Come valutare le piattaforme di sicurezza IA aziendale

La sicurezza IA aziendale non è un singolo controllo. I dipendenti usano chatbot pubblici nei browser, gli sviluppatori chiamano modelli tramite API e gli agenti collegano modelli a strumenti e dati aziendali. Ogni percorso crea una combinazione diversa di rischio relativo a identità, destinazione, informazioni, autorizzazioni e tempi di risposta. Una piattaforma può avere un lungo elenco di funzionalità e lasciare comunque invisibile traffico importante o rendere il lavoro approvato troppo lento da usare.

Una valutazione solida parte quindi dai flussi IA della tua organizzazione, non da una categoria di fornitori o da una narrativa sugli utili. Lo scopo è determinare se una piattaforma può rilevare l'uso reale, applicare regole precise sui dati, vincolare le azioni automatizzate e produrre prove di cui i team di sicurezza e operazioni possano fidarsi. Lo slancio commerciale può indicare che un fornitore può continuare a investire, ma non dimostra che i controlli funzionino nel tuo ambiente.

Definisci la decisione prima di programmare le dimostrazioni

Scrivi una breve scheda di valutazione che indichi utenti, applicazioni, modelli, agenti, classi di dati e percorsi di rete inclusi nell'ambito. Separa i servizi autorizzati dagli account sconosciuti o personali. Includi sessioni del browser, API dei modelli, modelli ospitati privatamente e connessioni degli agenti come il Model Context Protocol, o MCP, ovunque siano presenti.

Poi indica i risultati che contano. Una scheda pratica potrebbe richiedere visibilità dell'IA non autorizzata, prevenzione dei caricamenti sensibili, applicazione delle policy al traffico API, limiti all'accesso degli agenti agli strumenti, log investigativi utili e latenza accettabile dalle sedi principali. Assegna un responsabile a ogni risultato. Altrimenti, i team di rete, identità, sicurezza dei dati, sicurezza delle applicazioni e piattaforma IA potrebbero giudicare la stessa dimostrazione con standard incompatibili.

Non lasciare che i nomi dei prodotti definiscano i requisiti. Netskope, per esempio, descrive capacità separate per visibilità dell'uso dell'IA, ispezione del traffico, governance di agenti e MCP, guardrail relativi ai prompt, test dei modelli e gestione della sicurezza dei dati. Queste categorie sono spunti utili per una mappa dei requisiti, ma la loro esistenza non stabilisce copertura, accuratezza o adeguatezza operativa. Traduci ogni capacità promessa in un test osservabile.

Crea un inventario del traffico IA e dell'uso ombra

La rilevazione è il primo cancello perché una policy non può proteggere il traffico che una piattaforma non vede. Chiedi a ogni fornitore di mostrare come identifica i servizi IA nelle attività browser e API, distingue gli account aziendali da quelli personali, collega l'attività a un utente o carico di lavoro e gestisce i servizi appena comparsi. Verifica se la visibilità dipende da uno specifico agente endpoint, configurazione del browser, percorso proxy o integrazione.

La scala dell'uso ombra può essere significativa. Nel suo rapporto cloud e minacce del 2026, Netskope ha dichiarato che gli utenti di IA generativa sono triplicati nell'organizzazione media osservata, mentre il volume dei prompt è salito da 3.000 a 18.000 al mese. Ha inoltre riportato che il 47% degli utenti di IA generativa ha avuto accesso ad applicazioni IA personali. Sono osservazioni prodotte dal fornitore, quindi dovrebbero informare la progettazione dei test invece di sostituire la tua baseline.

Esegui la rilevazione in un gruppo pilota rappresentativo prima di attivare blocchi estesi. Confronta l'inventario della piattaforma con i log delle identità, gli elenchi delle applicazioni approvate e le integrazioni degli sviluppatori note. Indaga le lacune e i duplicati inspiegati. Un inventario utile dovrebbe rispondere a chi ha usato quale servizio, attraverso quale percorso, con quale tipo di account e se erano coinvolte informazioni sensibili. Un semplice conteggio dei domini IA non basta.

Testa la protezione dei dati come una catena di decisioni

Il controllo dei dati IA dovrebbe combinare identità, classificazione dei dati, destinazione, contesto del modello o dell'applicazione e azione richiesta. Una regola generale di autorizzazione o blocco può fermare caricamenti evidenti, ma non distingue un dipendente autorizzato che riassume materiale pubblico dalla stessa persona che invia record dei clienti a un account personale.

Crea un set di test che rifletta informazioni aziendali reali: codice sorgente, una trascrizione di vendita, un foglio di calcolo clienti e testo pubblico innocuo sono esempi supportati dal pacchetto delle fonti. Per ogni elemento, testa destinazioni consentite e vietate, account gestiti e personali, percorsi browser e API e sia il comportamento di copia-incolla sia quello di caricamento file. Registra se la piattaforma blocca, avverte, guida, oscura o si limita a registrare l'evento.

