L'IA è il più grande rischio GDPR del 2026

Per gran parte dell'ultimo decennio, essere conformi al GDPR significava avere i fondamentali in ordine: una base giuridica documentata, un registro ordinato delle attività di trattamento, un banner sui cookie che funzionasse davvero, una procedura di notifica delle violazioni che nessuno doveva improvvisare sotto pressione. Le aziende che avevano investito in questi fondamentali potevano ragionevolmente considerarsi conformi. Nel 2026 questo non basta più. L'intelligenza artificiale è diventata la principale fonte di rischio GDPR, e le autorità europee stanno dimostrando — tramite linee guida, indagini e azioni di enforcement — che i sistemi di IA non godono di alcuna deroga rispetto ai principi che regolano la protezione dei dati dal 2018. Semmai, l'IA alza la posta in gioco, perché questi sistemi possono generare, a partire da dati personali, nuovi output dannosi in modi che gli estensori originari del regolamento non avevano dovuto immaginare.

Il GDPR è stato scritto per essere neutrale dal punto di vista tecnologico, e in linea di principio i suoi obblighi fondamentali si applicano tanto a un modello di machine learning quanto a un foglio di calcolo con dati dei clienti. Nella pratica, l'IA complica quasi ognuno di questi obblighi. I dati di addestramento vengono spesso raccolti su larga scala, talvolta tramite scraping da fonti pubbliche, e raramente con una finalità specifica e documentata in mente — il che si concilia male con la limitazione della finalità e la minimizzazione dei dati. I modelli possono memorizzare e poi riprodurre dati personali in modi che nessuno può prevedere o controllare del tutto. E una volta distribuito, un modello può, con i suoi output — raccomandazioni, classificazioni, immagini o testi generati — costituire esso stesso un nuovo trattamento di dati personali, con nuovi rischi associati. Le autorità non trattano l'IA come una questione a sé; la trattano come un'estensione degli obblighi GDPR già esistenti, applicati con particolare rigore. Tre requisiti in particolare sono passati al centro dell'attività di enforcement: le valutazioni dell'interesse legittimo per i dati di addestramento, le valutazioni d'impatto obbligatorie per il trattamento biometrico, e la prova che i dati di addestramento siano stati raccolti lecitamente fin dall'inizio.

L'interesse legittimo non è un lasciapassare

Molte organizzazioni che costruiscono o affinano modelli di IA hanno fatto leva sull'«interesse legittimo» come base giuridica per usare dati personali nell'addestramento, in particolare dove ottenere il consenso individuale di ogni interessato sarebbe impraticabile. Le autorità non hanno respinto questo approccio in toto — ma hanno chiarito che non è una giustificazione generica. Richiede una valutazione documentata e difendibile.

Una corretta valutazione dell'interesse legittimo per i dati di addestramento IA deve stabilire tre cose: che l'interesse perseguito sia genuino e lecito, che il trattamento sia necessario per realizzarlo (senza un'alternativa meno invasiva disponibile), e che questo interesse non sia superato dai diritti e dalle libertà delle persone i cui dati vengono utilizzati. Per l'IA in particolare, ciò significa poter dimostrare perché un determinato dataset fosse necessario, perché l'anonimizzazione o i dati sintetici non fossero alternative praticabili, e quali garanzie limitino l'impatto sulle persone. Le organizzazioni che non riescono a produrre questa documentazione quando richiesto si trovano sempre più spesso dalla parte sbagliata di un'indagine. Abbiamo raccontato nel dettaglio quanto sia diventato rigoroso questo test nel nostro approfondimento sulle nuove linee guida dell'EDPB sul web scraping — i dataset vecchi non hanno un lasciapassare solo perché le regole non esistevano al momento della loro raccolta.

Trattamento biometrico e obbligo di DPIA

I dati biometrici — riconoscimento facciale, impronte vocali, analisi dell'andatura e identificatori simili — rientrano in una categoria particolare di dati personali ai sensi del GDPR, e l'IA ha reso il trattamento biometrico molto più comune e molto più potente. I sistemi di riconoscimento facciale, gli strumenti di rilevamento delle emozioni e le tecnologie di clonazione vocale dipendono tutti dal trattamento su larga scala di questa categoria di dati.

