Anaconda acquisisce Enkrypt AI per mettere in sicurezza gli agenti AI in azienda

C’è uno scarto che ogni azienda alle prese con l’intelligenza artificiale conosce bene. I team sanno con precisione quanto sono veloci i loro agenti, ma molto più raramente sanno davvero cosa quegli stessi agenti stiano facendo dietro le quinte. È su questo divario che punta l’operazione annunciata il 4 agosto 2026 da Anaconda, la società diventata celebre grazie alla sua distribuzione Python per la data science.

La notizia è che Anaconda ha acquisito Enkrypt AI, una startup specializzata nella sicurezza dei sistemi di intelligenza artificiale. L’idea di fondo è semplice: portare i controlli di sicurezza, governance e conformità dentro la piattaforma con cui gli sviluppatori costruiscono e mandano in produzione gli agenti, invece di applicarli a posteriori, quando ormai è troppo tardi per rimediare.

Non è un dettaglio per soli addetti ai lavori. È il segnale che la sicurezza degli agenti AI sta diventando una categoria di mercato a sé, con acquisizioni mirate, budget dedicati e responsabilità sempre più precise.

Cosa ha acquisito Anaconda e perché proprio ora

Per cogliere il senso dell’operazione conviene partire dai due protagonisti. Anaconda è da oltre dieci anni un punto di riferimento per chi lavora con Python nel campo dei dati e del machine learning. La sua distribuzione raccoglie, cura e mette in sicurezza le librerie open source su cui poggiano moltissimi progetti di AI, dalle aule universitarie ai reparti di ricerca delle grandi banche. Enkrypt AI, dal canto suo, è il livello di sicurezza e monitoraggio che diverse aziende già utilizzano per tenere sotto controllo l’intero stack dei loro agenti, dai modelli agli strumenti che questi richiamano.

I termini economici dell’accordo non sono stati resi pubblici. A firmare l’annuncio sono David DeSanto, amministratore delegato di Anaconda, e Sahil Agarwal, cofondatore e amministratore delegato di Enkrypt AI, un segno che la startup entra a pieno titolo nella struttura del gruppo e non resta un semplice fornitore esterno.

Il tempismo non è casuale. L’adozione dell’AI in azienda è esplosa, e con essa il volume di elaborazioni: si parla ormai di quasi mille miliardi di token al mese consumati dalle imprese più avanzate. Più gli agenti diventano autonomi, più si allarga la distanza tra ciò che i responsabili tecnologici vogliono liberare in termini di produttività e ciò che i responsabili della sicurezza possono ragionevolmente autorizzare.

È in questo spazio, tra la fretta di innovare e il dovere di proteggere, che si inserisce l’acquisizione.

Chi è Enkrypt AI e cosa sa fare

Enkrypt AI nasce per rispondere a una domanda che oggi si pongono tutti i consigli di amministrazione: possiamo fidarci di quello che i nostri agenti stanno effettivamente facendo? La sua piattaforma copre l’intero ciclo di vita della sicurezza applicata all’AI, e lo fa su più fronti contemporaneamente, invece di concentrarsi su un singolo anello della catena.

Il primo fronte è il cosiddetto red teaming, cioè la simulazione di attacchi condotta prima del rilascio. Enkrypt mette alla prova modelli e agenti su oltre trecento categorie di attacco, così che i punti deboli emergano nei test e non davanti agli utenti. Il secondo sono i guardrail attivi durante l’esecuzione, capaci di bloccare in tempo reale i tentativi di aggiramento e la fuga di dati sensibili, e installabili direttamente nell’ambiente del cliente senza obbligare a far transitare tutto da un cloud esterno. Il terzo è l’automazione della conformità, che traduce standard complessi in controlli concreti e applicabili.

Un dato aiuta a inquadrare la posta in gioco. Nei due mesi precedenti l’annuncio il team di Enkrypt ha analizzato oltre 268.000 strumenti distribuiti su circa 25.000 server MCP, il protocollo ormai diffuso per collegare gli agenti alle applicazioni, trovando più di 143.000 vulnerabilità che riguardavano il 73% di quei server.

Numeri così ricordano che il rischio non è un’ipotesi lontana, ma qualcosa che è già dentro i flussi di lavoro di molte aziende.

Il vero problema: gli agenti autonomi come nuova superficie d’attacco

La ragione per cui questa acquisizione conta va oltre il singolo prodotto. Con l’AI generativa il perimetro da difendere cambia natura. Ogni modello su cui gira un agente, ogni strumento che quell’agente richiama e ogni server che tocca introduce un possibile punto di ingresso per un attacco.

Il problema è che non si tratta di rischi che si risolvono con una semplice patch. Non esiste una correzione rapida per un’esposizione che nessuno aveva compreso fino in fondo. Un’immagine o un documento manipolati possono dirottare gli strumenti di un agente senza che nessuno se ne accorga. Un input vocale contraffatto può far scattare un’approvazione mai realmente concessa. Una singola istruzione malevola, se non esaminata, può trasformarsi in un bonifico partito per errore o in una decisione di cui poi nessuno riesce a rendere conto in fase di verifica.

