Dagli esperimenti sull'intelligenza artificiale alle operazioni autonome
– Christophe Briguet, Direttore Senior della Gestione Prodotto – Analisi di IA e Sicurezza, Stellar Cyber
San Jose, California – 28 aprile 2026
Qualcosa è cambiato all'inizio del 2026. Non gradualmente, ma piuttosto come se si fosse premuto un interruttore.
Per anni abbiamo parlato di IA nell' SOC Il modo in cui parlavamo delle auto a guida autonoma: sempre a cinque anni di distanza, sempre bisognose di "solo un po' più di dati". Poi è arrivato MCP (Model Context Protocol). Poi i framework agentici hanno smesso di essere demo e hanno iniziato a essere strumenti. E improvvisamente la domanda non era "l'IA può aiutare i team di sicurezza?" ma "cosa dovremmo permetterle di fare per prima cosa?".
Lo so perché ne ho gestito uno.
La svolta agentica che nessuno aveva previsto.
Ecco cosa è cambiato: gli agenti IA hanno smesso di essere chatbot con accesso alle API e hanno iniziato a essere veri e propri colleghi, che ricordano il passato, sanno usare i tuoi strumenti e possono effettuare chiamate in autonomia.
MCP, originariamente creato da Anthropic e ora sotto l'egida della Linux Foundation, ci ha fornito qualcosa che prima non avevamo: un modo universale per gli agenti di intelligenza artificiale di connettersi a sistemi reali. Non tramite integrazioni fragili o codice personalizzato, ma attraverso un protocollo standardizzato che permette a qualsiasi agente di intelligenza artificiale di comunicare con qualsiasi strumento, qualsiasi API e qualsiasi piattaforma. Pensatelo come una porta USB per l'IA: basta collegare una nuova funzionalità e l'agente la utilizza.
At Cyber stellareAbbiamo integrato il supporto MCP nella nostra piattaforma. Un agente AI può ora connettersi a un'istanza di Stellar Cyber e accedere immediatamente alla gestione dei casi: elencare i casi, recuperare tutti i dettagli dell'indagine con mappature MITRE e osservabili, aggiornare lo stato e assegnare gli analisti. Una singola chiamata API restituisce ciò che prima richiedeva otto clic e tre schede.
Ma MCP è solo il connettore. La vera innovazione sta in ciò che si trova al di sopra di esso: un'intelligenza artificiale agentiva che ricorda il contesto, pianifica flussi di lavoro a più fasi e agisce per tuo conto tra una sessione e l'altra.
Cosa ho imparato gestendo un agente di intelligenza artificiale per una settimana
- Ho scritto due email ai clienti riguardo alle funzionalità. Ho ricavato il contesto da una conversazione via email di 10 messaggi, ho fatto un confronto con la knowledge base e ho riportato correttamente i dettagli tecnici.
- Ho aperto un ticket su Jira. Ho sbagliato i campi obbligatori due volte, poi ho capito come funzionava l'API e al terzo tentativo ci sono riuscito.
- Ho organizzato una riunione per quattro persone controllando i calendari di tutti. Ho trovato l'unico spazio libero mercoledì mattina.
- Ho esaminato un documento di processo su Confluence e la relativa bacheca Figma. Ho trovato cinque lacune che nessuno aveva notato.
- Abbiamo recuperato 30,000 casi dal nostro server Stellar Cyber MCP in una sola chiamata. Mappature MITRE complete, osservabili, tutto il necessario.
- Ho configurato un'attività pianificata (cron job) per monitorare un modulo Google alla ricerca di nuove richieste, creare automaticamente dei ticket e avvisarmi quando ne arriva qualcuno. Nessun codice. Ci sono voluti circa dieci minuti.
L'altro lato di questo
Ecco dove la situazione si fa scomoda. Tutto ciò che ho appena descritto? Anche gli avversari possono farlo.
Se un agente IA potesse connettersi al tuo sistema di ticketing, leggere i tuoi ticket di escalation, confrontare i dati con la tua knowledge base e comprendere le tue lacune in termini di rilevamento, otterresti una mappa gratuita per tutto ciò che non sai difendere. Le stesse capacità degli agenti che rendono i difensori più veloci, rendono anche gli attaccanti più sistematici.
MCP è un'arma a doppio taglio. CrowdStrike Sono già state pubblicate ricerche sulla sicurezza delle implementazioni di IA agentica contro l'iniezione di prompt e l'escalation dei privilegi. La superficie di attacco non è teorica. Si tratta esattamente degli stessi punti di integrazione che rendono gli agenti utili.
