RAG · Fine-tuning · Governance dei dati per l’AI Act
Anonimizza i documenti prima che alimentino i tuoi progetti di IA
I progetti di IA aziendali si nutrono di documenti: contratti indicizzati per un assistente con generazione aumentata dal recupero (RAG), ticket di assistenza usati per il fine-tuning di un modello, pratiche caricate in una knowledge base interna. Ognuno può contenere dati personali e, una volta diventati vettori in un indice o pesi in un modello, sono molto più difficili da trovare, rettificare o cancellare che nella cartella originale.
Anonimatum Pro da 19,90 €/mese, IVA inclusa.
Anonimatum ripulisce il corpus prima dell’ingestione. L’elaborazione batch su server nell’UE gestisce centinaia di file PDF, Office e ZIP con un’unica configurazione, e l’API REST ti permette di inserire lo stesso passaggio nella tua pipeline di dati. Quando l’IA deve ancora distinguere le persone, la pseudonimizzazione le sostituisce con token coerenti o sostituti realistici: le relazioni restano, le identità no.
L’AI Act europeo impone ai fornitori di sistemi ad alto rischio pratiche di governance per i dati di addestramento, convalida e prova, e il GDPR continua a coprire tutto il resto. Anonimatum rileva con modelli proprietari, senza inviare il tuo corpus ad API esterne di LLM. I professionisti fuori dalla Spagna possono iniziare con Anonimatum Pro online; per team e accesso API, contattaci.
Dai documenti grezzi a un corpus pronto per l’IA
- 1
Definisci la policy
Decidi per ogni progetto cosa deve sparire (nomi, recapiti, identificativi, dati bancari) e cosa deve restare al modello, come date, importi o nomi di prodotto.
- 2
Scegli oscuramento o pseudonimizzazione
Oscura per knowledge base condivise o pubbliche; usa token come NOME_1 o sostituti realistici quando l’IA deve seguire chi è chi.
- 3
Elabora in batch o via API
Carica file ZIP nella coda del server o chiama l’API REST dal tuo processo di ingestione, con gli stessi pattern e set di parole per ogni file.
- 4
Campiona e tieni la mappa separata
Controlla un campione nell’anteprima prima dell’indicizzazione e conserva la mappa delle corrispondenze fuori dal sistema di IA, con accesso limitato.
Documento fittizio
Prima e dopo: un ticket di assistenza per una knowledge base
Ticket fittizio preparato per un assistente RAG. Cliente e operatrice diventano token coerenti, il numero di conto viene parzialmente mascherato e il contenuto tecnico resta intatto.
Ticket #48213 · Prodotto: Router X200 · Priorità: alta
Cliente: Jean Dupont, conto FR-559201
Operatrice: Laura Bianchi
Jean Dupont segnala che il router si riavvia ogni notte alle 02:00.
Firmware 4.2.1 installato; il guasto è iniziato dopo l’aggiornamento.
Soluzione temporanea: disattivare la selezione automatica del canale.
Follow-up inviato a j.dupont@example-mail.eu.
Ticket #48213 · Prodotto: Router X200 · Priorità: alta
Cliente: NOME_1, conto FR-55****
Operatrice: NOME_2
NOME_1 segnala che il router si riavvia ogni notte alle 02:00.
Firmware 4.2.1 installato; il guasto è iniziato dopo l’aggiornamento.
Soluzione temporanea: disattivare la selezione automatica del canale.
Follow-up inviato a EMAIL_001.
I token mantengono riconoscibile lo stesso cliente lungo tutto il ticket senza identificarlo; prodotto, firmware e soluzione restano perché sono ciò che l’assistente deve imparare.
Perché ripulire i dati prima che li veda l’IA
Più facile che cancellare dopo
Rimuovere una persona da un indice o da un modello già addestrato è difficile. Tenere i dati personali fuori dal corpus è il modo più semplice per rispettare la cancellazione e la minimizzazione dei dati.
Coerenza in ogni documento
Lo stesso originale riceve sempre lo stesso sostituto all’interno di un documento, così il modello impara relazioni e non identità.
Pronto per la pipeline
Code batch e API REST si inseriscono nei processi di ingestione: l’anonimizzazione diventa un passaggio automatico della pipeline, non un lavoro manuale prima di ogni caricamento.
Nessun LLM di terze parti nel mezzo
Il rilevamento gira sui modelli proprietari di Anonimatum su server nell’UE, quindi preparare il corpus non apre un nuovo trasferimento verso un fornitore esterno di IA.
Anonimizzare documenti per l’IA: domande frequenti
Per un RAG conviene anonimizzare o pseudonimizzare?
Se la knowledge base sarà usata da molte persone o esposta ai clienti, oscura. Se un assistente interno deve seguire un caso attraverso più documenti, pseudonimizza con sostituti coerenti e conserva la mappa delle corrispondenze fuori dal sistema di IA. Ricorda che i dati pseudonimizzati restano dati personali ai sensi del GDPR.
Così il mio progetto di IA è conforme all’AI Act?
Nessuno strumento può garantirlo da solo. L’AI Act richiede un’adeguata governance dei dati di addestramento, convalida e prova dei sistemi ad alto rischio; rimuovere o pseudonimizzare i dati personali è una misura al suo interno, da documentare insieme agli altri controlli.
Si può automatizzare?
Sì. L’API REST, disponibile nel piano enterprise, permette alla tua pipeline di inviare documenti e recuperare i risultati elaborati. Per corpus occasionali, i file ZIP nella coda batch del server di solito bastano.
Quali formati possono far parte del corpus?
PDF (anche pagine scansionate, con OCR), Word, Excel, PowerPoint, OpenDocument e archivi ZIP. I risultati tornano nel formato originale, pronti per il tuo chunking e la generazione degli embedding.
È lo stesso che anonimizzare un file prima di incollarlo in ChatGPT?
Stesso motore, scala diversa. Incollare un documento in un chatbot è un’attività individuale; alimentare un progetto di IA significa centinaia di documenti, una policy ripetibile e tracciabilità, ed è a questo che servono l’elaborazione batch, l’API e le configurazioni condivise.
Costruisci la tua IA su dati puliti
Fuori dalla Spagna i singoli professionisti possono iniziare con Anonimatum Pro online a 19,90 € al mese o 199 € all’anno (IVA inclusa). Per progetti di team, grandi volumi in batch o accesso API, raccontaci com’è il tuo corpus.
Attiva AnonimatumSpagna non è il tuo paese?