Governance AI 2026: perché governare l’AI è la vera sfida per le aziende. Il vero problema dell’intelligenza artificiale, nel 2026, in mezzo a tanto, troppo rumore di fondo, non è più convincere le aziende a utilizzarla.
È probabilmente l’esatto contrario. Anzi, numeri e cronaca alla mano, è una certezza.
Bisogna capire quanto ne stanno già usando, dove, attraverso quali applicazioni, con quali account, quali dati le stanno affidando e, soprattutto, chi o che cosa sta prendendo decisioni all’interno di processi che fino a pochi mesi fa erano completamente sotto il controllo di persone e applicazioni tradizionali.
È qui che il dibattito sull’AI cambia improvvisamente prospettiva.
Per quasi tre anni abbiamo raccontato la corsa all’intelligenza artificiale soprattutto attraverso modelli, chatbot, capacità generative, produttività e investimenti. Oggi la domanda più importante sta diventando un’altra: chi governa tutto questo?
Una domanda che è anche il filo conduttore del nuovo podcast in due puntate realizzato nella “Tana del Sergente” con Alessandro Fontana, Regional Director and Country Manager, Stefano Mesiti, Strategic Account and RSM Leader Italy; Alessio Agnello, Manager Solutions Engineering Italy and Israel . Tre manager di riferimento tutti nello stesso spazio e nello stesso momento, una azienda come Netskope protagonista proprio nel mercato, vitale, delle soluzioni che permettono di governare e mettere al sicuro la nostra corsa, spesso fuori controllo, vero AI, cloud…
Al di là della retorica un’occasione davvero preziosa, un confronto diretto, concreto, pragmatico come i tre manager chiamati intorno al tavolo.
Un confronto che parte dai numeri dell’adozione dell’AI e arriva molto rapidamente al cuore del problema: Shadow AI, agenti autonomi, protezione dei dati, Model Context Protocol, Zero Trust, sovranità digitale e nuovi modelli di cybersecurity.
Perché l’intelligenza artificiale non è più semplicemente uno strumento che un dipendente apre nel browser. Sta diventando parte dell’infrastruttura digitale dell’impresa.
Ed è proprio questo a cambiare tutto.
[Guarda e ascolta la guida definitiva alla governance dell’intelligenza artificiale. Qui il video completo della prima intensa puntata in compagnia con il top management di Netskope]
L’AI è già dentro le aziende. Molto più di quanto sembri
La prima trasformazione è quasi paradossale: una parte crescente dell’intelligenza artificiale utilizzata in azienda è invisibile a chi la utilizza.
Non stiamo parlando solamente del dipendente che apre ChatGPT, Claude, Gemini o Copilot e decide consapevolmente di chiedere aiuto a un modello generativo. L’AI è ormai incorporata nelle applicazioni SaaS, negli strumenti di produttività, nelle piattaforme collaborative, negli ambienti di sviluppo e nei software utilizzati quotidianamente.
È qui che nasce uno dei problemi più interessanti emersi nel confronto con Netskope.
L’utente può utilizzare un’applicazione che conosce da anni senza rendersi conto che, nel frattempo, alcune funzionalità sono state arricchite con modelli di intelligenza artificiale e che determinate informazioni possono quindi entrare in nuovi flussi di elaborazione.
I numeri raccontano la velocità di questa trasformazione.
Il Netskope AI Report 2026 mostra che il 59% degli utenti aziendali utilizza applicazioni AI almeno una volta alla settimana. Nel 25% delle organizzazioni più avanzate la percentuale arriva almeno al 77%.
Ancora più interessante è ciò che sta succedendo alla Shadow AI. Secondo Netskope, il 30% degli utenti AI utilizza esclusivamente applicazioni personali, mentre un ulteriore 14% alterna applicazioni personali e strumenti gestiti dall’organizzazione. La progressiva migrazione verso ambienti completamente corporate, osservata nei primi anni della GenAI, si sarebbe inoltre arrestata intorno a marzo 2026. La Shadow AI, insomma, non sembra destinata a scomparire: sta diventando una componente strutturale degli ambienti aziendali.
