Il costo medio delle violazioni dei dati in India raggiunge un record mentre la sicurezza dell'AI resta indietro

IBM ha quantificato il crescente divario dell'India nella sicurezza dell'AI: il costo medio per un'organizzazione di una violazione dei dati ha raggiunto 220 milioni di INR nel 2025. Il dato, ora riemerso nella copertura di Google News, rappresenta un aumento del 13 percento rispetto al 2024 e un record per l'India.

La tempistica rende il dato ancora più preoccupante. Le aziende indiane stanno rapidamente adottando strumenti di AI generativa, flussi di lavoro automatizzati e identità macchina. Eppure, secondo i risultati IBM per l'India, solo il 37 percento delle organizzazioni intervistate disponeva di controlli di accesso all'AI.

Ciò significa che circa una su tre disponeva dei controlli necessari per regolare chi o cosa potesse accedere ai sistemi di AI. Quasi il 60 percento era privo di una policy di governance dell'AI o la stava ancora sviluppando.

Il risultato non è una semplice competizione tra aziende e aggressori sempre più capaci. Il conflitto centrale si trova all'interno dell'impresa: rapida adozione dell'AI contro una lenta governance della sicurezza.

Ricerche più recenti suggeriscono che l'esposizione abbia continuato ad ampliarsi. Le applicazioni AI ora custodiscono credenziali, interrogano database sensibili, gestiscono servizi cloud e attivano azioni aziendali. I team di sicurezza devono difendere sia il sistema AI sia tutto ciò a cui può accedere.

Google News riporta l'attenzione sul costo record delle violazioni in India

Il record indiano delle violazioni mostra che una risposta più rapida agli incidenti non ha fermato l'aumento dei danni finanziari.

IBM ha pubblicato i suoi risultati per l'India il 7 agosto 2025. L'azienda ha dichiarato che il costo medio totale di una violazione per le organizzazioni è aumentato da 195 milioni di INR nel 2024 a 220 milioni di INR.

L'aumento si è verificato nonostante le organizzazioni abbiano ridotto il ciclo di vita medio delle violazioni. IBM definisce tale ciclo come il tempo necessario per identificare e contenere un incidente, incluso il ripristino dei servizi.

Il ciclo di vita medio in India è sceso a 263 giorni, 15 giorni in meno rispetto al 2024. Il miglioramento è rilevante, ma 263 giorni lasciano comunque agli aggressori un lungo periodo per esplorare i sistemi, raccogliere credenziali e raggiungere dati di valore.

L'apparente contraddizione è al centro della vicenda. Le aziende individuano e contengono le violazioni prima, eppure il costo medio continua a crescere.

Ciò può accadere quando ogni giorno di esposizione diventa più costoso. Le imprese ora collegano dati tra servizi cloud, piattaforme software, interfacce di programmazione delle applicazioni e strumenti AI. Una singola identità compromessa può attraversare diversi di questi sistemi.

I dati IBM sulle violazioni in India identificano inoltre i settori con il maggiore impatto finanziario. Le organizzazioni di ricerca hanno registrato il costo medio più elevato, pari a 289 milioni di INR.

I trasporti seguono a breve distanza, con 288 milioni di INR. Le organizzazioni industriali hanno registrato una media di 264 milioni di INR, dopo aver guidato la classifica settoriale del Paese nel 2024.

Questi settori combinano informazioni di valore con attività che non possono rimanere offline a lungo. Le organizzazioni di ricerca custodiscono proprietà intellettuale e dataset sensibili. Le aziende di trasporto dipendono dalla disponibilità continua di sistemi di prenotazione, logistica e operativi.

Gli ambienti industriali aggiungono un'ulteriore complicazione. La loro tecnologia collega spesso le reti aziendali alle apparecchiature operative, dove le decisioni di contenimento possono interrompere processi fisici.

I metodi di accesso più comuni restano familiari. Il phishing ha rappresentato il 18 percento delle violazioni studiate in India. La compromissione di terze parti e della supply chain ha rappresentato il 17 percento, mentre lo sfruttamento delle vulnerabilità il 13 percento.

Questa ripartizione mette in discussione l'idea che costi record richiedano un attacco AI altamente specializzato. Gli aggressori possono ancora entrare tramite un'email, un fornitore o un'applicazione non aggiornata.

