La consultazione dell’EDPB sulle linee guida relative all’anonimizzazione e al web scraping si chiude il 30 ottobre 2026. Le aziende maggiormente interessate sono quelle che già utilizzano dataset de-identificati o dati raccolti tramite scraping per l’addestramento dei modelli, perché il testo definitivo diventerà il parametro di riferimento utilizzato dalle autorità di controllo quando tali dataset saranno oggetto di contestazione.
Il Comitato europeo per la protezione dei dati (EDPB) ha adottato entrambi i gruppi di linee guida il 7 luglio 2026: le Linee guida 02/2026 sull’anonimizzazione e le Linee guida 03/2026 sul web scraping nel contesto dell’IA generativa. Un terzo documento, le Linee guida 04/2026 sulle sanzioni e sui poteri correttivi, segue invece una tempistica distinta e la relativa consultazione si chiude il 13 novembre 2026.
1. Cosa stabiliscono concretamente le linee guida sull’anonimizzazione
Le linee guida sostituiscono il parere del 2014 del Gruppo di lavoro Articolo 29 e stabiliscono quando i dati possano essere considerati completamente al di fuori dell’ambito di applicazione del GDPR.
Questa qualificazione determina se un’azienda debba applicare a un dataset l’intero apparato di compliance previsto dal GDPR, dall’individuazione della base giuridica fino alle misure di sicurezza e ai periodi di conservazione.
L’EDPB applica tre criteri:
- No Record Isolation, ossia l’impossibilità di isolare un singolo record;
- No Linkage, ossia l’impossibilità di collegare record;
- No Inference, ossia l’impossibilità di dedurre informazioni.
I criteri vengono applicati ricorrendo a un approccio contestuale oppure a un approccio semplificato più prudente. Quest’ultimo potrebbe portare a considerare personali anche dati che, di fatto, sono anonimi.
L’anonimato deve essere valutato dal punto di vista di ciascun soggetto che detiene i dati e deve essere rivalutato periodicamente, poiché l’EDPB ritiene che l’intelligenza artificiale riduca tempi e costi necessari per la re-identificazione.
Tre strumenti sui quali il mercato ha fatto affidamento per anni non risultano sufficienti a superare questo test:
- un divieto contrattuale di re-identificazione;
- la sola cifratura;
- l’argomentazione secondo cui il destinatario non avrebbe alcun interesse a procedere alla re-identificazione.
2. Il test è già stato applicato, con una scadenza precisa
Il 23 settembre 2026 l’autorità italiana di controllo ha inflitto a un’importante società del settore life sciences una sanzione di 7 milioni di euro.
Le motivazioni seguono da vicino le bozze delle linee guida. La pseudonimizzazione non equivale all’anonimizzazione. Un codice paziente persistente sottoposto ad hashing permette il monitoraggio longitudinale e, pertanto, l’hashing non elimina la possibilità di distinguere un soggetto.
La k-anonymity affronta soltanto il problema dei quasi-identificatori, mentre diagnosi, prescrizioni e schemi delle visite possono, da soli, consentire l’individuazione di uno specifico paziente.
Due elementi di questa decisione sono più importanti persino dell’importo della sanzione.
L’autorità ha concesso alla società 120 giorni per adeguare il database, termine che scade indicativamente il 21 gennaio 2027, e ha stabilito che, qualora la società non provveda all’adeguamento, saranno i medici di medicina generale che hanno fornito i dati a doverli anonimizzare.
L’obbligo risale quindi fino alla fonte.
Di conseguenza, un dataset europeo concesso in licenza potrebbe essere ritirato o rielaborato durante l’esecuzione di un contratto, secondo una tempistica sulla quale il licenziatario non ha alcun controllo. Ogni studio, modello o prodotto di analisi sviluppato a valle sulla base di tali dati eredita questo rischio.
Qualunque azienda abbia acquistato, ottenuto in licenza o utilizzato per l’addestramento un dataset europeo descritto come “anonimo” dovrebbe quindi leggere la consultazione dell’EDPB alla luce di questo scenario, perché la formulazione adottata nelle linee guida definitive orienterà le future decisioni di questo tipo.
3. Perché le linee guida sullo scraping riguardano anche le aziende che non effettuano direttamente scraping
Le Linee guida 03/2026 potrebbero sembrare un problema circoscritto agli sviluppatori di modelli. In realtà, la loro portata è molto più ampia.
Si applicano infatti quando lo scraping viene affidato a terzi. In questo caso, il soggetto che effettua lo scraping opera generalmente come responsabile del trattamento, mentre l’azienda committente agisce come titolare del trattamento.
Si applicano inoltre quando una società utilizza un dataset ottenuto tramite scraping da un altro soggetto, perché chi riutilizza i dati è responsabile del proprio trattamento e deve essere in grado di dimostrarne la conformità.
L’EDPB considera il legittimo interesse come base giuridica di riferimento, considera il consenso generalmente impraticabile su larga scala e richiede misure puntuali di minimizzazione e mitigazione, tra cui:
- il rispetto di robots.txt e dei CAPTCHA;
- l’esclusione di determinate categorie di siti web;
- il filtraggio degli output affinché non vengano rese disponibili categorie particolari di dati personali.
