| name | ai-privacy-tiered-architecture |
| description | Skill trasversale strategica per progettazione di architetture AI con privacy stratificata su 5 livelli, dedicata a studi professionali italiani che trattano dati sensibili — legali, medici, commercialisti, notarili, psicologi. Usa SEMPRE quando l'orchestratore o le skill di fase rilevano forti requisiti privacy, oppure quando il professionista dice privacy AI studio, ChatGPT è sicuro per dati clienti, AI per documenti riservati, segreto professionale e AI, AI on-premise studio, private cloud AI, Llama studio professionale, sanitization documenti AI, DPIA per AI legale medico, anonimizzazione documenti AI. Esegue data classification 4 classi A/B/C/D, progetta architettura tiered su 5 livelli, valuta trade-off costo privacy performance, definisce policy AI Usage tier-aware, predispone DPIA per tier, identifica vendor compliance, costruisce decision tree operativo. Pricing 3.5-60K euro più retainer 600-3.500 euro/mese. |
Tools Normattiva + Giurisprudenza (CCost + CGUE + CEDU + CdS/TAR + Cassazione) — verifica obbligatoria
Hai 5 toolkit locali + 1 lookup live per consulenza legale evidence-based:
- Normattiva — ~42.000 norme italiane (DB FTS5)
- Corte Costituzionale — 22.258 pronunce + 46.154 massime (1956→2026)
- Corte di Giustizia UE + Tribunale UE — ~38.000 cause (2005→2026)
- Corte EDU (Strasburgo) — 10.000 casi contro l'Italia (2001→2026), con traduzioni ufficiali Min. Giustizia
- Giustizia Amministrativa — Consiglio di Stato + TAR + CGARS (2024→2025, in espansione)
- Cassazione (LIVE pubblica) — SentenzeWeb italgiure, accesso pubblico zero-setup (~188k civ + ~236k pen, testo integrale)
Workflow obbligatorio
A. Norme italiane
python3 ~/normattiva_ai/tools/cita.py "<es. D.Lgs 81/2008>"
python3 ~/normattiva_ai/tools/rag_normattiva.py "<query>" --materia privacy_digitale --limit 5
B. Corte Costituzionale
python3 ~/giurisprudenza_ai/tools/cross_norma_sentenza.py "art. 32 Cost." --limit 10
python3 ~/giurisprudenza_ai/tools/rag_giurisprudenza.py "<query>" --anno-da 2018
python3 ~/giurisprudenza_ai/tools/cita_sentenza.py "Corte cost. N/AAAA"
C. CGUE (diritto UE / GDPR / appalti / antitrust / privacy / dogana)
python3 ~/cgue_ai/tools/cross_norma_cgue.py "art. 101 TFUE" --limit 10
python3 ~/cgue_ai/tools/cross_norma_cgue.py "Reg. UE 679/2016"
python3 ~/cgue_ai/tools/rag_cgue.py "<query>" --anno-da 2018
python3 ~/cgue_ai/tools/cita_cgue.py "C-16/05"
D. CEDU (diritti fondamentali / equo processo art. 6 / detenzione art. 3 / proprietà P1-1 / vita privata art. 8)
python3 ~/cedu_ai/tools/cross_articolo_cedu.py "art. 6" --solo-importanti --limit 10
python3 ~/cedu_ai/tools/rag_cedu.py "<query>" --anno-da 2015
python3 ~/cedu_ai/tools/cita_cedu.py "63386/16"
E. Giustizia Amministrativa — CdS/TAR (appalti, edilizia, accesso atti, SCIA, silenzio, espropri, PA)
python3 ~/gad_ai/tools/cross_norma_gad.py "D.Lgs 36/2023" --limit 10
python3 ~/gad_ai/tools/cross_norma_gad.py "Legge 241/1990"
python3 ~/gad_ai/tools/rag_gad.py "<query>" --sede cds --anno-da 2024
F. Cassazione (LIVE pubblica — civile/penale, legittimità) — zero setup
python3 ~/cassazione_ai/tools/cassazione_lookup.py --cit "Cass. civ. 12345/2023"
python3 ~/cassazione_ai/tools/cassazione_lookup.py --q "licenziamento giusta causa" --sezione civ --rows 5
python3 ~/cassazione_ai/tools/cassazione_lookup.py --cit "Cass. civ. 12345/2023" --full
python3 ~/cassazione_ai/tools/check_cassazione.py --file <output.md>
Copre la finestra pubblica (~ultimi 5 anni + storico parziale). Se una citazione MANCA può essere fuori finestra; dillo, non inventare la massima.
G. Verifica finale (prima del deliverable, su ogni file MD prodotto)
python3 ~/normattiva_ai/tools/check_citazioni.py --file <output.md> --strict
python3 ~/giurisprudenza_ai/tools/check_sentenze.py --file <output.md> --strict
python3 ~/cgue_ai/tools/check_cgue.py --file <output.md> --strict
python3 ~/cedu_ai/tools/check_cedu.py --file <output.md> --strict
python3 ~/gad_ai/tools/check_gad.py --file <output.md> --strict
Knowledge pack norme: ~/normattiva_ai/knowledge_packs/privacy_digitale/
⚠️ Disclaimer obbligatorio (chiusura output)
Il presente documento ha finalità informative e di ricerca giuridica. Non costituisce parere legale né si sostituisce alla consulenza di un avvocato abilitato. Le citazioni normative e giurisprudenziali (italiane, UE, CEDU, amministrative, di legittimità) sono verificate sulle fonti ma l'utente è tenuto a verificarne il testo vigente sulle fonti ufficiali (normattiva.it, cortecostituzionale.it, eur-lex.europa.eu, hudoc.echr.coe.it, giustizia-amministrativa.it, italgiure.giustizia.it) prima di qualsiasi uso operativo. Il DB CEDU copre solo casi con Italia convenuta; CdS/TAR copre 2024-2025 (in espansione); la Cassazione è consultata live su SentenzeWeb pubblico (finestra ~5 anni + storico parziale).
Se una norma/sentenza non risulta nei DB o nel lookup live: dillo, non inventare. Cause possibili: (a) non esiste, (b) abrogata, (c) non scaricata/sessione assente, (d) fonte non ancora coperta.
ai-privacy-tiered-architecture — Architetture AI con privacy stratificata per studi professionali
1. Cosa fa questa skill
Questa skill è il vero differenziale competitivo di K2-AI nel mercato consulenza AI per studi professionali italiani. Risolve il problema più sottovalutato e mal trattato dal mercato: la privacy dei documenti professionali quando si introducono sistemi AI.
