Dal 2 agosto 2026 in Europa si applicano gli obblighi di trasparenza dell’articolo 50 dell’AI Act, il Regolamento (UE) 2024/1689. È l’ultimo tassello di un quadro che tiene insieme GDPR, NIS2, DORA, Cyber Resilience Act e Cyber Solidarity Act. Per chi guida un’azienda la domanda pratica si riduce a una: il dato resta protetto, e dimostrabile, anche quando esce dai sistemi che lo custodiscono?
Attorno a questa domanda convergono due punti di osservazione lontani. Uno è a San Francisco, dal lato del tavolo dove si decidono gli investimenti in AI. L’altro è in una sala server europea, dove il dato va cifrato prima che chiunque possa leggerlo.
Indice degli argomenti
La sicurezza del dato nell’era dell’AI cambia le priorità degli investitori
Kevin Jiang è Co-Founder e General Partner di Mangusta Capital, un fondo dedicato agli investimenti in Vertical AI. La sua carriera attraversa Goldman Sachs, Soros Fund Management, Apollo Global Management e SoftBank Vision Fund, dove ha seguito investimenti come Flexport, ShipBob e Wiz. Quando gli ho chiesto perché un investitore in AI dedica tanto tempo alla sicurezza del dato, è partito da una lezione di metodo.
Dalla capacità dei modelli al problema della fiducia
« Per quasi dieci anni ho fatto parte del team fondatore del SoftBank Vision Fund. A quella scala si impara a farsi una sola domanda su una tecnologia, e non riguarda la qualità del prodotto in sé. La domanda vera è più scomoda: questa cosa resterà di nicchia, o diventerà qualcosa da cui tutti dipendono, al punto che nessuno ci pensa più? 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.»
Prosegue Jiang «L’ho visto succedere con i telefoni mobili e con il cloud. Lo vedo adesso con l’AI, e con la sicurezza del dato che l’AI rende necessaria. Per due anni il settore ha discusso di una cosa sola: la capacità dei modelli. Sono intelligenti, veloci, economici? Era la domanda giusta all’inizio. 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 anch’io in ogni azienda con cui lavoro, e che lui descrive senza giri di parole.
«Da un lato la pressione a usare l’AI ovunque, perché chi non lo fa resta indietro. Dall’altro una realtà di sicurezza: nel momento in cui i dati riservati entrano in questi sistemi, la protezione costruita negli anni non li segue. Per vent’anni le aziende hanno alzato muri attorno ai dati. 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, per chi guarda ai mercati prima che maturino, un ribaltamento di priorità.
«La sicurezza del dato smette di essere solo un costo che il responsabile della sicurezza difende in riunione di budget. Diventa la fondazione dell’intera 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 e il vantaggio costruito con le regole
C’è un secondo punto in cui la lettura di Jiang si allontana dal senso comune della Silicon Valley, e riguarda l’Europa. «Per molti anni gli investitori americani hanno creduto una cosa dell’Europa: troppe regole, poca costruzione. Il GDPR e le norme che sono seguite venivano lette come un freno all’innovazione. La mia tesi è opposta, e credo che quella vecchia lettura oggi sia sbagliata.»
Il motivo, spiega, è che l’era dell’AI ha cambiato la domanda a cui rispondere.
«L’Europa ha passato dieci anni a costruire le regole più severe al mondo su privacy e governance del dato. Per molto tempo il resto del mondo ne ha visto solo il peso. Poi è arrivata l’era dell’AI, che si gioca su una domanda: chi controlla il dato, e con quali regole? A quel punto il quadro europeo smette di essere un problema e diventa un vantaggio. 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 lo stesso ragionamento che lo ha portato a investire in una società di cybersecurity attiva nel mercato europeo.
«Quando un investitore globale guarda oggi alla data security europea vede un mercato che ha risolto ieri il problema di domani: regole serie e ingegneria solida, sopra una fiducia che le imprese hanno consolidato in anni di adempimenti. 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.»
La sicurezza del dato oltre il perimetro aziendale
La lettura di Kevin ha un corrispettivo tecnico preciso, ed è quello 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.