Questi requisiti si riflettono direttamente nei contratti con i fornitori, nelle attività di due diligence sui dataset e nelle garanzie che un acquirente dovrebbe richiedere.
4. Cosa dovrebbe sostenere un contributo alla consultazione dell’EDPB
Linee guida 02/2026: anonimizzazione
Chi dovrebbe presentare osservazioni: aziende farmaceutiche, società di health analytics, assicurazioni, network di ricerca clinica, data broker e sviluppatori di IA che addestrano modelli utilizzando dati europei.
Cosa sostenere: che l’unicità (singularity) venga valutata rispetto a un rischio realistico di re-identificazione, anziché puramente teorico, e che le misure tecniche e contrattuali volte a impedire la re-identificazione vengano considerate nell’ambito della valutazione anziché essere escluse.
Elementi probatori più efficaci: il costo e le competenze effettivamente necessari per re-identificare uno specifico dataset utilizzato in produzione, tenendo conto delle misure di controllo già implementate, invece di una descrizione generale della metodologia.
Linee guida 03/2026: web scraping
Chi dovrebbe presentare osservazioni: sviluppatori di modelli, editori, piattaforme di contenuti generati dagli utenti, marketplace e qualsiasi azienda che acquisisca in licenza corpus di dati di terzi.
Cosa sostenere: che le misure di mitigazione siano concretamente applicabili su scala produttiva e che la posizione di chi riutilizza i dati senza averli originariamente raccolti venga distinta da quella dello scraper originario.
Elementi probatori più efficaci: l’architettura contrattuale già esistente tra società committente, soggetto che effettua lo scraping e licenziatario, evidenziando in particolare i punti nei quali non è concretamente possibile effettuare le verifiche richieste.
Linee guida 04/2026: sanzioni e poteri correttivi
Chi dovrebbe presentare osservazioni: società di telecomunicazioni, utility, grandi operatori del retail e gruppi composti da più società.
Cosa sostenere: la definizione del perimetro dell’impresa il cui fatturato determina il limite massimo della sanzione e il peso da attribuire alle misure correttive non pecuniarie rispetto alla sanzione stessa.
Elementi probatori più efficaci: strutture di gruppo nelle quali il titolare del trattamento è una società controllata che non esercita alcun controllo sulla decisione relativa al trattamento.
Un contributo che descrive la realtà operativa ha maggiori possibilità di incidere rispetto a uno che si limita a riproporre all’autorità quanto già stabilito dalla normativa.
L’EDPB redige infatti le proprie linee guida senza avere accesso diretto ai sistemi utilizzati in produzione. Il divario tra il modo in cui un requisito è formulato e il modo in cui può essere concretamente implementato rappresenta quindi il contributo specifico che un’azienda può offrire.
5. Cosa fare entro il 30 ottobre
- Individuare tutti i dataset detenuti, concessi in licenza, acquisiti o venduti come “anonimi” o “de-identificati” e registrare quale soggetto ne abbia effettuato la relativa valutazione e quando.
- Applicare i tre criteri ai due o tre dataset con il maggiore valore commerciale e considerare un eventuale mancato superamento del test come un elemento da portare all’attenzione dell’EDPB nella consultazione, anziché semplicemente come una lacuna di compliance da correggere internamente.
- Rivedere i contratti di licenza per stabilire cosa accadrebbe qualora un’autorità di controllo ordinasse al soggetto che fornisce i dati di rielaborarli. Si tratta dello scenario reso concreto dalla decisione IQVIA. Occorre verificare in particolare se le garanzie contrattuali, gli obblighi di indennizzo e il diritto di recesso o risoluzione coprano questa eventualità.
- Mappare i contratti con i fornitori che prevedono attività di scraping svolte da terzi e stabilire chi garantisca attualmente la conformità rispetto a robots.txt, alle esclusioni dei siti e al filtraggio degli output.
- Decidere se presentare le osservazioni autonomamente o tramite un’associazione di categoria. Un contributo sottoscritto congiuntamente può avere maggiore peso presso l’EDPB e riduce inoltre il problema di dover rendere pubblicamente riconoscibile l’esposizione specifica di una singola azienda.
- Annotare separatamente la scadenza del 13 novembre per le Linee guida 04/2026, che altrimenti molte aziende potrebbero trascurare.
Il versante dell’enforcement di queste questioni si sta già muovendo più rapidamente delle linee guida.
L’Italia ha un programma di ispezioni in corso nella seconda metà del 2026, con una scadenza vincolante il 29 ottobre e, dal 23 ottobre, un’unica agenzia dotata di poteri di vigilanza del mercato sui sistemi di intelligenza artificiale, comprese ispezioni senza preavviso.
Le aziende che attenderanno la pubblicazione delle linee guida definitive rischiano quindi di confrontarsi con tali principi per la prima volta nell’ambito di un fascicolo ispettivo, quando la formulazione delle regole sarà ormai definita.
Scelte di traduzione: ho mantenuto termini ormai consolidati come web scraping, dataset, robots.txt, CAPTCHA e k-anonymity, traducendo invece i passaggi più giuridici in un italiano naturale e adatto a un articolo rivolto a professionisti di privacy, compliance, legal e AI governance.
