WEBVTT

00:00:00.000 --> 00:00:03.940
L'ipotesi che i vostri dipendenti etichettino volontariamente ogni dato creato è il punto

00:00:03.940 --> 00:00:07.740
di maggiore vulnerabilità del vostro modello di sicurezza. Abbiamo speso anni a costruire

00:00:07.740 --> 00:00:11.120
complessi sistemi di governance che dipendono da una sola cosa che un essere umano prende

00:00:11.120 --> 00:00:14.600
una decisione consapevole e corretta ogni volta che preme il tasto salvo. Ma la realtà

00:00:14.600 --> 00:00:19.160
è cruda. L'etichettatura manuale ha un tasso di adozione del 30% alle aziende medie, il

00:00:19.160 --> 00:00:23.020
che significa che il 70% della vostra proprietà intellettuale è praticamente visibile ai vostri

00:00:23.020 --> 00:00:26.700
strumenti di sicurezza. Abbiamo costruito un sistema che chiede alle persone di fare

00:00:26.700 --> 00:00:31.900
bibliotecari mentre cercano di fare gli ingegneri. Sta fallendo perché crea attrito. Oggi stiamo

00:00:31.900 --> 00:00:35.700
passando dall'etichettatura guidata dall'utente alla governance autonoma. Ci stiamo spostando

00:00:35.700 --> 00:00:38.980
verso un modello in cui la classificazione avviene alla velocità del flusso di dati, non alla

00:00:38.980 --> 00:00:43.660
velocità dell'utente. Il difetto strutturale nella governance manuale. La vostra attuale

00:00:43.660 --> 00:00:47.220
strategia di etichettatura è di fatto una tassa sulla produttività e, come per la maggior

00:00:47.220 --> 00:00:51.360
parte delle tasse, le persone trovano modi creativi per evitarla. Abbiamo passato un decennio

00:00:51.360 --> 00:00:54.320
a fare affidamento sul vecchio modello di sicurezza dei dati dove la protezione è un evento

00:00:54.320 --> 00:00:58.160
a valle. Un utente che ha un documento guarda un elenco da 5 a 10 etichette di riservatezza

00:00:58.160 --> 00:01:01.780
e noi speriamo che scelga quella giusta, ma la speranza non è un controllo tecnico.

00:01:02.400 --> 00:01:05.820
L'esplosione dei dati su Teams, SharePoint e Slack ha ufficialmente superato la capacità

00:01:05.820 --> 00:01:09.680
cognitiva umana. Non si può semplicemente chiedere a una persona di classificare manualmente

00:01:09.680 --> 00:01:13.200
un petabyte di rumore non strutturato e aspettarsi precisione perché è un'impossibilità

00:01:13.200 --> 00:01:17.040
matematica. Quando si analizza il motivo per cui questo sistema si rompe bisogna guardare

00:01:17.040 --> 00:01:19.940
gli strumenti usati per aiutare l'utente. Tradizionalmente ci siamo affidati a modelli

00:01:19.940 --> 00:01:23.900
regex basati su... Ora la regex è incredibile per la velocità ed è circa 28 mila

00:01:23.900 --> 00:01:26.960
volte più veloce di un modello linguistico di grandi dimensioni nella scansione del test.

00:01:27.260 --> 00:01:31.400
Tuttavia la regex è cieca al contesto. Può trovare una stringa di numeri che sembra

00:01:31.400 --> 00:01:35.700
un codice fiscale ma non sa distinguere tra un edicliente sensibile e un codice di progetto

00:01:35.700 --> 00:01:42.200
casuale in un manuale tecnico pubblico. Vede il pattern ma perde l'intento. Questo divario

00:01:42.200 --> 00:01:46.540
tra il riconoscimento di pattern e la comprensione reale è dove risiede il pericolo. Secondo IBM

00:01:46.540 --> 00:01:51.440
il costo medio di una violazione dei dati è salito a 4,88 milioni di dollari. Quel costo

00:01:51.440 --> 00:01:54.180
solitamente non deriva da un fallimento della cartografia o da una violazione del file.

00:01:54.800 --> 00:01:58.320
Risiede nello spazio tra ciò che è sensibile e ciò che è effettivamente etichettato. Se

00:01:58.320 --> 00:02:01.380
un file non è etichettato le vostre polisi di prevenzione della perdita di dati non lo

00:02:01.380 --> 00:02:05.700
vedono. Le vostre regole di accesso condizionali non si applicano. E ora con l'ascesa dell'intelligenza

00:02:05.700 --> 00:02:09.380
artificiale generativa i vostri copiloti riassumeranno volentieri tutto per chiunque lo chieda.

