C1 ha introdotto Shadow AI Discovery, una nuova funzione della propria piattaforma di identity governance progettata per individuare gli strumenti di intelligenza artificiale adottati senza approvazione formale, gli agenti autonomi privi di un responsabile assegnato, i server Model Context Protocol installati localmente e le credenziali utilizzate per collegare questi sistemi alle risorse aziendali. La soluzione integra automaticamente ogni identità associata all’AI nell’infrastruttura di governance già impiegata per gli accessi dei dipendenti, permettendo ai team di sicurezza di verificare quali sistemi siano attivi, quali risorse possano raggiungere e chi sia responsabile del loro utilizzo.
Il problema affrontato da C1 riguarda la crescita delle identità non umane, indicate come NHI, prodotte dall’adozione di agenti, applicazioni OAuth, account di servizio, service principal, identità gestite e chiavi API. Gli agenti AI rappresentano una categoria particolarmente difficile da controllare perché possono autenticarsi autonomamente, accumulare credenziali nel tempo e utilizzare autorizzazioni persistenti senza essere associati a una sessione umana direttamente osservabile.
Gli strumenti di sicurezza tradizionali offrono soltanto una visione parziale di questa attività: le piattaforme di privileged access management controllano prevalentemente le sessioni degli utenti, i sistemi EDR osservano processi ed eventi sugli endpoint, mentre CASB e DLP monitorano applicazioni SaaS e flussi di dati già conosciuti e approvati. Queste tecnologie presuppongono generalmente che l’identità coinvolta sia una persona oppure un’applicazione autorizzata, mentre un agente installato autonomamente, un assistente di programmazione collegato a servizi esterni o un server MCP avviato sul computer di uno sviluppatore possono rimanere fuori dal loro campo di osservazione.
Shadow AI Discovery opera su due superfici complementari, gli endpoint e gli ambienti cloud. Sui dispositivi degli utenti, la piattaforma analizza i computer alla ricerca di copiloti e assistenti di programmazione non autorizzati, configurazioni MCP locali, server eseguiti attraverso il trasporto standard input/output e token API conservati in chiaro all’interno di file come .env. Il controllo locale è necessario perché il traffico generato da un server MCP collegato tramite stdio non attraversa necessariamente la rete aziendale e può quindi sfuggire a proxy, scanner cloud e sistemi di monitoraggio perimetrale.
L’analisi mostra quali strumenti AI siano installati, quali server MCP siano configurati e quali file contenenti credenziali siano stati lasciati sul dispositivo. La presenza di token in chiaro può consentire a un assistente o a un agente di accedere direttamente a repository, database, servizi cloud e ambienti di sviluppo, mentre un server MCP non censito può fornire a un modello strumenti operativi senza che il team di sicurezza conosca il collegamento o abbia approvato le risorse esposte.
Nel cloud, C1 utilizza connettori per inventariare gli agenti presenti su piattaforme come Salesforce Agentforce e AWS Bedrock AgentCore e per ricostruire le relazioni tra ciascun agente, i server MCP, le API, i database e gli archivi di dati raggiungibili. La piattaforma estende la rilevazione alla popolazione complessiva delle identità non umane, comprendendo service principal, managed identity, registrazioni applicative e account di servizio presenti in Microsoft Entra, Okta, Google Cloud, GitHub, Snowflake e Active Directory.
Ogni elemento individuato viene collegato, quando possibile, a un proprietario e analizzato per rilevare configurazioni ad alto rischio, tra cui credenziali di lunga durata, account di servizio con autorizzazioni superiori a quelle necessarie e agenti capaci di raggiungere risorse sensibili senza una responsabilità organizzativa chiaramente definita. I risultati provenienti dagli endpoint e dagli ambienti cloud confluiscono nella stessa piattaforma, offrendo una vista unificata dell’AI utilizzata all’interno dell’organizzazione e delle identità che ne consentono il funzionamento.
C1 non limita il processo alla produzione di un inventario o alla segnalazione una tantum di uno strumento non approvato. Un agente, un server MCP o una credenziale rilevati diventano elementi di accesso gestiti sulla stessa infrastruttura utilizzata per governare gli account dei dipendenti, consentendo di assegnare un responsabile, sottoporre l’utilizzo a una procedura di richiesta e approvazione, includerlo nelle revisioni periodiche degli accessi e disattivarlo quando non è più necessario. Ogni passaggio viene registrato per supportare audit e verifiche di conformità.
Questo approccio trasforma la governance da un controllo binario, nel quale un’applicazione viene semplicemente consentita o bloccata, in un ciclo di vita continuo. Un agente inizialmente individuato come non autorizzato può essere valutato, associato a un caso d’uso, assegnato a un proprietario e successivamente approvato con privilegi limitati; allo stesso modo, una configurazione ormai inutilizzata può essere revocata insieme alle relative chiavi, agli account di servizio e ai collegamenti MCP.
La necessità di una rilevazione più ampia è confermata dai dati citati da C1 tratti dal Cost of a Data Breach Report 2025 di IBM, secondo il quale un’organizzazione su cinque avrebbe segnalato una violazione collegata alla shadow AI e il 97% delle aziende interessate da incidenti attraverso un modello o un’applicazione AI non disponeva di adeguati controlli sugli accessi.
Secondo Alex Bovee, CEO di C1, i responsabili della sicurezza sono già consapevoli della presenza di shadow AI negli ambienti aziendali, ma la diffusione di assistenti, harness per agenti e configurazioni MCP direttamente sugli endpoint rende necessario estendere la visibilità oltre i servizi cloud ufficialmente censiti. La nuova funzione è quindi destinata a ricostruire l’intera superficie operativa dell’AI, comprendendo dispositivi degli utenti, piattaforme cloud, identità non umane, credenziali e strumenti raggiungibili.
Shadow AI Discovery costituisce la prima fase del modello operativo proposto da C1: dopo la rilevazione, le organizzazioni possono proteggere le credenziali utilizzate dagli agenti, applicare controlli durante l’esecuzione e intervenire sui rischi individuati. L’obiettivo è consentire l’adozione di strumenti AI senza lasciare agenti, server MCP e account di servizio al di fuori delle procedure già utilizzate per assegnare, verificare e revocare gli accessi aziendali.