Esiste un fenomeno che sta entrando nel vocabolario della sicurezza aziendale senza avere ancora una definizione condivisa: il GenAI Security Gap.
È la distanza strutturale tra la velocità con cui l’intelligenza artificiale generativa viene adottata nelle organizzazioni e la capacità di chi le governa di mantenere il controllo su cosa gira, con quali dati e con quali rischi.
Il Rapporto Clusit 2026 offre una misura del costo già provocato da questa distanza: nel 2025 l’Italia ha registrato 507 incidenti gravi, il 42% in più rispetto al 2024, pari al 9,6% del totale mondiale. A livello globale gli incidenti sono cresciuti del 48,7%, la crescita più alta mai rilevata dall’associazione.
L’intelligenza artificiale viene indicata come uno dei principali moltiplicatori: automatizza la scoperta delle vulnerabilità, genera codice malevolo e ha contribuito a una crescita del 75% degli attacchi di phishing e social engineering, sempre più difficili da distinguere da comunicazioni legittime.
Sul fronte dell’adozione, il quadro tracciato dall’Osservatorio Artificial Intelligence del Politecnico di Milano (2026) conferma la stessa accelerazione: il mercato dell’AI in Italia ha raggiunto 1,8 miliardi di euro nel 2025 (+50% sul 2024). Il 71% delle grandi imprese ha avviato almeno un progetto di intelligenza artificiale e l’84% ha già acquistato licenze GenAI. La stessa ricerca segnala però che la rapidità di adozione non è accompagnata da un rafforzamento proporzionale dei meccanismi di controllo.
«Il GenAI Security Gap non è un problema tecnico, è un problema di controllo organizzativo» osserva Millo Meneghini, Head of Digital Transformation & Innovation di Axitea. Un divario che, secondo l’analisi di Axitea, si manifesta su tre livelli distinti, ciascuno con implicazioni proprie.
Indice degli argomenti
Primo livello: non si vede cosa si usa
Il tratto distintivo del GenAI Security Gap è la cecità. Le aziende non perdono il controllo dell’AI perché qualcuno gliela sottrae, ma perché questa entra nei processi aziendali in modo frammentato, distribuito e spesso invisibile ai vertici.
La dimensione del fenomeno è già misurabile: otto professionisti su dieci utilizzano strumenti di intelligenza artificiale non aziendali per svolgere il proprio lavoro, secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano (2026). Lo fanno attraverso account personali, plugin non approvati, funzionalità AI integrate negli aggiornamenti di software già in uso, per ragioni di produttività comprensibili: scrivere più rapidamente, analizzare più dati, automatizzare attività ripetitive. Il costo di questa Shadow AI, secondo DTEX/Ponemon (2026), è stimato in 19,5 milioni di dollari l’anno per organizzazione.
Sul fronte della governance, la fotografia scattata dall’Osservatorio Cybersecurity & Data Protection del Politecnico di Milano (2026) non è più incoraggiante: il fattore umano resta la criticità prioritaria per il 96% dei responsabili sicurezza, il 60% dei CISO è preoccupato per la diffusione spontanea di AI consumer in azienda e il 71% ritiene che l’AI, nel complesso, aumenti il rischio cyber più di quanto lo riduca. Solo il 28% delle grandi imprese italiane ha attivato tutte le leve necessarie per una reale cyber-resilienza.
Non vedere cosa si utilizza significa non essere in grado di reagire quando qualcosa va storto, né sul piano tecnico né su quello legale.
Secondo livello: si crede di avere più tempo di quanto se ne abbia
La dimensione normativa del gap è forse la più fraintesa, complice una lettura troppo ottimistica del Digital Omnibus approvato dal Parlamento europeo a giugno 2026.
Cosa ha davvero rinviato il Digital Omnibus
Il provvedimento ha effettivamente posticipato alcune scadenze dell’AI Act: per i sistemi ad alto rischio elencati nell’Allegato III (strumenti usati in selezione del personale, scoring creditizio, gestione di infrastrutture critiche) il termine slitta a dicembre 2027; per quelli integrati in prodotti già regolamentati da normative settoriali, ad agosto 2028.
Molte aziende hanno interpretato queste proroghe come un segnale rassicurante, che concede più margine per mettersi in regola.
Gli obblighi già vincolanti oggi
Il problema è che una parte consistente degli obblighi è già esigibile. L’AI Literacy, cioè la formazione documentata del personale che utilizza strumenti di intelligenza artificiale, è obbligatoria dal 2 febbraio 2025.
Gli obblighi di trasparenza verso gli utenti che interagiscono con chatbot o contenuti generati dall’AI sono scattati il 2 agosto 2026.
