Uniti Solutions AI Security porta il controllo della Shadow AI nella rete gestita
Uniti Solutions ha lanciato il suo primo servizio gestito dedicato alla sicurezza AI, trasferendo il controllo delle attività AI sul posto di lavoro in una piattaforma di sicurezza di rete esistente. L'offerta Uniti Solutions AI Security prende di mira prompt, risposte, applicazioni, modelli e agenti autonomi che i firewall convenzionali spesso non sono in grado di valutare.
Il servizio è basato su Cato Networks e viene venduto come componente aggiuntivo dell'offerta Secure Access Service Edge gestita di Uniti. SASE combina funzioni di rete e sicurezza in un'architettura erogata dal cloud. Questo modello di distribuzione è rilevante perché i nuovi controlli si trovano nel percorso del traffico già utilizzato dai clienti partecipanti.
L'annuncio non è semplicemente l'ennesimo fornitore di sicurezza che aggiunge “AI” a un prodotto consolidato. Uniti scommette sul fatto che le imprese vogliano un provider di servizi che gestisca i controlli AI su strumenti approvati e non approvati. Microsoft, Google e aziende specializzate nella sicurezza stanno affrontando lo stesso problema attraverso le proprie piattaforme.
Questo crea la tensione centrale. Un servizio di rete gestito può offrire ai team di sicurezza un unico punto di applicazione delle policy, ma la sola visibilità non produce una policy AI praticabile. I clienti devono comunque decidere quali prompt siano accettabili, quali dati richiedano protezione e quando un blocco automatico causi più danni di quanti ne prevenga.
Uniti Solutions AI Security monitora più del semplice accesso alle applicazioni
Il servizio estende la sicurezza di rete dal controllo degli accessi all'interpretazione di ciò che utenti e sistemi AI si scambiano.
Uniti ha annunciato l'offerta il 13 ottobre 2026. Il suo comunicato su AI Security descrive tre funzioni principali: individuazione dell'uso dell'AI, analisi delle interazioni e applicazione di protezioni in tempo reale.
L'individuazione copre applicazioni, modelli e agenti AI approvati e non approvati tra gli utenti e le sedi partecipanti. Questa funzione di inventario affronta la Shadow AI, ovvero sistemi AI utilizzati senza l'approvazione o la governance di un'organizzazione.
Il servizio esamina inoltre prompt, risposte e azioni. Uniti afferma che il sistema sottostante considera l'intento anziché basarsi soltanto sulle corrispondenze di parole chiave. Questa distinzione è importante quando un prompt contiene linguaggio ordinario attorno a codice sorgente riservato, informazioni finanziarie o record dei clienti.
Le protezioni in tempo reale forniscono il livello di applicazione delle policy. Secondo Uniti, gli amministratori possono bloccare utilizzi impropri o oscurare informazioni sensibili mentre un'interazione è in corso. Questo approccio mira a preservare l'accesso legittimo anziché trattare ogni strumento AI non approvato come un rifiuto automatico.
Il servizio copre tre diversi percorsi AI aziendali. I dipendenti potrebbero usare assistenti pubblici di terze parti, gli sviluppatori potrebbero creare applicazioni AI interne e gli agenti autonomi potrebbero agire attraverso sistemi connessi. Ogni percorso crea identità, flussi di dati e potenziali conseguenze differenti.
Un dipendente che incolla un record cliente in un chatbot crea un rischio diretto di divulgazione. Un'applicazione interna può esporre dati eccessivi a causa di controlli di accesso deboli. Un agente introduce un'altra preoccupazione perché può compiere azioni tramite strumenti e account connessi.
Uniti offre il servizio solo ai clienti che utilizzano il suo servizio SASE gestito basato su Cato. Si tratta quindi di un'espansione di una relazione di erogazione esistente, non di un prodotto di sicurezza autonomo per ogni impresa.
Questa limitazione spiega anche la logica commerciale. Uniti fornisce già connettività di rete, implementazione e supporto operativo a questi clienti. Può aggiungere controlli sul traffico AI senza chiedere loro di istituire un altro flusso di lavoro indipendente per le operazioni di sicurezza.
