Bentornati a Legal Prompting, sono Nicola Fabiano e questo è l'episodio 8.
Nell'episodio precedente abbiamo visto come integrare il Legal Prompting nei
processi di compliance aziendale con workflow strutturati, governance e
tracciabilità. Oggi affrontiamo un tema che è il
presupposto di tutto, il segreto professionale e la scelta dell'infrastruttura AI.
Il principio è semplice ma spesso sottovalutato. Quando un avvocato, un
consulente legale o un dpo inserisce in un sistema di intelligenza artificiale
informazioni coperte da segreto professionale, sta compiendo una scelta
deontologica, non solo tecnica. L'infrastruttura su cui gira il modello,
il luogo in cui i dati vengono trattati, i soggetti che possono accedervi, le
anzie contrattuali in essere, la giurisdizione applicabile, tutto questo
fa parte del rispetto del segreto. Non esiste prompt ben scritto che possa
compensare un'infrastruttura inadeguata. Vediamo tre applicazioni concreti.
Prima applicazione, l'analisi di un fascicolo riservato. Se devo chiedere a
un modello di sintetizzare gli atti di una controversia o di confrontare le
clausole di un contratto coperto da NDA, il primo passo non è scrivere il prompt.
È necessario verificare dove andranno quei dati, se saranno usati per
l'addestramento, chi avrà accesso ai log, per quanto tempo verranno conservati e
se il fornitore offre garanzie compatibili con il dovere di riservatezza.
Per dati altamente sensibili, un modello eseguito in locale o su un'infrastruttura
europea con DPE solido e clausole di non training esplicite è spesso l'unica
opzione coerente. Seconda applicazione, la consulenza in
materia di privacy o di salute. Le categorie particolari di dati
richiedono cautelle rafforzate. Anche quando il caso d'uso appare generico,
basta un dettaglio identificativo per trasformare il prompt in un trattamento
di dati personali sensibili. La regola operativa è la pseudonimizzazione
preventiva o, dove possibile, l'astrazione del caso. Se il fornitore non offre
garanzie adeguate sui trasferimenti extra o E, il dato sensibile non deve
uscire dal mio perimetro. Terza applicazione, la redazione di pareri su
operazioni straordinarie o procedimenti penali.
Qui non basta la riservatezza tecnica. Occorre considerare la giurisdizione
del fornitore, le richieste di accesso da parte di autorità estere, l'esposizione
a normativi come il Cloud Act e le implicazioni della legge 332 del 2025 e
dell'AI Act in materia di infrastruttura. Tre regole operativi trasversali.
Prima regola, classificare prima di prontare. Ogni informazione che entra in
un modello deve essere classificata in base al livello di riservatezza. Senza
classificazione non può esserci una scelta consapevole dell'infrastruttura
e ogni decisione successiva è CICA. Seconda regola, documentare la scelta.
Il fascicolo del cliente deve mostrare quale strumento è stato utilizzato, con
quali garanzie contrattuali, su quale base giuridica e perché quella scelta
era proporzionata al caso. La documentazione tutele il cliente e il
cliente. Quando possibile sostituire dati identificativi con segna posto, lavorare
per categorie e schemi, ricostruire il contesto solo nella propria mente.
Il modello aiuta a ragionare, non ha bisogno di conoscere l'identità delle persone
coinvolte. Il segreto professionale non è un vincolo che limita l'uso dell'AI, è
la cornice che lo rende illegittimo. Senza questa cornice ogni efficienza
guadagnata si trasforma in un rischio deontologico e disciplinare e ogni
vantaggio operativo diventa una passività latente.
Nel prossimo episodio entreremo nel cuore dell'AI Act, quali obblighi
specifici ricadono sul professionista legale, come si articola la supervisione
umana e cosa significa concretamente la trasparenza nell'uso dei sistemi di
intelligenza artificiale. Per approfondire questi temi è ricevere
riflessioni settimanali sul rapporto tra diritto, privacy e tecnologia.
Ti invito a iscriverti alla newsletter su nicfab.eu. Grazie per l'ascolto.