Opinione
Il penetration test può costare il 90% in meno?
Un penetration test costa facilmente seimila euro. Per un ambiente complesso si superano di gran lunga i centomila. Anche un test contenuto, da due o tremila euro, è una spesa seria per la PMI media, soprattutto se va ripetuto ogni anno. Per molto tempo è stata una scelta: lo facevi oppure no. A meno che la regolamentazione di settore non lo imponesse, e allora la scelta semplicemente non c’era. Con l’arrivo della direttiva europea NIS2, recepita nei Paesi Bassi come Cyberbeveiligingswet, le cose stanno cambiando. Migliaia di organizzazioni rientrano ora in una normativa che richiede misure di sicurezza tecniche, tra cui la verifica regolare della propria resilienza. Molte organizzazioni traducono questo requisito in un penetration test.
Il mercato dei pentest non scala con questa domanda. I pentester sono pochi, la formazione richiede anni e le tariffe orarie salgono. Puoi aspettare che il mercato si adegui, oppure puoi provare a risolvere il problema in un altro modo. Noi abbiamo scelto la seconda strada.
Guardian360 è una delle tredici organizzazioni europee che hanno ricevuto un finanziamento nell’ambito del programma CYSSDE dell’Unione europea per rendere il penetration testing più accessibile. Il nostro progetto si chiama AI-SCALE. La nostra ambizione: offrire penetration test professionali a circa il dieci per cento del prezzo abituale, lasciando che un agente AI svolga la maggior parte del lavoro, con validazione umana dei risultati. Questo articolo non parla di quanto stia andando bene, perché non siamo ancora arrivati. Parla di ciò in cui ci imbattiamo, di ciò che abbiamo imparato e delle domande a cui non sappiamo ancora rispondere.
Cosa stiamo costruendo
La tecnologia è costruita su tre livelli. Il primo livello è la discovery continua: la nostra piattaforma Lighthouse mappa di continuo la superficie di attacco, sia esterna sia interna. Il secondo livello è la valutazione guidata dall’AI: il nostro AI Cyber Security Agent, che genera ed esegue scenari di pentest, calibrati sul settore e sullo stack tecnologico dell’organizzazione. Il terzo livello è la revisione umana: un pentester senior certificato, di uno dei nostri partner di pentest, valida i risultati prima della consegna del report.
Questa struttura a tre livelli non è un compromesso ma una scelta deliberata. L’AI fa il lavoro che scala: scansiona in ampiezza, percorre gli scenari, documenta i risultati. L’essere umano fa il lavoro che richiede giudizio: decide se un risultato è un rischio reale, valuta come le vulnerabilità si combinano e stabilisce se lo sfruttamento è responsabile.
Quando il progetto si concluderà, a marzo 2028, l’agente AI, le librerie di scenari per settore e l’intera metodologia saranno pubblicati come open source. È un impegno presente nella nostra candidatura al progetto, ed è anche una nostra convinzione: gli strumenti di sicurezza professionali devono poter essere verificati, non essere una scatola nera.
Cos’è davvero un penetration test?
Prima di poter parlare di una riduzione dei costi del 90%, dobbiamo metterci d’accordo su cosa stiamo cercando di rendere più economico. Ed è qui che inizia il primo problema. Il termine “penetration test” non ha una definizione univoca. Per un fornitore è una scansione automatizzata delle vulnerabilità con un report. Per un altro sono settimane di lavoro manuale di uno specialista certificato OSCP che prova davvero a entrare.
I framework di compliance aiutano fino a un certo punto. La NIS2 chiede di “verificare l’efficacia delle misure di sicurezza” ma non prescrive come. L’ISO 27001 rimanda a valutazioni tecniche delle vulnerabilità senza specificarne la profondità. DORA è più precisa sul penetration testing guidato dalle minacce (TLPT), ma si applica solo al settore finanziario.
