Per un’azienda, sapere che un provider dichiara di proteggere i dati è importante. Ma quando l’AI entra in processi che utilizzano documenti riservati, informazioni interne o dati dei clienti, diventa ancora più importante capire quali garanzie siano applicate tecnicamente. E qui entra in gioco l’AI privata.
Al DevDay 2026OpenAI ha presentato Private Intelligence, un insieme di tecnologie che combina Zero Data Retention, Private Safety Processing e una preview di Private Inference.
Zero retention senza rinunciare ai controlli
Secondo OpenAI, Zero Data Retention con Private Safety Processing permette di effettuare controlli automatizzati di sicurezza senza che il personale OpenAI acceda ai contenuti sottostanti. OpenAI presenta inoltre il sistema come compatibile con la non conservazione dei contenuti del cliente.
Questo è un fatto dichiarato dal produttore. Non significa che qualsiasi utilizzo dei servizi OpenAI abbia automaticamente queste caratteristiche: Private Intelligence identifica capacità e modalità specifiche, alcune ancora in preview.
Il passaggio al confidential computing
La componente più interessante dal punto di vista architetturale è Private Inference.
OpenAI dichiara che la tecnologia combina confidential computing con controlli rigorosi e verificabili.
Per una PMI o uno Studio Professionale, la distinzione è importante: proteggere un database e cifrare una connessione non esauriscono il problema di ciò che accade quando il dato deve essere effettivamente elaborato.
Dalla fiducia alla verificabilità
Sta emergendo un nuovo criterio di valutazione dell’AI enterprise.
Finora molte decisioni si sono concentrate su qualità del modello, prezzo, localizzazione dei dati e condizioni contrattuali.
Sempre più spesso dovremo aggiungere domande tecniche:
- il provider conserva il contenuto?
- Chi può accedervi?
- Quali componenti elaborano i dati?
- Alcune proprietà possono essere verificate invece di essere soltanto dichiarate?
Significa che una parte della privacy può diventare una proprietà dell’architettura.
Cosa cambia per PMI e Studi Professionali
Non è necessario diventare esperti di confidential computing. È però utile distinguere fra ciò che il fornitore promette contrattualmente, ciò che configura operativamente e ciò che l’architettura rende tecnicamente difficile fare.
Quando l’AI tratta documenti riservati, knowledge base interne o pratiche dei clienti, questa distinzione può influenzare la scelta fra cloud, servizi con zero retention, ambienti dedicati e soluzioni locali.
Bisogna individuare il confine di fiducia appropriato al processo.
La soluzione Gol-IA di techmAIndconsente di orchestrare modelli cloud e locali in funzione delle esigenze del progetto. Privacy e controllo del dato possono così entrare fra i criteri architetturali insieme a qualità, costo e prestazioni.