L'AI cambia ciò che accade attorno a questi metodi consolidati. Può migliorare i messaggi di phishing, automatizzare la ricognizione, elaborare informazioni rubate e aiutare gli aggressori a replicare tecniche su più bersagli.

Google News è il canale di scoperta dell'ultimo titolo, non la fonte originale dei numeri. IBM e il Ponemon Institute hanno prodotto la ricerca alla base dei dati.

Questa distinzione è importante perché l'aggregazione può appiattire diversi risultati in un'unica affermazione eclatante. Le evidenze supportano un costo medio record e un grave divario nella preparazione. Non dimostrano che ogni violazione del campione sia stata causata dall'AI.

L'adozione dell'AI cresce più rapidamente dei controlli di accesso

Il rischio più immediato deriva dal concedere ai sistemi AI l'accesso prima che le organizzazioni possano inventariare, limitare e monitorare tale accesso.

L'AI aziendale non è più confinata in una finestra di chat isolata. Le aziende collegano i modelli a repository di documenti, registri dei clienti, ambienti di sviluppo, piattaforme di messaggistica e strumenti di amministrazione cloud.

Ogni connessione crea un nuovo percorso verso i dati. Crea inoltre un'altra identità, token, account di servizio, plugin o autorizzazione che qualcuno deve governare.

IBM ha rilevato che solo il 37 percento delle organizzazioni in India ha dichiarato di disporre di controlli di accesso all'AI. I controlli di accesso determinano quali utenti e sistemi possono raggiungere un'applicazione, quali azioni possono eseguire e quali dati possono recuperare.

L'assenza di tali controlli non produce automaticamente una violazione. Aumenta però il danno potenziale dopo la compromissione di un account, un token o un'integrazione AI.

Anche la governance è incompleta. Quasi il 60 percento delle organizzazioni colpite da violazioni in India era privo di una policy di governance dell'AI o la stava ancora sviluppando.

Tra le organizzazioni dotate di policy, solo il 34 percento utilizzava tecnologie di governance dell'AI. Una policy scritta può definire i comportamenti consentiti, ma l'applicazione tecnica determina se i sistemi la rispettano.

Questo divario diventa più significativo man mano che le aziende distribuiscono agenti. Un agente AI è un software in grado di selezionare ed eseguire azioni attraverso strumenti connessi, spesso con un coinvolgimento umano limitato.

Il software tradizionale segue solitamente una sequenza definita. Un agente può decidere quale strumento chiamare, quali informazioni recuperare e come procedere in base a input variabili.

Questa flessibilità crea valore, ma complica anche le autorizzazioni. Un agente potrebbe necessitare dell'accesso a un database, di un token cloud, di un account email e di un'integrazione con un sistema di ticketing per completare un singolo flusso di lavoro.

Concedere all'agente un accesso permanente a ogni sistema connesso è comodo. Crea anche un bersaglio concentrato.

La Cloud Security Alliance ha riferito nell'aprile 2026 che l'82 percento delle imprese intervistate aveva scoperto agenti AI precedentemente sconosciuti nei propri ambienti. Il suo sondaggio sugli agenti AI ha coinvolto 418 professionisti IT e della sicurezza.

Il sessantacinque percento ha segnalato almeno un incidente legato agli agenti AI nell'anno precedente. Tra tali incidenti, il 61 percento ha riguardato l'esposizione di dati, il 43 percento ha causato interruzioni operative e il 35 percento ha prodotto perdite finanziarie.

Il sondaggio è stato commissionato e finanziato da Token Security, che ha co-sviluppato il questionario. Questo coinvolgimento commerciale merita di essere dichiarato e i risultati non dovrebbero essere trattati come una misurazione esatta di ogni impresa.

Ciononostante, i risultati descrivono un problema di governance riconoscibile. I responsabili della sicurezza potrebbero credere di poter vedere le proprie implementazioni AI, mentre agenti sconosciuti restano attivi in script, strumenti di sviluppo, piattaforme SaaS o automazioni interne.

Lo stesso studio ha rilevato che solo il 21 percento disponeva di processi formali per dismettere gli agenti. Un agente abbandonato può conservare le credenziali anche dopo la fine del progetto originale.