Questo cambia radicalmente il significato della parola governance.
Governare l’AI non può voler dire semplicemente autorizzare tre applicazioni e vietarne altre dieci. Significa riuscire a vedere un ecosistema che sta diventando distribuito.
Dall’entusiasmo al disallineamento: quasi tutti usano l’AI, pochissimi ne estraggono davvero valore
Nel podcast Alessio Agnello usa una parola particolarmente efficace per descrivere la situazione attuale: “disallineamento”.
Da una parte ci sono le aspettative straordinarie costruite intorno all’intelligenza artificiale. Dall’altra ci sono la maturità dei dati, dei processi, delle persone e delle infrastrutture che dovrebbero permettere di trasformare quelle aspettative in risultati.
Ed è probabilmente uno dei problemi principali del mercato.
Secondo l’ultima Global Survey sull’intelligenza artificiale di McKinsey, l’AI è ormai utilizzata nella grandissima maggioranza delle organizzazioni, ma il gruppo degli “AI high performer”, cioè le aziende che attribuiscono all’AI almeno il 5% dell’EBIT e dichiarano un impatto significativo della tecnologia, continua a rappresentare appena circa il 6% del campione.
La stessa ricerca rileva che solo il 37% degli intervistati attribuisce all’AI almeno un qualche impatto sull’EBIT aziendale, mentre l’80% dichiara miglioramenti della produttività individuale.
È uno scarto enorme e racconta perfettamente il momento.
L’AI funziona. Le persone la usano. La produttività individuale cresce. Ma passare dall’esperimento individuale alla trasformazione industriale dell’azienda è un’altra cosa.
La survey McKinsey dell’anno precedente aveva già fotografato lo stesso fenomeno: l’88% delle organizzazioni dichiarava di utilizzare AI in almeno una funzione aziendale, mentre circa due terzi erano ancora ferme alla sperimentazione o ai pilot.
Il vero spartiacque diventa quindi la capacità di costruire processi, responsabilità, misurazione, sicurezza e governance attorno alla tecnologia.
Comprare AI è relativamente semplice. Diventare un’impresa capace di governarla è molto più difficile.
Shadow AI non significa più soltanto ChatGPT usato di nascosto
Per anni il mondo IT ha combattuto con lo Shadow IT.
Un dipendente installava un’applicazione senza autorizzazione, utilizzava un servizio cloud non approvato o trasferiva documenti su una piattaforma sconosciuta all’IT.
La Shadow AI eredita buona parte di quel problema, ma lo porta a una scala completamente diversa.
Perché oggi l’intelligenza artificiale non vive necessariamente in una singola applicazione identificabile. Può essere integrata in un software SaaS, eseguita localmente, collegata a un repository, incorporata in un ambiente di sviluppo oppure utilizzata da un agente che comunica con altri sistemi.
Ed è per questo che bloccare ChatGPT rischia di diventare l’equivalente digitale di mettere un lucchetto alla porta lasciando tutte le finestre aperte.
Durante il podcast Alessio Agnello lo spiega con un passaggio molto concreto: distinguere le istanze enterprise dalle istanze personali è ormai fondamentale, ma è soltanto l’inizio. Bisogna capire quali tool vengono utilizzati, quali prompt vengono inviati, quali informazioni transitano e quali applicazioni AI sono integrate dentro servizi apparentemente tradizionali. L’obiettivo non può più essere proibire l’AI. Bisogna renderne governabile l’utilizzo.
Il dato è il nuovo perimetro. Ma con gli agenti AI cambia anche il significato di identità
Per molto tempo la cybersecurity ha protetto soprattutto luoghi. La rete aziendale. Il data center. L’endpoint. Il perimetro. Il cloud ha cominciato a demolire questa rappresentazione. L’intelligenza artificiale rischia di darle il colpo definitivo.
Se applicazioni, persone e workload sono distribuiti, ciò che deve essere seguito e protetto è il dato. Ma l’AI aggiunge una complicazione ulteriore: cambia anche la natura di chi utilizza quel dato. Un chatbot risponde. Un agente AI può agire.
