Nove aziende su dieci affrontano una crisi del traffico bot mentre gli agenti AI offuscano il confine
PYMNTS ha riferito che l'89,5% delle aziende intervistate considera problematico il traffico bot, nonostante una crescente fiducia nella propria capacità di distinguere gli agenti utili dalle minacce. Il titolo di google news restituisce la portata del fenomeno, ma il problema più profondo non è semplicemente il numero di bot. Le aziende devono ora distinguere l'automazione dannosa dal software che agisce per clienti legittimi.
Questa distinzione sta diventando più difficile man mano che gli agenti AI iniziano a cercare prodotti, gestire account e avviare acquisti. Un agente per gli acquisti e un bot antifrode possono svolgere azioni simili a velocità comparabili. Bloccare ogni visitatore automatizzato ridurrebbe il rischio, ma rifiuterebbe anche nuove forme di commercio legittimo.
Il conflitto si sta spostando da umani contro bot ad agenti autorizzati contro automazione non affidabile. I controlli esistenti sono stati progettati per riconoscere persone, dispositivi e account. Non sono stati progettati per stabilire se un software disponga dell'autorizzazione ad agire per una persona specifica.
Il sondaggio rileva un problema diffuso di traffico bot
La gestione dei bot è diventata una sfida operativa comune, non una preoccupazione circoscritta ai team di cybersecurity.
Il dato proviene da uno studio di PYMNTS Intelligence realizzato con Trulioo, società specializzata nella verifica dell'identità. Il rapporto completo sul sondaggio ha esaminato le risposte di 350 dirigenti aziendali.
Gli intervistati operavano in ambiti quali conformità, frodi, gestione del rischio, sottoscrizione, acquisizione fornitori e monitoraggio dei merchant. Le loro aziende erano attive in diversi mercati geografici e fasce di fatturato.
PYMNTS ha condotto il sondaggio tra il 1° agosto e il 10 settembre 2025. È emerso che l'89,5% delle organizzazioni considerava la gestione del traffico bot almeno leggermente impegnativa.
La maggior parte delle aziende ha collocato il problema nelle categorie lieve o moderata. Tuttavia, solo circa una su dieci ha affermato che il traffico bot non rappresentava alcuna difficoltà.
Il sondaggio ha inoltre rilevato che il 52,3% delle organizzazioni ha registrato un aumento del traffico bot nell'anno precedente. Meno del 10% ha dichiarato che i volumi erano rimasti stabili.
Il risultato è importante perché mostra cambiamenti in entrambe le direzioni. Alcune aziende hanno registrato meno traffico, mentre la maggioranza ha dovuto affrontarne una crescita. Pochissime hanno riscontrato un contesto invariato.
Il sondaggio non dimostra che ogni aumento abbia riguardato attività dannose. Il traffico bot include crawler di ricerca, servizi di monitoraggio, scraper commerciali, assistenti rivolti ai clienti e automazione ostile.
È proprio questa popolazione eterogenea a rendere significativo il risultato. Più automazione non significa automaticamente più frodi, ma aumenta il numero di interazioni che richiedono una decisione di fiducia.
Un sistema di sicurezza può sottoporre a verifica un software sconosciuto o bloccarlo direttamente. Tuttavia, queste risposte diventano costose quando un agente autorizzato sta cercando di completare la richiesta di un cliente.
Il sondaggio ha misurato questo costo attraverso i falsi positivi, ossia transazioni digitali legittime erroneamente identificate come sospette. Le grandi imprese hanno riportato un tasso di falsi positivi del 3,3%.
Le aziende con ricavi annui compresi tra 50 e 250 milioni di dollari hanno riportato un tasso inferiore, pari al 2,7%. La differenza appare ridotta finché non viene applicata a milioni di transazioni.
Su questa scala, una frazione di punto percentuale può coinvolgere molti clienti. Può inoltre generare costi di assistenza, acquisti abbandonati e verifiche dell'identità ripetute.
L'originale elenco di google news ha inquadrato il dato come una difficoltà nella gestione del traffico. I dati sottostanti mostrano un problema più ampio che coinvolge identità, autorizzazione, frodi ed esperienza del cliente.
Le aziende non stanno semplicemente decidendo se una richiesta provenga da un software. Stanno decidendo se quel software rappresenti un utente affidabile e disponga dell'autorizzazione a eseguire l'azione richiesta.
