Kai afferma che le minacce AI stanno imponendo un passaggio alla sicurezza guidata dalle macchine

Kai ha posto un conflitto diretto ai responsabili della sicurezza: gli attacchi abilitati dall'AI stanno accelerando, mentre la maggior parte delle difese aziendali continua a muoversi alla velocità degli esseri umani. L'azienda sostiene che gli agenti di sicurezza autonomi debbano svolgere una parte maggiore del lavoro di rilevamento, indagine e remediation senza attendere gli analisti a ogni passaggio.

L'argomento ha guadagnato visibilità attraverso Google News dopo che una copertura ha collegato il cambiamento nel panorama delle minacce al crescente interesse dei CISO per la sicurezza guidata dalle macchine. Eppure, lo sviluppo significativo non è un titolo o un altro prodotto di sicurezza AI. È la domanda emergente di software in grado di decidere cosa prioritizzare, raccogliere evidenze e intraprendere azioni difensive sui sistemi esistenti.

Questo modello mette in discussione il security operations center, o SOC, incentrato sugli analisti, dove le persone esaminano gli avvisi e autorizzano la maggior parte delle risposte più rilevanti. Solleva anche una questione più difficile. Se un difensore autonomo prende una decisione errata, chi può spiegarla, annullarla e assumersene la responsabilità?

Kai afferma che la sua piattaforma affronta il divario di velocità utilizzando agenti AI per eseguire attività di sicurezza su più workflow. Agenzie governative, indagini di settore e fornitori concorrenti supportano la conclusione più ampia secondo cui gli attacchi stanno diventando più rapidi. Non dimostrano però che una difesa pienamente autonoma sia pronta per un'implementazione senza restrizioni.

La pressione sui CISO si sta quindi muovendo in due direzioni. Devono ridurre i tempi di risposta dimostrando al contempo che le decisioni automatizzate restano controllate, tracciabili e legate al rischio aziendale.

Kai vende esecuzione, non un altro flusso di avvisi

La proposta centrale di Kai è che il software di sicurezza debba portare a termine il lavoro, anziché limitarsi a dire agli analisti dove guardare.

L'azienda è uscita dalla modalità stealth il 10 marzo 2026, con finanziamenti per 125 milioni di dollari. Evolution Equity Partners ha guidato l'investimento, con la partecipazione di N47 e investitori strategici. Kai descrive il proprio prodotto come una piattaforma di cybersecurity agentica, ovvero software in cui gli agenti possono ragionare sulle attività e compiere azioni orientate a obiettivi di sicurezza definiti.

Il lancio della piattaforma dell'azienda afferma che questi agenti possono operare su diversi casi d'uso anziché restare confinati in una singola e ristretta categoria di prodotto. Kai presenta la piattaforma come un'alternativa a workflow frammentati che comprendono threat intelligence, gestione dell'esposizione, detection engineering e remediation.

Questa distinzione conta perché i team di sicurezza aziendale raramente soffrono della completa assenza di segnali. Strumenti endpoint, scanner cloud, sistemi di identità, database delle vulnerabilità e piattaforme di informazioni di sicurezza producono già una grande quantità di dati. Il problema operativo è trasformare questi segnali in una sequenza di decisioni difendibile prima che un attaccante si sposti altrove.

Un workflow convenzionale spesso inizia con uno strumento che rileva un comportamento sospetto. Un analista controlla diverse console, raccoglie il contesto dell'asset, studia le vulnerabilità correlate e determina se l'evento sia rilevante. Un altro team potrebbe dover approvare una modifica di configurazione o una patch.

La sicurezza guidata dalle macchine cerca di comprimere questa sequenza. Un agente raccoglie le evidenze, valuta l'importanza dell'asset, raccomanda o esegue una risposta e verifica se l'azione abbia ridotto l'esposizione. Gli esseri umani stabiliscono policy, vincoli e regole di escalation invece di completare manualmente ogni passaggio.

Kai ha descritto un incidente della supply chain in cui il suo sistema è passato da nuove informazioni sulle minacce a una risposta di remediation nel giro di pochi minuti. Quel resoconto è un caso di studio aziendale, non un benchmark indipendente. Illustra il workflow previsto, ma non dimostra come la piattaforma si comporti in ambienti clienti eterogenei.

