Come trovare la Shadow AI: 3 punti di ingresso nascosti
Per anni, le aziende hanno trattato la shadow IT principalmente come un problema di policy e controllo.
I dipendenti hanno sempre trovato e utilizzato la tecnologia al di fuori dello stack IT approvato, dalle applicazioni endpoint non autorizzate e dalle estensioni del browser ai servizi cloud personali. Questo approccio ha lasciato una traccia: un'installazione, un dispositivo sulla rete, o qualcos’altro che una scansione o un agente hanno potuto sfruttare. In seguito, un analista ha dovuto indagare sul risultato e valutare il rischio prima di decidere come rispondere.
Ma il SaaS, e ora l'intelligenza artificiale, hanno cambiato radicalmente la portata del problema. I dipendenti possono adottare nuove applicazioni in pochi secondi, spesso senza installare software, aprire un ticket o coinvolgere l'IT. Possono collegare le identità aziendali, concedere l'accesso ai dati aziendali, caricare informazioni sensibili e iniziare a utilizzare potenti strumenti di intelligenza artificiale prima ancora che i team di sicurezza sappiano dell'esistenza di tali applicazioni.
Secondo il WatchGuard Cybersecurity Hygiene Report 2026, il 64% dei dipendenti riferisce di utilizzare strumenti di AI non autorizzati per le attività lavorative.
Gli MSP sanno che la Shadow AI è già presente negli ambienti dei loro clienti. Ciò che spesso manca è la capacità di scoprire quali applicazioni utilizzano i dipendenti, rilevare quando tali applicazioni rappresentano un rischio e rispondere prima che l'accesso non autorizzato o l'esposizione dei dati diventi un incidente di sicurezza.
La maggior parte delle applicazioni AI e SaaS non autorizzate passa attraverso uno di tre punti di ingresso comuni. Ognuno lascia le prove in un posto diverso e richiede un approccio diverso al rilevamento.
Punto di ingresso 1: I dipendenti concedono l'accesso ai dati aziendali
Il punto di ingresso più comune inizia con un semplice clic.
Un dipendente seleziona "Accedi con Microsoft" o "Continua con Google" per collegare un assistente AI, uno strumento di produttività o un'applicazione SaaS alle risorse aziendali.
In pochi secondi, l'applicazione può accedere a e-mail, calendari, file, contatti o altri dati aziendali. Tali autorizzazioni spesso rimangono in vigore per molto tempo dopo la fine dell'esigenza aziendale originale.
Anche gli attaccanti sfruttano questo stesso processo attraverso il consent phishing. Invece di rubare le password, inducono gli utenti a concedere l'accesso direttamente.
Le organizzazioni non possono gestire l'accesso alle applicazioni che non conoscono. Il primo passo è identificare quali applicazioni si collegano già ai dati aziendali.
Punto di ingresso 2: I dipendenti utilizzano account personali
Non tutti gli strumenti di intelligenza artificiale si connettono attraverso la piattaforma di identità di un'azienda.
Molti dipendenti aprono semplicemente un browser, visitano un servizio di intelligenza artificiale e accedono con un account personale.
L'attività non viene visualizzata in Microsoft 365 o Google Workspace perché il dipendente non ha mai utilizzato un'identità aziendale. Di conseguenza, le organizzazioni spesso non riescono a vedere quali informazioni i dipendenti caricano, condividono o elaborano attraverso il servizio.
Senza visibilità su tali attività, le organizzazioni non possono valutare accuratamente il rischio o applicare policy di governance.
Punto di ingresso 3: L'unica prova è l'attività di rete
Il terzo punto di ingresso non lascia quasi nessuna traccia evidente.
Un dipendente accede a un servizio AI o SaaS direttamente da un dispositivo gestito dall'azienda. L'attività non crea mai un'autorizzazione all'applicazione nel tenant e non si autentica mai tramite un fornitore di identità aziendale.
In molti casi, l'unica prova appare nei registri di rete o del firewall.
Queste connessioni si confondono con il normale traffico web. Senza un contesto aggiuntivo, sono difficili da identificare.
Di conseguenza, l'uso potenzialmente rischioso dell'IA spesso passa inosservato tra migliaia di connessioni di rete di routine.
Perché la visibilità su tutti e tre i punti di ingresso è importante
Ogni punto di ingresso lascia le prove in una posizione diversa:
- Le piattaforme di identità rivelano le autorizzazioni OAuth e l'accesso ad applicazioni di terze parti.
- L'attività dell'utente espone i servizi di AI utilizzati al di fuori delle identità aziendali.
- Il traffico di rete identifica i servizi che non lasciano traccia altrove.
I team di sicurezza hanno bisogno di visibilità su tutti e tre i punti di ingresso per scoprire l'attività della Shadow AI e rispondere in modo appropriato.
