AnswersPublished17 sources
Bloccare l’IA non basta: come ridurre davvero i rischi in azienda
Nel 2025 ThreatLabz ha rilevato quasi un trilione di transazioni aziendali di AI e machine learning; nel traffico analizzato, le organizzazioni ne hanno bloccate quasi quattro su dieci. In un’indagine PagerDuty, il 66% di chi aveva usato l’AI per lavoro ha dichiarato di averla utilizzata anche sul posto di lavoro pu...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- Nel 2025 ThreatLabz ha rilevato quasi un trilione di transazioni aziendali di AI e machine learning; nel traffico analizzato, le organizzazioni ne hanno bloccate quasi quattro su dieci.
- In un’indagine PagerDuty, il 66% di chi aveva usato l’AI per lavoro ha dichiarato di averla utilizzata anche sul posto di lavoro pur credendo che la policy aziendale non lo consentisse.
- Una strategia più solida individua gli usi reali dell’AI, protegge i dati sensibili, limita accessi e azioni degli agenti e offre strumenti autorizzati davvero pratici.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: Why do AI blocklists give Singapore firms a false sense of security despite IMDA’s January 2026 Model AI Governance Framework for Agentic AI. Article summary: AI blocklists can confuse control over the corporate network with control over actual AI use: employees may move work to personal devices, while AI inside approved software remains accessible. IMDA’s January 2026 framewo. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Una lista di app vietate può dare l’impressione di tenere l’AI sotto controllo. Ma bloccare una richiesta sulla rete aziendale non significa necessariamente che il lavoro sia stato interrotto: può semplicemente diventare meno visibile. Nel 2025 ThreatLabz ha analizzato quasi un trilione di transazioni aziendali di AI e machine learning osservate sulla piattaforma Zscaler; secondo i dati riportati, le organizzazioni ne hanno bloccate quasi quattro su dieci, comprese quelle legate a strumenti molto diffusi.1
6 È un’indicazione del livello di blocco nel traffico osservato, non una misura di quanto rischio sia stato eliminato né di come tutte le imprese di Singapore usino l’AI.
Per le aziende, quindi, la domanda non è solo quali applicazioni vietare. Occorre capire dove viene usata l’AI, quali informazioni può raggiungere e quali operazioni è autorizzata a compiere. Il quadro di riferimento per l’AI agentica dell’IMDA, l’autorità di Singapore per lo sviluppo dei media e delle tecnologie dell’informazione, offre indicazioni proprio sulla valutazione dei rischi e sui limiti da imporre agli agenti.26
Perché una blocklist non basta
Una richiesta bloccata non dimostra che l’uso sia cessato
Un filtro di rete può impedire l’accesso a un servizio attraverso uno specifico percorso, ma non cancella l’esigenza di svolgere il compito per cui una persona voleva usare l’AI. In un sondaggio pubblicato nel giugno 2026 da PagerDuty, il 66% delle persone intervistate che avevano usato l’AI per lavoro ha detto di aver utilizzato strumenti sul posto di lavoro pur credendo che le regole aziendali non lo permettessero.38
L’indagine ha coinvolto 1.250 professionisti d’ufficio di grandi organizzazioni in Australia, Giappone, Regno Unito e Stati Uniti. Descrive dunque una dinamica più ampia, non una percentuale riferita alle imprese di Singapore.41 Il punto non è che ogni divieto venga aggirato: è che il divieto, da solo, non basta a misurare i comportamenti dei dipendenti né l’esposizione dell’organizzazione.
L’AI può essere già dentro i software approvati
L’uso aziendale dell’AI non si limita ai chatbot pubblici. Può comprendere assistenti integrati nei programmi di lavoro, connessioni con altri servizi e agenti capaci di operare sui sistemi aziendali. Per ciascuno di questi strumenti è importante sapere quali informazioni può recuperare e quali modifiche può effettuare.
Il quadro dell’IMDA invita a valutare fattori come l’accesso ai dati sensibili, il grado di autonomia, l’ampiezza delle azioni consentite e la loro reversibilità.20
26 La domanda utile, quindi, non è soltanto «Questa app è nella lista?», ma «A quali dati può accedere questo sistema e che cosa può divulgare o modificare?».
