Tenable AI Security entra in Tenable One, ma la visibilità non è controllo

La sicurezza AI di Tenable è passata da una preview privata del 2025 a una funzionalità Tenable One generalmente disponibile, nonostante il problema aziendale sia molto più complesso. Individuare le applicazioni AI è solo il primo passo. I team di sicurezza devono anche collegare utenti, dati, infrastruttura, agenti e comportamenti non sicuri prima che un'esposizione diventi un incidente.

Il cambiamento inserisce Tenable in una competizione sempre più ampia per il livello di controllo dell'AI aziendale. Palo Alto Networks, Microsoft, Cisco e i nuovi fornitori di sicurezza AI perseguono territori sovrapposti. Ciascuno vuole aiutare le organizzazioni a individuare i sistemi AI, valutarne i rischi e applicare policy durante l'uso quotidiano.

L'argomentazione di Tenable differisce per un aspetto importante. Considera l'AI come un'altra superficie di attacco interconnessa nell'ambito dell'exposure management, anziché come un programma di sicurezza separato. Questo approccio offre un contesto utile, ma impone anche una prova impegnativa. Tenable deve dimostrare che una visibilità unificata porta a una riduzione del rischio più rapida e applicabile.

Tenable One ora copre la superficie di attacco dell'AI

Il cambiamento importante non è un'altra dashboard AI. Tenable ha integrato rilevamento dell'AI, governance dell'uso e protezione nel proprio modello più ampio di exposure management.

Tenable ha presentato per la prima volta Tenable AI Exposure al Black Hat USA il 6 agosto 2025. Il lancio si rivolgeva a piattaforme aziendali quali ChatGPT Enterprise e Microsoft Copilot. Il prodotto è entrato in una preview privata per i clienti, con disponibilità generale prevista prima della fine di quell'anno.

Il prodotto descritto in tale annuncio poteva identificare utenti, dati scambiati, configurazioni rischiose, integrazioni di terze parti, prompt injection e tentativi di jailbreak. La prompt injection è un attacco che manipola un modello AI tramite istruzioni appositamente formulate. Un jailbreak tenta di aggirare le protezioni che limitano il comportamento del modello.

Tenable ha inoltre dichiarato che la funzionalità era agentless. In questo contesto, un'implementazione agentless significa che il cliente non installa software di monitoraggio su ogni dispositivo dei dipendenti. La piattaforma dipende invece da integrazioni e telemetria disponibile dai sistemi supportati.

Questo design può ridurre l'attrito nell'implementazione, sebbene la copertura dipenda comunque da ciò che tali integrazioni espongono. Una connessione agentless non può osservare automaticamente ogni account consumer non gestito, modello locale o applicazione non registrata.

Il lancio iniziale della sicurezza AI ha sottolineato il superamento del semplice rilevamento. Tenable intendeva combinare visibilità con gestione del rischio e applicazione delle policy. L'azienda ha posizionato questa offerta come un'estensione di Tenable One, non come una categoria di prodotto scollegata.

Il 27 gennaio 2026, Tenable ha annunciato la disponibilità generale di Tenable One AI Exposure. La release ampliata copre l'AI nelle applicazioni software-as-a-service, nei servizi cloud, nelle API, negli agenti, nei sistemi on-premises e negli ambienti cloud.

Questa portata più ampia è importante perché l'AI aziendale raramente esiste all'interno di un unico assistente approvato. Un'azienda potrebbe utilizzare ChatGPT Enterprise per la ricerca, Microsoft Copilot per il lavoro d'ufficio e modelli personalizzati nelle applicazioni rivolte ai clienti. I team di sviluppo potrebbero anche collegare agenti a database, repository di codice o API interne.

Tenable afferma che la piattaforma rileva continuamente questi componenti e ne mappa le relazioni. Può collegare l'uso dell'AI a identità, applicazioni, infrastruttura e dati. Il risultato previsto è una visione consapevole del rischio di come una debolezza si combini con un'altra.

Si consideri un agente di supporto interno con accesso ai record dei clienti. Il suo modello potrebbe essere configurato correttamente, mentre l'account di servizio che lo supporta possiede autorizzazioni eccessive sul database. Un inventario AI convenzionale potrebbe classificare l'agente come approvato. La mappatura dell'esposizione dovrebbe rivelare il pericoloso percorso tra identità e dati che lo circonda.

