Risposta breve: i dati pubblici e interni possono entrare in un LLM quasi sempre, i dati riservati soltanto in un ambiente coperto da clausole contrattuali di non addestramento e non conservazione, e i dati a diffusione limitata non entrano mai in un prompt, se non in forma mascherata. La regola operativa è l’esposizione minima necessaria: inviate al modello solo ciò che gli serve per rispondere. I numeri del 2026 spiegano l’urgenza: circa il 35% dei dati aziendali che i dipendenti riversano negli strumenti di IA è classificato come sensibile, contro il 27% dell’anno precedente e l’11% di due anni prima.
Il vero problema non è la tecnologia, è l’uso che è già in corso
Nella maggior parte delle organizzazioni il dibattito su «se adottare l’IA» si svolge in consiglio mentre i dipendenti stanno già incollando. Le indagini del 2026 indicano che circa l’80% dei dipendenti usa strumenti di IA che l’IT non ha approvato, e che circa il 63% di loro ha già incollato materiale sensibile – codice sorgente, anagrafiche clienti, dati finanziari o documenti di strategia – in un account chatbot personale.
Il dettaglio preoccupante è la titolarità dell’account. Quando l’incollaggio parte da un account personale, resta fuori da ogni controllo organizzativo: nessun log, nessun controllo sulla conservazione, nessun modo di cancellare a posteriori. Secondo le stesse rilevazioni, circa l’82% degli incollaggi negli strumenti di IA proviene da account personali.
Il conto da pagare: le organizzazioni con un uso non autorizzato dell’IA molto diffuso assorbono in media circa 670.000 dollari di costi aggiuntivi da violazione, e il 97% delle organizzazioni che hanno segnalato una violazione legata all’IA non aveva controlli di accesso all’IA degni di questo nome. Nel frattempo, solo circa il 37% delle organizzazioni ha una policy per rilevare o gestire questi usi.
La conclusione pratica: un divieto generalizzato non funziona, si limita a spingere l’uso in clandestinità. Ciò che funziona è una policy di classificazione chiara, abbinata a un’alternativa approvata che sia davvero comoda.
I quattro livelli di classificazione e cosa è consentito in ciascuno
La maggior parte delle policy di classificazione aziendali usa quattro livelli: pubblico, interno, riservato e a diffusione limitata. La tabella qui sotto li traduce in una decisione concreta davanti a un modello linguistico:
| Livello | Esempi | Cosa è consentito con un LLM |
|---|---|---|
| Pubblico | Contenuti di marketing, specifiche di prodotto pubblicate, report diffusi | Consentito in qualsiasi strumento, compresi quelli pubblici |
| Interno | Procedure, presentazioni interne, documentazione di processo | Consentito solo in uno strumento aziendale approvato |
| Riservato | Dati dei clienti, listini, codice sorgente, previsioni | Solo dove si applicano clausole di non addestramento e non conservazione |
| A diffusione limitata | Dati sanitari, buste paga, identificativi personali, segreti industriali | Non entra mai in un prompt. Solo in forma mascherata o sintetizzata |
La distinzione più importante è quella tra riservato e a diffusione limitata, ed è lì che la maggior parte delle organizzazioni si confonde. Un dato riservato che trapela produce un danno commerciale: un buon contratto basta. Un dato a diffusione limitata produce un danno regolamentare e personale, e lì il contratto non basta, perché l’esposizione non è annullabile a posteriori.
Le due tecniche che risolvono la maggior parte dei casi
L’anonimizzazione rimuove o oscura in modo irreversibile gli identificativi personali. Usatela quando non serve ricondurre la risposta a una persona specifica, per esempio nell’analisi di tendenze sui ticket di assistenza.
La pseudonimizzazione sostituisce gli identificativi con token reversibili. Il nome di un cliente diventa CLIENTE_4471 e, quando la risposta torna, il sistema ricostruisce la corrispondenza. È la tecnica che permette di lavorare su dati clienti reali senza far uscire i nomi.
La regola che copre entrambi i casi: l’esposizione minima necessaria. Inviate al modello solo ciò che serve per rispondere ed eliminate del tutto gli elementi classificati dai prompt esterni. Nella maggior parte dei casi si scopre che al modello servono la struttura e il contesto, non i nomi.
