Governance del dato nell’era dell’AI: il controllo segue il file

Nel 2026 solo il 37% delle organizzazioni che hanno subito una violazione cifrava i dati sensibili a riposo e in transito. Il 53% non lo faceva, il 10% non sapeva rispondere (IBM, Cost of a Data Breach Report 2026, p. 21). Significa che in più di un caso su due chi è arrivato ai file ha trovato documenti leggibili.

È un numero che pesa più del solito, perché intanto il dato ha cominciato a muoversi molto più di prima. Dal 2 agosto 2026 si applicano gli obblighi di trasparenza dell’articolo 50 dell’AI Act, il Regolamento (UE) 2024/1689, ultimo tassello di un quadro che tiene insieme GDPR, NIS2, DORA, Cyber Resilience Act e Cyber Solidarity Act. Per chi progetta l’architettura dei dati la domanda operativa è una sola: il documento resta protetto, e la protezione resta dimostrabile, anche quando esce dai sistemi che lo custodiscono?

In sintesi

• Dal 2 agosto 2026 l’AI Act completa un quadro europeo che GDPR, NIS2 e DORA avevano già impostato: proteggere il dato in quanto tale, sapere chi vi accede, poterlo provare a posteriori.
• Il 62% delle violazioni coinvolge l’elemento umano e il 48% passa da terze parti (Verizon, DBIR 2026): chi entra con credenziali valide non fa scattare nessun allarme perimetrale.
• La cifratura resta il fattore che abbassa di più il conto dell’incidente, 213.478 dollari in meno per violazione (IBM 2026, p. 50-51), e l’articolo 34 del GDPR può far venire meno l’obbligo di comunicare la violazione agli interessati.
• FileGrant, la piattaforma file-centric di CyberGrant, cifra il documento alla nascita e tiene attivi permessi, revoca e audit trail anche dopo che il file ha lasciato l’azienda; AIGrant, l’estensione di AI privata integrata in FileGrant, porta il RAG on-premise sui documenti aziendali senza esporli a modelli pubblici.
• Gli incidenti legati alla shadow AI sono passati dal 20% al 43% e costano in media 5,39 milioni di dollari (IBM 2026, p. 46).
• La disciplina che l’Europa ha imposto in dieci anni di adempimenti è oggi una posizione di partenza tecnica, non un costo di conformità.

Perché un investitore in AI passa il tempo a studiare la sicurezza del dato?

Kevin Jiang è Co-Founder e General Partner di Mangusta Capital, fondo dedicato agli investimenti in Vertical AI, e ha investito in CyberGrant. La sua carriera attraversa Goldman Sachs, Soros Fund Management, Apollo Global Management e SoftBank Vision Fund, dove ha seguito operazioni come Flexport, ShipBob e Wiz. Quando gli ho chiesto perché un investitore in AI dedica tanto tempo alla protezione dei dati, è partito da una lezione di metodo maturata in dieci anni nel team fondatore del Vision Fund: di una tecnologia non conta la qualità del prodotto in sé, conta sapere se resterà di nicchia o diventerà qualcosa da cui tutti dipendono. «La distanza tra le due risposte è dove si concentrano i rendimenti più alti e i rischi più grandi. È il momento in cui una tecnologia passa da opzionale a essenziale.»

Quel passaggio, dice, è già cominciato. Lo ha visto con la telefonia mobile e con il cloud, e lo vede adesso con l’AI e con la protezione dei dati che l’AI rende obbligatoria. Per due anni il settore ha misurato una cosa sola, la capacità dei modelli. «Oggi la capacità non è più il problema. Il problema è la fiducia: puoi avvicinare i tuoi dati più sensibili a questi sistemi senza perderne il controllo?»

È la tensione che vedo in ogni azienda con cui lavoro: la pressione a usare l’AI ovunque, e una protezione costruita in vent’anni che non segue i dati riservati quando entrano in questi sistemi. Jiang la riassume così: «I muri presuppongono che il dato stia fermo in un posto. L’AI presuppone che il dato si muova. Sono due idee in conflitto, dentro la stessa azienda.»