Nei Paesi Bassi esiste uno standard di qualità concreto: il CCV Keurmerk Pentesten, un marchio di certificazione per il penetration testing. Il Centre for Crime Prevention and Safety (CCV) ha sviluppato uno schema di certificazione che stabilisce cosa è un pentest e cosa no. La definizione è inequivocabile: un pentest è “una valutazione manuale che cerca di penetrare un sistema il più a fondo possibile”. Le scansioni delle vulnerabilità, per quanto avanzate, sono esplicitamente escluse dal marchio. Gli strumenti possono essere usati come ausilio ma, nelle parole del CCV, “non sono determinanti nell’esecuzione di un pentest”. Tutti i risultati dei test automatizzati devono essere verificati manualmente da un pentester qualificato.
A questo si aggiunge un requisito quantitativo rigido: il pentester qualificato deve fornire almeno il cinquanta per cento del tempo totale del test. Quel pentester deve inoltre possedere un certificato pratico riconosciuto, avere almeno un anno di esperienza lavorativa come professionista IT (non come stagista) e un certificato di buona condotta (VOG) non più vecchio di tre anni.
Per chi vuole offrire pentest con l’AI, questo marchio solleva la domanda centrale: se l’agente AI fa la maggior parte del lavoro e l’essere umano valida, è ancora un pentest nel senso inteso dal CCV? La risposta onesta è che il modello a tre livelli concettualmente rispetta lo spirito del marchio: gli strumenti come ausilio, l’esperto umano responsabile in ultima istanza. Ma la regola del cinquanta per cento e la definizione di “valutazione manuale” stridono con l’ambizione di una riduzione dei costi del novanta per cento. Se il pentester umano deve fornire metà delle ore, per definizione non arrivi al dieci per cento del prezzo abituale.
Nel progetto AI-SCALE usiamo quindi una definizione più ampia: un pentest è una valutazione strutturata che va oltre l’esecuzione di una scansione automatizzata. Comprende scenari calibrati sul settore e sullo stack tecnologico, che coprono configurazioni errate, errori di autorizzazione e debolezze della business logic, e si conclude con una validazione umana.
Il limite dell’automazione: lo sfruttamento
Una delle prime conversazioni con il nostro partner di pentest ha riguardato lo sfruttamento. L’agente AI può davvero sfruttare una vulnerabilità che trova, per dimostrare che il rischio è reale? La risposta è stata chiarissima: no, in ogni caso non in modo completamente automatizzato.
Sembra una limitazione, e lo è. Ma è una limitazione deliberata. Un agente AI che sfrutta vulnerabilità in un ambiente di produzione senza supervisione umana è di per sé un rischio. Nel nostro modello l’agente opera per lo più in modalità di sola lettura: esplora, identifica e segnala. Ogni azione che modifica un sistema richiede l’approvazione di un essere umano. C’è un kill switch, ci sono Rules of Engagement per ogni incarico e c’è un audit logging esteso.
Per un CISO questo può essere più rassicurante di un agente completamente autonomo. Ma significa anche che la riduzione dei costi sarà limitata. Non appena un pentester umano deve essere coinvolto in modo significativo nel processo di validazione, un risparmio è ancora possibile, ma quanto sarà grande non è ancora chiaro.
I falsi positivi costano tempo di validazione
L’agente AI è forte sull’ampiezza. Configurazioni errate, componenti obsoleti, impostazioni predefinite e pattern di vulnerabilità noti li trova in modo costante, anche nei punti in cui un essere umano, dopo qualche ora, guarda con meno attenzione. Ma l’ampiezza ha un rovescio: l’agente produce più risultati, e non tutti sono rilevanti.
Se l’AI produce più rumore di un tester umano, sposti le ore dal test alla validazione. Il pentester umano spende allora più tempo a valutare e scartare risultati che a scoprirli. Benchmark recenti confermano che i tassi di falsi positivi sono il grande collo di bottiglia degli strumenti di pentest automatizzati. Il tempo guadagnato all’inizio del test lo perdi di nuovo alla fine.
Business logic e attacchi concatenati
L’agente trova singoli punti di attenzione, ma non sempre vede che insieme formano una catena di attacco seria. Un errore di autorizzazione tra ruoli, un flusso di pagamento che in certe condizioni salta un passaggio, un’API sicura in isolamento ma che in combinazione con un altro endpoint consente una privilege escalation: sono proprio i risultati per cui le organizzazioni ingaggiano un pentester. E sono proprio i risultati che per ora l’AI non riesce a trovare da sola.