L'azienda afferma che la sua attività più ampia raggiunge quasi il 95% delle sedi di clienti business, governativi e dell'istruzione negli Stati Uniti. Questa cifra descrive la portata del suo servizio, non l'adozione della nuova offerta AI.
Uniti non ha divulgato il numero di clienti, i risultati delle implementazioni, l'accuratezza del rilevamento o valutazioni indipendenti del servizio. L'annuncio stabilisce le capacità previste, ma non le loro prestazioni in un ambiente di produzione.
Il cambiamento immediato resta comunque concreto. I clienti SASE gestiti esistenti hanno ora un'opzione per governare le interazioni AI attraverso lo stesso provider che gestisce il loro livello di sicurezza di rete.
La Shadow AI è diventata un problema di controllo dei dati
Le imprese sono sotto pressione perché i dipendenti hanno adottato l'AI più rapidamente di quanto molti team di sicurezza abbiano stabilito regole applicabili.
Uniti cita più di due milioni di clienti business di OpenAI come prova che l'AI aziendale è andata oltre la sperimentazione limitata. Il rapporto sull'AI aziendale di OpenAI ha inoltre riportato più di sette milioni di postazioni ChatGPT sul posto di lavoro.
Queste cifre non mostrano quante organizzazioni abbiano una governance debole. Mostrano però che gli strumenti AI operano oggi su un gran numero di account aziendali e processi di business ripetibili.
La statistica più rivelatrice proviene da un sondaggio sul luogo di lavoro condotto da Microsoft e LinkedIn. Ha rilevato che il 78% degli utenti AI intervistati ha portato al lavoro i propri strumenti AI. Lo studio originale sull'AI sul posto di lavoro ha inquadrato tale comportamento come un'adozione individuale diffusa al di fuori dei programmi aziendali formali.
Il comportamento bring-your-own-AI crea un difficile problema di applicazione delle policy. Bloccare un dominio potrebbe fermare un servizio, ma i dipendenti possono passare a un altro sito web, estensione del browser, applicazione o assistente integrato.
Neppure gli strumenti approvati eliminano il rischio. Un chatbot autorizzato può comunque ricevere testo riservato che un utente non dovrebbe condividere. Un agente interno approvato può accedere a più record di quanti ne richieda il suo compito.
Ecco perché la Shadow AI differisce da un semplice problema di inventario software. I team di sicurezza devono sapere quali strumenti sono presenti, ma necessitano anche di contesto su identità, dati, prompt e azioni risultanti.
Le linee guida di Microsoft definiscono la Shadow AI come l'uso di strumenti AI senza la conoscenza, l'approvazione o la governance dei team tecnologici di un'organizzazione. Il suo blueprint sulla Shadow AI raccomanda individuazione, controlli sulle applicazioni, prevenzione della perdita di dati, audit e indagine.
Uniti e Cato affrontano la stessa sequenza di controlli dal livello della rete gestita. La visibilità sul traffico può rivelare servizi AI di terze parti che i record di procurement o i sistemi di identità non hanno rilevato. L'ispezione inline può quindi supportare policy basate sulle informazioni trasmesse.
Questo modello esercita pressione su diverse funzioni di sicurezza esistenti. I team di governance dei dati devono definire le informazioni protette. I team di rete devono implementare l'applicazione delle policy senza interrompere il lavoro legittimo. I team delle operazioni di sicurezza necessitano di avvisi utili anziché di un altro flusso di eventi con poco contesto.
Anche i responsabili delle applicazioni sono sottoposti a scrutinio. Se un sistema AI interno compare nell'inventario, il suo proprietario deve spiegare quali dati utilizza e quali azioni può eseguire. Un agente non può restare un esperimento informale dopo aver iniziato ad accedere ai sistemi di produzione.
Il servizio risponde quindi a una lacuna organizzativa tanto quanto a una tecnica. I dipendenti hanno forti incentivi a utilizzare strumenti AI efficienti. I team di sicurezza non possono gestire questa domanda solo tramite documenti sull'uso accettabile.
Un programma praticabile necessita di sufficiente visibilità per identificare comportamenti rischiosi e di sufficiente precisione per evitare di bloccare ricerca, redazione o analisi ordinarie. La proposta di Uniti è che l'applicazione delle policy gestita possa colmare questa lacuna per i clienti che già instradano il traffico attraverso Cato.