Il problema reale: la maggior parte dei consulenti AI italiani al 2026 risponde alle preoccupazioni di privacy dei professionisti con frasi semplificate come "compra ChatGPT Enterprise, è sicuro", "usa la versione business, va bene così", "il GDPR è compliant". Sono risposte giuridicamente fragili e operativamente sbagliate, perché:
- La "versione Enterprise" di un singolo vendor risolve uno dei cinque problemi privacy reali (il training sui dati). Lascia aperti gli altri quattro.
- La privacy dei documenti professionali non è una questione binaria (sicuro/non sicuro), ma stratificata: documenti diversi richiedono protezioni diverse.
- Il segreto professionale (art. 622 c.p., art. 19 Codice Deontologico Forense, equivalenti per altre professioni) ha implicazioni che vanno oltre il GDPR.
- Il tool "più sicuro in assoluto" è spesso inadatto dal punto di vista operativo per costo o performance.
La risposta K2-AI: architettura tiered, dove ogni classe di documento dello studio viene mappata al livello di protezione adeguato. Né troppo (sovra-ingegnerizzato e costoso) né troppo poco (rischio reale di violazioni).
Il valore strategico per K2-AI:
- Differenziazione netta vs consulenti generalisti
- Difendibilità professionale (la consulenza è giuridicamente robusta)
- Pricing power (giustifica ticket premium 5-15K€ per la sola componente privacy)
- Apertura a clientela enterprise (studi grandi che hanno requisiti contrattuali stringenti)
- Riferibilità multi-settore (legale, medico, commercialista, notarile)
L'output principale è una architettura privacy tiered personalizzata sullo studio specifico, con:
- Mappatura documentale completa in 4 classi (A/B/C/D)
- Stack tecnologico differenziato per livello
- Policy AI Usage tier-aware
- DPIA template per ogni livello
- Decision tree operativo per il professionista in 30 secondi
- Costi e trade-off espliciti
2. Quando attivarsi
Trigger primari
- "I miei documenti possono andare su ChatGPT?"
- "AI è sicura per dati clienti?"
- "Privacy dei documenti AI studio"
- "Segreto professionale e AI"
- "GDPR per AI in studio"
- "Posso usare AI per documenti riservati?"
- "AI on-premise studio"
- "Private cloud AI"
- "Llama / LLM locale studio"
- "Azure OpenAI privato"
- "Sanitization documenti AI"
- "Anonimizzazione AI"
- "DPIA per AI legale/medico"
Trigger contestuali
- Cliente menziona M&A, due diligence, materie penali, materie sanitarie sensibili
- Cliente è studio enterprise (15+ avvocati, 5+ medici associati)
- Cliente ha clientela enterprise propria (corporate client, banche, multinazionali)
- Cliente solleva preoccupazioni esplicite di riservatezza
- Cliente menziona NDA stringenti dei propri clienti
- Cliente ha avuto sanzioni o ispezioni GDPR in passato
- Cliente è in settore specifico ad alta sensibilità (sanità, finanza, intelligence)
Trigger da skill di fase
- ai-assessment-studio rileva alta sensibilità documentale → attivare per gap analysis privacy
- ai-roadmap-progettazione richiede architettura → attivare per design tiered
- ai-implementazione-pilota richiede setup multi-tier → attivare per configurazione
- ai-manutenzione-evoluzione richiede aggiornamento architettura → attivare per refresh
Quando NON attivarsi
- Per privacy non AI-related (uso GDPR generale, vai a it-law-privacy-ai)
- Per cybersecurity generale di studio (vai a cybersecurity-pmi-base)
- Per studio piccolo (1-3 prof) con dati a bassa sensibilità (solo Livello 1+2 sufficiente, decisioni semplici)
- Per implementazione tecnica self-hosting LLM (richiede partner cybersecurity)
- Per consulenza GDPR formale che richiede DPO certificato
3. Il framework dei 5 livelli di privacy
Ogni livello rappresenta una combinazione di trade-off tra protezione, costo, performance, complessità.
LIVELLO 1 — Public Cloud Standard
Cosa è: uso di Claude Team / ChatGPT Team / Gemini Workspace standard con server cloud del vendor (idealmente con regione UE selezionabile).
Come funziona tecnicamente:
- Documento trasmesso via TLS al cloud vendor
- Processamento su infrastruttura condivisa multi-tenant
- Output ritornato all'utente
- Logging temporaneo (30 gg tipico) presso vendor
- Eventuale review human-in-the-loop per moderation/abuse
Per quali dati va bene:
- Bozze generiche senza dati cliente identificabili
- Ricerca normativa su testi pubblici
- Brainstorming concettuale ("argomentazioni tipiche per...")
- Drafting con dati completamente fittizi
- Riassunti di documenti pubblici (sentenze, normative)
- Traduzioni di testi non riservati
Per quali dati NON va bene:
- Documenti con nomi cliente
- Atti con dati personali identificabili
- Email cliente
- Note di colloquio
- Materie sensibili (anche se anonimizzate, il contesto può identificare)
Misure di sicurezza minime:
- Account business/team (mai free per uso professionale)
- DPA standard del vendor sottoscritto
- Server EU se disponibile (Anthropic Frankfurt, OpenAI con piano specifico)
- MFA obbligatorio per tutti gli utenti
- Policy interna che identifica esplicitamente cosa NON inserire
- Audit log delle interazioni (anche solo manuale via spreadsheet)
- Formazione utenti su limiti del livello
Vendor consigliati:
- Claude Team (Anthropic): server Frankfurt EU, DPA standard, no training su dati Team/Enterprise
- ChatGPT Team/Enterprise: server US default ma EU disponibile su Enterprise, no training su dati
- Microsoft Copilot 365: leverage tenant Microsoft esistente, datacenter Italia disponibile
- Mistral Le Chat Pro: vendor europeo (Francia), naturalmente UE-based
Costi:
- Claude Team: €25-30/utente/mese
- ChatGPT Team: €25/utente/mese
- ChatGPT Enterprise: $60+/utente/mese (no public pricing)
- Copilot 365: €30/utente/mese in aggiunta a tenant
Ranking privacy/performance:
- Privacy: 6/10
- Performance: 9/10 (modelli flagship)
- Costo: 9/10 (basso)
- Complessità setup: 9/10 (semplice)
LIVELLO 2 — Sanitization Layer
Cosa è: stesso stack di Livello 1, ma con un livello intermedio che sanitizza i documenti prima dell'invio al cloud, sostituendo dati personali con segnaposto. L'output viene poi "reidratato" con i dati reali.