Ciò crea quello che il rapporto definisce debito di dismissione. L'azienda smette di utilizzare il flusso di lavoro, ma le sue autorizzazioni restano disponibili per un aggressore o un dipendente non autorizzato.

Gli account umani creano già problemi simili quando l'accesso sopravvive a un cambio di ruolo. L'AI aggiunge molte più identità non umane, spesso create più rapidamente e documentate con minore attenzione.

Per le imprese indiane, ciò amplia il problema delle violazioni oltre il blocco dei prompt malevoli. I team di sicurezza devono sapere quali agenti esistono, chi ne è responsabile, quali credenziali detengono e quando tali credenziali dovrebbero scadere.

La shadow AI trasforma la praticità in un moltiplicatore di costi

Il compromesso fondamentale è tra velocità e controllo: i dipendenti ottengono produttività immediata mentre l'azienda perde visibilità su dove viaggiano le sue informazioni.

Per shadow AI si intendono le applicazioni AI utilizzate senza approvazione o supervisione da parte del dipartimento tecnologico di un'organizzazione. Può includere chatbot pubblici, estensioni del browser, assistenti per riunioni, strumenti di programmazione e agenti interni non autorizzati.

I dipendenti raramente adottano questi strumenti con l'intenzione di provocare una violazione. Di solito vogliono riassumere un documento, analizzare un foglio di calcolo, preparare una presentazione o accelerare un'attività ripetitiva.

Il problema di sicurezza inizia quando materiale riservato entra in un servizio che l'azienda non ha esaminato. I team potrebbero non sapere come il servizio archivia i prompt, gestisce i file caricati o separa i dati dei clienti.

IBM ha identificato la shadow AI come uno dei tre maggiori fattori di costo delle violazioni in India. La sua presenza ha aggiunto 17,9 milioni di INR al costo medio di una violazione.

Eppure, solo il 42 percento delle organizzazioni intervistate disponeva di policy per gestire l'AI o rilevare la shadow AI. Questo lascia molte aziende incapaci di misurare l'attività associata a uno dei loro principali fattori di costo segnalati.

Bloccare ogni servizio AI difficilmente risolverà il problema. I dipendenti possono passare ad account personali, browser non gestiti o dispositivi mobili, rendendo l'attività più difficile da osservare.

Una risposta praticabile richiede alternative approvate e confini applicabili. I dipendenti dovrebbero sapere quali strumenti possono utilizzare, quali informazioni restano vietate e come richiedere un'integrazione esaminata.

L'organizzazione necessita inoltre di visibilità tecnica. Ciò include la scoperta di applicazioni non autorizzate, il monitoraggio dei trasferimenti di dati e l'identificazione di accessi insoliti da parte di account umani e macchina.

La classificazione dei dati diventa essenziale in questo contesto. La classificazione assegna alle informazioni un livello di sensibilità affinché i sistemi possano applicare regole diverse a dati pubblici, interni, riservati e regolamentati.

Senza classificazione, un'azienda non può distinguere in modo affidabile una descrizione innocua di un prodotto dai registri di identità dei clienti. Potrebbe applicare lo stesso controllo debole a entrambi.

Il rapporto sulle minacce del 2026 di Thales mostra quanto sia diventato diffuso quel problema di visibilità. Solo il 34 percento delle organizzazioni intervistate sapeva dove risiedessero tutti i propri dati.

Solo il 39 percento poteva classificarli completamente. Il rapporto ha inoltre rilevato che il 47 percento dei dati cloud sensibili restava non crittografato.

Si tratta di risultati globali, non di misurazioni limitate all'India. Tuttavia, spiegano perché l'adozione dell'AI aumenta la pressione sui controlli dei dati.

Un modello o un agente può recuperare informazioni solo attraverso l'accesso che riceve. Tuttavia, autorizzazioni eccessive consentono a un singolo sistema compromesso di raggiungere materiale che avrebbe dovuto restare al di fuori del suo compito.

Thales ha riferito che il 61 percento delle organizzazioni ha dichiarato che gli aggressori prendevano di mira le proprie applicazioni AI. I dati sensibili erano il bersaglio principale.

La stessa ricerca ha rilevato che il 67 percento delle organizzazioni che avevano subito attacchi cloud citava il furto di credenziali come la principale tecnica di attacco contro l'infrastruttura di gestione cloud.

