Le linee guida EDPB 03/2026 sul web scraping per l’addestramento di AI generativa chiariscono che il legittimo interesse ex art. 6(1)(f) GDPR non è una via libera: richiede un bilanciamento rigoroso con i diritti degli interessati, e quasi mai regge quando si trattano dati sensibili. Chi assiste sviluppatori di modelli AI o aziende che acquistano dataset deve verificare subito la base giuridica usata e l’esistenza di meccanismi di opt-out effettivi.
Punti chiave
- Punto 1 — Il legittimo interesse non basta da solo: serve un balancing test documentato caso per caso.
- Punto 2 — I dati sensibili ex art. 9 GDPR raccolti via scraping richiedono consenso esplicito o altra base derogatoria.
- Punto 3 — Chi acquista dataset da terzi non è esente: risponde del trattamento se la base giuridica originaria era illegittima.
Se assisti aziende che sviluppano o acquistano modelli di intelligenza artificiale, hai un problema concreto sul tavolo: le linee guida EDPB 03/2026 rendono molto più difficile giustificare la raccolta massiva di dati dal web senza consenso. Il rischio non è teorico — le sanzioni per violazione del GDPR arrivano fino al 4% del fatturato mondiale annuo, e le autorità di controllo nazionali (per l’Italia, il Garante) possono agire in autonomia anche prima di un coordinamento europeo.
L’EDPB ha pubblicato le linee guida 03/2026 specificamente dedicate al web scraping come tecnica di raccolta dati per addestrare sistemi di AI generativa. Il documento inquadra l’intera pratica dentro il perimetro del Regolamento UE 2016/679 e fissa paletti precisi su base giuridica, proporzionalità, trattamento di categorie particolari e diritti degli interessati. Puoi leggere l’analisi completa su Agenda Digitale.
Il contesto normativo
Il punto di partenza è l’art. 6(1)(f) GDPR, che ammette il trattamento fondato sul legittimo interesse del titolare solo se non prevalgono gli interessi o i diritti fondamentali dell’interessato. L’EDPB chiarisce che questo bilanciamento non può essere presunto: va condotto e documentato per ogni specifico trattamento. Per i dati che rientrano nelle categorie particolari — opinioni politiche, dati sanitari, orientamento sessuale — opera il divieto generale dell’art. 9 GDPR, superabile solo con le deroghe tassative del paragrafo 2. Rileva anche l’art. 5(1)(b) GDPR sul principio di limitazione della finalità: i dati pubblicati online per uno scopo non possono essere liberamente reimpiegati per addestrare algoritmi senza verifica della compatibilità. Sul piano nazionale, il Garante ha già applicato questi principi nel provvedimento del 30 marzo 2023 nei confronti di Replika, confermando che la pubblicazione di dati sul web non equivale a consenso al loro riutilizzo per qualsiasi finalità.
Cosa cambia per lo studio
- Audit della base giuridica nei contratti AI. Ogni volta che un cliente acquista o licenzia un modello AI addestrato su dati web, verifica quale base giuridica il fornitore dichiara. Se è il legittimo interesse, chiedi il balancing test documentato: senza, il contratto espone il cliente a responsabilità solidale.
- Clausole di indennizzo nei data licensing agreement. Inserisci clausole che obblighino il fornitore del dataset a garantire la liceità della raccolta e a manlevare il cliente in caso di contestazioni del Garante o di data subjects.
- Verifica dell’opt-out tecnico. Le linee guida EDPB segnalano che l’assenza di meccanismi di opt-out effettivi (es. robots.txt rispettati, moduli di cancellazione funzionanti) pesa negativamente nel balancing test. Controlla che il tuo cliente li abbia implementati prima di qualsiasi operazione di scraping.
- Separazione dei flussi per dati sensibili. Se il dataset contiene anche una sola categoria di dati ex art. 9 GDPR, il trattamento per finalità di addestramento AI richiede una base derogatoria distinta. Non è sufficiente l’anonimizzazione se tecnicamente reversibile.
- Trasparenza verso gli interessati. L’art. 14 GDPR impone informativa anche quando i dati non sono raccolti direttamente dall’interessato. L’EDPB non ammette esenzioni generalizzate per lo scraping: valuta con il cliente se e come ottemperare, almeno con una privacy notice pubblica aggiornata.
Attenzione a
Il “dato pubblico” non è dato libero. L’errore più frequente è consigliare al cliente che i dati pubblicati su social o siti aperti siano utilizzabili senza vincoli. L’EDPB lo esclude esplicitamente: pubblicazione e consenso al riutilizzo per AI sono concetti separati. Questo vale anche per i dati già presenti in dataset di terzi acquistati sul mercato.
La responsabilità non si trasferisce con l’outsourcing. Se il cliente fa svolgere lo scraping da un fornitore esterno, rimane titolare del trattamento se determina finalità e mezzi. La qualifica di responsabile del trattamento ex art. 28 GDPR non esonera dalla verifica preventiva della liceità: un DPA mal redatto non copre la violazione sostanziale.
Domande frequenti
Il legittimo interesse è una base valida per fare web scraping e addestrare modelli AI?
Secondo le linee guida EDPB 03/2026, il legittimo interesse ex art. 6(1)(f) GDPR è teoricamente applicabile ma richiede un balancing test documentato che dimostri la prevalenza dell’interesse del titolare sui diritti degli interessati. Nella pratica, per dataset su larga scala e con dati sensibili, questo test raramente supera il vaglio delle autorità di controllo.
Chi acquista un dataset già pronto da un fornitore terzo risponde delle violazioni GDPR nella raccolta originaria?
Sì. Se il titolare determina le finalità del trattamento, risponde anche della liceità dei dati in ingresso. Non basta affidarsi alle dichiarazioni del fornitore: occorre verificare contrattualmente la base giuridica usata nella raccolta e ottenere idonea manleva, con un DPA conforme all’art. 28 GDPR.
Cosa rischia concretamente un’azienda italiana che usa dati web per addestrare AI senza rispettare il GDPR?
Il Garante può irrogare sanzioni fino al 4% del fatturato mondiale annuo (art. 83(4)-(5) GDPR), disporre il blocco del trattamento e ordinare la cancellazione dei dataset illecitamente raccolti. Sul piano civile, gli interessati possono agire per risarcimento del danno ex art. 82 GDPR anche in via collettiva tramite associazioni delegate.
Fonte di riferimento: AgendaDigitale