Prima di comprare Copilot, guardate i permessi: l’AI trova anche ciò che avevate nascosto male

La promessa dell’AI da ufficio è irresistibile: cercare nei documenti, riassumere riunioni, scrivere offerte, rispondere al cliente pescando nei file aziendali. Per una PMI è esattamente il tipo di leva che fa risparmiare tempo senza assumere dieci persone. Il problema è che questi strumenti non si limitano a produrre risposte nuove: rendono visibili in pochi secondi disordini che prima restavano sepolti in cartelle condivise, vecchi SharePoint, drive personali e permessi ereditati.

Il punto non è demonizzare Microsoft 365 Copilot, Google Gemini for Workspace, Notion AI, Slack AI o qualunque altro assistente integrato negli strumenti di lavoro. Il punto è smettere di trattarli come “funzioni in più” e considerarli per quello che sono: motori di accesso alla conoscenza aziendale. Se un commerciale può tecnicamente leggere il file con gli stipendi, l’AI glielo può riassumere. Se un collaboratore esterno ha ancora accesso alla cartella di un progetto chiuso nel 2022, l’AI può usare quei contenuti per rispondere a una domanda. Se i documenti riservati sono protetti solo dal fatto che nessuno sa dove siano, l’AI elimina proprio quella barriera informale.

Questa è la parte che molti vendor raccontano a metà. Dicono, correttamente, che l’AI rispetta i permessi esistenti. Ma in una PMI i permessi esistenti sono spesso il risultato di anni di urgenze, migrazioni, sostituzioni, consulenti, stagisti, cartelle duplicate e “intanto dagli accesso, poi sistemiamo”. L’AI non rompe le regole: le applica con una velocità che mette a nudo quanto fossero fragili.

1. L’AI aziendale non crea il caos: lo indicizza

Prima degli assistenti AI, l’accesso eccessivo era già un problema. Solo che era lento da sfruttare. Per trovare un’informazione impropria bisognava sapere dove cercare, conoscere il nome della cartella, ricordare il cliente, aprire decine di file. Era una sicurezza per attrito, non una sicurezza vera.

Con l’AI, l’attrito scompare. Una domanda in linguaggio naturale può attraversare documenti, email, chat, note di riunione e knowledge base. La differenza operativa è enorme: non serve più sapere che il file si chiama “budget_finale_v7_ok.xlsx”; basta chiedere “qual è il margine previsto sul cliente X?” oppure “riassumi le criticità del rinnovo con il fornitore Y”.

Questo cambia anche il modo in cui va valutato il rischio. Non basta chiedere al vendor se i dati vengono usati per addestrare il modello. È una domanda importante, ma non sufficiente. Quella più concreta è un’altra: quali dati può raggiungere l’assistente quando risponde a un dipendente, a un consulente o a un account compromesso?

Qui entrano in gioco principi già noti, non nuove mode da compliance. Il GDPR, all’art. 5, impone la minimizzazione dei dati: trattare solo ciò che è necessario rispetto alle finalità. L’art. 32 richiede misure tecniche e organizzative adeguate al rischio, comprese riservatezza, integrità, disponibilità e resilienza dei sistemi. Un assistente AI collegato ai documenti aziendali agisce sulla memoria operativa dell’impresa, anche quando viene presentato come un semplice pulsante nella suite d’ufficio.

Anche la NIS2, per i soggetti che rientrano nel suo perimetro, rafforza lo stesso ragionamento sul piano della gestione del rischio: sicurezza della supply chain, controllo degli accessi, gestione degli asset, formazione e igiene cyber di base. E anche quando una PMI non è direttamente soggetta alla NIS2, può esserlo indirettamente come fornitore di clienti più strutturati. In quel caso “abbiamo attivato l’AI perché era inclusa nel pacchetto” non è una spiegazione molto solida.

2. Il rischio vero non è il prompt: è l’eredità dei permessi

Molte discussioni sull’AI in azienda si concentrano sui prompt: cosa si può scrivere, cosa non si deve incollare, quali dati evitare. È corretto, ma è solo metà della storia. Negli strumenti integrati, il dipendente non deve necessariamente incollare un documento riservato: può chiedere all’assistente di cercarlo.

