ANALISI INTEGRATA PRIVACY, AI ACT E LINEE GUIDA IN CONSULTAZIONE PUBBLICA AG.I.D.: VERSO LA CONFORMITÀ NORMATIVA DEI SISTEMI IA NELLA PUBBLICA AMMINISTRAZIONE

L’adozione di sistemi di Intelligenza Artificiale nella pubblica amministrazione rappresenta una sfida normativa complessa, che richiede il coordinamento di tre pilastri legislativi: il Regolamento (UE) 2016/679 (G.D.P.R.)[1], il Decreto Legislativo 30 giugno 2003, n. 196 (Codice della Privacy)[2] e il Regolamento (UE) 2024/1689 (AI Act)[3].

Le Linee Guida pubblicate in consultazione pubblica dall’Agenzia per l’Italia Digitale (Ag.I.D.)[4], le Linee Guida cui ha aderito l’Agenzia Nazionale per la Cybersicurezza (A.C.N.)[5] e le Linee Guida del Ministero dell’Istruzione e del Merito[6] definiscono un quadro operativo che integra queste disposizioni normative, imponendo alla Pubblica Amministrazione il rispetto di obblighi trasversali per garantire la protezione dei dati personali, la sicurezza dei sistemi e la trasparenza nell’utilizzo dell’Intelligenza Artificiale.

Il G.D.P.R. costituisce il fondamento della protezione dei dati personali. Le Linee Guida Ag.I.D. per lo sviluppo di sistemi IA nella PA chiariscono che ogni amministrazione che impiega sistemi intelligenti per il trattamento di dati personali deve conformarsi integralmente ai principi di liceità, correttezza e trasparenza (art. 5 G.D.P.R.).

La Pubblica Amministrazione, quale Titolare del Trattamento, assume piena responsabilità anche quando il servizio è sviluppato per suo conto da terzi o a terzi affidato (art. 4, n. 7 G.D.P.R.), identificandosi altresì con il ruolo di “deployer” ai sensi della normativa europea sull’intelligenza artificiale[7].

L’obbligo fondamentale risiede nel disposto dell’art. 25 del G.D.P.R “Privacy by Design e by Default”, infatti, dalla fase di progettazione, i sistemi IA devono integrare meccanismi di protezione dei dati personali.

Questa responsabilità deve essere esplicitamente trasferita nei contratti di procurement e nei capitolati tecnici, evitando che l’onere della compliance ricada interamente sui fornitori. La Legge italiana n. 132/2025, all’art. 3 rubricato “Principi generali”, ribadisce il principio di “autonomia umana” e “prevenzione del danno” nella dimensione antropocentrica dell’IA, rafforzando così i presupposti per una progettazione responsabile già previsti dal G.D.P.R.[8].

Il D.lgs. 196/2003 all’art. 3, oggi abrogato, recante “Principio di necessità nel trattamento dei dati” già prescriveva che “[i] sistemi informativi e i programmi informatici sono configurati riducendo al minimo l’utilizzazione di dati personali e di dati identificativi, in modo da escluderne il trattamento quando le finalità perseguite nei singoli casi possono essere realizzate mediante, rispettivamente, dati anonimi od opportune modalità che permettano di identificare l’interessato solo in caso di necessità”.

Le Linee Guida per il Procurement I.A. nella Pubblica Amministrazione[9] richiamano questo principio nella valutazione delle strategie di “data minimization”, particolarmente rilevante per i processi di training e fine-tuning dei modelli. La L. 132/2025 integra ulteriormente questo obbligo, imponendo “la conoscibilità, trasparenza e spiegabilità” dei sistemi IA utilizzati dalla PA (art. 3, co. 3), creando così un collegamento diretto tra diritto di accesso ai dati (D.lgs. 196/2003) e diritto di spiegazione dell’algoritmo (AI Act e L. 132/2025).

