I finanziamenti di Pluto Security raggiungono 42 milioni di dollari mentre l'AI creata dai dipendenti supera i controlli aziendali

Pluto Security è uscita dalla fase stealth con 42 milioni di dollari dopo aver scoperto che le applicazioni AI create dai dipendenti possono generare rischi seri prima che i team di sicurezza se ne accorgano. I finanziamenti di Pluto Security combinano un round seed da 8,5 milioni di dollari e un Series A da 34 milioni di dollari guidato da Jump Capital. Trasformano inoltre un problema familiare sul posto di lavoro in un'urgente questione di sicurezza: chi controlla il software quando quasi ogni dipendente può crearlo?

L'azienda afferma che un nuovo strumento AI può comparire in un ambiente aziendale entro due ore. Aggiunge che i non sviluppatori hanno creato applicazioni collegate a circa il 60% dei rischi rilevati nella sua base clienti. I team finanziari hanno generato la quota maggiore, seguiti dai reparti marketing e legale.

Questo schema cambia la tradizionale mappa della sicurezza. In passato gli sviluppatori controllavano la maggior parte della creazione di software, mentre i team di sicurezza esaminavano sistemi e percorsi di distribuzione prevedibili. Strumenti per la creazione AI, assistenti di coding, estensioni e agenti distribuiscono ora questa attività nell'intera forza lavoro.

Pluto non è la sola a scommettere sul fatto che i controlli esistenti lascino importanti lacune. Reco, WitnessAI, Prompt Security e altri fornitori perseguono parti adiacenti della sicurezza AI aziendale. I loro crescenti round di finanziamento suggeriscono che gli investitori si aspettino che l'attività degli agenti diventi un mercato di sicurezza distinto, non un'altra funzionalità integrata negli strumenti consolidati.

I finanziamenti di Pluto Security sostengono un livello di controllo più ampio

Il finanziamento è rilevante perché Pluto vende un livello di controllo per attività che i prodotti di sicurezza convenzionali non sono stati progettati per interpretare.

Pluto ha annunciato il suo lancio pubblico il 13 ottobre 2026. Il finanziamento include un round seed guidato da TLV Partners e un Series A guidato da Jump Capital. Hanno partecipato anche Skinos, Ansa Capital e diversi fondatori di società di cybersecurity e angel investor.

L'azienda ha iniziato a vendere ad aprile e ha già superato i 2 milioni di dollari di ricavi ricorrenti annuali, ha dichiarato a TechCrunch l'amministratore delegato e cofondatore Shahar Bahat. Pluto riporta oltre 30 clienti enterprise, tra cui Oscar Health, Workato, Sixt e AlphaSense. Questi dati restano dichiarazioni dell'azienda, non risultati verificati da audit indipendenti.

Pluto impiega 40 persone negli Stati Uniti e in Israele. Prevede di utilizzare il capitale per lo sviluppo del prodotto, la ricerca sulla sicurezza e l'espansione nel mercato americano. La sua nota di lancio aziendale descrive l'attività come una piattaforma di sicurezza per workspace AI.

Questa definizione riflette un ambito di prodotto più ampio rispetto a un semplice catalogo di servizi AI approvati. Pluto afferma di osservare strumenti AI, ambienti di coding, estensioni, skill, server Model Context Protocol, applicazioni e agenti autonomi. Model Context Protocol, o MCP, è uno standard che consente ai sistemi AI di connettersi con strumenti e dati esterni.

La distinzione è importante perché il rischio aziendale non si limita più ai dipendenti che incollano testo riservato in un chatbot. Un lavoratore può ora assemblare un'applicazione, concederle accesso ai sistemi aziendali e lasciare che un agente esegua azioni. Ogni passaggio introduce autorizzazioni, dipendenze, flussi di dati e percorsi di esecuzione.

Secondo il resoconto originale del finanziamento, Pluto ha individuato presso un'azienda Fortune 500 un'applicazione finanziaria creata da un dipendente che gestiva informazioni sui clienti e sul churn. L'applicazione sarebbe stata esposta alla rete internet pubblica. TechCrunch non ha nominato l'azienda e i dettagli dell'incidente sono stati forniti da Pluto.

