Il costo medio delle violazioni dei dati in India raggiunge un record mentre l’AI ridefinisce il rischio cyber

L’ultimo studio IBM sulle violazioni è arrivato su Google News con un dato netto: il costo medio di una violazione per le organizzazioni indiane è salito a 255 milioni di INR nel 2026.

Equivale a 25,5 crore di INR e rappresenta un aumento del 15,9 percento rispetto ai 220 milioni di INR del 2025. IBM lo descrive come il valore medio più alto mai registrato in India dal suo studio annuale.

Il titolo è allarmante, ma la storia sottostante non è semplicemente che l’intelligenza artificiale abbia reso ogni attacco informatico più costoso. I risultati di IBM descrivono due effetti contrapposti. Gli aggressori usano l’AI per ampliare inganni e software dannoso, mentre i difensori usano l’automazione per abbreviare le indagini e contenere le perdite.

Questa tensione conta più del record in sé. Le organizzazioni indiane prive di AI e automazione della sicurezza hanno pagato molto di più per ogni violazione rispetto a quelle che usano estesamente tali difese. Allo stesso tempo, l’uso incontrollato dell’AI da parte dei dipendenti ha creato un’ulteriore e costosa esposizione.

Il risultato è una competizione di sicurezza tra automazione governata e adozione non gestita dell’AI. Le organizzazioni non stanno scegliendo tra usare l’AI ed evitarla. Stanno decidendo se saranno gli aggressori, i dipendenti o i team di sicurezza a usarla con il minor numero di vincoli.

Google News si è concentrato sul costo record delle violazioni dei dati in India

IBM stima che il costo medio di una violazione in India abbia raggiunto 255 milioni di INR, mentre l’incidente medio ha esposto anche un numero maggiore di record.

IBM ha pubblicato i suoi risultati per l’India il 3 agosto 2026. L’azienda ha dichiarato che la violazione media ha compromesso 39.500 record, rispetto ai 38.200 record del 2025.

L’aumento di 1.300 record appare modesto accanto al balzo dei costi del 15,9 percento. Questa differenza suggerisce che l’impatto finanziario non sia cresciuto soltanto perché le organizzazioni hanno perso più record.

I costi delle violazioni possono includere indagini tecniche, risposta ai clienti, interruzioni operative, attività normative e perdita di affari. Un incidente solo leggermente più ampio può quindi generare una fattura molto più elevata quando rilevamento e ripristino restano lenti.

La storia originale circolata su Google News ha giustamente sottolineato il nuovo record. Tuttavia, i sottostanti risultati sulle violazioni in India contengono un confronto operativo più utile.

Le organizzazioni che hanno dichiarato di non usare AI o automazione nelle operazioni di sicurezza hanno affrontato un costo medio di violazione pari a 316 milioni di INR. Quelle che usavano estesamente AI e automazione hanno riportato una media di 213 milioni di INR.

Si tratta di una differenza di 103 milioni di INR, ovvero 10,3 crore di INR, tra i due gruppi. Le organizzazioni con un’implementazione limitata hanno registrato una media di 231 milioni di INR.

Le cifre non dimostrano che installare un prodotto di sicurezza automatizzato elimini direttamente 103 milioni di INR da ogni futuro incidente. Lo studio IBM è osservazionale e le organizzazioni dotate di automazione matura probabilmente differiscono anche sotto altri aspetti.

Possono disporre di controlli dell’identità più solidi, team di sicurezza più grandi, piani di risposta testati o inventari degli asset gestiti meglio. Questi fattori possono influenzare i costi insieme all’automazione.

Anche con questa limitazione, la direzione è difficile da ignorare. Le organizzazioni con automazione estesa hanno riportato costi medi inferiori rispetto a quelle con un’implementazione limitata o assente.

Il record prosegue inoltre una tendenza al rialzo già consolidata. IBM aveva segnalato un costo medio di violazione in India pari a 195 milioni di INR nel 2024. I suoi risultati per l’India del 2025 hanno portato tale valore a 220 milioni di INR.

L’aumento biennale da 195 milioni a 255 milioni di INR equivale a circa il 30,8 percento. Ogni stima annuale ha segnato un nuovo massimo nella ricerca IBM sull’India.

Questi numeri meritano una formulazione prudente. Descrivono medie tra le organizzazioni analizzate da IBM e dal Ponemon Institute. Non rappresentano una contabilità nazionale di tutte le violazioni subite in India.