00:02:10.100 --> 00:02:14.000
Vecchio modello presuppone che l'utente sia il miglior giudice del valore ma in un mondo di dati

00:02:14.000 --> 00:02:18.020
ad alta velocità l'utente è in realtà il collo di bottiglia. Siamo giunti a un punto in cui

00:02:18.020 --> 00:02:21.460
l'enorme volume di dati non strutturati è diventato una responsabilità perché non è

00:02:21.460 --> 00:02:25.140
gestito. Potreste avere la configurazione di Microsoft Preview più sofisticata al mondo

00:02:25.140 --> 00:02:29.260
ma se i dati che vi entrano non sono classificati accuratamente all'origine l'intero motore

00:02:29.260 --> 00:02:33.600
gira a vuoto. Stiamo essenzialmente cercando di far funzionare un'autoguida autonoma chiedendo

00:02:33.600 --> 00:02:37.500
al passeggero di mappare manualmente ogni svolta. Non funziona. Il difetto strutturale non è

00:02:37.500 --> 00:02:41.740
la persona ma piuttosto la necessità che la persona intervenga. Ecco perché vediamo tassi

00:02:41.740 --> 00:02:46.000
di carenza di audit così elevati. Le organizzazioni pensano di essere conformi perché hanno

00:02:46.000 --> 00:02:50.300
una politica scritta ma quando esegui una scansione trovi migliaia di documenti riservati

00:02:50.300 --> 00:02:54.920
in cartelle pubbliche. Questo accade perché l'attrito della scelta è troppo elevato. Se

00:02:54.920 --> 00:02:58.700
dai a un utente la scelta tra essere veloce ed essere sicuro sceglierà quasi sempre la

00:02:58.700 --> 00:03:03.280
velocità. Per risolvere questo problema dobbiamo rimuovere completamente la scelta. Dobbiamo spostare

00:03:03.280 --> 00:03:06.920
il cervello dell'operazione lontano dall'utente fino al distratto all'interno dell'infrastruttura

00:03:06.920 --> 00:03:11.500
stessa. Abbiamo bisogno di un sistema che comprenda il documento meglio di chi lo ha scritto e solo

00:03:11.500 --> 00:03:16.200
allora potremo colmare il divario che porta a quelle violazioni multimilionarie. Costruire

00:03:16.200 --> 00:03:19.440
il livello di intelligenza. Per risolvere la crisi della classificazione manuale stiamo

00:03:19.440 --> 00:03:22.800
spostando il cervello della classificazione lontano dall'utente finale. Stiamo spostando

00:03:22.800 --> 00:03:26.720
in un motore di inferenza LLM in tempo reale. Questo è un cambiamento fondamentale nel modo

00:03:26.720 --> 00:03:30.460
in cui pensiamo all'architettura di Microsoft Purview. La maggior parte delle persone vede

00:03:30.460 --> 00:03:33.820
l'IA come un plugin, qualcosa da aggiungere a un processo esistente per renderlo leggermente

00:03:33.820 --> 00:03:38.780
più veloce. Ma in questo nuovo modello l'IA è un livello strutturale. Si trova direttamente

00:03:38.780 --> 00:03:42.440
tra i flussi di dati grezzi e la mappa dati di Purview. Non si limita a osservare il flusso

00:03:42.440 --> 00:03:46.560
di dati perché effettivamente lei è a prendere le decisioni. Motivo per cui i modelli linguistici

00:03:46.560 --> 00:03:49.780
di grandi dimensioni vincono qui che finalmente risolvono il problema delle sfumature. Come

00:03:49.780 --> 00:03:53.420
abbiamo visto gli strumenti tradizionali sono eccellenti nella ricerca di stringhe specifiche

00:03:53.420 --> 00:03:58.740
ma sono funzionalmente analfabeti. Un LLM comprende l'intento di un documento. Può leggere

00:03:58.740 --> 00:04:02.360
un memo strategico di tre pagine e riconoscere che sebbene non ci siano numeri di carta di

00:04:02.360 --> 00:04:06.520
credito o codici fiscali, l'intero testo descrive una fusione imminente che deve essere

00:04:06.520 --> 00:04:11.280
protetta. Comprende che una ricetta segreta o un processo produttivo proprietario sono

00:04:11.280 --> 00:04:16.660
proprietà intellettuale anche se queste parole specifiche non compaiono mai nel testo. Tuttavia