Non è una questione di modelli migliori. Serve capire cosa dovrebbe fare un’applicazione, nel contesto del processo di business che supporta. Questa è conoscenza del dominio, non riconoscimento di pattern.
Le ipotesi alla base del modello di costo
L’obiettivo del dieci per cento del prezzo abituale, circa seicento euro per test invece di seimila, poggia su una serie di ipotesi che dobbiamo nominare con onestà.
La prima ipotesi è che i modelli AI diventino più efficienti. Finora è stato così: i foundation model diventano più veloci, più economici e migliori a ogni generazione. Ma non esiste alcuna legge di natura che dica che questo ritmo continuerà. Se i guadagni di efficienza si appiattiscono, il modello di costo diventa fragile.
Facciamo girare i nostri modelli sulla nostra infrastruttura GPU, tramite una società sorella olandese con capacità Kubernetes e GPU dedicata. Questo significa che non abbiamo costi variabili per token e che i dati dei clienti e i risultati restano all’interno del nostro cluster di server. Per molte organizzazioni del nostro gruppo target, quest’ultimo punto può benissimo essere l’argomento più importante. Ma possedere GPU sposta il problema, non lo elimina. La domanda allora non è “quanto costa questo test?”, ma “quanti test possiamo eseguire contemporaneamente?”. Il limite è la capacità, non il budget per test.
La seconda ipotesi è che il coinvolgimento umano possa restare minimo. Se la validazione L3, la revisione umana da parte di un pentester senior, occupa una quota significativa dei tempi di consegna, una riduzione dei costi del novanta per cento non è raggiungibile. Il calcolo è semplice: se la validazione costa il trenta per cento del tempo di un test convenzionale, il tuo risparmio massimo è del settanta per cento, non del novanta. Il marchio CCV rende questo calcolo ancora più netto: il cinquanta per cento di tempo umano significa un tetto del cinquanta per cento di risparmio, non del novanta.
Ci sono già altri attori in questo campo
Guardian360 non è la prima a provare ad automatizzare il penetration testing. Horizon3.ai offre pentest autonomi per reti interne e ambienti Active Directory con NodeZero. Pentera si posiziona come security validation automatizzata e dichiara più di cento milioni di dollari di ricavi ricorrenti annui. Hadrian si concentra sulla superficie di attacco esterna e a marzo 2026 ha lanciato un prodotto di pentest con AI agentica.
La domanda è legittima: perché costruire qualcosa da soli se esistono già piattaforme consolidate? La nostra risposta è triplice. Primo, queste piattaforme sono closed source. Il nostro agente e la nostra metodologia saranno pubblicati come open source dopo il progetto, così la community potrà testarli, migliorarli e adattarli. Secondo, sono prevalentemente americane, mentre la regolamentazione europea, in particolare NIS2, DORA e standard di settore come NEN 7510 e il framework BIO, richiede librerie di scenari proprie. Terzo, sono costose: i modelli di licenza abituali sono pensati per le grandi imprese, non per le piccole e medie imprese.
Cosa stiamo imparando
Siamo a circa due mesi dall’inizio. Sono troppo pochi per trarre conclusioni, ma abbastanza per condividere le prime intuizioni.
La prima è che l’agente è forte dove gli esseri umani sono deboli: nella costanza. Un pentester umano perde lucidità dopo ore di lavoro. L’agente no. Percorre sistematicamente ogni aspetto di un ambiente, comprese le parti noiose. Questo produce risultati che un essere umano avrebbe mancato, non perché non sappia trovarli, ma semplicemente perché un essere umano non è una macchina.
La seconda è che la distanza tra “pensare uno scenario” ed “eseguire quello scenario in un ambiente reale” è maggiore di quanto ci aspettassimo. Uno scenario di attacco logico sulla carta si blocca nella pratica sulla gestione delle sessioni, sui flussi MFA, sul rate limiting o su pattern di autenticazione specifici dell’applicazione. Ogni ambiente ha particolarità che l’agente non conosce finché non le incontra. Questo significa che le librerie di scenari devono contenere non solo pattern di attacco, ma anche i pattern difensivi che l’agente deve riconoscere e poi aggirare o segnalare.
