Claude Enterprise, gli inference hooks bloccano i dati sensibili prima che arrivino al modello

Anthropic ha presentato il 5 agosto 2026 una funzione pensata per chi porta l’intelligenza artificiale dentro grandi organizzazioni: gli inference hooks, un sistema di prevenzione della perdita di dati che agisce in linea, cioè prima che qualsiasi prompt raggiunga il modello. L’idea è semplice da spiegare e potenzialmente decisiva per l’adozione aziendale: ogni richiesta inviata a Claude passa prima al vaglio di un server di sicurezza controllato dall’azienda, che risponde con un verdetto, consentire o bloccare. Solo a quel punto il modello procede.

La funzione arriva in beta per i clienti Claude Enterprise e copre più superfici contemporaneamente: la chat, Claude Code e Claude Cowork, oltre agli altri prodotti della suite. Se lavori nella sicurezza informatica o ti occupi di conformità, è il tipo di annuncio che cambia il modo in cui valuti l’introduzione di un assistente AI in azienda.

Cosa sono gli inference hooks e quale problema risolvono

Per capire perché questa novità pesa, conviene partire dal problema. Quando un’azienda distribuisce un assistente AI a migliaia di dipendenti, apre di fatto un nuovo canale attraverso cui possono transitare informazioni riservate: codice sorgente, dati dei clienti, documenti legali, segreti industriali. I team di sicurezza pretendono che ogni canale di questo tipo passi per un punto di ispezione che controllano direttamente. È lo stesso principio che applicano da anni alla posta elettronica, al traffico web e agli strumenti di collaborazione, ed è la ragione per cui molte organizzazioni finora hanno frenato l’uso ufficiale dell’AI generativa.

Il fenomeno ha persino un nome, shadow AI: dipendenti che, in assenza di strumenti approvati, incollano dati aziendali dentro chatbot pubblici sfuggendo a ogni controllo. Dare loro un assistente ufficiale ma sprovvisto di filtri rischia di spostare il problema, non di risolverlo.

Fino a ieri, con Claude, l’unica forma di controllo in linea nativo era limitata agli hook lato client di Claude Code, quindi al solo scenario degli sviluppatori. Tutto il resto restava scoperto.

Gli inference hooks colmano questa lacuna. Anziché richiedere un’integrazione diversa per ogni prodotto, offrono un unico livello di enforcement che si applica a tutte le superfici di Claude Enterprise. Una sola configurazione, attivata a livello di organizzazione, e il controllo vale ovunque un dipendente possa spostare dati sensibili, senza dover installare un agente diverso per ciascuna applicazione.

Come funziona il controllo prima dell’inferenza

Il meccanismo è più elegante di quanto sembri. Quando un’organizzazione attiva la funzione, ogni richiesta di inferenza viene instradata attraverso una connessione WebSocket firmata verso un server di sicurezza. Prima che il modello inizi a generare la risposta, Claude invia al server il prompt e il contesto che lo circonda. Il server restituisce un verdetto, consentire o negare, e Claude prosegue soltanto quando lo ha ricevuto. Come spiega Anthropic nell’annuncio ufficiale, il contenuto non approvato viene bloccato in tempo reale, prima ancora di arrivare al modello.

Lo stesso controllo si applica alle chiamate agli strumenti. Quando Claude invoca un tool, comprese le connessioni realizzate tramite il Model Context Protocol, le skill e i plugin, la risposta dello strumento viene ispezionata prima di tornare al modello.

Questo dettaglio è importante. Gli assistenti AI moderni non si limitano a rispondere: leggono file, interrogano database, chiamano API esterne. Controllare solo il prompt iniziale lascerebbe aperta una porta enorme, perché il dato sensibile potrebbe rientrare proprio attraverso la risposta di uno strumento. Verificare anche gli output chiude il cerchio.

Si integra con gli strumenti che la tua azienda usa già

Uno dei punti di forza della funzione è che non chiede di reinventare nulla. Gli inference hooks si basano su un protocollo aperto, di tipo webhook, con uno schema pubblicato. In pratica puoi puntare Claude allo stesso server verso cui i tuoi altri strumenti di sicurezza già inviano i dati.

Anthropic cita esplicitamente la compatibilità con piattaforme molto diffuse nel mondo enterprise, tra cui Netskope, Palo Alto Networks, Proofpoint e Zscaler, oltre alla possibilità di collegare un server per la sicurezza dell’AI sviluppato internamente. Chi ha già un programma di data loss prevention non deve ricostruirlo da zero: lo estende a Claude riutilizzando le regole e i flussi che il team conosce.