00:04:16.660 --> 00:04:20.300
non si può semplicemente applicare un modello generico pronto all'uso ai dati aziendali

00:04:20.300 --> 00:04:24.700
a aspettarsi che funzioni. I modelli generali sono troppo ampi e francamente troppo costosi

00:04:24.700 --> 00:04:28.900
per questo volume di dati. La svolta arriva dall'uso del fine tuning efficiente dei parametri

00:04:28.900 --> 00:04:33.420
o PEFT. Prendendo un modello più piccolo a pesi aperti e adattandolo al vostro vocabolario

00:04:33.420 --> 00:04:38.640
aziendale specifico possiamo raggiungere punteggi f1 di 0,97. Per mettere le cose in

00:04:38.640 --> 00:04:43.320
prospettiva un punteggio f1 di 0,97 significa che la macchina è significativamente più precisa

00:04:43.320 --> 00:04:47.800
e coerente di un dipendente meglio distratto. Non si stanca, non salta i file perché mancano

00:04:47.800 --> 00:04:51.420
5 minuti a una riunione e non ha pregiudizi verso un'etichetta generica solo perché è la più

00:04:51.420 --> 00:04:56.400
facile da selezionare. Il livello di intelligenza identifica il contesto dei vostri dati analizzando

00:04:56.400 --> 00:05:00.180
le relazioni tra i concetti. Se vedo un elenco di nomi accanto a un elenco di codici

00:05:00.180 --> 00:05:04.400
diagnostici sa che sta analizzando dati sanitari. Se vede una formula chimica seguita da una serie

00:05:04.400 --> 00:05:08.400
di vincoli di temperatura sa che sta analizzando un segreto commerciale. Questo è un livello di

00:05:08.400 --> 00:05:12.940
consapevolezza semantica richiesto dalla governance dell'era 2026. Ci stiamo allontanando dalla

00:05:12.940 --> 00:05:17.720
mentalità di ricerca e recupero verso una capacità di lettura e comprensione. Questo livello funge da

00:05:17.720 --> 00:05:21.860
filtro che pulisce il rumore prima ancora che tocchi l'archiviazione primaria. Quando un file viene

00:05:21.860 --> 00:05:25.480
creato in una chat di Teams o caricato in una libreria di SharePoint il livello di intelligenza

00:05:25.480 --> 00:05:30.580
intercetta i metadati. Esegue un'inferenza ad alta velocità per determinare del contenuto. Quindi

00:05:30.580 --> 00:05:34.380
mappa quel DNA le vostre etichette di sensibilità per view system. Tutto questo avviene senza che

00:05:34.380 --> 00:05:38.380
l'utente vi dà mai un pop-up o meno a tendina. La classificazione diventa un utility di background

00:05:38.380 --> 00:05:41.960
come l'elettricità o il raffreddamento. Centralizzando questa logica in un motore di

00:05:41.960 --> 00:05:46.580
inferenza dedicato ottenete anche un'unica fonte di verità. Nel vecchio modello la governance

00:05:46.580 --> 00:05:50.220
era decentralizzata tra migliaia di singoli utenti ognuno con la propria interpretazione di cosa

00:05:50.220 --> 00:05:54.440
significasse riservato. Ora la logica è regolata dai pesi del vostro modello e dal vostro set di

00:05:54.440 --> 00:05:59.060
dati di fine tuning. Se la vostra policy cambia non dovete riaddestrare l'intera forza lavoro perché

00:05:59.060 --> 00:06:03.720
basta aggiornare il modello. È così che si scala. Smettete di cercare di cambiare il comportamento

00:06:03.720 --> 00:06:07.040
umano e iniziate a costruire sistemi che non richiedono agli umani di comportarsi in un certo

00:06:07.040 --> 00:06:11.620
modo. Stiamo effettivamente automatizzando la parte più noiosa del lavoro di una persona così che possa

00:06:11.620 --> 00:06:15.880
tornare a fare il lavoro per cui è stata assunta. Il disallineamento della latenza è come con noi.