Perché gli agenti AI legittimi alzano la posta in gioco
L'ascesa degli agenti AI utili rende commercialmente rischiosa una politica di sicurezza basata sul blocco preventivo.
Le difese tradizionali contro i bot spesso iniziano con una classificazione binaria. Una richiesta viene trattata come umana o automatizzata, quindi consentita, sottoposta a verifica, limitata o bloccata.
Questo approccio funziona quando l'automazione rientra in categorie note. Un crawler di ricerca dichiarato può essere consentito, mentre un bot di credential stuffing riceve un blocco immediato.
L'AI agentica indebolisce questa semplice divisione. Un agente AI è un software in grado di intraprendere una sequenza di azioni verso un obiettivo definito dall'utente.
Queste azioni possono includere il confronto tra prodotti, la verifica della disponibilità, la compilazione di moduli o la gestione di un abbonamento. Un agente potrebbe anche accedere a un account autenticato o avviare un pagamento.
Il comportamento può assomigliare a un abuso. Sia il software utile sia quello dannoso possono navigare rapidamente, seguire percorsi prevedibili, inviare moduli e effettuare richieste ripetute.
HUMAN Security ha rilevato che il traffico proveniente da agenti AI e browser agentici è cresciuto del 7.851% su base annua. Il suo benchmark sul traffico ha analizzato oltre un quadrilione di interazioni osservate nel 2025.
Secondo quel dataset, il traffico mensile guidato dall'AI è cresciuto del 187% tra gennaio e dicembre. I crawler per l'addestramento rappresentavano ancora il 67,5% del volume osservato di bot AI.
Tuttavia, i sistemi agentici avevano iniziato a spingersi oltre la semplice lettura delle pagine. HUMAN ha riferito che il 77% dell'attività agentica si verificava sulle pagine di prodotto e di ricerca.
Un ulteriore 8,8% compariva nelle pagine dell'account, mentre il 5% raggiungeva i flussi di autenticazione. Le pagine di checkout rappresentavano il 2,3% dell'attività agentica osservata.
Queste percentuali mostrano perché le aziende commerciali affrontano una pressione immediata. Gli agenti stanno raggiungendo le stesse superfici sensibili prese di mira dalle operazioni di acquisizione degli account e frode nei pagamenti.
La questione di sicurezza cambia quindi a ogni fase. Leggere una pagina prodotto pubblica comporta un rischio diverso dal modificare un indirizzo all'interno di un account autenticato.
Un rivenditore potrebbe accogliere favorevolmente un agente che confronta i prodotti disponibili. Lo stesso rivenditore necessita di prove più solide prima di consentire a quell'agente di riscattare valore memorizzato o modificare le informazioni di pagamento.
Le grandi imprese sembrano particolarmente esposte. Lo studio PYMNTS ha rilevato che il 57% delle aziende con almeno 1 miliardo di dollari di ricavi ha subito incidenti o perdite legati a bot o agenti.
La percentuale comparabile tra le aziende più piccole era del 32%. Il sondaggio non dimostra che le dimensioni aziendali abbiano causato tali incidenti.
Le organizzazioni più grandi gestiscono generalmente più siti, account, mercati e flussi di pagamento. Rappresentano inoltre obiettivi più preziosi e processano più interazioni nelle quali può verificarsi un errore di classificazione.
Questo crea pressione su più dipartimenti. I team di sicurezza vogliono meno attacchi riusciti, mentre i team dei ricavi vogliono meno clienti rifiutati.
I responsabili della conformità necessitano di controlli dell'identità difendibili. I team di prodotto vogliono che gli agenti accedano a funzionalità utili senza acquisire un'autorità eccessiva.
I lettori che seguono la storia tramite google news non dovrebbero interpretarla come prova che tutti gli agenti AI siano insicuri. Il conflitto riguarda l'assenza di segnali di fiducia, non la sola automazione.
Il vero confronto è tra autorizzazione e deduzioni comportamentali
Le aziende devono verificare l'autorità di un agente, invece di dedurne l'intento soltanto dalla velocità e dal comportamento di navigazione.
Il rilevamento comportamentale cerca segnali associati all'automazione o agli abusi. Questi possono includere frequenze di richiesta insolite, navigazione scriptata, incoerenze del dispositivo e ripetuti fallimenti di autenticazione.
Questi segnali restano preziosi. Possono rivelare attacchi su larga scala, identificare sessioni sospette e attivare verifiche più rigorose.
