Orizzonte Insegnanti
Dossier tecnico-normativo Fonti ricontrollate il 27 luglio 2026

No-training non significa Zero Data Retention

Chat consumer, servizi enterprise, API controllate e IA locale non sono configurazioni equivalenti. Per proteggere dati scolastici non basta sapere quale modello viene usato: bisogna ricostruire l'intero percorso del dato.

Documento
17 pagine
Riferimenti
26 fonti
Approccio
API-first, local-when-sensitive
No-training non significa Zero Data Retention: il percorso dei dati nell'intelligenza artificiale
Il dossier analizza architetture e configurazioni. Non attribuisce un bollino privacy ai singoli marchi.

Tesi centrale

La privacy dipende dal percorso del dato, non dal nome del modello

Un provider può escludere l'uso dei contenuti per addestrare i modelli e conservarli comunque, per periodi differenti, nei sistemi di abuse monitoring, nelle conversazioni, nei file, nelle cache o nelle funzioni stateful.

Anche quando il provider accorda condizioni restrittive, l'applicazione cliente può ricreare la traccia attraverso reverse proxy, APM, error tracking, database, code di elaborazione o backup. Per questo una API è preferibile soltanto quando è inserita in un flusso realmente controllato.

L'IA locale può offrire maggiore sovranità, ma non è automaticamente sicura: telemetria, egress, log, RAG, accessi interni e backup devono essere configurati e sottoposti a verifica.

Quattro modelli

La stessa interfaccia conversazionale può nascondere condizioni molto diverse

1. Consumer

Chat pubblica

Impostazioni individuali, policy consumer e controllo organizzativo ridotto. Nel modello prudenziale non va usata con dati di terzi non pubblici.

2. Enterprise

SaaS amministrato

Può offrire DPA, no-training e controlli centralizzati, ma funzioni stateful, connettori e retention devono essere verificati.

3. API

Gateway controllato

Permette minimizzazione, pseudonimizzazione, endpoint autorizzati e audit senza contenuto. Richiede prove su retention e logging.

4. Locale

On-premise o privato

Può evitare l'invio a un provider, purché egress, telemetria, log, RAG, accessi e backup siano davvero governati.

Executive summary

Sette conclusioni operative

Ogni conclusione è sviluppata nel PDF con fonti, eccezioni e condizioni di validità.

  1. 1. La chat consumer è un canale esterno di trattamento.

    Prompt, allegati, servizi collegati e metadati seguono condizioni consumer.

  2. 2. Revisione e retention non sono ipotesi astratte.

    Le policy descrivono periodi, eccezioni di sicurezza e possibili revisioni umane.

  3. 3. No-training non equivale a zero retention.

    Addestramento e conservazione sono finalità e controlli distinti.

  4. 4. L'API è preferibile solo se è controllata.

    Endpoint, parametri, log e storage devono essere imposti dal backend.

  5. 5. Il locale offre maggiore sovranità, non sicurezza automatica.

    Egress, telemetria, accessi e supply chain restano rischi reali.

  6. 6. GDPR e AI Act richiedono prove distinte e concorrenti.

    La configurazione effettiva conta quanto contratto e documentazione.

  7. 7. Per scuola e PA la cautela deve essere più alta.

    Minori, salute, disabilità, PEI/PDP, valutazioni e procedimenti possono richiedere misure rafforzate e ambienti più controllati.

Checklist operativa

Otto verifiche prima di autorizzare l'uso dell'IA con dati non pubblici

Una risposta generica del tipo "i dati non vengono usati per il training" non copre tutte le domande necessarie.

  1. 01

    Il contenuto addestra il modello?

    Serve una clausola no-training per input, output, allegati e feedback.

  2. 02

    Quale retention si applica?

    Va verificato lo specifico endpoint, modello, progetto e funzione utilizzata.

  3. 03

    File e funzioni stateful hanno cicli separati?

    Conversazioni, file, vector store, cache e grounding possono seguire regole differenti.

  4. 04

    Chi può leggere il contenuto?

    Human review, ruoli autorizzati, escalation e accessi devono essere documentati.

  5. 05

    Dove avviene il trattamento?

    Regione, subprocessori, servizi globali e trasferimenti richiedono una verifica distinta.

  6. 06

    Cosa registra la nostra applicazione?

    Proxy, APM, error tracking, database, code e backup non devono ricreare log di contenuto.

  7. 07

    Quali tool aggiungono altri destinatari?

    Web search, connettori, browser, MCP e servizi esterni hanno policy proprie.

  8. 08

    Come viene provata la cancellazione?

    TTL, job automatici e test devono produrre un riscontro verificabile.

Perimetro

Cosa il dossier non afferma

  • Non afferma che ogni servizio cloud sia illecito o insicuro.
  • Non afferma che una API garantisca automaticamente assenza di retention.
  • Non afferma che un sistema locale sia sicuro senza hardening e governance.
  • Non presenta le richieste ZDR di Orizzonte Insegnanti come garanzie già attive.
  • Non sostituisce il parere del DPO o la valutazione legale del singolo trattamento.

Raccomandazione

API-first, local-when-sensitive

Per i casi ordinari, una API dietro gateway può consentire controlli che la chat consumer non offre. Per le categorie più sensibili, l'inferenza locale o privata può ridurre l'esposizione a terzi, se il perimetro è realmente chiuso e mantenuto.

È una raccomandazione tecnico-organizzativa da adattare a finalità, base giuridica, DPIA, contratto e configurazione effettiva.

Autore e responsabilità editoriale

Francesco Silvaggio

Fondatore di Orizzonte Insegnanti e curatore del Laboratorio IA Offline

Docente specializzato sul sostegno e sviluppatore di soluzioni di intelligenza artificiale per la scuola. Cura analisi documentali su privacy, governance dei dati e architetture applicative, distinguendo le garanzie dichiarate dai provider dalle configurazioni effettivamente verificate.

Condividi la fonte, non soltanto il titolo

La pagina contiene sintesi, limiti, fonti e accesso al documento completo.