Il Google Threat Intelligence Group (GTIG) ha pubblicato il 30 settembre 2026 un'analisi che fotografa un cambiamento strutturale nel modo in cui vengono scoperte ed exploitate le vulnerabilità informatiche: l'intelligenza artificiale non si limita ad accelerare il ritmo delle scoperte, ma ne modifica anche il profilo di rischio. Secondo i dati raccolti da Google tra gennaio 2025 e agosto 2026, le falle individuate con l'aiuto di strumenti di IA hanno il doppio delle probabilità di consentire l'esecuzione di codice da remoto (RCE) rispetto a quelle trovate con metodi tradizionali: il 50% contro il 26%. Un dato che riguarda direttamente chi gestisce infrastrutture IT, dai piccoli studi professionali alle grandi aziende.
Le vulnerabilità raddoppiano, ma solo una minima parte viene sfruttata
Il quadro generale tracciato da GTIG mostra una crescita impressionante nel volume delle segnalazioni: le divulgazioni mensili di CVE (Common Vulnerabilities and Exposures, l'identificativo standard con cui l'industria cataloga le falle di sicurezza) sono passate da 5.045 a gennaio 2026 a 10.740 ad agosto 2026, più del doppio in otto mesi. Le divulgazioni classificate come ad alto rischio sono cresciute ancora più rapidamente, da 131 a 350 nello stesso periodo, un aumento del 167%. Nonostante questa esplosione di segnalazioni, solo lo 0,23% delle vulnerabilità divulgate viene effettivamente sfruttato in attacchi reali, circa una su 431: la stragrande maggioranza delle falle resta quindi un rischio teorico, mai trasformato in incidente concreto. Chi viene colpito, però, lo è più spesso: nei primi otto mesi del 2026 sono state individuate 141 vulnerabilità sfruttate attivamente, contro le 127 di tutto il 2025, con una media mensile salita da 10,5 a 18. Anche lo sfruttamento delle falle zero-day, cioè delle vulnerabilità ancora senza una patch disponibile al momento dell'attacco, è aumentato: da una media di 8 al mese nel 2025 a 11 nel 2026, con un picco di 22 nel solo mese di agosto. Le zero-day rappresentano oggi il 62% di tutte le vulnerabilità sfruttate attivamente.
Perché le falle trovate dall'IA sono diverse
Il dato più rilevante del rapporto non riguarda la quantità, ma la qualità delle vulnerabilità scoperte con l'ausilio dell'intelligenza artificiale. GTIG ha tracciato 2.076 CVE legate a software di intelligenza artificiale tra gennaio 2025 e agosto 2026, di cui oltre 1.500 solo nel 2026. Il loro profilo di rischio è diverso da quello delle vulnerabilità trovate con metodi convenzionali: il 39% è classificato a basso rischio e il 58% a rischio medio, ma soprattutto il 50% di queste falle consente l'esecuzione di codice da remoto, contro appena il 26% delle vulnerabilità scoperte senza l'ausilio di IA. Come spiega GTIG, "l'intelligenza artificiale sta cambiando in modo misurabile non solo il ritmo di scoperta ed exploit delle vulnerabilità, ma anche la tipologia e il profilo di rischio tipico delle falle che vengono individuate". Gli analisti di Google ipotizzano inoltre che gli attaccanti stiano usando sempre più modelli linguistici e strumenti di IA per automatizzare il confronto tra versioni di software, patch e proof-of-concept pubblicati, così da trasformare rapidamente vulnerabilità già note (i cosiddetti n-day) in exploit funzionanti, un'attività più accessibile ed efficiente che scoprire zero-day da zero.