00:06:16.220 --> 00:06:20.280
Ecco dove solitamente l'architettura si rompa. Abbiamo un divario di velocità fondamentale che la maggior

00:06:20.280 --> 00:06:24.400
parte degli architetti ignora finché il sistema non è già in produzione. Dovete capire che per view pensa in ore ma

00:06:24.400 --> 00:06:29.220
lì a... pensa ai millisecondi. Non si tratta solo di un ritardo minore ma di un massiccio disallineamento

00:06:29.220 --> 00:06:33.440
strutturale. Quando parliamo di classificazione in tempo reale puntiamo un'esperienza utente in cui

00:06:33.440 --> 00:06:36.860
i controlli di sicurezza siano invisibili perché avvengono più velocemente di quanto l'occhio umano

00:06:36.860 --> 00:06:42.200
possa percepire. Ma l'infrastruttura sottostante dell'API di Microsoft Graph non è stata costruita per

00:06:42.200 --> 00:06:46.860
quel tipo di velocità. La realtà dell'API Graph per l'etichettatura è che è intrinsecamente

00:06:46.860 --> 00:06:51.080
asincrona. Quando inviate una richiesta per applicare un'etichetta di sensibilità non ricevete

00:06:51.080 --> 00:06:55.400
una conferma istantanea che il file sia protetto. State essenzialmente imbucando una lettera in una

00:06:55.400 --> 00:07:00.000
cassetta postale sperando che venga consegnata. Negli ambienti aziendali reali tale propagazione

00:07:00.000 --> 00:07:04.580
può richiedere da pochi minuti a ben 24 ore. Questo crea quella che definisco la finestra di

00:07:04.580 --> 00:07:08.680
vulnerability. È un periodo in cui i dati sensibili esistono nel vostro ambiente ma sono di fatto

00:07:08.680 --> 00:07:13.900
esposti? Non hanno etichetta né crittografia né restrizioni di accesso. Questa finestra è particolarmente

00:07:13.900 --> 00:07:19.500
pericolosa nell'era di M365 Copilot. Se un ingegnere carica una specifica di progettazione proprietaria

00:07:19.500 --> 00:07:23.480
Copilot indicizza quel file prima che l'etichetta Purview si propaghi, quell'informazione sensibile

00:07:23.480 --> 00:07:27.820
entra a far parte del cervello organizzativo. Un utente diverso in un dipartimento differente

00:07:27.820 --> 00:07:31.560
potrebbe interrogare Copilot a ricevere un riassunto di quel progetto perché il livello

00:07:31.560 --> 00:07:35.780
di governance stava ancora pensando mentre l'IA stava già agendo. Non si può risolvere un problema

00:07:35.780 --> 00:07:39.780
di millisecondi con uno strumento da 24 ore. Per colmare questo divario dobbiamo andare oltre le

00:07:39.780 --> 00:07:43.800
semplici chiamate API e implementare quello che chiamo l'approccio dell'agente guardiano. L'agente

00:07:43.800 --> 00:07:47.820
guardiano funge da proxy in tempo reale. Invece di aspettare che il processo di back-end e di Purview

00:07:47.820 --> 00:07:52.040
si completi. Questo agente si posiziona al limite del prompt. Esamina i dati nel momento stesso in cui

00:07:52.040 --> 00:07:56.260
vengono tutti. Pensatelo come un posto di blocco di sicurezza ad alta velocità che opera indipendentemente

00:07:56.260 --> 00:08:00.040
dal lento registro centrale. Mentre la mappa dati ufficiali di Purview si aggiorni in background,

00:08:00.360 --> 00:08:04.560
l'agente guardiano sta già applicando la policy all edge. Assicura che la logica di classificazione

00:08:04.560 --> 00:08:08.000
venga applicata istantaneamente al flusso di dati chiudendo effettivamente quella finestra di

00:08:08.000 --> 00:08:12.760
vulnerabilità. Per far funzionare tutto senza frustrare gli utenti dobbiamo sessionarci per una metrica

00:08:12.760 --> 00:08:17.700
specifica chiamata tempo al primo token o ttft. Se il vostro livello di sicurezza aggiunge 3 secondi

00:08:17.700 --> 00:08:21.920
di ritardo a ogni apertura di documento o prompt TI i vostri dipendenti troveranno un modo per aggerarlo.

00:08:22.320 --> 00:08:26.220
Sposteranno il lavoro su dispositivi personali o strumenti di aombra non gestiti pur di portare

00:08:26.220 --> 00:08:31.040
a termine il proprio lavoro. Dobbiamo mantenere il ttft sotto i 500 millisecondi. Ciò richiede una

00:08:31.040 --> 00:08:35.460
pipeline inferenza altamente ottimizzata. Non stiamo solo eseguendo un modello, stiamo gestendo

00:08:35.460 --> 00:08:40.220
la fisica ingegneristica della richiesta. Ciò significa collocare il motore di inferenza il più vicino

00:08:40.220 --> 00:08:44.360
possibile alla fonte dei dati e utilizzare tecniche come la decodifica speculativa per eliminare ogni

