DPIA Sistemi AI: Checklist 7 Passi e Template

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

La DPIA è obbligatoria, prima di iniziare il trattamento, quando l'uso del sistema AI comporta un trattamento di dati personali che, per natura, ambito, contesto e finalità, è suscettibile di presentare un rischio elevato per i diritti e le libertà delle persone. L'impiego dell'AI non determina da solo l'obbligo in ogni caso: occorre verificare i criteri dell'Art. 35 GDPR e l'elenco del Garante. Sono indicatori rilevanti la profilazione o le decisioni automatizzate con effetti significativi, i dati particolari trattati su larga scala, il monitoraggio sistematico su larga scala, gli interessati vulnerabili e la combinazione di più criteri di rischio.

Fonti primarie: Art. 35 GDPR · Elenco DPIA del Garante Privacy · EDPB — Template DPIA 2026 · Art. 26(9) AI Act

La DPIA relativa a un sistema di intelligenza artificiale segue la struttura dell'Art. 35 GDPR, ma non può limitarsi ad aggiungere qualche riga sul "machine learning". Deve adattare l'analisi alle caratteristiche effettive del sistema: possibile memorizzazione o inferenza di dati personali, difficoltà di prevedere alcuni output, bias, data drift, attacchi al modello e dipendenze dal provider esterno. 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. Valutazione sistematica e profilazione. L'Art. 35, par. 3, lett. a), considera il caso della valutazione sistematica e globale di aspetti personali, basata su trattamento automatizzato e idonea a fondare decisioni con effetti giuridici o analogamente significativi. Una semplice segmentazione non rende quindi automaticamente obbligatoria la DPIA: contano finalità, scala, conseguenze e criteri concorrenti.

2. Decisioni automatizzate con effetti giuridici o analoghi. Sistemi che determinano o incidono significativamente sull'accesso a servizi, sull'assunzione, sulla concessione di credito o sulla valutazione assicurativa rappresentano un indicatore forte. Anche una raccomandazione formalmente sottoposta ad approvazione umana va valutata in concreto se l'intervento umano è meramente apparente.

3. Categorie particolari di dati su larga scala. L'Art. 35, par. 3, lett. b), richiama il trattamento su larga scala delle categorie particolari di dati e dei dati relativi a condanne e reati. Fuori dalla larga scala, la presenza di dati sensibili resta un criterio di rischio da combinare con natura, contesto, finalità e altri indicatori; non equivale sempre, isolatamente, a un obbligo automatico.

4. Sistemi ad alto rischio secondo l'AI Act. La classificazione come sistema AI ad alto rischio non crea, da sola, un nuovo obbligo generale di DPIA. L'Art. 26, par. 9, AI Act stabilisce invece che, quando la DPIA è applicabile ai sensi del GDPR, il deployer utilizzi le informazioni fornite ai sensi dell'Art. 13 AI Act per adempiere a tale obbligo.

5. Monitoraggio sistematico su larga scala. L'Art. 35, par. 3, lett. c), menziona il monitoraggio sistematico su larga scala di una zona accessibile al pubblico. Il monitoraggio di lavoratori, utenti o soggetti vulnerabili può comunque richiedere la DPIA quando ricorrono i criteri dell'elenco del Garante e del WP248, da valutare nel loro insieme.

In Italia, l'elenco del Garante include l'uso di tecnologie innovative, tra cui i sistemi di intelligenza artificiale, quando ricorre almeno un ulteriore criterio individuato nelle linee guida europee. L'analisi deve quindi essere documentata caso per caso e non ridotta all'equazione “uso AI = DPIA sempre obbligatoria”.

La checklist in 7 passi

Checklist Ingoglia DPIA-AI — versione 1.0.0, 23 agosto 2026. È una traccia operativa derivata dall'art. 35 GDPR e adattata ai rischi dei sistemi AI. Per ogni passo vanno registrati responsabile, evidenza esaminata, esito, misura correttiva e data del riesame; la checklist non sostituisce la valutazione richiesta dal caso concreto.

Scarica la Checklist DPIA-AI compilabile in Word oppure consulta la pagina con istruzioni, versione corrente e changelog.

Checklist operativa sintetica

Descrivere finalità, persone coinvolte, dati, modello, flussi e fornitori.
Verificare necessità, proporzionalità e alternative meno invasive.
Individuare rischi, probabilità, gravità e categorie di interessati vulnerabili.
Acquisire istruzioni d'uso, limiti e informazioni rilevanti dal provider.
Definire misure tecniche, organizzative e contrattuali verificabili.
Documentare il parere del DPO e valutare l'eventuale consultazione preventiva.
Stabilire monitoraggio e riesame quando cambia il rischio del trattamento.