Le credenziali includono password, chiavi API, token di sessione e altri segreti che dimostrano che un'identità può accedere a un sistema. I flussi di lavoro AI dipendono fortemente da questi segreti leggibili dalle macchine.

Un token cloud rubato può essere più utile di un attacco sofisticato al modello stesso. Può fornire accesso diretto a storage, database, risorse di calcolo o funzioni amministrative.

Ecco perché la shadow AI non è soltanto una questione di policy per i dipendenti. Fa parte di un problema più ampio di gestione delle identità e dei dati.

Le aziende hanno bisogno di un registro affidabile degli strumenti approvati, delle fonti informative connesse, dei proprietari dei sistemi e delle decisioni di accesso. Una base di conoscenza consultabile può aiutare i team tecnici a preservare questo contesto operativo.

La documentazione da sola non può imporre la sicurezza, ma una documentazione carente rallenta il contenimento. I responsabili della risposta perdono tempo quando non riescono a identificare il proprietario di un agente, le fonti dei dati o le credenziali.

Lo scenario costoso è quindi facile da comprendere. Un dipendente collega uno strumento non sottoposto a revisione, lo strumento riceve ampi privilegi di accesso e l'integrazione persiste senza monitoraggio.

Un aggressore non deve sconfiggere una difesa AI progettata con cura. Deve solo trovare la credenziale dimenticata che la circonda.

Il paradosso della sicurezza AI sta diventando sempre più difficile da ignorare

L'AI sta ampliando la superficie d'attacco, ma al tempo stesso sta diventando uno degli strumenti più efficaci disponibili per ridurre i costi delle violazioni.

Le conclusioni di IBM non supportano una semplice posizione anti-AI. Le organizzazioni che utilizzano ampiamente AI e automazione nella sicurezza hanno registrato risparmi significativi rispetto a quelle che non le utilizzano.

A livello globale, IBM ha associato l'uso esteso di AI e automazione per la sicurezza a un risparmio medio di 1,9 milioni di USD. In India, l'azienda ha affermato che questi strumenti hanno ridotto i costi delle violazioni di oltre la metà.

Nonostante questo vantaggio, il 73% degli intervistati in India ha dichiarato di utilizzare in modo limitato o di non utilizzare affatto AI e automazione per la sicurezza.

La stessa famiglia di tecnologie compare quindi su entrambi i lati dell'equazione delle violazioni. L'AI aziendale gestita in modo inadeguato aumenta l'esposizione, mentre l'AI per la sicurezza ben governata aiuta i difensori a identificare e contenere gli attacchi.

L'AI per la sicurezza può correlare gli avvisi, rilevare comportamenti insoliti delle identità, individuare dati esposti e stabilire le priorità degli incidenti. Può ridurre il tempo che gli analisti trascorrono a classificare segnali ripetitivi.

L'automazione può inoltre isolare un dispositivo, revocare un token o bloccare una connessione sospetta più rapidamente di quanto un team umano riesca a coordinare manualmente tali azioni.

Tuttavia, l'automazione difensiva necessita di confini. Un sistema di rilevamento in grado di disabilitare account o modificare policy di rete comporta rischi operativi se la sua decisione è errata.

Le aziende dovrebbero distinguere tra azioni automatizzate a basso rischio e modifiche ad alto impatto che richiedono una revisione. La raccolta di prove può essere automatica, mentre lo spegnimento di un servizio di produzione può richiedere l'approvazione umana.

La Cloud Security Alliance ha rilevato che il 53% delle organizzazioni intervistate consentiva agli agenti di operare autonomamente su attività a basso rischio, con revisione umana per le azioni a rischio più elevato. Un ulteriore 24% utilizzava la revisione umana per la maggior parte delle attività.

Solo il 13% ha segnalato modelli pienamente autonomi. Questi risultati suggeriscono che la maggior parte dei team di sicurezza riconosce già che l'autonomia dovrebbe dipendere dalle conseguenze di un'azione.

La sfida consiste nell'applicare questo principio con coerenza. Reparti diversi possono creare agenti senza adottare le stesse categorie di rischio, regole di logging o requisiti di approvazione.

L'AI offre inoltre scala agli aggressori. I sistemi generativi possono produrre varianti di messaggi, tradurre truffe, adattare l'ingegneria sociale ed elaborare documenti rubati più rapidamente.