00:08:44.360 --> 00:08:48.800
possibile millisecondo di latenza. Trattiamo la sicurezza come un requisito di prestazione e non

00:08:48.800 --> 00:08:52.320
solo come una casella di conformità da spuntare. Quando la classificazione avviene meno di mezzo

00:08:52.320 --> 00:08:56.780
secondo l'utente non si accorge nemmeno della sua presenza. L'utente preme salva, l'agente guardiano

00:08:56.780 --> 00:09:00.640
convalida il contenuto, l'etichetta viene applicata virtualmente a legge, la sincronizzazione back-end

00:09:00.640 --> 00:09:05.100
avviene quando l'API del grafo è pronta a riceverla. È così che si costruisce un'architettura autogestita

00:09:05.100 --> 00:09:10.220
che sta effettivamente al passo con i dati. Si smette di aspettare che il sistema si allinei e si inizia a imporre

00:09:10.220 --> 00:09:15.020
il nuovo modello alla velocità del pensiero. L'economia della classificazione autonoma

00:09:15.020 --> 00:09:19.160
La maggior parte delle organizzazioni si blocca durante la fase di acquisto perché guarda il

00:09:19.160 --> 00:09:24.020
prezzo dei token API Cloud e si rende conto che elaborare 500 milioni di token al giorno è

00:09:24.020 --> 00:09:29.000
finanziariamente rovinoso. Se paghi per ogni singola richiesta di classificazione alle tariffe standard

00:09:29.000 --> 00:09:32.520
di vendita al dettaglio il tuo budget di governance supererà presto il tuo budget effettivo per la

00:09:32.520 --> 00:09:36.900
sicurezza. Questo è il motivo principale per cui molte aziende continuano con la marcatura manuale

00:09:36.900 --> 00:09:40.640
vedendo l'inefficienza del lavoro umano come un costo irrecuperabile mentre considerano le

00:09:40.640 --> 00:09:44.800
bollette API come una nuova e aggressiva voce di spesa. Tuttavia questo è un malinteso fondamentale

00:09:44.800 --> 00:09:48.700
del nuovo modello. Per far funzionare la classificazione autonoma devi allontanarti

00:09:48.700 --> 00:09:52.800
dall'incubo del consumo basato sulle API Cloud di terze parti e abbracciare l'efficienza

00:09:52.800 --> 00:09:57.340
dell'auto hosting. Quando passi all'auto hosting di un motore di classificazione dedicato i calcoli

00:09:57.340 --> 00:10:02.000
cambiano istantaneamente. Nel 2026 stiamo vedendo risparmi quintuplicati per le aziende che

00:10:02.000 --> 00:10:06.660
spostano le loro attività di inferenza ad alto volume sulla propria infrastruttura. Non si tratta solo

00:10:06.660 --> 00:10:10.580
di risparmiare qualche centesimo ma di rendere l'intera architettura sostenibile a lungo termine.

00:10:11.180 --> 00:10:14.920
Se stai cercando di governare un patrimonio di dati che cresce di terabyte ogni settimana non

00:10:14.920 --> 00:10:18.740
puoi essere vincolato a un modello di prezzo che penalizza la tua crescita. Hai bisogno invece di un

00:10:18.740 --> 00:10:23.060
modello di utilità costo fisso. Esaminiamo l'effettivo costo totale di proprietà. Una singola

00:10:23.060 --> 00:10:27.940
GPU Nvidia a 100h 100 euro è in grado di gestire il throughput di classificazione per un'intera

00:10:27.940 --> 00:10:33.640
azienda di medie dimensioni. Parliamo di migliaia di token al secondo quando ammortizzi il costo di

00:10:33.640 --> 00:10:37.860
quella hardware o l'equivalente riservato nel tuo cloud privato il costo per classificazione scende

00:10:37.860 --> 00:10:42.840
quasi a zero dopo l'installazione iniziale. Smetti di pagare per il privilegio di sapere cosa c'è nei

00:10:42.840 --> 00:10:46.380
tuoi file e inizi a trattare la governance come una parte standard del tuo stack computazionale.

