{"id":7222,"date":"2026-06-02T11:47:00","date_gmt":"2026-06-02T09:47:00","guid":{"rendered":"https:\/\/rafaelpatron.com\/blog\/?p=7222"},"modified":"2026-05-14T16:38:50","modified_gmt":"2026-05-14T14:38:50","slug":"dpia-sistemi-ai-template-aziende","status":"publish","type":"post","link":"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/","title":{"rendered":"DPIA per sistemi AI: il template operativo per le aziende italiane"},"content":{"rendered":"<p>Il Garante per la Protezione dei Dati Personali ha pubblicato ad aprile 2026 una nota tecnica che chiarisce un punto operativo che molti consulenti privacy italiani stavano ignorando: una DPIA generica scritta secondo le linee guida WP248 del 2017 non basta per i sistemi AI ad alto rischio. Servono sezioni aggiuntive, una metodologia di valutazione del rischio specifica, e l&#8217;integrazione con la Fundamental Rights Impact Assessment dell&#8217;articolo 27 dell&#8217;AI Act.<\/p>\n<p>Tradotto: chi pensava di riusare il vecchio template DPIA va in difficolt\u00e0.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_88 counter-flat ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Indice dei contenuti<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/#le-tre-differenze-sostanziali-tra-dpia-generica-e-dpia-ai\" >Le tre differenze sostanziali tra DPIA generica e DPIA AI<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/#le-sezioni-obbligatorie-del-nuovo-template\" >Le sezioni obbligatorie del nuovo template<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/#il-problema-dei-dati-di-training-cosa-scrivere-quando-non-li-conosci\" >Il problema dei dati di training: cosa scrivere quando non li conosci<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/#caso-reale-la-dpia-per-un-sistema-di-pricing-dinamico\" >Caso reale: la DPIA per un sistema di pricing dinamico<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/#lintegrazione-dpia-fria-cosa-cambia-in-pratica\" >L&#8217;integrazione DPIA + FRIA: cosa cambia in pratica<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/#errori-ricorrenti-che-fanno-bocciare-il-documento\" >Errori ricorrenti che fanno bocciare il documento<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/rafaelpatron.com\/blog\/ai\/dpia-sistemi-ai-template-aziende\/#la-dpia-e-viva-non-statica\" >La DPIA \u00e8 viva, non statica<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"le-tre-differenze-sostanziali-tra-dpia-generica-e-dpia-ai\"><\/span>Le tre differenze sostanziali tra DPIA generica e DPIA AI<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L&#8217;inquadramento normativo complessivo \u00e8 coperto nella <a href=\"https:\/\/rafaelpatron.com\/blog\/ai\/ai-act-marketing-digitale\/\">guida AI Act per il marketing digitale<\/a>. Una DPIA classica articolo 35 GDPR descrive il trattamento, valuta necessit\u00e0 e proporzionalit\u00e0, identifica rischi per gli interessati, individua misure di mitigazione. Tutto perfetto per un sistema deterministico. Diventa insufficiente quando il sistema \u00e8 un modello AI che apprende, evolve e produce output non perfettamente prevedibili.<\/p>\n<p>Prima differenza: la descrizione del trattamento deve includere la pipeline AI completa. Quale modello base si usa, quali dati per il fine-tuning, quali per il retrieval-augmented generation, quali criteri di filtro a valle. Non basta scrivere &#8220;uso ChatGPT per analizzare i CV&#8221;. Serve dire che modello, con quali system prompt, con quali grounding documents, con quale temperatura, con quali fallback.<\/p>\n<p>Seconda differenza: la valutazione di accuracy e solidit\u00e0. Un sistema AI ha intervalli di confidenza, error rate, drift potenziale. La DPIA AI deve documentare le metriche misurate, su quale set di test, con quale frequenza di riverifica. Per il riconoscimento facciale in ambito sicurezza aziendale \u00e8 ovvio. Per un classificatore di reclami clienti \u00e8 meno ovvio ma ugualmente dovuto.<\/p>\n<p>Terza differenza: la supervisione umana. L&#8217;articolo 14 dell&#8217;AI Act richiede una human oversight consistente sui sistemi high-risk. La DPIA deve spiegare chi fa la supervisione, con quali strumenti, su quale percentuale di casi, con quale formazione documentata. Una clausola generica &#8220;il responsabile valida le decisioni&#8221; non regge a un&#8217;ispezione.