Tuttavia, il comportamento non può sempre spiegare chi abbia autorizzato un agente. Un assistente legittimo e un bot ostile possono produrre modelli tecnici simili.
Questo è il conflitto centrale dell'articolo. Le aziende possono continuare a formulare ipotesi basandosi sul comportamento oppure costruire sistemi che verifichino l'autorità delegata.
PYMNTS e Trulioo descrivono questo secondo approccio come “Know Your Agent”, o KYA. Il termine si riferisce a controlli che identificano un attore automatizzato e lo collegano a un'autorità verificata.
KYA estende i framework di identità già noti. Know Your Customer verifica l'individuo, mentre Know Your Business verifica un'organizzazione commerciale.
La verifica dell'agente aggiunge un ulteriore livello. Chiede quale software stia agendo, gli interessi di chi rappresenti e quali azioni tale soggetto abbia approvato.
La catena è importante perché un agente affidabile può comunque operare per conto di un account compromesso. Un utente verificato può inoltre concedere a un agente un accesso più ampio del previsto.
Controlli utili richiedono quindi più di un nome di bot riconoscibile. Devono stabilire un collegamento tra utente, agente, azione richiesta e limiti applicabili.
Tali limiti potrebbero riguardare il valore della transazione, la categoria del merchant, l'orario, la località o l'accesso ai dati. Un utente potrebbe autorizzare la ricerca di prodotti senza autorizzare un acquisto.
Un altro utente potrebbe consentire un ordine domestico ricorrente, ma vietare modifiche all'account. La decisione corretta dipende dal contesto, non semplicemente dall'identità dell'agente.
Questo modello assomiglia all'accesso delegato già utilizzato nei sistemi software. Le applicazioni ricevono comunemente autorizzazioni circoscritte invece delle credenziali complete di un utente.
Il commercio agentico estende questo principio alla navigazione e alle transazioni. La parte difficile consiste nel preservare l'autorizzazione attraverso diverse aziende e sistemi tecnici.
L'assistente dell'utente, il provider di identità, il merchant, la piattaforma antifrode e la rete di pagamento potrebbero tutti vedere porzioni diverse dell'interazione. Nessun singolo partecipante dispone automaticamente del registro completo della fiducia.
Questa frammentazione costringe le aziende ad affidarsi a indizi indiretti. Un user agent noto, un indirizzo di rete stabile o una richiesta firmata possono essere utili, ma ogni segnale presenta limiti.
Gli aggressori possono imitare le caratteristiche dei browser e alternare reti residenziali. Possono anche compromettere account legittimi o abusare di integrazioni autorizzate.
La soluzione non consiste in un unico punteggio universale per i bot. È una decisione stratificata che combina identità, scopo dichiarato, autorizzazione, comportamento e rischio della transazione.
Questo cambiamento influenza anche l'analisi dei dati. Una pagina prodotto visualizzata da un agente non rappresenta né una visita umana convenzionale né necessariamente traffico privo di valore.
L'agente potrebbe confrontare opzioni per un cliente che non visita mai direttamente il sito. I sistemi di analisi devono collegare la ricerca automatizzata agli acquisti successivi senza presumere che ogni richiesta sia fraudolenta.
Questa sfida riguarda anche l'editoria e la ricerca. Google News, i crawler di ricerca convenzionali, i bot di addestramento e gli answer engine servono scopi diversi, anche quando raccolgono pagine simili.
Le aziende necessitano di policy che riflettano tali differenze. Un'azienda potrebbe accogliere l'indicizzazione, limitare l'addestramento dei modelli e consentire agenti transazionali solo dopo l'autenticazione.
La fiducia è alta, ma le prove mostrano lacune
La fiducia delle imprese nel rilevamento dei bot si accompagna a disagio ai casi di perdita e ai tassi di falsi positivi riportati.
Più di nove grandi imprese su dieci hanno dichiarato a PYMNTS di sentirsi sicure nella distinzione tra bot dannosi e bot utili. La sola fiducia non dimostra che i loro controlli funzionino in modo affidabile.
Lo stesso gruppo ha riportato tassi di incidenti più elevati rispetto alle aziende più piccole. Le grandi imprese hanno inoltre registrato il più alto tasso di falsi positivi del sondaggio.
Questi risultati non sono necessariamente contraddittori. Un'azienda può ottenere risultati migliori dei concorrenti pur perdendo denaro su una scala assoluta maggiore.
