La governance delle identità diventa critica mentre la spesa aziendale per l’AI cresce vertiginosamente

Google News ha evidenziato un avvertimento: la spesa aziendale per l’AI sta crescendo più rapidamente di quanto molte imprese riescano a governare le identità che operano dietro di essa. Il problema non riguarda più soltanto i chatbot sperimentali. Gli agenti AI oggi richiedono dati, chiamano applicazioni aziendali, generano credenziali ed eseguono attività nei sistemi corporate.

Questa espansione cambia la questione della sicurezza. In passato, le imprese si concentravano sul decidere quali dipendenti potessero accedere a una risorsa. Ora devono governare utenti umani, account di servizio, identità applicative, strumenti di automazione e agenti AI nello stesso ambiente.

La pressione ricade sui chief information officer, sui responsabili della sicurezza e sui team di gestione delle identità. A loro viene chiesto di supportare un’adozione più rapida dell’AI mantenendo al contempo una chiara titolarità, autorizzazioni limitate e tracce di audit affidabili. Questi obiettivi spesso entrano in conflitto quando un agente può pianificare il lavoro, delegare compiti e attraversare i confini tra applicazioni.

La questione centrale, quindi, non è se le aziende spenderanno di più per l’AI. È se la governance delle identità riuscirà a impedire che questa spesa crei un livello sempre più ampio di autorità non tracciata.

Cosa è cambiato con l’accelerazione della spesa aziendale per l’AI

L’AI aziendale sta passando da software che raccomandano azioni a sistemi in grado di agire.

Un dipendente che usa un chatbot pone un problema di governance noto. L’organizzazione deve decidere a quali informazioni possano accedere quel dipendente e l’applicazione. Un agente AI pone un problema più complesso perché può connettersi a più sistemi, conservare credenziali, invocare strumenti e svolgere lavoro senza che una persona approvi ogni passaggio.

Questa differenza diventa significativa quando gli agenti entrano nei flussi di lavoro di produzione. Un agente del servizio clienti potrebbe leggere i dati dell’account, riassumere le interazioni precedenti, inoltrare una richiesta di rimborso e aggiornare un ticket. Un agente di coding potrebbe ispezionare repository, aprire strumenti di sviluppo, creare modifiche all’infrastruttura e inviare codice per la revisione.

Ogni azione richiede un’identità. Richiede anche un’autorizzazione, che definisce ciò che quell’identità può fare dopo l’autenticazione. Un semplice accesso non risponde alla domanda se l’agente debba leggere un intero database clienti o soltanto i record necessari per un’attività assegnata.

I sistemi tradizionali di gestione delle identità e degli accessi sono stati progettati soprattutto per dipendenti, collaboratori esterni, applicazioni e account di servizio relativamente prevedibili. In genere presuppongono che gli amministratori possano definire un ruolo stabile e associargli un insieme stabile di autorizzazioni.

Gli agenti AI mettono sotto pressione questo modello. I loro compiti possono cambiare durante l’esecuzione e un agente può chiedere a un altro agente o servizio di completare parte di un flusso di lavoro. La conseguente catena di delega rende più difficile stabilire da dove provenga l’autorità originaria.

La spesa aziendale rende il tema più urgente perché un maggior numero di progetti finanziati crea più connessioni. Ogni implementazione in produzione può introdurre chiavi API, account di servizio, connettori dati, endpoint di modelli, plug-in e policy di accesso. Un progetto che sembra una sola applicazione AI può creare diverse identità dietro le quinte.

Gartner ha riportato che l’84% dei partecipanti al suo sondaggio 2026 sui CIO prevedeva che le proprie organizzazioni avrebbero aumentato i finanziamenti per l’AI generativa nel corso dell’anno. La sua analisi della governance zero trust si è concentrata sulla verifica dei dati e sull’aggiornamento delle policy di governance esistenti con la diffusione delle informazioni generate dall’AI.

Questa spesa non produce automaticamente sistemi insicuri. Tuttavia, aumenta il numero di progetti che i team delle identità devono scoprire, classificare e monitorare. Riduce inoltre il tempo disponibile per progettare i controlli prima che le unità aziendali si aspettino risultati.