La release di disponibilità generale di Tenable fa di questa mappatura delle relazioni la promessa centrale. Inoltre, estende il prodotto oltre gli assistenti aziendali messi in evidenza durante la preview.

La cronologia è importante. Non si tratta di un debutto di prodotto nell'agosto 2026, nonostante il titolo riemerso nei feed di notizie. L'annuncio originale è avvenuto nell'agosto 2025, seguito da una release generalmente disponibile nel gennaio 2026.

Questa distinzione cambia il modo in cui gli acquirenti dovrebbero valutare la notizia. La domanda rilevante non è più se Tenable abbia annunciato una direzione per la sicurezza AI. Ora gli acquirenti possono chiedersi quali siano la copertura in produzione, le integrazioni, i workflow e i confini dell'applicazione dei controlli.

Perché Tenable AI Security mette sotto pressione gli strumenti standalone

Tenable scommette che gli acquirenti preferiscano un unico grafo dell'esposizione a un'altra console isolata, soprattutto quando i rischi AI iniziano al di fuori del modello stesso.

I team di sicurezza aziendale gestiscono già scanner delle vulnerabilità, prodotti per la sicurezza cloud, sistemi di identità, controlli degli endpoint, strumenti di prevenzione della perdita di dati e piattaforme per il testing delle applicazioni. Un prodotto dedicato alla sicurezza AI aggiunge un'altra fonte di rilevamenti. Non crea automaticamente un altro team che li analizzi.

La strategia di Tenable mette sotto pressione i fornitori che considerano la sicurezza AI soprattutto come rilevamento delle applicazioni o filtraggio in fase di esecuzione. Queste funzioni restano importanti. Tuttavia, un team di sicurezza non può dare priorità a un agente esposto senza comprenderne privilegi, asset raggiungibili, accesso ai dati e ruolo aziendale.

Questo è il vantaggio principale dell'inserimento dell'esposizione AI in Tenable One. Un rilevamento può ereditare contesto dall'ambiente circostante. Una configurazione debole diventa più urgente quando si trova su un servizio esposto a Internet con accesso a dati sensibili.

La stessa logica si applica al normale uso da parte dei dipendenti. Caricare un documento su un assistente approvato non è ugualmente rischioso in ogni caso. Le domande rilevanti riguardano la sensibilità del documento, l'identità dell'utente, la policy organizzativa e i controlli di gestione dei dati della piattaforma.

Tenable afferma che la sua piattaforma può monitorare i modelli di utilizzo, i dati scambiati, il comportamento degli assistenti e i workflow connessi. Sostiene inoltre di supportare policy di utilizzo accettabile, che definiscono le attività AI consentite e vietate all'interno di un'organizzazione.

Queste funzionalità affrontano un reale problema di responsabilità. Le implementazioni AI spesso hanno origine nelle business unit, presso gli sviluppatori o nei team di prodotto. Il personale di sicurezza le incontra spesso dopo che autorizzazioni, integrazioni e flussi di dati esistono già.

Un inventario può aiutare i team di sicurezza a trovare queste implementazioni. Una mappa delle relazioni può mostrare quali sistemi contano di più. L'applicazione delle policy può quindi limitare i comportamenti, a condizione che la piattaforma disponga sia di telemetria sufficiente sia di un punto di controllo disponibile.

Quest'ultima condizione separa l'exposure management dal puro reporting. Un prodotto può identificare una configurazione rischiosa senza poterla modificare. Può segnalare attività di prompt sospette senza bloccare la richiesta. Gli acquirenti devono distinguere tra rilevamento, correzione consigliata, modifiche automatizzate e applicazione in tempo reale.

L'approccio di Tenable mette sotto pressione anche le piattaforme consolidate con ampie basi installate. Palo Alto Networks ha riunito rilevamento, scansione dei modelli, gestione della postura, red teaming e protezione in fase di esecuzione in Prisma AIRS. Il suo prodotto attuale pone l'accento su applicazioni e agenti autonomi durante sviluppo e produzione.

La piattaforma Prisma AIRS sfida quindi Tenable sulla portata, non solo sulla riconoscibilità del marchio. Palo Alto Networks può collegare i controlli AI all'applicazione a livello di rete e cloud. Tenable può collegare i rilevamenti AI alla propria intelligence su vulnerabilità ed esposizione.

Microsoft occupa un'altra posizione strategica perché Copilot, Azure, identità, endpoint e prodotti di data governance producono già telemetria rilevante. Cisco ha analogamente collegato la sicurezza AI alle infrastrutture di rete e delle applicazioni.