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"le-sezioni-obbligatorie-del-nuovo-template\"><\/span>Le sezioni obbligatorie del nuovo template<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Per inquadrare le trasformazioni del lavoro professionale connesse, \u00e8 utile la <a href=\"https:\/\/rafaelpatron.com\/blog\/ai\/come-ia-sta-modificando-il-lavoro\/\">lettura su come l&#8217;IA sta modificando il lavoro<\/a>. La struttura che ha tenuto bene nelle aziende italiane che hanno gi\u00e0 subito controlli mira nove sezioni. Quattro classiche GDPR e cinque specifiche AI. Le quattro classiche sono: descrizione del contesto del trattamento, valutazione di necessit\u00e0 e proporzionalit\u00e0, identificazione e valutazione dei rischi privacy, misure tecniche e organizzative.<\/p>\n<p>Le cinque specifiche AI sono il cuore del documento. Descrizione tecnica del sistema AI (modello, training, deployment), valutazione di accuracy e solidit\u00e0 con metriche reali, analisi del bias e della rappresentativit\u00e0 dei dati, descrizione del meccanismo di supervisione umana, piano di monitoraggio post-deployment con KPI di drift.<\/p>\n<p>Quando ho lavorato con una BPO italiana che gestisce screening CV per clienti enterprise, il template \u00e8 arrivato a 47 pagine. Sembra tanto. \u00c8 la verit\u00e0 del sistema messa nero su bianco. Senza quel documento, l&#8217;azienda non avrebbe potuto rispondere alle domande del cliente sulla compliance.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"il-problema-dei-dati-di-training-cosa-scrivere-quando-non-li-conosci\"><\/span>Il problema dei dati di training: cosa scrivere quando non li conosci<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Una PMI italiana che usa GPT-5 via API non sa cosa c&#8217;\u00e8 nei dati di training. OpenAI pubblica un riassunto secondo l&#8217;articolo 53 dell&#8217;AI Act, ma \u00e8 alto livello. Cosa scrivere nella DPIA per documentare le basi giuridiche del training su dati personali quando il provider del modello \u00e8 terzo?<\/p>\n<p>La soluzione che il Garante sembra accettare \u00e8 una catena documentale. Il deployer italiano dichiara di non aver partecipato al training del modello base. Allega o cita la documentazione pubblica del provider sull&#8217;uso di dati personali per il training. Documenta le misure adottate per evitare che il proprio uso del modello porti a divulgazione di dati personali presenti nel training (filtri, system prompt, output validation).<\/p>\n<p>\u00c8 un compromesso pragmatico ma funziona. L&#8217;alternativa sarebbe non poter usare nessun GPAI commerciale in azienda, soluzione impraticabile. AIPIA sta lavorando su un template comune che le aziende italiane possono adottare per questa sezione, e che <a href=\"https:\/\/aipia.it\/\">l&#8217;associazione<\/a> render\u00e0 disponibile ai soci nei prossimi mesi.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"caso-reale-la-dpia-per-un-sistema-di-pricing-dinamico\"><\/span>Caso reale: la DPIA per un sistema di pricing dinamico<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Lo presento perch\u00e9 \u00e8 didattico. Cliente: e-commerce italiano nel settore beauty, 8 milioni di fatturato annuo, sistema di pricing dinamico basato su modello ML che prende in input lo storico ordini, il device, l&#8217;orario, la posizione approssimativa, il segmento marketing assegnato.<\/p>\n<p>La DPIA \u00e8 scattata perch\u00e9 c&#8217;\u00e8 profilazione su larga scala con effetti potenzialmente sensibili (prezzi diversi per persone diverse). Sezioni critiche del documento finale sono state tre. Prima: la base giuridica. Legittimo interesse non basta da solo, serve consenso esplicito per la profilazione che porta a prezzi personalizzati. \u00c8 stato modificato il banner cookie e il flusso di iscrizione.<\/p>\n<p>Seconda: il bias. Il modello \u00e8 stato testato su tre segmenti di et\u00e0 e quattro fasce geografiche italiane. Il differenziale di prezzo medio non doveva superare il 12% tra segmenti omogenei per caratteristiche di prodotto. Una soglia interna definita dal team, ma documentata.<\/p>\n<p>Terza: la trasparenza verso l&#8217;utente. Privacy policy aggiornata con descrizione comprensibile della logica di pricing, diritto di opporsi alla profilazione attivabile con un click, fallback a prezzo standard per chi si oppone. Senza la terza sezione la DPIA sarebbe stata respinta dall&#8217;auditor del cliente enterprise.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"lintegrazione-dpia-fria-cosa-cambia-in-pratica\"><\/span>L&#8217;integrazione DPIA + FRIA: cosa cambia in pratica<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La FRIA dell&#8217;articolo 27 AI Act si applica ai deployer pubblici e ad alcuni deployer privati che usano sistemi high-risk. Quando si applica entrambe, DPIA e FRIA possono essere integrate in un unico documento. Il Garante e l&#8217;AgID stanno coordinando linee guida congiunte.