Proprio per il rischio elevato, una Valutazione d'Impatto sulla Protezione dei Dati (DPIA) non è facoltativa per questi sistemi — è obbligatoria prima dell'inizio del trattamento. Una DPIA deve descrivere le operazioni di trattamento e le loro finalità, valutare se il trattamento è necessario e proporzionato, individuare i rischi per le persone e definire le misure adottate per affrontarli. Per l'IA biometrica, questa valutazione deve affrontare onestamente domande che è facile saltare nella fretta di lanciare un prodotto: quanto è accurato il sistema nei diversi gruppi demografici? Cosa succede se identifica erroneamente qualcuno? Le persone possono rifiutarsi, e quale alternativa viene loro offerta se lo fanno? Le autorità richiedono sempre più spesso queste valutazioni come primo passo di qualsiasi indagine su una distribuzione di IA biometrica — e la loro assenza viene trattata come una violazione di conformità significativa di per sé, indipendentemente da cosa faccia realmente il sistema sottostante.

Provenienza lecita dei dati di addestramento

Il terzo pilastro del rischio GDPR specifico dell'IA è più basilare, ma probabilmente più difficile da correggere a posteriori: i dati di addestramento sono stati ottenuti lecitamente fin dall'inizio? I grandi modelli linguistici e i generatori di immagini vengono spesso addestrati su dati raccolti tramite scraping dal web aperto, dataset con licenza, o archivi storici aziendali raccolti per finalità del tutto diverse. Ogni fonte porta con sé le proprie questioni di conformità. I dati raccolti tramite scraping potrebbero essere stati ottenuti senza alcuna base giuridica per lo scraping stesso, tanto meno per la sua riconversione nell'addestramento IA. I dataset con licenza potrebbero non essere stati raccolti con un consenso sufficientemente informato da supportare un uso successivo nell'IA. E gli archivi interni riuniti anni fa per una specifica finalità aziendale potrebbero oggi non avere una base valida per essere riconvertiti in un dataset di addestramento.

Si tratta di un problema difficile da correggere retroattivamente — a un modello già addestrato su dati ottenuti illecitamente non si possono semplicemente «rimuovere» quei dati come si cancellerebbe un record da un database. Proprio per questo le autorità spingono le organizzazioni a documentare la provenienza dei dati prima che inizi l'addestramento, non dopo che arriva un reclamo: una chiara tracciabilità che mostri da dove proviene ogni dataset, quale base giuridica si applicava alla sua raccolta, e se questa base copra anche il suo utilizzo nell'addestramento IA.

Quando gli output dell'IA diventano essi stessi la violazione

Forse il cambiamento più significativo nell'enforcement del 2026 è il riconoscimento che le violazioni del GDPR possono derivare non solo da come i dati personali vengono raccolti o usati per addestrare un modello, ma anche da ciò che un modello già distribuito produce. Non si tratta di un'ipotesi. Il 17 febbraio 2026, la Data Protection Commission irlandese — che guida l'enforcement del GDPR nei confronti di X data la sede europea dell'azienda a Dublino — ha aperto un'indagine statutaria formale sul chatbot Grok della piattaforma, dopo segnalazioni secondo cui gli utenti gli chiedevano di generare immagini deepfake sessualizzate e non consensuali di persone reali, incluse, secondo alcune segnalazioni, di minori.

L'indagine esamina se X abbia trattato lecitamente i dati degli utenti UE ed EEA nel distribuire gli strumenti di generazione immagini di Grok, se fossero in atto garanzie adeguate, e se i rischi di uso improprio fossero stati correttamente valutati prima del lancio. La teoria giuridica sottostante è rilevante: usare la fotografia di una persona reale come base per generare un'immagine sintetica sessualizzata o comunque dannosa può costituire di per sé un trattamento illecito dei dati personali di quella persona — indipendentemente da eventuali violazioni penali o delle regole della piattaforma distinte che possano anch'esse sussistere. In altre parole, il danno non si verifica solo a monte, nel modo in cui i dati di addestramento sono stati raccolti. Può verificarsi anche a valle, nel momento stesso della generazione, in ciò che il sistema distribuito fa con l'immagine di qualcuno. X ha limitato la generazione di immagini di Grok agli abbonati paganti dopo l'emergere delle segnalazioni, ma l'indagine — che comporta multe potenziali fino al 4% del fatturato annuo globale di X — prosegue comunque.