La legge italiana 132/2025, in vigore da luglio 2025, non ha beneficiato di alcuna proroga: l’obbligo di informare clienti e utenti sull’uso di sistemi di intelligenza artificiale è già vincolante, con l’ACN titolare di poteri ispettivi e sanzionatori attivi.
Per gli amministratori delle aziende italiane, inoltre, la responsabilità civile prevista dall’articolo 2086 del Codice Civile, che impone assetti organizzativi adeguati, non dipende da alcuna scadenza europea.
A complicare il quadro c’è un problema di classificazione: molte aziende utilizzano già, senza saperlo, sistemi che rientrano nella categoria ad alto rischio dell’AI Act.
Un software HR che filtra curriculum con criteri algoritmici, un CRM con scoring predittivo sui clienti, uno strumento di performance management che supporta le valutazioni dei dipendenti sono tutti sistemi ad alto rischio – spesso installati come funzionalità embedded in aggiornamenti di piattaforme già in uso, non acquistati consapevolmente come “sistemi AI”.
Ma sapere come cambiare approccio presuppone, prima di tutto, aver chiaro cosa si sta effettivamente utilizzando.
Terzo livello: manca chi ne risponde
Il livello più sottovalutato del GenAI Security Gap è organizzativo, e riguarda la catena di responsabilità interna più che i sistemi o le normative.
In molte aziende italiane manca un referente formale per l’intelligenza artificiale che abbia visibilità su tutti i sistemi attivi, autorità sulle configurazioni e responsabilità sulle scelte operative. Le decisioni sull’adozione di strumenti AI vengono prese in modo distribuito e non coordinato: il marketing adotta un tool per la generazione di contenuti, l’HR un software di recruiting con scoring algoritmico, il commerciale integra funzionalità predittive nel CRM. Ognuna di queste scelte ha implicazioni sulla sicurezza dei dati, sulla compliance normativa e sulla responsabilità dell’azienda, ma nessuna viene coordinata a livello centrale.
La segmentazione elaborata dall’Osservatorio AI4Innovation del Politecnico di Milano (2026) restituisce la stessa fotografia da un’altra angolazione: solo il 26% delle aziende italiane ha integrato l’intelligenza artificiale in modo strutturale nei propri processi (“AI Scaler”), mentre il restante 74% resta fermo a progetti pilota isolati o a un uso sporadico e senza regia centrale (“AI Experimenter” e “AI Starter”). È soprattutto in queste ultime due categorie che la responsabilità sulla sicurezza dell’AI tende a restare indefinita.
Qualcosa si sta muovendo: la quota di organizzazioni che valuta sistematicamente la sicurezza degli strumenti AI prima del deployment è quasi raddoppiata in un anno, dal 37% al 64%, secondo il World Economic Forum. Resta però un 36% privo di qualsiasi processo formale.
Come si chiude il gap
Chiudere il GenAI Security Gap non significa bloccare l’adozione dell’intelligenza artificiale, ma creare le condizioni perché questa sia utilizzata in modo controllabile, tracciabile e difendibile.
Il primo passo, secondo Axitea, è la visibilità: censire tutti gli strumenti AI in uso, compresi SaaS di terze parti, plugin e funzionalità embedded negli aggiornamenti software. Senza questa mappa, qualsiasi policy resta formale sulla carta e vuota nella pratica: lo stesso principio che guida i Security Operation Center di Axitea, dove la priorità è correlare segnali da domini diversi per intercettare pattern deboli prima che diventino incidenti. Una logica di visibilità operativa, non di compliance formale.
Il secondo passo è la classificazione: per ogni strumento identificato, verificare se rientra nelle categorie a rischio elevato dell’AI Act, con particolare attenzione ai processi che riguardano le persone. Questa classificazione determina quali obblighi si applicano, con quale urgenza e chi in azienda ne risponde.
Il terzo è l’assegnazione di responsabilità chiare: un referente interno, coordinato con il DPO e con le funzioni legale e IT, che mantenga aggiornato il quadro degli strumenti attivi e abbia autorità sulle scelte operative. Non una struttura burocratica, ma una catena di responsabilità che permetta di rispondere con certezza a chi chiede come viene utilizzata l’intelligenza artificiale in azienda.
«L’intelligenza artificiale genera valore quando opera come copilota: uno strumento potente, sotto supervisione consapevole. Diventa un rischio quando opera come pilota automatico, prendendo decisioni su dati sensibili senza che nessuno abbia scelto esplicitamente di delegargliele», sintetizza Meneghini.
La distanza tra questi due scenari si chiama GenAI Security Gap. Colmarla è, prima di tutto, una responsabilità organizzativa.
Contributo redazionale realizzato in collaborazione con Axitea.
Partecipa alla community