Il titolo di Google News coglie questo cambiamento, ma l’evento reale è più ampio di un singolo rapporto. La governance delle identità sta diventando parte dell’infrastruttura AI perché gli agenti non possono operare in sicurezza senza una titolarità definita e un’autorità revocabile.

Le organizzazioni non possono più trattare la revisione delle identità come un controllo finale di conformità. Devono prendere decisioni sulle identità durante progettazione, implementazione, esecuzione e dismissione. Altrimenti, un agente abbandonato può lasciare credenziali o autorizzazioni attive dopo la conclusione del progetto originario.

Perché Google News segnala una lacuna nei controlli dell’AI

L’impennata della spesa mette in luce una lacuna nei controlli tra chi è responsabile dell’AI e chi può effettivamente limitarne il comportamento.

IBM ha descritto questa lacuna in uno studio del giugno 2026 su chief information officer e chief technology officer. Due terzi dei leader intervistati hanno dichiarato di essere responsabili di sistemi AI che non controllavano pienamente, secondo lo studio sul controllo dell’AI dell’azienda.

Questa conclusione conta perché la responsabilità senza controllo produce ambiguità organizzativa. Un CIO potrebbe guidare il programma AI aziendale mentre singoli dipartimenti selezionano modelli, collegano fonti dati e creano automazioni in autonomia. Il team di sicurezza potrebbe vedere l’identità risultante solo dopo una revisione o un incidente.

Anche l’acquisto di soluzioni AI può frammentare l’autorità. Un dipartimento potrebbe acquistare un’applicazione che contiene agenti incorporati senza descriverla come un progetto di agenti. Un altro team potrebbe creare un flusso di lavoro interno usando un’API di modello e vari strumenti di automazione già esistenti.

Entrambe le implementazioni possono creare identità non umane. Tali identità possono essere distribuite tra piattaforme cloud, servizi software, database interni e ambienti di sviluppo. Nessun singolo inventario cattura necessariamente il percorso completo.

Il problema non è semplicemente il numero di account. La governance delle identità deve collegare cinque informazioni: che cos’è l’agente, chi ne è responsabile, perché esiste, quali risorse può raggiungere e quando la sua autorità dovrebbe scadere.

I dipendenti umani forniscono punti di riferimento naturali per molte di queste domande. Il loro responsabile approva l’accesso, un ruolo lavorativo limita le autorizzazioni e la cessazione del rapporto attiva un processo di offboarding. Gli agenti AI non hanno uno status organizzativo equivalente, a meno che l’impresa non ne crei uno.

Un agente può inoltre utilizzare autorità presa in prestito da un utente umano. Questo design può semplificare l’implementazione, ma indebolisce l’attribuzione se i log non riescono a distinguere le azioni della persona da quelle dell’agente. Le credenziali condivise creano una lacuna ancora più ampia, perché gli investigatori potrebbero non sapere quale flusso di lavoro le abbia utilizzate.

I team di sicurezza affrontano quindi pressioni da entrambi i lati. I leader aziendali vogliono cicli di implementazione più brevi, mentre autorità di regolamentazione e clienti si aspettano un accesso controllato alle informazioni sensibili. I team delle identità devono supportare entrambi gli obiettivi senza trasformare ogni richiesta relativa a un agente in una lunga revisione manuale.

La lacuna nei controlli si estende anche ai sistemi di conoscenza. Un assistente AI collegato a una knowledge base aziendale può recuperare informazioni apparentemente innocue se considerate isolatamente. Potrebbe comunque dedurre fatti sensibili combinando diversi documenti che il flusso di lavoro richiedente non avrebbe mai dovuto analizzare insieme.

Per questo il controllo degli accessi deve andare oltre l’autorizzazione di una cartella. Le organizzazioni devono comprendere le relazioni tra utenti, agenti, fonti dati e output generati. Una knowledge base AI ben strutturata può migliorare il recupero delle informazioni, ma il suo valore dipende dal mantenimento di confini appropriati.