Il cambiamento del panorama delle minacce è questo: il vantaggio di velocità che SOC I team che avevano attacchi preimpostati stanno scomparendo. Gli avversari con strumenti agenti possono ora:
- Enumera il tuo ambiente più velocemente di quanto i tuoi analisti riescano a gestire gli avvisi
- Genera contenuti di ingegneria sociale che siano contestualmente consapevoli della tua organizzazione
- Automatizziamo le decisioni relative ai trasferimenti laterali nello stesso modo in cui automatizziamo le decisioni di triage.
- Adatta le tattiche in tempo reale in base a ciò che funziona
Molte opportunità di automazione
1. Allerta e triage dei casi alla velocità della macchina
Questo è il caso più ovvio, ed è qui che opera già il sistema di triage automatico degli avvisi di Stellar Cyber. L'agente esegue controlli di segnale per ogni caso critico: reputazione IP, anomalie comportamentali, relazioni tra entità e vulnerabilità del dispositivo. Quindi fornisce un verdetto: Vero positivo, Benigno, Falso positivo o Inconcludente.
La novità sta nel ciclo di feedback. Quando un analista modifica un verdetto, tale modifica diventa un segnale di addestramento. Non nel vago senso di "riaddestremeremo il modello prima o poi", bensì nel senso di "la prossima volta che si presenterà questo schema, il sistema terrà conto del tuo giudizio". Il sistema FSD di Tesla impara dagli interventi umani. E lo fa anche questo.
Sblocco dell'agente: un agente connesso a MCP può ora recuperare i dettagli del caso, correlarli con le informazioni sulle minacce esterne, verificare i verdetti storici su schemi simili e fornire una decisione di triage con piena interpretazione, senza che un essere umano debba cliccare su cinque schede.
2. Automazione delle procedure di acquisizione e onboarding
Le richieste arrivano tramite un modulo. Tradizionalmente, qualcuno leggeva la richiesta, creava un ticket di tracciamento, verificava i prerequisiti e inviava un'e-mail di conferma. Quattro sistemi, tre cambi di contesto, una sola persona che si occupava dell'inserimento manuale dei dati.
Un agente monitora la fonte di acquisizione dati secondo una pianificazione. Quando viene visualizzata una nuova voce, crea un ticket con la descrizione completa e strutturata, ne scrive il riferimento alla fonte e invia una notifica con un riepilogo. Nessun passaggio manuale.
Lo sblocco agentivo: questo modello si generalizza a qualsiasi processo di acquisizione. Richieste di prova. Richieste di conformità. Segnalazioni di vulnerabilità. Gestione delle escalation dei clienti. Qualsiasi flusso di lavoro che preveda "lettura dalla fonte A, creazione nel sistema B, notifica tramite il canale C" è un candidato.
3. Ciclo di feedback sulla qualità del rilevamento
Questo è l'aspetto che mi entusiasma di più. I fornitori di soluzioni di sicurezza accumulano enormi quantità di ticket del tipo "questo sistema di rilevamento non funziona correttamente". Le descrizioni sono spesso criptiche. Il contesto è sepolto tra lunghe conversazioni via email e ticket di supporto. La persona incaricata di valutare il problema ha bisogno di una conoscenza approfondita del prodotto anche solo per comprendere la richiesta.
Un agente AI con accesso al sistema di ticketing, alla knowledge base e alla piattaforma di sicurezza può leggere un ticket di feedback di rilevamento, estrarre i dati di avviso effettivi, confrontarli con la documentazione e produrre un riepilogo chiaro: "Si tratta di un falso positivo causato dalla corrispondenza di una sottostringa nella regola X. Chi ha segnalato il problema ha fornito una soluzione. Ecco la query corretta."
Sblocco agente: collega l'agente all'ambiente di reporting (con le autorizzazioni necessarie) tramite MCP e potrà convalidare il problema segnalato confrontandolo con i dati in tempo reale. Niente più "puoi inviarmi uno screenshot?". Niente più scambi di email che durano tre settimane. L'agente vede ciò che vede chi ha segnalato il problema.
4. Collegare i punti tra gli strumenti
Il compito di un responsabile delle operazioni di sicurezza è quello di collegare i punti tra i diversi sistemi. Una conversazione via email relativa a un rapporto con un partner, un ticket su una falla di rilevamento, una pagina wiki su un processo, una bacheca di progettazione sul flusso di lavoro, i prezzi in una discussione di vendita: tutti questi elementi risiedono in strumenti diversi senza alcuna correlazione automatica.