L'esempio illustra perché il software creato dai dipendenti è difficile da governare. Un analista finanziario può comprendere i dati dei clienti e la logica di business senza comprendere autenticazione, esposizione di rete o sicurezza delle dipendenze. L'AI riduce lo sforzo necessario per assemblare un'applicazione funzionante, ma non fornisce automaticamente queste competenze mancanti.

Pluto definisce questo ambiente in espansione un workspace AI. Ogni endpoint può diventare un luogo in cui i dipendenti creano software, installano componenti per agenti o connettono dati interni a servizi di terze parti. I team di sicurezza devono quindi monitorare ciò che esiste prima di poter decidere cosa bloccare, limitare o approvare.

Questa sfida conferisce ai finanziamenti di Pluto Security uno scopo più chiaro. L'azienda non sta semplicemente difendendo una nuova interfaccia chatbot. Sta cercando di governare una fabbrica software distribuita comparsa tra i reparti più rapidamente di quanto possano seguirla i processi di sviluppo formali.

I non sviluppatori stanno ampliando la superficie di attacco

L'AI ha spostato la creazione di software verso dipendenti i cui obiettivi sono la velocità operativa, non una distribuzione sicura.

Il vecchio problema dello shadow IT riguardava lavoratori che adottavano abbonamenti software o archiviazione cloud non approvati. Lo shadow AI aggiunge sistemi in grado di generare codice, connettersi a strumenti aziendali e agire attraverso le autorizzazioni di un utente. I rischi risultanti sono più dinamici di un'applicazione non autorizzata collocata dietro una schermata di accesso.

Pluto afferma che i reparti finanziari sono la maggiore fonte dei rischi AI che rileva. Seguono i team marketing e legale, mentre gli sviluppatori si classificano al quarto posto. Questo ordine è significativo perché i programmi di sicurezza tradizionalmente concentrano i controlli di sviluppo sulle organizzazioni di engineering.

I non sviluppatori lavorano spesso con informazioni di valore. I team finanziari accedono a previsioni, registri delle transazioni e dati economici dei clienti. I team marketing gestiscono liste clienti e sistemi di pubblicazione, mentre i team legali trattano contratti e comunicazioni riservate.

Quando questi dipendenti creano strumenti assistiti dall'AI, possono accidentalmente realizzare applicazioni con accessi rilevanti. Il pericolo non richiede intenti malevoli. Un prototipo utile può diventare operativo prima che qualcuno ne esamini credenziali, configurazione di archiviazione o esposizione pubblica.

La rapida adozione rende più difficile la scoperta. Bahat afferma che un nuovo strumento AI può comparire entro due ore dal rilascio. Questa velocità lascia poco tempo per procurement, revisione legale, classificazione dei dati o test di sicurezza tradizionali.

Ricerche indipendenti sostengono la più ampia preoccupazione riguardo all'adozione non autorizzata. Uno studio sull'AI sul posto di lavoro del 2025 ha rilevato che il 44% dei dipendenti utilizzava l'AI al lavoro in modi non autorizzati. Tra questi lavoratori, il 46% ha riferito di aver caricato informazioni aziendali sensibili o proprietà intellettuale su piattaforme pubbliche.

Questi risultati del sondaggio descrivono il comportamento dei dipendenti, non incidenti di sicurezza confermati. Mostrano comunque perché bloccare un breve elenco di popolari domini chatbot non possa risolvere il problema. I dipendenti possono usare account personali, estensioni del browser, modelli locali, strumenti di coding e nuovi servizi che i team di sicurezza non hanno mai valutato.

La pressione sui chief information security officer arriva da entrambe le direzioni. I leader aziendali vogliono una più ampia adozione dell'AI perché i dipendenti possono automatizzare ricerca, analisi, comunicazione e flussi di lavoro interni. I leader della sicurezza devono controllare i dati e le azioni coinvolti senza diventare il reparto che respinge ogni sperimentazione.

Un divieto generalizzato spesso sposta l'attività verso canali meno visibili. I lavoratori possono utilizzare dispositivi o account personali quando gli strumenti approvati sembrano inadeguati. Questo comportamento riduce la capacità dell'organizzazione di identificare l'esposizione dei dati, revocare l'accesso o indagare su un incidente.