Gli incidenti più piccoli possono restare non rilevati o non segnalati. Anche le organizzazioni che partecipano alla ricerca sulle violazioni possono differire dalla popolazione più ampia.

La stima resta preziosa perché cattura il costo organizzativo della risposta a incidenti reali. Mostra che l’onere va oltre un database rubato o un server interrotto.

Una violazione costosa può assorbire contemporaneamente risorse legali, tecniche, di comunicazione e dirigenziali. Può inoltre interrompere sistemi che generano ricavi molto tempo dopo che un aggressore ha perso l’accesso.

Il titolo di Google News identifica quindi l’esito visibile. La domanda più rilevante è perché alcune organizzazioni assorbano perdite molto maggiori rispetto ad altre.

L’AI accelera gli attacchi, ma non è l’unica causa

L’AI sta cambiando velocità e scala delle attività dannose, ma phishing e comuni falle nei controlli continuano a offrire molti punti di ingresso iniziali.

IBM ha rilevato che il 26 percento delle violazioni dolose studiate in India coinvolgeva attacchi generati dall’AI. L’azienda afferma che tali attacchi includevano tecniche che rendevano l’attività dannosa più rapida, sofisticata o più facile da ampliare.

Il quadro globale era simile. La ricerca IBM sulle violazioni del 2026 afferma che una violazione dolosa su quattro era abilitata dall’AI, con un aumento del 56 percento rispetto all’anno precedente.

IBM ha identificato l’impersonificazione tramite deepfake e il malware abilitato dall’AI come elementi rilevanti di questa crescita. L’azienda ha stimato un costo globale medio di circa 6 milioni di USD per le violazioni abilitate dall’AI.

Questi risultati supportano un meccanismo chiaro. I sistemi generativi possono ridurre il tempo necessario per creare messaggi convincenti, modificare codice dannoso o imitare una persona fidata.

Un aggressore non deve più scrivere manualmente ogni messaggio di phishing. L’AI può produrre varianti per ruoli, settori e canali di comunicazione differenti.

La clonazione vocale può aumentare la pressione imitando un dirigente, un cliente o un familiare. Il testo generato può eliminare gli errori grammaticali evidenti che un tempo smascheravano le frodi di bassa qualità.

Il malware abilitato dall’AI può inoltre aiutare gli aggressori a variare il codice e a individuare sistemi vulnerabili. Tuttavia, l’accesso all’AI non produce automaticamente un’intrusione riuscita.

Gli aggressori hanno ancora bisogno di un punto di ingresso, credenziali utilizzabili, software sfruttabile o di una persona disposta a seguire una richiesta fraudolenta. I risultati indiani mostrano che i percorsi d’attacco familiari restano centrali.

Il phishing, incluso quello vocale e via SMS, ha rappresentato il 19 percento dei vettori d’attacco iniziali nel campione indiano di IBM. La compromissione drive-by ha rappresentato il 16 percento, mentre la compromissione della supply chain ha rappresentato il 15 percento.

Una compromissione drive-by si verifica quando la visita a un sito dannoso o compromesso espone l’utente o il dispositivo a un attacco. Una compromissione della supply chain raggiunge un obiettivo attraverso software fidato, fornitori o relazioni di servizio.

Queste categorie mostrano perché dire che “l’AI ha causato il record” sia troppo generico. L’AI può migliorare il messaggio, la tempistica o la scala dell’aggressore, ma controlli deboli su identità e software determinano ancora se l’attacco riesce.

Il phishing resta particolarmente importante perché prende di mira il giudizio umano. I dipendenti ricevono messaggi che somigliano a richieste di routine, avvisi sulle password, approvazioni di pagamento o documenti condivisi.

Un messaggio generato non deve ingannare tutti. Deve raggiungere una persona il cui accesso fornisca un utile passo successivo.

Questo rende più difficile la preparazione difensiva. I team di sicurezza devono rilevare la comunicazione iniziale, prevenire l’abuso di credenziali e individuare comportamenti insoliti dopo l’ottenimento dell’accesso.

Le autorità indiane per la cybersicurezza hanno inoltre documentato attività ransomware persistenti e tecniche degli aggressori in evoluzione. Il rapporto sul ransomware di CERT-In descrive tattiche osservate nel cyberspazio indiano durante il 2024.

Il ransomware non è identico a ogni violazione analizzata nello studio IBM. Fornisce un importante riferimento perché combina intrusione, interruzione dell’attività, furto di dati e pressione sul ripristino.