La rete aziendale non mostra necessariamente tutto
Un dipendente potrebbe ricorrere a un dispositivo personale o a una connessione non monitorata per farsi aiutare in un’attività di lavoro. In uno scenario simile, un blocco sulla rete aziendale non fornisce necessariamente un quadro completo di come vengono trattate le informazioni. È un’eventualità da considerare nella pianificazione, non una prova che i registri di rete documentino ogni uso dell’AI.
Anche le funzioni di AI integrate in software autorizzati meritano una verifica dei permessi e dei flussi di dati: l’approvazione del programma non dimostra automaticamente che ogni assistente o integrazione abbia accessi adeguati.
Alcune esposizioni non dipendono dalle app di AI vietate
Un articolo di Forcepoint, citando una notizia di Fortune, ha descritto l’esposizione pubblica di circa 3.000 contenuti inediti di Anthropic a causa della configurazione di un sistema di gestione dei contenuti.40 È un esempio riportato, non una prova sui rischi delle blocklist o sulle imprese di Singapore. La sua rilevanza è più circoscritta: impostazioni di pubblicazione e permessi possono creare esposizioni indipendentemente da quali applicazioni AI un’organizzazione consenta.
Una via di mezzo concreta per governare l’AI
Non c’è solo la scelta tra vietare tutto e lasciare libero accesso. Un approccio più utile combina visibilità, protezione dei dati, permessi ben delimitati e strumenti autorizzati che consentano di lavorare davvero.
Mappare l’uso effettivo dell’AI. Tenere traccia di strumenti approvati, funzioni integrate, connessioni e agenti. Affiancare alle verifiche tecniche modalità chiare con cui i dipendenti possano segnalare nuovi utilizzi. I dati di rete sono una fonte utile, ma non raccontano necessariamente ogni flusso di lavoro.
Partire dalle informazioni più sensibili. Individuare i repository più delicati e verificare chi, e quali sistemi, può accedervi. Le misure di protezione dovrebbero seguire i dati nel luogo in cui sono conservati o utilizzati, anziché basarsi soltanto sui nomi delle applicazioni.
Definire e verificare i limiti degli strumenti autorizzati. Controllare quali dati un assistente può recuperare, inviare o modificare. Concedere solo gli accessi necessari al compito e richiedere l’approvazione di una persona per azioni rilevanti o difficili da annullare. È un’impostazione coerente con le indicazioni dell’IMDA sulla valutazione dei rischi e sui limiti di accesso, autonomia e operatività degli agenti.
20
Rendere pratico il percorso autorizzato. Offrire strumenti e procedure di approvazione che permettano di svolgere attività legittime senza ricorrere ad alternative non autorizzate. Valutare se i compiti si possono completare in sicurezza, non soltanto quante richieste vengono respinte.
Le blocklist possono far parte dei controlli, ma non sono un indicatore affidabile di una riduzione del rischio. Una governance più efficace rende visibile l’uso reale dell’AI, protegge le informazioni sensibili e limita ciò che i sistemi possono fare.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Bloccare l’IA non basta: come ridurre davvero i rischi in azienda"?
Nel 2025 ThreatLabz ha rilevato quasi un trilione di transazioni aziendali di AI e machine learning; nel traffico analizzato, le organizzazioni ne hanno bloccate quasi quattro su dieci.
What are the key points to validate first?
Nel 2025 ThreatLabz ha rilevato quasi un trilione di transazioni aziendali di AI e machine learning; nel traffico analizzato, le organizzazioni ne hanno bloccate quasi quattro su dieci. In un’indagine PagerDuty, il 66% di chi aveva usato l’AI per lavoro ha dichiarato di averla utilizzata anche sul posto di lavoro pur credendo che la policy aziendale non lo consentisse.
What should I do next in practice?
Una strategia più solida individua gli usi reali dell’AI, protegge i dati sensibili, limita accessi e azioni degli agenti e offre strumenti autorizzati davvero pratici.