La Banca Centrale Europea ha fissato una scadenza che farà discutere a lungo i consigli di amministrazione delle maggiori banche dell’eurozona: entro ottobre, ogni istituto dovrà presentare un piano dettagliato per affrontare le minacce informatiche portate dall’intelligenza artificiale di frontiera. Non si tratta di un semplice aggiornamento delle policy di sicurezza: la BCE sta dicendo, con il linguaggio asciutto dei regolatori, che i modelli più avanzati sono ormai capaci di orchestrare attacchi in grado di bucare le difese finanziarie, e che la risposta non può più essere lasciata ai soli strumenti tradizionali.

La novità strutturale è che l’AI non è più soltanto uno strumento per efficientare processi interni o analizzare rischi di credito. Diventa un vettore d’attacco per il quale le contromisure devono essere pensate in modo radicalmente diverso. Un LLM può generare campagne di phishing iper-personalizzate, individuare vulnerabilità nei sistemi legacy più rapidamente di un team umano, o persino adattare l’attacco in tempo reale in base alle reazioni della difesa. In uno scenario del genere, affidarsi esclusivamente a soluzioni di sicurezza basate su provider esterni – cloud compreso – introduce un cortocircuito pericoloso: i modelli di difesa e i dati sensibili transitano su infrastrutture condivise, mentre l’aggressore potrebbe sfruttare capacità computazionali analoghe, spesso sullo stesso tipo di hardware, per affinare gli attacchi.

La logica della sovranità dei dati, già scolpita nel GDPR, si estende ora alla sovranità dell’inference. Tenere i modelli di difesa on-premise, su hardware controllato direttamente dalla banca, non è più un vezzo da compliance officer ma un prerequisito per blindare le infrastrutture critiche. Questo spostamento porta con sé interrogativi concreti sul TCO (TCO), sulla complessità di gestire deployment self-hosted di LLM e sulla necessità di competenze interne rare. Ma offre anche un controllo che nessun Service Level Agreement può garantire, specie quando la minaccia è un agente software capace di apprendere e mutare strategia.

Per chi valuta un simile percorso, esistono framework analitici – come quelli esplorati su /llm-onpremise – che aiutano a pesare i trade-off tra hardware, quantization e stack di orchestrazione, senza cedere alla tentazione di soluzioni preconfezionate. Non c’è una ricetta universale, ma una direzione chiara: la difesa nell’era dell’AI sarà sempre meno separabile da dove e come viene eseguito il modello che la governa.

La scadenza di ottobre non è che il primo passo. Obbliga le banche a formalizzare una strategia, ma il vero banco di prova sarà la capacità di passare da un piano cartaceo a un’architettura in cui l’inference anti-minaccia giri su stack locali, con latenza minima e confini di rete certi. Chi lo farà con convinzione non si metterà solo al riparo da una multa: costruirà le fondamenta per un controllo sistemico sulla propria sicurezza, in un mondo dove l’avversario più insidioso è un modello che impara più in fretta di noi.