Questa mappa competitiva non determina un vincitore semplice. Sposta la domanda d'acquisto dal numero di funzionalità all'adeguatezza architetturale. I clienti devono decidere quale piattaforma veda una parte sufficiente del loro ambiente e controlli i punti che contano.

Le organizzazioni che già utilizzano Tenable One ottengono un chiaro argomento operativo per il consolidamento. I loro team possono esaminare i rilevamenti AI accanto alle esposizioni relative a cloud, identità, tecnologia operativa e vulnerabilità. Possono inoltre preservare i processi esistenti di prioritizzazione e correzione.

I clienti incentrati su un'altra piattaforma di sicurezza avranno bisogno di prove più solide. Un grafo unificato di Tenable aiuta solo quando riceve dati sufficienti e si adatta ai workflow esistenti. Altrimenti, rischia di diventare un'altra vista parziale in uno stack già affollato.

La pressione è quindi maggiore sui prodotti standalone di rilevamento. La sola identificazione sta diventando una funzionalità all'interno di piattaforme di sicurezza più ampie. I fornitori specializzati devono differenziarsi attraverso test più approfonditi, analisi dei modelli, controlli dei dati o interventi in fase di esecuzione.

La vera competizione è tra contesto e applicazione dei controlli

Il meccanismo di Tenable è convincente perché i guasti dell'AI attraversano i confini tra sistemi, ma il contesto non può sostituire un controllo che fermi i comportamenti pericolosi.

Tenable definisce il problema un “AI Exposure Gap”. L'espressione descrive la distanza tra la crescente adozione dell'AI e la capacità del team di sicurezza di vedere sistemi, identità, dati e comportamenti associati.

Il concetto corrisponde al modo in cui si sviluppano molti incidenti. Un'applicazione AI non necessita di una nuova vulnerabilità del modello per causare danni. Autorizzazioni eccessive, servizi cloud esposti, autenticazione debole, integrazioni non sicure o dati gestiti impropriamente possono offrire una via più semplice.

Per questo il modello di exposure management ha senso. Cerca combinazioni di debolezze invece di trattare ogni avviso in modo indipendente. Tenable può teoricamente classificare un problema AI in base al percorso di attacco circostante e al potenziale impatto aziendale.

Un percorso di attacco è una catena di condizioni collegate che consente a un attaccante di avvicinarsi a un obiettivo di valore. Un'identità di agente con privilegi eccessivi potrebbe diventare un passaggio di tale catena. Un endpoint pubblico o un account utente compromesso potrebbe fornire il punto di ingresso.

Gli agenti AI alzano la posta perché possono intraprendere azioni, non solo generare testo. Un agente potrebbe recuperare documenti, modificare record, chiamare servizi esterni o attivare workflow interni. Il suo rischio effettivo dipende sia dal comportamento del modello sia dall'autorità concessa.

Tenable afferma che AI Exposure può identificare integrazioni rischiose, configurazioni errate, scambio di dati e tentativi di manipolazione. Afferma inoltre che la piattaforma può contenere agenti rischiosi o compromessi. Queste affermazioni meritano una valutazione precisa durante i test del prodotto.

Gli acquirenti dovrebbero chiedere dove avvenga il contenimento. Tenable potrebbe disabilitare una configurazione tramite un'integrazione, richiamare un altro controllo di sicurezza o avvisare un operatore affinché intervenga. Ciascun metodo presenta velocità, affidabilità e copertura diverse.

Dovrebbero inoltre chiedere in che modo il sistema distingua la sperimentazione legittima dalle violazioni delle policy. Uno sviluppatore che testa la prompt injection in un ambiente autorizzato può assomigliare a un attaccante. Il contesto aiuta, ma la classificazione automatizzata può comunque produrre falsi positivi.

La documentazione di AI Exposure della piattaforma offre ai clienti un punto di partenza per le funzioni e le release supportate. La documentazione conta più del linguaggio generico del lancio quando i team pianificano controlli operativi.

Il problema tecnico va oltre i prompt visibili. L'iniezione indiretta di prompt può arrivare attraverso un documento, un sito web, un'email o un record di database elaborato da un'applicazione AI. Le istruzioni dell'attaccante entrano a far parte del contesto del modello senza apparire come una richiesta diretta dell'utente.

