potevano indicare più di un fornitore.

La concentrazione non rende tali servizi intrinsecamente insicuri. Crea una dipendenza correlata. Se molte istituzioni si affidano allo stesso servizio, interfaccia o famiglia di modelli, un guasto o una compromissione può propagarsi oltre una singola azienda.

Le autorità di regolamentazione sono particolarmente preoccupate da questa esposizione condivisa. Lo studio di Cambridge ha rilevato priorità diverse tra fornitori, istituzioni e regolatori. Il 57% dei regolatori ha dato priorità alle minacce IA avversariali, rispetto al 50% dei partecipanti del settore e al 35% dei fornitori.

Un divario simile è emerso sulla resilienza informatica e operativa. Il 59% dei regolatori l’ha considerata prioritaria, rispetto al 46% dei partecipanti del settore e al 32% dei fornitori. Queste differenze suggeriscono che i fornitori possano enfatizzare le prestazioni, mentre i loro clienti regolamentati sostengono una quota maggiore dell’onere della resilienza a valle.

Le banche non possono esternalizzare tale responsabilità. Un contratto può assegnare obblighi, ma non può ripristinare immediatamente pagamenti, accesso dei clienti o funzioni di mercato dopo un’interruzione. Le istituzioni finanziarie restano responsabili della comprensione dei servizi che supportano le operazioni importanti.

Ecco perché la visibilità conta, anche se da sola non è la risposta. La telemetria derivata dalla rete può mostrare come i dati si muovono tra utenti, applicazioni, cloud e modelli. Può contribuire a collegare segnali che i singoli prodotti di sicurezza osservano separatamente.

Tuttavia, raccogliere più telemetria può generare un ulteriore problema di sovraccarico. I dati hanno valore solo quando i team possono interpretarli, conservarli in modo appropriato e usarli durante un incidente. Un flusso più ampio di avvisi scollegati non fa che allungare la coda.

Un controllo efficace richiede quindi una catena completa. Le aziende necessitano di inventari accurati, movimenti di dati osservabili, autorizzazioni degli agenti limitate, avvisi correlati, correzioni rapide e ripristini testati. Una debolezza in una fase può compromettere tutte le altre.

I risultati di Gigamon suggeriscono che molte aziende abbiano aumentato il numero di componenti difensivi senza completare quella catena. Il 95% dei partecipanti ha affermato che la sicurezza dipendeva dalla visibilità sui dati in movimento. I tempi di rilevamento più lunghi indicano che tale consapevolezza non si è ancora tradotta in un controllo operativo coerente.

Cosa non dimostrano i dati del sondaggio

Le percentuali allarmanti identificano un problema di governance, ma non dimostrano che l’IA autonoma stia rendendo meno sicura ogni istituzione finanziaria.

L’espressione “violazione che coinvolge l’IA” comprende diversi possibili eventi. Un attaccante potrebbe usare l’IA per creare un’esca. Un’organizzazione vittima potrebbe avere un’applicazione IA tra i sistemi interessati. L’incidente potrebbe anche prendere di mira un modello, un plug-in, una pipeline di dati o il servizio cloud circostante.

Questi eventi hanno cause diverse e richiedono controlli differenti. Un’email di phishing richiede protezione dell’identità e verifica degli utenti. Un endpoint di modello compromesso richiede gestione delle credenziali, monitoraggio e isolamento delle applicazioni. Riunirli in un’unica percentuale può nascondere tali distinzioni.

I dati dei sondaggi basati su autovalutazioni presentano un’altra limitazione. I partecipanti possono applicare soglie diverse nel decidere se un incidente abbia causato danni materiali. Perdita finanziaria, perdita di dati, aumento del premio assicurativo e conseguenza regolamentare sono esiti gravi, ma non hanno lo stesso peso operativo.

L’affermazione secondo cui il 98% delle aziende colpite da una violazione ha subito un impatto materiale si applica solo alle organizzazioni del sondaggio che hanno dichiarato una violazione. Non significa che il 98% di tutte le organizzazioni finanziarie abbia subito incidenti dannosi.

Lo studio non può neppure isolare se gli investimenti nell’IA abbiano migliorato i risultati. Un’azienda con capacità di rilevamento avanzate può identificare incidenti che un’organizzazione meno matura non rileva. Ciò potrebbe aumentare il suo numero di violazioni dichiarate, pur dimostrando una migliore visibilità.

