I modelli di intelligenza artificiale al bivio delle nuove regole europee sul Gdpr

Il 7 luglio il Comitato europeo per la protezione dei dati ha adottato, in versione per consultazione pubblica, le nuove linee guida 02/2026 sull'anonimizzazione. Il tempismo non è apparentemente casuale: il documento giunge in un momento in cui le istituzioni europee, approvate alcune modifiche all'AI Act, torneranno a occuparsi del Digital Omnibus, che prospetta interventi di semplificazione su alcuni profili del Gdpr particolarmente rilevanti per l'industria dell'intelligenza artificiale, ossia il confine tra dato personale e dato anonimo.

Da tale differenza dipende se un dataset usato per addestrare un modello di intelligenza artificiale resta soggetto al Gdpr - con conseguente applicazione dei relativi obblighi, per esempio in relazione a base giuridica del trattamento, informativa, diritti degli interessati - oppure ne è sottratto. Le linee guida ambiscono ad aggiornare il parere 5/2014 dell'allora gruppo di lavoro Articolo 29, rimasto per oltre un decennio il riferimento principale, alla luce di una giurisprudenza della Corte di Giustizia che nel frattempo si è fatta via via più stratificata, fino alla recente sentenza nella causa Edps-Srb, che ha ribadito che la valutazione della natura anonima deve fondarsi sulla prospettiva del soggetto rispetto al quale si valuta l'identificabilità dell'interessato e non su un giudizio assoluto e astratto.

È questo il primo punto che l'Edpb mette a fuoco nel documento: la natura anonima non è una proprietà intrinseca del dato ma descrive una relazione tra il dato e chi lo detiene o potrebbe accedervi. Uno stesso dataset può dunque essere personale per un soggetto e anonimo per un altro, a seconda dei mezzi «ragionevolmente utilizzabili» da ciascuno. Per le aziende che sviluppano sistemi di intelligenza artificiale, e che spesso condividono dataset con partner e altri soggetti, ciò significa che la mappatura delle prospettive rilevanti diventa un passaggio imprescindibile nella propria compliance.

Il cuore delle linee guida è il paradigma a tre criteri (no record isolation, no linkage, no inference) che riformula e affina i tre test già noti (singling out, linkability, inference) del parere del 2014. La novità di rilievo per il mondo dell'intelligenza artificiale è il trattamento esteso dell'inferenza: il Comitato riconosce che tecniche di de-aggregazione e attacchi ai modelli possono estrarre informazioni personali anche da dataset sintetici o da correlazioni statistiche, non solo da dati grezzi. È un segnale rivolto a chi ritiene che l'uso di dati sintetici o di modelli il cui funzionamento interno non è trasparente metta al riparo dal perimetro del Gdpr.

Su questi riferimenti si innesta il Digital Omnibus. Tra le proposte in discussione figura una razionalizzazione delle norme su pseudonimizzazione e trattamento di dati per addestramento dei modelli, in continuità con il più recente parere dell'Edpb sui modelli di AI.

In questo contesto le nuove linee guida sembrano voler scongiurare che l'obiettivo di semplificazione venga interpretato come un allentamento della nozione di anonimizzazione elaborata dalla Corte di Giustizia. Il documento offre infatti due approcci: quello contestuale, più aderente allo standard normativo ma oneroso da applicare caso per caso, e quello semplificato, più cautelativo e concepito come strumento prudenziale per il titolare che anonimizza (e che non opera come standard alternativo per terzi che intendano contestarne le valutazioni). È una distinzione che può diventare un riferimento pratico anche nel negoziato sull'Omnibus offrendo al legislatore un paradigma già collaudato per bilanciare certezza del diritto e tutela sostanziale.

L'Edpb chiarisce anche che l'anonimizzazione resta un trattamento di dati personali a tutti gli effetti, che necessita di base giuridica e, se del caso, di un'apposita eccezione quando riguardi categorie particolari di dati personali. Le linee guida precisano inoltre che, quando l'anonimizzazione costituisce parte dell'attività di trattamento, la base giuridica e l'eventuale eccezione per i dati particolari si presumono coincidere con quelle del trattamento che la precede. Anche qui il messaggio pare chiaro: semplificare gli oneri downstream (quelli legati al riuso del dato anonimizzato) non può significare eliminare le garanzie upstream sul processo che porta all'anonimizzazione.

Le linee guida sono aperte a consultazione pubblica: un'occasione per gli operatori del settore AI di condividere la propria esperienza su un quadro destinato a diventare lo standard europeo in materia di anonimizzazione, proprio mentre il Digital Omnibus ne ridisegna la cornice normativa.

Marco Bassini

professore di AI

e Diritti Fondamentali

Tilburg University

Oreste Pollicino

professore di Diritto Costituzionale

e Regolazione dell'AI

Università Bocconi