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'azienda | La richiesta e i dati necessari alla risposta | Gli stessi dati verso il modello; applicazione, conversazioni e log restano nel perimetro | Niente |
| Qualità | La più alta disponibile oggi | La stessa: sono gli stessi modelli | Più bassa a parità di spesa. Sufficiente per classificare, estrarre, instradare |
| Costo | A consumo, si parte da zero | A consumo, più l'ambiente | Hardware da comprare, poi quasi nulla a chiamata |
| Quando conviene | Per cominciare, quasi sempre | Dati sensibili, log da conservare, requisiti scritti nel contratto | Volumi alti e costanti, dati che non possono uscire, compiti ripetitivi e definiti |
| Che cosa chiedere | Accordo sul trattamento, nessuna conservazione delle richieste, regione europea | Chi amministra, dove sono i backup, chi legge i log | Chi 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.


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
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.