Anche la distinzione tra orchestrazione e autonomia richiede attenzione. L'orchestrazione della sicurezza esiste da anni e utilizza playbook predefiniti per collegare gli strumenti e automatizzare azioni ripetitive. I sistemi agentici promettono un ragionamento più flessibile quando un incidente non corrisponde a una sequenza fissa.

Questa flessibilità è al tempo stesso l'attrattiva e il rischio. Un playbook predefinito è limitato, ma il suo comportamento è relativamente prevedibile. Un agente AI può gestire evidenze non familiari, ma il suo ragionamento può essere più difficile da riprodurre durante un audit o la revisione di un incidente.

Kai sta quindi vendendo più di una semplice automazione più veloce. Sta chiedendo ai CISO di spostare una parte del giudizio operativo dalle code umane all'esecuzione software. Questo cambiamento crea la tensione principale dell'articolo: la stessa autonomia che riduce il tempo di risposta può rendere una risposta errata più rapida e più ampia.

Perché le minacce guidate dall'AI hanno cambiato l'orologio del CISO

Il caso a favore della difesa guidata dalle macchine inizia dal tempo, perché l'AI riduce il lavoro necessario per individuare, adattare e scalare un attacco.

L'AI non sostituisce ogni specialista coinvolto in un'intrusione sofisticata. Può comunque accelerare la ricognizione, la preparazione del phishing, l'analisi del codice, la ricerca sulle vulnerabilità e i test ripetuti. Gli attaccanti possono usare questi vantaggi per condurre più esperimenti contro più bersagli.

Una dichiarazione del giugno 2026 delle agenzie di cybersecurity dei Paesi Five Eyes ha reso questa tempistica particolarmente esplicita. Le agenzie hanno affermato che lo sviluppo di AI di frontiera implica che le ipotesi sul rischio cyber possano diventare obsolete in “mesi, non anni”.

L'avvertimento dei Five Eyes affermava che l'AI stava aumentando la portata e la velocità delle minacce cyber. Invitava le organizzazioni a ridurre le superfici di attacco, rafforzare i controlli di identità, affrontare le vulnerabilità legacy e accelerare il patching.

Queste raccomandazioni restano fondate su pratiche di sicurezza consolidate. L'AI non ha reso irrilevanti gli inventari degli asset, i controlli di accesso, i backup o la gestione delle patch. Ha aumentato il costo di eseguirli lentamente o in modo incoerente.

I responsabili della sicurezza devono affrontare anche una superficie di attacco più ampia perché le loro organizzazioni stanno implementando agenti AI. Questi sistemi possono accedere a documenti, repository di codice, registri dei clienti, piattaforme di messaggistica e servizi cloud. Ogni connessione crea un'altra identità e un altro percorso che i difensori devono monitorare.

Il linguaggio naturale introduce un'esposizione insolita. Un agente può ricevere istruzioni tramite prompt, documenti recuperati, email o contenuti web. Istruzioni malevole nascoste in materiale dall'aspetto affidabile possono tentare di reindirizzare il comportamento dell'agente, una tecnica comunemente chiamata prompt injection.

Ciò significa che i CISO devono difendersi dagli attaccanti assistiti dall'AI, proteggendo al contempo i sistemi AI interni che possono agire sui dati aziendali. I due problemi si incontrano nell'identità, nell'autorizzazione e nel monitoraggio runtime.

Le evidenze del settore pubblico mostrano quanto rapidamente questa responsabilità si stia espandendo. Uno studio del 2026 di NASCIO e Deloitte ha intervistato i CISO di tutti i 50 Stati USA e di due territori. Ha rilevato che il 94% era coinvolto nello sviluppo di policy di sicurezza per l'AI generativa, mentre l'84% partecipava alla strategia sull'AI generativa.

Solo il 26% ha dichiarato di essere estremamente o molto fiducioso che gli asset informativi del proprio Stato fossero protetti. Si tratta di un calo rispetto al 48% del 2022, secondo l'indagine sui CISO statali.

Le risorse non sono cresciute allo stesso ritmo. Deloitte ha riferito che il 22% dei CISO partecipanti ha ricevuto aumenti di budget pari ad almeno il 6% nel 2026. La quota corrispondente era del 40% nel 2024.