Può consultare un database, leggere una mail, interagire con un servizio, utilizzare credenziali e autorizzazioni, generare una risposta, modificare un workflow o avviare un’azione successiva.
Ed è qui che la distanza fra GenAI e agentic AI diventa sostanziale.
Come spiega Agnello nel podcast, un agente può operare utilizzando autorizzazioni ereditate da una persona. Se quelle autorizzazioni sono eccessive, se il dato viene trasferito nel contesto sbagliato oppure se l’agente prende una decisione non prevista, il problema non riguarda più soltanto la protezione di un prompt.
Riguarda la catena completa delle decisioni.
MCP, agenti e rischio downstream: l’AI comincia anche a restituire i dati alla persona sbagliata
Uno dei numeri più interessanti del Netskope AI Report 2026 riguarda proprio questa nuova fase.
Per anni ci siamo preoccupati quasi esclusivamente dei dati che entravano nei sistemi di intelligenza artificiale. Il dipendente copiava un documento riservato dentro un chatbot, caricava del codice sorgente o utilizzava informazioni sensibili in un prompt.
È il cosiddetto rischio upstream.
Rimane enorme: secondo Netskope rappresenta 8.752 alert ogni 10.000 rilevati nell’ambito delle policy sui dati legate all’AI.
Ma sta crescendo rapidamente il percorso opposto.
Il sistema AI recupera un’informazione e la restituisce a un utente o a un agente che non avrebbe dovuto accedervi.
Le violazioni downstream sono più che raddoppiate nell’arco di un anno, passando secondo Netskope da una media di 12 a 31 eventi settimanali per organizzazione. Nel quarto delle aziende più esposte sarebbero passate da 72 a 206.
Uno degli acceleratori è il Model Context Protocol, MCP, lo standard che consente a modelli e agenti di collegarsi a fonti informative e strumenti esterni.
Netskope ha rilevato in appena dieci settimane una crescita del 250% degli utenti che accedono a server MCP remoti e del 375% delle relative transazioni.
La conseguenza è intuitiva: più collegamenti creiamo fra modelli, agenti, database e applicazioni, più l’AI diventa utile. Ma aumenta contemporaneamente il numero delle relazioni che devono essere comprese, autorizzate e sorvegliate.
Governare l’AI significa allora governare anche queste relazioni.
AI governance significa sapere chi può fare cosa, con quali dati e per quale ragione
È probabilmente questa la definizione più utile di governance dell’intelligenza artificiale nel 2026. Non un nuovo comitato che produce policy. Non un documento da far firmare ai dipendenti. Non semplicemente compliance.
La governance diventa la capacità di rispondere continuamente ad alcune domande: quali AI esistono dentro l’organizzazione? Chi le utilizza? Quali agenti sono attivi? A quali dati possono accedere? Con quali identità e autorizzazioni? Dove inviano le informazioni? Quali decisioni prendono? E siamo in grado di ricostruire tutto ciò che è successo?
È proprio da questa necessità che Netskope ha sviluppato AI Command Center.
Secondo i dati diffusi dall’azienda al momento del lancio, un’organizzazione media monitorata da Netskope gestisce oggi 37 agenti AI e registra 223 violazioni mensili delle policy sui dati collegate all’intelligenza artificiale. Netskope segnala inoltre che il 94% delle organizzazioni presenta lacune nella visibilità delle attività AI e soltanto il 6% ritiene di avere una visione completa della propria pipeline.
L’idea dell’AI Command Center nasce dunque da un’esigenza precisa: portare in un unico punto la discovery delle risorse AI, le identità, i repository dei dati, le relazioni fra questi elementi e il relativo livello di rischio.
Alessandro Fontana utilizza nel podcast una metafora particolarmente efficace: il cockpit di un aereo.
Ogni componente dell’aereo ha una funzione e segue procedure differenti, ma qualcuno deve avere una visione complessiva di ciò che sta accadendo.