L'accesso senza restrizioni crea il fallimento opposto. I dipendenti possono connettere agenti a database clienti, sistemi di messaggistica, repository di codice e risorse cloud. Un agente può quindi operare con autorizzazioni ereditate da un utente, anche quando il suo compito richiede soltanto un sottoinsieme ristretto.

È qui che la sicurezza AI aziendale si discosta dalle semplici policy di utilizzo accettabile. Una regola scritta non può rivelare quale connettore abbia invocato un agente o se un'estensione abbia introdotto codice malevolo. Non può neppure interrompere un'azione non sicura mentre tale azione è in corso.

I team di sicurezza hanno quindi bisogno di un inventario aggiornato di strumenti, componenti, agenti e applicazioni create dai dipendenti. Hanno inoltre bisogno di contesto sul comportamento previsto. Lo stesso comando può essere normale per uno sviluppatore e sospetto quando viene attivato da un flusso di lavoro marketing non correlato.

La sicurezza AI di Pluto è progettata attorno a questo problema contestuale. L'azienda afferma di combinare la scoperta degli strumenti con l'analisi dei rischi e l'intervento in tempo reale. La sua opportunità dipende dal fatto che questo approccio offra ai difensori un controllo utile senza raccogliere dati eccessivi sui dipendenti o interrompere il lavoro legittimo.

La sicurezza AI di Pluto passa dagli utenti agli agenti

La scommessa centrale di Pluto è che gli strumenti di sicurezza debbano valutare il comportamento di un agente mentre agisce, non soltanto autenticare la persona che lo ha avviato.

I sistemi tradizionali di endpoint e identità restano necessari. Possono rilevare malware, gestire dispositivi, autenticare utenti e limitare l'accesso a risorse protette. Tuttavia, un agente autorizzato può comunque eseguire un'azione non intenzionale attraverso una sessione utente valida.

Bahat riassume il cambiamento come il passaggio dal comportamento dell'utente al comportamento dell'agente. Un dipendente potrebbe accedere legittimamente a un sistema clienti, per esempio. Un agente che lavora per quel dipendente potrebbe tentare di esportare record, contattare un servizio esterno o richiedere autorizzazioni più ampie.

Pluto si integra con sistemi di sicurezza degli endpoint e gestione dei dispositivi. Può distribuire sensori attraverso tali sistemi o installarli direttamente sui dispositivi. Secondo quanto riportato, la piattaforma raccoglie segnali quali prompt, comandi, processi, autorizzazioni e attività precedenti dell'utente.

L'azienda afferma che modelli leggeri eseguiti sugli endpoint aiutano a interpretare le intenzioni di un agente. Se l'agente richiede autorizzazioni che vanno oltre l'obiettivo apparente dell'utente, Pluto può bloccare l'azione. Può anche inserire istruzioni che richiedono all'agente di chiedere conferma.

Questo modello di intervento va oltre l'osservazione. Molti strumenti di governance si concentrano su scoperta, classificazione e reportistica delle policy. Pluto intende influenzare una sessione attiva prima che un agente completi un'attività rischiosa.

Un esempio semplice mostra il potenziale valore. Un dipendente può chiedere a un agente di riassumere le recenti cancellazioni dei clienti. Leggere record approvati supporta tale attività, mentre esportare l'intero database clienti no.

Un controllo runtime potrebbe distinguere questi percorsi esaminando autorizzazioni, comandi e contesto. Potrebbe consentire l'operazione di lettura bloccando al contempo un trasferimento esterno. La parte difficile consiste nel raggiungere questa decisione in modo coerente tra strumenti con interfacce e modelli di esecuzione differenti.

Pluto gestisce anche Plutonium, un servizio gratuito per esaminare skill AI, server MCP, connettori e componenti aggiuntivi disponibili pubblicamente. Il servizio include uno scanner MCP e un catalogo di componenti valutati. L'azienda afferma che migliaia di professionisti della sicurezza lo utilizzano, sebbene tale dato non sia stato verificato in modo indipendente.