L'equazione che ne deriva favorisce l'automazione. I team di sicurezza hanno più sistemi, identità, vulnerabilità e responsabilità legate all'AI, ma non possono presumere una crescita proporzionale di personale o budget.

La copertura su Google News può far apparire tutto questo come una semplice competizione tra AI offensiva e AI difensiva. La realtà operativa è meno simmetrica. Gli attaccanti possono tollerare esperimenti falliti, mentre i difensori devono preservare disponibilità, evidenze, conformità e fiducia dei clienti.

Un agente malevolo può tentare migliaia di varianti e beneficiare di un solo successo. Un agente difensivo deve evitare di disabilitare un servizio critico, agendo al tempo stesso con sufficiente rapidità da fare la differenza. Questa differenza alza lo standard per la difesa autonoma ben oltre la pura capacità del modello.

La sicurezza guidata dalle macchine si scontra con la responsabilità umana

I CISO hanno bisogno che le macchine agiscano più rapidamente, ma non possono trasferire alla macchina la responsabilità quando una decisione automatizzata provoca danni.

Consideriamo un agente che identifica un account amministrativo compromesso. Potrebbe revocare l'accesso, isolare un dispositivo, ruotare le credenziali e bloccare l'attività di rete correlata. Queste azioni possono fermare un'intrusione, ma possono anche interrompere un sistema di produzione o bloccare un soccorritore durante un incidente.

Un analista umano affronta lo stesso compromesso. La differenza è la scala e la latenza. Una piattaforma autonoma può applicare una decisione su più sistemi prima che qualcuno esamini le ipotesi sottostanti.

Per questo i confini delle policy sono essenziali. Le organizzazioni devono definire quali azioni gli agenti possono intraprendere automaticamente, quali richiedono approvazione e quali devono restare indisponibili. I confini dovrebbero riflettere l'impatto sul business anziché un generico punteggio di confidenza.

Revocare un token di sviluppo temporaneo non equivale a spegnere un sistema di pagamento. Isolare il laptop di un dipendente non equivale a disabilitare un'identità condivisa utilizzata da centinaia di servizi. La sicurezza guidata dalle macchine richiede contesto su queste differenze.

Kai afferma che la sua piattaforma incorpora il valore aziendale nella prioritizzazione. Questa affermazione affronta una debolezza reale della gestione delle vulnerabilità, dove i team ricevono spesso lunghi elenchi senza sufficiente contesto operativo. Tuttavia, i clienti devono comunque verificare come la piattaforma rappresenti l'importanza degli asset, le dipendenze e l'interruzione accettabile.

Un agente necessita anche di evidenze affidabili. La telemetria di sicurezza può essere incompleta, ritardata, duplicata o contraddittoria. Una spiegazione sicura di sé generata da input deboli non diventa affidabile solo perché è fluente.

È qui che la sicurezza guidata dalle macchine si differenzia da un assistente d'ufficio generico. Un riepilogo discutibile di un documento fa perdere tempo. Un'azione di remediation discutibile può cancellare evidenze, interrompere cure, fermare la produzione o creare una nuova esposizione.

Il CISO deve quindi preservare una traccia di audit che risponda a diverse domande:

• Quali evidenze ha ricevuto l'agente?

• Quale policy ha autorizzato la sua azione?

• Quali alternative ha scartato?

• Quali sistemi e identità ha modificato?

• L'azione ha funzionato?

• L'organizzazione può ripristinare lo stato precedente?

Questi sono requisiti di governance, ma sono anche requisiti ingegneristici. Logging, controlli di approvazione, gestione delle identità, meccanismi di rollback e validazione indipendente devono essere integrati nel modello operativo.

La necessità di controllo è rafforzata dalle linee guida governative. Il Cyber AI Profile in bozza del NIST organizza il problema attorno a tre aree: proteggere i sistemi AI, utilizzare l'AI per la difesa cyber e prevenire gli attacchi abilitati dall'AI. Il framework considera l'AI sia come un asset sia come una capacità operativa che le organizzazioni devono governare.

Questo approccio non presume che l'azione autonoma sia intrinsecamente sicura o insicura. Chiede alle organizzazioni di identificare il rischio, proteggere i sistemi rilevanti, rilevare comportamenti anomali, rispondere e recuperare. Queste funzioni restano valide anche quando un agente AI svolge parte del lavoro.

