Scegli l'Assistente
Dalla velocità del codice alla sicurezza del prodotto
Gli strumenti di IA generativa entrano ormai nelle attività ordinarie di sviluppo: producono frammenti di codice, propongono test, aggiornano configurazioni e suggeriscono dipendenze.
Possono accelerare il lavoro e assistere la ricerca di difetti; non trasformano però la correttezza sintattica in garanzia di sicurezza.
Un programma che compila e funziona può comunque contenere controlli di autorizzazione incompleti, gestione impropria dei segreti o componenti vulnerabili.
Gli studi disponibili descrivono un quadro non univoco.
Una ricerca pubblicata su Empirical Software Engineering nel 2026 ha esaminato codice generato con il supporto di modelli linguistici e osservato miglioramenti nella loro capacità di individuare e correggere vulnerabilità, ma anche errori e risposte formulate con eccessiva sicurezza.
Non è quindi rigoroso sostenere che ogni codice generato dall’IA sia intrinsecamente insicuro; è corretto affermare che la sua provenienza non può sostituire verifiche tecniche e responsabilità organizzative.
Il punto non è scegliere fra programmatore e algoritmo.
È evitare che la maggiore velocità di produzione riduca il tempo dedicato a progettazione sicura, revisione, gestione delle dipendenze e manutenzione.
Il CRA: obblighi di prodotto, non una certificazione dell’algoritmo
Il regolamento (UE) 2024/2847 introduce requisiti orizzontali di cibersicurezza per i «prodotti con elementi digitali» commercializzati nell’Unione: hardware, software e, secondo le definizioni del testo, determinate soluzioni di elaborazione remota dei dati.
La disciplina guarda al soggetto che immette il prodotto sul mercato e agli obblighi pertinenti alla sua posizione nella catena economica; non crea una categoria speciale per il software scritto con l’IA.
L’art. 13 e l’allegato I orientano il produttore verso una valutazione del rischio di cybersicurezza, misure di security by design e by default, gestione delle vulnerabilità, aggiornamenti e documentazione tecnica.
Per i prodotti rientranti nel campo di applicazione, la conformità dovrà essere valutata secondo le procedure pertinenti; non basta dichiarare di utilizzare un moderno processo DevSecOps.
Un passaggio spesso trascurato riguarda la Software Bill of Materials (SBOM): l’allegato I, parte II, punto 1, richiede di identificare e documentare componenti e vulnerabilità, anche attraverso una distinta dei componenti software in formato comunemente utilizzato e leggibile da macchina, comprendente almeno le dipendenze di primo livello.
Ciò non equivale a un obbligo generalizzato di pubblicare indiscriminatamente la SBOM. Il produttore deve inoltre esercitare la dovuta diligenza nell’integrare componenti di terzi, inclusi quelli open source.
Il periodo di supporto deve riflettere l’uso atteso del prodotto e, di regola, non può essere inferiore a cinque anni; sono previste precisazioni per prodotti con vita utile inferiore.
In altre parole, l’obiettivo non è soltanto rilasciare un software «sicuro al giorno zero», ma mantenerne la sicurezza nel tempo.
Novembre 2026: il CRA è già entrato nella fase operativa
Il calendario impedisce un equivoco frequente. Il CRA è entrato in vigore il 10 dicembre 2024; le disposizioni del capo IV sugli organismi di valutazione della conformità si applicano dall’11 giugno 2026, mentre il quadro generale diventerà applicabile l’11 dicembre 2027.
Ma gli obblighi di segnalazione dell’art. 14 sono già applicabili dall’11 settembre 2026, anche rispetto a prodotti con elementi digitali immessi sul mercato prima dell’11 dicembre 2027.
Da quella data i produttori devono segnalare le vulnerabilità attivamente sfruttate di cui vengano a conoscenza e gli incidenti gravi che incidono sulla sicurezza del prodotto.
L’articolazione ordinaria prevede un preavviso entro 24 ore, una notifica entro 72 ore e una relazione finale: per le vulnerabilità attivamente sfruttate, non oltre 14 giorni dalla disponibilità di una misura correttiva o mitigativa; per gli incidenti gravi, entro un mese dalla notifica delle 72 ore.
La Single Reporting Platform (SRP), realizzata da ENISA e operativa dall’11 settembre 2026, consente l’inoltro attraverso un punto di accesso comune verso le autorità pertinenti.
La distinzione è essenziale: non ogni bug è una vulnerabilità «attivamente sfruttata» e non ogni inconveniente informatico costituisce un incidente grave notificabile ai sensi del CRA.
La qualificazione richiede l’accertamento dei presupposti normativi e tecnici.
Quando l’IA entra nella pipeline, cambiano i rischi da presidiare
L’AI-assisted DevSecOps descrive l’integrazione di strumenti di IA nelle attività di sviluppo, sicurezza e gestione operativa.
Se il modello suggerisce codice o dipendenze, i rischi tradizionali della software supply chain restano presenti; se un agente può anche leggere repository, invocare strumenti, modificare file o avviare processi, si aggiungono problemi di autorizzazione, integrità delle istruzioni e controllo delle azioni automatizzate.
Un commento malevolo in un repository, un file di documentazione compromesso o un risultato di ricerca manipolato possono, in determinate architetture, veicolare istruzioni ostili a un assistente: è il problema della prompt injection indiretta.
Altri rischi sono la divulgazione di segreti nei prompt, l’inclusione di pacchetti inesistenti o contraffatti, l’introduzione di codice non verificato e l’eccesso di privilegi conferiti agli agenti.
OWASP colloca prompt injection, esposizione di informazioni riservate, compromissione della supply chain ed eccessiva autonomia tra le principali categorie di rischio delle applicazioni basate su modelli linguistici.