Da qui l’inversione di priorità che interessa chi guarda ai mercati prima che maturino. La protezione dei dati smette di essere la voce di spesa che il responsabile della sicurezza difende in riunione di budget e diventa il presupposto della strategia di AI. «Non si usa l’intelligenza artificiale in sicurezza finché non si è prima risolto il controllo del dato. La sicurezza passa da ultimo a primo passo.»

L’Europa ha costruito un vantaggio con le regole?

C’è un secondo punto in cui la sua lettura si allontana dal senso comune della Silicon Valley, e riguarda l’Europa. Per anni gli investitori americani hanno letto il GDPR e le norme che ne sono seguite come un freno all’innovazione: troppe regole, poca costruzione. La sua tesi è opposta, e il motivo sta nel cambio di domanda descritto sopra.

L’Europa ha passato dieci anni a costruire le regole più severe al mondo su privacy e governance del dato, e per molto tempo il resto del mondo ne ha visto soltanto il peso. Poi è arrivata un’era tecnologica che si gioca su chi controlla il dato e con quali regole. «Le aziende europee sono state obbligate a costruire disciplina attorno al dato, ed è esattamente la disciplina che oggi serve a tutti. Il limite si è trasformato in forza.»

È il ragionamento che ha portato Mangusta Capital a investire in CyberGrant. «Quando un investitore globale guarda oggi alla data security europea vede un mercato che ha risolto ieri il problema di domani. In un contesto dove il dato si sposta di continuo, dentro i sistemi di AI, negli strumenti di collaborazione, tra aziende diverse, l’unico controllo che dura è quello che viaggia con il dato stesso.»

Perché il perimetro non protegge più i file che si muovono?

Quella lettura ha un corrispettivo tecnico preciso, ed è il terreno su cui lavoro da vent’anni. Le soluzioni di Data Loss Prevention adottate dalla maggior parte delle aziende nascono da un presupposto: i dati vivono dentro il perimetro e vanno intercettati quando provano a uscire. Era ragionevole quando i file stavano sui server interni e le vie di fuga erano poche e sorvegliabili. Quel mondo si è dissolto.

Oggi un documento nasce in cloud, passa da un dispositivo personale, viene condiviso con un fornitore, incollato in uno strumento di AI, sincronizzato su servizi che l’IT nemmeno vede. I controlli di confine restano utili, il problema è la premessa su cui poggiano. Quando il contenuto supera la barriera e viaggia in chiaro, non resta niente a proteggerlo. E un incidente che espone dati leggibili non ha una data di chiusura: quelle informazioni restano utilizzabili per anni. Su questo passaggio ho scritto più diffusamente in DLP tradizionale obsoleto.

Perimetro e file: cosa copre ciascun livello

I controlli di perimetro restano necessari. La protezione file-centric copre le righe in cui il dato ha già lasciato l’ambiente controllato.

Cosa chiedono davvero GDPR, NIS2, DORA e AI Act?

Chi cerca in questi testi la parola “prodotto” non la trova. Trova, ripetuta con formule diverse, la stessa esigenza tecnica.

L’articolo 32 del GDPR chiede misure adeguate al rischio e cita la cifratura tra i primi esempi. La NIS2, recepita in Italia con il D.Lgs. 138/2024, elenca tra le misure di gestione del rischio il controllo degli accessi e la crittografia, e impone finestre di notifica strette: prima segnalazione entro 24 ore, aggiornamento entro 72, relazione finale entro un mese. Il DORA, Regolamento (UE) 2022/2554 applicabile dal 17 gennaio 2025, prescrive per le entità finanziarie la cifratura dei dati a riposo e in transito, accessi fondati sul privilegio minimo e un controllo severo sui fornitori ICT. Perfino le linee guida sull’AI Act, tra le tecniche per marcare i contenuti generati, citano metodi crittografici per provarne origine e autenticità.