L’AI Act, d’altro canto, rappresenta il primo quadro normativo europeo dedicato specificamente ai sistemi di IA. A differenza del G.D.P.R., che riguarda i trattamenti di dati personali riferibili alle persone fisiche, l’AI Act disciplina i rischi dei sistemi IA in base al loro livello di impatto sui diritti fondamentali, indipendentemente dal trattamento di dati personali.

Per la Pubblica Amministrazione, l’AI Act introduce una classificazione per livelli di rischio: rischio minimo (sistemi a basso impatto, esenti da obblighi specifici), rischio basso (sistemi con impatti contenuti), rischio elevato (sistemi che influenzano diritti fondamentali e decisioni amministrative), rischio proibito (sistemi vietati ex lege).

L’art. 13 combinato con l’art. 27 dell’AI Act impongono, per i sistemi ad alto rischio, la predisposizione di una documentazione tecnica completa e l’effettuazione di valutazioni d’impatto sistematiche[10].

La Legge 23 settembre 2025, n. 132 rappresenta il primo quadro normativo nazionale organico italiano dedicato allo sviluppo e all’utilizzo dell’IA, stabilendo all’art. 1, comma 2, che le disposizioni si interpretano e si applicano conformemente al Regolamento (UE) 2024/1689 (AI Act), con l’obiettivo di promuovere un utilizzo corretto, trasparente e responsabile dell’IA in una dimensione antropocentrica.

La legge garantisce la vigilanza sui rischi economici e sociali e sull’impatto sui diritti fondamentali dell’IA e abbraccia un ampio spettro di applicazioni, dalla sanità alla ricerca, dal lavoro alla PA, dalla giustizia all’istruzione. All’art. 3, la L. 132/2025 esplicita i principi fondamentali cui deve ispirare lo sviluppo e l’utilizzo dell’IA: proporzionalità, autonomia umana, prevenzione del danno, conoscibilità, trasparenza, spiegabilità, eguaglianza tra le persone, sostenibilità, cybersicurezza, tutela del metodo democratico e pieno accesso per le persone con disabilità.

Obblighi coordinati per le Pubbliche Amministrazioni

Le Linee Guida Ag.I.D. per lo sviluppo di sistemi IA nella PA prescrivono che ogni amministrazione conduca preliminarmente una Valutazione d’Impatto sulla Protezione dei Dati (D.P.I.A.), ai sensi dell’articolo 35 G.D.P.R., integrata con le specifiche informazioni relative al sistema IA ad alto rischio secondo l’articolo 13 dell’AI Act. La L. 132/2025, pur rimandando ai decreti attuativi per specifiche modalità operative (art. 24), enfatizza la necessità di valutazioni sistematiche di conformità ai principi dell’art. 3, particolarmente per i sistemi utilizzati in settori critici come sanità (artt. 7-8), per i dati particolari di cui all’art. 9 del G.D.P.R. (art. 9), lavoro (artt. 11-13), giustizia (art. 15)e PA (art. 14).

Tale valutazione deve analizzare: (i) se il sistema IA tratta dati personali e verificarne la base giuridica; (ii) individuare i potenziali impatti sui diritti e sulle libertà dei cittadini amministrati; (iii) valutare il livello di rischio ai sensi dell’AI Act (allegato I, II, III del Reg. UE 2024/1689) e dell’art. 35 del G.D.P.R.; (iv) verificare la conformità ai principi enunciati dall’art. 3 della L. 132/2025; (v) documentare le misure di mitigazione adottate, incluse le azioni di monitoraggio continuo; (vi) includere analisi di bias e di discriminazione (“eguaglianza tra le persone” anche in relazione alle basi di dati impiegate nella fase di addestramento).

Inoltre, la Pubblica Amministrazione che adotti sistemi IA assume la veste di titolare del trattamento e ne assume la responsabilità, anche quando il servizio è erogato tramite fornitori terzi (modello di Shared Responsibility). Le Linee Guida per il procurement IA richiedono che i capitolati tecnici e i contratti esplicitino tale suddivisione di responsabilità, evitando trasferimenti indebiti dell’onere di compliance al fornitore e prevedendo clausole che garantiscono l’auditabilità continua del sistema[11].