Sono minacce da modellare secondo il contesto, non prove che un singolo prodotto sia vulnerabile.
Anche in questo caso occorre distinguere capacità potenziale dello strumento, concreta configurazione e incidente effettivamente verificatosi.
Da DevSecOps a evidenza verificabile
La risposta utile non è vietare l’IA in ogni reparto di sviluppo.
È inserire il suo contributo in una catena di controlli verificabili, coerenti con il rischio del prodotto.
Prima del rilascio occorrono requisiti di sicurezza espliciti e threat modeling; durante lo sviluppo, revisione umana proporzionata alla criticità, test automatici e analisi del codice (SAST), delle dipendenze (SCA) e, quando appropriato, del comportamento applicativo (DAST).
A valle, servono gestione degli aggiornamenti, tracciamento delle vulnerabilità, procedure di coordinated vulnerability disclosure e capacità di risposta agli incidenti.
Per l’IA assistiva si aggiungono presidi specifici: regole su quali dati possano essere inseriti nei prompt; controllo delle autorizzazioni degli agenti secondo il principio del minimo privilegio; divieto di accesso autonomo a segreti e ambienti di produzione senza controlli adeguati; verifiche sulle librerie proposte; registrazione delle modifiche e approvazione delle pull request.
Le attestazioni di build, i log di revisione e la SBOM aiutano a ricostruire chi abbia modificato che cosa e quale versione sia stata distribuita.
Il Secure Software Development Framework (SSDF) del NIST offre un riferimento metodologico per progettare queste pratiche; il profilo SP 800-218A introduce considerazioni specifiche per lo sviluppo di modelli e sistemi di IA generativa.
Non si tratta, tuttavia, di una scorciatoia normativa: l’adozione di uno standard o di una buona pratica può sostenere la dimostrazione della diligenza, ma non produce automaticamente conformità al CRA.
La parola chiave è «evidenza». Un controllo dichiarato in una policy conta meno di un controllo effettivamente eseguito e ricostruibile: revisione firmata, test conservato, componente identificato, patch verificata, decisione di rischio motivata.
La documentazione deve essere utile al governo tecnico del prodotto, non diventare una produzione seriale di carte.
Un caso ipotetico: la dipendenza suggerita dall’assistente
Si immagini un produttore europeo di dispositivi connessi che utilizzi un agente di coding per aggiornare l’applicazione di gestione.
L’agente suggerisce una libreria esterna per semplificare la gestione delle sessioni; la libreria viene inclusa senza una verifica della provenienza. In seguito emerge che il pacchetto contiene una funzione malevola.
L’episodio è ipotetico, ma permette di isolare quattro domande operative: il componente compare nella SBOM?
Chi ne ha approvato l’introduzione?
Quali controlli avrebbero dovuto intercettarlo? Il produttore sa identificare rapidamente i prodotti interessati e distribuire una correzione?
Se, inoltre, risultasse un effettivo sfruttamento della vulnerabilità, il produttore dovrebbe valutare i presupposti della segnalazione CRA e le tempistiche previste dall’art. 14.
Se fossero stati compromessi dati personali, andrebbero separatamente valutati gli obblighi applicabili del GDPR.
Un unico evento può attivare discipline diverse, ma le fattispecie non coincidono: la presenza di una vulnerabilità non dimostra, da sola, né un data breach né una compromissione concreta.
CRA, GDPR, NIS2 e AI Act: quattro piani da non confondere
Il CRA disciplina, in termini generali, la cybersicurezza dei prodotti con elementi digitali nel mercato dell’Unione.
Il GDPR entra in gioco quando il trattamento di dati personali rende applicabili i suoi obblighi, incluse sicurezza del trattamento e, se ricorrono i presupposti, notifiche di violazione.
La direttiva NIS2 riguarda invece la gestione del rischio e degli incidenti per gli enti rientranti nel suo campo di applicazione.
Il regolamento sull’intelligenza artificiale (AI Act), come modificato nel 2026, segue una logica ulteriore, legata ai sistemi di IA e alle relative classificazioni e responsabilità.
L’utilizzo di un assistente generativo per scrivere codice non trasforma automaticamente il prodotto realizzato in un «sistema di IA ad alto rischio» e non sostituisce le verifiche richieste dal CRA.
Analogamente, la conformità di un eventuale sistema di IA non certifica di per sé la sicurezza del software che esso contribuisce a sviluppare.
L’analisi giuridica deve partire da oggetto, ruolo dell’operatore, destinazione d’uso e rischi concretamente rilevanti.
Si tratta di obblighi potenzialmente concorrenti, non di etichette intercambiabili. La maturità della governance consiste anche nel predisporre flussi di valutazione coordinati, capaci di evitare omissioni e duplicazioni.
Conclusione: la velocità è un vantaggio, la tracciabilità è una garanzia
L’incontro tra CRA e AI-assisted DevSecOps porta a una conclusione semplice: l’automazione può velocizzare la produzione del codice, ma non trasferisce a un algoritmo la responsabilità della sicurezza del prodotto immesso sul mercato.
Per il produttore la sfida è trasformare ogni fase, dal suggerimento generato dall’IA alla manutenzione successiva al rilascio, in un percorso di decisioni controllate e verificabili.
La vera innovazione, allora, non sarà il software scritto più in fretta.
Sarà il software per il quale, anche dopo un incidente, sia possibile spiegare come è stato costruito, da quali componenti dipende, quali rischi sono stati accettati e quali misure siano state adottate.
Nel lessico del CRA, questa non è burocrazia: è sicurezza progettata per durare.






