Le istituzioni più grandi presentano anche più bersagli. Possono gestire più applicazioni, impiegare più persone e integrare più fornitori. Il loro elevato volume di incidenti può riflettere una maggiore esposizione anziché controlli più deboli.

L’inquadramento di Google News dovrebbe quindi restare più circoscritto rispetto a un’affermazione di fallimento dell’intero settore. Le prove supportano la conclusione che il rischio correlato all’IA sia diffuso tra i leader intervistati e che le misure di visibilità esistenti siano spesso percepite come inadeguate. Non stabiliscono un tasso di violazione universale.

I risultati indipendenti delle autorità di regolamentazione rafforzano comunque la preoccupazione più ampia. Il sondaggio congiunto della Bank of England e della FCA sui servizi finanziari del Regno Unito ha rilevato che la cybersicurezza era il maggiore rischio percepito dell’IA. Secondo il sondaggio sull’IA del 2024, solo il 34% delle aziende partecipanti ha dichiarato di comprendere pienamente l’IA utilizzata.

Un altro 46% ha affermato che la propria comprensione era parziale. L’84% aveva assegnato a una persona la responsabilità dell’IA, il che indica che le strutture di governance stavano diventando comuni. La responsabilità sulla carta, tuttavia, non garantisce un inventario aggiornato di modelli, connessioni dati e dipendenze da terze parti.

Questa distinzione è importante quando una banca acquista IA tramite software ordinario. Un fornitore può aggiungere funzionalità di modello a un prodotto esistente senza richiedere un’implementazione separata. I modelli incorporati possono diffondersi nei flussi di lavoro prima che i team centrali di sicurezza registrino ogni utilizzo.

Anche il valore difensivo dell’IA merita riconoscimento. Il National Cyber Security Centre del Regno Unito prevede che l’IA migliori nel tempo la difesa informatica. Le sue linee guida sull’IA di frontiera sostengono che i difensori possano usare la tecnologia per identificare e correggere vulnerabilità, mantenendo al contempo protezioni di sicurezza di base.

I sistemi attuali presentano ancora limiti significativi. I modelli possono perdere il contesto durante operazioni lunghe, produrre risultati incoerenti e avere difficoltà con fasi specializzate, come la crittografia o lo sviluppo di malware complesso. Queste debolezze limitano un’automazione affidabile end-to-end.

Anche gli attaccanti incontrano i vincoli reali delle reti bersaglio. Hanno bisogno di accesso, credenziali utilizzabili, sistemi raggiungibili e un modo per evitare il rilevamento. Un piano generato dall’IA non fornisce automaticamente tali condizioni.

Il pericolo nel breve termine è quindi meno drammatico e più pratico. L’IA aumenta il volume, la personalizzazione e il ritmo delle attività attorno alle vulnerabilità esistenti. Le istituzioni con inventari incompleti, accessi eccessivi, applicazione ritardata delle patch o monitoraggio frammentato diventano più facili da mettere sotto pressione.

Questa interpretazione evita anche di trattare ogni prodotto IA come se presentasse lo stesso rischio. Un modello che riassume avvisi in un ambiente isolato è diverso da un agente autorizzato a modificare gli accessi in produzione. La governance dovrebbe seguire capacità, sensibilità dei dati e impatto potenziale.

Le aziende finanziarie necessitano di prove che i controlli funzionino in condizioni realistiche. Misure utili includono il tempo di rilevamento, il tempo di contenimento, i tassi di falsi positivi, il successo del rollback, l’uso non autorizzato dei modelli e la percentuale di sistemi critici coperti da monitoraggio testato.

Questi indicatori operativi contano più del numero di strumenti IA acquistati. Mostrano se l’automazione migliora la resilienza oppure aggiunge semplicemente un ulteriore livello che i team devono supervisionare.

I regolatori sono passati dai principi alla pressione operativa

Le autorità britanniche non trattano più l’IA di frontiera come una questione politica lontana. Chiedono alle aziende di preparare già ora le difese esistenti contro attacchi più rapidi.

Il 15 maggio 2026, la Bank of England, la FCA e HM Treasury hanno pubblicato una dichiarazione congiunta sui modelli di frontiera e la resilienza informatica. Ha affermato che le attuali capacità di frontiera superano già, in alcuni compiti, ciò che un professionista qualificato può realizzare, con maggiore velocità e costi inferiori.