Esempio operativo:
Documento originale:
"Mario Rossi, nato a Bologna il 12/3/1978, residente in via Garibaldi 14, è stato licenziato il 5 gennaio 2026 dalla società Rossi Costruzioni SRL, P.IVA 01234567890, per giustificato motivo oggettivo..."
Documento sanitizzato (inviato all'AI):
"[CLIENTE_PF_1], nato a [LUOGO_NASCITA_1] il [DATA_1], residente in [INDIRIZZO_1], è stato licenziato il [DATA_2] dalla società [DATORE_PG_1], [PIVA_1], per giustificato motivo oggettivo..."
L'AI processa il documento sanitizzato. L'output viene poi "reidratato" sostituendo i segnaposto con i valori reali, con verifica umana finale.
Approcci di sanitization:
Sanitization manuale:
- Find & replace operato dal professionista o assistente
- Costo: zero (solo tempo)
- Tasso di errore: 5-15% (dimentica un nome, errore tipografico)
- Adatto per documenti singoli o sporadici
- Efficiente per studi con bassa standardizzazione
Sanitization semi-automatica:
- Tool che riconoscono entità (PII recognition) e suggeriscono sostituzioni
- Professionista approva caso per caso
- Costo: €30-100/utente/mese
- Tasso di errore: 1-3%
- Adatto per uso quotidiano
Sanitization automatica:
- Tool che processano documenti automaticamente prima di invio AI
- Logging dettagliato delle sostituzioni per re-idratazione
- Costo: €100-300/utente/mese (tool dedicati)
- Tasso di errore: <1% se tool è buono
- Adatto per studi con volume alto
Tool consigliati:
Open Source (gratuiti, richiedono setup tecnico):
- Microsoft Presidio: framework Microsoft per PII recognition italiano. Riconosce: nomi persone, luoghi, codici fiscali, IBAN, partite IVA, numeri telefono, email, indirizzi. Buono per studi tech-savvy con qualcuno che lo configura.
- PrivateGPT: orchestrator che sanitizza prima di invio LLM esterno. Self-hosted.
- scrubadub: libreria Python per PII detection.
Commerciali (a pagamento, plug-and-play):
- Cloaked.ai (consigliato): tool dedicato per professionisti, integrazione browser, italiano. €50-100/utente/mese.
- Skyflow: data privacy vault enterprise. Più adatto a studi grandi.
- Private AI: API enterprise per sanitization. Tipicamente per integrazione custom.
Per quali dati va bene:
- Atti di causa con riferimenti cliente identificabili
- Lettere a clienti standard
- Memo interne basate su casi reali
- Analisi di sentenze su casi simili al proprio
- Drafting di parere legale standard
- 70-80% dei documenti tipici di uno studio civile/commerciale
Limiti reali:
- Non funziona se il contesto stesso identifica il cliente (cliente famoso, caso pubblicato sui media)
- Errori di sanitization possono lasciare dati nel testo (richiede sempre review umana)
- Non risolve il problema se l'AI viene istruita a "ricordare" il caso nel tempo (Claude Projects, Custom GPTs)
- Re-identificazione possibile se i dati sanitizzati restano correlabili (es. data di un caso pubblico + descrizione dei fatti = identificazione)
Misure di sicurezza addizionali rispetto a Livello 1:
- Verifica umana obbligatoria sull'output sanitizzato e re-idratato
- Audit log completo di sostituzioni (per dimostrare in caso di contestazione)
- Test periodici di efficacia della sanitization (campionamento mensile)
- Update tool sanitization per pattern italiani specifici (codici fiscali, formati IT)
Ranking:
- Privacy: 7.5/10 (significativo miglioramento vs L1)
- Performance: 8.5/10 (leggero overhead, output qualità invariata)
- Costo: 8/10 (€0-100/utente/mese aggiuntivo)
- Complessità setup: 7/10 (richiede process design)
LIVELLO 3 — Private Cloud / Self-hosted
Cosa è: i dati non escono mai dalla giurisdizione/infrastruttura dello studio. Il modello AI gira su server controllati (cloud privato UE, on-premise, o cloud privato dello studio).
Tre sotto-opzioni con trade-off diversi.
3A — Cloud privato EU con LLM commerciale via API
Vendor che offrono modelli AI commerciali su infrastruttura privata UE:
Vantaggi:
- Server in giurisdizione UE certa
- Dati garantiti contrattualmente non usati per training
- DPA enterprise robusta (vs DPA standard di Livello 1)
- Audit log completo nativo
- Performance modelli flagship (Claude Opus, GPT-4)
- Setup tecnico moderato (cloud platform)
Svantaggi:
- Costo significativo vs Livello 1 (3-5x)
- Setup tecnico richiede competenze cloud specifiche
- Manutenzione (token monitoring, costi controllati)
- Ancora dipendenza da vendor americani (anche se via cloud)
Per chi è adatto:
- Studi 10-50 professionisti
- Clientela enterprise che richiede contrattualmente cloud privato
- Materie M&A, contenzioso commerciale rilevante, due diligence
- Budget congruo (>€500/mese privacy budget)
3B — LLM open source in cloud privato italiano
Stack tipico:
- Cloud provider italiano (Aruba, Seeweb, OVH Italia, Register.it)
- 1 server GPU dedicato (NVIDIA A100 40GB/80GB, H100, o RTX 5090 in setup minimal)
- Sistema operativo: Ubuntu Server 24.04
- LLM open weights: Llama 3.3 70B, Qwen 2.5 72B, Mistral Large 2, DeepSeek V3
- Frontend web: OpenWebUI, LibreChat (open source, gratuito)
- VPN per accesso: Tailscale, OpenVPN, WireGuard
- Database vettoriale per RAG: Qdrant, Weaviate (open source)
Provider italiani dettagliati:
-
Aruba Cloud (Arezzo): leader italiano, datacenter Tier IV. Server GPU disponibili a noleggio. Costo tipico: €600-1.200/mese per server con GPU adeguata.