Misura i falsi positivi oltre alle mancate rilevazioni. Una regola che blocca il normale lavoro approvato incoraggerà aggiramenti, mentre una regola che rileva solo stringhe esatte può mancare contenuto trasformato. Netskope ha riportato una media di 223 violazioni delle policy sui dati di IA generativa per organizzazione al mese e ha affermato che metà delle organizzazioni osservate non disponeva di policy applicabili di protezione dei dati per le applicazioni di IA generativa. Queste cifre dimostrano perché l'applicabilità conta, non quanto sarà accurato un particolare prodotto per i tuoi dati.

Richiedi una traccia di audit che spieghi la decisione: l'attore, il servizio, la categoria di dati, la policy corrispondente, l'azione intrapresa e l'ora. I team di sicurezza dovrebbero poter ricostruire un evento senza affidarsi a uno specialista del fornitore. Conservazione e accesso a tali record dovrebbero corrispondere alle esigenze di indagine e conformità dell'organizzazione.

Tratta agenti e MCP come attività privilegiate

Un agente può ripetere azioni e raggiungere diversi sistemi senza che una persona esamini ogni transazione. Se può accedere a e-mail, archiviazione cloud e sistemi clienti, un'autorizzazione eccessiva o un'istruzione compromessa può esporre più informazioni di un singolo prompt chatbot errato. La sicurezza degli agenti deve quindi coprire identità, autorizzazioni degli strumenti, recupero dati, azioni in uscita e log, non solo il testo inviato a un modello.

Chiedi se la piattaforma può identificare l'agente e l'essere umano o servizio responsabile, enumerare server e strumenti MCP e applicare policy diverse alla lettura dei dati rispetto alla modifica di un sistema. Testa un agente che richiede informazioni oltre il proprio ruolo, richiama uno strumento non approvato o tenta di inviare dati protetti a un servizio esterno. Conferma se i controlli funzionano ancora quando cambiano modelli, strumenti, metodi di autenticazione o endpoint dei server.

Le difese contro prompt injection e jailbreak sono livelli utili, ma non dovrebbero essere trattate come confini di sicurezza deterministici. Il materiale di origine osserva che istruzioni dannose possono arrivare attraverso documenti, pagine web, risposte degli strumenti o contenuto recuperato. La tua architettura dovrebbe comunque usare autorizzazioni ristrette, log delle transazioni, cancelli di approvazione per azioni consequenziali e un modo per disabilitare un'integrazione compromessa. Valuta se la piattaforma supporta questi livelli o si integra in modo pulito con sistemi che lo fanno.

Misura la latenza su percorsi e carichi di lavoro reali

L'ispezione modifica il percorso del traffico, quindi efficacia della sicurezza ed esperienza utente devono essere testate insieme. Definisci località rappresentative, fornitori di servizi, dimensioni dei payload, livelli di concorrenza e flussi di lavoro browser e API. Misura avvio della risposta, consegna dei token, perdita di pacchetti, jitter, tasso di errore e tempo totale dell'attività con e senza il percorso di controllo. Includi sia l'uso costante sia i periodi di picco.

I dati migliori possibili dei fornitori non sono garanzie di servizio. Netskope ha affermato che il suo AI Fast Path ha ridotto la latenza fino al 90% verso destinazioni IA selezionate nei test aziendali. Il risultato può essere pertinente a una rosa ristretta, ma l'espressione “fino al” descrive il miglior risultato osservato. Le prestazioni effettive dipendono da località, percorso originario, applicazione, fornitore del modello, modello di traffico e architettura di rete esistente.

Stabilisci soglie di accettazione prima del pilota e valuta ogni località separatamente. Un'attraente media globale può nascondere un ufficio o carico di lavoro che diventa inutilizzabile. Testa anche il comportamento in caso di guasto: cosa succede quando un punto di ispezione, un percorso di rete privata o una destinazione del modello è compromessa? La piattaforma dovrebbe fallire nel modo richiesto dalla tua policy di rischio e produrre telemetria sufficiente per diagnosticare l'evento.

Esigi prove operative, non un dashboard elegante

Una piattaforma di produzione deve aiutare un team a gestire i controlli dopo la fine della dimostrazione. Assegna ai valutatori compiti realistici: scoprire un nuovo servizio IA, creare una regola sui dati, indagare un evento bloccato, esentare un flusso di lavoro giustificato, tracciare una transazione dell'agente ed esportare prove. Registra il tempo, i privilegi e l'assistenza del fornitore necessari per ogni compito.

