Il parere sul progetto della Provincia autonoma di Trento collega l’uso degli archivi amministrativi a una base giuridica adeguata e all’effettività di rettifica e cancellazione anche dopo l’addestramento.
L’impiego degli archivi amministrativi per addestrare sistemi di intelligenza artificiale richiede regole che accompagnino i dati anche dopo il loro ingresso nel modello. È questa la conseguenza operativa del parere favorevole, con condizioni, espresso dal Garante per la protezione dei dati personali sullo schema di regolamento della Provincia autonoma di Trento. Le richieste dell’Autorità riguardano la fonte giuridica che autorizza i trattamenti e la possibilità di esercitare effettivamente i diritti di rettifica e cancellazione a training concluso.
Il provvedimento, adottato il 7 ottobre 2026, riguarda una cornice destinata a disciplinare lo sviluppo e l’utilizzo di sistemi di supporto all’attività amministrativa. La prima applicazione indicata è P.I.Tre, il Protocollo Informatico Trentino, utilizzato per la protocollazione e la gestione documentale. Il parere interviene sullo schema regolamentare: da questo passaggio non discendono informazioni sull’effettiva entrata in funzione dei modelli o sui risultati ottenuti.
Il caso interessa anche altre amministrazioni perché affronta una questione concreta: come valorizzare un patrimonio documentale costruito per svolgere compiti pubblici quando lo si vuole impiegare nell’addestramento di un sistema AI. La disponibilità dei documenti presso un ente e la possibilità di utilizzarli per una nuova elaborazione richiedono valutazioni distinte. Un archivio amministrativo, inoltre, può contenere informazioni personali soggette a discipline differenti.
L’espressione “documenti pubblici” va quindi letta con attenzione. Si tratta di documenti detenuti dalla pubblica amministrazione, la cui accessibilità e riutilizzabilità dipendono dalle regole applicabili. All’interno di uno stesso sistema documentale possono convivere dati anagrafici, informazioni sanitarie e dati relativi a procedimenti penali. Per preparare un insieme di dati destinato al training occorre riconoscere queste differenze e verificare quali informazioni siano effettivamente necessarie.
Lo schema trentino copre l’intero ciclo di vita dei sistemi, dallo sviluppo all’aggiornamento, includendo sperimentazione, validazione e monitoraggio. Prevede inoltre schede applicative dedicate ai singoli trattamenti. Questa struttura consente di affiancare a una cornice generale una descrizione operativa del sistema, delle sue finalità e delle condizioni di utilizzo. Il Garante chiede però che gli elementi essenziali trovino posto nella fonte richiesta dalla disciplina sulla protezione dei dati.
La distinzione è importante perché una scheda compilata e approvata dalla struttura amministrativa interessata ha una funzione diversa da quella di una legge, di un regolamento o di un atto amministrativo generale. Può documentare come viene applicata una regola già definita. La sua approvazione interna non le attribuisce automaticamente il valore necessario per autorizzare trattamenti che richiedono una specifica base giuridica.
Il livello della fonte dipende anche dalla natura delle informazioni. Per i dati comuni, nel quadro delle condizioni previste dalla normativa, può essere utilizzato un atto amministrativo generale. Per le categorie particolari, come i dati sulla salute, la disciplina richiede specificazioni più stringenti sui dati trattabili, sulle operazioni consentite e sull’interesse pubblico rilevante, accompagnate da misure di tutela. Per i dati relativi a condanne penali e reati occorre una norma di legge oppure, nei casi previsti dalla legge, una disposizione regolamentare.
La prima conseguenza pratica precede dunque la scelta del modello: l’amministrazione deve conoscere il contenuto dell’archivio da utilizzare. La valutazione d’impatto sulla protezione dei dati contribuisce a individuare le misure necessarie, mentre la fonte giuridica stabilisce il perimetro del trattamento. Sono strumenti con funzioni complementari, da coordinare nella progettazione del servizio.
