MIND automatizza la prevenzione delle fughe di dati con cinque agenti AI

L’obiettivo è spostare una parte del lavoro operativo — spesso ripetitivo e dispendioso — dalla console di sicurezza agli agenti autonomi, lasciando agli analisti più tempo per le decisioni strategiche.

I cinque agenti AI di MIND

I cinque agenti coprono attività diverse del ciclo di protezione dei dati :

• Custom Classifier Agent: costruisce e perfeziona classificatori su misura, addestrati a riconoscere i dati sensibili specifici di un’organizzazione. Era già disponibile .
• Issue Investigator Agent: analizza gli incidenti DLP e riduce il lavoro manuale di triage e verifica. Anche questo agente era già disponibile .
• Policy Producer Agent: traduce gli obiettivi di sicurezza in regole e sintassi di policy, poi le affina sulla base dell’attività reale sui dati .
• Rapid Response Agent: automatizza le azioni di risposta e di correzione quando viene rilevata un’esposizione dei dati .
• Reason Reviewer Agent: esamina le richieste di eccezione e di deroga alle policy, evitando che si accumulino in coda .

Gli ultimi tre — Policy Producer, Rapid Response e Reason Reviewer — sono stati presentati con il nuovo annuncio, mentre Custom Classifier e Issue Investigator erano già operativi .

Comandi in linguaggio naturale grazie all’MCP

L’interfaccia Model Context Protocol collega gli agenti ai client AI compatibili già utilizzati dai team aziendali. In pratica, gli operatori possono chiedere, per esempio, di «indagare gli avvisi sui dati personali della scorsa notte» oppure di «aggiornare il classificatore delle carte di credito», senza dover aprire una console separata .

L’MCP non sostituisce le funzioni degli agenti: fornisce piuttosto un canale comune per indirizzarli e avviare attività di classificazione, analisi, definizione delle policy o remediation attraverso istruzioni testuali .

Il tempo di analisi scenderebbe da ore a minuti

Secondo i dati citati nell’annuncio, le organizzazioni che utilizzano la piattaforma hanno ridotto il tempo di indagine di un incidente da 3–4 ore a pochi minuti. Mike Morrato, CISO di Noname Security, ha collegato questo risultato a un risparmio dichiarato del 25–50% del tempo per incidente al giorno .

Al Faiella, Senior Director of Security Engineering di ThoughtSpot, ha descritto il vantaggio principale come una maggiore «tranquillità»: gli incidenti arriverebbero con l’indagine già completata e le policy si perfezionerebbero in modo autonomo . Si tratta di metriche e testimonianze riportate da MIND e dai clienti citati, non di una misurazione indipendente del settore.

La sfida della governance dell’AI aziendale

MIND colloca il lancio in un contesto in cui le applicazioni di AI generativa, l’agentic AI — sistemi capaci di eseguire attività con un certo grado di autonomia — e i flussi di lavoro autonomi creano e spostano dati più rapidamente di quanto i team riescano a governarli manualmente .

Le attività che assorbono più tempo restano spesso quelle operative: costruire classificatori, investigare gli avvisi, modificare le policy e gestire eccezioni e deroghe . Secondo Eran Barak, CEO di MIND, «l’AI ha cambiato radicalmente il modo in cui i dati vengono creati e si spostano, ma non il modo in cui la maggior parte delle organizzazioni li protegge» .

Dalla visibilità sull’agentic AI all’automazione della DLP

Il nuovo rilascio si basa sul lavoro già presentato da MIND nel gennaio 2026 con DLP for Agentic AI. Quell’approccio era centrato sui dati e puntava a identificare quali agenti AI fossero attivi nell’organizzazione, capire quali informazioni sensibili consultassero e prevenire le fughe di dati nelle interazioni tra sistemi AI .

La piattaforma aveva quindi introdotto il livello di visibilità e controllo necessario per osservare gli agenti e applicare regole al loro accesso ai dati. I cinque agenti annunciati a luglio aggiungono invece l’automazione delle operazioni quotidiane: creazione dei classificatori, indagine sugli incidenti, produzione delle policy, gestione delle eccezioni e remediation delle esposizioni .

La direzione indicata da MIND è chiara: non solo vedere che cosa fanno gli agenti AI, ma affidare loro una parte crescente dell’esecuzione del programma DLP, mantenendo i team di sicurezza al centro della supervisione e delle decisioni.