Per qualsiasi organizzazione che costruisca o distribuisca IA generativa, questa è una distinzione cruciale. Le garanzie non possono fermarsi alla pipeline di addestramento; devono estendersi anche a ciò che il modello è in grado di produrre al momento dell'inferenza, e a ciò che accade quando un utente cerca deliberatamente di farne un uso improprio.

Sei buone pratiche per anticipare il rischio

Tra linee guida normative, azioni di enforcement e analisi di settore, sei pratiche separano costantemente le organizzazioni che gestiscono bene il rischio GDPR legato all'IA da quelle che restano esposte.

1. Integrare la privacy fin dall'inizio, non a posteriori. La privacy by design è un obbligo del GDPR, non un suggerimento — per l'IA questo significa revisioni sulla privacy già nella fase di selezione del dataset e di progettazione dell'architettura del modello, non solo prima del lancio.
2. Mappare davvero come i dati personali fluiscono nel sistema. Dall'acquisizione, attraverso l'addestramento o il fine-tuning, fino all'inferenza e all'output. Senza questa mappa, la maggior parte delle organizzazioni non può rispondere alla domanda di base di un'autorità: dove sono stati i dati di questa persona, e cosa ne è stato fatto?
3. Documentare una finalità specifica per ogni attività di trattamento. «Migliorare i nostri modelli di IA» non è abbastanza specifico. Le autorità si aspettano una finalità dichiarata per un determinato dataset, con l'uso limitato a quella finalità.
4. Trattare le DPIA come un passaggio obbligato, non una formalità. Specialmente per i sistemi biometrici, il profiling su larga scala e le decisioni automatizzate con effetti giuridici o analogamente significativi — completare la valutazione prima che le decisioni sulla distribuzione siano bloccate, non dopo.
5. Essere in grado di spiegare la decisione, non solo che ne è stata presa una. Il GDPR conferisce alle persone diritti concreti riguardo al processo decisionale automatizzato. Le organizzazioni devono sempre più spesso poter spiegare, in linguaggio semplice, come un sistema sia arrivato a una decisione che riguarda qualcuno.
6. Monitorare in modo continuo, non annuale. I sistemi di IA vanno alla deriva, vengono usati in modo improprio in modi che i loro progettisti non avevano previsto, o producono output dannosi che emergono solo una volta distribuiti su larga scala — come illustra l'indagine su Grok. Una revisione di conformità annuale è troppo poco frequente per intercettare tutto ciò prima che diventi un incidente normativo.

L'IA non diventerà meno centrale nel modo in cui le organizzazioni trattano i dati personali, e le autorità non diventeranno meno attente a come viene utilizzata. Le organizzazioni che gestiscono bene questo scenario sono quelle che trattano la conformità GDPR come una disciplina ingegneristica e di governance continua, integrata nei sistemi di IA fin dall'inizio — non come una checklist legale applicata a posteriori. Le autorità hanno ormai dimostrato che agiranno non solo contro il modo in cui i dati vengono raccolti per l'addestramento, ma anche contro ciò che i sistemi distribuiti generano effettivamente. Questo cambio di mentalità non è più facoltativo.

Prenota una consulenza gratuita con GDPRGard →

Fonti

• The Irish Times — La DPC indaga su X per possibili violazioni legate alla «nudificazione» di immagini tramite Grok
• JURIST — L'Irlanda apre un'indagine sulle immagini di Grok su X

Leggi anche:

• La scusa «era pubblico» non regge più: il GDPR ora copre formalmente i dati di addestramento dell'IA
• Dimentica il regolamento IA — il GDPR già oggi multa le aziende per errori legati all'IA
• Perché ogni azienda SaaS ha bisogno di una DPIA prima delle funzioni IA