I team di sicurezza possono iniziare con attività delimitate. Un agente potrebbe arricchire gli avvisi, correlare le identità, redigere logiche di rilevamento o identificare i probabili responsabili degli asset esposti. Può poi passare ad azioni reversibili entro soglie esplicite.

I cambiamenti ad alto impatto richiedono una soglia più elevata. Le organizzazioni hanno bisogno di simulazioni, test avversariali, distribuzioni graduali e prestazioni di rollback misurabili prima di concedere privilegi estesi.

Questo crea un limite pratico alla promessa della velocità delle macchine. L'approvazione umana può reintrodurre ritardi, soprattutto se è richiesta per ogni azione. Rimuovere l'approvazione aumenta il rischio operativo.

La risposta non è un'impostazione universale. I CISO devono suddividere il lavoro in base alle conseguenze. Le azioni di routine, reversibili e ben osservate sono candidate più adatte all'autonomia. I cambiamenti ambigui o potenzialmente dirompenti richiedono il giudizio umano.

Cosa non può dimostrare la copertura di Google News sulla difesa autonoma

Il passaggio verso una difesa più rapida è ben documentato, ma l'affermazione secondo cui le piattaforme autonome riducono costantemente il rischio aziendale resta insufficientemente dimostrata.

Kai ha un chiaro interesse commerciale nel presentare le operazioni a misura d'uomo come obsolete. Altri fornitori di sicurezza agentica condividono questo incentivo. La loro diagnosi può essere corretta nelle linee generali, mentre il livello di autonomia proposto resta non dimostrato.

Le prove pubbliche devono essere separate in tre livelli. Innanzitutto, l'AI sta aumentando la velocità o l'accessibilità di diversi compiti offensivi. Gli avvertimenti governativi e la ricerca sulla sicurezza sostengono questa conclusione.

In secondo luogo, l'automazione può ridurre il lavoro manuale nel rilevamento e nella risposta. L'orchestrazione della sicurezza, il machine learning e il contenimento automatizzato ne forniscono già esempi. Non è una tesi nuova né controversa.

In terzo luogo, una piattaforma agentica può ragionare in modo indipendente attraverso flussi di lavoro complessi e produrre risultati di rischio migliori rispetto agli strumenti consolidati e ai team umani. Questa è l'affermazione più forte e richiede prove più solide.

Una valutazione credibile dovrebbe misurare più degli avvisi elaborati o delle ore risparmiate agli analisti. Dovrebbe includere qualità del rilevamento, tassi di contenimento errato, tempi di ripristino, dipendenze mancate, violazioni delle policy e percentuale di azioni successivamente annullate.

I clienti hanno inoltre bisogno di confronti con alternative realistiche. Una piattaforma guidata dalle macchine dovrebbe essere testata rispetto ad analisti esperti che utilizzano automazione moderna, non rispetto a un processo artificialmente manuale.

Il materiale disponibile su Kai contiene affermazioni sul prodotto e descrizioni dei clienti, ma le valutazioni pubbliche e riproducibili in modo indipendente restano limitate. L'articolo di Google News che ha dato origine a questa discussione non colma, da solo, tale lacuna nelle prove.

I risultati dei sondaggi richiedono analoga cautela. Un sondaggio può mostrare che i CISO avvertono pressione o intendono adottare l'AI. Non può dimostrare che una particolare architettura autonoma funzioni in sicurezza in produzione. Campionamento, formulazione delle domande, composizione settoriale e seniority dei rispondenti possono influenzare materialmente il risultato.

L'argomento scettico più forte non è che gli esseri umani debbano mantenere ogni compito. Tale posizione ignora i problemi di velocità e organico che i team di sicurezza già affrontano. L'argomento più solido è che l'autonomia debba guadagnarsi i privilegi attraverso le prove.

Anche le difese esistenti contano. Piattaforme endpoint, fornitori di sicurezza cloud, vendor di identità e sistemi di informazioni sulla sicurezza stanno aggiungendo agenti a prodotti già distribuiti nelle aziende. Kai deve dimostrare perché un nuovo livello unificato possa coordinare questi ambienti meglio degli operatori storici che estendono le proprie piattaforme.