La sfida diventa più difficile quando l’AI cambia più rapidamente delle revisioni degli accessi. Un processo trimestrale di certificazione potrebbe approvare un agente per uno scopo. Settimane dopo, gli sviluppatori potrebbero aggiungere un altro strumento o consentirgli di elaborare una nuova categoria di dati.

L’approvazione statica smette quindi di riflettere il sistema implementato. La governance delle identità deve tracciare cambiamenti sostanziali, incluse nuove integrazioni, ambiti più estesi, percorsi di delega modificati e regole di conservazione aggiornate.

Google News sta evidenziando un problema di sicurezza che la crescita dei budget rende visibile. Le aziende stanno finanziando la capacità di agire tramite l’AI, ma molti programmi di governance continuano a concentrarsi sul controllo della capacità di effettuare l’accesso.

Gli agenti AI trasformano le autorizzazioni nel principale compromesso

Il compromesso fondamentale è semplice: gli agenti diventano più utili man mano che la loro autorità si amplia, ma un’autorità più estesa aumenta le conseguenze di un fallimento.

Un agente che può soltanto redigere testo presenta un rischio operativo limitato. Un agente che può accedere a file dei clienti, chiamare sistemi di pagamento, modificare infrastrutture o inviare messaggi esterni può generare più valore. Può anche causare più danni attraverso errori, manipolazioni o credenziali rubate.

Il privilegio minimo è la pratica di concedere solo l’accesso necessario per un compito definito. Applicarlo ai dipendenti è già difficile perché i ruoli evolvono e le autorizzazioni si accumulano. Applicarlo agli agenti è più complesso perché il compito richiesto può svilupparsi dinamicamente.

Si consideri un agente incaricato di risolvere una controversia su una fattura. Potrebbe dover leggere la fattura, esaminare un ordine, confrontare un contratto, contattare un approvatore interno e creare una proposta di rettifica. Non dovrebbe ottenere un accesso permanente a tutte le fatture né la capacità di approvare la propria rettifica.

Un account di servizio con autorizzazioni ampie rende questo flusso di lavoro facile da creare. Un’identità con ambito ristretto rende più semplice governarlo, ma richiede una progettazione delle policy più precisa. Questa tensione spesso emerge solo quando un progetto pilota diventa un servizio in produzione.

La delega aggiunge un ulteriore livello. Un agente orchestratore potrebbe chiedere a un agente specializzato di recuperare dati o eseguire un’analisi. L’impresa deve decidere se il secondo agente erediti tutte le autorizzazioni, riceva un sottoinsieme ridotto o ottenga accesso temporaneo per una singola operazione.

Se l’autorità passa attraverso più agenti, i log devono preservare questa catena. Gli investigatori devono sapere quale persona o servizio ha avviato l’attività, quale agente ha preso ogni decisione, quali risorse sono state utilizzate e se l’azione risultante è rimasta entro lo scopo approvato.

McKinsey ha stimato che la tecnologia incentrata sugli agenti potrebbe assorbire fino al 15% dei budget aziendali per la cybersecurity entro tre anni. La sua analisi ha affermato che la spesa si concentrerà su identità e governance, insieme alla protezione dei dati.

Questa previsione riflette un cambiamento nell’architettura di sicurezza. Le organizzazioni hanno trascorso anni a costruire controlli attorno a reti, dispositivi e account umani. I sistemi agentici rendono l’identità un punto centrale di applicazione dei controlli, poiché un agente può operare su tutti e tre.

L’autorizzazione continua offre una possibile risposta. Invece di approvare l’accesso una sola volta al login, un sistema valuta se una specifica azione sia ancora consentita nel momento in cui viene richiesta. La decisione può considerare l’agente, il compito, la risorsa, il momento, il livello di rischio e l’utente che ha originato la richiesta.

Anche le credenziali temporanee riducono l’esposizione. Un agente può ricevere una credenziale per un singolo compito e perderla automaticamente al termine del compito. Questo approccio limita il valore di un token rubato e riduce la probabilità che accessi obsoleti sopravvivano indefinitamente.

