Le Linee Guida AgID per l’adozione dell’intelligenza artificiale nella Pubblica Amministrazione — dall’AI Act al modello organizzativo: governance, dati, protezione dei dati personali e sicurezza cibernetica
Abstract
L’Agenzia per l’Italia Digitale ha adottato, in versione definitiva, le Linee Guida per l’adozione di sistemi di Intelligenza Artificiale nella Pubblica Amministrazione, emanate ai sensi dell’articolo 71 del Codice dell’amministrazione digitale e in attuazione della previsione contenuta nel Piano triennale per l’informatica nella Pubblica Amministrazione 2024-2026. Il documento si rivolge ai soggetti di cui all’articolo 2, comma 2, del CAD e costruisce un modello di adozione che intreccia il Regolamento (UE) 2024/1689, la legge 132/2025, il Regolamento (UE) 2016/679, la disciplina nazionale di recepimento della direttiva NIS2 e il corpus di regole tecniche sul dato pubblico. La tesi che si intende sostenere è che il valore dell’atto non risieda nell’introduzione di obblighi nuovi — che non vi sono — bensì nella ricomposizione, in un unico schema procedurale vincolante per la PA, di adempimenti già esistenti ma finora dispersi; con la conseguenza, rilevante per il professionista, che il mancato rispetto delle Linee Guida diventa indice di difetto di accountability prima ancora che di non conformità all’AI Act.
Premessa
In premessa va detto che le Linee Guida in esame non nascono nel vuoto. Esse costituiscono l’attuazione di una previsione del Piano triennale per l’informatica nella Pubblica Amministrazione 2024-2026, adottato con decreto del Presidente del Consiglio dei ministri 12 gennaio 2024 e successivamente aggiornato, che contemplava l’emanazione di indirizzi dedicati all’adozione, allo sviluppo e al procurement di sistemi di intelligenza artificiale. Il documento qui analizzato copre il primo dei tre versanti — l’adozione — e richiama a più riprese i due documenti gemelli dedicati allo sviluppo e al procurement, che ne costituiscono il necessario complemento.
Trattasi di atto adottato secondo il procedimento dell’articolo 71 del decreto legislativo 7 marzo 2005, n. 82, e nel rispetto della Determinazione AgID n. 160 del 17 maggio 2018, recante il regolamento per l’adozione delle Linee Guida attuative del CAD. Il punto, per il giurista, è tutt’altro che formale: le Linee Guida emanate ai sensi dell’articolo 71 del CAD hanno natura di regole tecniche vincolanti per i soggetti destinatari, non di mera raccomandazione. Il documento, del resto, adotta espressamente la convenzione lessicale delle ISO/IEC Directives, Part 2, distinguendo fra enunciati con «DEVE» — che indicano “un requisito obbligatorio” — ed enunciati con «DOVREBBE» o «PUÒ», che lasciano margini di valutazione all’amministrazione. Appare chiaro allo scrivente che tale scelta redazionale non sia neutrale: essa consente di distinguere, all’interno di un testo di oltre centoquaranta pagine, ciò che è prescrittivo da ciò che è meramente orientativo, con evidenti ricadute in sede di controllo e di eventuale contenzioso.
Il perimetro dell’analisi che segue è circoscritto ai profili di interesse per il responsabile della protezione dei dati, per il giurista d’impresa che assiste fornitori della PA e per chi presidia la funzione di compliance: la struttura normativa di riferimento, il modello organizzativo, il riparto dei ruoli, il capitolo dedicato alla protezione dei dati personali, la governance del dato, gli obblighi informativi e il presidio di sicurezza cibernetica. Restano fuori, per quanto non di stretto interesse in questa sede, i profili più marcatamente tecnico-ingegneristici relativi all’architettura dei modelli.
Il quadro normativo di riferimento
La disciplina europea
Il fondamento sostanziale delle Linee Guida è il Regolamento (UE) 2024/1689, comunemente designato come AI Act. Il documento ne recepisce integralmente l’impianto definitorio e classificatorio, assumendo come propria la nozione di “sistema di IA” di cui all’articolo 3, punto 1), ossia “un sistema automatizzato progettato per funzionare con livelli di autonomia variabili e che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, deduce dall’input che riceve come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali”. La definizione, come noto, è stata allineata in sede di trilogo a quella elaborata in ambito OCSE; le Linee Guida lo segnalano espressamente, rinviando inoltre agli orientamenti della Commissione sulla definizione di sistema di IA.
In termini più pragmatici, la rilevanza di questa scelta è duplice. Da un lato, l’amministrazione non può limitarsi a una qualificazione intuitiva: deve verificare, con riferimento a ciascuna tecnologia già in uso o di prossima acquisizione, se essa ricada o meno nel perimetro del Regolamento. Dall’altro, la qualificazione è presupposto della classificazione del rischio e, dunque, dell’individuazione degli obblighi applicabili. Il documento recepisce la quadripartizione del rischio — pratiche vietate ai sensi dell’articolo 5, sistemi ad alto rischio ai sensi dell’articolo 6 e dell’Allegato III, sistemi a rischio limitato soggetti agli obblighi di trasparenza dell’articolo 50, sistemi a rischio minimo — e vi aggiunge il regime speciale dei modelli per finalità generali e dei modelli con rischio sistemico di cui al Capo V.
Accanto all’AI Act, le Linee Guida richiamano il Regolamento (UE) 2026/1744, che modifica il Regolamento (UE) 2024/1689 ai fini della semplificazione dell’attuazione delle regole armonizzate sull’intelligenza artificiale.
Il quadro europeo di riferimento è poi completato dal Regolamento (UE) 2016/679, dal Regolamento (UE) 2022/868 sulla governance dei dati, dal Regolamento (UE) 2023/2854 sull’accesso equo ai dati, dalla Direttiva (UE) 2019/1024 sull’apertura dei dati del settore pubblico, dal Regolamento (UE) 2024/2847 in materia di requisiti orizzontali di cibersicurezza dei prodotti con elementi digitali, dalla Direttiva (UE) 2022/2555 e dalla Direttiva (UE) 2022/2557, nonché — per i trattamenti di polizia e giustizia penale — dalla Direttiva (UE) 2016/680. Il richiamo al Regolamento (UE) n. 1025/2012 sulla normazione europea non è ornamentale: esso è il presupposto della presunzione di conformità di cui all’articolo 40 dell’AI Act, su cui si tornerà.