La dichiarazione non ha introdotto nuove regole. Ha invece collegato le minacce dell’IA alle aspettative esistenti in materia di resilienza operativa. Le aziende regolamentate hanno già responsabilità nella protezione dei servizi importanti, nella gestione delle terze parti, nella risposta agli incidenti e nel recupero dopo le interruzioni.

La dichiarazione congiunta sull’IA ha invitato consigli di amministrazione e dirigenti senior a comprendere il rischio emergente. Ha inoltre richiesto una più rapida triage delle vulnerabilità, controlli di accesso più rigorosi e una gestione più attenta delle catene di fornitura software.

Questo è significativo perché colloca il rischio informatico dell’IA nelle normali strutture di responsabilità. Una banca non può trattare il problema come un progetto tecnologico sperimentale gestito soltanto da un team di innovazione. Sicurezza, rischio, conformità, approvvigionamenti e leadership aziendale hanno tutti un ruolo.

Le autorità hanno inoltre affermato che le aziende dovrebbero considerare difese automatizzate e abilitate dall’IA, in grado di operare a una velocità paragonabile a quella degli attacchi assistiti dall’IA. Questa raccomandazione coglie il compromesso centrale. I regolatori riconoscono che i processi manuali da soli non saranno scalabili, ma l’automazione deve restare governata.

Il rischio di terze parti riceve particolare attenzione. Le istituzioni finanziarie devono identificare applicazioni, librerie e servizi esterni connessi alle loro reti. Devono anche prepararsi a correggere un gran numero di vulnerabilità individuate dai fornitori.

Questa aspettativa va oltre le aziende di modelli di base. Un’applicazione IA dipende spesso da hosting cloud, servizi di identità, database vettoriali, plug-in, strumenti di monitoraggio e componenti software ordinari. Ogni livello può creare una dipendenza o un percorso di accesso.

La revisione di luglio della FCA sui servizi finanziari al dettaglio ha aggiunto una dimensione legata ai consumatori. Ha identificato l’amplificazione delle frodi e del rischio informatico come uno dei quattro principali cambiamenti guidati dall’IA che dovrebbero plasmare il mercato fino al 2030 e oltre.

La ricerca della regolatrice sui consumatori ha rilevato interesse nei servizi finanziari agentici. Un quinto dei partecipanti, pari a circa 11 milioni di adulti nel Regno Unito, sembrava propenso a usare IA che agisce autonomamente entro obiettivi prestabiliti.

Questa domanda può spingere le aziende verso servizi che formulano o eseguono raccomandazioni per i clienti. Aumenta anche il costo dei fallimenti che coinvolgono identità, manipolazione, azioni non autorizzate o output ingannevoli dei modelli.

Gli agenti rivolti ai consumatori creano rischi diversi rispetto agli agenti di sicurezza, ma entrambi dipendono da accessi controllati e dati affidabili. Un assistente finanziario compromesso potrebbe esporre informazioni personali o avviare azioni dannose. Un agente di sicurezza compromesso potrebbe disabilitare protezioni o occultare attività sospette.

La resilienza operativa diventa il ponte tra questi casi. L’istituzione deve continuare a fornire servizi importanti quando un modello, un fornitore, un’applicazione o un controllo si comporta in modo imprevisto. Prevenire ogni guasto è irrealistico, quindi le aziende devono anche contenere e recuperare dai guasti.

Questa direzione regolamentare esercita pressione sui consigli di amministrazione affinché richiedano prove. I dirigenti hanno bisogno di qualcosa in più di una dichiarazione secondo cui un sistema IA ha superato la revisione degli approvvigionamenti. Devono conoscerne autorizzazioni, modalità di guasto, dipendenze, copertura del monitoraggio e percorso di ripristino.

Esercita pressione anche sui fornitori. I provider che servono la finanza regolamentata dovranno affrontare più domande su aggiornamenti dei modelli, notifica degli incidenti, registri di audit, conservazione dei dati, subappaltatori e continuità del servizio.

Il risultato immediato non è una restrizione generalizzata dell’IA finanziaria. Le autorità britanniche continuano a descrivere benefici sostanziali, tra cui un migliore rilevamento delle frodi, il servizio clienti e l’efficienza operativa. La loro posizione è che adozione e resilienza debbano progredire insieme.

Ciò rende i risultati di Gigamon più di una semplice istantanea di marketing. Arrivano mentre le autorità di regolamentazione si chiedono se le aziende riescano a trasformare la spesa per la sicurezza in controlli misurabili. Un'elevata adozione accompagnata da tempi di rilevamento più lunghi è esattamente la discrepanza che i supervisori esamineranno.