Il caso BeyondTrust: un agente di IA scopre una falla critica
Il rapporto cita un caso concreto che illustra bene la dinamica: un agente di ricerca basato su intelligenza artificiale chiamato Hacktron ha individuato la vulnerabilità CVE-2026-1731, una command injection non autenticata nei prodotti BeyondTrust Privileged Remote Access e Remote Support, software utilizzati da moltissime aziende per gestire l'accesso remoto sicuro ai propri sistemi. La falla è stata sfruttata attivamente da attaccanti reali già nel giro di 4-7 giorni dalla divulgazione pubblica, una finestra di reazione estremamente ridotta per i team di sicurezza che devono applicare la patch. Il caso mostra come gli strumenti di IA possano funzionare sia come alleati della difesa, individuando falle prima dei criminali, sia come acceleratori involontari del rischio, comprimendo drasticamente i tempi a disposizione per correre ai ripari.
Le infrastrutture di IA diventano esse stesse un obiettivo
Un ulteriore elemento segnalato da GTIG riguarda il software usato per costruire ed eseguire sistemi di intelligenza artificiale, che si sta trasformando in un bersaglio a sua volta: framework di orchestrazione di agenti come Flowise e Langflow, insieme a motori di inferenza come vLLM, Ollama e LiteLLM, compaiono tra i software con vulnerabilità confermate e già sfruttate in attacchi reali. Si tratta di strumenti diffusi tra chi sviluppa applicazioni basate su modelli linguistici, spesso installati rapidamente per prototipare soluzioni e non sempre sottoposti agli stessi controlli di sicurezza del resto dello stack IT aziendale. Il tema si lega a una vicenda già raccontata su questo sito: pochi giorni prima della pubblicazione del rapporto GTIG, OpenAI aveva presentato GPT-6 Astra, il primo modello classificato a "rischio critico" per la cybersecurity proprio per la sua capacità di trovare e sfruttare da solo vulnerabilità zero-day: i dati di Google confermano, su scala di settore e con numeri aggregati, la stessa tendenza di fondo osservata in quel singolo prodotto.
Che cosa cambia per chi gestisce sistemi IT
Per i responsabili della sicurezza informatica di aziende e pubbliche amministrazioni, il rapporto GTIG offre un'indicazione operativa precisa: dato che le vulnerabilità trovate con l'ausilio dell'IA hanno il doppio delle probabilità di portare a RCE, cioè al tipo di attacco più dannoso perché consente il controllo quasi completo di un sistema, i processi di patch management devono accelerare, non solo in volume ma soprattutto in velocità di risposta sulle falle ad alto rischio. Il caso BeyondTrust dimostra che una finestra di pochi giorni può separare la pubblicazione di una CVE dal suo sfruttamento attivo. Allo stesso tempo, chi utilizza o sviluppa strumenti di IA in produzione, dagli chatbot aziendali alle pipeline di agenti autonomi, deve considerare framework come Langflow, Flowise o i motori di inferenza come componenti dello stack da sottoporre agli stessi controlli di sicurezza riservati a un server web o a un database, e non come semplici strumenti di sviluppo sperimentale.
Il commento di PINET
Per le imprese italiane, in particolare le piccole e medie, il punto debole resta la capacità di tenere il passo con una cadenza di patch che da mensile rischia di dover diventare quasi settimanale su alcuni sistemi critici: pochi reparti IT interni hanno le risorse per farlo senza l'appoggio di un managed security provider. Le pubbliche amministrazioni, già alle prese con l'attuazione della direttiva NIS2 e con un perimetro di sicurezza nazionale cibernetica da rispettare, si troveranno probabilmente a dover rivedere le proprie tempistiche di aggiornamento proprio sui software più esposti, come i gateway di accesso remoto citati nel rapporto. È inoltre significativo che framework di IA come Langflow o motori come Ollama, spesso adottati con entusiasmo da team di innovazione e startup per la loro semplicità di utilizzo, compaiano già tra i bersagli concreti: un campanello d'allarme per chi in Italia sta sperimentando l'IA generativa in produzione senza aver prima consolidato le basi di sicurezza dello stack sottostante. Il giudizio complessivo sul rapporto resta misurato: i numeri di Google descrivono una tendenza di settore globale, non uno scenario di emergenza immediata per il singolo utente, ma indicano con chiarezza la direzione in cui gli investimenti in sicurezza informatica dovranno muoversi nei prossimi mesi.
Fonte: SecurityWeek e Help Net Security