La disciplina nazionale
Sul versante interno, il riferimento principale è la legge 23 settembre 2025, n. 132, recante disposizioni e deleghe al Governo in materia di intelligenza artificiale, il cui articolo 2 richiama le definizioni unionali. Le Linee Guida vi fanno rinvio sia per l’ambito oggettivo di applicazione, sia — e il dato è significativo per il DPO — quale possibile fonte integrativa della base giuridica dei trattamenti effettuati mediante sistemi di IA. Il documento segnala altresì gli articoli 8 e 9 della medesima legge, dedicati rispettivamente alla ricerca e sperimentazione scientifica in ambito sanitario e al trattamento di dati personali.
A questa si affianca il decreto legislativo 7 ottobre 2026, n. 179, che adegua l’ordinamento nazionale all’AI Act in materia di poteri delle autorità nazionali e di utilizzo dell’IA nella formazione. Il profilo dei poteri delle autorità nazionali è, con tutta evidenza, quello che più interessa il professionista: la ripartizione delle competenze fra autorità di notifica, autorità di vigilanza del mercato e autorità di controllo in materia di protezione dei dati personali è, nell’esperienza applicativa di chi si occupa di compliance, il principale fattore di incertezza nella pianificazione dei presidi. Le Linee Guida non entrano nel merito di tale riparto, limitandosi al richiamo della fonte; si ritiene che la scelta sia comprensibile sul piano della tecnica redazionale, ma che lasci al destinatario un onere ricostruttivo non trascurabile.
Completano il quadro nazionale la legge 28 giugno 2024, n. 90, in materia di rafforzamento della cybersicurezza nazionale — segnatamente per la figura del Referente per la cybersicurezza di cui all’articolo 8, comma 2 —, il decreto legislativo 4 settembre 2024, n. 138, di recepimento della NIS2, il decreto legislativo 4 settembre 2024, n. 134, di recepimento della direttiva CER, il decreto legislativo 30 giugno 2003, n. 196, il decreto legislativo 18 maggio 2018, n. 51, il decreto legislativo 24 gennaio 2006, n. 36 in materia di riutilizzo dell’informazione del settore pubblico, il decreto legislativo 31 marzo 2023, n. 36 per il procurement, la legge 9 gennaio 2004, n. 4 e il decreto legislativo 27 maggio 2022, n. 82 in materia di accessibilità, nonché il decreto del Presidente della Repubblica 24 giugno 2022, n. 81 relativo al Piano integrato di attività e organizzazione.
Il raccordo con il CAD e con la programmazione
Il collegamento con il CAD opera su tre piani. Sul piano della fonte, come si è detto, le Linee Guida sono emanate ai sensi dell’articolo 71. Sul piano procedimentale, il documento richiama l’articolo 68 del CAD in tema di valutazione comparativa delle soluzioni e l’articolo 53 in materia di accessibilità dei siti e dei servizi. Sul piano organizzativo, il raccordo passa per l’articolo 17 e per la figura del Responsabile per la transizione digitale, cui viene affidato il coordinamento della strategia per l’IA.
L’ambito di applicazione e l’architettura del documento
Sul piano soggettivo, le Linee Guida si rivolgono ai soggetti di cui all’articolo 2, comma 2, del CAD: un perimetro ampio, che comprende le pubbliche amministrazioni, i gestori di pubblici servizi e le società a controllo pubblico per quanto di competenza. In termini più concreti, ciò significa che il modello organizzativo descritto non riguarda soltanto i ministeri e gli enti di grandi dimensioni, ma anche il comune di modeste dimensioni che intenda introdurre un assistente conversazionale nel proprio sportello digitale.
Sul piano oggettivo, il documento si applica a tutti i sistemi e modelli di IA come definiti dall’articolo 3 dell’AI Act e richiamati dall’articolo 2 della legge 132/2025. Non vi è dunque, nella struttura delle Linee Guida, una soglia di esenzione fondata sulla dimensione dell’ente o sul valore del contratto: la graduazione opera, semmai, attraverso la classificazione del rischio e attraverso la facoltà, espressamente riconosciuta, di accorpare le fasi del modello organizzativo nei progetti a rischio limitato o minimo.
Una scelta architetturale merita segnalazione. Il documento rinvia a “strumenti pratici di supporto” pubblicati sul sito istituzionale dell’Agenzia e soggetti ad aggiornamento periodico, fra cui lo strumento dedicato a termini e definizioni. Si tratta di una tecnica di normazione a geometria variabile, che consente di adeguare il corredo operativo senza riaprire il procedimento di adozione delle Linee Guida. Secondo il parere di chi scrive, la soluzione è funzionale alla velocità dell’evoluzione tecnologica, ma impone al destinatario un onere di monitoraggio continuo della fonte: nella prassi di audit, la verifica della versione degli strumenti effettivamente applicata al momento della decisione diventa essa stessa un elemento documentale da conservare.
Il modello organizzativo di adozione
Il cuore del documento è il modello organizzativo, costruito sul ciclo Plan-Do-Check-Act e su pratiche gestionali mutuate dallo standard ISO/IEC 42001:2023 relativo ai sistemi di gestione dell’intelligenza artificiale. Le Linee Guida sono esplicite nel chiarire la portata giuridica di tale richiamo: le norme tecniche non armonizzate, inclusa la ISO/IEC 42001, “possono concorrere a dimostrare l’adozione di adeguate misure organizzative, gestionali e di controllo, ma non conferiscono la presunzione di conformità ai requisiti dell’AI Act”. La precisazione è corretta e opportuna, perché nella prassi applicativa dei sistemi di gestione si assiste con una certa frequenza alla confusione fra certificazione volontaria e conformità regolamentare. Soltanto le norme armonizzate i cui riferimenti siano pubblicati nella Gazzetta ufficiale dell’Unione europea — elaborate dal comitato tecnico congiunto CEN/CENELEC JTC 21 a seguito della richiesta di normazione della Commissione — producono l’effetto di cui all’articolo 40 dell’AI Act.
Il ciclo si articola, in sintesi, nella definizione di una strategia per l’IA coerente con il contesto dell’ente e con il Piano integrato di attività e organizzazione; nell’analisi dei fattori interni ed esterni; nell’individuazione degli obiettivi e degli ambiti prioritari; nella selezione documentata dei casi d’uso; nella definizione delle procedure di governance; nella gestione del rischio; nella valutazione d’impatto; nella redazione di un piano operativo con responsabilità, tempi e risorse; nell’allocazione di competenze e nella comunicazione; nell’implementazione; nel monitoraggio mediante indicatori di prestazione; nel miglioramento continuo.
