Agenti AI in OT: i controlli di governance prima che agiscano in fabbrica

Il 1° ottobre 2026 IIoT World ha pubblicato un resoconto di un panel dell'Industrial AI Summit 2026 dedicato alla governance degli agenti AI negli ambienti OT. Sono intervenuti Scott Christensen (GrayMatter), Gary Tillery (Skkynet) e Ian Bramson (Black & Veatch), con la moderazione di Matt Morris di EverLine. Non si tratta di una ricerca né di una novità normativa, ma di indicazioni di practitioner: utili proprio per questo, perché toccano problemi concreti di chi connette MES, IIoT e strumenti di intelligenza artificiale.

Una precisazione sulla fonte: l'articolo è contrassegnato come sponsorizzato da Skkynet, pur dichiarandosi editorialmente indipendente, e indica che strumenti di AI sono stati usati per aiutare a riassumerne il contenuto. Conviene quindi leggerlo come spunto di riflessione, non come standard.

Il problema: un agente per ogni fornitore

In uno stabilimento con 20 o più fornitori, ciascuno potrebbe introdurre il proprio agente AI, con un proprio modello di accesso, proprie integrazioni e un proprio profilo di rischio. I sistemi OT sono fortemente interconnessi: la modifica fatta da un agente può avere effetti sui sistemi a valle. Senza regole comuni, la somma di questi agenti diventa difficile da governare.

Identità e audit trail

Il primo requisito indicato dal panel è che ogni agente abbia credenziali uniche, come un utente umano. La traccia di audit dovrebbe registrare:

• chi ha avviato l'azione;
• quali permessi aveva l'agente;
• quali dati hanno informato la decisione;
• come è stata eseguita la modifica;
• qual è stato l'esito.

L'intera catena del dato dovrebbe essere ricostruibile, come la supply chain tiene traccia delle materie prime: il registro deve mostrare dove è avvenuta l'esecuzione e chi, o che cosa, l'ha autorizzata. Per chi opera con requisiti di qualità e audit, il parallelo con la tracciabilità di prodotto è diretto.

I controlli tecnici

Sul piano tecnico il panel richiama accessi basati su ruoli e a privilegio minimo, credenziali custodite in un vault, segmentazione di rete e monitoraggio continuo. Si applica un approccio zero trust: nessun agente è considerato affidabile su alcuna rete. L'obiettivo è limitare l'impatto di un guasto al segmento in cui l'agente opera. Va inoltre gestito ogni percorso di uscita dei dati dal reparto produttivo: secondo i relatori, il «mito dell'air gap» è finito.

Pochi principi, ma chiari

Poiché nessun singolo framework copre insieme sicurezza OT e AI, si suggerisce di combinare IEC 62443 con regole specifiche per l'AI, limitandosi a 5–10 principi fondamentali. Tra quelli citati:

• privilegio minimo per ogni agente;
• nessun agente autonomo al livello 0 del modello Purdue;
• identità e tracciamento degli accessi obbligatori per ogni azione;
• valutazione delle conseguenze prima della messa in servizio;
• analisi dei flussi di dati prima di introdurre l'AI.

Il resoconto segnala che la governance diventa più prescrittiva nei settori regolamentati, soprattutto in Europa, dove si applicano ulteriori requisiti di conformità; non ne fornisce però i dettagli, che vanno verificati caso per caso.

Tre domande per il lunedì mattina

I relatori hanno proposto domande che i responsabili possono porsi subito:

• Tillery: se la connettività si interrompesse, che cosa continuerebbe a funzionare e chi l'ha deciso?
• Christensen: facciamo il backup dei dati, ma anche del processo, comprese configurazioni e ladder logic?
• Bramson: dov'è il registro dei rischi AI in ambito OT, chi è responsabile di ciascun rischio e qual è l'ordine di priorità?

Cosa farne

Prima di consentire a un agente di agire su dati di produzione o setpoint, conviene verificare che esistano identità dedicate, permessi minimi, segmentazione e una traccia di audit completa, oltre a una valutazione delle conseguenze. Sono controlli che servono anche senza AI, ma che con agenti autonomi diventano condizione di partenza.