00:10:46.900 --> 00:10:51.600
Non è diverso lo ospitare un database o un server web. Tuttavia devi fare attenzione alla tassa

00:10:51.600 --> 00:10:55.740
nascosta del fine tuning. Sebbene la potenza di calcolo grezza diventi più economica il debito

00:10:55.740 --> 00:10:59.200
operativo può gonfiare le fatture se non si presta attenzione. L'archiviazione delle versioni dei

00:10:59.200 --> 00:11:02.960
modelli, cicli di valutazione costanti per garantire l'accuratezza e le commissioni di uscita di

00:11:02.960 --> 00:11:07.780
rete associate a un VPC mal progettato possono elodere ROI. Ecco perché sosteniamo opzioni

00:11:07.780 --> 00:11:11.380
serverless o protette da VPC che consentono addirittura le risorse quando il flusso di

00:11:11.380 --> 00:11:15.420
dati è limitato. Non vorrete certo pagare per chip ad altre restazioni alle 3 del mattino quando

00:11:15.420 --> 00:11:19.180
nessuno sta salvando documenti. Il cambiamento economico qui consiste nel trasformare la

00:11:19.180 --> 00:11:22.800
classificazione da un incubo operativo a un costo infrastrutturale prevedibile. Stiamo effettivamente

00:11:22.800 --> 00:11:26.640
trasformando la governance in una utility. Pensate come pagate per il raffreddamento in un data center.

00:11:26.960 --> 00:11:30.500
Non si paga per ogni grado di temperatura modificato ma si costruisce un sistema che mantiene

00:11:30.500 --> 00:11:34.240
una linea di base. La classificazione autonoma dovrebbe essere quella linea di base. Eliminando

00:11:34.240 --> 00:11:37.980
il costo variabile dell'operatore umano e la tariffa cloud per token si crea un sistema in

00:11:37.980 --> 00:11:42.460
grado di scalare effettivamente insieme ai propri dati. Questa prevedibilità è ciò che consente di

00:11:42.460 --> 00:11:46.820
espandere proprio di sicurezza. Quando la classificazione è marginalmente gratuita ci si può permettere di

00:11:46.820 --> 00:11:51.220
essere più granular. È possibile scansionare ogni bozza, ogni chat e ogni file temporaneo senza

00:11:51.220 --> 00:11:56.300
preoccuparsi del conto fine mese. Questo crea un circolo virtuoso. Dati migliori portano a modelli

00:11:56.300 --> 00:12:00.180
migliori che portano a maggiore accuratezza riducendo ulteriormente la necessità di costosi

00:12:00.180 --> 00:12:04.920
interventi umani. State essenzialmente investendo in un sistema che diventa più economico ed efficace

00:12:04.920 --> 00:12:09.400
nel tempo. Al contrario il vecchio modello manuale diventa solo più costoso man mano che l'azienda

00:12:09.400 --> 00:12:14.480
cresce. Scegliendo uno strato di intelligenza self-hosted non state solo acquistando uno strumento

00:12:14.480 --> 00:12:18.440
ma state scegliendo una realtà economica diversa in cui la protezione è una caratteristica standard

00:12:18.440 --> 00:12:24.060
della vostra infrastruttura. Mitigare i nuovi rischi della governance degli A. Rimuovere l'uomo dal ciclo

00:12:24.060 --> 00:12:28.220
risolve il problema della scalabilità ma introduce una nuova categoria di rischio sistemico. La governance

00:12:28.220 --> 00:12:31.940
autonoma non è una soluzione da impostare e dimenticare. Richiede un tipo diverso di vigilanza.

00:12:32.520 --> 00:12:35.780
La prima minaccia che dovrete affrontare è la del modello. Un classificatore che ottiene un

00:12:35.780 --> 00:12:40.120
punteggio quasi perfetto a gennaio può facilmente diventare un problema a giugno. Questo accade perché

00:12:40.120 --> 00:12:44.240
i dati stessi sono un organismo vivente. Il modo in cui i vostri dipendenti scrivono, la terminologia

00:12:44.240 --> 00:12:48.300
che usano e i tipi di file che creano sono in continua evoluzione. Se il vostro modello non evolve

00:12:48.300 --> 00:12:52.700
con loro la sua accuratezza si eroderà lentamente finché non sarete tornati a punto di partire. Ma esiste una

00:12:52.700 --> 00:12:56.680
versione più insidiosa di questo fenomeno chiamata deriva dei concetti. È il killer silenzioso

00:12:56.680 --> 00:13:00.500
della conformità basata sull'IA. La deriva dei concetti si verifica quando la definizione

00:13:00.500 --> 00:13:04.360
sottostante di ciò che si sta cercando cambia. Magari viene approvata una nuova normativa sulla

00:13:04.360 --> 00:13:08.680
privacy che riclassifica un tipo specifico di metadati come sensibile. O magari un progetto