Due elementi meritano, in questa sede, attenzione particolare. Il primo è la previsione secondo cui l’analisi del contesto deve includere i requisiti normativi derivanti, fra gli altri, da AI Act, Data Governance Act, GDPR, NIS2, CAD e legge 132/2025, nonché le linee guida e le decisioni adottate dalle autorità competenti. Si tratta, in sostanza, della trasposizione nel dominio dell’IA del requisito di comprensione del contesto tipico dei sistemi di gestione: il punto è che qui il contesto normativo è in movimento, e il presidio non può che essere continuativo.
Il secondo è la clausola relativa alla riclassificazione. Le Linee Guida avvertono che l’integrazione, all’interno di un sistema, di un modello per finalità generali può determinare, a valle dell’analisi del rischio, una variazione della classificazione iniziale, con la conseguenza che un sistema originariamente ritenuto a rischio limitato può dover essere riqualificato come ad alto rischio, con applicazione integrale delle prescrizioni corrispondenti. In termini più pragmatici, l’amministrazione che integri un modello generativo di terza parte in un flusso procedimentale non può considerare la classificazione come un adempimento una tantum: essa va riesaminata a ogni modifica significativa del sistema o della finalità d’uso.
Ruoli e riparto delle responsabilità
Le Linee Guida affidano il coordinamento della strategia per l’IA, unitamente alla governance dei dati, al Responsabile per la transizione digitale e al suo ufficio, prevedendo il coinvolgimento del Responsabile della protezione dei dati e del Referente per la cybersicurezza designato ai sensi dell’articolo 8, comma 2, della legge 90/2024. È inoltre contemplata la facoltà, nei contesti a elevata intensità di utilizzo dell’IA, di istituire un Responsabile dell’Intelligenza Artificiale con proprio ufficio, operante secondo le direttive del RTD.
Il documento si preoccupa di salvaguardare la posizione del DPO, precisando che il RTD collabora con il RPD “nel rispetto dei compiti attribuiti a quest’ultimo dagli articoli 38 e 39 del GDPR”. La precisazione è necessaria e, a giudizio dello scrivente, ben calibrata: la costruzione di una filiera di governance dell’IA incardinata sul RTD avrebbe potuto, in assenza di tale clausola, ingenerare il rischio di una subordinazione funzionale del responsabile della protezione dei dati a una struttura tecnica, in contrasto con il requisito di indipendenza di cui all’articolo 38, paragrafo 3, del Regolamento. Resta tuttavia un profilo delicato nella previsione secondo cui la sorveglianza umana dei sistemi ad alto rischio è affidata al RTD e al suo ufficio “in stretta collaborazione” con il RPD: si ritiene che la collaborazione non possa tradursi in un coinvolgimento del DPO nell’esecuzione operativa della sorveglianza, pena l’insorgere di quel conflitto di interessi che l’articolo 38, paragrafo 6, del GDPR mira a prevenire.
Quanto alla catena del valore, le Linee Guida recepiscono le definizioni di fornitore e di deployer di cui all’articolo 3, punti 3) e 4), dell’AI Act — rispettivamente “una persona fisica o giuridica, un’autorità pubblica, un’agenzia o un altro organismo che sviluppa un sistema di IA (omissis) e immette tale sistema o modello sul mercato o mette in servizio il sistema di IA con il proprio nome o marchio, a titolo oneroso o gratuito” e “una persona fisica o giuridica, un’autorità pubblica, un’agenzia o un altro organismo che utilizza un sistema di IA sotto la propria autorità, tranne nel caso in cui il sistema di IA sia utilizzato nel corso di un’attività personale non professionale” — e richiamano il meccanismo di traslazione degli obblighi di cui all’articolo 25. Il deployer che apponga il proprio nome o marchio sul sistema, che vi apporti una modifica sostanziale o che ne modifichi la finalità prevista in modo tale da renderlo ad alto rischio assume gli obblighi del fornitore.
Appare chiaro allo scrivente che questo sia uno dei punti di maggiore esposizione per le amministrazioni. Il fine-tuning di un modello su dati proprietari, la costruzione di un sistema di retrieval su basi documentali interne, la personalizzazione spinta di un assistente conversazionale sono attività che, a seconda dell’intensità, possono collocarsi al confine fra uso e modifica sostanziale. Le Linee Guida non offrono un criterio operativo di distinzione; non si ha evidenza, del resto, che un criterio univoco sia desumibile dal testo del Regolamento. Si suggerisce pertanto di documentare in modo puntuale la natura degli interventi effettuati sul sistema, perché in sede di accertamento l’onere di dimostrare di essere rimasti nel perimetro del deployer graverà, di fatto, sull’amministrazione.
La conformità all’AI Act e il rapporto fra FRIA e DPIA
Il capitolo dedicato alla conformità impone alle amministrazioni una sequenza logica precisa: verificare se la tecnologia rientri nella definizione di sistema di IA; classificarne il livello di rischio secondo l’articolo 6 e l’Allegato III, tenendo conto delle deroghe di cui all’articolo 6, paragrafo 3; riconoscere il ruolo assunto ai sensi dell’AI Act e, parallelamente, quello di titolare o responsabile del trattamento ai sensi del GDPR.
Per i sistemi ad alto rischio il documento richiama gli obblighi del deployer di cui all’articolo 26, la valutazione d’impatto sui diritti fondamentali di cui all’articolo 27, la sorveglianza umana di cui all’articolo 14, la registrazione automatica degli eventi di cui all’articolo 12, la conservazione della documentazione tecnica di cui all’articolo 18, nonché — per la PA che agisca come fornitore — il sistema di gestione dei rischi, il sistema di monitoraggio successivo all’immissione sul mercato e gli obblighi documentali.
Il profilo di maggiore interesse per il DPO è il rapporto fra la FRIA e la valutazione d’impatto sulla protezione dei dati. Le Linee Guida chiariscono che la FRIA, nei casi previsti dall’articolo 27 dell’AI Act, è eventualmente preceduta dalla DPIA e che, ai sensi dell’articolo 27, paragrafo 4, ove uno degli obblighi previsti dalla norma sia già soddisfatto mediante la valutazione d’impatto sulla protezione dei dati, la FRIA integra quest’ultima. In sostanza: non si tratta di due documenti alternativi, né di un documento unico, bensì di due valutazioni con oggetti parzialmente sovrapposti, la seconda delle quali si innesta sulla prima.