Thales ha rilevato che quasi il 60% delle aziende intervistate aveva subito attacchi basati su deepfake. Il 48% ha riportato danni reputazionali collegati a disinformazione o impersonificazione generate dall'AI.

I deepfake sono contenuti audio, video o immagini sintetici progettati per imitare una persona reale. Il loro valore per gli aggressori deriva spesso dall'inganno dell'identità, più che dalla novità tecnica.

Un messaggio vocale convincente può fare pressione su un dipendente affinché trasferisca informazioni, reimposti credenziali o aggiri un normale processo di approvazione. L'attacco dipende comunque da una verifica debole.

I bot guidati dall'AI aggiungono un ulteriore problema di scala. Thales ha riportato nell'aprile 2026 che il traffico automatizzato rappresentava oltre la metà dell'attività internet, con il 40% classificato come malevolo.

Le sue conclusioni sui bad bot descrivono API e sistemi di identità come obiettivi principali. I bot possono testare ripetutamente le credenziali o abusare dei flussi di lavoro aziendali senza utilizzare un payload malware convenzionale.

Questi risultati aiutano a spiegare perché un singolo prodotto difensivo non colmerà il divario. L'aggressore può combinare l'automazione con debolezze note nelle identità, nei fornitori, nelle configurazioni cloud e nel comportamento dei dipendenti.

Il confronto appropriato è tra AI governata e AI non governata, non tra AI e assenza di AI.

I sistemi difensivi governati ricevono autorizzazioni definite, accesso ai dati monitorato, procedure di risposta testate e proprietari responsabili. I sistemi non governati crescono per comodità e rimangono difficili da inventariare.

I team di sicurezza devono anche verificare se l'AI migliori effettivamente il rilevamento anziché aggiungere un altro dashboard. Uno strumento che genera più avvisi senza migliorare le decisioni può aumentare il carico di lavoro degli analisti.

I report sponsorizzati dai fornitori offrono un ulteriore motivo di cautela. IBM vende prodotti di sicurezza e governance, mentre Thales vende tecnologie per l'identità e la protezione dei dati.

I loro dati possono rivelare schemi utili, ma non dimostrano in modo indipendente che l'acquisto di una piattaforma specifica produrrà i risparmi riportati.

Le organizzazioni dovrebbero convalidare le affermazioni rispetto alla propria cronologia degli incidenti. Tra le metriche utili rientrano il tempo di rilevamento, il tempo di contenimento, le tipologie di incidenti ricorrenti, l'età delle credenziali e la percentuale di dati sensibili coperti dalla crittografia.

Il paradosso ha una risposta pratica. Le aziende dovrebbero usare l'AI dove migliora risultati di sicurezza misurabili, negando al contempo a ogni sistema AI accessi non necessari e permanenti.

Cosa non dimostra il costo record

Le prove mostrano un serio divario di governance, ma non stabiliscono l'AI come causa diretta del costo medio record delle violazioni in India.

Il limite più importante è l'attribuzione. IBM ha affermato che le violazioni legate all'AI rappresentavano una piccola parte delle organizzazioni globali nella popolazione oggetto della sua ricerca.

Il report del 2025 ha studiato per la prima volta la governance dell'AI, gli incidenti di sicurezza legati all'AI e la shadow AI. Ciò fornisce una base iniziale, non una tendenza storica consolidata.

Il titolo può quindi sovrastimare il collegamento tra gli attacchi AI e il record dei costi in India. Phishing, compromissione della supply chain e sfruttamento delle vulnerabilità sono rimasti i principali vettori iniziali.

L'AI può rafforzare questi attacchi, ma i dati pubblicati per l'India non quantificano quanti incidenti di phishing abbiano utilizzato l'AI generativa. Non mostrano neppure che l'AI abbia causato l'intero aumento del 13%.

Il costo medio introduce un altro limite. Un piccolo numero di incidenti molto costosi può far salire una media, soprattutto nei settori ad alto impatto.

La cifra non dovrebbe essere interpretata come una previsione secondo cui ogni azienda indiana perderà 220 milioni di INR. Si tratta di una media tra le organizzazioni studiate da IBM e Ponemon.

