AIUC: nasce il mercato dell’audit indipendente per agenti AI enterprise

Un agente AI che prenota, scrive, firma o risponde al cliente al posto di un dipendente pone una domanda che il reparto acquisti non sa ancora dove mettere: chi risponde quando sbaglia. Finora la risposta era «il fornitore, forse», e nei contratti restava una zona grigia. Il 15 settembre 2026 TechCrunch ha raccontato la storia di AIUC, una società fondata da un early hire di Anthropic e dall’ex COO di METR che quella zona grigia prova a chiuderla con un mestiere vecchio applicato a una tecnologia nuova: l’audit degli agenti AI enterprise fatto da un terzo, più una polizza che copre il residuo.

In questo articolo scoprirai:

• Che cosa fa AIUC, la società che audita e certifica gli agenti AI enterprise
• Come funziona un audit di agenti AI: 5.000 test e la verifica umana alla fine
• Perché l'audit indipendente degli agenti AI sta diventando una richiesta dei buyer
• AI Act, NIST e ISO 42001: dove si colloca uno standard privato come AIUC-1
• Perché una PMI italiana non può fare da sola l'audit dei suoi agenti AI

Che cosa fa AIUC, la società che audita e certifica gli agenti AI enterprise

AIUC sta per Artificial Intelligence Underwriting Company e si definisce sul proprio sito «a frontier AI standards & insurance company» con sede a San Francisco: sul sito di AIUC standard, audit e assicurazione sono le tre gambe dello stesso tavolo. I fondatori sono Rune Kvist, tra i primi assunti di Anthropic, e Rajiv Dattani, che è stato COO di METR, l’organizzazione no-profit che valuta le capacità autonome dei modelli di frontiera per conto dei laboratori. Non è un dettaglio biografico: arrivano entrambi dal lato di chi i modelli li mette alla prova, non dal lato di chi li vende.

Il prodotto centrale è AIUC-1, presentato come il primo standard di sicurezza, safety e affidabilità pensato specificamente per gli agenti. La costruzione è stata collettiva: secondo il comunicato KPMG, un consorzio di oltre 250 responsabili sicurezza e rischio di aziende Fortune 1000, con il contributo di Anthropic, dello studio legale Orrick, della Cloud Security Alliance e di MITRE. Sul piano finanziario, TechCrunch riporta 40 milioni di dollari di Series A guidati da Ribbit Capital con First Harmonic, che si sommano ai 15 milioni di seed raccolti da Nat Friedman, Emergence, Terrain e Ben Mann: 55 milioni complessivi per costruire un layer di fiducia che prima semplicemente non esisteva.

Come funziona un audit di agenti AI: 5.000 test e la verifica umana alla fine

Il meccanismo è quello che in sicurezza informatica conosciamo da vent’anni, riadattato. AIUC sottopone l’agente a circa 5.000 test che ne misurano il comportamento in scenari di jailbreak, allucinazione e fuga di dati, secondo quanto riportato da TechCrunch. La parte interessante è chi esegue: sono altri agenti AI a lanciare le prove e ad analizzare i risultati, mentre la verifica finale dell’audit resta in mano a persone. L’output è un rapporto di un centinaio di pagine che dice dove il sistema regge e dove no.

Il caso KPMG dà la misura concreta. Il 27 agosto 2026 la società è diventata la prima delle Big Four a certificare AIUC-1 un proprio agente, aIQ Capture, dopo più di 900 test tecnici su allucinazioni, interazioni in domini ad alto rischio, content safety e prompt injection. La frase di Arun Rajappa, National Managing Principal Risk Management and Compliance, è la sintesi di tutto il fenomeno: «Prima di mettere il nome dello studio dietro il nostro sistema agentico, lo abbiamo fatto testare e certificare da un terzo indipendente». Anche Cursor ed ElevenLabs figurano tra i certificati, con ElevenLabs che ha ottenuto la prima polizza assicurativa dedicata a un AI agent, come riporta TechCrunch. Se il tema del testing ti interessa sul piano operativo, lo abbiamo trattato in supervisione umana in produzione.

Perché l’audit indipendente degli agenti AI sta diventando una richiesta dei buyer

Il modello lo dice il nome: AIUC prende da SOC 2, la certificazione che nessuno amava e che oggi qualunque responsabile acquisti chiede prima di firmare un contratto software. La dinamica è identica. Finché l’agente resta un progetto pilota interno, il rischio se lo tiene chi lo ha costruito; nel momento in cui parla con i clienti, muove denaro o tocca dati personali, diventa una voce di rischio che qualcuno deve firmare. E chi firma vuole una carta scritta da un terzo, non le slide del fornitore.

Kvist, citato da TechCrunch, mette il dito sul punto contro-intuitivo: «L’AI diventa più intelligente a un ritmo sempre più rapido. La cosa sorprendente è che, man mano che diventa più intelligente, è più difficile da adottare e più difficile da controllare, non più facile». Più l’agente è capace, più ampio è lo spazio di ciò che può fare senza che nessuno glielo abbia chiesto. È lo stesso motivo per cui il mercato della valutazione indipendente si sta capitalizzando: lo abbiamo visto con i valutatori indipendenti embedded di Anthropic e Accenture. E resta vero che un modello sicuro non basta: la superficie di rischio nasce dagli strumenti, dai permessi e dai dati che gli attacchiamo intorno, non dai pesi.