Il documento aggiunge un elemento che va oltre il dettato regolamentare: raccomanda alle amministrazioni di definire un processo per valutare, anche in forma semplificata, le potenziali conseguenze sui diritti fondamentali derivanti dallo sviluppo, dall’utilizzo o dall’uso improprio anche dei sistemi a rischio minimo, ferma restando la valutazione d’impatto ai sensi dell’articolo 35 del GDPR e dell’articolo 27 della Direttiva (UE) 2016/680. Si ritiene che l’indicazione sia coerente con il principio di responsabilizzazione: la classificazione a rischio minimo ai sensi dell’AI Act non esclude che il trattamento sottostante presenti un rischio elevato ai sensi del Regolamento generale, e la sovrapposizione fra le due nozioni di rischio — rischio per i diritti fondamentali nella prospettiva del prodotto, rischio per i diritti e le libertà dell’interessato nella prospettiva del trattamento — è soltanto parziale.
Il capitolo sulla protezione dei dati personali
Il capitolo decimo delle Linee Guida costituisce, per il lettore professionale, la sezione di maggiore densità. Esso muove dall’articolo 2, paragrafo 7, dell’AI Act, che fa salva l’applicazione del diritto dell’Unione in materia di protezione dei dati personali, della vita privata e della riservatezza delle comunicazioni, nonché i compiti e i poteri delle autorità di controllo indipendenti.
Il documento declina quindi, uno per uno, i principi dell’articolo 5 del GDPR nel contesto dell’adozione di sistemi di IA. Si richiede all’amministrazione di individuare i presupposti di liceità e le garanzie di trasparenza; di esplicitare le finalità di interesse pubblico nell’alveo delle attribuzioni conferite dalla legge; di individuare una idonea base giuridica — eventualmente integrata dalla legge 132/2025 — tanto nella fase di sviluppo o acquisto quanto in quella, successiva e distinta, di utilizzo, anche con riferimento all’eventuale uso ulteriore dei dati ai sensi dell’articolo 6, paragrafo 4, del Regolamento; di valutare l’effettiva necessità di ricorrere a dati personali e, in caso contrario, di privilegiare dati anonimi o sintetici; di garantire esattezza, limitazione della conservazione, sicurezza adeguata al rischio, esercizio dei diritti, istruzione del personale, corretta configurazione dei rapporti di contitolarità e responsabilità ai sensi degli articoli 26 e 28, protezione dei dati fin dalla progettazione e per impostazione predefinita.
Particolarmente significativa è la previsione relativa alla DPIA: le Linee Guida ne impongono lo svolgimento prima del trattamento e, in seguito, periodicamente, anche per i sistemi non classificabili ad alto rischio e dunque non soggetti all’obbligo di FRIA, con consultazione preventiva del Garante ove residui un rischio elevato in assenza di misure di attenuazione. Il rinvio è agli orientamenti del Gruppo di lavoro ex articolo 29 in materia di valutazione d’impatto, fatti propri dal Comitato europeo per la protezione dei dati, e ai provvedimenti dell’Autorità nazionale.
Il documento richiama altresì i tre principi enucleati dal Garante per la protezione dei dati personali nel Decalogo per la realizzazione di servizi sanitari nazionali attraverso sistemi di Intelligenza Artificiale, estendendone la portata a tutti i compiti di rilevante interesse pubblico: “il principio di conoscibilità, in base al quale l’interessato ha il diritto di conoscere l’esistenza di processi decisionali basati su trattamenti automatizzati e, in tal caso, di ricevere informazioni significative sulla logica utilizzata, sì da poterla comprendere”; “il principio di non esclusività della decisione algoritmica, secondo cui deve comunque esistere nel processo decisionale un intervento umano capace di controllare, validare ovvero smentire la decisione automatica (c.d. human in the loop)”; e “il principio di non discriminazione algoritmica, secondo cui è opportuno che il titolare del trattamento utilizzi sistemi di IA affidabili che riducano le opacità, gli errori dovuti a cause tecnologiche e/o umane, verificandone periodicamente l’efficacia (omissis)”. L’estensione di principi elaborati in un provvedimento settoriale a tutta l’azione amministrativa è operazione interpretativa non scontata; le Linee Guida la motivano osservando che si tratta di principi necessari per una gestione corretta di algoritmi e sistemi di IA nell’esecuzione di compiti di rilevante interesse pubblico. Si ritiene che la soluzione sia condivisibile, anche perché i tre principi trovano autonomo fondamento nella giurisprudenza amministrativa in materia di algoritmi e nell’articolo 22 del GDPR.
Il capitolo richiama infine il parere del Comitato europeo per la protezione dei dati n. 28 del 17 dicembre 2024, quale strumento di indirizzo in merito alla natura dei modelli di IA rispetto alla nozione di dato personale, alle circostanze in cui un modello possa considerarsi anonimo, all’adeguatezza del legittimo interesse come base giuridica nello sviluppo e nell’implementazione dei modelli e all’impatto di un trattamento illecito a monte sulla liceità del trattamento a valle. Ne deriva, per l’amministrazione, l’onere di valutare se il modello possa dirsi anonimo, con riferimento alla probabilità di ottenere o ricostruire, anche attraverso il mero utilizzo del sistema, i dati personali impiegati per l’addestramento.
Vi è poi una indicazione destinata a incidere direttamente sulla contrattualistica: le Linee Guida prescrivono che, in caso di ricorso a responsabili del trattamento che utilizzino strumenti di IA, l’amministrazione espliciti — anche mediante l’atto di designazione ai sensi dell’articolo 28 del GDPR — il divieto di trattamento dei dati personali per addestrare o riaddestrare modelli da rendere disponibili a terzi. Secondo il parere di chi scrive, si tratta della prescrizione più immediatamente operativa dell’intero documento, e di quella che impone la revisione più urgente dei contratti in essere.
Dati, qualità e governance del patrimonio informativo
Il capitolo sui dati muove dal considerando 67 dell’AI Act, secondo cui “Per disporre di set di dati di addestramento, convalida e prova di elevata qualità è necessario attuare adeguate pratiche di governance e gestione dei dati”, e dall’articolo 10, paragrafo 3, del medesimo Regolamento, che richiede dataset pertinenti, sufficientemente rappresentativi e, nella misura del possibile, esenti da errori e completi rispetto alla finalità prevista.