L’AI può amplificare varie fasi senza sostituire il playbook di fondo. Può migliorare la ricognizione, personalizzare gli adescamenti o aiutare un aggressore a comunicare con un volume maggiore.

I responsabili della sicurezza dovrebbero quindi evitare due conclusioni fuorvianti. La prima è che l’AI abbia creato un ambiente di minaccia completamente sconosciuto. La seconda è che i controlli esistenti siano sufficienti senza modifiche.

La realtà si colloca tra queste due affermazioni. Identità, patching, segmentazione e pianificazione della risposta restano importanti, ma i team devono ora operare contro avversari più rapidi e adattabili.

La vera competizione è tra automazione governata e AI non gestita

La divisione più netta nei dati IBM non è tra utenti e non utenti dell’AI, ma tra implementazione di sicurezza controllata e attività AI al di fuori della supervisione organizzativa.

Solo il 32 percento delle organizzazioni nello studio indiano ha dichiarato un uso esteso di AI e automazione della sicurezza. Un ulteriore 36 percento ha riferito un utilizzo limitato, mentre il 32 percento non ha riferito alcun utilizzo.

L’automazione può collegare segnali di sicurezza che altrimenti gli esseri umani esaminerebbero separatamente. Può assegnare priorità alle attività sospette, arricchire gli avvisi e attivare misure di contenimento predefinite.

Questi sistemi non eliminano gli analisti dal processo. Il loro valore principale consiste nel ridurre il tempo dedicato alla raccolta delle prove e all’esecuzione di risposte ripetitive.

I dati temporali IBM illustrano il problema. Le organizzazioni senza AI e automazione della sicurezza hanno impiegato in media 236 giorni per identificare una violazione.

Le organizzazioni con automazione estesa hanno impiegato 175 giorni. Ciò rappresenta una differenza di 61 giorni prima dell’identificazione.

Il contenimento ha prodotto un risultato meno intuitivo. Le organizzazioni senza automazione hanno impiegato in media 75 giorni per contenere una violazione, rispetto agli 81 giorni degli utilizzatori estesi.

Questa differenza di sei giorni impedisce un’affermazione semplicistica secondo cui l’automazione abbia reso più rapida ogni fase. L’identificazione è migliorata in modo sostanziale, mentre il tempo di contenimento riportato non ha seguito lo stesso andamento.

Diversi fattori possono spiegare il risultato. Le organizzazioni altamente automatizzate possono avere ambienti più ampi, infrastrutture più complesse o incidenti che richiedono un’ampia convalida prima del contenimento completo.

I dati disponibili pubblicamente non isolano queste possibilità. Supportano quindi una conclusione più circoscritta: l’automazione estesa era correlata a un’identificazione più precoce e a un costo totale inferiore.

Il rilevamento precoce è importante perché gli aggressori possono ampliare l’accesso nel periodo tra l’intrusione e la scoperta. Possono ispezionare sistemi interni, individuare record sensibili e stabilire ulteriori meccanismi di persistenza.

La forza contrapposta è la shadow AI, ossia l’uso da parte dei dipendenti di applicazioni AI senza approvazione o supervisione organizzativa. IBM afferma che la sua presenza ha aggiunto in media 17,9 milioni di INR ai costi delle violazioni in India.

La shadow AI si è collocata tra i tre maggiori fattori di aumento dei costi in India, insieme alla non conformità normativa e alla migrazione al cloud. Questo inserisce l’attività AI dei dipendenti nella discussione sull’economia delle violazioni, non soltanto nelle politiche aziendali.

Il rischio emerge quando il personale invia materiale sensibile a strumenti esterni, collega applicazioni non approvate o autorizza sistemi con accessi eccessivi. I team di sicurezza possono avere difficoltà a proteggere dati di cui non riescono a vedere gli spostamenti.

Il problema comprende anche software aziendale approvato che aggiunge silenziosamente funzionalità generative. Un record di approvvigionamento può identificare l’applicazione principale, ma non ogni modello integrato o flusso esterno di dati.

Vietare ogni strumento AI difficilmente risolverà questa esposizione. I dipendenti spesso ricorrono a servizi non autorizzati quando i flussi di lavoro approvati restano più lenti o meno utili.

Un divieto può spingere l'attività ancora più lontano dal monitoraggio. Può anche impedire ai team di sicurezza di capire quali attività stiano guidando l'adozione.

La governance offre un contrappeso più pratico. Le organizzazioni necessitano di un inventario affidabile di applicazioni AI, identità, accessi ai dati e servizi connessi.

