«E i miei dati dove finiscono?» Tre risposte, con i costi

API, ambiente dedicato in Europa o modello locale. Più le date dell'AI Act che riguardano chi usa l'AI

Growthers4 minuti di lettura
Dati aziendali che restano nel perimetro o escono verso un modello AI

In una valutazione su un progetto di AI la prima domanda è sempre «funziona?». La seconda, puntuale, è «e i miei dati dove finiscono?».

È una domanda di progetto, perché la risposta cambia il costo, la qualità e il contratto. E dipende quasi interamente da dove gira il modello.

Le opzioni sono tre, e nello stesso progetto convivono.

Tre strade, e cosa cambia davvero

Modello via API (cloud del fornitore)Ambiente dedicato (in Europa, tuo o del fornitore)Modello locale (sui tuoi server)
Che cosa esce dall'aziendaLa richiesta e i dati necessari alla rispostaGli stessi dati verso il modello; applicazione, conversazioni e log restano nel perimetroNiente
QualitàLa più alta disponibile oggiLa stessa: sono gli stessi modelliPiù bassa a parità di spesa. Sufficiente per classificare, estrarre, instradare
CostoA consumo, si parte da zeroA consumo, più l'ambienteHardware da comprare, poi quasi nulla a chiamata
Quando convienePer cominciare, quasi sempreDati sensibili, log da conservare, requisiti scritti nel contrattoVolumi alti e costanti, dati che non possono uscire, compiti ripetitivi e definiti
Che cosa chiedereAccordo sul trattamento, nessuna conservazione delle richieste, regione europeaChi amministra, dove sono i backup, chi legge i logChi aggiorna i modelli e chi se ne accorge quando peggiorano

Il modello locale, all'inizio, non serve a spendere meno. Serve quando il dato non può uscire, oppure quando la stessa domanda arriva centomila volte al mese e il costo per chiamata diventa il costo del progetto. Comprare una macchina per gestire duecento richieste al giorno è una scelta che si paga in altro modo.

Nei progetti che abbiamo fatto le tre cose stanno insieme. Il modello grande interpreta e scrive, un modello piccolo classifica e instrada, le regole fanno il resto. La scelta dipende dal dato che tocchi e dal volume, e si rivede quando uno dei due cambia.

Prima di inviare, puoi togliere il nome

Prima che un dato arrivi a un modello si può ridurre quello che contiene, in tre modi, dal più semplice al più drastico. Costa poco e viene saltato spesso.

Minimizzare. Mandare solo i campi che servono alla risposta. È la misura più efficace e la meno costosa: un agente che verifica la compatibilità di un ricambio non ha bisogno di sapere chi è il cliente.

Pseudonimizzare. Sostituire nomi, email, partite IVA e IBAN con segnaposto prima della chiamata e rimetterli al ritorno. Il modello lavora su «CLIENTE_1», la persona legge il nome vero. Per il GDPR resta un dato personale, ma l'esposizione scende parecchio.

Anonimizzare. Togliere l'identificabilità in modo irreversibile. Funziona su storici e statistiche. Su una pratica che deve tornare al cliente giusto, quasi mai.

La sostituzione si fa nel tuo perimetro, prima della chiamata, e va provata su casi veri. I dati personali si nascondono nelle note, nei campi liberi e negli allegati, e chi costruisce il filtro guardando solo le colonne «nome» e «email» se ne accorge tardi.

Il rischio che si progetta: troppa autonomia

OWASP lo chiama excessive agency: agenti con troppi permessi, troppi strumenti, troppa libertà di azione. Le mitigazioni sono quattro righe da decidere a tavolino, per ogni progetto: quali dati legge il sistema, dove vengono trattati e conservati, quali azioni può compiere da solo, chi può accedere alle conversazioni e per quanto tempo.

I limiti devono essere applicati dal sistema. Scriverli nelle istruzioni del modello è utile, ma le istruzioni si aggirano con una frase. Un permesso non concesso, invece, non si aggira.

E una frase da non accettare in un contratto: «i dati non escono mai». Nessuno può firmarla in astratto. «Ecco che cosa esce, verso chi, e che cosa viene registrato» invece sì.

Le tre date dell'AI Act che riguardano chi usa l'AI

Quasi tutto quello che si legge sull'AI Act parla a chi i sistemi li costruisce. Per un'azienda che li usa le scadenze che contano sono tre.

Dal 2 febbraio 2025, alfabetizzazione (art. 4). Chi mette l'AI in mano alle persone deve assicurarsi che sappiano come funziona, dove sbaglia e che cosa non va scritto in un prompt. È proporzionata al ruolo, e non richiede corsi certificati obbligatori: è un punto che vale la pena sapere, visto quanta formazione viene venduta citando questo articolo.

Dal 2 agosto 2026, trasparenza (art. 50). Chi sta parlando con un sistema di AI deve saperlo, e i contenuti sintetici diffusi al pubblico vanno dichiarati. Nei nostri progetti è una riga di interfaccia decisa all'inizio.

Dal 2 dicembre 2027 e dal 2 agosto 2028, alto rischio. Selezione del personale, accesso al credito, servizi essenziali. Il pacchetto «omnibus digitale» del 2026 ha spostato in avanti le due scadenze.

Le sanzioni arrivano a 15 milioni di euro o al 3% del fatturato mondiale, ed è di solito il numero che fa rimandare il progetto. Più utile portarle al proprio consulente prima di firmare, mentre il processo si sceglie adesso.

Questo articolo non è un parere legale. Le date sono aggiornate a novembre 2026.

Perché conviene affrontarlo prima

Tra le imprese italiane che hanno valutato l'AI e non l'hanno adottata, il 45,2% indica la qualità o la disponibilità dei dati e il 43,2% la privacy (Istat, Imprese e ICT 2025, imprese con almeno dieci addetti). Sono ostacoli che si tolgono in fase di progettazione, a patto di affrontarli prima di scegliere il fornitore.

Per quella conversazione abbiamo raccolto sette domande da fare a chi ti propone un agente, dati compresi.

Copertina dell'AI Operations Playbook 2026

PDF · 39 pagine · gratuito

La tabella dei permessi, da compilare progetto per progetto

Nel playbook questa parte apre il documento, prima dei casi d'uso: dove gira il modello, come togliere il nome prima di inviare, le date dell'AI Act, la tabella dei permessi con un esempio compilato e le sette domande da fare a chi ti propone un agente.

Cosa trovi dentro

  • Nove situazioni: cosa fa il sistema, cosa resta alle persone
  • Tre progetti Growthers raccontati dall'interno
  • Dove gira il modello, quali dati escono, cosa chiede l'AI Act
  • Sette domande da fare a un fornitore, noi compresi

Se non hai un'azienda scrivi “privato”: ci serve solo per capire chi legge il report.

Gratis. Il PDF si apre subito qui e ti arriva anche via email.

Chi scrive

Growthers progetta agenti, workflow e automazioni per i processi aziendali, e usa gli stessi strumenti sul proprio lavoro. Se hai un passaggio manuale che vuoi togliere al tuo team, raccontacelo.

Copertina dell'AI Operations Playbook 2026

AI Operations Playbook39 pagine, gratuito