Le Linee Guida compiono una scelta metodologica che merita apprezzamento: non costruiscono un processo di gestione dei dati separato e dedicato all’IA, bensì integrano le esigenze proprie dell’intelligenza artificiale nel processo di preparazione del dato già delineato dalle Linee Guida AgID in materia di apertura dei dati e riutilizzo dell’informazione del settore pubblico, adottate con determinazione del Direttore Generale n. 183/2023 ai sensi dell’articolo 12 del decreto legislativo 36/2006. In sostanza, la gestione dei dati per l’IA è qualificata come sottoinsieme della gestione complessiva del dato. Il processo risultante si articola nelle fasi di identificazione, analisi, preparazione, validazione, utilizzazione e monitoraggio, con innesti specifici mutuati dallo standard ISO/IEC 8183 relativo al ciclo di vita dei dati.
Sul piano della qualità, oltre alle quattro caratteristiche già richieste dalle Linee Guida Open Data — accuratezza, coerenza, completezza e attualità — e a quelle derivanti da obblighi normativi quali l’accessibilità ai sensi della legge 4/2004 e del decreto legislativo 82/2022, il documento impone di garantire rappresentatività, bilanciamento, tracciabilità, disponibilità e credibilità, con rinvio agli standard ISO/IEC 25012 e ISO/IEC 5259-2.
Merita segnalazione, per i profili contrattuali, l’indicazione secondo cui le clausole funzionali all’acquisizione di dataset prodotti da soggetti terzi, anche affidatari di attività in outsourcing, dovranno essere integrate con la previsione espressa della riutilizzabilità ai fini di addestramento, ancoraggio o comunque produzione di output di sistemi di IA. In termini più concreti: la licenza d’uso su un dataset acquisito per finalità documentali non copre, di per sé, l’impiego del medesimo dataset per l’addestramento di un modello, e la mancata previsione espressa espone l’amministrazione a un rischio di illecito contrattuale oltre che, ove vi siano dati personali, a un problema di compatibilità delle finalità.
Il documento raccomanda inoltre l’utilizzo di dataset istituzionali per l’addestramento, in quanto garantiscono l’affidabilità della fonte, e il rilascio dei dati aperti secondo licenze permissive che contemplino espressamente l’analisi computazionale. Quanto ai dati sintetici — richiamati nel considerando 111 e negli articoli 10, paragrafo 5, e 59 dell’AI Act — le Linee Guida ne segnalano l’utilità ma anche i punti di attenzione: l’effettiva protezione dei dati personali, la rappresentatività rispetto ai dati reali e l’appropriatezza delle proprietà statistiche. Si ritiene che l’avvertenza sia fondata: la generazione sintetica non costituisce, di per sé, tecnica di anonimizzazione, e la relativa valutazione va condotta caso per caso secondo i criteri consolidati in materia di rischio di reidentificazione.
Infine, per il caso di ricorso a sistemi di IA erogati mediante servizi cloud, le Linee Guida impongono di individuare chiaramente fornitori e subfornitori coinvolti nella catena di erogazione e di assicurare garanzie affinché i fornitori non utilizzino i dati trattati per finalità proprie o incompatibili, con rinvio alle Linee Guida procurement e, sul piano della classificazione dei dati e dei servizi, al Regolamento unico per le infrastrutture e i servizi cloud per la PA n. 21007 adottato da ACN il 27 giugno 2024.
Trasparenza, informativa e decisioni automatizzate
Il capitolo dedicato alla comunicazione articola gli obblighi di trasparenza su due livelli. Il primo è quello dell’articolo 50 dell’AI Act: informazione sull’interazione con un sistema di IA, marcatura dei contenuti sinteticamente generati, documentazione tecnica, istruzioni per l’uso e tracciabilità delle decisioni per i sistemi ad alto rischio. Il secondo è quello dell’informativa ai sensi degli articoli 12, 13 e 14 del GDPR, che le Linee Guida arricchiscono di contenuti ulteriori: descrizione del sistema e delle sue finalità, indicazione degli elementi architetturali, criteri di decisione e impatti sui soggetti interessati, modalità di funzionamento, spiegazione delle decisioni automatizzate con indicazione della logica utilizzata e dei criteri determinanti, diritto di opposizione e modalità per ottenere l’intervento umano.
Vi è un passaggio che, nella prospettiva del DPO, merita riflessione: le Linee Guida suggeriscono, ove ritenuto opportuno dall’amministrazione alla luce delle caratteristiche del trattamento, la messa a disposizione degli interessati di un estratto della valutazione d’impatto sulla protezione dei dati. La previsione non è obbligatoria e si colloca nel solco di una indicazione già nota agli orientamenti del Comitato europeo per la protezione dei dati; appare tuttavia significativa in un contesto, quello pubblico, nel quale la DPIA è documento soggetto potenzialmente ad accesso. Si suggerisce di predisporre ab origine la valutazione in forma tale da consentirne la pubblicazione parziale, isolando in allegati separati le informazioni la cui diffusione potrebbe pregiudicare la sicurezza dei sistemi.
Quanto alle decisioni automatizzate, le Linee Guida ribadiscono che l’amministrazione può adottarle, comprese quelle fondate su profilazione, che producano effetti giuridici o incidano in modo analogo significativamente sull’interessato, soltanto nei casi e alle condizioni previsti dall’articolo 22 del GDPR, con le misure a tutela dei diritti ivi previste. Il richiamo è completato dal rinvio agli orientamenti del Gruppo di lavoro ex articolo 29 sul processo decisionale automatizzato e sulla profilazione, adottati il 3 ottobre 2017 ed emendati il 6 febbraio 2018.
Il presidio di sicurezza cibernetica
Il capitolo undicesimo costruisce il presidio di sicurezza su tre pilastri: una tassonomia degli attacchi specifici dei sistemi di IA, mutuata dal framework del National Institute of Standards and Technology e articolata in evasion attacks, poisoning attacks, privacy attacks e abuse attacks; un processo di gestione del rischio costruito sulle funzioni GOVERN, MAP, MEASURE e MANAGE dell’AI Risk Management Framework; e un elenco di obiettivi di sicurezza mutuati dalle Guidelines for secure AI system development promosse dal National Cyber Security Centre britannico e sottoscritte, fra le altre, dall’Agenzia per la Cybersicurezza Nazionale.