È la differenza fra avere molti strumenti di sicurezza e avere governance.
Il 2026 è anche l’anno in cui la governance AI smette di essere facoltativa
C’è poi una ragione regolatoria che rende questo dibattito ancora più attuale.
Dal 2 agosto 2026 sono diventate applicabili nuove parti rilevanti dell’AI Act europeo, comprese disposizioni relative alla trasparenza e all’enforcement di alcune norme. La Commissione europea ha inoltre pubblicato nel luglio 2026 specifiche linee guida sulle disposizioni di trasparenza previste dall’articolo 50.
L’AI Act adotta un modello basato sul rischio e, per i sistemi classificati ad alto rischio, lega esplicitamente il funzionamento dell’intelligenza artificiale a elementi come risk management, logging, data governance e human oversight.
Vale la pena evitare però un equivoco.
L’AI Act non impone genericamente a ogni impresa europea la nomina di un “AI Officer”. La stessa Commissione chiarisce che non è richiesta una particolare struttura interna di governance per tutte le aziende, pur prevedendo precisi sistemi di responsabilità e qualità negli ambiti soggetti agli obblighi del regolamento.
Il punto è forse ancora più interessante: non basta creare una nuova casella nell’organigramma e chiamarla AI governance.
Serve costruire responsabilità dentro i processi.
Sovranità digitale: la domanda non è più soltanto “dove sono i miei dati?”
A questa complessità si aggiunge la geografia. L’AI ha riportato improvvisamente al centro una domanda che il cloud sembrava avere quasi cancellato: dove si trova fisicamente e giuridicamente l’infrastruttura che elabora le nostre informazioni?
Ma nel nuovo scenario persino questa domanda è insufficiente.
La sovranità digitale non riguarda più solamente il luogo nel quale il dato viene archiviato. Riguarda chi lo trasporta, chi lo elabora, quale giurisdizione governa i metadati, chi controlla l’infrastruttura e quali soggetti possono tecnicamente o legalmente accedervi.
È un tema particolarmente rilevante in Europa, dove l’accelerazione dell’AI incontra GDPR, AI Act, NIS2 e una sensibilità crescente verso l’autonomia tecnologica.
Netskope ha inserito questo tema nella propria strategia NewEdge, estendendo nel 2026 il supporto ai requisiti di sovranità dei dati in 24 Paesi.
Il modello considera quattro dimensioni: instradamento del traffico, elaborazione, archiviazione e governance dei metadati. Il concetto interessante non è soltanto tecnico. Significa che la sovranità digitale sta smettendo di coincidere con la semplice data residency.
Un data center collocato in Italia non rende automaticamente italiano l’intero percorso dell’informazione.
Zero Trust nell’era dell’AI: non bisogna fidarsi nemmeno di una macchina che lavora per noi
In questo nuovo ambiente torna inevitabilmente lo Zero Trust. Non come prodotto, ma come principio. Lo Zero Trust nasce da un assunto estremamente semplice: nessuna identità deve essere considerata affidabile a priori.
L’AI non rende questo approccio obsoleto. Lo estende.
Fino a ieri l’identità era prevalentemente umana. Oggi può essere anche quella di un workload o di un agente autonomo.
Fino a ieri controllavamo utente, dispositivo, applicazione e contesto. Ora entrano nella valutazione il prompt, il modello, i repository raggiunti dall’agente, l’MCP server con cui comunica, i dati recuperati e persino le azioni che la macchina intende eseguire.
È forse questa una delle conseguenze più profonde dell’agentic AI.
La fiducia non può essere trasferita automaticamente dall’uomo alla macchina che agisce per suo conto.
La cybersecurity cambierà più nei prossimi cinque mesi che nei prossimi cinque anni?
Durante la seconda puntata del podcast proviamo a guardare avanti e poniamo una domanda volutamente larga: come saranno le piattaforme di cybersecurity fra cinque anni?
La risposta di Alessio Agnello contiene probabilmente uno dei passaggi più significativi dell’intero confronto: cinque anni potrebbero essere troppi. Meglio ragionare sui prossimi cinque mesi.