Passo	Evidenza minima	Esito da registrare
1. Perimetro	Diagramma dei flussi, inventario dati, modello e fornitori	Trattamenti e soggetti delimitati
2. Necessità	Finalità, base giuridica, alternative e minimizzazione	Necessità e proporzionalità motivate
3. Rischi	Scenari, interessati, probabilità e gravità	Rischio inerente per scenario
4. Provider	DPA, istruzioni, limiti, localizzazione e subfornitori	Lacune informative e dipendenze
5. Misure	Controlli tecnici, organizzativi e contrattuali	Rischio residuo e responsabile
6. Governance	Parere DPO e decisione del titolare	Approvazione o consultazione ex art. 36
7. Riesame	KPI, incidenti, drift e modifiche del sistema	Trigger, frequenza e data del prossimo controllo

La compilazione è completa soltanto se ogni conclusione è collegata a un'evidenza verificabile. Un campo “non applicabile” deve riportare la motivazione; un'informazione mancante dal provider va trattata come lacuna da risolvere, non come assenza di rischio.

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 — Informazioni e istruzioni del Provider

Per un sistema ad alto rischio, il deployer deve disporre delle istruzioni e delle informazioni fornite ai sensi dell'Art. 13 AI Act e, quando la DPIA GDPR è applicabile, usarle secondo l'Art. 26, par. 9. Non ne consegue automaticamente un diritto a ricevere l'intera documentazione tecnica interna prevista dall'Art. 11. Occorre chiedere almeno le informazioni necessarie a descrivere funzionamento, dati, limiti, supervisione, rischi noti e misure di sicurezza; eventuali carenze vanno gestite anche sul piano contrattuale prima dell'uso.

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 di riesame definita in base al rischio; il GDPR non impone una cadenza annuale universale
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)

Qual è lo stato del template EDPB 2026?

Il 14 aprile 2026 l'EDPB ha adottato un template europeo per la DPIA e lo ha sottoposto a consultazione pubblica, chiusa il 9 giugno 2026. L'EDPB ha annunciato che il documento sarà finalizzato dopo l'esame dei contributi. Il template non è obbligatorio: le organizzazioni possono utilizzare una metodologia diversa, purché soddisfi l'Art. 35 GDPR. La pagina ufficiale EDPB mette a disposizione il modello e il documento esplicativo.

I campi principali comprendono:

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
Informazioni esterne	Dipende dal trattamento	Istruzioni e informazioni del provider rilevanti; Art. 26(9) se la DPIA è applicabile
Frequenza di aggiornamento	Quando cambia il trattamento	+ Quando cambia il modello o i suoi pesi
Integrazione FRIA	Non applicabile	Da verificare nei casi e per i deployer indicati dall'Art. 27 AI Act
Consultazione Garante	Se il rischio elevato residua nonostante le misure	Stessa condizione dell'Art. 36 GDPR

Domande frequenti sulla DPIA per sistemi AI

L'uso di un sistema AI rende sempre obbligatoria la DPIA?

No. L'obbligo dipende dal rischio elevato del trattamento di dati personali, valutato secondo natura, ambito, contesto e finalità. In Italia, l'impiego di tecnologie innovative come l'AI assume particolare rilievo quando si combina con almeno un ulteriore criterio indicato dalle linee guida europee e dall'elenco del Garante.

Un sistema ad alto rischio secondo l'AI Act richiede automaticamente una DPIA?

No. La classificazione AI Act e l'obbligo GDPR sono distinti. Se la DPIA è applicabile, l'Art. 26, par. 9, AI Act impone al deployer di usare le informazioni ricevute ai sensi dell'Art. 13 per svolgerla.

DPIA e FRIA sono lo stesso documento?

No. La DPIA riguarda i rischi del trattamento di dati personali; la FRIA considera l'impatto sui diritti fondamentali nei casi disciplinati dall'Art. 27 AI Act. Le due valutazioni possono essere coordinate e riutilizzare informazioni comuni, ma non sono automaticamente intercambiabili.

Quando deve essere aggiornata la DPIA?

L'Art. 35, par. 11, GDPR richiede il riesame almeno quando cambia il rischio del trattamento. Per un sistema AI, esempi di trigger sono un nuovo modello, nuove fonti dati, una diversa finalità, modifiche della popolazione interessata, drift significativo o nuovi incidenti.

Quando è necessaria la consultazione preventiva del Garante?

Quando la DPIA indica che, in assenza di misure sufficienti, il trattamento presenterebbe ancora un rischio elevato. La consultazione preventiva dell'Art. 36 GDPR non scatta per il solo fatto che la tecnologia sia nuova o che il sistema rientri nell'AI Act.

Necessiti di supporto?

Se necessiti di consulenza sul tuo caso specifico, contattami per valutare assieme la situazione.

Richiedi Consulenza

Articolo e Checklist Ingoglia DPIA-AI aggiornati al 23 agosto 2026. La consultazione sul template EDPB 2026 si è chiusa il 9 giugno 2026; verificare sulla pagina ufficiale l'eventuale pubblicazione della versione finalizzata. Per supporto sul caso concreto, contatta lo studio.