La NIS2 non disciplina in modo specifico l’Agentic AI ma il collegamento nasce dal modo in cui le organizzazioni iniziano a usare sistemi capaci di ricevere un obiettivo, consultare dati, richiamare strumenti, interagire con API e produrre effetti su processi reali. In azienda questi agenti non sono semplici chatbot ma diventano identità operative, intermediari tra persone e sistemi, acceleratori di analisi e, in alcuni casi, esecutori parzialmente autonomi.
La cyber-resilienza operativa emerge proprio qui. La NIS2 chiede misure tecniche, operative e organizzative proporzionate al rischio, includendo gestione degli incidenti, continuità operativa, supply chain sicura, sviluppo e manutenzione controllati, senza trascurare formazione e responsabilità del management. Se un agente AI entra in processi di sicurezza, operations, procurement, assistenza o sviluppo software, va trattato come una componente del sistema di rischio e non come uno strumento sperimentale isolato.
Indice degli argomenti
Dal controllo del sistema al controllo dell’autorità
L’Agentic AI sposta il baricentro della sicurezza. In passato, infatti, il controllo riguardava soprattutto applicazioni, account e infrastrutture. Con agenti capaci di usare strumenti, il punto critico diventa l’autorità concessa al sistema come ad esempio dati leggibili, azioni eseguibili, ambienti modificabili, credenziali usate, approvazioni e log. Una risposta sbagliata può essere corretta; un’azione sbagliata su un sistema produttivo può generare un incidente.
Le linee guida del National Cyber Security Centre britannico insistono sulla sicurezza lungo tutto il ciclo di vita dei sistemi AI. Il NIST AI Risk Management Framework propone una logica coerente: incorporare affidabilità, governo del rischio e valutazione nella progettazione, nello sviluppo e nell’uso. Per l’AI generativa, il profilo NIST AI 600-1 richiama rischi specifici o aggravati e azioni di governo, mappatura, misurazione e gestione.
Le competenze per l’Agentic AI oltre il prompt engineering
La competenza richiesta non è soltanto prompt engineering. Chi introduce Agentic AI in un’organizzazione soggetta o esposta a NIS2 deve comprendere identità digitali, segregazione dei privilegi, logging. Fermamente importante è la classificazione dei dati, il threat modeling, l’incident response, la validazione degli output e la responsabilità di processo. Un agente che legge ticket, apre pull request interrogando un SIEM o propone regole di firewall va governato con la stessa serietà riservata a un servizio applicativo privilegiato.
Il ruolo del management nella resilienza AI-enabled
Il decreto legislativo italiano di recepimento della NIS2 è esplicito e recita che gli organi di amministrazione e direttivi approvano le modalità di implementazione delle misure di gestione dei rischi, sovrintendono agli obblighi e seguono formazione in materia di sicurezza informatica. Questa previsione cambia il modo in cui l’Agentic AI dovrebbe entrare in azienda. Non può essere soltanto una scelta di reparto, adottata per produttività o pressione competitiva ma deve essere valutata per impatti su continuità, dati, fornitori, responsabilità e capacità di risposta agli incidenti.
La direzione non deve diventare tecnica nel senso stretto, ma deve saper fare domande misurabili, chiedendosi quali processi sono automatizzati, quali azioni restano soggette ad approvazione umana, quali log sono disponibili, quali dati sensibili entrano nei prompt, quali fornitori trattano le informazioni e quale procedura interrompe un agente anomalo. Senza queste domande, l’efficienza corre più veloce della capacità di controllo.
Le competenze da costruire per la cyber-resilienza operativa
Governance del rischio e traduzione normativa
La prima competenza è saper tradurre NIS2 in decisioni operative. L’articolo 24 del decreto italiano non chiede misure astratte, ma pratiche verificabili: analisi del rischio, incident response, continuità, supply chain, sviluppo sicuro, valutazione dell’efficacia, igiene cyber, formazione, accessi e asset. Applicate all’Agentic AI, queste pratiche diventano policy di adozione e classificazione degli usi, oltre a limiti di autonomia e verifiche periodiche.
Ingegneria sicura degli agenti
La seconda competenza riguarda l’architettura, gli agenti devono essere progettati con permessi minimi, ambienti separati, strumenti autorizzati, controlli sui dati in ingresso e in uscita, test prima del rilascio e monitoraggio continuo. Le funzioni più rischiose, come esecuzione di codice, modifica di configurazioni, accesso a repository o gestione di credenziali, richiedono barriere aggiuntive. La logica non è bloccare l’automazione, ma evitare che un sistema probabilistico operi con autorità illimitata.
SOC, incident response e osservabilità
La terza competenza è operativa. Un’organizzazione resiliente deve riconoscere anche gli incidenti che coinvolgono l’AI stessa come prompt malevoli, uso improprio di dati, azioni non autorizzate, errori di tool use o perdita di controllo su un flusso automatizzato. Il SOC deve correlare log dell’agente, identità, sistemi toccati, ticket e cambiamenti. L’incident response deve sapere come sospendere un agente, revocare token, isolare un ambiente andando a preservare evidenze.
Supply chain e contratti
La quarta competenza riguarda i fornitori, la NIS2 infatti attribuisce peso alla sicurezza della catena di approvvigionamento e alla qualità delle pratiche dei fornitori diretti. Nel caso dell’Agentic AI, questo include modelli, piattaforme, connettori, plugin, servizi cloud e consulenti. I contratti devono chiarire dove transitano i dati, come vengono gestiti log e retention, quali subfornitori intervengono, quali notifiche sono previste e come vengono trattate vulnerabilità e aggiornamenti.
AI literacy e cultura della responsabilità
La quinta competenza è diffusa. L’AI Act europeo ha introdotto obblighi di alfabetizzazione AI applicabili dal 2 febbraio 2025, mentre la NIS2 richiede formazione cyber agli organi direttivi e promozione di formazione coerente per i dipendenti. In azienda significa sapere quando usare un agente, quali dati non inserire, come verificare un risultato, come segnalare anomalie e perché l’approvazione umana è un controllo di resilienza.
L’Europa spinge sull’AI per la cyberdifesa
Il contesto del 2026 conferma che AI e cybersicurezza sono ormai intrecciate. Il piano d’azione della Commissione europea su Cybersecurity and Artificial Intelligence, pubblicato il 7 luglio 2026, riconosce che l’AI può aiutare a rilevare vulnerabilità, prevenire attacchi e proteggere infrastrutture critiche, ma può anche essere sfruttata per automatizzare attacchi a velocità e scala elevate. Il documento collega questa evoluzione al quadro esistente, tra cui AI Act, Cyber Resilience Act, NIS2, DORA e Cyber Solidarity Act.
La competenza più importante, quindi, è saper rallentare l’autonomia quando serve. L’Agentic AI promette velocità mentre la cyber-resilienza richiede freno, tracciabilità e reversibilità. La NIS2 non impone di usare o evitare agenti AI, ma impone di governare i rischi dei sistemi che sostengono servizi critici. Se un agente entra in quel perimetro, deve avere scopo definito, dati limitati, permessi proporzionati, monitoraggio, responsabilità umana e un piano di arresto.
In questa prospettiva, le competenze per l’Agentic AI non sono un tema separato dalla compliance NIS2: sono uno dei modi più concreti con cui la compliance può diventare resilienza operativa reale.
Partecipa alla community