Plutonium svolge due funzioni. Fornisce ricerca sulla sicurezza riguardo a componenti che le aziende potrebbero incontrare e offre ai potenziali clienti un punto di ingresso nella piattaforma commerciale di Pluto. Bahat afferma che l'interesse in entrata genera oggi il 70% della pipeline commerciale dell'azienda.

La strategia della piattaforma riflette la rapidità con cui i componenti AI possono diffondersi. Un dipendente non deve scrivere un'intera applicazione da zero. Può combinare un modello, un connettore, una skill scaricata e credenziali di accesso in un'automazione funzionante.

Ogni componente importato amplia la catena di fiducia. Un pacchetto compromesso può rubare segreti, alterare prompt, reindirizzare output o eseguire comandi indesiderati. Un server MCP può anche esporre capacità che superano l'attività prevista dell'agente.

Questo meccanismo spiega perché la sicurezza di Pluto AI si concentra sia sui componenti sia sull'attività in fase di esecuzione. La scansione di un connettore prima dell'installazione può identificare problemi noti. Il monitoraggio di un agente durante l'esecuzione può affrontare comportamenti pericolosi che emergono solo dopo l'interazione di diversi componenti affidabili.

L'approccio solleva anche un'importante questione di privacy. Prompt, comandi e attività precedenti possono contenere informazioni personali o aziendali sensibili. Le imprese devono capire quali dati Pluto raccoglie, dove li elabora e per quanto tempo li conserva.

I modelli endpoint potrebbero ridurre parte dell'esposizione elaborando i segnali localmente. Tuttavia, Pluto non ha documentato pubblicamente dettagli architetturali sufficienti per stabilire gli esatti compromessi sulla privacy in ogni tipo di distribuzione. Gli acquirenti avranno bisogno di una convalida tecnica, anziché affidarsi esclusivamente alle descrizioni del prodotto.

La vera sfida è tra abilitazione e controllo

Il conflitto principale non è Pluto contro un singolo rivale; è l'autonomia dei dipendenti contro sistemi di sicurezza progettati per lo sviluppo software centralizzato.

I costruttori di AI promettono che i lavoratori possano risolvere problemi operativi senza attendere risorse di engineering. Questa promessa sta già cambiando chi crea applicazioni all'interno delle aziende. Al tempo stesso, indebolisce i controlli che in precedenza rendevano visibile l'attività software.

I team di sicurezza potrebbero rispondere bloccando strumenti non autorizzati, disabilitando connettori e limitando gli agenti ad ambienti ristretti. Questo approccio riduce l'esposizione immediata, ma limita anche i vantaggi di produttività attesi dai responsabili aziendali. Può spingere i dipendenti ad aggirare i controlli ufficiali.

L'alternativa è un'adozione supervisionata. I dipendenti mantengono l'accesso agli strumenti AI, mentre i sistemi di sicurezza individuano i componenti, ispezionano le autorizzazioni e intervengono quando il comportamento viola le policy. Pluto ha costruito il proprio prodotto e la propria comunicazione attorno a questa strada.

Il compromesso è più difficile di quanto sembri. I controlli runtime devono prendere decisioni abbastanza rapidamente da non rallentare i dipendenti. Devono inoltre comprendere un contesto sufficiente per distinguere un'automazione legittima da una non sicura.

I falsi positivi possono trasformare una piattaforma di abilitazione in un altro sistema di blocco. Se gli utenti affrontano ripetutamente approvazioni non necessarie, potrebbero abbandonare il flusso di lavoro approvato. I team di sicurezza potrebbero così perdere la visibilità per cui hanno acquistato il prodotto.

I falsi negativi creano il problema opposto. Un agente può eseguire un'azione dannosa prima che i difensori ne comprendano l'intento. Il modello che valuta tale attività può disporre di un contesto incompleto, soprattutto quando i flussi di lavoro si estendono tra dispositivi locali, applicazioni cloud e servizi esterni.

I concorrenti stanno affrontando il mercato da punti di partenza diversi. Reco pone l'accento su identità, autorizzazioni, applicazioni connesse e dati raggiungibili dagli agenti. Il suo recente round sulla sicurezza degli agenti ha raccolto 55 milioni di dollari e ha confermato la direzione affollata del mercato.