Il caso tipico è la cartella condivisa “Amministrazione”, nata anni prima con accessi larghi perché bisognava lavorare in fretta. Dentro ci sono fatture, contratti, note su contenziosi, prospetti di costo, magari file HR spostati temporaneamente e mai rimossi. Finché nessuno li cercava, sembrava tutto sotto controllo. Con l’AI, quella cartella diventa una fonte interrogabile.

Altro caso frequente: il progetto con un cliente importante. Durante la fase calda vengono invitati consulenti, freelance, fornitori, magari anche un account generico del cliente. Finito il progetto, nessuno revoca nulla. Due anni dopo si attiva un assistente AI sulla piattaforma documentale e quei contenuti rientrano nel perimetro di ricerca di soggetti che non dovrebbero più averli.

C’è poi il tema dei gruppi. Nelle PMI si usano spesso gruppi ampi: “tutti”, “ufficio”, “commerciali”, “tecnici”, “esterni”. Funzionano finché l’azienda è piccola e tutti si conoscono. Ma appena crescono sedi, reparti e collaborazioni, quei gruppi diventano scorciatoie pericolose. L’AI non distingue tra “tecnicamente accessibile” e “opportuno da mostrare”: se il permesso c’è, lo prende sul serio.

Il punto è netto: non esiste AI aziendale sicura sopra un modello di autorizzazioni sporco. Si può comprare lo strumento migliore, firmare il contratto più rassicurante e mettere un bel banner di policy. Ma se l’archivio documentale è una discarica con le porte aperte, l’assistente AI farà benissimo la cosa sbagliata: trovare tutto.

3. Prima del rollout: tre verifiche che costano meno di un incidente

Una PMI non ha bisogno di un programma triennale di data governance per iniziare. Ha bisogno di una bonifica pragmatica, fatta sui dati che contano e sui reparti che useranno davvero l’AI. Un errore è cercare la perfezione prima di partire; l’altro è partire senza sapere cosa si sta esponendo.

La prima verifica riguarda gli utenti. Bisogna sapere chi ha accesso a cosa, partendo dai gruppi più ampi e dagli account non umani: caselle condivise, utenti di servizio, account di ex dipendenti, consulenti ancora attivi, fornitori invitati a vecchie cartelle. Gli account esterni meritano attenzione speciale, perché spesso sono stati creati per urgenza e poi dimenticati. Un assistente AI collegato a un tenant o a un workspace con ospiti non governati amplia il rischio senza che nessuno se ne accorga.

La seconda verifica riguarda i contenitori documentali. Non tutti i file sono uguali. Preventivi, listini, contratti, dati HR, pratiche legali, documentazione tecnica, credenziali operative e verbali di direzione non dovrebbero vivere nello stesso spazio logico. Anche quando la piattaforma consente etichette, classificazioni o regole di data loss prevention, spesso nessuno le ha applicate davvero. Non serve classificare ogni file storico: serve almeno isolare le aree ad alta sensibilità e decidere se l’AI può usarle, per chi e con quali limiti.

La terza verifica riguarda i log. Se un assistente AI produce una risposta basata su documenti aziendali, l’azienda deve poter ricostruire chi ha chiesto cosa, quando, con quale identità e possibilmente quali fonti sono state usate. Senza log, ogni discussione successiva diventa opinione. E i log non servono solo in caso di incidente: servono anche a capire se lo strumento viene usato bene, dove genera valore e dove espone contenuti inutili.

Una sequenza pratica, sostenibile anche per una PMI, può essere questa:

• scegliere un reparto pilota con dati utili ma non massimamente sensibili;
• rimuovere account esterni non necessari e utenti inattivi;
• ridurre i gruppi “tutti” e sostituirli con gruppi coerenti con i ruoli;
• tenere HR, legale, direzione e credenziali tecniche fuori dal perimetro AI iniziale;
• attivare log e retention prima del go-live, non dopo;
• raccogliere esempi reali di risposte utili e risposte rischiose nelle prime settimane.