Anche i confronti tra report richiedono cautela. IBM, Thales e la Cloud Security Alliance hanno utilizzato campioni, date, domande e definizioni differenti.

Un incidente correlato all'AI in un sondaggio può includere un agente non autorizzato. Un altro report può concentrarsi sulla perdita di dati, sull'accesso al modello o su un attacco potenziato dall'AI.

Combinare le loro percentuali in un unico punteggio di preparazione sarebbe fuorviante. I report sono più utili come prova di problemi ricorrenti nei controlli.

Questi problemi ricorrenti includono inventari incompleti, governance degli accessi debole, dati non classificati, credenziali persistenti e monitoraggio limitato.

Anche la formulazione “una su tre” richiede precisione. IBM ha rilevato che il 37% delle organizzazioni in India disponeva di controlli di accesso per l'AI. È vicino a una su tre, ma i controlli di accesso non costituiscono una misura completa della preparazione informatica.

Un'azienda può disporre di un prodotto per il controllo degli accessi e configurarlo comunque in modo inadeguato. Un'altra organizzazione può non avere una piattaforma di controllo AI dedicata, pur applicando restrizioni efficaci attraverso sistemi di identità esistenti.

La preparazione comprende prevenzione, rilevamento, contenimento, ripristino, comunicazione e risposta normativa. Nessuna singola percentuale di un sondaggio cattura tutti e sei questi aspetti.

Anche la catena delle fonti merita attenzione. Google News aggrega e classifica link di editori, ma non convalida in modo indipendente ogni statistica presente in un titolo.

I lettori dovrebbero ricondurre le principali affermazioni allo studio sottostante. In questo caso, la pubblicazione primaria di IBM supporta la cifra record di 220 milioni di INR, la cifra del 37% relativa ai controlli di accesso e il dato sui costi della shadow AI.

Anche la metodologia dell'azienda fornisce contesto. IBM afferma che la sua ricerca Cost of a Data Breach ha esaminato quasi 6.500 violazioni in 20 anni.

Questa lunga storia conferisce valore allo studio, ma i campioni annuali non sono un censimento di ogni incidente pubblicamente noto. Le organizzazioni disposte a partecipare possono differire da quelle che non lo sono.

La ricerca dei fornitori può anche enfatizzare problemi allineati ai prodotti del fornitore. Ciò non rende false le conclusioni, ma rende importante una misurazione indipendente.

I dati normativi, le richieste di indennizzo assicurativo, le comunicazioni aziendali e i registri di risposta agli incidenti potrebbero fornire ulteriori verifiche. La rendicontazione pubblica in India rimane disomogenea, il che limita i confronti.

Il quadro normativo indiano sulla privacy in evoluzione migliorerà nel tempo la quantità di informazioni strutturate sulle violazioni. Le Digital Personal Data Protection Rules sono state notificate nel novembre 2025 con un calendario di applicazione graduale.

Le DPDP rules includono requisiti riguardanti le misure di sicurezza e la notifica delle violazioni. Molte disposizioni sostanziali hanno date di entrata in vigore posticipate.

Le organizzazioni non dovrebbero confondere la pubblicazione con l'applicazione immediata di ogni obbligo. Devono associare ciascun requisito alla relativa data di inizio applicabile.

Lo scetticismo non cancella l'avvertimento centrale. Lo precisa.

Il costo medio record delle violazioni in India è reale nell'ambito dello studio IBM. Anche il divario di governance dell'AI è documentato. Ciò che rimane incerto è la quota esatta del danno finanziario direttamente causata da attacchi abilitati dall'AI.

Tre segnali indicheranno se l'India sta colmando il divario

Il prossimo banco di prova sarà verificare se le aziende tradurranno la preoccupazione in un controllo misurabile su identità, dati e risposta agli incidenti.

Il primo segnale è la copertura dei controlli di accesso per applicazioni e agenti AI. La cifra del 37% di IBM fornisce una chiara base di riferimento per le organizzazioni indiane.

Il numero dovrebbe aumentare man mano che le imprese inventariano i propri sistemi AI e li collegano a controlli centralizzati delle identità. I progressi dovrebbero includere utenti umani, account di servizio, plugin, modelli e agenti autonomi.