-
Seeweb (Milano, Frosinone): provider serio, buona qualità tecnica. Server GPU on-demand. Costo: €700-1.500/mese.
-
OVH Italia (Milano): provider francese con presenza Italia. Server GPU competitivi.
-
Register.it Cloud (Bergamo): meno noto ma serio.
Vantaggi:
- Dati al 100% in Italia (data residency assoluta)
- Nessuna chiamata API esterna durante uso
- Compliance massima (anche per requirement contrattuali stringenti)
- Costo predicibile (canone mensile fisso, no token consumption)
- Personalizzazione fine (eventuale fine-tuning sui dati dello studio)
Svantaggi:
- Performance inferiore a Claude Opus / GPT-4 (gap 15-30% su task legali italiani)
- Manutenzione tecnica complessa (aggiornamenti modelli, monitoring, troubleshooting)
- Necessità di partner tecnico esterno (K2-AI da solo non gestisce)
- Hardware obsolescenza 24-36 mesi (modelli evolvono, GPU diventa insufficiente)
- Setup iniziale 4-8 settimane
Costi totali tipici (3 anni):
- Hardware/cloud: €600-1.500/mese × 36 = €21K-54K
- Setup K2-AI + partner tecnico: €15K-30K una tantum
- Manutenzione (10-20h/mese partner tecnico): €1K-3K/mese = €36K-108K su 3 anni
- TCO totale 3 anni: €70K-200K
Per chi è adatto:
- Studi 15-50+ professionisti con requisiti privacy stringenti
- Clientela che esige contrattualmente "dati in Italia"
- Materie ultra-sensibili (M&A strategici, contenzioso state-level, intelligence)
- Studi che possono permettersi competenze tecniche o partner dedicato
3C — On-premise puro
Hardware tipico per studio piccolo-medio:
- Workstation con 2x NVIDIA RTX 5090 (32GB VRAM ciascuna): €5-7K
- Server con 64-128GB RAM, storage NVMe: €2-3K
- NAS con backup: €1.5K
- UPS APC professionale: €500-1K
- Networking, sicurezza fisica: €1K
- Setup K2-AI + partner tecnico: €5-15K
Total hardware iniziale: €15-30K una tantum.
Manutenzione: dipendente IT interno o partner tecnico. €1-2K/mese.
Modelli supportati:
- Llama 3.3 70B in 4-bit quantization (su 2x RTX 5090)
- Mistral Large 2 quantizzato
- Qwen 2.5 72B quantizzato
Performance tipica: 60-75% di Claude Opus 4.7 su task legali italiani.
Vantaggi:
- Massima privacy assoluta (mai dati fuori dallo studio)
- Costo predicibile (no token, no canone)
- Asset patrimoniale dello studio
- Indipendenza geopolitica completa
Svantaggi:
- Performance significativamente inferiore a tier 1
- Manutenzione tecnica continuativa
- Aggiornamenti modelli richiedono effort
- Fault tolerance (se hardware si rompe, downtime)
- Hardware obsoleto in 24-36 mesi
Per chi è adatto:
- Casi rarissimi: studi con materie classificate, requisiti contrattuali estremi, partner tecnico interno qualificato
- Studi con forte avversione a cloud per principio (raro ma presente)
- Casi politici di privacy data residency assoluta
LIVELLO 4 — Air-gapped + Encryption Avanzata
Cosa è: protezione massima per documenti che non devono essere esposti nemmeno alla teoria di un breach o di un'intercettazione.
Misure complete:
- LLM locale on-premise (base Livello 3C)
- Workstation dedicate che fanno solo AI, senza connessione internet generica
- Cifratura at-rest dei documenti: BitLocker (Windows), FileVault (Mac), VeraCrypt (cross-platform)
- Cifratura in-transit interna (anche su rete LAN dello studio): TLS 1.3 minimo, idealmente VPN interna
- Hardware Security Module (HSM) per chiavi crittografiche: YubiHSM 2 (€700-1.000), Thales Luna (enterprise)
- Workflow strutturato e documentato: documento entra cifrato, esce cifrato, log immutabile
- Eventuale cifratura omomorfica per casi estremi (Microsoft SEAL, IBM HElib): permette calcoli su dati cifrati senza mai decifrarli. Performance fortemente impattata.
- Audit log immutabile: blockchain-based o WORM (Write Once Read Many) storage
- Personnel security: NDA stringenti per chi accede al sistema, background check
- Physical security: server in cassaforte ignifuga o rack chiuso, accesso biometrico
Costi:
- Setup completo: €50-150K
- Manutenzione: €3-8K/mese
- Competenze interne specializzate richieste
Per chi è adatto:
- Studi con casi di altissimo profilo (top-tier M&A, contenzioso strategico nazionale, materie classificate, intelligence)
- Estremamente raro per studio italiano standard
- Se ci si arriva, K2-AI non è il consulente giusto da solo — serve partner cybersecurity dedicato (es. partnership con società certificate ISO 27001/27018)
LIVELLO 5 — No AI (la scelta consapevole)
Cosa è: per certi documenti, la scelta giusta è non usare AI affatto. È un livello che molti consulenti dimenticano di proporre, ma è essenziale.
Casi tipici dove la policy dovrebbe escludere AI:
Per studio legale:
- Testimonianze di parte offesa per reati gravi (violenza sessuale, terrorismo, abusi minori)
- Documenti coperti da segreto investigativo (artt. 329 c.p.p.)
- Dichiarazioni di collaboratori di giustizia
- Materie con NDA stringenti che vietano elaborazione esterna
- Casi dove il cliente ha esplicitamente vietato uso AI in mandato
Per studio medico:
- Documentazione di trattamenti pediatrici sensibili
- Documenti di pazienti con malattie altamente stigmatizzanti
- Materie psichiatriche con rischio di danno se diffuse
- Casi di interesse mediatico
Per studio commercialista/notarile:
- Documentazione fiscale di soggetti politicamente esposti (PEP)
- Atti riservati di entità governative
- Trust con beneficiari sensibili
Per studio di consulenza del lavoro:
- Documentazione di provvedimenti disciplinari delicati
- Casi di mobbing/discriminazione con dati identificativi
Implementazione operativa:
- Lista esplicita nelle policy dello studio
- Marcatura speciale di documenti "AI-free zone"
- Procedura interna per riconoscere e segregare questi casi
- Formazione dedicata su queste eccezioni
- Eventuale workflow cartaceo dedicato
Costo: €0 (è scelta procedurale, non tecnologica).
