Palo Alto Networks ha messo nero su bianco un segnale che molti nel settore già percepivano: l’exploitazione di agenti AI sta cambiando il profilo della domanda di sicurezza, spostando il baricentro dalla protezione perimetrale alla protezione dell’identità. La dichiarazione, rilanciata da DIGITIMES, arriva in un momento in cui le aziende iniziano a distribuire agenti basati su LLM – software autonomo capace di compiere azioni per conto degli utenti, prenotare riunioni, interrogare API, manipolare dati.

Per funzionare, ogni agente ha bisogno di credenziali. E qui il castello traballa: un agente compromesso non è un semplice malware che esegue codice statico – è un’entità che può impersonare un utente legittimo, con accessi granulari che in molti casi non sono stati pensati per entità non umane. La superficie d’attacco si allarga in modo non lineare, perché un singolo agente può orchestrare decine di servizi, ciascuno con il proprio strato di autenticazione.

L’analisi di Palo Alto Networks non punta tanto sulla scoperta di una nuova vulnerabilità, quanto su uno slittamento strutturale della domanda: le imprese non cercano più solo firewall o endpoint detection, ma piattaforme di identity security in grado di distinguere tra chi è umano e chi è una macchina, di applicare politiche di least privilege in tempo reale e di rilevare comportamenti anomali legati all’uso di credenziali da parte di modelli. È il passaggio da un modello di sicurezza incentrato sulla rete a uno incentrato sull’identità, dove il perimetro coincide con ciò che l’identità può toccare.

Questo ha implicazioni di secondo ordine per chi gestisce deployment di AI on-premise. Se gli agenti operano su dati sensibili – cartelle cliniche, transazioni finanziarie, proprietà intellettuale – e le politiche aziendali impongono la residenza dei dati in locale, allora anche i sistemi di identity management devono risiedere nello stesso perimetro. Servizi cloud esterni per l’autenticazione diventano un collo di bottiglia e un vettore di rischio: ogni richiesta di verifica che esce dal confine aziendale è un’opportunità di intercettazione o di latenza non controllabile. Non è un caso che le architetture zero-trust più spinte stiano evolvendo verso modelli di identità distribuita, dove la verifica avviene il più vicino possibile al carico di lavoro.

Il segnale di Palo Alto Networks va letto insieme alla crescita dei framework per LLM self-hosted: se sempre più imprese eseguono inference in locale, anche gli agenti che orchestrano quei modelli verranno eseguiti on-prem. La protezione delle identità macchina diventa quindi un tassello del TCO di un’infrastruttura AI privata, non solo una voce di spesa per la compliance.