Fino a pochi anni fa, lanciare un attacco informatico credibile richiedeva competenze tecniche elevate, tempo e risorse. Oggi bastano pochi minuti, un abbonamento a un modello linguistico e qualche prompt ben costruito. L'intelligenza artificiale ha abbassato drasticamente la barriera d'ingresso per i criminali informatici e allo stesso tempo sta diventando lo strumento più potente a disposizione di chi si difende.

Il risultato è un panorama della cybersecurity profondamente trasformato, in cui le regole del gioco che valevano tre anni fa non valgono più. Le PMI italiane abituate a misurare il rischio informatico in termini di virus e spam si trovano ad affrontare attacchi generati da AI che sono più convincenti, più veloci e più difficili da rilevare di qualsiasi cosa si sia vista in precedenza.

Questa analisi esplora cosa significa concretamente questa trasformazione per un'azienda di medie dimensioni in Italia: come l'AI viene usata dagli attaccanti, come può essere usata per difendersi, e cosa fare oggi per non restare indietro.

L'AI nelle mani degli attaccanti: cosa è cambiato davvero

Il cambiamento più significativo non è tecnologico, è economico. L'AI ha ridotto il costo marginale di un attacco sofisticato a quasi zero. Vediamo le trasformazioni più rilevanti.

Phishing generato da LLM: addio alle email con errori di grammatica. Per anni, uno degli indicatori più affidabili di un'email di phishing era la qualità scadente del testo: errori ortografici, frasi sgrammaticate, un italiano approssimativo che tradiva l'origine straniera del mittente. Questo filtro non funziona più. I modelli linguistici di ultima generazione producono testo in italiano corretto, naturale, adattato al registro formale di una comunicazione aziendale. Un attaccante può generare in secondi centinaia di email di phishing personalizzate, ognuna diversa, con un livello di qualità indistinguibile da una comunicazione legittima.

Spear phishing ultra-personalizzato. La differenza tra phishing generico (stesso messaggio per migliaia di persone) e spear phishing (messaggio costruito su misura per un singolo obiettivo) era il tempo di preparazione. Un attaccante che voleva colpire il direttore finanziario di un'azienda doveva raccogliere informazioni manualmente: cercare il nome su LinkedIn, trovare comunicazioni pubbliche, capire la struttura organizzativa. Oggi un'AI può fare questa ricognizione in minuti, aggregando informazioni da LinkedIn, sito aziendale, comunicati stampa, bilanci pubblici, e costruire automaticamente un messaggio che cita il nome del CEO, fa riferimento a un'operazione recente dell'azienda, e usa un tono coerente con le comunicazioni interne. Il tasso di successo di queste campagne è aumentato significativamente.

Deepfake vocali e video: la truffa del CEO 2.0. Il "CEO fraud" (la truffa in cui un criminale si finge il CEO o un dirigente per ordinare un bonifico urgente) esisteva già nella forma testuale via email. L'AI ha aggiunto una dimensione completamente nuova: la voce e il video. Con campioni audio di pochi minuti (spesso reperibili da interviste, webinar, video aziendali pubblici), è possibile generare una telefonata sintetica che imita fedelmente la voce di un dirigente. Nel 2025 sono stati documentati casi in cui dipendenti hanno effettuato bonifici per centinaia di migliaia di euro dopo aver ricevuto una chiamata dalla "voce del loro CEO", che era un deepfake. Alcuni attacchi hanno usato video deepfake in videochiamate, rendendo l'inganno ancora più convincente.

Malware adattivo e evasione dei controlli. I sistemi di rilevamento degli antivirus tradizionali funzionano per firma: riconoscono malware noto confrontandolo con un database di pattern. L'AI permette di generare varianti di malware automaticamente, modificando il codice in modo che ogni istanza sia leggermente diversa, abbastanza da eludere le firme note, ma funzionalmente identica. Questa tecnica, chiamata polymorphic malware generato da AI, rende molto più difficile il rilevamento basato su firme statiche.

Automazione degli attacchi su scala. Quello che una volta richiedeva settimane di lavoro manuale di un team di hacker (ricognizione, identificazione di vulnerabilità, exploit, lateralizzazione nella rete) può essere parzialmente automatizzato con AI. Strumenti underground che usano modelli linguistici per guidare pipeline di attacco sono già documentati nelle analisi dei principali vendor di sicurezza. La velocità con cui un attaccante può muoversi dall'accesso iniziale alla compromissione completa di una rete sta diminuendo.

Deepfake e frodi vocali: il caso più urgente per le PMI

Tra tutte le minacce abilitate dall'AI, quella che merita attenzione immediata per le PMI italiane è la frode basata su deepfake vocali. Non perché sia la più tecnicamente sofisticata, ma perché non richiede difese tecnologiche per essere messa in atto, e quelle tecnologiche esistenti non la intercettano.