Colmare il divario di visibilità della Shadow AI
Colmare il divario di visibilità della Shadow AI richiede di guardare oltre ogni singolo controllo di sicurezza o fonte di telemetria. Le autorizzazioni per l'identità e le applicazioni possono rivelare a quali servizi è stato concesso l'accesso ai dati aziendali, ma non acquisiranno gli strumenti di intelligenza artificiale utilizzati tramite account personali o servizi che non richiedono mai tali autorizzazioni. L'attività di rete ed endpoint può rivelare un utilizzo aggiuntivo dell'applicazione, ma potrebbero non rivelare l'accesso concesso a un'applicazione all'interno di un ambiente SaaS.
Un'efficace governance della Shadow AI richiede di riunire questi segnali per rispondere a tre domande fondamentali:
- Quali applicazioni utilizzano i dipendenti?
- A quali dati e risorse aziendali possono accedere tali applicazioni?
- Quali attività causano così tanti rischi da richiedere un'azione?
Un inventario più ampio di strumenti di intelligenza artificiale ha un valore limitato da solo. La visibilità continua su identità, applicazioni, dispositivi e attività di rete consente ai team di sicurezza di distinguere l'adozione legittima dell’AI dalle attività che creano un'esposizione non necessaria e di rispondere in modo proporzionato al rischio.
Rileva la Shadow AI con WatchGuard
WatchGuard aiuta gli MSP a scoprire, rilevare e rispondere alla Shadow AI attraverso più fonti di visibilità. Utilizzando CloudDR, FireCloud e Firebox per i rischi legati alla Shadow AI, i team di sicurezza possono identificare quali applicazioni sono in uso, a quali dati possono accedere e se rappresentano un rischio.
- CloudDR, la soluzione di rilevamento e risposta cloud di WatchGuard, rileva le applicazioni connesse tramite autorizzazioni OAuth su Microsoft 365, Google Workspace e altre piattaforme SaaS supportate. Rileva le concessioni di consenso per identificare accessi sospetti, compresi i tentativi di phishing del consenso, e revoca le autorizzazioni prima che l'esposizione diventi un incidente. Aiuta anche a identificare i servizi a cui i dipendenti si iscrivono utilizzando gli indirizzi e-mail aziendali, anche quando tali servizi non sono collegati a un'identità aziendale.
- Con FireCloud Total Access, gli MSP possono ampliare la visibilità raccogliendo la telemetria di rete dai dispositivi gestiti. Ciò consente alle organizzazioni di identificare servizi cloud e applicazioni AI indipendentemente dal fatto che gli utenti si autentichino con Microsoft 365, Google Workspace o un'altra applicazione SaaS.
- Per le organizzazioni che utilizzano Firebox, la telemetria del firewall fornisce un'altra fonte di informazioni. Piuttosto che ispezionare il contenuto, Firebox identifica le connessioni a destinazioni e superfici di intelligenza artificiale note per la revisione.
Insieme, queste soluzioni offrono agli MSP un quadro più completo della Shadow AI negli ambienti client. Le organizzazioni possono identificare le applicazioni connesse, capire a quali dati possono accedere, valutare i rischi e intervenire quando necessario.
Queste funzionalità si associano anche ai framework di conformità, tra cui HIPAA, PCI DSS, ISO 27001, GDPR e SOC 2. I risultati della sicurezza si trasformano in prove pronte per l'audit. Gli inventari delle applicazioni ora coprono i rischi legati alla Shadow AI e gli MSP possono raggruppare o aggiungere servizi di reporting sulla conformità a tale copertura.
Quanto costa la mancanza di informazioni
Le conseguenze della Shadow AI si estendono oltre le lacune di visibilità. Quando le organizzazioni non sanno quali applicazioni AI utilizzano i dipendenti o quali dati possono accedere a tali applicazioni, l'impatto sul business può essere significativo.
Secondo l'IBM Cost of a Data Breach Report 2026, gli incidenti che coinvolgono la Shadow AI costano alle organizzazioni una media di $5,39 milioni, superando il costo medio globale delle violazioni di $4,99 milioni.
Molti di questi incidenti iniziano con il comportamento di routine dei dipendenti: concedere a un'applicazione l'accesso ai dati aziendali, utilizzare un account AI personale su un dispositivo di lavoro o accedere a un servizio non approvato tramite un browser. Senza visibilità su queste attività, i rischi possono rimanere inosservati fino a quando non si verifica un incidente.
Gli MSP e i team IT interni non devono interrompere l'adozione dell’AI. Devono capire quali applicazioni utilizzano i dipendenti, in che modo tali applicazioni sono state introdotte nell'ambiente e a quali dati possono accedere. Le organizzazioni che hanno tale visibilità sono in una posizione migliore per gestire il rischio, supportare i requisiti di conformità e rispondere rapidamente in caso di problemi. Non puoi gestire ciò che non puoi vedere.
Risorse suggerite:
Perché WatchGuard ha acquisito Perimeters.io: la sicurezza del cloud per gli MSP
Shadow AI: I dipendenti non chiedono all'IT di utilizzare strumenti di intelligenza artificiale