La seconda condizione affronta ciò che accade dopo l’addestramento. In un archivio documentale, correggere un’informazione significa intervenire sul contenuto conservato e sulle eventuali copie interessate. Un modello addestrato presenta una difficoltà ulteriore: il processo di apprendimento ne modifica i parametri, cioè i valori numerici attraverso cui elabora gli input e produce risultati. La modifica del documento di origine potrebbe quindi non riflettersi automaticamente sul sistema già addestrato.
Questo non significa che ogni dato utilizzato venga conservato dal modello come una voce consultabile in un database. Significa che il rapporto tra informazioni di partenza e comportamento del sistema richiede verifiche specifiche. Il Garante chiede misure capaci di rendere effettivi i diritti di rettifica e cancellazione anche rispetto ai modelli già addestrati, evitando che l’intervento si esaurisca nel documento sorgente.
Per chi progetta un servizio AI, la questione entra così tra i requisiti iniziali. Occorre sapere quali dati sono stati usati, a quale versione del sistema hanno contribuito e come gestire una richiesta dell’interessato nei casi previsti dalla disciplina. Le modalità concrete dipendono dall’architettura adottata e richiedono una valutazione tecnica. La cancellazione di un file dall’archivio di partenza, da sola, non dimostra che siano stati affrontati tutti gli effetti del suo impiego nel training.
La documentazione del ciclo di vita assume perciò un valore operativo. Tracciare le versioni dei dati e dei modelli aiuta a ricostruire gli interventi necessari quando un’informazione viene corretta. Definire responsabilità e procedure permette agli uffici di gestire le richieste senza dover ricostruire ogni volta l’intero progetto. Anche i rapporti con i fornitori dovrebbero chiarire quali attività tecniche siano possibili e chi debba eseguirle.
Queste esigenze incidono sulla valutazione degli strumenti. Alla qualità dei risultati si affiancano la possibilità di controllare i dati utilizzati e la capacità di intervenire sul sistema nel tempo. Per un’amministrazione, un progetto sostenibile richiede una gestione compatibile con gli aggiornamenti dell’archivio e con gli obblighi verso i cittadini. Il costo operativo comprende quindi anche manutenzione, verifiche e gestione delle modifiche.
Il quadro nazionale offre una direzione coerente con questa impostazione. L’articolo 14 della legge 23 settembre 2025, n. 132, prevede l’uso dell’intelligenza artificiale nella pubblica amministrazione per aumentare l’efficienza, ridurre i tempi dei procedimenti e migliorare i servizi. Richiede inoltre conoscibilità del funzionamento e tracciabilità dell’utilizzo. L’AI svolge una funzione strumentale e di supporto; la responsabilità dei provvedimenti e dei procedimenti resta alla persona.
Nel lavoro quotidiano questo orientamento richiede di collegare gli obiettivi del progetto alle attività effettivamente affidate al sistema. Per valutare un’applicazione servono una finalità definita, dati pertinenti e criteri di verifica comprensibili. Gli eventuali benefici in termini di tempo o qualità dovranno essere misurati sul servizio concreto: il parere sullo schema trentino non costituisce una valutazione delle prestazioni di un modello.
Una lezione organizzativa riguarda anche chi lavora con archivi editoriali o documentali d’impresa. Pur in presenza di basi giuridiche e obblighi differenti, conoscere la provenienza dei contenuti e mantenerne una storia verificabile facilita la gestione degli strumenti AI. La qualità di un archivio comprende anche la possibilità di aggiornarlo e di ricostruire come le sue informazioni siano state utilizzate.
Il caso Trento chiarisce così quali condizioni organizzative debbano accompagnare l’addestramento nella pubblica amministrazione: un perimetro autorizzato con la fonte adeguata, una conoscenza precisa dei dati e procedure capaci di seguire le informazioni lungo il ciclo di vita del sistema. Su queste basi l’uso produttivo dell’AI può essere valutato e mantenuto nel tempo, conservando un collegamento verificabile tra servizio, dati e responsabilità.
Fonti
- AI nella PA, le due condizioni del Garante per addestrare i modelli – Agenda Digitale
- Parere su uno schema di regolamento di attuazione dell’articolo 40-ter.1… – Garante Privacy
- Legge 23 settembre 2025, n. 132 – Normattiva