L’art. 28 G.D.P.R., già applicabile ai Responsabili esterni del trattamento, trova ulteriore rafforzamento nei contratti di procurement IA, dove deve essere esplicitamente previsto il diritto della Pubblica Amministrazione di effettuare verifiche, audit e controlli sulla corretta configurazione dell’algoritmo e sulla conformità ai requisiti di trasparenza e spiegabilità. La L. 132/2025 (art. 24) delega, infine, il Governo ad adottare decreti legislativi volti ad adeguare la normativa nazionale all’AI Act e a specificare la disciplina dei casi di realizzazione e impiego illeciti di sistemi IA, chiarendo ulteriormente le responsabilità gestionali e penali dei titolari.

Obblighi di Trasparenza e Informativa

Sia il G.D.P.R. (artt. 13-15) che l’AI Act (artt. 13-15, artt. 54-60) enfatizzano il diritto degli interessati di essere informati sul trattamento dei loro dati e sull’utilizzo di sistemi decisionali automatizzati. Le Linee Guida per le Scuole e la PA prevedono obblighi di comunicazione chiara: i cittadini e gli studenti devono essere preventivamente informati qualora un sistema IA sia utilizzato per assumere decisioni che li riguardano (diritto di spiegazione, right to explanation).

Ciò vale in particolare per sistemi ad alto rischio (e.g., assegnazione risorse, valutazione idoneità, screening automatico di domande di accesso). La Legge n. 132/2025 (art. 3, co. 3) inserisce esplicitamente “la conoscibilità, trasparenza e spiegabilità” fra i principi fondamentali cui deve ispirarsi l’uso dell’IA nelle amministrazioni pubbliche, richiedendo che ogni cittadino amministrato possa comprendere le modalità di funzionamento di un sistema IA che incida su suoi diritti o obblighi. L’art. 10 della L. 132/2025 stabilisce inoltre il principio secondo cui “le amministrazioni pubbliche garantiscono la piena disponibilità e la trasparenza dell’informazione” riguardo ai sistemi IA utilizzati, con obbligo di resa di conto (accountability) nei confronti dei cittadini e del Parlamento.

Gestione dei Dati di Training e Fine-tuning

Le Linee Guida Ag.I.D. per lo sviluppo di sistemi IA prescrivono che, in fase di training e fine-tuning di modelli, la PA garantisca:

• Data Minimization: raccolta e trattamento di soli dati strettamente necessari, in conformità all’articolo 5, § 1, lett. c del G.D.P.R.;
• Consent e Lawful Basis: verifica che i dati utilizzati siano stati lecitamente acquisiti e che sussista una base giuridica idonea per il riutilizzo nel contesto IA;
• Audit trail completo: documentazione di ogni fase di acquisizione, pulizia, etichettatura e utilizzo dei dati, secondo le modalità specificate nell’Allegato I del Regolamento UE 2024/1689;
• Protezione contro bias: implementazione di controlli per rilevare e mitigare discriminazioni (rischi di “disparate impact” ai sensi dell’AI Act, art. 39). La L. 132/2025 (art. 3, co. 1 e co. 7) ribadisce il principio di “eguaglianza tra le persone“, imponendo che i sistemi IA non perpetuino né amplifichino discriminazioni nei confronti di gruppi protetti (donne, minoranze, disabili);
• Documentazione tecnica: preparazione della documentazione completa secondo l’art. 13, Allegato VI dell’AI Act, includendo informazioni dettagliate su fonti dei dati, metodologie di etichettatura e test di validazione.