Un agente di intelligenza artificiale gestisce tutti questi passaggi. Chiedetegli "Qual è lo stato della sperimentazione di questo partner?" e lui recupererà la corrispondenza via email, controllerà il ticket di tracciamento, leggerà il modulo di ammissione e fornirà un'unica risposta. Senza dover passare da una scheda all'altra. Senza dover dire "fammi controllare".
Lo sblocco tramite agente: è qui che MCP eccelle. Ogni sistema è un server MCP. All'agente non importa se i dati si trovano in una e-mail, in Jira o in Stellar Cyber. Utilizza lo stesso protocollo con tutti.
5. Monitoraggio proattivo senza affaticamento da allarmi
L'approccio tradizionale al monitoraggio si basa su due sole opzioni: "controllare tutto costantemente" (costoso e rumoroso) oppure "aspettare che qualcuno se ne accorga" (lento e rischioso). Gli agenti basati sull'intelligenza artificiale offrono una terza via: controlli intelligenti e programmati, con una capacità di giudizio pari a quella umana su ciò che merita di essere segnalato.
Il mio agente controlla periodicamente i canali di comunicazione, ma non si limita a segnalare "hai 15 messaggi non letti". Li categorizza in base all'urgenza, identifica le azioni da intraprendere, filtra il rumore e mi avvisa solo quando qualcosa richiede effettivamente attenzione. Lo stesso schema si applica al monitoraggio della sicurezza: controlla le code dei casi, segnala le anomalie nella copertura di rilevamento, monitora le violazioni degli SLA. E rimane in silenzio quando tutto è normale.
Sblocco agentico: esecuzione pianificata degli agenti con ottimizzazione a livello di modello. Utilizza un modello più leggero per i controlli di routine e passa a un modello più potente quando la situazione richiede una valutazione più approfondita. Automazione attenta ai costi.
6. Documentazione e acquisizione delle conoscenze
I team di sicurezza generano un'enorme quantità di conoscenze aziendali che non vengono mai documentate. L'analista che sa che le voci di registro di uno specifico fornitore di firewall si comportano in modo diverso dal previsto? Quella conoscenza rimane nella sua testa finché non se ne va.
Gli agenti di intelligenza artificiale possono acquisire e strutturare questa conoscenza in tempo reale. Ogni valutazione di un ticket, ogni interazione, ogni decisione diventa una voce strutturata in una base di conoscenza persistente. L'agente mantiene appunti giornalieri, aggiorna la sua memoria a lungo termine con informazioni distillate e confronta le nuove informazioni con quelle che già conosce.
Lo sblocco agentivo: più l'agente lavora, più impara. L'agente che ha gestito un gruppo di ticket di rilevamento ora comprende le peculiarità dei log specifiche del fornitore, i casi limite di integrazione e le lacune nella correlazione delle identità. La prossima volta che arriva un ticket correlato, parte da quella base, non da zero.
Cosa significa questo per i team di sicurezza
Negli ultimi dieci anni, il settore della sicurezza si è concentrato sullo sviluppo di sistemi di rilevamento. Il prossimo decennio sarà dedicato alle decisioni. Chi decide cosa è reale? Chi decide cosa fare al riguardo? E con quale rapidità possono essere prese queste decisioni?
L'IA agentica non sostituisce l'analista. Gli conferisce un vantaggio. Lo stesso analista che prima gestiva manualmente 20 casi al giorno ora può esaminare 200 casi gestiti dall'IA agentica, concentrando la propria competenza dove conta davvero: i casi limite, gli attacchi innovativi, le decisioni che le macchine non sono ancora in grado di prendere.
I fornitori che si nascondono ancora dietro API chiuse e riepiloghi di IA usa e getta rimarranno indietro. Le piattaforme vincenti saranno quelle che apriranno le proprie API tramite protocolli come MCP, creeranno cicli di feedback che apprendano realmente dalle decisioni umane e tratteranno l'automazione basata sull'IA come un prodotto, con metriche di accuratezza, controlli dei costi e meccanismi di governance.
Lo stiamo sviluppando noi di Stellar Cyber. Il server MCP è attivo. Alert Auto-Triage è in produzione. E ho un agente IA che ha appena redatto questo post del blog.
Beh, la maggior parte.
