Alla sua ventunesima edizione, il Cost of a Data Breach Report di IBM, realizzato in collaborazione con il Ponemon Institute, smette di essere un semplice esercizio statistico e diventa un termometro impietoso di quanto sta accadendo nel confronto, ormai apertamente asimmetrico, tra chi attacca e chi difende.

Il sottotitolo scelto quest’anno, The AI tipping point, non è uno slogan di marketing ma la sintesi onesta di un cambio di paradigma che chi lavora ogni giorno su incident response, threat intelligence e compliance NIS2 sta osservando da vicino.

Lo studio, condotto su 602 organizzazioni colpite da violazioni tra marzo 2025 e febbraio 2026, in 17 settori e 16 paesi o macroregioni, con oltre 3.500 interviste dirette a CISO, CEO, responsabili operativi e IT, restituisce un quadro netto: il costo medio globale di una violazione ha toccato il record storico di 4,99 milioni di dollari, in crescita del 12% sull’anno precedente.

Ma il dato più interessante, quello che dovrebbe finire in cima a ogni presentazione di cyber security, è un altro: gli attacchi abilitati dall’intelligenza artificiale sono aumentati del 56% e costano, in media, un milione di dollari in più rispetto a un attacco tradizionale.

Il costo dei data breach torna a salire dopo la tregua del 2025

Dopo il lieve calo registrato nell’edizione 2025, letto come un timido segnale di recupero da parte dei difensori, quest’anno la curva torna a impennarsi.

Il costo medio globale sale da 4,44 a 4,99 milioni di dollari, trainato per il 63% da due sole voci: detection & escalation e lost business, ovvero i costi di rilevamento, gestione della crisi e le perdite legate a interruzioni operative e abbandono dei clienti.

In pratica, non è tanto il “quanto” a colpire, quanto il “quando” e il “quanto a lungo”. Il tempo medio per identificare e contenere una violazione (MTTI+MTTC) risale a 247 giorni, invertendo un trend di miglioramento che durava da cinque anni.

Gli Stati Uniti restano l’area più cara al mondo, con un costo medio di 11,5 milioni di dollari (+13%), quasi il doppio della media globale, mentre il settore healthcare conserva per il tredicesimo anno consecutivo il primato negativo tra i comparti, seppure in calo rispetto al 2025.

A sorprendere è invece la crescita a doppia cifra registrata da settori percepiti come meno esposti, come comunicazioni (+20%) ed entertainment (+18%): segno che la superficie di rischio si sta ridistribuendo, e non solo concentrando, lungo tutta la catena del valore digitale.

Il dato italiano: 3,55 milioni di euro, supply chain al primo posto

Per chi opera nel contesto nazionale, il dato che più conta è quello locale. Secondo l’approfondimento IBM sul campione italiano, il costo medio di una violazione nel nostro Paese sale a 3,55 milioni di euro, contro i 3,31 milioni dell’edizione precedente.

I settori più esposti sul piano economico sono l’energia (4,65 milioni), i servizi finanziari (4,5 milioni) e il comparto tecnologico (4,43 milioni): una fotografia coerente con quanto emerso anche da altre analisi di settore sul mercato italiano.

Il vettore di attacco iniziale più ricorrente in Italia è la compromissione della supply chain, che riguarda il 18% degli incidenti con un costo medio di 3,56 milioni di euro: un dato che dovrebbe far riflettere chiunque, in ottica NIS2, stia ancora trattando la gestione del rischio di terze parti come un adempimento documentale piuttosto che come un processo operativo continuo.

Seguono, a pari merito al 15%, i servizi remoti esposti, il social engineering e i drive-by compromise. Non stupisce che la carenza di personale qualificato pesi in media 199.100 euro in più sul costo di ogni violazione: è la conferma, numeri alla mano, che lo skill shortage non è un problema di risorse umane ma una voce di rischio finanziario a tutti gli effetti.

Sul fronte della difesa automatizzata, il 39% delle aziende italiane dichiara un uso esteso di AI e automazione in sicurezza (39 giorni in meno per l’identificazione, 21 giorni in meno per il contenimento rispetto a chi non le usa), ma l’AI agentica resta ancora acerba: oltre metà delle organizzazioni dotate di SOC non impiega agenti AI, e un ulteriore 5% non sa nemmeno se siano stati implementati.

È un gap di consapevolezza, prima ancora che tecnologico, su cui i consulenti di sicurezza dovrebbero insistere nei prossimi mesi.

Attacchi AI-driven: velocità delle macchine, conti alla mano

Il cuore pulsante del Cost of a Data Breach Report di IBM è, però, la sezione dedicata agli AI-driven attacks.