Tre quadri normativi nati in contesti diversi, un denominatore che si ripete: proteggere il dato in quanto tale, sapere chi vi accede, poterlo dimostrare a posteriori.

Chi entra con credenziali valide: cosa resta a proteggere il documento?

Chi attacca oggi raramente scavalca il muro. Entra dalla porta principale, con credenziali valide o convincendo una persona ad aprirgliela. L’elemento umano compare nel 62% delle violazioni e le violazioni che coinvolgono terze parti sono cresciute del 60% in un anno, fino al 48% del totale (Verizon, DBIR 2026). Nel campione IBM il primo vettore d’attacco è il phishing via voce o SMS, 17% delle violazioni, e la compromissione della supply chain è il secondo, con un costo aggiuntivo medio di 227.250 dollari quando la violazione parte da un partner (IBM 2026, p. 22-23 e 50-51).

Chi entra dall’ingresso ufficiale non fa scattare nessun allarme perimetrale, perché sta usando un accesso legittimo. Ecco perché la protezione deve spostarsi sul documento: se il file resta cifrato e sotto controllo anche quando qualcuno è già dentro, la porta lasciata aperta pesa molto meno.

Shadow AI: come si governa il dato prima che entri nel modello?

La stessa dinamica vale per gli strumenti di AI pubblici. Un collaboratore incolla un contratto riservato in un assistente per farsi riassumere le clausole, e in quell’istante il dato lascia il controllo dell’azienda senza che scatti alcun alert. I numeri hanno smesso di essere marginali: gli incidenti legati alla shadow AI sono passati dal 20% al 43%, con un costo medio di 5,39 milioni di dollari contro i 4,63 dell’anno precedente, e il 92% delle violazioni legate all’AI riguarda organizzazioni senza controlli di accesso adeguati (IBM 2026, p. 46 e 64). Il 68% delle organizzazioni violate non aveva policy di governance dell’AI.

Vietare gli strumenti serve a poco. Il lavoro vero sta a monte, nel governare il dato prima che entri nel modello, e nel dare alle persone un’alternativa interna che funzioni. Ho approfondito il tema in Shadow AI e dati riservati.

Come rispondono FileGrant e AIGrant a un dato che si muove?

FileGrant, la piattaforma file-centric di CyberGrant, applica il principio descritto fin qui: il documento viene cifrato alla nascita con crittografia quantum-safe e la protezione resta attaccata al file per tutto il suo ciclo di vita. Permessi, revoca dopo la condivisione, blocco della cattura schermo e audit trail continuano a valere quando il documento è già sul dispositivo di un fornitore o dentro un servizio cloud che l’IT non amministra. Chi arriva al file senza autorizzazione ottiene contenuto illeggibile, e l’azienda conserva la prova di chi ha fatto cosa, che è esattamente quello che NIS2 e DORA chiedono di dimostrare.

Sul fronte dell’AI, AIGrant è l’estensione di AI privata integrata in FileGrant: indicizza e classifica i documenti aziendali e risponde in linguaggio naturale con un RAG privato, installabile on-premise, dove documenti, indice e modello restano sui server dell’azienda e i dati non alimentano modelli pubblici. Mentre recupera i documenti applica i permessi RBAC di FileGrant, prima di comporre la risposta: un utente non ottiene dalle risposte informazioni contenute in file che non è autorizzato ad aprire. È il modo di dare alle persone lo strumento che cercherebbero comunque, senza che il contratto riservato finisca in un assistente pubblico. La parte tecnica è descritta in RAG aziendale on-premise.

Nessuno dei due sostituisce lo stack esistente. Si affiancano a Microsoft 365 e agli strumenti di collaborazione già in uso e colmano la protezione che lì manca, come fa Connector sui file in SharePoint e OneDrive, senza migrazione.

Quanto vale la cifratura quando la prevenzione ha già fallito?