Può anche disporre di solidi strumenti di rilevamento ma operare in sistemi più complessi. Ogni accesso aggiuntivo, API, controllata e percorso di pagamento crea un ulteriore possibile punto debole nei controlli.
Tuttavia, il contrasto merita attenzione. I partecipanti al sondaggio erano responsabili di frodi, conformità, rischio e funzioni correlate.
Le loro risposte riflettono valutazioni professionali, non un test indipendente dell’accuratezza di rilevamento. Le aziende potrebbero inoltre definire in modo diverso incidenti, traffico bot e agenti utili.
Il report è stato prodotto con un fornitore di identità digitale, il che gli conferisce competenze pertinenti e una prospettiva commerciale. I lettori dovrebbero considerare le sue raccomandazioni come un quadro informato, non come uno standard tecnico neutrale.
Dati indipendenti sul traffico confermano la tendenza più ampia. Imperva ha riportato che il traffico automatizzato ha superato l’attività umana nel 2024.
La sua ricerca sui bad bot ha classificato il 37% del traffico internet globale come bot dannosi. Un altro 14% proveniva da good bot, lasciando agli esseri umani il 49%.
Imperva ha inoltre rilevato che i bot di livello moderato e avanzato rappresentavano il 55% degli attacchi bot. Questi programmi tentano di imitare browser reali e comportamenti degli utenti.
Gli attacchi semplici ad alto volume sono comunque aumentati dal 40% al 45% degli attacchi bot. Un accesso più facile all’automazione consente a operatori meno esperti di generare traffico dannoso su larga scala.
Il report ha rilevato che il 44% del traffico dei bot avanzati prendeva di mira le application programming interfaces. Le API sono connessioni strutturate che consentono al software di scambiare dati o attivare funzioni.
Questo focus è importante per i sistemi agentici. Un agente può usare un sito web, ma agenti commerciali efficienti cercheranno spesso un accesso API diretto.
Le API possono supportare un’autenticazione più forte e autorizzazioni definite. Possono anche esporre funzioni aziendali di alto valore quando l’autorizzazione è incompleta.
Le condizioni del settore variano notevolmente. Imperva ha rilevato che i bad bot rappresentavano il 59% del traffico retail e il 41% del traffico nel settore viaggi durante il 2024.
Retail e viaggi offrono anche obiettivi di valore. Gli aggressori automatizzati possono accaparrarsi inventario, testare carte rubate, estrarre prezzi o impossessarsi di account fedeltà.
Allo stesso tempo, questi settori si prestano bene agli agenti legittimi. I clienti traggono vantaggio quando il software può confrontare tariffe, monitorare prezzi o comporre un acquisto.
Questa sovrapposizione significa che le aziende non possono ottimizzare soltanto per il più alto tasso di blocco. Un sistema che rifiuta ogni interazione incerta potrebbe ridurre gli attacchi misurabili nascondendo però domanda persa.
Anche l’opposto è pericoloso. Un’impresa che consente agli agenti di operare senza autorizzazioni chiare può esporre account, pagamenti e informazioni dei clienti.
La stima di quasi 100 miliardi di dollari del sondaggio combina perdite dovute a frodi e rifiuti accidentali di transazioni legittime. Questa cifra va letta con cautela.
Si tratta di una stima del settore, non di un totale verificato delle aziende intervistate. Le categorie misurano inoltre forme diverse di danno.
La frode rappresenta un’azione ostile riuscita. Un falso positivo rappresenta un’azione difensiva che ha danneggiato un’interazione legittima.
Considerarle insieme evidenzia il compromesso centrale. Controlli rigidi possono creare perdite commerciali, mentre controlli permissivi possono creare perdite di sicurezza.
L’obiettivo non è il massimo attrito o il minimo attrito. È una decisione più accurata sull’autorità in ogni passaggio sensibile.
Google News evidenzia un cambiamento più ampio nell’economia dei bot
Il problema dei bot si sta ampliando perché il traffico automatizzato comporta ormai sia rischi ostili sia un potenziale valore commerciale.
Per anni, molte organizzazioni hanno considerato i bot una questione di sicurezza dei siti web. I team di sicurezza gestivano scraping, attacchi alle credenziali, abuso dell’inventario e attività di denial-of-service.