Più di un’organizzazione su quattro tra quelle colpite da un attacco malevolo dichiara che questo era abilitato dall’intelligenza artificiale, con deepfake e impersonificazione a farla da padrone (45% degli incidenti AI), seguiti da malware generato con AI (19%) e phishing o comunicazioni sintetiche (17%).

Il costo medio di un attacco malicious AI-driven raggiunge i 6,04 milioni di dollari, contro i 5,03 milioni di un attacco malevolo “tradizionale”.

Il target preferito? Le infrastrutture critiche: il 62% degli attacchi AI-driven analizzati ha colpito i settori finanziario ed energetico, con costi medi rispettivamente di 6,29 e 5,2 milioni di dollari.

È un dato che merita una lettura sistemica, non solo aziendale: la concentrazione di attacchi potenziati dall’AI su settori tra loro interdipendenti amplifica il rischio di effetti a cascata su pagamenti, filiere produttive e reti energetiche ossia esattamente lo scenario che le normative europee su resilienza operativa digitale e sicurezza delle infrastrutture (NIS2, DORA, CER) provano a scongiurare imponendo obblighi di continuità e notifica degli incidenti.

Quando è l’AI aziendale a diventare bersaglio

Un capitolo del tutto nuovo, e per certi versi il più allarmante, riguarda le violazioni che colpiscono direttamente i modelli e le applicazioni di AI utilizzati dalle organizzazioni. Nel campione IBM, il 21% delle aziende ha subito un incidente di sicurezza che ha coinvolto un modello o un’applicazione AI, contro il 13% dell’anno precedente: un balzo del 61% in dodici mesi.

I tipi di incidente più costosi sono gli attacchi di model inversion (estrazione di dati sensibili dal modello, 6,07 milioni di dollari) e di prompt injection (manipolazione del comportamento del modello tramite prompt malevoli, 5,89 milioni), seguiti da configurazioni cloud errate sui workload AI (5,25 milioni).

È un elemento su cui insistere con i clienti: la causa profonda di questi incidenti, nella maggior parte dei casi, non è un difetto intrinseco del modello, ma una carenza di governance classica (API connesse compromesse, permessi eccessivi, configurazioni cloud lasciate di default).

Il dato più clamoroso è che tra le organizzazioni che hanno subito una violazione legata all’AI, il 92% non disponeva di controlli di accesso adeguati e solo il 40% applicava controlli sui modelli e sui dati collegati. Tradotto: gran parte del danno non richiede attaccanti sofisticati, ma semplicemente team che non hanno esteso all’AI le stesse discipline di identity & access management già note da anni.

A questo si aggiunge il fenomeno della shadow AI (strumenti di intelligenza artificiale usati dai dipendenti senza approvazione IT) che nel report più che raddoppia, passando dal 20% al 43% degli incidenti segnalati, con un costo medio di 5,39 milioni di dollari e conseguenze concrete: perdita o compromissione dei dati (49% dei casi), interruzioni operative (42%) e, in un incidente su cinque, sanzioni regolatorie.

Ransomware: meno cifratura, più estorsione reputazionale

Il ransomware continua a crescere (39% degli incidenti, contro il 34% dello scorso anno, +62,5% dal 2023), ma cambia pelle.

La cifratura dei sistemi resta una leva importante (23% dei casi), ma non è più la minaccia dominante: il 41% degli attacchi ransomware include ora minacce dirette alla reputazione del brand, attraverso public shaming e leak mediatici.

È un’evoluzione della cyber extortion verso una logica multilivello, che punta a colpire fiducia e percezione pubblica più che la sola operatività tecnica: un rischio che, per un direttore comunicazione o un board, pesa quanto (o più di) un fermo produzione.

AI e automazione in difesa: il paradosso dell’adozione a metà

Il rovescio della medaglia e anche la parte più utile per chi deve costruire un business case verso il management riguarda i benefici misurabili dell’AI difensiva.

Le organizzazioni che utilizzano AI e automazione in modo esteso lungo tutto il ciclo di sicurezza registrano un costo medio di violazione di 4 milioni di dollari, contro i 5,93 milioni di chi non le utilizza affatto: un risparmio di 1,93 milioni di dollari, oltre a un accorciamento di 65 giorni nei tempi di identificazione e contenimento (215 giorni contro 280). Numeri che parlano da soli.

Il problema è che solo il 36% delle organizzazioni ha raggiunto quel livello di adozione estesa e l’impiego resta sbilanciato verso le fasi di detection e investigation, mentre la prevenzione arranca.