Nessuna delle due tecniche risolve l’intero problema di governance. Un motore di policy necessita comunque di informazioni affidabili sullo scopo e sulla titolarità dell’agente. Una credenziale temporanea può essere pericolosamente ampia anche se scade rapidamente.

Anche le imprese hanno bisogno di separazione dei compiti. Un agente che propone un pagamento non dovrebbe necessariamente autorizzarlo o eseguirlo. Le azioni ad alto impatto possono richiedere una revisione umana, un secondo agente che opera con un'autorità diversa o una regola aziendale deterministica.

Questo controllo riduce l'autonomia, il che può deludere i team che si aspettano flussi di lavoro completamente automatizzati. Tuttavia, l'obiettivo non dovrebbe essere la massima autonomia. Dovrebbe essere il più alto livello di autonomia che preservi prove, responsabilità e opzioni di recupero accettabili.

È qui che la spesa aziendale per l'AI incontra più direttamente la governance delle identità. Il denaro finanzia modelli, infrastrutture e lavoro di integrazione. Deve anche finanziare i controlli che stabiliscono quali azioni tali sistemi possono intraprendere.

Il mercato della sicurezza delle identità ha un proprio problema di prove

I sondaggi dei fornitori indicano la stessa direzione, ma i loro numeri richiedono un'interpretazione attenta.

I fornitori di sicurezza hanno pubblicato diversi studi che descrivono una rapida adozione degli agenti e controlli delle identità deboli. Questi rapporti offrono segnali utili perché i fornitori osservano gli ambienti dei clienti e gli schemi degli incidenti. Tuttavia, sostengono anche prodotti venduti dalle organizzazioni che li pubblicano.

Teleport ha riferito che, nel suo studio aziendale del 2026, i sistemi AI con privilegi eccessivi erano associati a tassi di incidenti 4,5 volte più elevati. L'azienda ha inoltre dichiarato che il 92 percento delle società intervistate stava implementando l'AI mentre i controlli delle identità restavano indietro, secondo il suo rapporto sulla sicurezza aziendale.

Queste cifre non dovrebbero essere considerate misurazioni universali. I risultati dipendono dal campione, dalla formulazione delle domande, dalle definizioni e da come i partecipanti classificano un'implementazione AI o un incidente di sicurezza. Un'organizzazione che sperimenta un assistente di programmazione non equivale a una che consente agli agenti di modificare sistemi di produzione.

Il quadro generale resta credibile anche quando le percentuali esatte variano. Le imprese stanno aggiungendo identità non umane e molti programmi di identità esistenti faticano a inventariare account di servizio e chiavi API. Gli agenti AI aggiungono comportamenti più dinamici a questo problema consolidato.

Un'altra limitazione è la terminologia. I fornitori usano in modo diverso termini come agente AI, identità macchina, identità del carico di lavoro, account di servizio e identità non umana. Un sondaggio può sembrare misurare la governance degli agenti mentre combina diverse categorie di automazione.

Questa ambiguità influenza le dichiarazioni sulla spesa. Un'azienda potrebbe classificare un sistema di accesso privilegiato aggiornato come investimento nella sicurezza AI. Un'altra potrebbe finanziare lo stesso controllo tramite la propria piattaforma cloud o il budget generale per le identità.

IDC ha riferito che il 16,7 percento degli investimenti globali pianificati nell'AI era destinato alla sicurezza e alla governance degli agenti AI. La sua analisi delle priorità dei CISO ha inoltre identificato la proliferazione degli strumenti, il debito tecnico, le carenze di competenze e il lock-in dei fornitori come ostacoli alle decisioni di acquisto.

Questa cifra mostra una significativa attenzione degli acquirenti, ma non dimostra che la spesa stia producendo una governance matura. Le organizzazioni possono acquistare strumenti sovrapposti senza creare un inventario affidabile delle identità o un modello di approvazione coerente.