Cato AI Security trasforma SASE nel punto di applicazione delle policy
La scommessa tecnica è che la governance dell'AI funzioni meglio quando i controlli seguono utenti e traffico attraverso applicazioni, sedi e dispositivi.
La piattaforma SASE di Cato combina accesso di rete e ispezione della sicurezza in un servizio cloud-native. Uniti aggiunge implementazione, connettività, monitoraggio e supporto operativo attorno a tale piattaforma per i clienti gestiti.
Questa struttura offre al servizio di sicurezza AI di Uniti un ampio punto di osservazione. Un utente potrebbe accedere a un chatbot pubblico da un ufficio, una connessione remota o un'applicazione ospitata nel cloud. Le policy SASE possono seguire quel traffico quando attraversa il servizio gestito.
I firewall tradizionali valutano principalmente indirizzi, porte, protocolli, applicazioni e indicatori di minaccia noti. Questi controlli restano importanti, ma non spiegano pienamente il significato di un prompt o di una risposta.
Una richiesta può essere tecnicamente consentita pur creando un'esposizione di dati. Per esempio, un dipendente potrebbe chiedere a un assistente approvato di riassumere un documento riservato su un'acquisizione. La connessione è legittima, ma il contenuto viola la policy aziendale.
Uniti afferma che Cato AI Security può ispezionare l'intento di prompt e risposte, rilevare dati sensibili e intervenire inline. Può inoltre creare un inventario di centinaia di strumenti AI e distinguere i servizi autorizzati da quelli non autorizzati.
L'oscuramento rappresenta un'opzione meno dirompente del blocco completo. Una policy potrebbe rimuovere un identificatore protetto consentendo al resto di un prompt di procedere. In teoria, questo preserva la produttività riducendo al contempo il rischio di divulgazione.
Tuttavia, un oscuramento efficace dipende dalla qualità della classificazione. Un sistema deve riconoscere i dati protetti in formati diversi e comprendere il contesto circostante. Deve inoltre evitare di eliminare informazioni ordinarie di cui gli utenti hanno bisogno per il lavoro legittimo.
Gli agenti alzano la posta in gioco perché possono agire anziché limitarsi a generare testo. Un agente potrebbe interrogare un database, creare un ticket di supporto, inviare un messaggio o modificare un record. Il suo profilo di sicurezza include autorizzazioni di identità, accesso agli strumenti, istruzioni ed esposizione dei dati.
La strategia di piattaforma di Cato si è ampliata attorno a questi rischi agentici. All'inizio del 2026, l'azienda ha annunciato funzionalità native di sicurezza AI e un servizio di prevenzione delle minacce agentiche. Uniti sta confezionando parti di questa direzione come servizio gestito per i propri clienti.
La partnership è già consolidata sul piano commerciale. Nell'agosto 2026, Uniti ha rinnovato un accordo pluriennale con Cato e ha ottenuto lo status di Advanced Partner. Uniti afferma che meno del 2% dei partner globali di Cato detiene questa designazione.
Le aziende descrivono inoltre Uniti come il primo provider gestito nordamericano a fornire un servizio SASE gestito basato su Cato. Si tratta di affermazioni aziendali sullo status della partnership, non di misurazioni indipendenti dei risultati di sicurezza.
Ciononostante, la relazione riduce una fonte di rischio di integrazione. Uniti non sta assemblando uno stack di sicurezza AI sconosciuto immediatamente prima del lancio. Sta estendendo una piattaforma che i suoi team tecnici già implementano e supportano.
Il meccanismo crea anche un confine. I controlli possono ispezionare solo le interazioni visibili attraverso traffico, identità, endpoint o applicazioni integrati. Flussi crittografati, dispositivi non gestiti, integrazioni dirette con applicazioni e canali non supportati possono creare lacune.
I clienti dovrebbero quindi chiedere quali percorsi il servizio riesca a vedere. Dovrebbero testare separatamente browser, applicazioni desktop, dispositivi mobili, API, modelli interni e strumenti per agenti. La “visibilità AI” è significativa solo quando la sua copertura è definita.