Hanno inoltre bisogno di regole che distinguano l'assistenza a basso rischio dal trattamento di dati sensibili. Redigere testi generici di marketing è diverso dal caricare registri dei clienti o codice sorgente riservato.

L'avversario principale è quindi chiaro. L'automazione gestita offre ai difensori visibilità e velocità, mentre l'AI non gestita crea percorsi di accesso nascosti e una gestione dei dati incerta.

Entrambe le parti utilizzano tecnologie di base simili. La differenza risiede nell'autorizzazione, nel monitoraggio e nella responsabilità.

Cosa non dimostrano i numeri di IBM

Il rapporto di IBM individua forti associazioni, ma non dimostra che la sola AI abbia prodotto l'aumento dei costi del 15,9 percento in India.

Lo studio proviene da IBM, un'azienda che vende prodotti per la sicurezza, l'automazione, il cloud e l'AI. Questo non invalida i suoi risultati, ma i lettori dovrebbero riconoscerne il contesto commerciale.

IBM e il Ponemon Institute basano il rapporto su organizzazioni che hanno subito violazioni. La sintesi pubblica non trasforma i risultati in un esperimento controllato.

Le organizzazioni con automazione matura possono già disporre di una governance più solida e di budget di sicurezza più elevati. Questi vantaggi possono influenzare in modo indipendente la velocità di rilevamento e il costo delle violazioni.

Può verificarsi anche il contrario. Le grandi organizzazioni con sistemi complessi hanno maggiori probabilità di acquistare automazione, pur offrendo agli attaccanti bersagli più ampi.

I costi medi possono nascondere differenze sostanziali tra tipi di incidente e settori. Una violazione che colpisce una banca non comporterà lo stesso onere di risposta di una che colpisce un fornitore di software più piccolo.

IBM ha rilevato che le organizzazioni indiane dei servizi finanziari hanno registrato il costo medio più elevato per violazione, pari a INR 409 milioni. Il settore tecnologico seguiva con INR 357 milioni, mentre le comunicazioni registravano una media di INR 345 milioni.

Questi divari settoriali contano perché ogni settore detiene dati diversi e affronta vincoli operativi differenti. Le organizzazioni finanziarie gestiscono inoltre obblighi normativi e servizi in cui le interruzioni hanno conseguenze immediate.

La violazione media in India non dovrebbe quindi diventare una stima universale per la pianificazione dei budget. Una specifica organizzazione deve considerare i propri dati, l'infrastruttura, l'esposizione legale e le dipendenze operative.

Anche l'espressione “attacco generato dall'AI” richiede interpretazione. Può comprendere tecniche diverse, dai contenuti di phishing generati al malware modificato con l'assistenza dell'AI.

Questa categoria non significa necessariamente che un sistema autonomo abbia pianificato ed eseguito l'intera violazione. Gli attaccanti umani continuano a scegliere i bersagli, verificare gli accessi e perseguire sistemi di valore.

Allo stesso modo, l'associazione tra shadow AI e un costo di INR 17,9 milioni non dimostra che ogni chatbot non autorizzato provochi una violazione. La shadow AI segnala un problema di visibilità e governance.

Le organizzazioni con un uso esteso non approvato possono anche avere processi di acquisto frammentati, una gestione debole degli accessi o policy sui dati poco chiare. Queste condizioni possono aumentare il rischio anche prima che l'AI entri nel flusso di lavoro.

Le cifre sui tempi richiedono la stessa cautela. Un'automazione estesa era correlata a un'identificazione 61 giorni più rapida, ma nei risultati indiani pubblicati il contenimento ha richiesto sei giorni in più.

Questa incoerenza dovrebbe restare visibile. Eliminarla trasformerebbe un set di dati ricco di sfumature in marketing.

L'interpretazione più solida non è che l'automazione garantisca una risposta più rapida in ogni fase. È che le organizzazioni che la utilizzano ampiamente hanno segnalato costi inferiori e un'identificazione complessivamente molto più precoce.

Anche il confronto globale complica la storia dell'India. IBM ha riportato un costo medio globale delle violazioni di USD 4,99 milioni, in aumento del 12 percento rispetto all'anno precedente.

Le violazioni abilitate dall'AI hanno registrato una media globale di circa USD 6 milioni. Tuttavia, differenze geografiche, normative, del lavoro e delle infrastrutture impediscono una conversione diretta in un parametro di riferimento indiano.

Per questo la copertura originale sui costi record funziona meglio come punto di partenza. Non dovrebbe essere il livello finale dell'analisi.

