Intelligenza artificiale nella pubblica amministrazione il problema viene prima del modello

Un parere del Garante sulla Provincia autonoma di Trento mostra che addestrare sistemi sugli archivi pubblici richiede regole capaci di seguire i dati anche dopo l’addestramento

 

In breve

Una pubblica amministrazione può usare l’intelligenza artificiale per rendere più efficienti attività e servizi, ma l’innovazione non comincia dalla scelta del modello. Comincia dalla finalità, dalla fonte giuridica che consente di usare i dati, dalla selezione di ciò che è davvero necessario e dal modo in cui saranno esercitati i diritti delle persone. Nel parere n. 760 del 7 ottobre 2026, pubblicato il 29 ottobre, il Garante ha chiesto alla Provincia autonoma di Trento di rafforzare proprio questi punti. Il caso riguarda uno specifico schema provinciale e non stabilisce un divieto generale. Offre però una domanda utile a ogni ente: se un dato viene rettificato o cancellato dopo l’addestramento, che cosa accade al modello che lo ha già appreso?

 

Quando l’archivio diventa materiale di addestramento

La Provincia autonoma di Trento ha predisposto un regolamento per usare sistemi di intelligenza artificiale come supporto all’attività amministrativa e ai processi organizzativi. La prima applicazione ipotizzata riguarda la protocollazione e la gestione documentale, un’area che concentra grandi quantità di informazioni raccolte nel corso degli anni per finalità istituzionali.

È una situazione molto diversa dall’acquisto di un normale software. Un modello addestrato sugli archivi non si limita a leggere un documento quando un dipendente glielo chiede, perché durante l’addestramento può incorporare relazioni, ricorrenze e informazioni presenti nei dati. La domanda decisiva non è quindi soltanto dove siano conservati i file, ma quali dati possano entrare nel processo, per quale scopo e con quali conseguenze per le persone interessate.

Il regolamento provinciale esaminato dal Garante individua finalità pubbliche, misure di sicurezza, supervisione umana e valutazione d’impatto. L’Autorità lo ha ritenuto sostanzialmente coerente con la cornice normativa, ma ha espresso un parere favorevole condizionato a modifiche precise.

 

Le schede interne non possono sostituire una fonte adeguata

La prima condizione riguarda i dati più delicati, come quelli sulla salute, le altre categorie particolari e le informazioni relative a condanne penali e reati. Lo schema rinviava a schede applicative compilate dalle singole strutture la definizione di elementi essenziali quali finalità, categorie di interessati, tipi di dati e operazioni consentite.

Secondo il Garante, questo rinvio non offre una base sufficiente. Gli elementi essenziali devono essere definiti da una fonte almeno regolamentare oppure, nei casi ammessi per i dati particolari, da un atto amministrativo generale. Una scheda di progetto rimane utile per documentare il caso concreto, ma non può creare da sola il potere di trattare dati sensibili o giudiziari.

Il punto vale oltre il caso trentino. In molti progetti pubblici la documentazione tecnica arriva prima della decisione giuridica e finisce per contenere, sotto forma di requisito funzionale, scelte che riguardano finalità, dati e soggetti. Il percorso corretto è inverso: l’ente definisce il trattamento consentito, poi traduce quel perimetro in specifiche tecniche verificabili.

 

Il diritto alla rettifica non finisce nel documento originale

La seconda condizione è ancora più impegnativa. La valutazione d’impatto allegata allo schema riconosceva il rischio che una rettifica o una cancellazione intervenuta dopo l’addestramento producesse effetti soltanto sul documento originale e sui cicli futuri, senza modificare i parametri del modello già costruito.

Per il Garante, il regolamento deve prevedere misure capaci di rendere effettivi rettifica, cancellazione e gli altri diritti anche rispetto ai modelli addestrati. Non significa che ogni richiesta comporti automaticamente la distruzione del sistema. Significa che l’ente deve sapere, prima dell’avvio, quali interventi siano tecnicamente possibili, quando occorra riaddestrare o limitare l’uso del modello e come evitare che un’informazione corretta alla fonte continui a influenzare i risultati.

Qui il progetto incontra un limite concreto. Alcune architetture permettono di rimuovere dati o aggiornare conoscenze con maggiore precisione, mentre altre rendono l’intervento costoso o incerto. La difficoltà tecnica non cancella il diritto, ma deve entrare nella scelta della soluzione, nella valutazione d’impatto e nel contratto con il fornitore.

 

Che cosa dovrebbe chiedere un ente prima della sperimentazione

Il parere non contiene una checklist universale e le sue condizioni si riferiscono allo schema della Provincia. Si possono però ricavare domande che ogni amministrazione dovrebbe essere in grado di affrontare prima di addestrare o riaddestrare un modello su dati amministrativi.

• Quale compito istituzionale viene migliorato e perché l’addestramento su dati personali è necessario rispetto a soluzioni meno invasive?
• Quale fonte individua finalità, categorie di dati e garanzie, soprattutto per informazioni particolari o giudiziarie?
• Come vengono selezionati, minimizzati e separati i dati nelle fasi di sviluppo, prova e uso?
• Il fornitore può documentare provenienza dei dati, log, accessi, cancellazione, riaddestramento e gestione delle richieste?
• Che cosa accade se un dato viene rettificato, cancellato o contestato dopo che il modello lo ha utilizzato?
• Quale controllo umano impedisce che il sistema sostituisca la decisione amministrativa o condizioni il procedimento senza una verifica sostanziale?

Queste domande coinvolgono responsabili del procedimento, uffici informatici, sicurezza, contratti e direzione. Il responsabile della protezione dei dati deve essere coinvolto per tempo e con informazioni complete, ma conserva una funzione di consulenza e sorveglianza: decisioni, risorse e attuazione restano al titolare.

 

La buona governance riduce anche il rischio di un progetto inutile

Un’obiezione frequente sostiene che regole così dettagliate rallentino la sperimentazione. Il rischio esiste quando la conformità viene affrontata alla fine, perché il progetto può dover essere ridisegnato quando modello, dati e contratto sono già stati scelti.

Integrare i vincoli all’inizio produce l’effetto opposto. Costringe l’amministrazione a definire il risultato atteso, a verificare se serva davvero un addestramento su dati personali e a scegliere una soluzione compatibile con le correzioni future. In alcuni casi la risposta migliore potrà essere un modello che consulta documenti aggiornati senza incorporarli stabilmente, oppure l’uso di dati sintetici o anonimizzati. In altri, l’addestramento resterà giustificato, ma dovrà essere accompagnato da una fonte adeguata e da misure tecniche verificabili.

Il valore del parere sta qui. L’intelligenza artificiale nella pubblica amministrazione non è un oggetto separato dal procedimento e dagli archivi che la alimentano. Se il progetto non sa spiegare quali dati usa, perché li usa e come correggerà gli effetti di un’informazione inesatta, il problema non è ancora il modello: è la decisione amministrativa che lo ha messo in funzione.

 

Fonti e riferimenti

• Garante per la protezione dei dati personali, parere n. 760 del 7 ottobre 2026, doc. web n. 10312627: https://www.garanteprivacy.it/web/guest/home/docweb/-/docweb-display/docweb/10312627
• Legge 23 settembre 2025, n. 132, articolo 14, richiamata nel parere del Garante.
• Regolamento generale sulla protezione dei dati, articoli 5, 6, 9, 10, 15-22 e 35, nei limiti e per le funzioni richiamate nel parere.

 

Nota di trasparenza

Questo contenuto è stato predisposto con il supporto di strumenti di intelligenza artificiale ed è stato revisionato dalla redazione iSimply, che ne assume la responsabilità editoriale.