Fra gli attacchi, meritano menzione in questa sede quelli che la tassonomia classifica come privacy attacks: la ricostruzione dei dati a partire da informazioni aggregate, l’inferenza di appartenenza volta a determinare se un particolare record sia stato incluso nel dataset di addestramento, l’estrazione del modello e l’inferenza di proprietà. Si tratta, per il giurista della protezione dei dati, di categorie non meramente tecniche: esse incidono direttamente sulla valutazione circa l’anonimato del modello richiamata dal parere EDPB n. 28/2024 e, quindi, sulla qualificazione stessa del trattamento. Le strategie di mitigazione indicate — privacy differenziale, limitazione del numero di interrogazioni, rilevamento delle interrogazioni sospette — costituiscono misure tecniche ai sensi dell’articolo 32 del GDPR, che impone di garantire “un livello di sicurezza adeguato al rischio”.
Gli obiettivi di sicurezza enunciati dalle Linee Guida comprendono l’adozione responsabile previa valutazione di sicurezza, l’identificazione e protezione degli asset, la protezione della catena di approvvigionamento, la protezione del modello e dei dati, il monitoraggio del comportamento del sistema e degli input, la predisposizione di un piano di risposta agli incidenti, la formazione del personale, la protezione dell’infrastruttura ICT con rinvio alle linee guida per il rafforzamento della resilienza emanate da ACN ai sensi dell’articolo 8 della legge 90/2024, e la gestione delle identità e degli accessi con autenticazione a più fattori.
Non si ha evidenza di un raccordo esplicito fra il piano di risposta agli incidenti richiesto per i sistemi di IA e gli obblighi di notifica previsti dal decreto legislativo 138/2024 per i soggetti rientranti nell’ambito NIS2, né fra tale piano e l’obbligo di notificazione delle violazioni dei dati personali di cui agli articoli 33 e 34 del GDPR. Si ritiene che il coordinamento sia comunque imposto dal sistema e che la sua costruzione competa all’amministrazione: la prassi suggerisce di adottare un’unica procedura di gestione degli incidenti con rami procedurali differenziati in funzione della qualificazione dell’evento, piuttosto che procedure parallele destinate a sovrapporsi nel momento della crisi.
Formazione e alfabetizzazione in materia di IA
Il capitolo ottavo dà attuazione all’articolo 4 dell’AI Act, che impone a fornitori e deployer di adottare misure volte a sostenere lo sviluppo dell’alfabetizzazione in materia di IA del personale e delle altre persone che si occupano del funzionamento e dell’utilizzo dei sistemi per loro conto, tenendo conto delle conoscenze tecniche, dell’esperienza, dell’istruzione e della formazione degli interessati, nonché del contesto di utilizzo.
Le Linee Guida ne traggono l’obbligo di definire misure formative differenziate e proporzionate, di mappare sistematicamente le figure professionali, di distinguere un livello di fabbisogno di base — comprensivo della cosiddetta AI literacy, qualificata come competenza digitale di base — da un livello avanzato o specialistico. Il riferimento metodologico è il quadro europeo delle competenze digitali DigComp nella versione 3.0 , coerentemente con l’articolo 4 dell’AI Act. Il documento individua inoltre, in via esemplificativa, l’evoluzione dei profili ICT esistenti e la possibile emersione di profili nuovi, fra cui lo specialista in protezione dei dati personali, il giurista informatico, il comunicatore pubblico, l’organizational designer, il change manager e l’AI ethicist, con rinvio alla serie UNI 11621 e al quadro europeo e-CF.
Di particolare rilievo è la prescrizione secondo cui le amministrazioni coinvolte in attività di sviluppo, acquisizione e gestione dell’IA devono favorire l’accesso di tutto il personale a percorsi formativi sui temi dell’IA e della protezione dei dati personali, anche al fine di rendere effettiva la sorveglianza umana, da parametrare in funzione del livello di rischio per i diritti fondamentali. Nell’esperienza applicativa, la sorveglianza umana priva di competenza è il principale fattore di inefficacia dei presidi: l’operatore che non comprende i limiti del sistema tende ad allinearsi all’output, realizzando quella deferenza all’automazione che l’articolo 14, paragrafo 4, lettera b), dell’AI Act intende espressamente prevenire.
Profili critici
Un primo profilo attiene al rapporto fra la natura vincolante delle Linee Guida e l’assenza di un apparato sanzionatorio proprio. Le Linee Guida ex articolo 71 del CAD vincolano i destinatari, ma la loro violazione non è di per sé assistita da sanzione. Secondo il parere di chi scrive, l’effetto giuridico rilevante è indiretto ma non per questo trascurabile: il mancato rispetto del modello documentale e procedurale ivi descritto rende obiettivamente più difficile per l’amministrazione dimostrare la conformità agli obblighi dell’AI Act e il rispetto del principio di responsabilizzazione di cui all’articolo 5, paragrafo 2, del GDPR. In sede di accertamento, la distanza dalle Linee Guida funziona come indizio di difetto organizzativo.
Un secondo profilo riguarda la sostenibilità del modello per le amministrazioni di piccole dimensioni. Il documento è consapevole del problema e vi risponde con due leve: la facoltà di accorpare le fasi per i progetti a rischio limitato o minimo e, soprattutto, la promozione dell’aggregazione fra enti, con amministrazioni sovraordinate chiamate ad assumere il ruolo di hub per infrastrutture, dati e strumenti contrattuali. Si ritiene che la risposta sia nella direzione corretta, ma che essa sposti il problema sul piano della titolarità del trattamento: la condivisione di infrastrutture e dataset fra più amministrazioni richiede una qualificazione rigorosa dei rapporti ai sensi degli articoli 26 e 28 del GDPR, che le Linee Guida richiamano come principio senza fornire schemi operativi. Il punto non è teorico: la contitolarità mal configurata è, nell’esperienza di audit, una delle non conformità più ricorrenti nei progetti interistituzionali.
