Oggi può uscire anche dentro un prompt.
Un utente copia un contratto in un chatbot per farselo riassumere.
Un commerciale incolla una proposta riservata per migliorarne il testo.
Un tecnico inserisce log, configurazioni o codice per ottenere supporto.
Un reparto HR usa l’AI per analizzare informazioni personali o documenti interni.

Tutti casi d’uso comprensibili. Spesso anche utili.

Ma dal punto di vista della sicurezza, della compliance e della governance del dato, la domanda diventa inevitabile: sappiamo quali informazioni aziendali vengono condivise con strumenti AI?

Microsoft sta portando questo tema dentro Microsoft Purview, estendendo le logiche di protezione del dato anche agli scenari AI.

Con Purview è possibile iniziare a governare le interazioni con strumenti come Microsoft 365 Copilot, Copilot Chat, agenti AI e applicazioni AI di terze parti, attraverso funzionalità come:

• Data Loss Prevention per rilevare dati sensibili nei prompt;
• audit delle interazioni AI;
• Data Security Posture Management for AI;
• classificazione e analisi dei dati utilizzati;
• rilevazione di comportamenti rischiosi;
• eDiscovery e retention;
• insight sull’utilizzo di applicazioni AI autorizzate e non autorizzate.

Il punto interessante è che la DLP non riguarda più solo “dove si trova il dato”, ma anche come il dato viene usato durante un’interazione AI.

Nel caso di Microsoft 365 Copilot e Copilot Chat, Microsoft Purview DLP può aiutare a rilevare informazioni sensibili nei prompt e, in base alla configurazione delle policy, impedire che Copilot elabori richieste che contengono determinati tipi di dati sensibili.

Per le applicazioni AI di terze parti, Purview DSPM for AI introduce invece controlli e report per monitorare l’utilizzo di siti AI e rilevare contenuti sensibili copiati, incollati o caricati tramite browser come Edge, Chrome e Firefox.

È un passaggio importante, perché molte aziende stanno già adottando l’AI, ma spesso senza una vera mappa dei rischi:

• quali tool AI stanno usando gli utenti?
• quali dati vengono inseriti nei prompt?
• quali informazioni sensibili sono più esposte?
• quali casi d’uso sono accettabili?
• quali invece richiedono blocco, audit o revisione?
• chi deve ricevere alert?
• cosa va conservato per finalità di audit o eDiscovery?

La risposta non può essere semplicemente “blocchiamo tutto”.
Sarebbe poco realistico.
E anche abbastanza inutile, perché gli utenti motivati trovano sempre una scorciatoia. Di solito brutta.

La risposta corretta è costruire un modello progressivo di governance:

1. Visibilità
   Capire quali strumenti AI vengono utilizzati e dove transitano dati sensibili.
2. Classificazione
   Identificare le informazioni critiche: dati personali, informazioni finanziarie, contratti, dati cliente, codice, documenti riservati.
3. Policy
   Definire cosa può essere usato nei prompt e cosa no.
4. Controlli
   Applicare DLP, audit, alert, restrizioni o blocchi dove serve davvero.
5. Formazione
   Rendere gli utenti consapevoli. Perché la tecnologia aiuta, ma non sostituisce il buon senso.
6. Miglioramento continuo
   Le policy AI non si scrivono una volta sola. Si misurano, si correggono, si adattano ai casi d’uso reali.

Attenzione però: le capability non sono identiche per tutti gli scenari.

Microsoft Purview offre controlli molto interessanti per Copilot, Copilot Chat e per il monitoraggio delle applicazioni AI, ma il supporto specifico varia in base alla piattaforma, alla licenza, alla configurazione e al tipo di interazione.

Tradotto: non basta dire “abbiamo Purview”. Bisogna progettare bene il modello.

La DLP per l’AI non serve a bloccare l’innovazione.
Serve a evitare che l’innovazione esca dall’azienda insieme ai dati.

Per CIO, CISO e responsabili IT, questo è uno dei prossimi tavoli da aprire: non solo quale AI adottare, ma come governarla in modo sicuro, misurabile e sostenibile.