WitnessAI si concentra sulla governance delle interazioni tra utenti aziendali, sistemi AI, dati e agenti. Il suo finanziamento per l'AI enterprise ha totalizzato 58 milioni di dollari, con investitori tra cui Sound Ventures, Fin Capital, Qualcomm Ventures e Samsung Ventures. L'azienda mette inoltre in evidenza i controlli sui flussi di dati e la governance degli agenti.

Altri fornitori si concentrano sulla sicurezza dei modelli, sugli attacchi ai prompt, sui test delle applicazioni AI o sulla prevenzione della perdita di dati. Le aziende consolidate di sicurezza endpoint, identità e cloud possono estendere le proprie piattaforme nello stesso territorio. Dispongono già di relazioni con i clienti e accesso a telemetria utile.

Pluto deve quindi dimostrare che un livello di controllo specifico per l'AI produce decisioni migliori rispetto alle estensioni dei prodotti esistenti. Ha inoltre bisogno di integrazioni sufficientemente ampie da seguire un agente nell'intero stack aziendale frammentato. Nuovi strumenti AI possono emergere più rapidamente di quanto un singolo fornitore possa sviluppare supporto nativo.

I primi dati su ricavi e clienti dell'azienda suggeriscono una domanda reale. Tuttavia, la domanda non definisce ancora una categoria duratura. Gli acquirenti potrebbero infine consolidare i controlli sugli agenti nelle piattaforme di sicurezza endpoint, identità, browser, cloud o dati.

Un rischio distinto riguarda la maturità degli stessi agenti enterprise. Le aziende stanno sperimentando con gli agenti, ma molte non li hanno ancora implementati diffusamente nei flussi di lavoro critici. La spesa per la sicurezza potrebbe superare l'adozione in produzione se gli ambiziosi progetti basati su agenti restassero limitati o inaffidabili.

Ciò non elimina l'attuale problema della shadow AI. Le applicazioni create dai dipendenti e gli strumenti non autorizzati già generano lacune di visibilità. Significa però che Pluto deve servire l'utilizzo disordinato di oggi, preparandosi al contempo a sistemi più autonomi.

Il meccanismo di intervento dell'azienda è la sua affermazione più importante e il suo test più difficile. Bloccare una richiesta di autorizzazione eccessiva sembra semplice in una dimostrazione. Applicare quella decisione a migliaia di flussi di lavoro diversi richiede un contesto accurato, integrazioni stabili e policy comprensibili per i dipendenti.

Gli acquirenti di sicurezza AI per l'impresa dovrebbero chiedere risultati misurabili. Tra gli indicatori utili figurano gli strumenti individuati, le esposizioni confermate, le azioni bloccate, i tassi di falsi positivi, i tempi di indagine e l'adozione da parte dei dipendenti dei flussi di lavoro approvati. Loghi dei clienti e importi dei finanziamenti non possono sostituire tali prove operative.

Cosa non dimostrano i 42 milioni di dollari

Il finanziamento di Pluto Security conferma l'interesse degli investitori e la domanda iniziale dei clienti, ma non convalida ogni affermazione relativa a rilevamento o prevenzione.

La maggior parte delle cifre dettagliate sui rischi riportate nella copertura del lancio proviene da Pluto stessa. Ciò include l'affermazione secondo cui i non sviluppatori rappresentano circa il 60% dei rischi rilevati. Include anche il caso segnalato di un'applicazione Fortune 500 esposta online.

Queste divulgazioni sono piste credibili, ma le prove pubbliche mancano di dettagli metodologici. Pluto non ha reso note le dimensioni o la composizione del dataset alla base della cifra del 60%. Non ha spiegato se ogni rilevamento avesse la stessa gravità né come siano stati gestiti i problemi duplicati.

L'azienda afferma inoltre che ogni proof of concept ha individuato materiale dannoso. Bahat ha dichiarato a TechCrunch che alcuni pacchetti di estensioni o skill mostravano attacchi attivi durante le valutazioni. Senza incidenti nominati o conferme indipendenti, i lettori dovrebbero trattare questa affermazione come una dichiarazione aziendale.