Una cifra più elevata rafforzerebbe l'idea che le organizzazioni stiano colmando il divario tra adozione e governance. Una cifra stagnante suggerirebbe che le nuove implementazioni AI continuano a superare il lavoro sulla sicurezza.

Le aziende dovrebbero misurare più della semplice esistenza di un controllo. Dovrebbero monitorare quante identità AI hanno proprietari nominati, autorizzazioni limitate, scadenza delle credenziali e monitoraggio continuo.

Dovrebbero inoltre verificare se gli agenti inattivi vengono rimossi. Agenti sconosciuti o abbandonati possono mantenere l'accesso molto tempo dopo la scomparsa del loro scopo aziendale.

Il secondo segnale è il rapporto tra il ciclo di vita delle violazioni e l'impatto finanziario. L'India ha ridotto il proprio ciclo di vita medio a 263 giorni, ma il costo medio è comunque aumentato.

Un'ulteriore riduzione sarebbe incoraggiante solo se anche i costi e l'interruzione operativa iniziassero a diminuire. Un rilevamento più rapido che avviene dopo che gli aggressori hanno raggiunto sistemi critici può produrre risparmi limitati.

Le organizzazioni dovrebbero separare il tempo di rilevamento dal tempo di contenimento. Dovrebbero inoltre monitorare il ripristino, la notifica ai clienti, le attività legali e le perdite di business.

Queste misure rivelano dove i costi continuano ad accumularsi. Un’azienda può rilevare rapidamente un incidente, ma impiegare mesi per ricostruire i sistemi o convalidare l’integrità dei dati.

Le simulazioni periodiche possono mettere in luce questi ritardi prima di una violazione reale. L’esercitazione dovrebbe coinvolgere dirigenti, responsabili tecnici della risposta, team legali, personale addetto alle comunicazioni e unità aziendali interessate.

Un piano di risposta archiviato ma mai testato offre poche prove di preparazione. I team devono sapere chi può revocare le credenziali, isolare i sistemi, contattare le autorità di regolamentazione e comunicare con i clienti.

Il terzo segnale è l’attuazione dei requisiti indiani in materia di protezione dei dati. Il quadro DPDP sposta la gestione delle violazioni da una preoccupazione tecnica verso un più ampio obbligo di responsabilità.

Le organizzazioni devono seguire attentamente il calendario di entrata in vigore notificato. Durante la transizione, dovrebbero predisporre le misure di salvaguardia, i registri e i processi di notifica necessari per l’applicazione futura.

L’indicatore più solido sarà la prova operativa. Le aziende dovrebbero essere in grado di identificare i dati interessati, stabilire chi li ha ricevuti, documentare il contenimento e notificare le parti richieste.

Ciò dipende dalla scoperta e dalla classificazione dei dati prima che inizi un incidente. Un’azienda non può fornire una valutazione affidabile di una violazione se non ha mai mappato le proprie informazioni.

Questi preparativi normativi dovrebbero estendersi anche ai fornitori. La compromissione della supply chain ha rappresentato il 17 per cento dei vettori iniziali nelle rilevazioni IBM in India.

Un’azienda può proteggere i propri sistemi mentre un fornitore di servizi mantiene accessi eccessivi o procedure di incidente deboli. I contratti dovrebbero definire responsabilità di sicurezza, obblighi di notifica e requisiti probatori.

Le prospettive più ampie restano contrastanti. Gli attaccanti dispongono ora di automazione più economica, strumenti di impersonificazione più convincenti e un numero crescente di identità macchina da colpire.

Anche i difensori dispongono di un rilevamento migliore, analisi più rapide e contenimento più automatizzato. Il fattore decisivo è se le organizzazioni implementeranno queste capacità con una governance applicabile.

La media record di INR 220 milioni conterà meno se diventerà un picco anziché l’inizio di una tendenza. Questo risultato richiede che le aziende riducano sia la frequenza delle violazioni sia il danno possibile dopo che si è ottenuto l’accesso.

Per i leader aziendali, la domanda immediata è concreta: l’organizzazione può elencare oggi ogni sistema di IA in grado di accedere a dati sensibili?

Se la risposta richiede una lunga indagine, il divario di preparazione rimane aperto. Se l’inventario è aggiornato, le autorizzazioni sono limitate e i piani di risposta sono testati, l’azienda è andata oltre un avviso di Google News verso un controllo difendibile.