AI Act, NIST e ISO 42001: dove si colloca uno standard privato come AIUC-1

Uno standard privato non sostituisce la legge, e AIUC non pretende il contrario: il comunicato KPMG lo descrive come uno strumento che «operazionalizza» ISO 42001, il NIST AI Risk Management Framework, l’AI Act europeo e la OWASP Top 10 per gli LLM lungo sei principi, sicurezza, safety, affidabilità, accountability, dati e privacy, impatto sociale. È il ruolo classico dello standard di settore: tradurre obblighi scritti in linguaggio giuridico in test che un ingegnere può eseguire. Il NIST AI RMF, va ricordato, è dichiaratamente volontario e non certificabile; ISO 42001 è certificabile ma parla di sistema di gestione, non di comportamento del singolo agente.

Il calendario europeo spiega perché la domanda arriva adesso. L’AI Act, secondo la Commissione europea, è entrato in vigore il 1° agosto 2024 ed è applicabile dal 2 agosto 2026, con le regole sui modelli general purpose già effettive da agosto 2025 e gli obblighi sui sistemi ad alto rischio spostati al 2 dicembre 2027 e al 2 agosto 2028. In mezzo c’è una finestra in cui il deployer deve garantire sorveglianza umana e segnalare gli incidenti gravi senza avere ancora norme armonizzate a cui appoggiarsi. Uno standard di mercato riempie quel vuoto, con l’avvertenza che riempirlo non equivale a essere conformi. Sul perimetro normativo abbiamo due pezzi dedicati: cosa prevede l’AI Act e la governance degli agenti AI.

Perché una PMI italiana non può fare da sola l’audit dei suoi agenti AI

Qui il discorso si stacca dalla Silicon Valley. I numeri dell’Osservatorio Artificial Intelligence del Politecnico di Milano dicono che il mercato italiano dell’AI vale 1,8 miliardi di euro con una crescita del 50%, che il 71% delle grandi imprese ha progetti avviati, ma che investe in AI solo il 15% delle medie imprese e il 7% delle piccole. Il dato che pesa davvero su questo tema è un altro: secondo lo stesso comunicato dell’Osservatorio, solo il 9% delle grandi imprese italiane ha una governance dell’AI strutturata e appena il 15% ha un percorso strutturato di adeguamento all’AI Act. Se è questa la situazione di chi ha un ufficio compliance, la PMI con dodici persone non sta un gradino sotto: sta fuori scala. A quella scala il punto di partenza non è la certificazione, ma agenti AI su misura e un percorso di compliance con un partner.

Chi risponde quando un agente AI sbaglia in azienda

Un audit come quello di AIUC costa, richiede un interlocutore tecnico dall’altra parte e presuppone che esista qualcosa da auditare: log, versioni dei prompt, permessi documentati, criteri di escalation. Una PMI che ha attaccato un agente al gestionale in tre settimane, quel materiale, non ce l’ha, e non perché sia stata sbadata, ma perché nessuno strumento consumer produce una traccia auditabile per default. Senza traccia non c’è audit, non c’è polizza e, soprattutto, non c’è una risposta alla domanda del cliente che chiede chi firma. Il presupposto è capire cosa sia davvero un agente e cosa sappia fare: lo spieghiamo in cosa sono gli agenti AI e, in versione estesa, nella guida 2026 agli agenti AI.

Onboarding con un partner: la traccia auditabile che il cliente da solo non costruisce

In attesa che uno standard si imponga davvero anche in Europa, la risposta pragmatica per un’azienda italiana non è certificarsi: è farsi accompagnare da chi lascia dietro di sé il materiale con cui un giorno ci si certificherà. È la differenza fra comprare una licenza e comprare un servizio, e la ragione per cui in MIMIR l’onboarding è parte dell’offerta e non un extra: è nella fase di onboarding che si decidono permessi, log, criteri di escalation e responsabilità, cioè esattamente le sei voci che uno standard come AIUC-1 va poi a verificare. Su questo confine abbiamo scritto cosa non include la licenza e perché il servizio conta più del modello.

Costruire un agente su misura significa anche questo: decidere prima cosa può toccare e cosa no, e scriverlo. Se stai valutando di portare un agente AI dentro un processo che tocca clienti o dati sensibili e vuoi capire quale traccia serve costruire da subito, parlane con MIMIR: una prima consulenza serve a mettere a fuoco perimetro, rischi e responsabilità prima che diventino una domanda del tuo cliente.

Fonti:

• TechCrunch, Early Anthropic hire, former METR COO have found a way to rein in rogue AI agents (15 settembre 2026)
• AIUC, Artificial Intelligence Underwriting Company, sito ufficiale
• KPMG, KPMG LLP becomes first Big Four firm with AIUC-1 certified AI capability
• NIST, AI Risk Management Framework
• Commissione europea, Regulatory framework for AI (AI Act) e calendario di applicazione
• METR, Model Evaluation and Threat Research
• Osservatorio Artificial Intelligence, Politecnico di Milano, il mercato italiano dell’AI