“Dannoso” può coprire diverse condizioni. Un componente potrebbe contenere malware deliberato, collegarsi a un dominio sospetto, esporre credenziali o corrispondere a un modello comportamentale rischioso. Ogni categoria richiede una risposta diversa e comporta un diverso livello di certezza.

I fornitori di sicurezza hanno incentivi a presentare comportamenti ambigui come urgenti. Anche i clienti hanno incentivi a classificare con prudenza attività incerte. Casi di studio indipendenti aiuterebbero a distinguere gli errori comuni di configurazione da una compromissione attiva.

Le preoccupazioni relative a privacy e lavoro meritano uguale attenzione. Il monitoraggio di prompt, comandi, processi e attività storiche può rivelare modelli di lavoro sensibili. Può anche acquisire informazioni personali quando i dipendenti utilizzano ambienti personali e aziendali misti.

Le organizzazioni hanno bisogno di confini chiari per raccolta e revisione. Dovrebbero definire quali segnali vengono elaborati localmente, quali raggiungono un servizio centrale e chi può ispezionarli. Sono inoltre importanti l'informativa ai dipendenti e gli obblighi regionali in materia di privacy.

Un livello di sicurezza AI può diventare esso stesso un bersaglio di alto valore. Un sistema che osserva prompt, autorizzazioni, strumenti e comportamento degli utenti può contenere informazioni utili agli aggressori. Pluto deve dimostrare solide pratiche di isolamento, controlli di accesso, registrazione e risposta agli incidenti.

La tecnica correttiva dell'azienda introduce un'altra incertezza. Iniettare istruzioni in una sessione dell'agente può modificarne il comportamento, ma le risposte dei modelli sono probabilistiche. Il controllo non deve dipendere interamente dal fatto che un modello segua volontariamente una nuova istruzione.

L'applicazione deterministica delle policy resta essenziale per le azioni ad alto impatto. Un motore di policy può negare una richiesta di rete, revocare un token o bloccare un processo indipendentemente da ciò che l'agente genererà in seguito. Gli acquirenti dovrebbero esaminare dove Pluto usa il giudizio del modello e dove applica confini tecnici effettivamente vincolanti.

La copertura delle integrazioni presenta un'ulteriore sfida. Il valore di Pluto cresce quando può osservare insieme endpoint, strumenti del browser, servizi cloud, connettori e agenti. La mancata osservazione di un percorso di esecuzione può produrre una ricostruzione incompleta di quanto accaduto.

L'azienda deve inoltre tenere il passo con un ecosistema di componenti in rapida evoluzione. Nuovi strumenti di coding, framework per agenti, skill e server MCP emergono continuamente. Un catalogo di rilevamento può diventare obsoleto se i team di ricerca e prodotto non lo aggiornano rapidamente.

Questi vincoli non rendono infondato l'approccio di Pluto. Definiscono ciò che i clienti dovrebbero testare durante un proof of concept. La valutazione più solida utilizzerebbe flussi di lavoro noti come sicuri, rischi inseriti intenzionalmente, comportamenti inattesi degli agenti e scenari sensibili alla privacy.

Gli acquirenti dovrebbero inoltre confrontare Pluto con i controlli che già possiedono. I sistemi esistenti di rilevamento endpoint, governance delle identità, browser sicuri, prevenzione della perdita di dati e accesso cloud possono coprire parti del problema. Una nuova piattaforma dovrebbe ridurre i punti ciechi senza creare un'altra console scollegata.

Il test centrale è operativo, non concettuale. I team di sicurezza concordano già sul fatto che l'attività AI non controllata crei rischi. Pluto deve dimostrare che il suo contesto migliora le decisioni abbastanza da giustificarne l'implementazione su dispositivi dei dipendenti e sistemi aziendali.

Tre segnali mostreranno se la scommessa di Pluto regge

La prossima fase rivelerà se la sicurezza consapevole degli agenti diventerà un livello di controllo duraturo o una funzionalità assorbita da piattaforme più grandi.

Il primo segnale è una performance dei clienti documentata in modo indipendente. Pluto ha bisogno che i clienti descrivano l'attività pericolosa individuata, le azioni fermate e i falsi positivi prodotti. Casi di studio nominativi avrebbero più peso delle affermazioni aggregate.