Per i fornitori di sicurezza c’è un incentivo evidente. Dato che il protocollo è documentato, possono costruire un’integrazione e proporsi ai clienti Claude Enterprise come punto di controllo. È il tipo di apertura che tende a creare un ecosistema attorno al prodotto, più che un semplice interruttore da accendere.

Shadow mode, esclusioni per ruolo e rollout graduale

Chiunque abbia gestito l’introduzione di un controllo di sicurezza in un’azienda grande sa che il rischio non è quasi mai tecnico, è organizzativo: un filtro troppo aggressivo blocca il lavoro legittimo e genera resistenza tra le persone. Anthropic sembra averlo previsto.

Gli inference hooks includono una modalità shadow, in cui il sistema osserva e registra ma consente sempre, utile per capire cosa verrebbe bloccato prima di attivare davvero i blocchi. Ci sono poi le esclusioni basate sui ruoli e i rollout percentuali, che permettono di partire da una piccola quota di utenti e allargare gradualmente man mano che cresce la fiducia nelle regole impostate. Puoi anche regolare la tolleranza in caso di errore del server, i timeout e altri parametri, per adattare il comportamento al livello di rischio che la tua organizzazione è disposta ad accettare.

È un approccio pragmatico. Riconosce che la sicurezza, in azienda, si conquista un passo alla volta.

I limiti da tenere presenti

La funzione non è una bacchetta magica, e vale la pena essere precisi sui suoi confini. I verdetti sono binari: il server può consentire o negare un prompt, ma non può riscriverlo né oscurarne una parte. Non esiste, per ora, una via di mezzo che rediga automaticamente il dato sensibile lasciando passare il resto del messaggio.

C’è poi un aspetto legato agli allegati. Arrivano al server come metadati e testo estratto, il che significa che un contenuto composto solo da immagini, senza testo riconoscibile, non viene ispezionato. Per chi tratta documenti scansionati, fotografie o schermate, è un dettaglio da non sottovalutare nella valutazione complessiva del rischio.

Conoscere questi limiti serve a non affidarsi ciecamente allo strumento e a progettare, dove serve, controlli complementari che coprano i casi che gli inference hooks da soli non intercettano.

Perché conta, soprattutto in Europa

Al di là dei dettagli tecnici, l’annuncio racconta una direzione. La corsa tra i grandi laboratori non si gioca più solo sulla potenza dei modelli, ma anche su governance, sicurezza e conformità, i tre fattori che decidono se un’azienda può davvero adottare l’AI su larga scala. Anthropic ha costruito buona parte della propria identità sul tema della sicurezza, e questa mossa è coerente con la sua strategia enterprise, la stessa che l’ha spinta a investire in infrastruttura e persino a progettare chip su misura per Claude.

Per chi lavora in Europa il tema è particolarmente sensibile. Il Regolamento generale sulla protezione dei dati impone controlli rigorosi su come le informazioni personali vengono trattate, e l’AI Act aggiunge un ulteriore strato di obblighi per chi impiega sistemi di intelligenza artificiale. Poter dimostrare che ogni prompt inviato a un assistente AI passa per un punto di ispezione aziendale, prima ancora di raggiungere il modello, è un argomento forte davanti a un ufficio legale o a un responsabile della protezione dei dati.

La concorrenza non sta a guardare. Anche gli altri protagonisti spingono con decisione verso il mondo del lavoro, come mostra la corsa agli agenti aziendali di Mistral con il suo assistente enterprise. La differenza la faranno sempre di più gli strumenti di controllo che circondano il modello, non soltanto il modello in sé. E Anthropic, che nel frattempo continua ad ampliare la propria capacità di calcolo con accordi come la partnership da 2 gigawatt con AMD, sembra intenzionata a presidiare proprio questo terreno.

Gli inference hooks non faranno notizia come il lancio di un nuovo modello, ma indicano dove si sposta la competizione: verso il livello, spesso invisibile, che rende l’AI utilizzabile in contesti regolati. Per un’azienda significa poter dire di sì all’adozione senza rinunciare al controllo.

Se ti occupi di sicurezza, conformità o innovazione nella tua organizzazione, è il momento di capire come questi controlli si incastrano con i tuoi processi. Continua a seguire i nostri aggiornamenti sull’intelligenza artificiale applicata al lavoro: è qui, più che nelle classifiche dei benchmark, che si decide quanto in fretta l’AI entrerà davvero nelle imprese.