Microsoft e Google competono per lo stesso livello di controllo
Il principale concorrente di Uniti non è un singolo provider gestito, bensì il modello di sicurezza nativo della piattaforma già disponibile nei principali ecosistemi tecnologici enterprise.
Microsoft offre funzionalità di rilevamento dell’AI e controlli sui dati tramite Purview, Defender for Cloud Apps, Entra e Intune. Purview può applicare policy di prevenzione della perdita di dati, verificare le interazioni, classificare le informazioni e indagare sulle attività rischiose.
Il suo vantaggio deriva dalla vicinanza alle identità Microsoft, agli endpoint, ai dati di produttività e ai prodotti Copilot. Un’organizzazione fortemente investita in Microsoft 365 potrebbe preferire controlli che ereditano etichette e policy di conformità già esistenti.
Microsoft documenta anche il supporto per applicazioni AI di terze parti selezionate. Le sue linee guida sulla protezione dell'AI raggruppano i copiloti Microsoft, le applicazioni AI aziendali registrate e i servizi di AI generativa rilevati dal browser in categorie di controllo distinte.
Google sta sviluppando un portafoglio comparabile attorno a Security Command Center, Sensitive Data Protection, Model Armor e ai propri servizi cloud AI. Model Armor analizza prompt e risposte alla ricerca di prompt injection, dati sensibili, contenuti dannosi e link malevoli.
L’approccio di Google è interessante quando gli sviluppatori realizzano applicazioni AI su Google Cloud o necessitano di protezioni a livello di modello tramite API. Microsoft gode di un vantaggio simile quando i flussi di lavoro AI restano nel proprio ambiente di identità e produttività.
Uniti e Cato propongono un percorso diverso. Il loro punto di applicazione delle policy è il servizio convergente di rete e sicurezza, anziché una singola suite di produttività o piattaforma di sviluppo cloud.
Questo può aiutare un’impresa con un ecosistema tecnologico eterogeneo. I dipendenti possono utilizzare Microsoft 365, Google Workspace, assistenti AI pubblici, software specializzati e agenti sviluppati internamente. Una policy a livello di rete può offrire uno strato condiviso in tutti questi ambienti.
Il modello riduce inoltre il carico operativo per i clienti che non dispongono di un ampio team di sicurezza interno. Un provider gestito può contribuire a configurare le policy, monitorare gli eventi e supportare le modifiche, invece di consegnare agli amministratori un’altra console.
Tuttavia, gli strumenti nativi della piattaforma possono avere un contesto più ricco nei rispettivi ambienti. Microsoft può utilizzare etichette di riservatezza, segnali di identità, stato dei dispositivi e autorizzazioni dei documenti. Uno strato di rete potrebbe vedere i contenuti trasmessi senza comprendere ogni autorizzazione aziendale sottostante.
Non si tratta di un semplice confronto di funzionalità. I clienti devono decidere quale punto di controllo disponga del contesto necessario e quale team possa gestirlo in modo coerente.
Alcune organizzazioni combineranno entrambi gli approcci. Gli strumenti nativi possono proteggere dati e identità all’interno di una piattaforma cloud, mentre i controlli SASE sorvegliano un traffico più ampio. Questa progettazione a strati può migliorare la copertura, ma può anche duplicare avvisi e applicazione delle policy.
Le policy in conflitto creano problemi pratici. Un sistema potrebbe consentire un prompt dopo la redazione, mentre un altro blocca la sessione. Strumenti separati potrebbero registrare lo stesso evento con etichette diverse per utente, applicazione o rischio.
Il servizio gestito di Uniti deve quindi dimostrare che il consolidamento crea valore operativo. Le prove più solide includerebbero tempi di indagine più brevi, meno applicazioni non gestite, minore esposizione di dati sensibili e tassi accettabili di falsi positivi.
L’annuncio non fornisce queste misurazioni. Finché le implementazioni non le produrranno, Uniti Solutions AI Security resterà un modello di erogazione credibile sostenuto soprattutto dalle capacità del prodotto e da una partnership consolidata.
L’ispezione dei prompt crea propri compromessi di sicurezza
La stessa visibilità necessaria per controllare l’AI può esporre interazioni altamente sensibili di dipendenti e aziende a un ulteriore sistema di ispezione.