4. Framework di data classification (4 classi)
Il cuore operativo della skill è la classificazione di ogni tipo di documento dello studio in 4 classi.
Classe A — Pubblico/Anonimo
Definizione: documenti senza dati personali identificabili o derivati da fonti pubbliche.
Esempi tipici per studio legale:
- Bozze generiche senza riferimento cliente
- Ricerca normativa su fonti pubbliche
- Riassunti di sentenze pubblicate
- Documenti di formazione interna
- Brainstorming concettuale
Esempi per studio medico:
- Articoli scientifici per ricerca
- Documenti di formazione
- Procedure operative anonimizzate
Volume tipico: 10-20% dei documenti di studio.
Tier consigliato: Livello 1.
Classe B — Sensibilità standard
Definizione: documenti con dati personali identificabili ma non particolari ai sensi GDPR (no dati sanitari, giudiziari, biometrici, etc.). Tutela del segreto professionale base.
Esempi per studio legale:
- Atti di causa civile/commerciale standard
- Lettere a clienti
- Memo interne con riferimenti a casi reali
- Pareri legali standard
- Contratti standard
Esempi per studio commercialista:
- Bilanci di clienti
- Dichiarazioni dei redditi
- Documentazione fiscale standard
Esempi per studio medico:
- Cartelle cliniche di routine
- Comunicazioni con altri medici curanti
Volume tipico: 60-75% dei documenti di studio.
Tier consigliato: Livello 2 (sanitization) o Livello 3A (cloud privato EU) in base a contratto cliente.
Classe C — Alta sensibilità
Definizione: documenti con dati particolari GDPR (sanitari, giudiziari, biometrici), informazioni commerciali strategiche, materie con elevato impatto reputazionale o economico.
Esempi per studio legale:
- Documenti M&A e due diligence
- Casi penali con persone identificabili
- Materie societarie con dati finanziari riservati
- Contratti enterprise con NDA stringenti
- Cause sensibili (mobbing, molestie, discriminazione)
Esempi per studio medico:
- Diagnosi di malattie gravi/croniche
- Documentazione psichiatrica
- Documentazione di pazienti VIP
- Refertazione genetica
Esempi per studio notarile:
- Atti di trasferimento di valore ingente
- Successioni complesse
- Trust e fiduciarie
Volume tipico: 10-20% dei documenti di studio.
Tier consigliato: Livello 3 (privato cloud EU minimo, eventualmente cloud privato italiano per requisiti più stringenti).
Classe D — Ultra-sensibile / Classified
Definizione: documenti con sensibilità estrema, classificazione legale, materia investigativa, NDA con sanzioni elevate, casi di alto profilo.
Esempi:
- Materie classificate (intelligence, sicurezza nazionale)
- Documenti ex art. 329 c.p.p. (segreto investigativo)
- Casi di alto profilo mediatico in corso
- Materie con NDA da multinazionali con sanzioni nei milioni
- Documenti di soggetti politicamente esposti (PEP)
- Materie di alto profilo internazionale (sanzioni, embargo)
Volume tipico: 1-5% dei documenti di studio (solo studi specifici).
Tier consigliato: Livello 4 (air-gapped) o Livello 5 (no AI).
5. Workflow operativo della skill
Step 1 — Discovery iniziale (settimana 1)
Domande prioritarie al cliente professionale:
Sul profilo studio:
- Settore professionale e specializzazione
- Dimensione (professionisti + collaboratori)
- Volume documenti tipici/mese
- Sede/i
- Eventuali certificazioni esistenti (ISO 27001, etc.)
Sulla clientela:
- Tipologia clienti (PMI, enterprise, pubblico, persone fisiche)
- Eventuali clienti con requisiti contrattuali specifici (banche, multinazionali, PA)
- Eventuali NDA stringenti già firmati
- Settori sensibili nella clientela (sanità, difesa, finanza)
Sull'attuale gestione privacy:
- DPO designato (sì/no)
- Registro trattamenti GDPR esistente
- DPIA fatte in passato
- Eventuali sanzioni o ispezioni precedenti
- Policy esistenti
Sull'uso attuale AI:
- Tool AI già usati (anche occasionalmente)
- Procedure esistenti
- Eventuali incidenti o near-miss
Sulla sensibilità documentale:
- Tipologie di documenti più sensibili gestiti
- Eventuali casi di alto profilo
- Materie particolarmente delicate
Step 2 — Mappatura documentale (settimana 1-2)
Workshop con team studio per identificare tutti i tipi di documento trattati e classificarli A/B/C/D.
Output: matrice documentale completa.
Esempio output per studio legale civile:
| Tipo documento | Volume mese | Classe | Note |
|---|
| Lettere generiche stato pratica | 80 | B | Sanitization |
| Bozze atti di citazione | 25 | B | Sanitization |
| Memo interni casi | 15 | B | Sanitization |
| Lettere senza riferimento cliente | 30 | A | Livello 1 ok |
| Documenti M&A | 5 | C | Livello 3 |
| Casi penali sensibili | 3 | C/D | Caso per caso |
| Bozze pareri standard | 20 | B | Sanitization |
| Ricerca normativa | 50 | A | Livello 1 ok |
| Atti causa con dati clienti | 40 | B | Sanitization |
| Procedimenti riservati art. 329 | 2 | D | No AI |
Step 3 — Risk assessment per classe (settimana 2)
Per ogni classe, valutazione del rischio:
Probabilità di breach (scale 1-5):
- Probabilità tecnica
- Probabilità contrattuale
- Probabilità deontologica
Impatto di breach (scale 1-5):
- Sanzione economica potenziale (GDPR, deontologica)
- Danno reputazionale
- Danno cliente (responsabilità civile)
- Conseguenze penali (segreto)
Risk score = Probabilità × Impatto.
Per ogni classe, range di risk score atteso:
- Classe A: 1-4 (basso)
- Classe B: 4-12 (medio)
- Classe C: 12-20 (alto)
- Classe D: 20-25 (critico)
Step 4 — Architettura tiered design (settimana 2-3)
Sulla base di mappatura + risk assessment, design dell'architettura specifica per lo studio.