Le prove provenienti da settori regolamentati sarebbero particolarmente utili. Sanità, servizi finanziari e organizzazioni legali gestiscono dati sensibili soggetti a requisiti rigorosi. Implementazioni riuscite in questi ambiti dimostrerebbero che Pluto può bilanciare osservazione, privacy e applicazione delle policy.

Il secondo segnale è la copertura del prodotto nei contesti AI in rapida evoluzione. Pluto deve dimostrare di poter seguire l'attività da un endpoint attraverso un connettore fino a un'applicazione aziendale. Ha inoltre bisogno di supporto rapido per strumenti e tipi di componenti appena rilasciati.

Un catalogo Plutonium in crescita può aiutare a misurare l'ampiezza della ricerca. Segnali più importanti includono il tempo di risposta alle minacce appena scoperte e l'accuratezza delle valutazioni dei componenti. Approfondimenti tecnici pubblici renderebbero queste capacità più facili da valutare.

Il terzo segnale è il modo in cui rispondono i fornitori di sicurezza consolidati. I fornitori di sicurezza endpoint, identità, browser, cloud e dati occupano già i sistemi in cui operano gli agenti. Se rilasceranno controlli runtime comparabili, Pluto avrà bisogno di un chiaro vantaggio in termini di contesto, accuratezza o velocità di implementazione.

Anche i finanziamenti dei concorrenti contano perché sostengono uno sviluppo più rapido dei prodotti. Il recente finanziamento di Reco e il precedente round di WitnessAI mostrano che Pluto affronta rivali ben finanziati. La più ampia corsa tra startup farà pressione su ogni fornitore affinché definisca quale livello controlla.

Il consolidamento è un altro esito probabile. Le grandi piattaforme potrebbero acquisire specialisti per aggiungere scoperta AI o applicazione delle policy sugli agenti. I clienti potrebbero preferire un piano di controllo unificato se riduce le integrazioni e la fatica da alert.

Il primo slancio di Pluto le offre una posizione credibile. Oltre 30 clienti enterprise dichiarati e ricavi ricorrenti da diversi milioni di dollari indicano che i responsabili della sicurezza stanno già stanziando budget. La piattaforma di ricerca gratuita dell'azienda potrebbe inoltre rafforzarne la visibilità tra i professionisti.

Eppure il mercato non sarà deciso da chi descrive il rischio in modo più drammatico. Sarà deciso dai prodotti che identificano attività reali, prevengono errori con conseguenze rilevanti e preservano la produttività che ha favorito l'adozione dell'AI.

Anche i knowledge worker hanno interesse in questo risultato. Controlli progettati male possono trasformare ogni azione AI in una richiesta di approvazione. Controlli ben progettati possono consentire ai dipendenti di creare workflow utili entro chiari confini tecnici.

I team che sperimentano con l'AI dovrebbero documentare quali strumenti utilizzano, a quali dati tali strumenti possono accedere e quali azioni richiedono l'approvazione umana. Una knowledge base AI ricercabile può supportare questa documentazione, ma non sostituisce i controlli di accesso né la revisione della sicurezza.

Il finanziamento di Pluto Security rappresenta un importante banco di prova per l'adozione supervisionata dell'AI. Le imprese possono consentire ai dipendenti di creare software mantenendo al contempo un controllo significativo su dati, autorizzazioni e azioni degli agenti? Le prossime evidenze dai clienti, le integrazioni di prodotto e le risposte degli operatori storici dovrebbero fornire la risposta.

Per i responsabili della sicurezza, l'azione immediata è semplice: mappare l'AI creata dai dipendenti prima di discutere quale piattaforma debba governarla. Chiedetevi chi crea questi strumenti, quali sistemi raggiungono e cosa accade quando un agente supera il proprio incarico. Verificate poi se Pluto o un altro fornitore di sicurezza AI per le imprese è in grado di rilevare questi percorsi senza ostacolare il lavoro sicuro. Le aziende che risponderanno presto a queste domande comprenderanno la propria esposizione. Quelle che attenderanno un incidente visibile dovranno ricostruire un ambiente AI di cui non hanno mai saputo l'esistenza.