Le linee guida OWASP identificano l'iniezione di prompt come uno dei principali rischi per le applicazioni basate su modelli linguistici di grandi dimensioni. Rilevano inoltre che il recupero delle informazioni e la personalizzazione del modello non eliminano completamente il problema. Ciò significa che nessun grafo di esposizione può eliminare da solo il comportamento sottostante del modello.

Tenable può comunque ridurre le conseguenze circostanti. Un agente con autorizzazioni strettamente limitate presenta un rischio minore rispetto a uno con accesso esteso. Il monitoraggio del flusso dei dati e delle impostazioni di integrazione può inoltre rivelare condizioni che rendono la manipolazione più pericolosa.

Questo crea il compromesso centrale dell'articolo. Tenable offre ampiezza sull'intero ambiente, mentre i controlli specializzati possono operare più vicino al modello o alla transazione di runtime. Gli acquirenti enterprise hanno spesso bisogno sia di contesto sia di intervento.

Una piattaforma ampia potrebbe identificare che un agente raggiunge un database sensibile tramite un'identità con privilegi eccessivi. Un livello di sicurezza runtime potrebbe ispezionare la richiesta e bloccare un'istruzione dannosa. Un sistema di identità potrebbe revocare l'accesso, mentre un controllo sui dati impedisce la divulgazione.

L'implementazione più solida collega queste decisioni. Quella più debole genera diversi avvisi senza una risposta coordinata. Il successo di Tenable dipenderà dal fatto che Tenable One diventi quel livello di collegamento o resti principalmente una vista analitica.

Questo è anche il motivo per cui “piattaforma unica” non dovrebbe significare “unica fonte di verità” senza precisazioni. I sistemi AI si estendono tra provider cloud, fornitori di modelli, piattaforme per sviluppatori, suite di produttività e applicazioni interne. Nessun fornitore possiede tutti i segnali o i punti di applicazione pertinenti.

Tenable ha riconosciuto questa realtà distribuita attraverso le integrazioni e la sua più ampia strategia sui dati di esposizione. Il suo compito è normalizzare tali segnali senza appiattire dettagli essenziali. Un punteggio di rischio di alto livello deve rimanere riconducibile alle evidenze che lo supportano.

I team di sicurezza dovrebbero pretendere tale tracciabilità. Gli analisti devono comprendere perché la piattaforma ha classificato un'esposizione AI al di sopra di un'altra. Devono inoltre sapere quale asset, identità, autorizzazione e relazione con i dati ha contribuito al risultato.

Senza evidenze spiegabili, la prioritizzazione diventa un'altra raccomandazione opaca. Con evidenze ma senza un percorso d'azione, diventa un report migliore. La preziosa via di mezzo collega contesto, responsabilità, correzione e verifica.

Cosa le affermazioni di Tenable non dimostrano ancora

La disponibilità generale dimostra la maturità del prodotto, non una visibilità completa, una prioritizzazione accurata o una prevenzione comprovata in ogni ambiente AI aziendale.

Gli annunci di Tenable descrivono un'ampia gamma di funzionalità. Non pubblicano misurazioni indipendenti relative a copertura della scoperta, accuratezza del rilevamento, tassi di falsi positivi, tempi di correzione o attacchi bloccati.

Questa assenza è comune nei lanci di prodotti di sicurezza. Limita comunque le conclusioni che gli acquirenti possono trarre. Un elenco di funzioni supportate non dimostra con quale coerenza tali funzioni operino in architetture diverse.

La scoperta è la prima incertezza. Le piattaforme enterprise approvate spesso forniscono API amministrative e registri di audit. Gli strumenti consumer non gestiti, le estensioni del browser, gli assistenti incorporati, i modelli locali e i gateway personalizzati possono essere molto più difficili da osservare.

La telemetria di rete può rivelare connessioni a servizi noti, ma il traffico crittografato limita l'ispezione dei contenuti. I controlli endpoint possono rilevare l'attività locale, ma richiedono distribuzione e autorizzazioni. I connettori cloud forniscono dati di configurazione, sebbene dipendano dai servizi supportati e dall'accesso agli account.

L'approccio agentless di Tenable riduce i requisiti di installazione. Non elimina questi confini di visibilità. Gli acquirenti dovrebbero associare ogni caso d'uso AI a una fonte dati specifica prima di accettare affermazioni sulla scoperta continua.

