DPIA per Sistemi AI: Checklist in 7 Passi e Template Strutturato

Quando è obbligatoria la DPIA per un sistema di intelligenza artificiale?

La DPIA (Data Protection Impact Assessment, Art. 35 GDPR) è obbligatoria ogni volta che un sistema AI tratta dati personali in modo che presenti un rischio elevato per i diritti e le libertà delle persone. I trigger principali sono: trattamento automatizzato su larga scala con profilazione, uso di categorie particolari di dati (biometrici, sanitari), sistemi classificati ad alto rischio dall'Allegato III AI Act, monitoraggio sistematico di persone in luoghi accessibili al pubblico. In aprile 2026 l'EDPB ha rilasciato il primo template ufficiale per la DPIA, attualmente in consultazione pubblica.

Fonti: EDPB — Template DPIA, aprile 2026 · ICO — Guide to AI and data protection (DPIA section) · AgID — Appendice Linee Guida IA nella PA: valutazione impatto · Reg. UE 2016/679 (GDPR) Art. 35 · Reg. UE 2024/1689 (AI Act) Art. 26(9)

La DPIA per un sistema di intelligenza artificiale non è una DPIA standard con qualche riga aggiuntiva su "machine learning": è una valutazione strutturalmente diversa, che deve affrontare caratteristiche proprie dell'AI che i framework pre-2024 non contemplavano. Tra queste: la capacità del modello di assorbire dati nei propri pesi durante il training, la difficoltà di prevedere gli output a priori, il fenomeno del data drift che trasforma nel tempo un sistema conforme in uno non conforme, e la necessità di integrare la documentazione tecnica fornita dal Provider esterno del modello. Per il quadro integrato DPIA e FRIA, si veda la guida alla valutazione integrata DPIA+FRIA per sistemi AI. Per le valutazioni specifiche sui sistemi RAG, si veda la guida alla DPIA per AI generativa e pipeline RAG.

Quando scatta l'obbligo di DPIA per un sistema AI

L'Art. 35 GDPR richiede la DPIA quando il trattamento è "suscettibile di presentare un rischio elevato per i diritti e le libertà delle persone fisiche". Per i sistemi AI, i trigger pratici sono:

1. Profilazione su larga scala. Un sistema AI che segmenta utenti, candidati o clienti in categorie, anche per finalità non discriminatorie, effettua profilazione. Se opera su numeri significativi di persone (il Garante non ha fissato soglie numeriche rigide: valutare in base al contesto), la DPIA è obbligatoria.

2. Decisioni automatizzate con effetti giuridici o analoghi. Sistemi che determinano in modo autonomo l'accesso a servizi, l'assunzione, la concessione di credito o la valutazione del rischio assicurativo richiedono DPIA anche se l'output è solo una raccomandazione formalmente sottoposta ad approvazione umana ma di fatto sempre seguita.

3. Categorie particolari di dati (Art. 9 GDPR). Qualsiasi sistema AI che tratti dati biometrici, sanitari, di origine etnica, religiosi o sindacali richiede DPIA. Questo include sistemi di riconoscimento facciale, analisi del tono vocale, e modelli addestrati su dataset che contengono queste categorie anche come variabili secondarie.

4. Sistemi classificati ad alto rischio dall'Allegato III AI Act. Per questi sistemi, la DPIA non è solo raccomandata: l'Art. 26(9) AI Act impone al Deployer di usare la documentazione tecnica del Provider per completarla. Questo crea un obbligo procedurale: la DPIA non può essere completata senza prima aver ricevuto la documentazione dal fornitore del modello.

5. Monitoraggio sistematico. Sistemi AI che tracciano il comportamento di dipendenti, utenti o visitatori in modo continuativo, anche attraverso log di posta elettronica, navigazione web o segnali di produttività.

La checklist in 7 passi

Passo 1 — Descrizione sistematica del sistema AI

Documentare con precisione tecnica e non con linguaggio commerciale:

Finalità dichiarata e casi d'uso effettivi (spesso divergono)
Tipo di modello: classificatore, regressore, LLM, sistema RAG, ensemble
Dati in input: tipologia, formato, provenienza, periodo di raccolta
Dati in output: tipo di decisione o raccomandazione prodotta
Architettura del deployment: cloud, on-premise, ibrida; provider del modello base
Categorie di persone interessate e stima del numero
Eventuali paesi terzi coinvolti nel trattamento (data center, provider API)

Passo 2 — Verifica della necessità e della proporzionalità

La DPIA non è solo una descrizione del sistema: deve argomentare che il trattamento è necessario per la finalità e che non esistono alternative meno invasive che raggiungano lo stesso risultato con minore esposizione dei dati personali. Questo passo risponde alla domanda: possiamo ottenere lo stesso risultato trattando meno dati o dati meno sensibili?