La conclusione più difendibile è che l'AI sia diventata un fattore misurabile nelle violazioni. Rafforza alcuni attacchi, crea nuovi percorsi di dati non gestiti e aiuta i difensori maturi a controllare i costi.

Resta incerto quanto ciascun meccanismo abbia contribuito al record dell'India. Le cifre pubbliche di IBM non forniscono una scomposizione causale dell'intero aumento annuale di INR 35 milioni.

I settori indiani più esposti affrontano pressioni diverse

Servizi finanziari, tecnologia e comunicazioni affrontano i costi medi più elevati, ma ciascun settore arriva a questo risultato attraverso rischi operativi differenti.

Le organizzazioni indiane dei servizi finanziari hanno registrato un costo medio per violazione di INR 409 milioni. Si trattava di INR 154 milioni in più rispetto alla media complessiva indiana.

Banche, assicurazioni, fornitori di pagamenti e piattaforme di investimento gestiscono identità, transazioni e registri altamente sensibili. Una compromissione può attivare contemporaneamente risposta tecnica, protezione dei clienti e attività normative.

Queste organizzazioni dipendono inoltre da reti complesse di fornitori e servizi. Una compromissione della catena di fornitura può aggirare controlli concentrati solo sugli attacchi esterni diretti.

Le istituzioni finanziarie non possono semplicemente disconnettere ogni sistema coinvolto senza considerare l'accesso dei clienti e la continuità delle transazioni. Questo vincolo può rendere il contenimento più costoso.

Le aziende tecnologiche hanno registrato la seconda media più elevata, pari a INR 357 milioni. Il loro rischio spesso va oltre i registri dei clienti e riguarda codice sorgente, credenziali, infrastruttura di sviluppo e servizi cloud connessi.

Un account di sviluppatore compromesso può esporre diversi ambienti. Un attaccante può passare da uno strumento di collaborazione a un repository, a un sistema di distribuzione o a un account cloud.

Gli strumenti AI aggiungono un ulteriore percorso perché gli sviluppatori li utilizzano per la generazione di codice, il debug e la documentazione. Codice sensibile o dati di configurazione possono uscire dai confini approvati attraverso un assistente non autorizzato.

Le aziende tecnologiche creano anche prodotti utilizzati da altre organizzazioni. Una compromissione può quindi trasformarsi in un evento della catena di fornitura che si estende oltre la vittima originaria.

Le organizzazioni delle comunicazioni hanno registrato una media di INR 345 milioni. Gestiscono infrastrutture che collegano clienti, imprese e servizi pubblici.

Una violazione può coinvolgere informazioni sugli abbonati, accesso alla rete o interruzioni del servizio. L'onere del ripristino aumenta quando un'organizzazione deve proteggere le prove mantenendo al contempo una connettività critica.

Queste differenze mostrano perché una sola policy generica di sicurezza AI sia insufficiente. Ogni settore necessita di controlli allineati ai propri sistemi più preziosi e ai percorsi di attacco più probabili.

Le organizzazioni finanziarie dovrebbero monitorare attentamente identità, autorizzazione delle transazioni e accessi di terze parti. Le aziende tecnologiche necessitano di una forte protezione attorno a repository, sistemi di build, segreti e identità cloud.

I fornitori di comunicazioni devono combinare salvaguardie per i dati dei clienti con la sicurezza operativa della rete. In tutti e tre i settori, i piani di risposta agli incidenti devono tenere conto della continuità del servizio.

Il phishing attraversa tutti questi ambienti perché ogni settore dipende dalla comunicazione umana. L'AI rende più facile personalizzare l'impersonificazione, ma le organizzazioni possono comunque ridurne l'impatto.

L'autenticazione resistente al phishing limita l'utilità delle password rubate. I controlli di accesso privilegiato riducono ciò che una singola identità compromessa può raggiungere.

La segmentazione della rete può impedire che una compromissione iniziale diventi un incidente esteso all'intera organizzazione. Procedure di risposta testate riducono l'incertezza quando i team devono agire rapidamente.

La segnalazione da parte dei dipendenti resta importante perché il rilevamento automatizzato non intercetterà ogni messaggio. Un lavoratore che segnala tempestivamente una richiesta sospetta può fornire il primo segnale affidabile.

La pressione su questi settori è sia immediata sia di lungo periodo. Le violazioni attuali aumentano i costi di risposta, mentre l'espansione dell'adozione dell'AI crea più applicazioni, identità e connessioni dati da governare.

