Quando un'applicazione B2B acquisisce una funzione di AI — riassumere i ticket di assistenza, preparare bozze di offerte, rispondere a domande su un archivio documentale — nasce un nuovo flusso di dati. Informazioni che prima viaggiavano solo tra il vostro database e i vostri utenti ora arrivano a un modello, spesso ospitato da terzi, a volte fuori dall'UE. Ogni prompt è un potenziale trasferimento di dati personali, di segreti aziendali, o di entrambi. Il GDPR non ha smesso di valere con l'arrivo dell'AI: ha semplicemente guadagnato un nuovo canale, molto trafficato.
Si parte da ruoli e contratti. Nella maggior parte delle integrazioni B2B il vostro cliente è titolare del trattamento, voi siete responsabili e il fornitore del modello è vostro sub-responsabile. Questa catena deve esistere sulla carta: un accordo sul trattamento dei dati ai sensi dell'articolo 28, un elenco aggiornato dei sub-responsabili e risposte chiare alle tre domande che ogni DPO del cliente farà — dove vengono trattati i dati, per quanto tempo vengono conservati, e vengono usati per addestrare i modelli del fornitore? I piani enterprise dei principali fornitori di AI offrono in genere residenza dei dati nell'UE, nessun addestramento sui dati del cliente e conservazione nulla o ridotta, ma sono opzioni da contrattualizzare e attivare, non impostazioni predefinite da dare per scontate. Se i dati escono dall'UE, il trasferimento richiede una base giuridica: il Data Privacy Framework UE–USA, oppure le clausole contrattuali standard accompagnate da una valutazione d'impatto sul trasferimento.
Poi si progetta per la minimizzazione. Un modello raramente ha bisogno dell'intero record del cliente per fare il suo lavoro. Nomi, indirizzi email, codici fiscali e IBAN vanno mascherati o pseudonimizzati prima che il prompt esca dal vostro perimetro, e reidentificati nella risposta al ritorno. Nella retrieval-augmented generation (RAG), l'indice vettoriale deve applicare gli stessi permessi del sistema di origine: se un utente non può aprire un contratto nel gestionale documentale, l'assistente non deve poterlo citare. Il retrieval consapevole dei permessi è il controllo più trascurato nei progetti di AI aziendale — e quello che, quando manca, fa uscire più dati.
L'AI porta anche una nuova superficie d'attacco. La prompt injection — istruzioni nascoste in un'email, in un PDF o in una pagina web che il modello legge — può spingere un assistente a rivelare dati o a usare strumenti che non dovrebbe. Gli agenti AI capaci di agire, inviando email, aggiornando record o chiamando API, ampliano il raggio dei danni possibili. Le contromisure sono ingegneria della sicurezza classica applicata a un componente nuovo: credenziali con privilegi minimi per ogni strumento che il modello può usare, conferma umana per le azioni irreversibili, filtri sull'output, limiti di frequenza e log completi di prompt e chiamate agli strumenti, conservati con le stesse regole di retention e di accesso dei dati che contengono.
Quando l'AI influenza decisioni sulle persone — selezionare candidati, valutare l'affidabilità creditizia, valutare dipendenti — l'asticella si alza. La valutazione d'impatto sulla protezione dei dati prevista dall'articolo 35 diventa la regola e non l'eccezione, l'articolo 22 limita le decisioni basate unicamente su trattamenti automatizzati e l'AI Act può classificare il sistema come ad alto rischio.
Sul fronte AI Act il calendario si è appena spostato. Il Digital Omnibus sull'AI — Regolamento (UE) 2026/1744, in vigore dal 27 luglio 2026 — ha rinviato gli obblighi per i sistemi ad alto rischio autonomi da agosto 2026 al 2 dicembre 2027, e quelli per l'AI integrata in prodotti regolamentati al 2 agosto 2028. È un rinvio, non un'abrogazione. Gli obblighi per i modelli di AI per finalità generali si applicano da agosto 2025, e le regole di trasparenza dell'articolo 50 — informare gli utenti che stanno interagendo con un'AI, marcare i contenuti sintetici — si applicano dal 2 agosto 2026, con tempo fino al 2 dicembre 2026 per la marcatura dei contenuti generati nei sistemi già sul mercato. In Italia, la Legge 132/2025 aggiunge da ottobre 2025 regole nazionali sull'AI. Un omnibus separato propone inoltre modifiche al GDPR stesso, tra cui un nuovo articolo 88c sul legittimo interesse per lo sviluppo e l'uso dell'AI: da monitorare, non su cui scommettere un progetto.
La lezione pratica è che la conformità costa meno come architettura che come burocrazia. Un AI gateway tra le vostre applicazioni e i modelli — che gestisce in un unico punto mascheramento, instradamento verso endpoint UE, permessi, log e policy — trasforma i requisiti GDPR in infrastruttura riutilizzabile invece che in eccezioni da gestire funzione per funzione. In Svapna integriamo l'AI nei sistemi aziendali — ERP, PLM, ecommerce, middleware — e trattiamo la protezione dei dati come un vincolo di progetto fin dal primo sprint, con hardening e monitoraggio applicativo integrati. Se state pianificando funzioni di AI per la vostra piattaforma B2B, partite dal flusso dei dati.