Il Rischio di SaaS Sprawl: Necessità di Maggiore Controllo e Visibilità nelle Integrazioni

L’espansione delle applicazioni Software as a Service (SaaS) e degli agenti di intelligenza artificiale (AI) sta ampliando significativamente la superficie di attacco per le aziende. Ogni nuova applicazione o integrazione introduce identità, ruoli e permessi che possono creare percorsi fidati verso i sistemi aziendali. I dipendenti autorizzano comunemente applicazioni OAuth di terze parti, spesso con accessi persistenti e permessi estesi che rimangono attivi più a lungo del necessario. Questo scenario è ulteriormente complicato dall’integrazione di agenti AI e flussi automatizzati in piattaforme critiche come CRM e strumenti di gestione dei servizi.

Secondo recenti studi, le violazioni legate al SaaS sono aumentate del 300% negli ultimi anni. Si prevede che il numero di agenti AI in ambiente enterprise possa superare il miliardo entro il 2028, rendendo insostenibile un controllo basato esclusivamente su revisioni manuali. Le aziende devono quindi affrontare la sfida di garantire la sicurezza in un contesto in rapida evoluzione.

I tool low-code e no-code stanno facilitando la creazione e il deployment di agenti autonomi senza adeguata supervisione. Questi agenti possono ereditare accessi reali a sistemi e dati aziendali, mentre molte organizzazioni mancano di metodi coerenti per scoprirli, tracciare i privilegi e applicare regole di contenimento. Un caso concreto evidenzia questo rischio: una vulnerabilità (CVE-2026-40933) in una piattaforma open source per la creazione di agenti e workflow ha permesso a un attaccante di ottenere l’esecuzione remota di codice compromettendo un server. Questa compromissione è stata facilitata dall’importazione di workflow condivisi da utenti fidati e da permessi che consentivano configurazioni personalizzate.

Le soluzioni tradizionali faticano a scoprire queste integrazioni e a valutare i relativi permessi. È imperativo disporre di visibilità continua su utenti, applicazioni, grant OAuth e permessi per comprendere il rischio in tempo reale, piuttosto che dopo un incidente. Approcci innovativi, come i knowledge graph, possono mappare entità (persone, account, token, risorse) e le loro relazioni, rivelando contesti altrimenti non evidenti e consentendo di identificare chi ha accesso, cosa può raggiungere e come è stato ottenuto quell’accesso.

Con una base di dati solida, il controllo può diventare adattivo. Integrazioni ad alto rischio o comportamenti anomali possono essere automaticamente segnalati o vincolati in base a modelli di accesso e comportamento, mentre le attività affidabili possono procedere con minori attriti. La protezione efficace del panorama SaaS e AI richiede strumenti che forniscano evidenza su dove servono guardrail, chi ha accesso, cosa può raggiungere e come evolvono queste relazioni nel tempo.