Non è soltanto una battuta.
La velocità con cui stanno crescendo agenti, modelli, nuovi protocolli e automazione rende sempre più difficile immaginare piattaforme di sicurezza costruite esclusivamente attorno a console che aspettano l’intervento umano.
Netskope sta già sviluppando agenti destinati a supportare attività di SOC, analisi delle policy Zero Trust, investigazione e gestione della sicurezza dei dati.
Il modello che emerge non è necessariamente quello della sostituzione del professionista.
È quello del cambio di ruolo.
Una parte crescente del triage, della classificazione e della generazione delle policy potrà essere automatizzata. L’esperto sarà chiamato sempre più a controllare le decisioni, valutare il contesto, definire gli obiettivi e verificare che ciò che la macchina propone sia coerente con compliance, rischio e strategia dell’organizzazione.
In altre parole, la stessa AI che rende la cybersecurity più difficile da governare sarà probabilmente anche uno degli strumenti attraverso cui proveremo a governarla.
La vera partita non è fermare l’AI. È evitare di perderne il controllo
C’è una tentazione comprensibile quando arriva una tecnologia molto più velocemente della capacità di un’organizzazione di controllarla: bloccarla.
Ma probabilmente è già troppo tardi.
L’intelligenza artificiale è entrata negli strumenti di produttività, nel software development, nei servizi cloud, nelle piattaforme collaborative e nei processi individuali. Il report Netskope 2026 mostra, per esempio, che l’adozione di applicazioni AI dedicate alla scrittura di codice è passata in un anno dal 42% all’84% delle organizzazioni.
Nello stesso tempo cresce l’esecuzione locale dei modelli: secondo Netskope il 41% delle organizzazioni osservate utilizza oggi Ollama, segnale di un movimento verso ambienti nei quali le aziende cercano maggiore controllo sui dati e minore dipendenza dai servizi cloud.
Il fenomeno non può più essere gestito attraverso un sì o un no all’intelligenza artificiale.
Bisogna accettarne la presenza e costruire le condizioni per utilizzarla senza perdere visibilità, controllo e responsabilità.
È questo, in fondo, il confine che separa adozione e governance.
Governance AI: dentro la Tana del Sergente il confronto con Netskope
È esattamente da questo punto che partono le due nuove puntate registrate nella Tana del Sergente con Stefano Mesiti, Alessio Agnello e Alessandro Fontana di Netskope.
Nella prima cerchiamo soprattutto di capire cosa sta succedendo dentro le aziende.
Quanto è realmente diffusa l’intelligenza artificiale? Quanto è invisibile? Che cosa significa Shadow AI quando i modelli sono incorporati nelle applicazioni? Perché il dato sta diventando il vero perimetro della sicurezza? Cosa succede quando informazioni sensibili vengono utilizzate per alimentare strumenti personali o applicazioni sulle quali l’impresa non ha controllo?
E soprattutto: perché l’errore più grave potrebbe essere quello di adottare AI senza prima costruire la capacità di governarla?
Nella seconda puntata spostiamo il confronto sulla strategia.
Entrano in gioco agenti AI, MCP, AI Command Center, Zero Trust, sovranità digitale, NewEdge, AI Fast Path e il futuro delle piattaforme di cybersecurity.
Cerchiamo anche di capire che differenza passa fra utilizzare un chatbot e concedere a un agente l’autonomia per leggere informazioni, interagire con applicazioni e prendere decisioni.
Due conversazioni diverse ma strettamente collegate da una convinzione.
L’intelligenza artificiale non è più qualcosa che sta arrivando. È arrivata.
Ed è probabilmente già più diffusa dentro le nostre aziende di quanto riusciamo a vedere. Per questo la domanda del 2026 non è più “quanto velocemente dobbiamo adottare l’AI?”. La domanda è molto più scomoda.
Siamo davvero in grado di governare quella che abbiamo già? Nel super podcast esclusivo una buona parte di risposte!ù