GDPR, NIS2, DORA e AI Act: cosa richiedono ai dati
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 e cita la cifratura tra i primi esempi. La NIS2, tra le misure di gestione del rischio, elenca controllo degli accessi e 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, prescrive per le entità finanziarie la cifratura dei dati a riposo e in transito, accessi fondati sul privilegio minimo, 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 regolamenti nati in contesti diversi, un denominatore che si ripete: proteggere il dato in quanto tale, sapere chi vi accede, poterlo dimostrare a posteriori.
Credenziali rubate e shadow AI: dove cade il rischio sui dati
Oggi chi attacca non scavalca il muro: entra dalla porta principale, con credenziali valide o convincendo una persona ad aprirgliela. Il phishing resta il vettore d’ingresso più diffuso, intorno al 60% dei casi (ENISA, Threat Landscape 2025), e l’elemento umano compare in circa sei violazioni su dieci, con le credenziali rubate come primo canale di accesso (Verizon, DBIR 2025).
E quelle credenziali circolano già fuori dall’azienda: nei log dei programmi che le sottraggono risultano presenti nel 30% dei dispositivi gestiti e nel 46% di quelli non gestiti (Verizon, DBIR 2025). Chi entra dall’ingresso ufficiale non fa scattare nessun allarme perimetrale, perché sta usando un accesso legittimo. Ecco perché la protezione deve spostarsi sul dato: se il documento resta cifrato e sotto controllo anche quando qualcuno è già dentro, la porta lasciata aperta pesa molto meno.
Shadow AI e perdita di controllo sui dati
Lo stesso vale per la shadow AI. Un collaboratore incolla un contratto riservato in un assistente pubblico per farsi riassumere le clausole, e in quell’istante il dato lascia il controllo dell’azienda, senza che scatti alcun alert. È la dinamica di sempre con un canale nuovo: il dato si sposta dove serve lavorare, la protezione costruita attorno all’ambiente resta indietro. Vietare gli strumenti serve a poco; il lavoro vero sta a monte, nel governare il dato prima che entri nel modello.
Cifratura dei dati tra violazioni e rischio quantistico
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 venir meno l’obbligo di comunicare la violazione ai singoli interessati: meno obblighi di notifica e costi più bassi nella gestione dell’incidente, dalle sanzioni alle spese legali.
Non è una tesi di parte: nel Cost of a Data Breach Report di IBM la crittografia rientra ogni anno tra i principali cost mitigation, accanto a formazione, piani di risposta e uso dell’AI per la sicurezza, con un risparmio medio superiore ai 200.000 dollari per violazione. La cifratura contiene l’impatto quando la prevenzione ha già fallito.
La crittografia post-quantum diventa governance
Poi c’è una scadenza silenziosa che i vertici raramente mettono a bilancio. 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, la transizione verso la crittografia post-quantum, con gli standard scelti dal NIST come CRYSTALS-Kyber (FIPS 203), smette di essere un tema da laboratorio e diventa una decisione di governance.
Sicurezza del dato e AI: la responsabilità passa ai vertici
Le norme più recenti spostano la responsabilità verso l’alto. La NIS2, recepita in Italia con il D.Lgs. 138/2024, assegna agli organi di gestione una responsabilità diretta, con sanzioni personali che arrivano fino alla sospensione dalle funzioni dirigenziali. Il DORA attribuisce all’organo di gestione la responsabilità finale sui rischi ICT.
E la Determinazione ACN del 13 aprile 2026 ha reso operativa la NIS2 in Italia spostando l’asticella dalla dichiarazione alla prova: conta la resilienza dimostrabile, con la supply chain al centro dell’obbligo. Dal 1° gennaio 2026 i soggetti in perimetro notificano gli incidenti; entro ottobre 2026 devono completare le misure di sicurezza di base. 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 nella governance dei dati e dell’AI
Jiang chiude con un passaggio che, da investitore, suona quasi come una consegna a chi siede dall’altra parte del tavolo. «Il cambiamento vero non avviene in una presentazione o in un memo 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, e non l’ultima voce di spesa da difendere. Quella decisione la prendono i vertici delle aziende, e il mercato segue loro.»
Aggiungo la parte che mi riguarda da vicino. Per anni la domanda di chi progetta sicurezza è stata come tenere fuori gli attaccanti. Quella che conta oggi riguarda cosa succede quando entrano lo stesso, o quando è un sistema di AI a maneggiare i dati 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 è una posizione di partenza che vale un vantaggio. Resta da vedere chi deciderà di usarla per primo.
Partecipa alla community