Un terzo profilo concerne il catalogo dei riferimenti etici richiamati nel capitolo sulla governance etica. Il documento vi include fonti di natura, valore giuridico e ambito di applicazione eterogenei — dalla Convenzione quadro del Consiglio d’Europa sull’intelligenza artificiale alle raccomandazioni UNESCO e OCSE, fino a documenti di natura confessionale — precisando correttamente che essi hanno funzione integrativa e di supporto e non pregiudicano l’applicazione delle disposizioni vincolanti unionali e nazionali. La precisazione è necessaria. Nondimeno, si ritiene che l’ampiezza del catalogo possa ingenerare, nel destinatario meno attrezzato, una confusione fra piani normativi distinti; si suggerisce pertanto che, nella redazione dei codici etici interni, l’amministrazione espliciti con chiarezza quali enunciati siano riproduzione di obblighi di legge e quali costituiscano impegni volontari ulteriori.
Un quarto profilo riguarda la figura del Responsabile dell’Intelligenza Artificiale. L’istituzione è facoltativa e la collocazione è alle dipendenze funzionali del RTD. Non si ha evidenza, nel testo, di una disciplina dei requisiti di competenza, dell’eventuale incompatibilità con altri incarichi e dei rapporti con il DPO in caso di divergenza di valutazione. Si ritiene che tali aspetti meritino di essere definiti in sede di atto organizzativo interno, posto che una figura cui sia attribuita responsabilità di coordinamento sulla conformità all’AI Act e che, al tempo stesso, partecipi alle decisioni di adozione dei sistemi si troverebbe in una posizione strutturalmente analoga a quella che l’articolo 38, paragrafo 6, del GDPR vieta al responsabile della protezione dei dati.
Gli adempimenti operativi per i DPO e per le amministrazioni
Sul piano operativo, il primo adempimento da affrontare è la ricognizione: occorre censire tutte le tecnologie già in uso presso l’amministrazione e verificarne la riconducibilità alla definizione di sistema di IA dell’articolo 3, punto 1), dell’AI Act, nella consapevolezza che il perimetro è più ampio di quanto la percezione comune suggerisca e che funzionalità basate su modelli statistici possono essere già presenti all’interno di applicativi gestionali acquisiti anni addietro. Alla ricognizione deve seguire la classificazione di ciascun sistema secondo l’articolo 6 e l’Allegato III, con verifica delle deroghe di cui all’articolo 6, paragrafo 3, e con documentazione del ragionamento seguito, perché la classificazione è un atto valutativo e come tale deve poter essere ricostruito ex post.
Parallelamente va effettuata la qualificazione dei ruoli, che è duplice: ruolo ai sensi dell’AI Act, con particolare attenzione alle ipotesi di traslazione degli obblighi previste dall’articolo 25, e ruolo ai sensi del GDPR, con verifica della coerenza fra le due qualificazioni e della corretta configurazione dei rapporti con fornitori e subfornitori. Da tale qualificazione discende la revisione della contrattualistica, che deve farsi carico almeno di tre elementi: il divieto espresso, nell’atto di designazione a responsabile del trattamento, di utilizzare i dati per addestrare o riaddestrare modelli destinati a terzi; l’integrazione delle licenze sui dataset acquisiti con la previsione espressa della riutilizzabilità per finalità di addestramento, ancoraggio o produzione di output; la trasparenza sulla catena di subfornitura e sulle localizzazioni del trattamento, con particolare riguardo ai trasferimenti verso Paesi terzi disciplinati dal Capo V del GDPR.
Sul fronte valutativo, occorre impostare la sequenza DPIA-FRIA in modo coordinato: la valutazione d’impatto sulla protezione dei dati va condotta ai sensi dell’articolo 35 del GDPR — o dell’articolo 27 della Direttiva (UE) 2016/680 per i trattamenti di polizia — prima dell’avvio del trattamento e riesaminata periodicamente; la valutazione d’impatto sui diritti fondamentali va condotta nei casi previsti dall’articolo 27 dell’AI Act, innestandola sulla prima ove ne ricorrano i presupposti e documentando espressamente quali obblighi si intendano soddisfatti attraverso la DPIA. Si suggerisce di predisporre la documentazione in forma modulare, così da poter isolare le parti ostensibili da quelle la cui diffusione pregiudicherebbe la sicurezza, e di prevedere fin dall’inizio il trigger della consultazione preventiva del Garante per i casi in cui il rischio residuo rimanga elevato.
Occorre poi costruire il sistema di gestione del rischio, adeguato alle caratteristiche e al contesto d’uso e conforme, nei casi disciplinati dall’AI Act, ai requisiti del Regolamento, avendo cura di distinguere il contributo probatorio delle norme tecniche non armonizzate dalla presunzione di conformità riservata alle sole norme armonizzate pubblicate in Gazzetta ufficiale dell’Unione. Al sistema di gestione del rischio va affiancato il presidio della sorveglianza umana, che richiede di individuare nominativamente gli addetti, di dotarli di competenze e autorità adeguate, di definire i casi in cui l’intervento umano è obbligatorio e di documentare gli esiti dell’intervento, perché la sorveglianza non documentata è, in sede di verifica, equivalente alla sorveglianza non prestata.
Sul piano documentale, l’amministrazione deve assicurare la conservazione della documentazione tecnica ai sensi dell’articolo 18 dell’AI Act e la registrazione automatica degli eventi ai sensi dell’articolo 12, applicando a tale documentazione le Linee Guida AgID sulla formazione, gestione e conservazione dei documenti informatici e coordinando i tempi di conservazione con quelli del procedimento amministrativo supportato dal sistema, nonché con i principi di limitazione della conservazione di cui all’articolo 5, paragrafo 1, lettera e), del GDPR.
Sul versante della comunicazione verso l’esterno, va predisposta l’informativa integrata, che combini i contenuti degli articoli 13 e 14 del GDPR con quelli richiesti dall’articolo 50 dell’AI Act e con gli elementi ulteriori indicati dalle Linee Guida, redatta in linguaggio semplice e accessibile e differenziata per ciascun sistema. Vanno inoltre definiti e pubblicizzati i canali per l’esercizio dei diritti, con specifica indicazione delle modalità per ottenere l’intervento umano, esprimere la propria opinione e contestare la decisione ai sensi dell’articolo 22, paragrafo 3, del GDPR, e vanno istituiti i meccanismi di reclamo richiamati dall’articolo 27 dell’AI Act come elemento della valutazione d’impatto sui diritti fondamentali.