Sicurezza, Logging e Cybersecurity

Il Reg. (UE) 2024/1689 e le Linee Guida cui ha aderito l’Agenzia per la Cybersicurezza Nazionale (A.C.N.) al paragrafo relativo allo Sviluppo Sicuro[12] richiedono o rimandano, più o meno esplicitamente, a:

• Sistemi di logging avanzati per tracciare ogni decisione, predizione o raccomandazione fornita dal sistema, conformemente agli artt. 12 e 19 dell’AI Act e all’art. 84-bis del D.lgs. 82/2005 (Codice dell’Amministrazione Digitale);
• Conformità a standard di cybersecurity (NIS2, NIST AI RMF, CRA) e compliance con il Perimetro di Sicurezza Nazionale Cibernetica (PSNC) per sistemi critici, laddove rientrino negli ambiti di applicazione della normativa cyber rilevante[13], ovvero adozione di forme di certificazione volontaria, quali ISO/IEC 42001:2023 – AI management systems, anche secondo ISO/IEC 23894:2023 – AI — Guidance on risk management;
• Piani di risposta agli incidenti (incident response) e obbligo di notificazione alle autorità di vigilanza (e.g. Autorità Garante per la Protezione dei Dati Personali o A.C.N.) in caso di incidenti di sicurezza ai sensi del D.lgs. n. 138/2024, laddove applicabile, o di gravi rischi correlati “[al]la salute o la sicurezza o per i diritti fondamentali delle persone”, secondo l’art. 20 dell’AI Act, ovvero in caso di incidenti gravi ai sensi degli artt. 26 e 73 dell’IA Act;
• Architetture Zero Trust e neutralità tecnologica, favorendo modelli cloud e SaaS qualificati dall’A.C.N. rispetto a soluzioni on-premises non supportate;
• Monitoraggio continuo e valutazione post-implementazione: secondo le Linee Guida Ag.I.D., la Pubblica Amministrazione deve condurre valutazioni periodiche (almeno annuali) sulla performance, accuratezza, bias e efficacia di mitigazione dei rischi dei sistemi IA utilizzati;
• Adeguamento alle misure di sicurezza previste dalla L. 132/2025: l’art. 3 co. 6 enfatizza la “cybersicurezza” quale “precondizione essenziale” imponendo che i sistemi IA utilizzati nelle pubbliche amministrazioni siano “lungo tutto il ciclo di vita” impiegati “secondo un approccio proporzionale e basato sul rischio, nonché l’adozione di specifici controlli di sicurezza, anche al fine di assicurarne la resilienza contro tentativi di alterarne l’utilizzo, il comportamento previsto, le prestazioni o le impostazioni di sicurezza”.

Linee Guida AGID per lo Sviluppo IA nella PA

Le Linee Guida Ag.I.D. per lo sviluppo di sistemi di Intelligenza Artificiale nella pubblica amministrazione rappresentano il principale strumento operativo di attuazione dei principi europei e nazionali. Promuovono l’adozione di sistemi IA antropocentrici, con al centro la tutela dei diritti delle persone e l’integrazione dei valori costituzionali. Impongono:

• Privacy by Design e by Default: integrazione della protezione dei dati nella fase di concezione del sistema;
• Per la fase di Addestramento (training) si pone una scelta obbligata in base alle tipologie di dati coinvolti tra: (1) Cloud (dati utilizzabili in cloud), prevedendo infrastrutture scalabili per training intensivo, GPU/TPU in cluster per calcolo parallelo e storage ottimizzato per grandi volumi (ad esempio, dal training di un chatbot generico su servizi PA) (2) On-prem (per dati sensibili), prevedendo controllo e sovranità dei dati; conformità by design al GDPR e un investimento in hardware dedicato (ad esempio per modello di analisi di documenti riservati) (3) Hybrid (per dati misti), adottando il modello del Federated Learning, cioè di un training distribuito senza condivisione dati (ad esempio un modello che impara da più enti senza centralizzare dati personali); 
• Per la fase di Esercizio (operational data) anche in tal caso, in base alle sorgenti di provenienza dei dati, occorre operare un distinguo in base alle tipologie di dati coinvolti tra diversi scenari: (1) Dati Non Sensibili (Cloud) (2) Dati Personali Comuni (Hybrid) (3) Dati Sensibili (On Premise) (4) Data Lake Ibrido (Storico + Corrente)
• Attenzionare la scelta dell’Architettura logica di riferimento sulla base delle effettive necessità del Sistema di IA;
• Qualificare, considerando i diversi livelli di competenze e risorse disponibili, i ruoli ricoperti dai soggetti coinvolti nello sviluppo e impiego del modello o sistema di IA e le conseguenti responsabilità;
• D.P.I.A. obbligatorie per ogni sistema che tratti dati personali, in forma, con valutazione combinata di impatti G.D.P.R. e rischi AI Act, specialmente laddove il Principio 2 – Rispetto dei valori fondamentali dell’UE del § 2.2. Correlazione tra i principi per l’Adozione, lo Sviluppo e il Procurement di sistemi di IA nella Pubblica Amministrazione impone che “[l]o sviluppo DEVE integrare valutazioni d’impatto sui diritti fondamentali e meccanismi di controllo umano, anche attraverso l’uso di agenti con ruoli e responsabilità chiaramente definiti. I modelli DEVONO essere selezionati e orchestrati in modo proporzionato al contesto, evitando soluzioni sovradimensionate. In fase di procurement, le procedure di gara DEVONO valutare l’impatto sui diritti fondamentali dell’intero sistema, inclusi modelli, servizi e componenti di terze parti. Il procurement DEVE inoltre evitare vincoli tecnologici che limitino la sostituibilità dei componenti in caso di criticità”;
• Audit continui e valutazione preventiva di bias e rischi legati all’utilizzo di modelli generativi;
• Documentazione tecnica completa secondo l’Allegato VI dell’AI Act, per quanto disposto dall’art. 11 § 1, includendo data governance, metodologie di testing e risultati di validazione;
• Engagement con stakeholder: coinvolgimento di cittadini, società civile e comunità coinvolte dal sistema IA durante il ciclo di vita dello sviluppo.

Linee Guida per il Procurement IA nella PA

Le Linee Guida per il procurement di IA nella Pubblica Amministrazione (bozza in consultazione pubblica) disciplinano le modalità di acquisizione e di valutazione di servizi e soluzioni IA conformemente a criteri di efficienza, responsabilità e sostenibilità. Introducono il modello LCOAI (Levelized Cost of Artificial Intelligence), che valuta le offerte non solo su prezzo iniziale, ma su costi globali di ciclo di vita e relativa sostenibilità (spese in conto capitale – CAPEX e spese operative ricorrenti – OPEX, costi organizzativi, costi di data governance, costi di uscita e transizione verso fornitori alternativi). Le Linee Guida impongono, inoltre:

• Service Level Agreement(s) rigorosi su accuratezza, bias, disponibilità del servizio e tempi di risposta;
• Diritti di auditing e trasparenza: diritto della P.A. di ispezionare i dati utilizzati, i modelli sottostanti e i risultati delle valutazioni interne di bias;
• Scomposizione architetturale e modularità del sistema, per evitare lock-in tecnologico;
• Portabilità dei dati: obbligo del fornitore di garantire l’esportazione completa dei dati di addestramento e delle predizioni in formato standard, al termine del contratto;
• Conformità a standard di sicurezza e di sostenibilità: inclusione di clausole contrattuali che rinviano al framework di governance della L. 132/2025 e alle direttive applicabili dell’A.C.N. e dell’Ag.I.D. o a misure di certificazione e di garanzia durante tutto il ciclo di sviluppo e fornitura.

Linee Guida per l’Introduzione dell’IA nelle Istituzioni Scolastiche

Le Linee Guida del Ministero dell’Istruzione e del Merito per l’introduzione dell’Intelligenza Artificiale nelle Istituzioni scolastiche sono specificamente focalizzate sulla tutela dei minori e sulla salvaguardia dei diritti educativi e della dignità degli studenti.