Chiedi prove che le policy si comportino in modo coerente tra prodotti venduti come un'unica piattaforma. Un'interfaccia comune non significa necessariamente identità, semantica delle policy, log o applicazione condivisi. Verifica le integrazioni con i flussi di lavoro di identità, dati, rete e incidenti già in uso. Determina come le modifiche alle policy vengono riesaminate, distribuite, annullate e sottoposte ad audit.

Le affermazioni del pilota dovrebbero passare attraverso livelli di prova chiari: presentazione, dimostrazione controllata, proof of concept, produzione limitata e produzione estesa. Il primo interesse dei clienti o un proof of concept dice poco sul funzionamento con identità complesse, repository sensibili, percorsi geografici e flussi di lavoro critici per l'azienda. Richiedi prove di produzione misurate per i casi d'uso che comportano il rischio maggiore.

Tieni la solidità del fornitore separata dall'efficacia dei controlli

La revisione finanziaria appartiene agli acquisti, ma risponde a una domanda diversa. Crescita dei ricavi, ricavi ricorrenti annuali, numero di clienti e adozione dei prodotti possono indicare scala commerciale. Il miglioramento del margine rettificato può indicare leva operativa. Nessuna di queste metriche dimostra accuratezza del rilevamento, qualità delle policy, latenza o risposta agli incidenti.

Il trimestre di origine illustra la distinzione. Netskope ha riportato 221 milioni di dollari di ricavi, in aumento del 29% anno su anno, e 899 milioni di dollari di ricavi ricorrenti annuali. Ha dichiarato che il 59% dei clienti usava almeno quattro prodotti. Tuttavia, il suo deposito SEC ha mostrato anche una net retention basata sui dollari del 114%, in calo dal 118%; l'azienda ha riportato una perdita operativa GAAP di 89,8 milioni di dollari e un flusso di cassa libero negativo di 29,8 milioni di dollari. Il suo margine operativo rettificato è migliorato, ma i risultati rettificati escludevano voci tra cui compensi basati su azioni, imposte correlate, ammortamento di intangibili acquisiti e spese di ristrutturazione.

Usa queste cifre solo per valutare resilienza del fornitore, capacità di investimento e rischio contrattuale. Esamina insieme ricavi rilevati, retention, obbligazioni residue, flusso di cassa, perdite riportate e le definizioni dietro le misure non GAAP. Non dedurre che i prodotti IA abbiano causato una variazione del margine quando il fornitore non ha isolato quell'effetto né divulgato ricavi ricorrenti specifici dell'IA.

Anche la concorrenza conta perché i fornitori di sicurezza adiacenti possono raggruppare controlli IA in relazioni consolidate di accesso, dati, endpoint o rete. Zscaler ha riportato ricavi ricorrenti annuali del quarto trimestre fiscale 2026 pari a 3,771 miliardi di dollari e ha promosso capacità sovrapposte di sicurezza IA e degli agenti. I periodi e i portafogli non sono identici, ma il confronto rafforza un principio di acquisto: valuta costi di cambio, profondità di integrazione, supporto e consolidamento contrattuale accanto ai risultati tecnici.

Checklist pratica di valutazione

Usa questa checklist per trasformare una rosa ristretta in una decisione difendibile:

• Mappa il traffico autorizzato, non autorizzato, di account personali, browser, API, modelli privati, agenti e MCP prima di valutare i prodotti.
• Definisci responsabili e criteri di superamento per rilevazione, protezione dei dati, controlli degli agenti, latenza, indagine e comportamento in caso di guasto.
• Verifica che l'attività rilevata si risolva in un'identità umana o di carico di lavoro significativa e in un tipo di account.
• Testa dati sensibili e innocui attraverso destinazioni approvate e vietate, inclusi percorsi browser e API.
• Misura falsi positivi, eventi mancati, chiarezza della decisione e sforzo operativo necessario per mettere a punto le policy.
• Testa identità dell'agente, accesso agli strumenti a privilegi minimi, controlli lettura rispetto a scrittura, cancelli di approvazione e log delle transazioni.
• Misura località e carichi di lavoro rappresentativi; non accettare una percentuale di latenza nel caso migliore come baseline.
• Esegui esercizi di indagine, eccezione, rollback, esportazione e interruzione con il team che gestirà la piattaforma.
• Distingui prove di dimostrazione, proof of concept, produzione limitata e produzione estesa in ogni scheda di valutazione.
• Esamina finanze del fornitore e posizione competitiva separatamente dall'efficacia della sicurezza, usando insieme misure riportate e rettificate.
• Documenta flussi non coperti, rischi residui accettati, dipendenze, costi di uscita e prove necessarie per il rinnovo.

La scelta più forte non è automaticamente la piattaforma con il maggior numero di moduli legati all'IA o il fornitore in più rapida crescita. È quella che può mostrare un controllo affidabile sul traffico, sui dati, sugli agenti e sulle operazioni reali a un costo di prestazioni accettabile — e continuare a produrre tali prove dopo la distribuzione.