Gli operatori storici hanno vantaggi in termini di telemetria e distribuzione. Un fornitore che gestisce già l'endpoint vede l'attività dei processi. Un provider cloud comprende il proprio control plane. Una piattaforma di identità possiede i segnali di autenticazione e accesso.

Un agente multipiattaforma può offrire un contesto più ampio, ma deve integrarsi con ogni fonte e rispettare le autorizzazioni di ciascun sistema. La qualità dell'integrazione può determinare se il ragionamento unificato sia davvero completo o soltanto un'altra astrazione sopra dati incompleti.

La concentrazione presso un fornitore presenta un'altra preoccupazione. Una piattaforma autorizzata a ispezionare e modificare più domini di sicurezza diventa un obiettivo di grande valore. La compromissione delle sue credenziali, dei modelli, della pipeline di aggiornamento o del livello delle policy potrebbe offrire a un aggressore un accesso insolitamente ampio.

I CISO dovrebbero esaminare come il sistema separa i dati dei clienti, protegge le identità degli agenti, limita le credenziali, convalida gli aggiornamenti e gestisce i guasti del modello. Dovrebbero inoltre chiedere se i flussi di lavoro principali continuino a funzionare quando il modello o il servizio del fornitore diventa indisponibile.

Esiste un ulteriore rischio umano. Gli analisti che si affidano pesantemente a conclusioni generate possono perdere le competenze necessarie per metterle in discussione. I team possono accettare la spiegazione di un agente perché sembra coerente, soprattutto durante un incidente ad alta pressione.

Questa modalità di fallimento ricorda il bias dell'automazione nell'aviazione, nella medicina e in altri campi ad alte conseguenze. Il sistema appare abbastanza spesso competente da far sì che le persone smettano di notare i casi limite in cui sbaglia.

La sicurezza guidata dalle macchine richiede pertanto una supervisione umana attiva, non un'approvazione cerimoniale. I team devono testare l'agente, riesaminare decisioni campionate, studiare i quasi incidenti e aggiornare le policy quando gli ambienti cambiano.

Il messaggio che emerge dalla ricerca consolidata sulla sicurezza è coerente. L'AI può rafforzare i difensori, ma non compensa fondamenta deboli. Un'analisi di SecurityInfoWatch ha analogamente evidenziato il rilevamento assistito dall'AI, la risposta automatizzata, il monitoraggio continuo e la gestione delle vulnerabilità.

Nessuna di queste capacità elimina la necessità di inventari accurati, accessi segmentati, configurazioni sicure o operatori preparati. Un'organizzazione che non riesce a identificare i propri sistemi critici faticherà a indicare a un agente autonomo che cosa meriti protezione.

La lettura più difendibile è quindi più circoscritta rispetto all'affermazione di marketing. I flussi di lavoro guidati dalle macchine stanno diventando necessari perché le code umane non possono elaborare ogni segnale alla velocità degli attacchi. Un giudizio delle macchine pienamente affidabile non ne è seguito automaticamente.

Tre segnali mostreranno se la tesi di Kai regge

La prossima fase sarà decisa dall'autonomia misurabile, dalle risposte degli operatori storici e dai controlli che i regolatori si aspettano sulle azioni delle macchine.

Il primo segnale è l'evidenza in produzione. Kai e i suoi clienti devono pubblicare risultati che distinguano l'esecuzione autonoma dalla normale automazione.

Prove utili mostrerebbero con quale frequenza gli agenti intraprendono azioni indipendenti, quale percentuale ha successo e quanto spesso gli esseri umani le annullano. Dovrebbero separare l'arricchimento a basso rischio dalla correzione con conseguenze rilevanti.

Il tempo medio di rilevamento e il tempo medio di risposta restano rilevanti, ma non sono sufficienti. Un sistema può migliorare il tempo di risposta intraprendendo azioni eccessivamente aggressive. Le misurazioni devono includere interruzioni del servizio, contenimenti errati e incidenti mancati.

Le valutazioni indipendenti avrebbero più peso delle testimonianze selezionate dei clienti. Test ripetibili in ambienti cloud, endpoint, identità e software rivelerebbero se il ragionamento agentico si generalizza oltre implementazioni configurate con attenzione.