Prescrivono che i sistemi IA nella scuola rispettino il principio di valore costituzionale del “what is best for each child” (art. 3 della Convenzione sui diritti dell’infanzia dell’O.N.U.)[14] e prevedono:

• Limitazioni nell’utilizzo di profiling: divieto di profili predittivi basati su caratteristiche personali dei minori che possono influenzare scelte educative o allocazioni di risorse;
• Vietati sistemi di tracking comportamentale: i sistemi IA non devono monitorare il comportamento degli studenti per fini di valutazione automatica o segnalazione precoce di “rischi”, salvo idonea base giuridica di protezione (e.g., prevenzione di autolesionismo);
• Diritti di opt-out: insegnanti, genitori e studenti conservano il diritto di rifiutare l’utilizzo di un sistema IA in contesti educativi senza subire pregiudizi;
• Trasparenza verso genitori: le famiglie devono essere informate in modo chiaro e tempestivo se un sistema IA è utilizzato per valutare, certificare o raccomandare percorsi formativi dei loro figli;
• Conformità alla normativa sulla protezione dei minori: applicazione dell’art. 8 del G.D.P.R. (consenso di chi esercita la responsabilità genitoriale) e dell’art. 3, co. 7 della L. 132/2025, che garantisce “il pieno accesso alle persone con disabilità ai sistemi di IA” e art. 4 laddove per “[l]’accesso alle tecnologie di intelligenza artificiale da parte dei minori di anni quattordici nonché il conseguente trattamento dei dati personali richiedono il consenso di chi esercita la responsabilità genitoriale”, salvo i casi di maggiori di anni quattordici e minori di anni diciotto che abbiano ricevuto l’informativi di cui all’art. 4 co. 3.

Governance e Coordinamento Normativo

La L. 132/2025 istituisce una struttura di governance articolata per coordinare l’implementazione della normativa italiana sull’IA. La Presidenza del Consiglio dei Ministri (attraverso il Dipartimento per la Trasformazione Digitale) ha predisposto la Strategia nazionale per l’IA 2024-2026[15], approvata con cadenza biennale dal Comitato interministeriale per la Transizione Digitale (C.I.T.D.) e sottoposta a controllo annuale da parte del Parlamento. Tale strategia coordina le politiche pubbliche di ricerca, sperimentazione e adozione di sistemi IA nella PA, promuovendo innovazione nel rispetto dei diritti fondamentali.

La conformità normativa ai sistemi IA nella pubblica amministrazione, quindi, richiede un approccio integrato ai quattro pilastri normativi (G.D.P.R., D.lgs. 196/2003, AI Act, L. 132/2025), coordinati con gli obblighi di sviluppo sicuro e cybersicurezza, con responsabilità chiare del titolare, valutazioni preventive sistematiche e documentazione completa secondo i requisiti dell’Allegato VI dell’AI Act.

Le Linee Guida Ag.I.D., A.C.N. e ministeriali forniscono un quadro operativo coerente e orientato ai principi antropocentrici, sebbene la loro attuazione rimanga sfidante soprattutto per enti locali con risorse limitate.

L’impegno nel medio termine dovrà rivolgersi verso: (i) adeguamento dei capitolati di procurement per esplicitare obblighi di accountability e portabilità dei dati; (ii) creazione di competenze interne di data governance e audit dei sistemi IA; (iii) implementazione di sistemi di logging avanzati conformi agli standard della Dir. (UE) 2022/2555 (NIS2)[16] e relativo decreto di recepimento, il D.lgs. n. 138/2024; (iv) coinvolgimento trasparente di stakeholder e cittadini nelle valutazioni preventive di bias e impatto sui diritti fondamentali.

Solo attraverso questa integrazione coordinata sarà possibile realizzare i benefici dell’IA pubblica mantenendo robusta protezione dei diritti e delle libertà dei cittadini amministrati.