La seconda incertezza riguarda l'interpretazione dei dati. Una piattaforma potrebbe rilevare che un utente ha caricato un file senza comprenderne la sensibilità. Potrebbe identificare un'integrazione AI senza sapere se il flusso di lavoro sia sperimentale, critico per la produzione o abbandonato.

Un contesto accurato richiede registri delle identità, classificazione dei dati, proprietà degli asset, metadati delle applicazioni e priorità aziendali. Queste fonti sono spesso incomplete prima dell'avvio di un progetto di sicurezza AI.

La terza incertezza riguarda l'ispezione a livello di prompt. Il monitoraggio dei prompt può esporre informazioni sensibili di dipendenti o clienti a un altro sistema. Le organizzazioni necessitano di policy chiare su conservazione, accesso, mascheramento, residenza e audit per la telemetria di sicurezza stessa.

Ciò crea un equilibrio difficile. Una maggiore visibilità sui contenuti può migliorare il rilevamento di condivisioni non sicure e manipolazioni. Può anche aumentare la quantità di materiale sensibile raccolto dalla piattaforma di sicurezza.

La quarta incertezza è l'applicazione. Tenable afferma che AI Exposure può fermare attacchi specifici dell'AI e contenere agenti rischiosi. I clienti dovrebbero verificare quali piattaforme supportate consentono il blocco in tempo reale e quali forniscono rilevamenti o azioni consigliate.

Anche la latenza è importante. Un controllo che si aggiorna dopo una sincronizzazione pianificata non può fermare l'immediata chiamata a uno strumento da parte di un agente. Può comunque supportare indagine e correzione, ma si tratta di un risultato di sicurezza diverso.

La quinta incertezza riguarda la qualità della prioritizzazione. La gestione dell'esposizione dipende dalla combinazione della gravità tecnica con raggiungibilità e contesto aziendale. L'AI introduce fattori comportamentali che il punteggio convenzionale delle vulnerabilità non è stato progettato per cogliere.

Un agente con bassi privilegi infrastrutturali potrebbe comunque influenzare una decisione di alto valore. Un chatbot senza accesso al sistema potrebbe divulgare testo sensibile. Un modello tecnicamente esposto potrebbe elaborare soltanto dati di test sintetici.

Tenable deve considerare queste differenze senza trasformare ogni rilevamento AI in un avviso critico. I team di sicurezza già faticano a gestire un numero eccessivo di rilevamenti. Aggiungere un altro grande inventario senza una classificazione rigorosa aggraverebbe questo carico.

Le linee guida del settore possono aiutare a definire le domande, ma non possono convalidare l'implementazione di un fornitore. Il framework AI del NIST organizza il lavoro sul rischio attorno alla governance, alla mappatura, alla misurazione e alla gestione dell'AI. Il suo profilo per l'AI generativa aggiunge rischi e azioni suggerite per questa tecnologia.

Queste funzioni si allineano strettamente alla narrativa di Tenable. Tuttavia, l'allineamento a un framework non certifica l'efficacia del prodotto. Le organizzazioni necessitano comunque di test, governance, processi di gestione degli incidenti e responsabilità umana.

L'annuncio originale di Tenable evidenziava anche ChatGPT Enterprise e Microsoft Copilot. Il prodotto attuale presenta una copertura più ampia tra piattaforme e agenti AI. Gli acquirenti dovrebbero confermare i servizi esattamente supportati, la profondità delle funzionalità e la disponibilità regionale.

Un'etichetta di supporto può nascondere differenze rilevanti. Un'integrazione potrebbe esporre identità e configurazione, mentre un'altra fornisce attività dei prompt e applicazione delle policy. I team di procurement dovrebbero confrontare campi, azioni, frequenza di aggiornamento e comportamento in caso di errore.

I responsabili della sicurezza dovrebbero inoltre evitare di trattare l'acquisto di una piattaforma come la conclusione della governance AI. I proprietari dei prodotti devono definire l'uso accettabile. I team legali e privacy devono stabilire i requisiti sui dati. I team di identità devono limitare le autorizzazioni e gli sviluppatori devono progettare azioni degli agenti più sicure.

Tenable One può coordinare parte di questo lavoro. Non può decidere la tolleranza al rischio dell'organizzazione. Né può correggere ogni progetto di applicazione non sicuro dopo la distribuzione.

Tre segnali mostreranno se la strategia funziona

La prossima fase dovrebbe essere valutata attraverso la profondità delle integrazioni, la riduzione del rischio verificata e la risposta competitiva, non tramite un altro elenco di funzionalità AI.