L'integrazione resta la parte difficile. I dati sulle identità possono risiedere in un provider di identità, una piattaforma cloud, un gestore di segreti, un sistema di risorse umane, un catalogo delle applicazioni e una piattaforma per le operazioni di sicurezza. I metadati degli agenti possono trovarsi in un ambiente di sviluppo o orchestrazione separato.

Un prodotto di governance può mostrare solo ciò che i sistemi connessi rivelano. La shadow AI, ovvero l'uso di AI non approvato o non individuato, può restare al di fuori di questa visuale. Un dipendente potrebbe collegare uno strumento AI per consumatori ai dati aziendali senza registrare un'applicazione formale.

La ricerca di Okta del 2026 ha descritto una discrepanza tra la fiducia dei dirigenti e il comportamento dei dipendenti. Ha collegato il divario a politiche poco chiare, strumenti AI non approvati e protezioni insufficienti nell'impresa agentica.

La conclusione prudente non è che ogni impresa affronti un'immediata crisi delle identità. È che le aziende non dispongono di un sistema di misurazione coerente per le identità degli agenti, le loro autorizzazioni effettive e il loro comportamento reale.

Le autorizzazioni effettive contano più di quelle assegnate. Un agente può combinare accessi provenienti da diversi sistemi o dedurre informazioni da fonti consentite. Ogni autorizzazione può apparire ragionevole da sola, mentre la capacità combinata supera il confine previsto.

Il test deve quindi andare oltre la revisione della configurazione. I team di sicurezza devono osservare azioni tentate, richieste negate, schemi di delega, uso delle credenziali e spostamento dei dati. Devono inoltre testare il comportamento dei sistemi quando un agente riceve istruzioni dannose o incontra contenuti corrotti.

La risposta agli incidenti introduce un'altra incertezza. Le organizzazioni potrebbero essere in grado di disabilitare un account agente, ma non di identificare ogni credenziale, flusso di lavoro o attività a valle associata a esso. Un meccanismo di arresto completo richiede la mappatura delle dipendenze prima che si verifichi un incidente.

Le prove supportano una maggiore attenzione, non una fiducia cieca in una particolare piattaforma o statistica. La governance delle identità diventa efficace solo quando un'organizzazione può dimostrare chi possiede un agente, cosa può fare e come termina tale autorità.

Chi subisce pressioni dal cambiamento della governance

I CIO gestiscono la pressione sulla consegna, i CISO gran parte del rischio e i team dedicati alle identità ereditano il carico operativo.

I chief information officer devono trasformare gli investimenti nell'AI in risultati aziendali misurabili. Devono portare i progetti oltre i prototipi, controllando al contempo spese frammentate e piattaforme incompatibili. Una governance che arriva troppo tardi può ritardare la produzione o imporre costose riprogettazioni.

I chief information security officer affrontano un incentivo diverso. Devono prevenire accessi eccessivi, rilevare gli abusi e spiegare gli incidenti. Un agente che agisce tramite credenziali condivise può compromettere tutte e tre queste responsabilità.

I team di identity and access management si collocano tra queste priorità. Comprendono directory, autenticazione, accesso privilegiato, revisioni degli accessi e cicli di vita degli account. Potrebbero non essere responsabili dell'orchestrazione degli agenti, del comportamento dei modelli, della governance dei dati o della progettazione delle applicazioni.

Questa divisione crea lacune, a meno che le aziende non assegnino responsabilità esplicite. Ogni agente in produzione necessita di un responsabile aziendale che ne accetti finalità e conseguenze. Necessita anche di un responsabile tecnico che mantenga l'integrazione, le credenziali, le politiche e il monitoraggio.

Gli sviluppatori subiscono pressioni perché i controlli delle identità influenzano l'architettura. Un prototipo potrebbe usare un'unica chiave API di lunga durata archiviata in una variabile d'ambiente. Un'implementazione in produzione dovrebbe usare segreti gestiti, credenziali con ambito limitato, rotazione, scadenza e richieste tracciabili.

