GDPR e AI aziendale: perché il perimetro di trattamento conta

GDPR e AI aziendale è un abbinamento che intercetta una preoccupazione precisa: l'impresa vuole usare intelligenza artificiale, ma non vuole aprire un fronte privacy ingestibile. Il punto non è bloccare l'innovazione. Il punto è evitare che l'AI diventi un canale non governato in cui finiscono dati personali, contratti, email, fatture, documenti HR e informazioni cliente.

Questo articolo guarda il tema dal lato dell'architettura: dove girano modello, prompt, documenti, indici e log. Il quadro generale su ruoli, basi giuridiche e DPIA è in GDPR e intelligenza artificiale; qui interessa capire perché il perimetro di trattamento cambia il lavoro da fare, non solo la tecnologia da comprare.

Il GDPR richiede che ogni trattamento di dati personali abbia una base giuridica, finalità definite, misure di sicurezza adeguate e trasparenza verso gli interessati. Quando un dipendente carica un documento in uno strumento AI esterno, l'azienda deve domandarsi se quel contenuto contiene dati personali, se il fornitore agisce come responsabile del trattamento, dove sono trattati i dati, se vengono conservati e quali impostazioni impediscono usi ulteriori non desiderati.

Le autorità europee stanno chiarendo progressivamente il rapporto tra AI e protezione dati. L'EDPB ha pubblicato l'Opinion 28/2024 sui modelli AI e la protezione dei dati personali. La CNIL ha indicato raccomandazioni operative per sviluppo e uso responsabile di sistemi AI. Il Garante Privacy italiano mantiene alta l'attenzione sulle conseguenze dell'uso dei dati personali nei modelli di intelligenza artificiale.

Per molte imprese, il rischio maggiore non è l'acquisto formale di una piattaforma AI enterprise. È l'uso parallelo e informale. Se l'azienda non offre strumenti autorizzati, i collaboratori scelgono servizi pubblici perché funzionano e sono immediati. Questo crea una zona grigia: i dati escono, ma l'organizzazione non ha tracciabilità, policy effettive o formazione.

Una soluzione on-premise o privata non sostituisce l'analisi privacy, ma può ridurre la complessità del flusso dati. Per un'azienda con dati sensibili, se la chat AI, l'OCR e la ricerca documentale lavorano dentro il perimetro aziendale, l'impresa può definire meglio cosa viene indicizzato, chi accede agli archivi, quali log vengono mantenuti e quali integrazioni sono ammesse. È più semplice ragionare su ruoli, responsabilità e misure tecniche quando l'infrastruttura non è interamente delegata a un servizio generalista esterno.

Un esempio: un ufficio amministrativo vuole automatizzare la lettura di fatture. Le fatture contengono dati personali, ragioni sociali, indirizzi, codici fiscali o riferimenti a persone fisiche. Con una soluzione non governata, ogni documento può finire in un servizio esterno diverso. Con un server AI aziendale, l'OCR può essere configurato per lavorare su cartelle interne e restituire dati strutturati senza moltiplicare i canali di uscita.

Altro esempio: un reparto HR vuole analizzare CV. Qui la cautela deve essere ancora maggiore, perché i dati sono personali e le decisioni possono impattare candidati e lavoratori. L'AI può aiutare a ordinare informazioni o estrarre competenze, ma servono regole, revisione umana, attenzione ai bias e valutazione del rischio. Anche in questo caso il controllo del perimetro aiuta, ma non elimina la necessità di governance.

Una buona strategia GDPR per l'AI aziendale dovrebbe includere quattro passaggi: censire gli usi attuali, classificare i dati, scegliere strumenti autorizzati e formare le persone. Senza formazione, anche una piattaforma sicura può essere usata male. Senza strumenti autorizzati, anche la policy più chiara resta sulla carta.

La classificazione dei dati è il passaggio più pratico. L'azienda può dividere gli archivi in categorie: materiale pubblico, documenti interni, dati personali ordinari, dati particolari o documenti altamente riservati. A ogni categoria si associano regole di utilizzo. Per esempio, un catalogo prodotti può essere interrogato con vincoli più leggeri di un fascicolo dipendente o di un contratto con clausole confidenziali.