A cura di
Dott. Eucalipto Edoardo

[1] Cfr. Regolamento (UE) n. 2016/679 del Parlamento europeo e del Consiglio (GDPR), del 27 aprile 2016 “Relativo alla protezione delle persone fisiche con riguardo al trattamento dei dati personali e alla libera circolazione di tali dati”, in https://eur-lex.europa.eu/legal-content/IT/TXT/?uri=CELEX:32016R0679;

[2] Cfr. Decreto Legislativo n. 196, del 30 giugno 2003, recante “Codice in materia di protezione dei dati personali”. Integrato dalle modifiche per l’adeguamento al GDPR”, in https://www.normattiva.it/uri-res/N2Ls?urn%3Anir%3Astato%3Adecreto.legislativo%3A2003-06-30%3B196;

[3] Cfr. Regolamento (UE) n. 2024/1689 del Parlamento europeo e del Consiglio, del 12 giugno 2024, relativo a norme armonizzate sull’intelligenza artificiale e recante modifiche a taluni atti legislativi dell’Unione (AI Act) – in vigore 1º agosto 2024, in https://eur-lex.europa.eu/legal-content/IT/TXT/?uri=CELEX:32024R1689;

[4] Adottate, per la consultazione pubblica, con Det. del Direttore Generale n. 43 del 10 marzo 2026, recanti “Avvio dell’iter di consultazione e informazione delle Linee guida per lo sviluppo e il procurement dell’Intelligenza Artificiale nella Pubblica Amministrazione”, in https://www.agid.gov.it/it/notizie/linee-guida-su-ia-nella-pa-al-la-consultazione-pubblica-su-sviluppo-e-procurement;

[5] Cfr. Guidelines for secure AI system development, sviluppate dal National Cyber Security Center del Regno Unito, reso pubblico il 27 novembre 2023, cui A.C.N. ha aderito mediante sottoscrizione, in https://www.acn.gov.it/portale/linee-guida-ia ;

[6] Cfr. Linee guida per l’introduzione dell’Intelligenza Artificiale nelle Istituzioni scolastiche, adottate con Decreto Ministeriale n. 166/2025, in https://unica.istruzione.gov.it/portale/;

[7] Cfr. “«deployer»: una persona fisica o giuridica, un’autorità pubblica, un’agenzia o un altro organismo che utilizza un sistema di IA sotto la propria autorità, tranne nel caso in cui il sistema di IA sia utilizzato nel corso di un’attività personale non professionale”, in Art. 3 “Definizioni”, § 1 n. 4, del Reg. (UE) n. 2024/1689;

[8] Cfr. Legge n. 132, del 23 settembre 2025, “Disposizioni e deleghe al Governo in materia di intelligenza artificiale”, in vigore dal 10 ottobre 2025, in https://www.normattiva.it/uri-res/N2Ls?urn%3Anir%3Astato%3Alegge%3A2025-09-23%3B132;

[9] Cfr. “[…] In particolare, devono essere disciplinate con attenzione le condizioni alle quali i dati possono essere utilizzati dal fornitore, anche per finalità ulteriori quali l’addestramento, il miglioramento o il riuso dei modelli di IA. Tali utilizzi devono essere valutati in modo coerente con le finalità pubbliche perseguite, con la normativa vigente in materia di protezione dei dati personali e con il principio di minimizzazione del trattamento, evitando che il procurement determini forme di valorizzazione privata del dato pubblico non compatibili con l’interesse generale […]”, § 3.4 Ruolo del Dato nel Procurement, Bozza di linee guida per il procurement di IA nella Pubblica Amministrazione, in https://www.agid.gov.it/sites/agid/;