Gli agenti AI ampliano la conversazione alla distribuzione e ai ricavi. Un visitatore automatizzato potrebbe portare l’intenzione di acquisto di un cliente senza generare una visualizzazione di pagina convenzionale.
Akamai ha riportato che i bot AI generavano il 47,9% del traffico commerciale nella sua rete entro dicembre 2025. Le sue rilevazioni sulla sicurezza del commercio hanno posto il settore al centro della pressione delle frodi agentiche.
Akamai ha inoltre affermato che le organizzazioni del commercio hanno categorizzato oltre il 90% dell’attività dei bot AI a fini di monitoraggio. Hanno lasciato passare senza restrizioni circa tre quarti dell’attività rimanente.
Il monitoraggio può essere una prima risposta sensata quando le classificazioni restano incerte. Consente alle aziende di osservare i comportamenti prima di applicare regole che potrebbero bloccare agenti utili.
Tuttavia, l’osservazione passiva lascia esposizione quando l’automazione sospetta raggiunge funzioni di account o pagamento. Le aziende hanno bisogno di politiche che cambino man mano che un’interazione diventa più sensibile.
Le pagine pubbliche possono tollerare un accesso più ampio. Autenticazione, metodi di pagamento salvati, saldi fedeltà e recupero dell’account richiedono maggiore affidabilità.
Questa progressione basata sul rischio offre una via di mezzo pratica. Evita di trattare ogni richiesta automatizzata come ugualmente pericolosa.
Evita inoltre di concedere ampia fiducia a un agente semplicemente perché è gestito da un’azienda nota. Un servizio legittimo può essere configurato in modo errato, compromesso o utilizzato oltre l’autorizzazione del cliente.
La concentrazione degli operatori crea un’ulteriore complicazione. HUMAN ha attribuito circa il 69% del traffico osservato guidato dall’AI nel 2025 agli user agent di OpenAI.
Meta rappresentava circa il 16%, mentre Anthropic circa l’11%. Gli operatori identificati rimanenti generavano collettivamente meno del 5%.
Queste misurazioni provengono dalla base clienti di HUMAN, quindi non rappresentano l’intero internet. Tuttavia, illustrano come le decisioni relative a pochi operatori possano modellare l’esposizione complessiva all’AI.
Un commerciante potrebbe creare regole per gli agenti riconosciuti dei principali fornitori. Tuttavia, l’identità del fornitore non risponde alla domanda se una specifica transazione disponga dell’approvazione dell’utente.
Gli agenti più piccoli o self-hosted pongono un’ulteriore sfida. Bloccare ogni agente sconosciuto favorirebbe le grandi piattaforme e limiterebbe la concorrenza.
Consentirli senza una forte verifica aumenterebbe il rischio di frode. Standard aperti per l’identità e le autorizzazioni delegate potrebbero ridurre questo conflitto.
Google News offre un’analogia utile, pur non essendo un agente transazionale. Gli editori possono identificare crawler di ricerca familiari e decidere come i loro contenuti appaiono nei sistemi di scoperta.
Il commercio ha bisogno di una versione più evoluta di questa relazione. Un negozio deve capire non soltanto chi richiede informazioni, ma anche cosa l’agente può fare in seguito.
Il cambiamento influenza la strategia aziendale. Le aziende che rifiutano agenti legittimi potrebbero sparire dalla scoperta di prodotti o dagli acquisti mediati dall’AI.
Le aziende che accettano gli agenti con troppa libertà potrebbero assorbire frodi, costi di scraping e analisi inquinate. Nessuno dei due estremi offre un modello operativo duraturo.
Cosa dovrebbero osservare le aziende in seguito
La prossima fase dipende da credenziali verificabili degli agenti, autorizzazioni più ristrette e prove che questi controlli riducano sia le frodi sia i falsi positivi.
Il primo segnale è l’adozione di metodi portabili di identità e autorizzazione degli agenti. I commercianti hanno bisogno di credenziali che possano verificare senza creare connessioni personalizzate per ogni fornitore AI.
Tali credenziali dovrebbero identificare l’operatore e collegare l’agente a un utente. Dovrebbero inoltre esprimere un ambito limitato per l’azione richiesta.
L’adozione rafforzerebbe le ragioni a favore dei controlli basati su KYA. Approcci frammentati o proprietari lascerebbero le aziende dipendenti dall’inferenza comportamentale.