Il primo segnale è l'espansione della copertura in produzione. Tenable dovrebbe documentare quali piattaforme AI, servizi cloud, API e framework per agenti ricevono un supporto approfondito. Il dettaglio importante non è il numero di integrazioni.

Gli acquirenti devono sapere cosa ogni connessione può osservare e modificare. Informazioni utili includono dati di identità disponibili, copertura della configurazione, visibilità dei prompt, azioni di policy, tempi di sincronizzazione e opzioni di correzione.

Una copertura più approfondita rafforzerebbe l'argomento di Tenable a favore dell'esposizione unificata. Un lungo elenco di connettori con telemetria superficiale lo indebolirebbe. I team di sicurezza dovrebbero cercare note di rilascio che aggiungano azioni applicabili, non solo nuove fonti di inventario.

Il secondo segnale è un miglioramento operativo misurabile. Tenable dovrebbe fornire evidenze dei clienti che mostrino come il contesto AI modifichi la prioritizzazione, riduca il tempo di indagine o prevenga comportamenti rischiosi.

Le evidenze più utili confronterebbero i flussi di lavoro prima e dopo la distribuzione. Potrebbero mostrare come un'esposizione combinata di identità, cloud e AI sia passata davanti a rilevamenti con impatto minore. Potrebbero anche documentare con quale rapidità il team ha chiuso quel percorso.

Test indipendenti avrebbero più peso di una sola citazione di un cliente. I ricercatori potrebbero valutare copertura della scoperta, rilevamento degli attacchi, applicazione delle policy e falsi positivi in scenari ripetibili.

Un risultato solido mostrerebbe che Tenable rileva esposizioni significative non individuate da strumenti isolati. Dovrebbe inoltre dimostrare che gli analisti possono comprendere il rilevamento e completare la correzione senza un eccessivo lavoro manuale.

Il terzo segnale è il modo in cui reagiscono le piattaforme di sicurezza concorrenti. Palo Alto Networks offre già funzioni di sicurezza per postura, modello, runtime, red team e agenti tramite Prisma AIRS. Altri fornitori possono collegare i controlli AI con telemetria di identità, dati, endpoint, rete o cloud.

Se i concorrenti adottano lo stesso linguaggio incentrato sull'esposizione, l'impostazione di Tenable acquisisce validità. Se forniscono un'applicazione più forte mentre Tenable rimane focalizzata sull'analisi, il mercato potrebbe favorire piattaforme più vicine al controllo runtime.

Le partnership determineranno tale esito. Nessuna piattaforma di esposizione può governare nativamente ogni modello, framework di agenti, archivio dati e applicazione aziendale. Tenable necessita di un accesso affidabile alla telemetria e alle interfacce di correzione di terze parti.

Le interfacce aperte proteggono inoltre i clienti dal lock-in architetturale. Le aziende utilizzeranno diversi fornitori di modelli e stack di sviluppo. Hanno bisogno di policy di sicurezza che resistano ai cambiamenti di tali servizi sottostanti.

Per i responsabili della sicurezza, l'azione immediata è una valutazione controllata. Selezionate diversi flussi di lavoro AI reali, inclusi un assistente approvato, un'applicazione personalizzata e un agente con accesso agli strumenti. Documentate ogni identità, fonte dati, autorizzazione e connessione esterna.

Quindi testate separatamente scoperta, contesto, rilevamento, applicazione e correzione. Introducete una configurazione errata, privilegi eccessivi, un trasferimento di dati vietato e uno scenario controllato di iniezione di prompt. Registrate quale passaggio Tenable osserva e quale può modificare.

Coinvolgete i team privacy e governance in tale valutazione. Il monitoraggio dei prompt e la raccolta delle attività possono creare propri record sensibili. Confermate conservazione, controllo degli accessi, mascheramento, audit e gestione regionale prima di una distribuzione estesa.

Infine, confrontate il risultato con i controlli già presenti nelle piattaforme cloud, di identità, dati e produttività. Il consolidamento crea valore solo quando elimina punti ciechi o abbrevia la risposta. Una nuova dashboard da sola non fa né l'una né l'altra cosa.

Tenable One diventerà il livello di rischio che collega l'AI aziendale al resto della cybersicurezza? La sua architettura gli offre un percorso credibile. Gli acquirenti dovrebbero ora pretendere prove che quel percorso porti a una riduzione del rischio applicabile e misurabile.