Qui torna la leva che tutte le norme citano e che poche aziende sfruttano fino in fondo. Se i dati esfiltrati restano cifrati e non intelligibili diventano inutili per chi li ruba, e l’articolo 34 del GDPR può far venire meno l’obbligo di comunicare la violazione ai singoli interessati, con meno adempimenti e costi più bassi nella gestione dell’incidente, dalle sanzioni alle spese legali.

I numeri lo confermano. Nel Cost of a Data Breach Report 2026 di IBM la cifratura è tra i fattori che riducono di più il costo di una violazione, 213.478 dollari in meno (p. 50-51), su un costo medio globale salito a 4,99 milioni di dollari e un dato italiano di 4,12 milioni, in crescita rispetto ai 3,44 dell’anno precedente (p. 10-11, campione italiano limitato al 4% delle 602 organizzazioni analizzate). Il tempo medio per identificare e contenere una violazione resta di 247 giorni. La cifratura contiene l’impatto quando la prevenzione ha già fallito.

Perché la crittografia quantum-safe è una decisione di governance?

C’è poi una scadenza silenziosa che raramente entra nei piani di budget. I dati cifrati oggi con algoritmi tradizionali vengono raccolti da chi conta di decifrarli domani, quando la potenza di calcolo lo consentirà: è la logica “harvest now, decrypt later”. Per le informazioni destinate a restare riservate per un decennio, cartelle cliniche, progetti industriali, contratti pluriennali, la transizione verso la crittografia quantum-safe con gli standard NIST, CRYSTALS-Kyber e FIPS 203 (ML-KEM, agosto 2024), smette di essere un tema da laboratorio.

Lo stato di avanzamento dice quanto margine resta: solo il 26% delle organizzazioni ha un progetto di crittografia post-quantum in corso, il 69% non ne ha nessuno, e appena il 34% ha controlli strutturati su chiavi e certificati (IBM 2026, p. 63 e 65). Quali dati migrare per primi è il tema di Cos’è la crittografia quantum-safe nel 2026.

Chi risponde adesso della sicurezza del dato?

Le norme più recenti spostano la responsabilità verso l’alto. La NIS2 assegna agli organi di gestione una responsabilità diretta, con sanzioni personali che arrivano fino alla sospensione dalle funzioni dirigenziali, e il DORA attribuisce all’organo di gestione la responsabilità finale sui rischi ICT.

In Italia il passaggio dalla dichiarazione alla prova è stato fissato dalla Determinazione ACN 379907/2025, firmata il 18 dicembre 2025 e applicata dal 15 gennaio 2026: i soggetti inseriti nell’elenco nel 2025 devono adottare le misure di sicurezza di base entro 18 mesi dalla comunicazione di inserimento, quindi entro ottobre 2026, mentre gli incidenti si notificano da gennaio 2026. Per i soggetti inseriti nel 2026 la Determinazione 127434/2026 sposta i termini al 31 luglio 2027 per le misure e al 1° gennaio 2027 per le notifiche. Le date esatte cambiano da soggetto a soggetto, perché dipendono dal giorno in cui è arrivata la comunicazione. Il dettaglio operativo è in Scadenza NIS2 ottobre 2026.

Sul fronte dell’AI Act, chi non rispetta gli obblighi di trasparenza rischia fino a 15 milioni di euro o al 3% del fatturato mondiale annuo, la cifra più alta tra le due.

Il vantaggio europeo resta una posizione di partenza finché qualcuno non lo usa

Jiang chiude con un passaggio che, da investitore, suona come una consegna a chi siede dall’altra parte del tavolo: il cambiamento vero non avviene in una presentazione o in un memorandum d’investimento. «Avviene il giorno in cui un CIO o un CISO, in una sala riunioni qualsiasi, decide che proteggere il dato in sé è la fondazione su cui poggia la strategia di AI. Quella decisione la prendono i vertici delle aziende, e il mercato segue loro.»