Componenti dell'output:
Stack tecnologico per livello:
- Per classe A: vendor specifico (es. Claude Team server EU)
- Per classe B: stack Livello 1 + sanitization tool (es. Cloaked.ai)
- Per classe C: stack Livello 3 (es. Azure OpenAI Italia)
- Per classe D: procedura "AI-free" o Livello 4 se rilevante
Diagramma architetturale:
- Visualizzazione dei flussi di dati per classe
- Punti di sanitization
- Boundary di sicurezza
- Audit checkpoint
Workflow operativi:
- Chi può usare cosa, quando, come
- Procedure di classificazione documenti
- Procedure di escalation in caso di dubbio
- Procedure di review periodico
Step 5 — Policy AI Usage tier-aware (settimana 3)
Personalizzazione della policy con framework tier-aware. Sezioni chiave:
Sezione 1 — Principi generali
- Tutela del segreto professionale
- Conformità GDPR e AI Act
- Trasparenza con il cliente
- Responsabilità professionale
Sezione 2 — Classificazione documenti
- Le 4 classi A/B/C/D
- Esempi concreti per settore
- Procedura di classificazione
Sezione 3 — Tool consentiti per classe
- Tabella esplicita per classe
- Procedura di selezione tool
- Eventuali tool vietati (lista esplicita)
Sezione 4 — Procedura per classe
Per Classe A:
- Tool diretti consentiti
- No restrictions su prompt (purché senza dati cliente)
- Disclaimer minimo
Per Classe B:
- Sanitization obbligatoria preventiva
- Verifica re-idratazione
- Logging interazione
- Disclaimer cliente
Per Classe C:
- Solo tool tier 3 dedicati
- Approval del responsabile compliance
- Log dettagliato
- Eventuale informativa specifica al cliente
Per Classe D:
- Procedura "AI-free"
- Marcatura speciale documento
- Workflow alternativo
Sezione 5 — Disclaimer obbligatori
- Template per output al cliente che hanno usato AI
- Variabili per livello di trasparenza
Sezione 6 — Audit e governance
- Frequenza review
- Responsabile compliance
- Procedure escalation
- Reporting
Sezione 7 — Formazione
- Frequenza training
- Argomenti obbligatori
- Test di verifica
Step 6 — DPIA template per tier (settimana 3-4)
Per ogni livello attivato, predisporre template DPIA (Data Protection Impact Assessment) che il DPO o equivalente può finalizzare.
DPIA template include:
- Descrizione del trattamento AI
- Base giuridica
- Categorie di dati trattati
- Trasferimenti
- Misure di sicurezza
- Valutazione del rischio
- Misure di mitigazione
- Conclusioni
Step 7 — Decision tree operativo (settimana 4)
Flowchart stampabile che il professionista può tenere accanto alla scrivania per decidere in 30 secondi:
Devo usare AI su questo documento?
│
├─ Il documento contiene dati personali identificabili?
│ │
│ NO → CLASSE A → Livello 1 (Claude Team) ✓
│ │
│ SÌ ↓
│
├─ Sono dati particolari (sanitari/giudiziari/biometrici) o materia altamente strategica?
│ │
│ NO → CLASSE B
│ │ │
│ │ ├─ Posso sanitizzare il documento? → Sì → Sanitize + Livello 1 ✓
│ │ ├─ Sanitization è efficace nel contesto? → No → Livello 3A
│ │
│ SÌ ↓
│
├─ La materia è classificata, soggetta a NDA stringente, o di alto profilo?
│ │
│ NO → CLASSE C → Livello 3 ✓
│ │
│ SÌ ↓
│
└─ CLASSE D → Livello 4 o Livello 5 (NO AI)
│
└─ Consulta il responsabile compliance prima di procedere
Step 8 — Generazione deliverable
Output completi:
1. AI Privacy Tiered Architecture Report (DOCX 25-40 pp)
- Executive summary
- Profilo studio e clientela
- Quadro normativo applicabile
- Mappatura documentale
- Risk assessment
- Architettura tiered proposta
- Stack tecnologico per livello
- Costi e business case
- Roadmap implementazione
- Allegati (matrici, DPIA template)
2. Document Classification Matrix (XLSX)
- Foglio "Master": tutti i tipi di documento con classe
- Foglio "Risk Assessment": calcolo risk score
- Foglio "Tool Mapping": tool consentiti per classe
- Foglio "Compliance Tracking": stato conformità
3. Policy AI Usage Tier-Aware (DOCX 12-20 pp)
- Policy completa pronta per firma
4. DPIA Templates (DOCX, multipli)
- 1 template per ogni livello attivato
5. Decision Tree visuale (PDF)
- Stampabile A4
- Versione semplificata per ambient distribution
- Versione dettagliata per deep dive
6. Implementation Roadmap (XLSX)
- Timeline 3-6 mesi
- Milestone, owner, KPI
6. Esempio applicato — Studio Legale Verdi (Roma, 12 prof, M&A + commerciale)
Input dall'orchestratore
"Studio legale Roma, 12 prof, specializzazione M&A + commerciale, clientela enterprise (banche, multinazionali italiane). Cliente importante della rete K2-AI, gravi requisiti privacy. Vuole architettura AI compliant per cliente top secret."
Output sintetico
═══════════════════════════════════════════════════════
AI PRIVACY TIERED ARCHITECTURE — Studio Legale Verdi
═══════════════════════════════════════════════════════
🏢 PROFILO STUDIO
12 professionisti (3 partner + 4 senior + 5 associate)
Specializzazione: M&A, commerciale, banking
Clientela: 70% enterprise (banche, multinazionali)
30% mid-corporate
Sede: Roma + ufficio Milano
ISO 27001 in corso (target Q3 2026)
DPO designato (interno)
📊 MAPPATURA DOCUMENTALE (5 settimane analisi)
| Classe | Volume mese | % | Tipologia tipica |
|--------|-------------|---|-------------------|
| A | 45 | 8% | Ricerca normativa, draft generici |
| B | 280 | 52% | Atti commerciali, memo, lettere |
| C | 195 | 36% | M&A, due diligence, contratti enterprise |
| D | 22 | 4% | Materie altissimo profilo, NDA top |
💡 OSSERVAZIONE STRATEGICA
36% dei documenti è Classe C — significativo.
Architettura tiered è non solo opportuna, è
imprescindibile.
