SandboxAQ ha annunciato l’ampliamento della piattaforma Switch AI con due componenti denominati Switch Trust e Switch ROI, progettati rispettivamente per controllare la sicurezza degli agenti di intelligenza artificiale e misurarne il valore economico all’interno delle organizzazioni. Le nuove soluzioni estendono Switch Rooms, l’ambiente collaborativo presentato nell’agosto 2026 e distribuito come software con codice sorgente disponibile secondo condizioni Commons Clause Apache 2.0. Switch Rooms permette a dipendenti e agenti di operare in spazi condivisi attraverso strumenti come Slack, Microsoft Teams e Discord, conservando il contesto delle interazioni, la cronologia e le conoscenze accumulate indipendentemente dal modello o dal fornitore utilizzato. L’architettura è stata concepita per evitare che la sostituzione di un agente comporti necessariamente la perdita del patrimonio informativo sviluppato durante le attività precedenti. Con Switch Trust e Switch ROI, SandboxAQ introduce due livelli complementari di gestione destinati alle aziende che utilizzano simultaneamente agenti, modelli e infrastrutture differenti, separando la valutazione dei rischi operativi dalla misurazione dei costi e dei risultati effettivamente prodotti.
Switch Trust organizza il controllo degli agenti attraverso quattro fasi denominate Discover, Scan, Evaluate e Monitor. La prima ricostruisce l’inventario degli agenti presenti nei sistemi aziendali, individuando modelli, strumenti, server MCP e dipendenze distribuite tra repository e ambienti collegati, comprese eventuali implementazioni non conosciute dai responsabili della sicurezza. Per ogni componente vengono registrati proprietà, provenienza, relazioni di dipendenza e criticità riscontrate. Scan esamina invece il codice e le configurazioni cloud attraverso analisi statica e classificazione assistita dall’intelligenza artificiale, con meccanismi destinati a ridurre i falsi positivi, assegnare livelli di gravità e collegare le vulnerabilità alle categorie OWASP pertinenti alla sicurezza agentica. Evaluate sottopone gli agenti a verifiche funzionali e attacchi simulati, inclusi prompt injection, tentativi di jailbreak, divulgazione non autorizzata dei dati e violazioni delle istruzioni ricevute. I risultati vengono aggregati in un indicatore complessivo di affidabilità e possono essere integrati con test definiti dall’organizzazione; il superamento delle verifiche può inoltre diventare una condizione necessaria per autorizzare il rilascio di una nuova versione.
La componente Monitor estende queste verifiche all’ambiente di produzione mediante un SDK che raccoglie informazioni sull’attività degli agenti, tra cui prompt, risposte, chiamate ai modelli, sessioni, latenze ed eventi relativi alle policy. Gli agenti utilizzati attraverso Switch Rooms ricevono automaticamente le regole di protezione configurate. Durante l’esecuzione, Switch Trust controlla i dati in ingresso e in uscita alla ricerca di istruzioni malevole, segreti, informazioni personali identificabili, contenuti non consentiti e tentativi di aggiramento dei vincoli operativi. Le risposte configurabili comprendono blocco dell’operazione, oscuramento delle informazioni, generazione di avvisi e registrazione dell’evento. Il sistema conserva inoltre le evidenze relative alle azioni eseguite e alle approvazioni ricevute, creando una documentazione utilizzabile per verifiche di conformità e ricostruzioni successive. Un’applicazione già indicata da SandboxAQ riguarda MSW Lab del Mount Sinai West, che utilizza Switch Trust nello sviluppo di G Board, un ambiente nel quale i medici possono realizzare applicazioni cliniche mediante agenti AI sottoposti a controlli di sicurezza.
Switch ROI affronta invece la difficoltà di quantificare il rapporto tra spesa sostenuta per gli agenti e risultati aziendali ottenuti. La funzione Measure aggrega i costi sostenuti presso fornitori differenti e li attribuisce ai singoli agenti, alle sessioni e alle interazioni, introducendo budget, monitoraggio dei consumi e segnalazioni di superamento delle soglie. I costi vengono correlati a risultati operativi concreti, come ticket risolti, attività automatizzate e accelerazione delle modifiche software, anziché essere valutati soltanto attraverso token consumati o chiamate API. La funzione Prove confronta questi risultati con un riferimento basato sull’esecuzione umana, calcolando costo per risultato e ritorno netto dell’investimento. Optimize identifica infine le inefficienze, comprese scelte non appropriate dei modelli, strumenti configurati ma inutilizzati, trasmissione ripetuta di contesti che potrebbero essere memorizzati in cache, cicli di esecuzione superflui e risposte più estese del necessario. Le proposte vengono ordinate secondo il risparmio mensile stimato e il livello di attendibilità, consentendo di valutare il passaggio a modelli meno costosi quando le verifiche qualitative lo permettono, mantenendo il contesto delle attività. SandboxAQ richiama, a sostegno della necessità di questi strumenti, una previsione Gartner secondo cui oltre il 40% dei progetti di AI agentica potrebbe essere cancellato entro il 2027 e un’indagine KPMG del giugno 2026, condotta su 2.145 partecipanti, nella quale soltanto il 7% dei responsabili dichiara di avere già stabilito un ritorno economico misurabile dall’intelligenza artificiale.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)