L’ispezione dei prompt sembra semplice finché le organizzazioni non considerano il materiale contenuto nei prompt stessi. I dipendenti potrebbero inviare codice sorgente, consulenze legali, informazioni mediche, registri dei clienti, risultati di sicurezza o dati finanziari non ancora pubblicati.
Un controllo che legge prompt e risposte diventa parte del percorso dei dati sensibili. I clienti necessitano di risposte chiare su sedi di elaborazione, conservazione, accesso degli amministratori, crittografia, instradamento regionale e risposta agli incidenti.
Dovrebbero inoltre stabilire se i contenuti ispezionati addestrano qualche modello. L’annuncio del servizio non descrive i termini relativi alla conservazione dei dati o all’addestramento dei modelli. Tali dettagli richiedono una revisione contrattuale e tecnica prima dell’implementazione.
I falsi positivi rappresentano un’altra sfida. Uno sviluppatore potrebbe analizzare legittimamente un campione di codice contenente parole simili a credenziali. Un dipendente dell’area finanziaria potrebbe usare uno strumento autorizzato con record correttamente mascherati. Controlli eccessivamente ampi potrebbero interrompere entrambe le attività.
I falsi negativi sono altrettanto gravi. Le informazioni sensibili possono comparire in formati insoliti o diventare identificabili solo quando combinate con altro contesto. L’analisi dell’intento può migliorare il rilevamento, ma nessun annuncio dimostra una comprensione perfetta.
Le applicazioni AI affrontano anche minacce che vanno oltre la divulgazione accidentale da parte dei dipendenti. L’elenco dei rischi OWASP include prompt injection, divulgazione di informazioni sensibili, gestione impropria dell’output ed eccessiva autonomia.
La prompt injection utilizza contenuti progettati ad arte per influenzare il comportamento di un modello. Un agente può incontrare istruzioni ostili all’interno di documenti, siti web, email o altro materiale recuperato. Il rischio esiste anche quando il dipendente segue la policy aziendale.
L’ispezione inline può contribuire alla difesa, ma non può sostituire una progettazione sicura delle applicazioni. Gli sviluppatori hanno comunque bisogno di autorizzazioni rigorose, permessi degli strumenti limitati, gestione degli input, convalida degli output e approvazione umana per azioni rilevanti.
Conta anche la differenza tra l’uso dell’AI da parte dei dipendenti e gli agenti sviluppati internamente. I controlli del browser possono governare un lavoratore che invia testo a un assistente pubblico. Non correggono automaticamente un agente interno dotato di autorizzazioni eccessive sui database.
I clienti dovrebbero evitare di considerare un singolo inventario come un registro completo delle risorse AI. Le osservazioni di rete richiedono una riconciliazione con account cloud, chiavi API, repository applicativi, sistemi di identità, gateway dei modelli e registri di approvvigionamento.
La progettazione delle policy dovrebbe iniziare da un insieme ristretto di protezioni ad alta affidabilità. Le organizzazioni possono prima bloccare segreti, identificatori regolamentati e applicazioni chiaramente non autorizzate. Possono poi ampliare i controlli utilizzando le evidenze delle attività monitorate.
Un periodo di sola osservazione può rivelare come i dipendenti utilizzino realmente l’AI prima che inizi l’applicazione delle policy. I team di sicurezza possono identificare flussi di lavoro critici per l’azienda, tipologie di dati ricorrenti e reparti che necessitano di alternative approvate.
Anche un feedback chiaro agli utenti è essenziale. Un prompt bloccato dovrebbe spiegare quale policy è stata applicata senza rivelare logiche di rilevamento che gli aggressori possano facilmente eludere. Gli utenti hanno bisogno di un’azione successiva sicura, non soltanto di un messaggio di errore.
Il servizio gestito può aiutare con questi dettagli operativi, ma i clienti restano responsabili delle scelte di policy. Uniti non può determinare l’equilibrio accettabile tra produttività, privacy, conformità e sicurezza per ogni organizzazione.
Il compromesso centrale è quindi inevitabile. Una maggiore ispezione può ridurre le divulgazioni non gestite, ma concentra anche dati di interazione sensibili e introduce un ulteriore motore decisionale nei flussi di lavoro dei dipendenti.