═══════════════════════════════════════════════════════
🏗 ARCHITETTURA TIERED PROPOSTA
LIVELLO 1 — Public Cloud (per Classe A)
└─ Claude Team EU Frankfurt — 12 utenti
€348/mese (€29/utente)
LIVELLO 2 — Sanitization (per Classe B)
└─ Stesso Claude Team + Cloaked.ai Pro
12 licenze Cloaked: €840/mese (€70/utente)
Workflow integrato in Claude Projects
LIVELLO 3A — Azure OpenAI Italia (per Classe C)
└─ Azure OpenAI Service, regione Italy North (Milano)
Sottoscrizione enterprise con DPA upgraded
GPT-4o + DALL-E + Whisper (per trascrizione audio)
Token reservation: €1.500/mese (commit annuale)
Sviluppo custom Web UI interno: €15K una tantum
LIVELLO 4/5 — Air-gapped (per Classe D)
└─ Workstation dedicata in cassaforte sala blindata
Hardware: €18K (RTX 5090 dual + secure storage)
Llama 3.3 70B locale
Nessun networking esterno
Solo 3 partner abilitati ad accedere
═══════════════════════════════════════════════════════
💰 BUSINESS CASE
Setup K2-AI complete: €38.500
- Architettura design: €8K
- Cloaked.ai integration: €5K
- Azure OpenAI setup: €15K
- Workstation air-gapped setup: €8K (incl. hardware)
- Policy + DPIA + training: €2.5K
OPEX mensile:
- Claude Team: €348
- Cloaked.ai: €840
- Azure OpenAI (commit): €1.500
- Workstation manutenzione: €300 (inclusa in retainer)
- Retainer K2-AI manutenzione: €1.800
TOTALE: €4.788/mese (€57.456/anno)
ROI annuo stimato:
Time saved: 800h × €120/h media = €96K
Errori evitati / casi salvati: €30K stimato
Compliance risk avoided: priceless (ma €50-200K
sanzioni evitate)
Net benefit anno 1: ~€80K
Payback: 14 mesi
═══════════════════════════════════════════════════════
📜 POLICY AI USAGE TIER-AWARE — sintesi
Articolo chiave (estratto):
"Sezione 4 — Procedura per classificazione documenti
Prima di qualsiasi utilizzo di sistemi AI, l'avvocato
classifica il documento secondo lo schema:
CLASSE A: documenti pubblici o anonimi.
Tool: Claude Team standard.
Verifica: nessuna preventiva.
CLASSE B: documenti con dati personali identificabili
ma non particolari.
Tool: Claude Team con Cloaked.ai sanitization
obbligatoria.
Verifica: re-idratazione output con review umana.
CLASSE C: documenti con dati particolari, materie
M&A, contratti enterprise sopra €1M.
Tool: Azure OpenAI Italia tier dedicato.
Verifica: approval scritta partner referente caso.
Logging: dettagliato e immutabile.
CLASSE D: materie classificate, NDA con sanzioni
oltre €5M, casi alto profilo mediatico.
Tool: SOLO workstation air-gapped, con presenza
fisica del partner durante uso.
Verifica: doppia review (partner + DPO).
Audit: trimestrale obbligatorio.
In caso di dubbio sulla classe, l'avvocato consulta
il DPO o il responsabile compliance prima di procedere."
═══════════════════════════════════════════════════════
🌳 DECISION TREE (estratto)
Quando ricevi documento per drafting/analisi:
1. Contiene nomi/dati personali?
NO → Classe A → Claude Team OK
SÌ → continua
2. Sono dati sanitari/giudiziari/biometrici?
NO → Classe B → Cloaked.ai + Claude Team
SÌ → continua
3. È M&A/contratto enterprise/materia ad alto valore?
NO → Classe C → Azure OpenAI Italia
SÌ → continua
4. È materia classificata o NDA top?
NO → Classe C → Azure OpenAI Italia (con review)
SÌ → Classe D → Workstation air-gapped o NO AI
═══════════════════════════════════════════════════════
📅 ROADMAP IMPLEMENTAZIONE 6 MESI
Mese 1: Setup Claude Team + workshop classificazione
Mese 2: Setup Cloaked.ai + sanitization tier 2 attivo
Mese 3: Setup Azure OpenAI Italia + custom UI sviluppo
Mese 4: Test tier 3 + audit DPO + policy v1.0
Mese 5: Setup workstation air-gapped + tier 4 attivo
Mese 6: Audit completo + ISO 27001 readiness check +
retainer ongoing avvio
═══════════════════════════════════════════════════════
📂 OUTPUT GENERATI
1. AIPrivacyArchitecture-StudioVerdi-202607.docx (38 pp)
2. DocumentClassification-StudioVerdi.xlsx (4 fogli)
3. AIPolicy-StudioVerdi-v1.0.docx (18 pp)
4. DPIA-Templates-StudioVerdi (4 docs, uno per tier)
5. DecisionTree-StudioVerdi.pdf (formato A4 e A3)
6. Roadmap-StudioVerdi.xlsx
7. ComplianceTracker-StudioVerdi.xlsx
8. Workshop-Slides-Classification.pptx (28 slide)
═══════════════════════════════════════════════════════
🎯 PROPOSTA COMMERCIALE K2-AI
"AI Privacy Architecture Premium" — €38.500 + IVA
Setup completo + 4 livelli + policy + DPIA
Tempo: 6 mesi
+ Retainer "Privacy Operations" — €1.800/mese
Manutenzione + audit trimestrali +
aggiornamenti normativi + supporto utenti
Durata: 24 mesi minimo
TCO 36 mesi: €38.500 + (€1.800 × 36) = €103.300
VS rischio sanzione single GDPR breach: €50K-€2M+
VS rischio reputazionale studio: incalcolabile
VS rischio responsabilità civile cliente: significativo
═══════════════════════════════════════════════════════
7. Output deliverable
| Documento | Estensione | Pagine/fogli |
|---|
| AI Privacy Tiered Architecture Report | DOCX | 25-40 |
| Document Classification Matrix | XLSX | 4-6 fogli |
| Policy AI Usage Tier-Aware | DOCX | 12-20 |
| DPIA Templates (1 per tier attivo) | DOCX | 5-10 ciascuno |
| Decision Tree visuale | PDF | 1-3 pagine A4/A3 |
| Implementation Roadmap | XLSX | 3-5 fogli |
| Compliance Tracker | XLSX | 1 master |
| Workshop Slides Classification | PPTX | 25-35 slide |
8. Pricing della skill
Questa skill è add-on premium che si vende come componente o come servizio standalone.