Questi requisiti aggiungono lavoro di ingegneria facile da sottovalutare. Il modello può generare una risposta in pochi secondi, ma il sistema circostante deve recuperare informazioni autorizzate, convalidare le chiamate agli strumenti, registrare le decisioni, gestire i guasti e impedire tentativi non sicuri.

Gli acquirenti aziendali devono valutare più della qualità del modello. Devono chiedere se un prodotto AI supporta identità separate per gli agenti, ambiti di autorizzazione granulari, approvazione dell'amministratore, log esportabili, rotazione delle credenziali e revoca immediata.

Dovrebbero inoltre chiedere come il fornitore gestisce la delega. Se un agente richiama un altro servizio, il cliente deve sapere quale identità compare nei log a valle e se il contesto dell'utente originale viene mantenuto.

I proprietari dei dati hanno un ruolo perché le decisioni di accesso non possono dipendere interamente da team di sicurezza centralizzati. La persona responsabile dei dati finanziari, medici, dei clienti o di ingegneria dovrebbe definire le finalità accettabili e le azioni a rischio più elevato.

I team legali e di conformità si interesseranno alle prove. Un documento di policy che afferma che gli agenti usano il privilegio minimo è più debole di registri che mostrano quali autorizzazioni sono state concesse, chi le ha approvate, quali azioni si sono verificate e quando l'accesso è scaduto.

Anche i dipendenti sperimentano il cambiamento della governance. Un agente strettamente controllato può chiedere approvazione più spesso o rifiutare un'attività che non può completare entro i propri permessi. Questo attrito può incoraggiare gli utenti a scegliere strumenti non autorizzati se i sistemi approvati sembrano inutilizzabili.

La risposta aziendale deve quindi bilanciare controllo e usabilità. Le politiche dovrebbero distinguere la redazione a basso rischio dall'esecuzione ad alto impatto. Richiedere lo stesso processo di approvazione per entrambe può creare ritardi senza migliorare le protezioni più importanti.

L'approvvigionamento può sostenere questa distinzione classificando i prodotti in base alla loro autorità. Uno strumento che riassume documenti presenta un rischio diverso da uno che modifica record o comunica all'esterno.

I consigli di amministrazione dovrebbero concentrarsi sull'esposizione piuttosto che sul numero di progetti AI. Dieci agenti con accesso in sola lettura a informazioni pubbliche possono comportare meno rischio operativo di un solo agente che detiene una credenziale di produzione ampia.

Questa riformulazione rende la governance delle identità una decisione aziendale. Collega la spesa per l'AI al valore e al rischio delle azioni automatizzate, invece di trattare ogni implementazione come un acquisto software equivalente.

I lettori di Google News dovrebbero quindi considerare la storia della governance delle identità come una redistribuzione del lavoro. Una maggiore spesa per l'AI non elimina la responsabilità umana. Sposta tale responsabilità verso le persone che progettano, approvano e monitorano l'autorità delle macchine.

Cosa dovrebbero osservare i buyer aziendali

La prossima fase sarà misurata dalla copertura delle identità, dalla qualità delle autorizzazioni e dalla preparazione agli incidenti, non dal numero di annunci sugli agenti.

Il primo segnale è se le principali piattaforme AI adotteranno standard di identità interoperabili. Attualmente, le imprese rischiano di gestire ogni ambiente di agenti tramite oggetti di identità, log e sistemi di policy differenti.

Standard comuni aiuterebbero le organizzazioni a identificare un agente in modo coerente tra una piattaforma di modelli, un framework di orchestrazione, un servizio cloud e un'applicazione aziendale. Renderebbero inoltre più facile preservare le catene di delega.

L'annuncio da parte di un fornitore del supporto all'identità degli agenti non è sufficiente. Gli acquirenti dovrebbero esaminare se l'identità è unica, persistente, attribuibile a un responsabile e compatibile con i sistemi di autenticazione esistenti. Dovrebbero inoltre verificare che le applicazioni a valle possano riconoscerla.

Il secondo segnale è la qualità dell'autorizzazione in fase di esecuzione. Molte piattaforme possono limitare l'accesso durante la configurazione, ma meno sono in grado di valutare ogni azione rispetto all'attività e al contesto correnti.