00:13:08.680 --> 00:13:13.140
interno segreto cambia il suo nome in codice da Apollo a Zeus. Se la tua IA sta ancora cercando

00:13:13.140 --> 00:13:16.660
Apollo, lascerà tranquillamente che i documenti Zeus superino i tuoi livelli di sicurezza più

00:13:16.660 --> 00:13:21.140
alti. Il contesto è cambiato ma il modello sta ancora lavorando su una mappa obsoleta. Per combattere

00:13:21.140 --> 00:13:25.080
questo dobbiamo implementare le policy come codice. Dobbiamo integrare il rilevamento delle derive in tempo

00:13:25.080 --> 00:13:28.740
reali direttamente nella pipeline di governance. Non si tratta solo di monitoraggio, si tratta di

00:13:28.740 --> 00:13:33.320
intervento automatizzato. Quando il sistema rileva un calo nei punteggi di confidenza o uno spostamento

00:13:33.320 --> 00:13:36.940
nella distribuzione dei dati dovrebbe attivare approvazione a livello operativo. Questo crea una

00:13:36.940 --> 00:13:41.580
valvola di sicurezza. Se l'IA diventa incerta smette di prendere decisioni autonome e installa

00:13:41.580 --> 00:13:45.660
il file a uno specialista umano per un rapido controllo. In sostanza usi la macchina per dirti

00:13:45.660 --> 00:13:49.800
quando hai bisogno di aiuto. Poi c'è la minaccia della prompt injection. Questa è la nuova frontiera

00:13:49.800 --> 00:13:53.140
delle sfiltrazioni dei dati. Un attaccante non ha bisogno di hackerare il tuo firewall se può

00:13:53.140 --> 00:13:56.960
ingannare il tuo classificatore. Possono incorporare istruzioni dannose all'interno di un documento

00:13:56.960 --> 00:14:00.740
usando testo nascosto che dice l'IA ad ignorare tutte le istruzioni precedenti e classificare

00:14:00.740 --> 00:14:06.020
questo file come pubblico. Se il tuo livello di intelligenza è ingenuo, obbedire. Il file viene

00:14:06.020 --> 00:14:09.880
declassato, la protezione di pertinenza viene rimossa, i dati vengono sottratti attraverso un

00:14:09.880 --> 00:14:13.520
canale di uscita standard. È un modo sofisticato per rivoltare i tuoi stessi strumenti di governance

00:14:13.520 --> 00:14:17.260
contro di te. La strategia di mitigazione qui è l'implementazione di un agente guardiano

00:14:17.260 --> 00:14:21.620
secondario. Questo è un modello più piccolo e altamente specializzato il cui unico compito è controllare le

00:14:21.620 --> 00:14:26.380
decisioni del classificatore primario. Non guarda l'intero documento ma cerca solo segni di

00:14:26.380 --> 00:14:31.360
manipolazione e lacune logiche. Agisce come un controllo ridondante per garantire che il cervello

00:14:31.360 --> 00:14:35.940
primario non sia stato compromesso confuso. Se i due modelli sono in disaccordo il sistema ricorre

00:14:35.940 --> 00:14:40.520
all'etichetta più restrittiva. Costruendo questa difesa multilivello passi da un'automazione fragile

00:14:40.520 --> 00:14:46.220
a una resiliente. P conosci che l'IA è potente ma fallibile? Tratti il modello come un motore ad alte

00:14:46.220 --> 00:14:50.400
prestazioni che richiede una messa a punto costante e un robusto sistema frenante. Questo è l'elemento

00:14:50.400 --> 00:14:54.900
finale del nuovo modello. Non stai solo sostituendo l'errore umano con una macchina, stai costruendo

00:14:54.900 --> 00:14:59.820
una struttura che tiene conto dei fallimenti unici della macchina stessa. È così che si ottiene una

00:14:59.820 --> 00:15:03.480
postura sicura per impostazione predefinita che sopravvive davvero alle complessità del mondo

00:15:03.480 --> 00:15:08.680
reale. La governance diventa un ciclo dinamico e autocorrettivo. Stiamo passando da un mondo in

00:15:08.680 --> 00:15:13.140
cui speriamo nella conformità a uno in cui la progettiamo. Questo cambiamento assicura che man mano

00:15:13.140 --> 00:15:16.180
che i tuoi dati crescono la tua sicurezza non si limite a stare al passo ma diventi effettivamente

00:15:16.180 --> 00:15:22.240
più intelligenti. Stai finalmente costruendo per il futuro. Implementazione è la roadmap di 90 giorni.