La scelta dello strumento dovrebbe seguire questa classificazione. Non tutti i casi d'uso richiedono lo stesso livello di controllo. Un assistente per bozze marketing può essere diverso da un sistema che legge fatture o ticket cliente. L'errore comune è scegliere una sola soluzione per tutto senza valutare dati, finalità e rischio. Un ambiente privato può diventare il luogo naturale per i workflow più delicati, lasciando ad altri strumenti compiti meno sensibili.

Anche i log meritano attenzione. Registrare tutto può aiutare audit e supporto, ma può creare nuovi dati personali o informazioni riservate. Non registrare nulla può rendere difficile capire cosa è successo in caso di errore. La scelta deve essere proporzionata e coerente con il contesto. È un esempio perfetto di come GDPR e AI richiedano decisioni tecniche, non solo dichiarazioni.

Meno sub-responsabili, trasferimenti e telemetria

Quando la chat, l'OCR e la ricerca documentale girano su una workstation o un server dedicato dentro il perimetro, cambia il numero di soggetti coinvolti nel trattamento. Un servizio cloud generalista porta con sé provider, subfornitori, data center in più regioni e canali di telemetria: ognuno va inquadrato contrattualmente e verificato. Un ambiente locale non azzera questi aspetti, perché restano aggiornamenti, supporto remoto, assistenza e strumenti di monitoraggio, ma riduce i flussi verso l'esterno e rende più semplice sapere chi accede a cosa.

Il ragionamento vale anche per i trasferimenti di dati verso Paesi terzi. Se prompt, documenti e output restano in un sistema aziendale, non c'è un fornitore estero che li riceve per ogni richiesta; se invece il sistema dialoga con API esterne, allora quella valutazione torna necessaria. Per questo conviene distinguere con precisione i flussi: quali dati restano nel perimetro, quali escono per aggiornamenti o servizi accessori, quali log vengono conservati e per quanto. La scelta dell'architettura va poi documentata nel quadro generale della conformità GDPR per intelligenza artificiale.

Cosa resta da governare anche in locale

Un perimetro privato non elimina il GDPR. Restano la minimizzazione, le basi giuridiche, l'informativa, gli accessi, la retention, la sicurezza e la responsabilità. Anzi, cambia il lavoro: si sposta dal controllo del fornitore alla gestione interna di permessi, archivi, gruppi, backup e aggiornamenti. Se l'azienda non sa chi può interrogare una cartella o dove finiscono gli indici, il rischio non diminuisce solo perché il server è in casa.

Per chi usa anche servizi cloud, il confronto con i rischi del cloud americano è complementare: la residenza dei dati non è l'unica variabile da valutare, come spiega l'analisi su Cloud Act e aziende italiane. La domanda utile è dove conviene collocare ogni flusso, non quale architettura sia buona in assoluto.

Un altro elemento è la verifica degli output. Se l'AI riassume un contratto o estrae dati da una fattura, qualcuno deve sapere come controllare il risultato. La formazione dovrebbe quindi includere non solo l'uso della chat, ma anche criteri di revisione: confrontare con il documento originale, verificare numeri e date, non usare risposte come parere legale automatico, segnalare errori ricorrenti. La governance diventa efficace quando entra nel modo normale di lavorare.

Per questo la domanda da portare in consiglio o in direzione non è solo "quale AI compriamo?", ma "quale AI possiamo governare?". Una soluzione molto potente ma non integrata nei processi può creare più confusione che valore. Una soluzione più controllata, collegata agli archivi giusti e accompagnata da formazione può invece ridurre l'uso improvvisato e rendere l'AI accettabile anche per reparti prudenti.

Il vantaggio competitivo nasce quando sicurezza e produttività non vengono trattate come opposti. Se l'azienda offre uno strumento AI approvato, utile e vicino ai dati interni, i dipendenti hanno meno motivi per cercare scorciatoie esterne e più motivi per lavorare dentro regole condivise.

Chiedilo a Mirko porta questa logica nella pratica: una workstation AI dedicata installata nel perimetro, con chat, OCR, lettura documenti e agenti, riduce i canali verso strumenti pubblici non governati. L'assessment iniziale serve a verificare dati, processi e vincoli di compliance nel contesto specifico; formazione e assistenza aiutano a trasformare le regole in uso quotidiano. Il perimetro semplifica il controllo, ma non sostituisce le valutazioni GDPR che restano da fare.