Le pubbliche amministrazioni cominciano ad addestrare modelli di intelligenza artificiale sui propri dati, e il Garante per la protezione dei dati personali ha iniziato a fissarne le condizioni. Il 7 ottobre 2026 ha espresso parere favorevole con condizioni (provv. n. 760, doc. web 10312627) sullo schema di regolamento della Provincia autonoma di Trento. Lo schema riguarda l’addestramento di modelli di IA da integrare nell’attività amministrativa e i trattamenti di dati personali che ne derivano. Il Garante ne ha dato notizia nella newsletter del 29 ottobre 2026.

Il parere è breve, ma pone una domanda che riguarderà presto ogni ente che usa l’IA. Se un cittadino esercita il diritto alla cancellazione, il dato sparisce solo dalla banca dati o anche dal modello?

Il contesto

Lo schema dà attuazione all’art. 40-ter.1 della legge provinciale n. 23/1992, introdotto dalla l.p. 7 agosto 2026, n. 6, che promuove l’IA come strumento di ausilio all’attività amministrativa. Il regolamento si compone di 16 articoli. Come prima applicazione prevede una scheda dedicata a P.I.Tre, il sistema di protocollo e gestione documentale della Provincia, accompagnata dalla relativa valutazione d’impatto.

Lo schema contiene diverse scelte significative:

• Solo supporto. L’IA può soltanto supportare l’amministrazione: non può essere usata per adottare decisioni amministrative basate unicamente su trattamenti automatizzati.
• Finalità vietate. Sono vietati i trattamenti per finalità commerciali, di profilazione o di sorveglianza, e in generale quelli incompatibili con le finalità istituzionali.
• Localizzazione dei dati. I dati devono restare su supporti situati nel territorio dell’Unione europea, in ambienti logicamente separati. I trasferimenti fuori dall’UE sono esclusi, salvo decisione di adeguatezza o garanzie adeguate.
• Dati su condanne e reati. Nella fase di addestramento si possono usare esclusivamente dati sintetici o, in subordine, dati reali pseudonimizzati o mascherati.

Sono scelte coerenti con il quadro nazionale. Già la legge n. 132/2025 configura l’IA nella pubblica amministrazione come strumento di supporto, che non sostituisce il funzionario responsabile della decisione. Il Garante ha infatti ritenuto lo schema «sostanzialmente coerente» con la cornice normativa, ma ha posto due condizioni.

Prima condizione: la base giuridica non può essere una scheda

Per le categorie particolari di dati e per i dati relativi a condanne penali e reati, lo schema rinviava a «schede specifiche», compilate e approvate dalla singola struttura amministrativa. Per il Garante questa soluzione non è conforme agli artt. 2-sexies e 2-octies del Codice privacy, che richiedono che tali trattamenti trovino fondamento in una fonte normativa. Gli elementi essenziali del trattamento devono essere fissati almeno in un atto regolamentare. Per le sole categorie particolari di dati è sufficiente un atto amministrativo generale della Provincia, ma una scheda interna non basta.

L’indicazione vale per tutte le amministrazioni. Quando l’addestramento coinvolge dati sensibili o giudiziari, gli elementi essenziali vanno definiti in un atto di portata generale e non possono essere delegati caso per caso all’ufficio che gestisce il progetto:

• quali dati;
• per quali finalità;
• con quali garanzie.

Seconda condizione: i diritti devono arrivare dentro il modello

Il punto di maggiore portata riguarda i diritti degli interessati. La valutazione d’impatto ha messo in luce un rischio che il Garante considera potenzialmente sistemico. Secondo lo schema, rettifica e cancellazione avrebbero effetto sul documento di origine e sui cicli di addestramento futuri, ma non sui parametri del modello già addestrato.

Per il Garante questa soluzione lede gli artt. 16 e 17 del GDPR. Chiede quindi misure che assicurino la piena effettività della rettifica e della cancellazione anche rispetto ai modelli già addestrati. Più in generale, chiede una disposizione che garantisca l’effettività di tutti i diritti previsti dagli artt. 15-22 GDPR. Il richiamo è al Parere EDPB n. 28/2024, secondo cui un modello addestrato su dati personali non è automaticamente anonimo e i diritti degli interessati possono riguardare anche il modello.

La difficoltà tecnica esiste. Eliminare l’influenza di dati specifici da un modello già addestrato è complesso e in molti casi possibile solo con un nuovo addestramento. Il Garante non indica come procedere, ma chiarisce che la difficoltà non esonera il titolare dall’obbligo.

Cosa significa in pratica

Per le pubbliche amministrazioni, e per le imprese che sviluppano o forniscono loro sistemi di IA, il parere suggerisce tre passaggi concreti:

1. Definire la base giuridica prima dell’addestramento. Dati, finalità e garanzie devono essere fissati in un atto di portata generale, soprattutto quando si trattano categorie particolari di dati o dati giudiziari.
2. Progettare il modello in funzione dei diritti. Occorre:
   • documentare quali dati sono entrati in quale ciclo di addestramento, così da poterne ricostruire l’influenza;
   • prevedere come e quando riaddestrare il modello;
   • preferire tecniche che riducono la presenza di dati personali nel modello, come dati sintetici, pseudonimizzazione e minimizzazione.
3. Rendere operativa la DPIA. A Trento la valutazione d’impatto ha funzionato, perché ha fatto emergere il problema. Ora le sue conclusioni devono tradursi in misure concrete e non restare una descrizione dei rischi.

Il parere mostra anche quanto sia cambiato l’approccio. Nel gennaio 2024 il Garante aveva sanzionato il Comune di Trento per due progetti di ricerca sull’IA finanziati dall’UE, Marvel e Protector, privi di base giuridica e di valutazione d’impatto. Questa volta un ente pubblico dello stesso territorio ha chiesto il parere dell’Autorità prima di adottare le regole. È l’ordine giusto. Resta aperta la domanda se un modello possa davvero dimenticare, e riguarderà chiunque addestri l’IA su dati personali.

Data Valley Consulting affianca pubbliche amministrazioni e imprese nella progettazione di progetti di IA conformi al GDPR e all’AI Act, dalla definizione della base giuridica alla valutazione d’impatto.

‍