I controlli in fase di esecuzione dovrebbero rispondere a domande pratiche. Questo agente è autorizzato ad accedere a questo record cliente per questa richiesta? Può inviare le informazioni risultanti al di fuori dell'azienda? Un'azione finanziaria richiede una seconda approvazione?

Occorre osservare i prodotti che supportano credenziali di breve durata, ambiti a livello di attività, controlli delle policy e registri chiari dei dinieghi. Queste capacità indicano che la governance delle identità si sta spostando nell'esecuzione, anziché restare una revisione amministrativa.

Il terzo segnale è costituito dalle prove provenienti da incidenti e audit. Le aziende scopriranno se i loro controlli funzionano quando un agente si comporta in modo imprevisto, riceve istruzioni manipolate o usa l'autorità al di fuori della sua finalità prevista.

Prove pubbliche utili includerebbero rapporti dettagliati sugli incidenti, rilievi normativi, requisiti assicurativi e linee guida di audit. Queste fonti possono mostrare se le organizzazioni riescono a tracciare le azioni di un agente e a revocare rapidamente ogni credenziale correlata.

Una diminuzione delle autorizzazioni eccessive rafforzerebbe l'argomento secondo cui i programmi di identità stanno recuperando terreno. Un aumento degli incidenti che coinvolgono account condivisi o proprietà poco chiare mostrerebbe che la spesa continua a superare la governance.

Le aziende possono iniziare a misurare la propria posizione senza attendere un nuovo standard. Dovrebbero conteggiare gli agenti in produzione, identificarne i responsabili, mappare le credenziali, registrare le autorizzazioni effettive e monitorare la scadenza degli accessi.

La copertura è la prima metrica utile. Un'organizzazione non può governare un agente che non ha ancora individuato. L'inventario dovrebbe includere applicazioni acquistate con agenti integrati, workflow sviluppati internamente e automazioni create dai dipendenti.

La qualità delle autorizzazioni è la seconda metrica. I team dovrebbero misurare quanti agenti dispongono di accessi ampi o permanenti, con quale frequenza le richieste vengono negate e se le azioni sensibili richiedono un'approvazione aggiuntiva.

Le prestazioni del ciclo di vita costituiscono la terza metrica. Le aziende dovrebbero sapere quanto tempo occorre per creare, esaminare, modificare, sospendere e dismettere l'identità di un agente. Processi lenti favoriscono soluzioni aggiranti, mentre controlli di dismissione assenti lasciano in essere accessi non necessari.

La preparazione agli incidenti rappresenta la verifica finale. Un team dovrebbe poter disabilitare un agente, revocarne le credenziali, interrompere le attività in coda, identificare le risorse coinvolte e ricostruire la sequenza delle azioni.

Questi passaggi non richiedono alle aziende di abbandonare i sistemi di identità esistenti. Molte organizzazioni possono estendere gli attuali processi di governance se tali sistemi supportano identità macchina, autorizzazioni temporanee e dati dettagliati sugli eventi.

Tuttavia, limitarsi a collocare gli agenti in ruoli assimilabili a quelli dei dipendenti non risolverà la delega dinamica né l'accesso specifico per attività. Le aziende avranno bisogno di policy progettate attorno ad azioni e finalità, non soltanto a titoli professionali.

Google News ha portato alla luce un titolo tempestivo, ma la storia duratura è operativa. La spesa aziendale per l'AI sta creando sistemi in grado di esercitare autorità alla velocità delle macchine. La governance delle identità deve stabilire quale autorità utilizzino, fin dove arrivi e quando termini.

La prossima domanda per ogni acquirente di AI è concreta: la vostra organizzazione sa nominare ogni agente in produzione, identificarne il responsabile, spiegarne le autorizzazioni effettive e revocarle senza interrompere attività non correlate? Se la risposta resta poco chiara, il budget per l'AI ha già creato un obbligo di governance che il budget per la sicurezza deve affrontare.