<\/p>\n<p>Il punto di sovrapposizione \u00e8 la valutazione dei rischi per gli individui. La DPIA li vede dal punto di vista della privacy e protezione dati. La FRIA li vede dal punto di vista dei diritti fondamentali in senso ampio: non discriminazione, dignit\u00e0, libert\u00e0 di espressione, diritto al lavoro. La parte specifica FRIA aggiunge tipicamente tre sezioni: identificazione delle categorie di persone potenzialmente impattate, analisi degli effetti sui diritti fondamentali, meccanismi di rimedio (incluso il diritto di reclamo).<\/p>\n<p>Per una PMI italiana che deve fare entrambe, il consiglio operativo \u00e8 scrivere prima la DPIA secondo template GDPR, poi aggiungere quattro sezioni FRIA. Costa meno tempo dell&#8217;approccio inverso.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"errori-ricorrenti-che-fanno-bocciare-il-documento\"><\/span>Errori ricorrenti che fanno bocciare il documento<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Cinque cose che vedo nei documenti rifatti tre volte. La descrizione del sistema \u00e8 troppo astratta, non si capisce esattamente cosa fa il modello su quali input. La valutazione di accuracy \u00e8 copincollata, &#8220;il modello ha buona accuratezza&#8221; non \u00e8 una metrica. Il bias non \u00e8 mai stato testato, solo ipotizzato. La supervisione umana \u00e8 descritta come &#8220;il manager controlla periodicamente&#8221;, senza definire periodicit\u00e0 e modalit\u00e0. Il piano di monitoraggio post-deployment manca completamente.<\/p>\n<p>Una DPIA AI fatta bene \u00e8 un documento operativo che la stessa azienda usa per migliorare il sistema. Una DPIA fatta male \u00e8 un PDF che nessuno rilegge fino al giorno dell&#8217;ispezione. La differenza si vede nel costo lungo periodo, non in quello iniziale.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"la-dpia-e-viva-non-statica\"><\/span>La DPIA \u00e8 viva, non statica<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Il punto che chiude il cerchio \u00e8 questo. Una DPIA AI scritta a marzo 2026 sul modello GPT-4o e poi non aggiornata quando ad agosto si passa a GPT-5 vale poco. L&#8217;aggiornamento \u00e8 obbligatorio quando cambia il modello sottostante, quando cambiano i dati di training fine-tuning, quando si aggiungono use case, quando si modifica la pipeline tecnica in modo sostanziale.<\/p>\n<p>La maturit\u00e0 di un&#8217;organizzazione si misura dal numero di revisioni del documento, non dalla sua lunghezza. Le aziende italiane pi\u00f9 avanti sulla compliance AI tengono un changelog della DPIA come quello del codice. Sembra esagerato. \u00c8 invece il livello che il mercato europeo si aspetter\u00e0 dal 2027 in poi.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Le sezioni obbligatorie di una DPIA per sistemi AI ad alto rischio, le differenze rispetto alla DPIA GDPR generica, un caso reale anonimizzato.<\/p>\n","protected":false},"author":10,"featured_media":2953,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_wds_title":"DPIA per sistemi AI: il template operativo per le aziende italiane","_wds_metadesc":"Le sezioni obbligatorie di una DPIA per sistemi AI ad alto rischio, le differenze rispetto alla DPIA GDPR generica, un caso reale anonimizzato.","_wds_focus-keywords":"","_wds_canonical":"","wds_primary_category":0,"footnotes":"","_wds_robots-noindex":"0","_wds_robots-nofollow":"0","_wds_opengraph-title":"","_wds_opengraph-description":"","_wds_twitter-title":"","_wds_twitter-description":""},"categories":[168],"tags":[184,486,488,628,629,630],"class_list":["post-7222","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","tag-privacy","tag-ai-act","tag-compliance","tag-dpia","tag-gdpr","tag-valutazione-impatto"],"_links":{"self":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/posts\/7222"}],"collection":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/comments?post=7222"}],"version-history":[{"count":1,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/posts\/7222\/revisions"}],"predecessor-version":[{"id":7237,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/posts\/7222\/revisions\/7237"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/media\/2953"}],"wp:attachment":[{"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/media?parent=7222"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/categories?post=7222"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rafaelpatron.com\/blog\/wp-json\/wp\/v2\/tags?post=7222"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}