Lo schema tipico funziona così: il criminale individua un'azienda target e i nomi dei suoi dirigenti (informazioni banalmente reperibili online). Raccoglie campioni audio dalla vittima impersonata, spesso bastano 30 secondi di audio pulito da un video YouTube, un podcast, o una conference call registrata. Con strumenti commerciali oggi accessibili a pochi euro al mese, genera una voce sintetica convincente. Poi chiama un dipendente, tipicamente dell'amministrazione o della finanza, fingendosi il dirigente, creando urgenza ("devo partire tra 10 minuti, serve che autorizzi questo bonifico adesso") e chiedendo di aggirare le procedure normali.

La difesa contro questa minaccia non è tecnologica ma procedurale: nessuna transazione economica, nessun cambio di IBAN, nessuna operazione straordinaria può essere autorizzata su ordine telefonico, indipendentemente da chi sembra stia chiamando. La verifica deve avvenire sempre attraverso un canale diverso e verificabile: richiamare il dirigente al numero ufficiale in rubrica, inviare una email di conferma, aspettare un riscontro documentato. Questa regola, se comunicata e rispettata, blocca completamente questo vettore di attacco.

L'AI come strumento di difesa: cosa cambia sul lato blue team

La stessa tecnologia che potenzia gli attaccanti sta rivoluzionando la capacità difensiva. L'AI applicata alla sicurezza non è marketing: risolve problemi reali che con approcci tradizionali erano ingestibili.

Anomaly detection su scala. I sistemi SIEM (Security Information and Event Management) di nuova generazione usano modelli di machine learning per stabilire una baseline del comportamento normale in una rete (cosa accede a cosa, a che ora, da dove, con quale frequenza) e rilevare automaticamente deviazioni significative. Un utente che scarica 50 GB di dati a mezzanotte, un account che accede da due paesi diversi nella stessa ora, un processo che apre connessioni verso IP non visti prima: questi segnali vengono rilevati e prioritizzati automaticamente, riducendo drasticamente il tempo tra intrusione e rilevamento (il famigerato "dwell time", che in media supera ancora i 200 giorni nelle organizzazioni senza rilevamento avanzato).

Analisi automatica del phishing. Strumenti AI integrati nelle piattaforme email (Microsoft Defender, Google Workspace Security, soluzioni di terze parti) analizzano in tempo reale ogni email in arrivo su decine di segnali: pattern linguistici, reputazione del mittente, anomalie nell'header, URL analizzati dinamicamente, somiglianza con comunicazioni legittime precedenti. La capacità di rilevare email di phishing è migliorata significativamente, anche per le campagne generate da AI.

SOC automation e riduzione del carico di alert. Uno dei problemi storici dei Security Operations Center è il "alert fatigue": troppi allarmi, molti dei quali falsi positivi, che sovraccaricano gli analisti e portano a ignorare segnali reali. L'AI permette di automatizzare la triage degli alert (classificarli per priorità, correlare eventi apparentemente separati che fanno parte dello stesso attacco, rispondere automaticamente a minacce note) liberando gli analisti per concentrarsi su indagini che richiedono giudizio umano.

Vulnerability management intelligente. I sistemi di vulnerability management tradizionali producono liste di migliaia di vulnerabilità senza prioritizzazione pratica. I sistemi AI-driven correlano le vulnerabilità con il contesto specifico dell'organizzazione (quali asset sono esposti, qual è la probabilità che quella vulnerabilità venga sfruttata nel prossimo mese, qual è l'impatto potenziale) e producono una lista di priorità azionabile. La differenza tra "hai 3.000 vulnerabilità" e "queste 12 vulnerabilità devi patchare entro 72 ore" è enorme in termini di efficacia operativa.

Strumenti AI per la sicurezza che puoi usare oggi

Non è necessario avere un SOC dedicato per beneficiare dell'AI applicata alla sicurezza. Molti strumenti già accessibili alle PMI incorporano capacità AI significative.

Il problema dell'AI nelle mani dei dipendenti: Shadow AI e data leakage

C'è una dimensione del rischio legato all'AI che spesso viene trascurata: non gli attaccanti esterni, ma i dipendenti che usano strumenti AI in modo non controllato all'interno dell'organizzazione.

Il fenomeno del Shadow AI (l'uso di strumenti AI non approvati dall'IT, come ChatGPT, Claude, Gemini o altri LLM) è già diffusissimo nelle aziende italiane. I dipendenti li usano per produttività legittima: sintetizzare documenti, tradurre testi, scrivere email, analizzare dati. Il problema è che spesso questi strumenti ricevono in input dati aziendali sensibili (contratti, dati di clienti, strategie commerciali, bilanci non pubblici) che finiscono nei sistemi di un provider esterno, con termini di utilizzo che spesso non garantiscono la riservatezza dei dati inviati.

Un dipendente che incolla un contratto riservato in ChatGPT per farselo riassumere sta tecnicamente trasmettendo dati riservati a un sistema esterno non controllato. Se quel contratto contiene dati personali, c'è un potenziale problema GDPR. Se contiene segreti commerciali, c'è un rischio per la proprietà intellettuale. Se contiene dati di clienti, c'è un rischio reputazionale e legale.