Non è burocrazia. È manutenzione ordinaria prima di collegare un motore potente a un archivio costruito in anni di eccezioni.

4. Il contratto conta: non basta “i dati restano nel tenant”

Molti fornitori hanno migliorato le condizioni sull’uso dei dati aziendali nei servizi AI. È un progresso reale. Ma il contratto va letto per intero, non per slogan. Dire che i dati “restano nel tenant” o che “non vengono usati per addestrare il modello” non risolve automaticamente localizzazione, subfornitori, log, metadati, supporto, conservazione e diritto di audit.

Per una PMI, le domande utili sono poche ma precise. Dove vengono trattati prompt, output e file richiamati? Quali sub-fornitori intervengono? I log delle interazioni sono esportabili? Per quanto tempo vengono conservati? L’azienda può disattivare l’uso di determinate fonti documentali? Esistono strumenti di eDiscovery, audit e data loss prevention compatibili con l’assistente? E cosa succede se si decide di uscire dal servizio?

Qui il GDPR torna concreto. L’art. 28 richiede che il trattamento affidato a un responsabile sia regolato da un contratto che lo vincoli al titolare e disciplini, tra le altre cose, istruzioni, riservatezza, misure di sicurezza, sub-responsabili e assistenza al titolare. Se l’AI è integrata in un servizio cloud che tratta dati personali aziendali, il rapporto contrattuale non può essere lasciato alla pagina marketing.

Anche l’AI Act introduce un elemento spesso sottovalutato: l’alfabetizzazione all’AI. L’art. 4 del regolamento (UE) 2024/1689 prevede che fornitori e deployer adottino misure per garantire un livello sufficiente di competenza del personale e di chi opera per loro conto nell’uso dei sistemi di AI. Per una PMI non significa un corso enciclopedico. Significa spiegare ai dipendenti, con esempi propri, che l’assistente può sbagliare, può esporre dati accessibili ma inopportuni, e non deve diventare l’unica fonte di verità per decisioni commerciali, HR o tecniche.

Il punto non è appesantire il rollout. È evitare che la scelta venga presa solo dal reparto che ha budget o dal responsabile più entusiasta. L’AI da ufficio tocca IT, direzione, HR, commerciale, amministrazione e legale. In una PMI questo confronto può stare in due riunioni ben fatte. Ma deve avvenire prima dell’attivazione massiva, non dopo il primo screenshot imbarazzante.

5. Microsoft, Google o modello indipendente? La scelta non è una fede

Il mercato spinge verso l’AI integrata nelle suite esistenti. È comprensibile: se l’azienda usa già Microsoft 365 o Google Workspace, l’assistente nativo è comodo, veloce da attivare e vicino ai flussi quotidiani. Per molte PMI sarà la scelta più realistica, almeno in prima battuta.

Ma comodità non vuol dire neutralità. Un assistente integrato aumenta il valore della piattaforma su cui poggia. Più documenti, processi e abitudini finiscono dentro quell’ecosistema, più diventa costoso cambiare. Il vendor lock-in non nasce solo dai formati dei file: nasce dalle dipendenze operative, dai workflow, dalle automazioni, dalle policy, dai log e dalla formazione delle persone.

Esiste però una via intermedia. Non tutto deve essere consegnato all’assistente della suite. Alcuni casi d’uso possono essere gestiti con una piccola architettura RAG governata dall’azienda o da un system integrator italiano: documenti selezionati, indicizzazione controllata, modello sostituibile, log sotto controllo, hosting in Italia o in Europa, perimetro limitato. Non è sempre più economico nell’immediato, ma può essere più adatto quando i dati sono sensibili o quando si vuole evitare che l’intera conoscenza aziendale diventi inseparabile da un unico ecosistema.