Sul fronte della sicurezza, è necessario estendere il programma di gestione degli incidenti agli scenari specifici dei sistemi di IA, raccordandolo con gli obblighi di notifica derivanti dal decreto legislativo 138/2024 per i soggetti rientranti nel perimetro NIS2 e con gli articoli 33 e 34 del GDPR, nonché aggiornare la valutazione delle misure tecniche e organizzative ai sensi dell’articolo 32 del Regolamento includendo le contromisure specifiche contro attacchi di avvelenamento dei dati, di evasione e di inferenza. Va infine curata la protezione della catena di approvvigionamento, con verifica documentata della provenienza dei modelli pre-addestrati, delle librerie e delle interfacce di programmazione utilizzate.
In chiusura, va programmata l’attività formativa ai sensi dell’articolo 4 dell’AI Act, differenziata per livelli e documentata, con evidenza nella sezione dedicata alla pianificazione della formazione del Piano integrato di attività e organizzazione, e va assicurato il coinvolgimento tempestivo del DPO in ogni fase del ciclo di vita dei sistemi, nel rispetto degli articoli 38 e 39 del GDPR e avendo cura che tale coinvolgimento non sconfini in compiti operativi incompatibili con l’indipendenza della funzione.
Conclusioni
Le Linee Guida AgID sull’adozione dell’intelligenza artificiale nella Pubblica Amministrazione non introducono obblighi sostanziali nuovi rispetto al quadro regolatorio esistente: ne ricompongono il contenuto in uno schema procedurale unitario, agganciandolo agli strumenti di programmazione e alle figure organizzative già previste dall’ordinamento. Questa è, a giudizio dello scrivente, la loro utilità principale e, al contempo, il loro limite. L’utilità sta nell’aver reso esplicito un percorso che molte amministrazioni avrebbero dovuto ricostruire autonomamente a partire da fonti eterogenee; il limite sta nel fatto che un documento di indirizzo, per quanto accurato, non può colmare il divario di competenze e di risorse che separa le amministrazioni centrali dagli enti territoriali di minori dimensioni.
Restano aperte alcune questioni specifiche. La prima riguarda il criterio di distinzione fra personalizzazione del sistema e modifica sostanziale ai sensi dell’articolo 25 dell’AI Act: in assenza di un parametro operativo, la scelta fra il ruolo di deployer e quello di fornitore resta affidata a una valutazione caso per caso che le amministrazioni non sono, allo stato, attrezzate a compiere con sicurezza. La seconda riguarda l’impatto dell’intervento di semplificazione recato dal Regolamento (UE) 2026/1744 sull’architettura degli obblighi qui descritta: si ritiene che un aggiornamento degli strumenti operativi su questo punto sia necessario in tempi brevi. La terza riguarda il coordinamento fra la vigilanza sull’AI Act e quella sulla protezione dei dati personali: il decreto legislativo 179/2026 interviene sui poteri delle autorità nazionali, ma la prassi applicativa dovrà ancora chiarire come si articoleranno, in concreto, istruttorie che insistono sul medesimo sistema con parametri e finalità differenti.
Una quarta questione, infine, attiene alla posizione del responsabile della protezione dei dati in un assetto di governance incardinato sul Responsabile per la transizione digitale. Le Linee Guida fanno salvi gli articoli 38 e 39 del GDPR, e ciò è sufficiente sul piano formale; sul piano sostanziale, il mantenimento dell’indipendenza della funzione dipenderà dalla capacità delle singole amministrazioni di distinguere la consulenza e la sorveglianza dalla partecipazione alla decisione. Su questo terreno, più che su quello documentale, si misurerà l’effettività del modello.
Riferimenti normativi
- Carta dei diritti fondamentali dell’Unione europea (2012/C 326/02)
- Regolamento (UE) n. 1025/2012
- Regolamento (UE) 2016/679 (GDPR)
- Regolamento (UE) 2022/868 (Data Governance Act)
- Regolamento (UE) 2023/2854 (Data Act)
- Regolamento (UE) 2024/1689 (AI Act)
- Regolamento (UE) 2024/2847 (Cyber Resilience Act)
- Regolamento (UE) 2026/1744
- Direttiva (UE) 2016/680
- Direttiva (UE) 2019/1024
- Direttiva (UE) 2022/2555 (NIS2)
- Direttiva (UE) 2022/2557 (CER)
- legge 9 gennaio 2004, n. 4
- legge 28 giugno 2024, n. 90
- legge 23 settembre 2025, n. 132
- decreto legislativo 30 giugno 2003, n. 196
- decreto legislativo 7 marzo 2005, n. 82 (CAD)
- decreto legislativo 24 gennaio 2006, n. 36
- decreto legislativo 18 maggio 2018, n. 51
- decreto legislativo 27 maggio 2022, n. 82
- decreto legislativo 31 marzo 2023, n. 36
- decreto legislativo 4 settembre 2024, n. 134
- decreto legislativo 4 settembre 2024, n. 138
- decreto legislativo 7 ottobre 2026, n. 179
- decreto del Presidente della Repubblica 24 giugno 2022, n. 81
- decreto del Presidente del Consiglio dei ministri 12 gennaio 2024
- decreto del Presidente del Consiglio dei ministri 3 dicembre 2024
- decreto del Presidente del Consiglio dei ministri 4 settembre 2025
- Convenzione quadro del Consiglio d’Europa sull’intelligenza artificiale e i diritti umani, la democrazia e lo Stato di diritto
- Determinazione AgID n. 160 del 17 maggio 2018
- Determinazione del Direttore Generale AgID n. 183/2023
- Linee Guida per l’adozione di IA nella Pubblica Amministrazione, AgID, versione 1.0, 9 novembre 2026
- Regolamento unico per le infrastrutture e i servizi cloud per la PA n. 21007, ACN, 27 giugno 2024
- Parere del Comitato europeo per la protezione dei dati n. 28 del 17 dicembre 2024
- Linee guida del Gruppo di lavoro articolo 29 sul processo decisionale automatizzato relativo alle persone fisiche e sulla profilazione ai fini del regolamento 2016/679, adottate il 3 ottobre 2017 ed emendate il 6 febbraio 2018
- Linee guida del Gruppo di lavoro articolo 29 in materia di valutazione d’impatto sulla protezione dei dati, adottate il 4 aprile 2017 ed emendate il 4 ottobre 2017
- Decalogo per la realizzazione di servizi sanitari nazionali attraverso sistemi di Intelligenza Artificiale, Garante per la protezione dei dati personali