Cosa deve comparire nel contratto con il fornitore di IA
La differenza tra «i dati riservati sono ammessi» e «non lo sono» si decide quasi sempre nel contratto, non nella tecnologia. Se un dipendente incolla un input riservato in un LLM pubblico, quei dati possono essere registrati, conservati o usati per migliorare il servizio, salvo diverso vincolo contrattuale del fornitore. Tre clausole da verificare:
| Clausola | Che cosa stabilisce | Perché conta |
|---|---|---|
| Nessun addestramento | I vostri input non vengono usati per addestrare i modelli | Senza di essa i vostri dati possono riaffiorare nella risposta di un altro utente |
| Nessuna conservazione o conservazione limitata | I prompt vengono cancellati entro una finestra definita | Riduce la finestra di esposizione se il fornitore subisce un incidente |
| Luogo di trattamento e sub-responsabili | Dove vengono trattati i dati e chi altro li tocca | Determina quali normative si applicano e cosa può essere trasferito |
Come realizzarlo senza un programma da sei mesi
Passo 1: un inventario vivo. Mappate i tipi di dati sensibili per classe – identificativi personali, dati sanitari, proprietà intellettuale e dati finanziari – e assegnate a ciascuno un responsabile, un sistema di origine e una policy di conservazione. Non è un esercizio teorico: è l’elenco su cui poggerà ogni decisione futura.
Passo 2: un’alternativa approvata e comoda. Prima di vietare qualsiasi cosa, mettete a disposizione uno strumento aziendale che funzioni davvero. Se l’alternativa approvata è lenta o scomoda, i dipendenti tornano all’account personale e la policy resta sulla carta.
Passo 3: l’applicazione a livello dei dati. Oscurate automaticamente gli identificativi personali in ingresso al prompt e applicate lo stesso controllo all’output. Un’applicazione che si regge solo sulla formazione dei dipendenti non sopravvive al primo trimestre.
Passo 4: una regola che tutti ricordano. «Se non lo mandereste via e-mail a un altro cliente, non incollatelo in una chat.» Non è giuridicamente preciso, ma viene capito e applicato, ed è questo che conta.
Il legame con la vostra base di conoscenza: nel momento in cui passate dall’incollaggio manuale a un sistema che risponde a partire dai vostri documenti, la classificazione diventa un filtro tecnico anziché una regola comportamentale. Ne abbiamo parlato nella guida su come costruire una base di conoscenza RAG aziendale, in particolare nella sezione sull’applicazione dei permessi al momento del recupero.
E se state soppesando un investimento in infrastruttura contro i risparmi sugli strumenti, passate i numeri attraverso l’economia unitaria: il costo di un singolo incidente copre di norma anni di ambiente approvato. L’accompagnamento completo in questo percorso rientra nella nostra pratica di implementazione dell’IA.
Domande frequenti
Si possono inserire dati dei clienti in ChatGPT?
Non in un account personale né in una versione pubblica. I dati dei clienti sono riservati, quindi possono essere inseriti solo in un ambiente aziendale con clausole contrattuali di non addestramento e non conservazione. Senza un contratto del genere, inserite solo una versione mascherata in cui nomi e identificativi sono stati sostituiti da token.
Qual è la differenza tra dati riservati e dati a diffusione limitata?
Una fuga di dati riservati produce un danno commerciale: un contratto solido con il fornitore basta. Una fuga di dati a diffusione limitata – dati sanitari, buste paga, identificativi personali – produce un danno regolamentare e personale che non si può annullare a posteriori. Per questo tali dati non entrano mai in un prompt.
Un divieto generalizzato degli strumenti di IA è una soluzione?
No. Le indagini del 2026 mostrano che circa l’80% dei dipendenti usa già strumenti non approvati e che circa l’82% degli incollaggi arriva da account personali. Un divieto senza un’alternativa approvata e comoda si limita a spostare l’uso in un’area priva di log e di controllo.
Qual è la differenza tra anonimizzazione e pseudonimizzazione?
L’anonimizzazione rimuove gli identificativi in modo irreversibile ed è adatta all’analisi di tendenze. La pseudonimizzazione li sostituisce con token reversibili, così la risposta può essere ricondotta alla persona interessata. Usate la seconda quando dovete agire su un cliente specifico.
Quali clausole devono comparire in un contratto con un fornitore di IA?
Tre: nessun uso dei vostri input per l’addestramento dei modelli, cancellazione o conservazione limitata dei prompt entro una finestra definita, e una definizione chiara del luogo di trattamento e dei sub-responsabili che toccano i dati.
Continua a leggere
Criteri di accettazione di una funzionalità di IA – che cosa definire prima di costruire, una volta fissate le regole sui dati.