I programmi di sicurezza devono quindi crescere insieme all'implementazione dell'AI aziendale. Aggiungere assistenti e agenti senza aggiornare i controlli su identità e dati amplia la superficie di attacco più rapidamente di quanto i difensori riescano a mapparla.

Tre segnali mostreranno se la curva dei costi sta cambiando

I dati sulle violazioni del prossimo anno dovrebbero rivelare se le organizzazioni indiane stanno convertendo la spesa programmata per la sicurezza in miglioramenti misurabili dei controlli.

Il primo segnale è l'adozione estesa dell'AI e dell'automazione per la sicurezza. IBM ha rilevato che solo il 32 percento delle organizzazioni indiane aveva raggiunto tale livello nel 2026.

Secondo quanto riportato, quasi il 73 percento prevedeva di rafforzare gli strumenti di sicurezza e la governance dopo aver subito una violazione. Le ricerche future dovrebbero mostrare se questa intenzione si tradurrà in un'implementazione più ampia.

Se l'adozione estesa aumenterà mentre i costi medi delle violazioni e i tempi di identificazione diminuiranno, l'argomentazione di IBM sull'automazione acquisirà sostegno. Se i costi continueranno a salire, la qualità dell'implementazione richiederà un esame più attento.

Le organizzazioni non dovrebbero considerare un singolo strumento di allerta come automazione matura. La misura utile è se i flussi di lavoro di rilevamento, indagine, controllo delle identità e risposta operano insieme.

Il secondo segnale è il costo e la diffusione della shadow AI. IBM l'ha collocata tra i tre principali fattori di aumento dei costi in India, aggiungendo INR 17,9 milioni laddove presente.

Una riduzione suggerirebbe che le organizzazioni stiano acquisendo visibilità sulle applicazioni dei dipendenti e sui dati connessi. Una crescita continua mostrerebbe che l'adozione sta ancora superando la governance.

La metrica importante non è semplicemente quanti strumenti AI utilizzino i dipendenti. È quanti gestiscano informazioni sensibili senza identità approvate, regole di conservazione o monitoraggio.

Le organizzazioni dovrebbero prestare attenzione alle applicazioni connesse tramite account personali. Dovrebbero inoltre tenere traccia delle funzionalità AI aggiunte al software esistente dopo la revisione di sicurezza originaria.

Il terzo segnale è l'equilibrio tra phishing e tecniche più nuove abilitate dall'AI. Il phishing è rimasto il principale vettore iniziale in India, al 19 percento, nonostante la rapida crescita degli attacchi assistiti dall'AI.

Se il phishing manterrà questa posizione, la protezione delle identità e la verifica da parte dei dipendenti resteranno le priorità difensive più pratiche. La spesa per la sicurezza AI non può sostituire queste fondamenta.

Se l'impersonificazione tramite deepfake, il malware abilitato dall'AI o gli attacchi contro i modelli AI aumenteranno bruscamente, i team di sicurezza avranno bisogno di controlli di rilevamento e accesso più specializzati.

Questo cambiamento rafforzerebbe l'argomento secondo cui l'AI sta modificando la struttura del panorama delle minacce. Quote stabili dei vettori di attacco suggerirebbero che stia principalmente accelerando metodi già noti.

I lettori che incontrano questa storia tramite Google News dovrebbero seguire queste tre misure anziché una sola media annuale. Il numero in evidenza descrive danni già subiti.

Gli indicatori più utili rivelano se le organizzazioni stanno riducendo il tempo di permanenza degli attaccanti, governando l'uso dell'AI e impedendo che una sola identità rubata raggiunga sistemi critici.

Per i leader tecnologici, l'azione immediata consiste nel confrontare ogni implementazione di AI aziendale con la relativa copertura di sicurezza. Chi possiede l'applicazione, a quali dati può accedere e quale identità autorizza le sue azioni?

Per i dipendenti e i knowledge worker, la domanda è altrettanto concreta. Esiste un flusso di lavoro approvato per le informazioni che vengono inserite in un sistema AI?

Il record indiano di INR 255 milioni non dimostra che le organizzazioni debbano ritirarsi dall'AI. Mostra che l'adozione senza visibilità crea costi, mentre l'automazione gestita può migliorare la posizione difensiva.

Il prossimo titolo su Google News non dovrebbe essere valutato solo in base al fatto che la media aumenti di nuovo. Occorre osservare se l'automazione estesa si espande, i costi della shadow AI diminuiscono e il phishing perde la sua posizione di porta d'accesso più facile.