Il secondo segnale è il modo in cui i fornitori di sicurezza consolidati riprogettano i propri prodotti. Se i provider di endpoint, cloud, identità e SIEM attribuiranno agli agenti un'autorità più ampia, le operazioni guidate dalle macchine diventeranno un cambiamento esteso alle piattaforme anziché una rivendicazione di categoria di Kai.

La concorrenza si concentrerà quindi su contesto e controllo. I fornitori dovranno dimostrare quale sistema disponga delle prove migliori, delle autorizzazioni più sicure, delle spiegazioni più chiare e del rollback più affidabile.

Questa risposta potrebbe rafforzare la tesi di Kai indebolendone al contempo la posizione di mercato. L'adozione dell'esecuzione autonoma da parte degli operatori storici convaliderebbe il modello, ma i clienti potrebbero preferire agenti integrati negli strumenti di cui già si fidano.

In alternativa, le aziende potrebbero favorire un livello di coordinamento neutrale perché gli attacchi si spostano oltre i confini tra fornitori. Questo esito sosterrebbe l'argomento di Kai a favore di un ragionamento unificato nell'intero stack di sicurezza.

Il terzo segnale è la governance. Le linee guida del NIST, i requisiti assicurativi, gli standard di approvvigionamento e i regolatori settoriali determineranno quanta autorità indipendente le organizzazioni potranno concedere agli agenti di sicurezza.

Le regole decisive riguarderanno tracciabilità, supervisione umana, test e responsabilità. Requisiti per decisioni documentate e azioni reversibili favorirebbero le piattaforme progettate attorno a un'autonomia vincolata.

Regole che richiedono l'approvazione per la maggior parte dei cambiamenti sostanziali limiterebbero il vantaggio di velocità. Non eliminerebbero la sicurezza agentica, ma ne sposterebbero il valore verso indagine, definizione delle priorità e risposta raccomandata.

I CISO dovrebbero inoltre monitorare i dati stessi sulle minacce. ISACA ha riferito nel giugno 2026 che il 35 percento delle organizzazioni europee intervistate non riusciva a stabilire se avesse subito un attacco informatico basato sull'AI. Ha inoltre rilevato che il 71 percento riteneva più difficile riconoscere phishing e social engineering basati sull'AI.

Questi risultati sulle minacce AI evidenziano un problema di misurazione. Le organizzazioni non possono giustificare un ampio controllo autonomo basandosi soltanto sul timore di attacchi che non riescono a classificare in modo affidabile.

Una migliore attribuzione sarà importante. I team di sicurezza devono distinguere gli attacchi creati dall'AI, gli attacchi soltanto accelerati dall'automazione e gli attacchi convenzionali contro sistemi AI. Ogni categoria può richiedere una difesa diversa.

Il SOC del futuro probabilmente combinerà macchine e persone anziché scegliere una delle due. Gli agenti gestiranno correlazione ad alto volume, raccolta delle prove e risposta delimitata. Gli esseri umani definiranno le policy, indagheranno le ambiguità, approveranno le azioni gravi e gestiranno le conseguenze.

Questa distribuzione può comunque rappresentare un cambiamento significativo. Gli analisti dedicherebbero meno tempo a spostare dati tra console e più tempo a verificare ipotesi o gestire incidenti insoliti.

L'intuizione più forte di Kai è che aggiungere un altro avviso non sia più sufficiente. I prodotti di sicurezza devono contribuire a colmare il divario tra conoscere un'esposizione e ridurla.

Il suo onere irrisolto è dimostrare che l'esecuzione autonoma possa farlo senza creare una nuova fonte di rischio sistemico. Finanziamenti, visibilità e attenzione su Google News non rispondono a questa domanda. Lo faranno le prove operative.

I responsabili della sicurezza che valutano questo cambiamento dovrebbero scegliere un flusso di lavoro circoscritto e richiedere valori di riferimento chiari. Misurino il ritardo attuale, la qualità delle azioni, la frequenza delle revoche e l'impatto sul business prima di concedere autorità a un agente.

Poi pongano la domanda più importante: il sistema riduce il rischio verificato preservando il controllo umano quando le prove sono incomplete? La sicurezza guidata dalle macchine diventerà duratura quando i fornitori sapranno rispondere con dati, non soltanto con urgenza.