Passo 3 — Identificazione e valutazione dei rischi

Per ciascun rischio identificato, valutare probabilità e gravità su una scala a tre livelli (bassa, media, alta):

Categoria di rischio	Esempi specifici per sistemi AI
Accesso non autorizzato	Estrazione di dati personali tramite prompt injection o model inversion
Modifica illecita	Avvelenamento del dataset di training (data poisoning)
Indisponibilità	Interruzione del servizio AI con effetti su persone che dipendono da decisioni automatizzate
Profilazione illecita	Inferenze non autorizzate da dati tecnici (es: diagnosi mediche da pattern comportamentali)
Errori sistematici	Bias discriminatorio che produce decisioni sbagliate su gruppi specifici
Trasferimento illecito	Invio di dati a provider API extra-UE senza DPA o TIA adeguata

Passo 4 — Richiesta di documentazione al Provider (obbligatoria per sistemi alto rischio)

Se il sistema utilizza un modello di terze parti classificabile come ad alto rischio ai sensi dell'Allegato III AI Act, richiedere per iscritto al Provider la documentazione tecnica ex Art. 11 AI Act e le istruzioni per l'uso ex Art. 13 AI Act. Conservare la corrispondenza e allegare la documentazione ricevuta alla DPIA. Se il Provider rifiuta o non dispone di questa documentazione, è un segnale di rischio contrattuale e normativo da valutare prima del deployment.

Passo 5 — Definizione delle misure di attenuazione

Le misure di attenuazione per sistemi AI si dividono in tre categorie:

Tecniche: pseudonimizzazione dei dataset di training, Differential Privacy per i modelli locali, crittografia end-to-end, test di robustezza contro attacchi avversariali, metriche di fairness per la detection del bias.

Organizzative: formazione specifica del personale che interagisce con il sistema (AI literacy, obbligo Art. 4 AI Act), designazione del responsabile della supervisione umana, procedure scritte per l'intervento umano e la correzione degli output.

Contrattuali: clausole anti-addestramento nei DPA con i provider API, diritto di audit sui sub-responsabili, SLA che includano la notifica tempestiva di incidenti di sicurezza relativi al modello.

Passo 6 — Consultazione del DPO e, se necessario, del Garante

Il DPO deve essere consultato durante la redazione della DPIA (Art. 35, par. 2 GDPR) e il suo parere deve essere documentato, anche quando è favorevole. Se la DPIA conclude che i rischi residui rimangono elevati nonostante le misure adottate, è obbligatoria la consultazione preventiva del Garante Privacy (Art. 36 GDPR) prima di avviare il trattamento.

Passo 7 — Pianificazione del monitoraggio e del re-assessment

La DPIA non è un documento da archiviare. Deve prevedere:

Frequenza minima del re-assessment (annuale come baseline)
Trigger di aggiornamento anticipato: modifiche al modello, al dataset di training, al contesto di deployment, alla normativa applicabile
Responsabile del monitoring e del re-assessment
KPI di drift da monitorare (distribuzione degli input, tasso di errore, distribuzione degli output per sottogruppi)

Il template EDPB 2026: cosa contiene

In aprile 2026 l'EDPB ha rilasciato il primo template ufficiale per la DPIA, con campi predefiniti e risposte strutturate. Il template non è obbligatorio ma rappresenta lo standard di riferimento per le autorità garanti europee nelle ispezioni. I campi principali includono:

Descrizione del trattamento e finalità
Valutazione della necessità e proporzionalità
Analisi dei rischi (con griglia probabilità/gravità)
Misure previste con responsabili e scadenze
Parere del DPO (con firma e data)
Conclusioni sul rischio residuo
Piano di revisione periodica

Differenze chiave tra DPIA standard e DPIA per sistemi AI

Aspetto	DPIA standard	DPIA per sistemi AI
Descrizione del trattamento	Flusso dati lineare	Pipeline complessa con fasi training/inference distinte
Rischi da valutare	Data breach, accesso illecito	+ Bias, model inversion, data poisoning, drift
Documentazione esterna	Non richiesta	Obbligatoria (documentazione Provider ex Art. 26(9))
Frequenza di aggiornamento	Quando cambia il trattamento	+ Quando cambia il modello o i suoi pesi
Integrazione FRIA	Non applicabile	Obbligatoria per sistemi Allegato III
Consultazione Garante	Se rischio residuo alto	Se rischio residuo alto + se nuovo tipo di trattamento

Devi condurre una DPIA per un sistema AI della tua azienda?

Studio Legale Ingoglia assiste aziende e DPO nella conduzione della DPIA per sistemi AI, nella richiesta della documentazione tecnica ai Provider e nella progettazione del piano di monitoraggio continuo. Prenota una consulenza strategica per avviare la valutazione con la struttura corretta prima del deployment.

Articolo aggiornato al 27 maggio 2026. Il template EDPB citato (aprile 2026) è in consultazione pubblica fino al 9 giugno 2026. Per supporto specifico, contatta lo studio.