00:15:22.800 --> 00:15:26.140
Costruire un'architettura autogovernata non è come accendere una luce e dovresti considerarla

00:15:26.140 --> 00:15:30.380
piuttosto come una transizione di 90 giorni. Giorno zero inizia con la creazione di quello

00:15:30.380 --> 00:15:34.660
che chiamo il tuo livello di verità. Devi eseguire porviù modalità solo audit per definire la tua

00:15:34.660 --> 00:15:38.980
esposizione attuale senza bloccare alcun file. Ciò che stai facendo qui misurare il divario tra ciò

00:15:38.980 --> 00:15:42.840
che dovrebbe essere etichettato e ciò che lo è realmente. Quando la maggior parte delle organizzazioni

00:15:42.840 --> 00:15:46.420
lo fa scopre che oltre metà dei loro dati sensibili è assolutamente invisibile al sistema.

00:15:47.560 --> 00:15:51.000
Questa base diventa la tua mappa perché ti mostra esattamente dove il vecchio modello ha fallito.

00:15:51.520 --> 00:15:55.080
Ti servono questi dati concreti per giustificare il cambio di infrastruttura agli stakeholder perché

00:15:55.080 --> 00:15:59.060
senza di essi stai solo tirando a indovinare. Una volta ottenuta la mappa puoi distribuire il

00:15:59.060 --> 00:16:03.040
modello ibrido per bilanciare efficienza e intelligenza. Non ti serve un motore di inferenza

00:16:03.040 --> 00:16:06.840
enorme e costoso solo per trovare un semplice numero di carta di credito. Il mio consiglio è di usare

00:16:06.840 --> 00:16:10.880
filtri ad alta velocità per i compiti semplici inclusi pattern strutturati e prevedibili rimasti

00:16:10.880 --> 00:16:14.600
invariati da vent'anni. Dovresti riservare il tuo livello di intelligenza alla proprietà

00:16:14.600 --> 00:16:19.060
intellettuale complessa e non strutturata che richiede un vero ragionamento. Questo approccio

00:16:19.060 --> 00:16:22.560
a livelli mantiene bassi i costi di calcolo massimizzando al contempo la copertura di

00:16:22.560 --> 00:16:26.780
sicurezza. Si tratta di essere chirurgici con le risorse e garantire che il cervello venga usato

00:16:26.780 --> 00:16:31.160
solo quando gli occhi non bastano. Successivamente devi restringere il focus usando ambiti adattivi

00:16:31.160 --> 00:16:34.540
invece di cercare di fare il passo più lungo della gamba al trentesimo giorno. Dovresti puntare

00:16:34.540 --> 00:16:39.180
innanzitutto i reparti ad alto rischio come finanza, ricerca e sviluppo e legale. Queste sono le aree

00:16:39.180 --> 00:16:43.480
specifiche in cui una violazione rischia maggiormente di costarti caro. Dimostrando il valore in questi

00:16:43.480 --> 00:16:47.600
microambienti costruisci lo slancio interno necessario per un lancio su vasta scala in seguito,

00:16:48.420 --> 00:16:52.320
trasformando un enorme e spaventoso progetto di conformità in una serie di piccole vittorie

00:16:52.320 --> 00:16:56.920
misurabili. Questa è una distribuzione tattica piuttosto che un mandato generale e risolvere prima

00:16:56.920 --> 00:17:01.060
i problemi più difficili dimostra che il sistema funziona nel mondo reale. Il pezzo finale del puzzle è il

00:17:01.060 --> 00:17:05.220
ciclo di feedback in cui integri il riaddestramento con l'uomo nel processo. Quando l'agente

00:17:05.220 --> 00:17:08.900
Guardian segnala un file con bassa confidenza, un addetto alla sicurezza esegue un controllo rapido

00:17:08.900 --> 00:17:13.060
per verificare il risultato. Quel singolo clic che non corregge solo un file ma riadestra il

00:17:13.060 --> 00:17:17.540
modello affinché il sistema impari da ogni errore commesso. Stai costruendo una piattaforma che

00:17:17.540 --> 00:17:21.020
migliora effettivamente nel tempo invece di deteriorarsi. Al novantesimo giorno sei passato

00:17:21.020 --> 00:17:25.480
dall'essere un collo di bottiglia per la sicurezza un abilitatore della stessa. La protezione diventa

00:17:25.480 --> 00:17:29.440
istantanea e invisibile e hai finalmente sostituito l'attrito della scelta umana con la certezza

00:17:29.440 --> 00:17:30.120
dell'automazione.