Lo stesso schema si ripete nell’AI agentica applicata al SOC: la metà delle organizzazioni con un Security Operations Center ha già distribuito agenti AI, ma oltre il 50% li concentra su threat hunting e response/containment, mentre appena il 18% li applica alla scansione e gestione delle vulnerabilità. E, purtroppo, proprio la gestione delle vulnerabilità è l’area in cui i modelli di frontiera stanno dimostrando le capacità offensive più preoccupanti, come emerso dall’annuncio di aprile 2026 relativo a un modello capace di individuare migliaia di vulnerabilità critiche in sistemi operativi e browser di uso comune.

Identità non umane e post-quantum: i due fronti ancora scoperti

Due temi, introdotti per la prima volta quest’anno, meritano attenzione perché destinati a diventare priorità normative e tecniche nei prossimi 12-18 mesi.

Sulla sicurezza delle identità non umane (NHI), ossia le credenziali digitali assegnate ad agenti AI, servizi e workload automatizzati, solo il 46% delle organizzazioni dichiara di applicare controlli dedicati nei workflow AI.

Tra chi lo fa, prevale l’inventario e la gestione del ciclo di vita delle identità macchina (55%), mentre solo il 30% applica controlli di accesso basati su ruoli (RBAC) alle service account. Con la proliferazione degli agenti AI autonomi, questa resterà una delle superfici di attacco a crescita più rapida.

Sul fronte della crittografia post-quantistica, appena il 26% delle organizzazioni ha avviato un progetto dedicato, il 69% non ne ha ancora uno, e solo il 34% dispone di controlli per monitorare chiavi, certificati e algoritmi crittografici nel proprio ambiente.

Il rischio “harvest now, decrypt later”, espressione con cui si indica la raccolta oggi di dati cifrati per decifrarli in futuro con computer quantistici, resta largamente sottovalutato rispetto alla sua rilevanza strategica, specie per settori con obblighi di riservatezza pluriennale come sanità, finanza e difesa.

Cosa cambia per i CISO e le aziende: le raccomandazioni pratiche

Alla luce di questi dati, IBM propone quattro direttrici di intervento che, in una lettura del rapporto alla luce della conformità NIS2, si traducono in altrettante priorità operative concrete per i prossimi mesi:

• Portare la sicurezza alla velocità dell’attacco. Gli esperti citati nel report stimano che, entro due anni, l’AI favorirà gli attaccanti rispetto ai difensori con uno scarto del 31,7%. Il primo passo pragmatico è estendere l’AI agentica alla gestione delle vulnerabilità, oggi il fanalino di coda dell’adozione (18%) proprio mentre diventa il bersaglio preferito dei modelli di frontiera.
• Trattare l’identità, comprese le NHI, come infrastruttura mission-critical. Il 92% delle violazioni AI-correlate nasce da controlli di accesso assenti o inadeguati. Servono accesso just-in-time, approvazioni a tempo e controlli di runtime basati sul rischio, non solo per gli utenti umani ma per ogni agente e servizio automatizzato.
• Costruire la sovranità dell’AI. Sapere dove girano i modelli, come vengono processati i dati e chi vi accede non è più un tema di compliance formale ma un requisito di sicurezza strutturale, da estendere su dati, applicazioni, identità e ambienti cloud in modo omogeneo, non a compartimenti stagni.
• Avviare fin da ora la transizione post-quantum. Censire gli asset crittografici, introdurre agilità negli algoritmi e nella gestione delle chiavi, e affidarsi a competenze specialistiche dove mancano internamente: il percorso è lungo e non aspetta la maturità del rischio quantistico per diventare urgente.

A queste indicazioni è utile aggiungere un avvertimento pratico per le organizzazioni italiane, spesso ancora indietro sulla maturità di governance AI segnalata dallo stesso report (il 68% delle aziende violate a livello globale non ha ancora policy strutturate per gestire l’AI o rilevare la shadow AI): prima di investire in nuovi strumenti di detection, vale la pena mappare dove e come l’intelligenza artificiale è già entrata in azienda, spesso senza autorizzazione formale e allineare questa mappatura agli obblighi di gestione del rischio già previsti da NIS2 per i soggetti essenziali e importanti.

Il rischio AI, oggi, non è più un capitolo separato della cyber security: ne è diventato il baricentro.

La finestra si sta chiudendo

Il messaggio di fondo del Cost of a Data Breach Report 2026 è tanto semplice quanto scomodo: la finestra temporale tra scoperta di una vulnerabilità e suo sfruttamento si sta comprimendo da settimane a giorni, e presto forse a ore.

In questo scenario, ogni ritardo nell’adozione di automazione, governance delle identità e controlli sull’AI si traduce direttamente in un costo economico misurabile, non in un rischio astratto da slide di board.

Per i CISO e i consulenti di sicurezza, il compito dei prossimi mesi non è più soltanto difendersi dall’AI usata dagli attaccanti, ma imparare a usarla altrettanto bene, e più in fretta, dall’altra parte del campo.