La sicurezza del codice generato dall'IA si è bloccata al 56%

      L'IA può ora scrivere codice compilabile quasi ogni volta che ci prova. Tuttavia, presenta ancora una falla di sicurezza in quasi metà di esso, e questo non è cambiato in un anno.

      Questa è la scoperta principale del Rapporto sulla Sicurezza del Codice GenAI 2026 di Veracode, che ha testato più di 100 modelli in quattro momenti diversi. Il tasso medio di superamento della sicurezza si attesta al 56%, quasi esattamente dove era iniziato, al 55%.

      Leggi quel numero rispetto all'altro nel rapporto. L'IA ora scrive circa metà di tutto il codice impegnato. Il tasso di fallimento è rimasto costante mentre il volume sottostante è esploso.

      La sintassi è risolta. La sicurezza no.

      Il divario è netto. Senza alcuna sollecitazione specifica sulla sicurezza, i modelli producono codice che si compila circa il 100% delle volte. In termini di sicurezza, falliscono quasi il 44% delle volte, introducendo una vulnerabilità dall'OWASP Top 10.

      Il 💜 della tecnologia dell'UE Gli ultimi rumori dalla scena tecnologica dell'UE, una storia dal nostro saggio fondatore Boris e alcune opere d'arte AI discutibili. È gratuito, ogni settimana, nella tua casella di posta. Iscriviti ora! “I modelli possono essere quasi sintatticamente perfetti, ma stanno ancora fallendo in quasi metà di tutti i compiti in cui è necessaria la sicurezza,” ha detto Chris Wysopal, co-fondatore e chief security evangelist di Veracode. “Quel numero dovrebbe essere un campanello d'allarme per qualsiasi organizzazione.”

      Una caveat è importante qui. I test sono stati eseguiti su modelli grezzi, senza agenti, barriere di protezione o revisione umana nel processo. In una pipeline reale, questi aggiungono un ulteriore strato di difesa. Quindi il 56% è il tasso al quale i modelli generano difetti, non il tasso al quale raggiungono la produzione.

      Tre assunzioni che i dati smontano

      Il rapporto smonta alcune convinzioni confortanti.

      I modelli costruiti specificamente per la codifica non sono più sicuri. Hanno registrato una media del 51%, leggermente indietro rispetto al 52% dei modelli di uso generale. Scegliere uno strumento ottimizzato per la codifica per ridurre il rischio non porta a nulla.

      Nemmeno la dimensione aiuta. I modelli grandi hanno ottenuto il 53%, mentre quelli medi e piccoli entrambi il 51%. Aumentare le dimensioni non chiude il divario.

      Solo un fattore ha fatto la differenza. I modelli di ragionamento hanno registrato una media del 56% contro il 51% per il resto. I passaggi di ragionamento extra sembrano funzionare come una revisione interna del codice prima che la risposta venga fornita.

      La classifica, e il suo colpo di scena

      Il GPT-5.5 di OpenAI guida questo round con il 68%. Sei dei 11 modelli testati si raggruppano tra il 50% e il 53%, con il Qwen3.7-max di Alibaba ultimo al 50%, presentando una vulnerabilità ogni due output.

      Anche il leader non è rassicurante. Con il 68%, il GPT-5.5 fallisce ancora quasi un compito di sicurezza su tre. E si tratta di un passo indietro, perché il leader dell'anno scorso ha ottenuto il 72%. La parte superiore del campo è scesa.

      La classifica si è anche globalizzata. Il Kimi-K2.6 di Moonshot e il MiMo-V2.5 di Xiaomi ora superano diversi modelli occidentali. La provenienza diventa un ulteriore elemento che i team di approvvigionamento devono considerare.

      Dove si trovano realmente le falle

      Le medie nascondono forti divisioni. Per lingua, Python ha superato il 63% delle volte e Java solo il 30%. Java è di gran lunga il più rischioso, anche se è l'unico linguaggio su un chiaro percorso ascendente.

      Per tipo di vulnerabilità, la diffusione è ancora più ampia. I modelli hanno gestito l'iniezione SQL e la crittografia debole in modo ragionevole, rispettivamente all'83% e all'87%. Sull'iniezione di script cross-site e sull'iniezione di log sono crollati, rispettivamente al 15% e al 12%. Questi non sono casi marginali, e i modelli li registrano a malapena.

      Il problema del volume

      Niente di tutto ciò avrebbe molta importanza se l'IA scrivesse solo una piccola parte del codice. Non lo fa più.

      Il tasso di fallimento sembrava sopportabile quando l'IA era un esperimento. Ora si estende a metà di tutto ciò che i team producono, a una velocità che nessun team di sicurezza può eguagliare a mano. Questo è il pavimento misurato sotto le aneddoti, dalle piattaforme di vibrazione che perdono progetti dal vivo agli attacchi degli agenti che si accumulano in tutto il settore. È anche, come ha sostenuto un fondatore della sicurezza, il modo in cui l'IA ha silenziosamente spostato l'intera superficie di attacco. Complica anche la promessa che l'IA si ripaga da sola, dato quanto l'IA aziendale non ha ancora lasciato il laboratorio.

      Veracode ha un interesse ovvio nell'allerta, poiché vende strumenti per scansionare e risolvere esattamente questo. Il rapporto è arrivato una settimana prima della conferenza Black Hat. I dati sottostanti, però, sono un benchmark comparabile eseguito nello stesso modo per un anno, e non è lusinghiero per nessuno.

      Wysopal, da parte sua, non sta sostenendo di rinchiudere i modelli.

      “La risposta giusta non è limitare l'accesso; è la sicurezza trasparente e basata su prove,” ha detto, avendo in precedenza difeso il mantenimento di modelli potenti come Claude Fable e Mythos nelle mani degli sviluppatori. “Scansiona, risolvi e non spedire mai alla cieca.”

      La sua ultima frase è quella da tenere a mente. Fino a quando i modelli non ragioneranno sulla sicurezza come ragionano sulla sintassi, le barriere nel flusso di lavoro sono il prodotto, non l'IA. Quel divario è rimasto per un anno, e questo è il vero costo dell'IA aziendale che i grafici delle capacità non mostrano.