La terza è che le librerie di scenari per settore non sono un lusso ma una necessità. Un pentest per una struttura sanitaria che deve rispettare la NEN 7510 richiede scenari diversi da un test per un istituto finanziario soggetto a DORA. Scenari generici producono risultati generici, e i risultati generici non sono utilizzabili per un CISO.
La quarta, e forse la più scomoda, è che la reazione dei pentester esperti ai risultati generati dall’AI è una misura di valore che non possiamo automatizzare. La ricognizione dell’agente e il primo triage sono utilizzabili; lì fa risparmiare ore umane. Ma in che misura il revisore umano debba poi correggere, riclassificare o integrare i risultati determina, in ultima analisi, se il modello è redditizio. Ora misuriamo sistematicamente questo ciclo di feedback, e i risultati sono ancora troppo preliminari per essere pubblicati.
Una storia europea più ampia
Come detto, Guardian360 non è l’unica organizzazione che lavora su questo. Il programma CYSSDE ha selezionato tredici progetti nella Open Call 3 provenienti da nove paesi europei, che insieme prevedono più di 534 security assessment. Dai security assessment OT in Polonia e Germania, al pentesting guidato dalle minacce in Belgio, fino al pentesting AI sovrano in Italia.
Non è un caso. L’UE investe deliberatamente nella capacità europea di cybersicurezza, attraverso lo European Cybersecurity Competence Centre e programmi come CYSSDE. Il ragionamento è che, se vogliamo che le organizzazioni europee siano resilienti, non dobbiamo dipendere da strumenti e fornitori extraeuropei. Il nostro impegno open source si inserisce nella stessa linea: è un contributo al patrimonio comune europeo della cybersicurezza, non solo un prodotto.
La risposta onesta
Il penetration testing può costare il novanta per cento in meno? La risposta onesta è: non lo sappiamo ancora. Crediamo che l’AI possa assumersi una grande parte del lavoro ripetitivo e che i costi possano ridursi sensibilmente. Ma “sensibilmente” non equivale a “novanta per cento”, e le insidie in cui ci imbattiamo, dalla business logic che l’agente non comprende a standard di qualità come il marchio CCV che impongono il coinvolgimento umano, invitano alla modestia.
Quello che sappiamo è che la situazione attuale è insostenibile. Le organizzazioni che rientrano nella NIS2 e non possono permettersi un pentest sono a rischio. Le organizzazioni che fanno eseguire una scansione automatizzata economica e pensano di aver ricevuto un penetration test corrono un rischio diverso: una falsa sicurezza. Un pentest che dà alle organizzazioni un falso senso di sicurezza è forse persino peggio di nessun pentest.
La soluzione non sta nella sola AI, né nelle sole persone. Sta in una combinazione che sia onesta su ciò che ciascuna parte può e non può fare. L’agente scansiona, l’essere umano giudica. L’agente trova pattern, l’essere umano vede le catene. L’agente scala, l’essere umano presidia il confine.
Pubblichiamo i nostri risultati, il nostro agente e la nostra metodologia. Non perché abbiamo la risposta, ma perché crediamo che la risposta arrivi prima se più persone la cercano.
Fonti
- CCV Keurmerk Pentesten, Certification Scheme version 2.0 (January 2024), https://hetccv.nl/keurmerken/cybersecurity/pentest/
- CYSSDE Open Call 3, selected projects, https://cyssde.eu/cyssde-activities/open-call-3/
- Guardian360 AI Pentesting, beta programme, https://guardian360.net/platform/ai-pentesting/
- NIS2 directive (EU 2022/2555), Article 21: cybersecurity risk-management measures
- Security Magazine (2026), “Would you trust an AI pentester to work solo?”, https://www.securitymagazine.com/blogs/14-security-blog/post/102154
- NHI Management Group (2026), “AI pentesting replaces repetition, not expert judgment”, https://nhimg.org/articles/ai-pentesting-replaces-repetition-not-expert-judgment/
- The Next Web (2026), “The 10 best autonomous pentesting tools, ranked by proof of exploit”, https://thenextweb.com/news/best-autonomous-pentesting-tools-proof-exploit-2026