Tre segnali mostreranno se il servizio mantiene le promesse
Il prossimo banco di prova non è un altro annuncio di funzionalità, ma la dimostrazione che i clienti possono governare l’AI senza spingerla ulteriormente nell’ombra.
Il primo segnale è un’adozione misurabile tra i clienti SASE gestiti di Uniti. Uniti non ha comunicato quanti clienti attiveranno l’add-on né quali settori lo adotteranno per primi.
L’adozione nelle organizzazioni regolamentate rafforzerebbe la credibilità del servizio, poiché questi acquirenti richiedono controlli dettagliati, verificabilità e garanzie contrattuali. Un’adozione limitata suggerirebbe che i clienti preferiscono piattaforme native o non sono pronti per l’applicazione delle policy a livello di prompt.
Il secondo segnale è costituito dalle evidenze operative. Uniti e Cato dovrebbero infine riportare copertura delle implementazioni, divulgazioni bloccate, modifiche alle policy, tempi di indagine e tendenze dei falsi positivi. Risultati aggregati possono dimostrare il valore senza esporre i dati dei singoli clienti.
I soli conteggi di rilevamento sarebbero prove deboli. Un sistema può produrre molti avvisi perché le sue policy sono rumorose. Misure migliori includono una riduzione dell’uso non autorizzato, una maggiore migrazione verso strumenti approvati e una risoluzione più rapida degli incidenti verificati.
Il terzo segnale riguarda il modo in cui il servizio gestisce gli agenti autonomi. Il traffico degli agenti costituisce un test più impegnativo rispetto all’uso dei chatbot da parte dei dipendenti, poiché le azioni possono incidere su sistemi esterni e registri aziendali.
Un programma di sicurezza degli agenti credibile deve collegare l’attività di rete con l’identità dell’agente, i permessi delegati, le chiamate agli strumenti e l’accesso ai dati. Se i controlli restano concentrati sui prompt del browser, il servizio coprirà solo una parte del rischio emergente.
Questi segnali chiariranno inoltre la posizione di Uniti rispetto ai prodotti di sicurezza nativi delle piattaforme. Un’ampia visibilità multipiattaforma sosterrebbe il modello SASE gestito. Un contesto più ricco e operazioni più semplici negli ambienti Microsoft o Google favorirebbero i controlli nativi.
Le imprese non devono attendere un vincitore prima di migliorare la governance. Possono inventariare i sistemi AI approvati, definire i dati protetti, limitare i permessi degli agenti e testare il comportamento dei controlli in flussi di lavoro rappresentativi.
Dovrebbero inoltre registrare dove entra la conoscenza importante in un processo AI. Ciò include testo copiato, documenti caricati, repository connessi, record recuperati e output automatizzati degli strumenti. Una base di conoscenza AI aggiornata può rendere più semplici da esaminare questi confini informativi.
Uniti Solutions AI Security arriva in un momento utile, poiché l’AI aziendale si è diffusa oltre le applicazioni approvate centralmente. Il suo modello di erogazione gestita offre ai clienti un punto pratico di applicazione delle policy in un ambiente eterogeneo.
Il lancio non dimostra che ogni interazione AI possa essere classificata correttamente. Inoltre, non elimina la necessità di progettazione sicura delle applicazioni, controlli delle identità, governance dei dati o comportamenti consapevoli dei dipendenti.
La domanda più importante per gli acquirenti è operativa: il servizio può ridurre l’uso rischioso dell’AI preservando al contempo i flussi di lavoro da cui i dipendenti già dipendono? Le organizzazioni che valutano l’add-on dovrebbero iniziare con una mappa di copertura, una base di riferimento in sola osservazione e diverse policy sui dati ad alta affidabilità. Dovrebbero poi testare redazione, blocco, attività degli agenti e indagine sugli incidenti con scenari aziendali reali. Le evidenze risultanti conteranno più del numero di strumenti AI elencati in una dashboard. Se Uniti riuscirà a trasformare questi controlli in minore esposizione e responsabilità più chiara, la sua posizione di rete gestita acquisirà valore. Se gli utenti si limiteranno ad aggirare l’applicazione delle policy, la shadow AI resterà nascosta anziché controllata.