[10] Cfr. all.’art. 13, rubricato “Trasparenza e fornitura di informazioni ai deployer”, è fatto obbligo di accompagnare l’impiego di sistemi di IA ad alto rischio con “istruzioni per l’uso, in un formato appropriato digitale o non digitale, che comprendono informazioni concise, complete, corrette e chiare che siano pertinenti, accessibili e comprensibili per i deployer”, nonché, tra le altre, di documentare “qualsiasi circostanza nota o prevedibile connessa all’uso del sistema di IA ad alto rischio in conformità della sua finalità prevista o in condizioni di uso improprio ragionevolmente prevedibile che possa comportare rischi per la salute e la sicurezza o per i diritti fondamentali di cui all’articolo 9, paragrafo 2”, mentre l’art. 27, rubricato “Valutazione d’impatto sui diritti fondamentali per i sistemi di IA ad alto rischio”, impone che “[p]rima di utilizzare un sistema di IA ad alto rischio […] i deployer che sono organismi di diritto pubblico o sono enti privati che forniscono servizi pubblici e i deployer di sistemi di IA ad alto rischio di cui all’allegato III, punto 5, lettere b) e c), effettuano una valutazione dell’impatto sui diritti fondamentali che l’uso di tale sistema può produrre […]. Se uno qualsiasi degli obblighi di cui al presente articolo è già rispettato mediante la valutazione d’impatto sulla protezione dei dati effettuata a norma dell’articolo 35 del regolamento (UE) 2016/679 o dell’articolo 27 della direttiva (UE) 2016/680, la valutazione d’impatto sui diritti fondamentali di cui al paragrafo 1 del presente articolo integra tale valutazione d’impatto sulla protezione dei dati”, in https://eur-lex.europa.eu/eli/reg/2024/1689/oj?locale=it.

[11] “Il principio di controllo si traduce nella necessità per la Pubblica Amministrazione di mantenere margini effettivi di supervisione tecnica, funzionale e organizzativa sul sistema. Ciò include la possibilità di monitorarne in modo continuo il comportamento, verificarne le prestazioni tramite audit, modificarne la configurazione, sostituirne componenti anche critiche e, ove necessario, sospenderne o cessarne l’utilizzo, nonché di attivare modalità operative alternative – quali meccanismi di fallback – idonee a garantire la continuità del servizio anche in presenza di malfunzionamenti, degrado delle prestazioni o indisponibilità di specifiche componenti tecnologiche. Il controllo rappresenta un elemento qualificante del procurement pubblico di IA e deve essere assicurato lungo l’intero ciclo contrattuale, con particolare attenzione alla fase di esecuzione”, § 3.1 Principi generali del Procurement & § 3.6.3 Obiettivi di Sicurezza, cit. “Bozza di linee guida per il procurement di IA nella Pubblica Amministrazione” in consultazione pubblica;

[12] Cfr. “The inevitability of security incidents affecting your AI systems is reflected in your incident response, escalation and remediation plans. Your plans reflect different scenarios and are regularly reassessed as the system and wider research evolves. You store critical company digital resources in offline backups. Responders have been trained to assess and address AI-related incidents. You provide high-quality audit logs and other security features or information to customers and users at no extra charge, to enable their incident response processes[…]”  & “[i]n line with privacy and data protection requirements, you monitor and log inputs to your system (such as inference requests, queries or prompts) to enable compliance obligations, audit, investigation and remediation in the case of compromise or misuse. This could include explicit detection of out-of distribution and/or adversarial inputs, including those that aim to exploit data preparation steps (such as cropping and resizing for images) […]”, § 3 Secure Deployment & § 4 Secure operation and Maintenence, Guidelines for secure Ai System development, in https://www.acn.gov.it/portale/documents/

[13] Cfr. L. n. 90/2024, D.lgs. n. 138/2024, D.lgs. n. 134/2024;

[14] Cfr. Convenzione ONU sui diritti dell’infanzia e dell’adolescenza (Convention on the Rights of the Child – CRC), adottata con Legge di Ratifica n. 176, del 27 maggio 1991, in https://www.gazzettaufficiale.it/, anche in https://www.savethechildren.it/convenzione-sui-diritti-dellinfanzia;

[15] Cfr. Strategia Italiana Per L’intelligenza Artificiale 2024-2026, in https://www.agid.gov.it/sites/agid/;

[16] Cfr. Direttiva (UE) n. 2022/2555, del 14 dicembre 2022, in https://eur-lex.europa.eu/eli/dir/2022/2555/oj?locale=it.