La scelta sensata non è “tutto Copilot” o “tutto sovrano”: è segmentare. L’AI integrata va bene per produttività personale, riassunti di riunioni non sensibili, bozze di email, ricerca su documenti ordinari. Una RAG indipendente è più adatta a manuali tecnici, procedure interne, knowledge base di assistenza, documentazione di prodotto, archivi contrattuali selezionati. I dati HR, le trattative straordinarie, le pratiche legali e i segreti industriali meritano un discorso a parte.

Questa segmentazione è particolarmente adatta alle PMI italiane. Non richiede un reparto IT da multinazionale. Richiede un partner tecnico capace di parlare con chi gestisce davvero i processi: amministrazione, operations, commerciale, assistenza. I system integrator a misura d’uomo hanno un vantaggio qui: possono entrare nel merito delle cartelle, dei flussi e dei contratti, invece di vendere una licenza in più e chiudere il ticket.

6. Il progetto giusto dura 60 giorni, non sei mesi di slide

Per introdurre l’AI in azienda senza farsi male serve un progetto breve e misurabile. Non un comitato permanente, non una policy da venti pagine, non un blocco generale in attesa di capire il futuro. Le PMI funzionano quando sperimentano in modo controllato e correggono in fretta.

Un percorso ragionevole parte dalla scelta di un caso d’uso con ritorno visibile. Per esempio: supportare il commerciale nella preparazione delle offerte, aiutare l’assistenza a trovare procedure tecniche, riassumere ticket ricorrenti, cercare informazioni nei manuali interni. Il caso d’uso deve avere confini chiari: quali documenti, quali utenti, quali output accettabili, quali decisioni restano umane.

Poi viene la bonifica minima dei permessi, non la pulizia dell’universo. Si lavora solo sul perimetro del pilota, ma lo si fa bene: si eliminano accessi esterni inutili, si separano documenti sensibili, si controllano gruppi e ruoli, si attivano log. Se emergono disastri, meglio scoprirli su un perimetro piccolo che dopo l’attivazione per tutta l’azienda.

Durante il pilota bisogna misurare due cose: utilità e rischio. Utilità significa tempo risparmiato, qualità delle risposte, riduzione degli errori ripetitivi, soddisfazione degli utenti. Rischio significa risposte basate su documenti non opportuni, allucinazioni, citazioni sbagliate, difficoltà a ricostruire le fonti, uso improprio da parte degli utenti. Senza entrambe le misure si finisce nel tifo: chi ama l’AI vede solo produttività, chi la teme vede solo incidenti.

Alla fine del pilota si decide se estendere, cambiare approccio o fermarsi. Estendere non vuol dire attivare tutto: vuol dire aggiungere un reparto, una fonte documentale, un processo. Procedendo così, l’AI diventa una capacità aziendale, non una moda comprata a licenza.

7. La sovranità pratica è sapere cosa l’AI può leggere

Nel dibattito sulla sovranità tecnologica si parla spesso di data center, giurisdizione, cloud europeo, modelli aperti, dipendenza dai grandi vendor. Tutti temi reali. Ma per una PMI la sovranità comincia anche da una domanda molto più terra terra: chi può leggere i nostri dati, direttamente o tramite un assistente AI?

Se la risposta non è chiara, l’azienda non governa davvero la propria conoscenza. Può avere il provider più blasonato, il contratto più elegante e la dashboard più moderna, ma resta esposta a un problema banale: informazioni strategiche accessibili a troppe persone e rese interrogabili da un sistema molto efficiente.

L’AI va introdotta, non subita. Può dare un vantaggio concreto alle PMI italiane: meno tempo perso a cercare documenti, onboarding più rapido, assistenza più coerente, offerte migliori, procedure più facili da seguire. Ma il prezzo della velocità non deve essere la perdita di controllo. Prima si sistemano identità, permessi, log e fonti documentali. Poi si sceglie lo strumento.

La buona notizia è che non serve fermare l’innovazione: serve collegarla a una disciplina minima, comprensibile e verificabile. L’AI non pretende aziende perfette. Pretende aziende che sappiano almeno dove tengono le cose importanti e chi è autorizzato a vederle. Per molte PMI, sarà già una rivoluzione sufficiente.