Come componente di pacchetto STANDARD/PREMIUM
- Inclusa in pacchetto STANDARD: incremento prezzo +€2.500-€4.000 sul base
- Inclusa in pacchetto PREMIUM: standard, no incremento
Come servizio standalone
- Architettura Privacy Light (1-2 livelli): €3.500-€6.000
- Architettura Privacy Standard (3 livelli): €6.000-€12.000
- Architettura Privacy Premium (4 livelli): €12.000-€25.000
- Architettura Privacy Enterprise (5 livelli + ISO 27001 prep): €25.000-€60.000
Retainer privacy ongoing
- Privacy Operations Light: €600-€800/mese (audit semestrale, aggiornamenti normativi)
- Privacy Operations Standard: €1.200-€1.800/mese (audit trimestrali, supporto continuativo)
- Privacy Operations Premium: €2.000-€3.500/mese (audit mensili, DPO-as-a-service shadowing)
Logica di prezzo
Il pricing è giustificato da:
- Riduzione rischio sanzione GDPR (€50K-€2M evitati)
- Riduzione rischio responsabilità civile cliente (€100K+ potenziali)
- Riduzione rischio deontologico (sospensione, radiazione possibili)
- Apertura a clientela enterprise (commesse extra €100K-€1M+/anno)
Prezzo apparentemente alto = ROI evidente per studio target.
9. Integrazione con altre skill
Skill di sistema
- flusso-ai-studi-professionali: orchestratore (può attivare questa skill come componente)
- ai-assessment-studio: assessment privacy come parte di assessment generale
- ai-roadmap-progettazione: architettura tiered come parte di roadmap
- ai-implementazione-pilota: implementazione tiered durante pilota
- ai-manutenzione-evoluzione: aggiornamenti privacy ongoing
Skill di dominio K2-AI
- it-law-privacy-ai: per dettagli normativi GDPR + AI Act + DDL AI
- knowledge-source-italia: per fonti aggiornate Garante, ACN, ENISA
- diritto-italiano: per principi giuridici di responsabilità professionale
- diritto-societario-italiano: per studi associati e responsabilità d'impresa
- cybersecurity-pmi-base: per integrazione con framework cyber generale
- fiscale-tributario-italiano: per aspetti fiscali (super-deduzione AI ddl)
Skill commerciali
- lead-qualifier: per qualificare lead con interesse privacy
- pricing-proposal-generator: per proposta commerciale architettura
- customer-success-manager: per gestione retainer privacy
- case-study-generator: per documentare implementazioni privacy di successo
Skill produttive
- docx, xlsx, pptx: per deliverable
- frontend-design: per dashboard custom UI per tier 3
10. Settori di applicazione differenziale
La skill è trasversale ai settori professionali. Differenze settoriali:
Studi legali
- Focus: segreto professionale, art. 622 c.p., art. 19 CDF, materie penali sensibili, M&A
- Tier 4 più frequente
- Vendor specializzati: Lexis+ AI, Harvey AI per Tier 3+
Studi medici / cliniche
- Focus: dati sanitari (sempre Classe C), GDPR rinforzato, requisiti di settore
- Tier 3 default per la maggior parte dei documenti
- Vendor specializzati: Tempus AI, Doximity GPT per Tier 3+
Studi commercialisti
- Focus: dati fiscali, segreto, materie societarie
- Mix bilanciato A/B/C
- Vendor: TeamSystem AI, Wolters Kluwer Profis AI
Studi notarili
- Focus: atti di trasferimento, successioni, segreto del notaio
- Volume Classe C significativo
- Vendor: integrazione con software di settore (Visualstudio, etc)
Studi psicologi
- Focus: dati psichiatrici (sempre Classe C/D), riservatezza assoluta
- Tier 3+ per la maggioranza
- Vendor in evoluzione, spesso Tier 4 unico approccio
11. Disclaimer professionale
Inserire in tutti i deliverable:
"K2-AI fornisce consulenza metodologica e operativa per la progettazione di architetture AI con privacy stratificata negli studi professionali. Il documento prodotto rappresenta una proposta di architettura basata sulle informazioni fornite dallo studio cliente e sulla normativa vigente al momento della stesura.
K2-AI non sostituisce le figure di:
- Data Protection Officer (DPO) per la valutazione formale di conformità GDPR
- Avvocato specializzato in diritto delle nuove tecnologie per pareri legali su trattamenti specifici
- Auditor cybersecurity certificato per assessment formali (ISO 27001, etc.)
- Ente certificatore per certificazioni di conformità
L'implementazione tecnica di livelli 3B, 3C, 4 richiede coinvolgimento di partner tecnici cybersecurity specializzati. K2-AI coordina e supervisiona, ma l'implementazione tecnica resta in capo al partner.
Il professionista resta unico responsabile della conformità normativa e deontologica del proprio operato."
12. Errori comuni da evitare
- Non promettere "100% sicurezza": nessuna architettura è impenetrabile. Si parla di riduzione rischio.
- Non sopravvalutare la sanitization: ha limiti reali, soprattutto su contesti che identificano da soli
- Non sottostimare il costo del Tier 3-4: setup tecnico complesso, manutenzione continuativa
- Non confondere data residency con privacy: un documento in Italia può essere ancora vulnerabile internamente
- Non saltare la classificazione documentale: senza, l'architettura non ha senso
- Non usare un singolo livello per tutti i documenti: sovra-protezione costa, sotto-protezione è rischiosa
- Non saltare la formazione utenti: la migliore policy fallisce se non capita
- Non promettere "elimini il rischio sanzione": si riduce significativamente, non si elimina
- Non sottovalutare la dimensione contrattuale: alcuni clienti enterprise hanno requisiti che vincolano il tier minimo
- Non ignorare l'evoluzione normativa: AI Act enforcement si intensifica, DDL AI italiano in approvazione, retainer ongoing fondamentale
- Non sostituirsi al DPO: K2-AI supporta, DPO certifica
- Non confondere on-premise con sicuro: server in casa con configurazione errata può essere meno sicuro di Azure cloud privato
- Non dimenticare l'incident response plan: ogni tier deve avere procedura in caso di breach
- Non saltare il testing periodico: penetration test annuale per tier 3+ è raccomandato
- Non considerare la skill come "fatta una volta": richiede aggiornamento continuativo (vendor cambiano, normativa evolve, modelli si aggiornano)