La risposta non è vietare l'AI in azienda: è una battaglia persa in partenza e controproducente per la competitività. La risposta è definire una AI Policy aziendale chiara: quali strumenti sono approvati, quali categorie di dati non devono mai essere inserite in sistemi AI esterni, come usare correttamente le funzionalità AI incluse negli strumenti aziendali già in uso (Copilot per Microsoft 365, Gemini per Google Workspace) che processano i dati all'interno dell'ambiente controllato dell'organizzazione.

Come cambia la formazione del personale nell'era dell'AI

I programmi di security awareness tradizionali insegnano a riconoscere email di phishing con errori grammaticali, link sospetti, mittenti stranieri. Questi indicatori, già imperfetti in passato, sono diventati inaffidabili nell'era dell'AI. La formazione deve evolvere di conseguenza.

Il principio guida non è più "riconosci il messaggio sospetto per come è scritto" ma "verifica sempre l'identità e l'autorizzazione attraverso canali indipendenti prima di agire su richieste sensibili". Questo vale per:

La formazione deve anche includere consapevolezza specifica sui deepfake: i dipendenti devono sapere che una voce al telefono o un volto in videochiamata non sono più prove sufficienti di identità per autorizzare operazioni critiche.

Cosa fare oggi: priorità pratiche per una PMI italiana

Di fronte a un panorama così in evoluzione, la tentazione è paralizzarsi o aspettare che le cose si stabilizzino. È la risposta sbagliata. Ecco le priorità concrete, in ordine di urgenza:

Il quadro normativo: DORA, NIS2 e AI Act

L'evoluzione normativa europea sta seguendo, con qualche ritardo comprensibile, l'evoluzione del panorama delle minacce. Tre regolamenti meritano attenzione per le implicazioni legate all'AI e alla cybersecurity.

NIS2, entrata in vigore e recepita in Italia, impone alle organizzazioni nei settori essenziali requisiti di sicurezza che includono esplicitamente la gestione del rischio legato alle nuove tecnologie e ai fornitori. L'uso di strumenti AI, sia per la difesa che nella catena di fornitura, rientra nell'ambito di questa valutazione del rischio.

DORA (Digital Operational Resilience Act), applicabile dal gennaio 2025 alle entità finanziarie europee, richiede test di resilienza operativa digitale che includono scenari di attacco avanzati, inclusi quelli basati su AI. Per le PMI che servono il settore finanziario come fornitori, i requisiti di sicurezza imposti dai propri clienti bancari si intensificheranno.

EU AI Act, con applicazione progressiva dal 2025 al 2027, classifica i sistemi AI per rischio e impone obblighi di trasparenza, documentazione e supervisione umana per quelli ad alto rischio. Le organizzazioni che usano AI in processi decisionali critici (incluse alcune applicazioni di sicurezza informatica) dovranno verificare la conformità.

Il nostro approccio all'AI security per le PMI

In Nerd Herd stiamo integrando sistematicamente l'analisi delle minacce AI-driven nei nostri assessment e nelle soluzioni che proponiamo alle aziende di Parma e dell'Emilia Romagna. Non si tratta di aggiungere un capitolo a un report esistente, ma di rivedere l'approccio alla valutazione del rischio sulla base di un panorama delle minacce che è cambiato strutturalmente.

Concretamente, questo significa: includere scenari di attacco AI-powered nei penetration test, verificare le configurazioni dei sistemi di sicurezza AI-enhanced già presenti nell'infrastruttura del cliente, supportare la stesura di policy sull'uso dell'AI in azienda, e aggiornare i programmi di formazione per coprire deepfake e social engineering di nuova generazione.

L'obiettivo non è creare allarmismo, ma fornire una valutazione onesta di dove si trova realmente un'organizzazione rispetto alle minacce attuali, e costruire un piano di miglioramento che tenga conto di un contesto in rapida evoluzione. Se vuoi capire come l'evoluzione AI del panorama delle minacce impatta concretamente sulla tua azienda, contattaci per una valutazione iniziale. Siamo disponibili per incontri presso la tua sede a Parma e nell'intera provincia, e per videoconsulenze con aziende in tutta Italia.

Conclusione

L'AI non ha reso la cybersecurity impossibile: ha alzato l'asticella. Gli attacchi sono più convincenti, più veloci e più difficili da rilevare. Ma le difese AI-powered sono proporzionalmente più capaci, e le misure procedurali che bloccano le frodi più pericolose sono semplici e gratuite da implementare.

Il rischio reale non è che l'AI renda le aziende indifendibili. Il rischio è che le aziende continuino ad applicare il modello di sicurezza del 2020 a un panorama di minacce del 2026, e che questa distanza venga scoperta nel peggiore dei modi.

Aggiornare il proprio approccio alla sicurezza non richiede di diventare esperti di machine learning. Richiede di capire cosa è cambiato, aggiornare le procedure critiche, formare le persone sulle nuove tecniche di manipolazione, e affidarsi a partner tecnici che seguono questa evoluzione professionalmente. Il momento giusto per farlo non è dopo il primo incidente.

Intelligenza Artificiale Deepfake Phishing AI Shadow AI EDR Parma