Il secondo segnale è un cambiamento misurabile nei tassi di falsi positivi. Il sondaggio PYMNTS ha stabilito un tasso del 3,3% tra le grandi imprese e del 2,7% tra le aziende più piccole.
Studi futuri dovrebbero mostrare se la verifica continua riduce tali cifre. Dovrebbero inoltre separare le transazioni umane da quelle di agenti autorizzati.
Un tasso di rifiuto più basso senza un aumento delle frodi sosterrebbe l’approccio incentrato sull’identità. Una riduzione dell’attrito accompagnata da perdite crescenti lo indebolirebbe.
Il terzo segnale riguarda il modo in cui i principali commercianti gestiscono gli agenti al login e al checkout. La scoperta pubblica di prodotti è già un’attività comune degli agenti, ma le azioni sensibili restano limitate.
Osservate i commercianti che pubblicano regole chiare per l’accesso degli agenti e requisiti di autorizzazione. Osservate anche le comunicazioni su takeover degli account, test delle carte e controversie legate agli agenti.
Questi sviluppi riveleranno se il commercio agentico diventerà un canale affidabile o un ulteriore livello di automazione non gestita.
Le aziende non devono attendere uno standard universale prima di migliorare i controlli. Possono mappare il traffico automatizzato e separare la navigazione pubblica dalle azioni sensibili sugli account.
Possono definire quali agenti sono consentiti, quali prove tali agenti devono presentare e quali azioni richiedono la conferma dell’utente.
Le aziende dovrebbero inoltre evitare di usare un unico punteggio bot su ogni superficie digitale. Una richiesta a un catalogo pubblico e una modifica del metodo di pagamento non comportano rischi comparabili.
La verifica continua può rivalutare la fiducia durante una sessione. Può considerare identità, dispositivo, comportamento, contesto della transazione e autorizzazione richiesta.
Questo approccio richiede comunque moderazione. Una maggiore raccolta di dati può creare problemi di privacy e conformità, soprattutto quando le aziende non riescono a spiegare le proprie decisioni.
I controlli automatizzati contro le frodi dovrebbero prevedere percorsi di revisione e ricorso. I clienti hanno bisogno di un modo per recuperare quando una transazione legittima viene contestata.
I responsabili della sicurezza dovrebbero inoltre verificare se i controlli producono esiti diseguali tra località, dispositivi o strumenti di accessibilità. Un tasso globale di falsi positivi più basso può nascondere danni concentrati.
Per i knowledge worker che seguono questo cambiamento, la qualità delle fonti conta quanto la visibilità dei titoli. Un risultato di google news può far emergere un’affermazione importante, ma la metodologia sottostante ne determina il valore.
Il dato PYMNTS è significativo perché include un campione definito, un periodo di rilevazione e misure dettagliate. Rappresenta comunque risposte a un sondaggio, anziché osservazioni dirette del traffico di rete.
Imperva, HUMAN e Akamai forniscono dati osservativi, ma ciascuna osserva il traffico attraverso la propria rete di clienti. Le loro percentuali non dovrebbero essere combinate in un unico conteggio universale dei bot.
Nel loro insieme, le fonti supportano una conclusione più circoscritta. Il traffico automatizzato è in crescita, i bot dannosi restano rilevanti e gli agenti legittimi stanno entrando in flussi di lavoro sensibili.
L’incertezza rimanente riguarda la qualità dei controlli. Le aziende devono dimostrare di poter accogliere software autorizzato senza creare una nuova via per la frode.
Questa prova verrà dai risultati, non dai sondaggi sulla fiducia. Saranno più importanti minori tassi di incidenti, meno clienti rifiutati e autorizzazioni degli agenti tracciabili.
I lettori che incontrano un altro titolo sensazionalistico di google news sui bot dovrebbero porsi tre domande. Quale traffico è stato misurato, come è stato classificato e quale azione aziendale ha raggiunto?
Queste domande separano il rumore generale di internet da un autentico rischio operativo. Rivelano inoltre se un’organizzazione sa riconoscere l’autorità anziché limitarsi a rilevare l’automazione.
I prossimi mesi mostreranno se le aziende andranno oltre il vecchio modello “bot o non bot”. Se lo faranno, la verifica degli agenti potrà diventare parte dell’infrastruttura di identità digitale.
In caso contrario, le aziende continueranno a scegliere tra due errori costosi. Ammetteranno automazione ostile oppure bloccheranno software che porta un’intenzione legittima del cliente.
