Al centro del programma del Cybertech Europe 2026, nona edizione dell’evento dedicato alla sicurezza informatica, ci sono l’intelligenza artificiale, le strategie europee e nazionali di cyber security, la cyber defence e la sovranità dei dati.
Ma sono soprattutto i rischi vecchi e nuovi nell’era dell’AI ad aver catalizzato la parte più sostanziale dei confronti, sia nei panel della conferenza, sia nei corridoi e nei back office degli stand.
L’occasione è utile per rivalutare rischi considerati “soliti” e “consueti” ancora troppo spesso ignorati, e per prendere consapevolezza di categorie di rischio più recenti.
Fra i “soliti sospetti” figurano le vulnerabilità legate all’AI e quelle prodotte da una adozione frettolosa e poco strutturata, per la quale le aziende non hanno ancora sviluppato procedure formali e su cui la consapevolezza resta, per essere gentili, episodica e improvvisata.
In aggiunta, si riscontra una tenenza alla scarsa value proprosition e alla personalizzazione che concorre ad un appiattimento tecnologico con una dipendenza e concentrazione critica.
Indice degli argomenti
Shadow AI: quando l’azienda arranca e il singolo corre
È proprio nel divario fra ritardo aziendale e corsa individuale che si radica il fenomeno della Shadow AI, ovvero dell’intelligenza artificiale non governata.
Il singolo dipendente adotta strumenti AI personali nel tentativo di potenziare il proprio ruolo e la propria visibilità, senza considerare le conseguenze. Ne derivano tre problemi sovrapposti. Il primo è la divulgazione non autorizzata di dati aziendali verso sistemi esterni.
Il secondo è la perdita di know how: i dati escono, ma parallelamente il dipendente abdica alla costruzione di conoscenza propria, delegando allo strumento digitale. Per le aziende si verifica quindi una doppia erosione di valore.
Il terzo è la creazione di superfici di attacco che il perimetro aziendale non presidia più, perché nessuno sa dove questi strumenti risiedono e cosa elaborano.
Su questo fronte, l’AI Act europeo offre una direzione. Introduce obblighi di trasparenza e categorizzazione dei sistemi, e di fatto impone alle organizzazioni di censire e governare l’AI che usano.
Ma la soluzione non può essere solo normativa. Serve una cultura interna del rischio applicata all’AI, con policy chiare sull’uso degli strumenti, processi di approvazione e formazione continua. Senza presidio umano, la norma resta lettera morta.
Physical AI: quando il rischio diventa concreto e fisico
Una classe di rischio più recente riguarda la convergenza tra intelligenza artificiale e mondo fisico, la cosiddetta Physical AI.
In questo paradigma le macchine percepiscono l’ambiente, comprendono il contesto, prendono decisioni in tempo reale e compiono azioni fisiche.
E proprio quest’ultima caratteristica apre scenari di rischio specifici e distinti da quelli digitali: si va dal rischio di safety delle persone fisiche ai malfunzionamenti della componente meccanica e robotica, senza dimenticare anche tutte le criticità tipiche dell’AI: manipolazione dei modelli, avvelenamento dei dati di addestramento, attacchi agli strati di percezione sensoriale.
In un sistema che aziona un braccio robotico, un veicolo autonomo o un impianto industriale, una decisione alterata produce effetti nel mondo reale e non solo nello schermo di un analista.
La sfida è costruire una sicurezza localizzata, integrata nel dispositivo fisico, che sappia operare anche in assenza di connessione centrale, coniugata a una sicurezza centralizzata di supervisione e governo.
Il bilanciamento tra autonomia operativa e controllo umano è tutt’altro che banale ed è uno dei temi più aperti del settore.
La concentrazione tecnologica: tutti dipendenti dalle stesse tre fonti
Un terzo rischio significativo riguarda la scarsa diversificazione fra i vendor e la concentrazione della filiera tecnologica. La base di quasi tutti gli strumenti AI oggi in commercio proviene dalle stesse tre o quattro fonti.
Modelli di linguaggio, infrastrutture cloud, framework di sviluppo: tutto converge su un numero ristrettissimo di soggetti, quasi tutti extra-europei.
Il problema della value proposition è tangibile: prodotti diversi che condividono lo stesso nucleo tecnologico condividono anche le stesse vulnerabilità, gli stessi bias, le stesse dipendenze geopolitiche.
La risposta non è rinunciare all’AI, ma investire in addestramenti specifici e specialistici su set di dati proprietari. Dati che oggi non sono più gratuiti e che soprattutto devono rispecchiare conversazioni e casi d’uso reali.
Alimentare un modello con dati sintetici o non rappresentativi apre un rischio di collasso del modello stesso: sistemi addestrati su output di altri sistemi AI perdono progressivamente qualità e coerenza, in un processo di degrado che è già oggetto di ricerca e che per certi settori si sta già manifestando.
L’essere umano che abdica: la causa comune
Ciò che accomuna queste tre classi di rischio e un elemento unico: l’essere umano che abdica.
Abdica nel processo produttivo, in quello cognitivo, in quello decisionale. Lascia fare all’AI dove prima esercitava giudizio, controllo, costruzione di esperienza. Si ritaglia un ruolo ancillare invece di esercitare quello di governo.
E lo fa in modo silenzioso, spesso convinto di guadagnare efficienza, senza misurare ciò che cede in cambio.
La domanda che manca: per cosa stiamo innovando?
La corsa all’ultimo modello, all’ultimo robot, al lancio più veloce tradisce un’innovazione fine a sé stessa. Essere primi. Ma primi a cosa, esattamente? Qual è l’obiettivo reale di questa accelerazione?
Forse è il momento di spostare la domanda: non come innoviamo, ma per cosa.
L’umanità sta attraversando problemi concreti, cresciuti senza essere governati, arrivati a una maturità che non ammette più rinvii. Perdita di competenze professionali. Erosione del controllo industriale. Dipendenza digitale da soggetti esterni. Insostenibilità ambientale dei data center. Scarsità di risorse. Sono problemi che l’AI potrebbe aiutare a risolvere, se venisse orientata in quella direzione. Ma questo richiede una scelta deliberata, non un inseguimento del trend.
Il vero denominatore comune, alla fine, non è l’AI. E la mancanza di un progetto umano attorno ad essa.
I lettori di Cybersecurity360 possono utilizzare il codice Paeur26Net1 al momento della registrazione (nella categoria “Abbonamento di 2 giorni alla conferenza”) per l’accesso al Cybertech Europe 2026: https://italy.cybertechconference.com/registration.
Partecipa alla community