È lo stesso terreno su cui si stanno muovendo altri protagonisti del settore. Da poco un gruppo di grandi nomi guidato da NVIDIA ha dato vita a un’alleanza dedicata proprio alla sicurezza degli agenti AI, a conferma che il tema è salito in cima alle priorità dell’industria.

Non aiuta il fatto che nessun modello sia immune. I ricercatori di Enkrypt hanno condotto test di red teaming sui sistemi dei principali laboratori, da Anthropic a Mistral, da OpenAI a Gemini fino a DeepSeek, individuando categorie di attacco sfruttabili in ognuno di essi. Del resto la fragilità dei modelli di frontiera è emersa più volte, come mostrano i test in cui alcuni modelli hanno aggirato i controlli di sicurezza di aziende reali.

Red teaming e conformità: il ponte con l’AI Act europeo

C’è un aspetto che riguarda da vicino chi lavora in Europa. Enkrypt AI trasforma quadri normativi come il NIST AI Risk Management Framework statunitense e l’AI Act europeo in controlli automatici e verificabili, invece di lasciarli come esercizi manuali da rincorrere a ogni ispezione.

Il richiamo all’AI Act non è teorico. Le nuove regole europee sono entrate in vigore in una tappa cruciale proprio il 2 agosto, con obblighi che toccano la trasparenza e i sistemi ad alto rischio. Per un’azienda che costruisce agenti, poter dimostrare la conformità con i dati alla mano diventa un vantaggio competitivo, oltre che un dovere. Se vuoi capire cosa cambia concretamente, abbiamo dedicato un approfondimento agli obblighi di trasparenza dell’AI Act scattati in quella data.

La promessa di Enkrypt, ora integrata in Anaconda, è rendere noto ciò che era ignoto: dare ai team gli strumenti per ottenere il via libera di responsabili della sicurezza, ufficio legale e vertici aziendali prima di scalare i sistemi agentici, e non dopo il primo incidente.

La strategia di Anaconda: un pezzo alla volta

Questa acquisizione non arriva isolata. È l’ultimo tassello di una strategia di crescita costruita per comporre una piattaforma che copra l’intero ciclo di vita dello sviluppo AI. Prima è arrivata Outerbounds, per l’orchestrazione dei carichi di lavoro. Poi, a luglio, Kilo Code, l’ambiente in cui sviluppatori e agenti lavorano fianco a fianco. Ora Enkrypt AI aggiunge il livello di sicurezza e governance che attraversa tutto il resto.

Il risultato che Anaconda rivendica è una piattaforma unica in cui le aziende possono scoprire, costruire, distribuire, osservare e mettere in sicurezza l’AI su larga scala. In pratica, ogni agente costruito sopra quella base eredita in automatico un livello di sicurezza e controllo, senza doverlo aggiungere a mano progetto per progetto.

C’è poi un filo che lega tutta la strategia: i modelli a pesi aperti. Sempre più imprese scelgono gli open weights perché offrono maggiore controllo su dati, decisioni e comportamenti dei modelli, ma proprio questa libertà può introdurre problemi di sicurezza inattesi. Non a caso Anaconda si è schierata apertamente a favore di questo approccio, come racconta il dibattito sulla lettera a sostegno dei modelli open weight firmata da diversi attori del settore.

Cosa cambia per chi costruisce con l’AI

Il messaggio che arriva da questa mossa è che velocità e sicurezza non devono più essere un’alternativa secca. Per anni le aziende hanno vissuto il dilemma tra correre e sperare, oppure rallentare e governare. L’idea alla base dell’acquisizione è che si possano fare entrambe le cose, definendo le proprie regole invece di ereditare quelle imposte da altri.

Per chi sviluppa, il vantaggio è poter procedere spediti senza portarsi dietro punti ciechi, con controlli che funzionano dentro il proprio ambiente e non solo su un cloud pubblico. Per chi si occupa di sicurezza e conformità, i requisiti diventano controlli applicati e automatici, invece di verifiche manuali sempre in ritardo rispetto agli sviluppatori.

Resta un punto di realismo. Nessuna piattaforma azzera il rischio, e la corsa tra chi attacca e chi difende non si ferma mai del tutto. Ma l’assorbimento di una realtà come Enkrypt dentro uno strumento usato da milioni di sviluppatori dice qualcosa di più ampio sulla direzione del mercato: la fiducia non è più un accessorio da aggiungere alla fine, ma una caratteristica da costruire fin dal primo prompt.

Se lavori con agenti e modelli, è il momento di chiederti chi verifica davvero cosa stanno facendo i tuoi sistemi. Puoi approfondire i dettagli dell’operazione nell’annuncio ufficiale di Anaconda e valutare quali controlli di sicurezza mancano oggi nel tuo flusso di lavoro AI, prima che sia un incidente a segnalarteli.