Tre segnali indicheranno se la sicurezza dell'AI finanziaria sta migliorando

La prossima fase sarà valutata sulla base di una correzione più rapida, controlli più rigorosi sui sistemi autonomi e prove più chiare sui fornitori condivisi.

Il primo segnale è se la gestione delle vulnerabilità accelera senza causare ulteriori interruzioni. I modelli frontier possono individuare le debolezze più rapidamente, ma l'identificazione è solo l'inizio. Le aziende devono valutarne la gravità, identificare le risorse coinvolte, testare le correzioni, distribuirle e confermare che i servizi importanti continuino a funzionare.

Occorrerà osservare se le autorità di regolamentazione e le grandi istituzioni pubblicheranno dati sui tempi di applicazione delle patch e sui test di ripristino. Una riduzione duratura delle finestre di esposizione rafforzerebbe l'argomentazione secondo cui l'automazione difensiva sta tenendo il passo. Più interruzioni legate a interventi correttivi affrettati la indebolirebbero.

Il secondo segnale è se le aziende impongono limiti effettivamente applicabili all'AI agentica. Le sole politiche non possono fermare un agente dotato di autorizzazioni eccessive. Le istituzioni necessitano di controlli tecnici che limitino le azioni, separino gli ambienti sensibili, conservino tracce di audit e richiedano approvazioni per modifiche ad alto impatto.

Tra le prove utili vi sarebbero un minor numero di modelli non gestiti, inventari AI completi e test regolari del comportamento degli agenti di fronte a input ostili. Se le banche riusciranno a dimostrare che le azioni autonome sono tracciabili e reversibili, l'equilibrio si sposterà verso un'adozione controllata.

Un aumento delle azioni non autorizzate, delle credenziali di modelli esposte o di modifiche inspiegabili indicherebbe la direzione opposta. Suggerirebbe che la velocità di implementazione continua a superare la capacità di governance.

Il terzo segnale riguarda il modo in cui le autorità di regolamentazione affrontano le dipendenze tecnologiche concentrate. Molte istituzioni si affidano agli stessi provider cloud, sviluppatori di modelli e librerie software. I supervisori necessitano di informazioni sufficienti per identificare l'esposizione correlata prima che un incidente presso un singolo fornitore colpisca diverse aziende.

In questo contesto, sarà importante il futuro lavoro della Bank of England sulla gestione dei rischi informatici e delle tecnologie dell'informazione. Lo saranno anche le linee guida internazionali sull'adozione responsabile dell'AI e sulla supervisione di terze parti.

Una rendicontazione più dettagliata sui servizi AI critici rafforzerebbe la capacità del sistema finanziario di prepararsi a guasti comuni. Il persistere di divari tra le priorità dei fornitori e quelle delle autorità di regolamentazione lascerebbe le istituzioni a sostenere rischi che non possono osservare pienamente.

Questi segnali contano più di un'altra percentuale da titolo. I sondaggi possono individuare le pressioni, ma sono i dati operativi a determinare se le difese stanno migliorando. Tempo di rilevamento, velocità di contenimento, ripristino testato, copertura delle autorizzazioni e concentrazione dei fornitori dovrebbero diventare le metriche seguite dai consigli di amministrazione.

Il sondaggio di Gigamon ha evidenziato un avvertimento credibile: le aziende finanziarie stanno automatizzando la sicurezza mentre segnalano incidenti diffusi legati all'AI e persistenti lacune di visibilità. La ricerca normativa sostiene la preoccupazione di fondo, anche se le singole definizioni del sondaggio restano imperfette.

I lettori di Google News dovrebbero resistere all'interpretazione più semplice, secondo cui l'AI stia o sconfiggendo le banche o salvandole. La realtà più complessa è che entrambi i processi stanno avvenendo contemporaneamente. L'automazione offre ai difensori una maggiore portata, aumentando al contempo la velocità, la complessità e l'interconnessione che devono controllare.

Le istituzioni finanziarie devono ora dimostrare che la difesa guidata dall'AI produce risultati migliori, non soltanto più avvisi e azioni più rapide. I responsabili della sicurezza dovrebbero porre una domanda concreta per ogni nuovo sistema autonomo: l'organizzazione può vedere, limitare, spiegare e annullare ciò che fa?