Aggiungo la parte che mi riguarda da vicino. Per anni chi progetta sicurezza si è chiesto come tenere fuori gli attaccanti. La domanda che conta oggi riguarda cosa succede quando entrano lo stesso, o quando è un sistema di AI a maneggiare i documenti riservati e li trova pronti all’uso. L’Europa ha imparato prima di altri, spesso a caro prezzo, a mettere disciplina attorno al dato. Nell’era dell’AI quella disciplina vale un vantaggio tecnico concreto. Resta da vedere chi deciderà di usarla per primo.

Valerio Pastore, Co-founder & CTO, CyberGrant

Domande frequenti

Cosa significa governance del dato nell’era dell’AI?

Significa stabilire chi può accedere a un documento, con quali permessi e con quale tracciabilità, e fare in modo che queste regole restino valide anche quando il file esce dai sistemi aziendali: cloud, dispositivi personali, fornitori, strumenti di intelligenza artificiale. La governance perimetrale si ferma al confine della rete, mentre la governance file-centric resta attaccata al documento per tutto il suo ciclo di vita.

Perché il DLP tradizionale non basta più con l’AI?

Il DLP tradizionale nasce per intercettare i dati quando provano a uscire dal perimetro. Gli strumenti di AI introducono un canale che quel modello non sorveglia: un documento incollato in un assistente pubblico non attraversa nessun gateway e non genera alcun alert. Secondo IBM (Cost of a Data Breach Report 2026) gli incidenti legati alla shadow AI sono passati dal 20% al 43%, con un costo medio di 5,39 milioni di dollari.

Come protegge FileGrant un documento che lascia l’azienda?

FileGrant, la piattaforma file-centric di CyberGrant, cifra il documento alla creazione con crittografia quantum-safe e mantiene attivi permessi, revoca dopo la condivisione, blocco della cattura schermo e audit trail anche quando il file si trova su un dispositivo esterno o in un servizio cloud non amministrato dall’azienda. Chi arriva al contenuto senza autorizzazione ottiene dati illeggibili.

Serve FileGrant per usare AIGrant?

Sì. AIGrant è un’estensione di FileGrant, non un prodotto autonomo: lavora nello spazio cifrato della piattaforma e applica i permessi RBAC di FileGrant mentre recupera i documenti, prima di comporre la risposta. Un utente non può ottenere dalle risposte informazioni contenute in un file che non è autorizzato ad aprire.

Cosa chiedono NIS2 e DORA in materia di cifratura?

La NIS2 elenca la crittografia e il controllo degli accessi tra le misure di gestione del rischio, e impone finestre di notifica di 24 ore per la prima segnalazione, 72 ore per l’aggiornamento e un mese per la relazione finale. Il DORA, Regolamento (UE) 2022/2554, prescrive alle entità finanziarie la cifratura dei dati a riposo e in transito, accessi fondati sul privilegio minimo e un controllo documentato sui fornitori ICT.

Entro quando vanno adottate le misure di sicurezza di base della NIS2 in Italia?

Per i soggetti inseriti nell’elenco ACN nel 2025 il termine è di 18 mesi dalla comunicazione di inserimento, come previsto dall’articolo 3 della Determinazione ACN 379907/2025, quindi entro ottobre 2026; la data esatta dipende dal giorno in cui ciascun soggetto ha ricevuto la comunicazione. Per i soggetti inseriti nel 2026 la Determinazione 127434/2026 fissa il termine al 31 luglio 2027, con notifica degli incidenti dal 1° gennaio 2027.

Cosa significa crittografia quantum-safe e quali dati riguarda?

La crittografia quantum-safe usa algoritmi progettati per resistere a un futuro calcolatore quantistico, come CRYSTALS-Kyber, scelto dal NIST e pubblicato come FIPS 203 (ML-KEM) nell’agosto 2024. Riguarda in via prioritaria le informazioni che devono restare riservate per molti anni, perché possono essere raccolte oggi e decifrate in seguito, secondo la logica “harvest now, decrypt later”. Secondo IBM (2026) solo il 26% delle organizzazioni ha avviato un progetto di transizione post-quantum.