By · Last updated 2026-06-05

Tillbaka till BloggenGDPR & Efterlevnad

Garante Italien: AI och PII-compliance

Italiens Garante bötfällde OpenAI med 15 miljoner euro i december 2024 och förbjöd tillfälligt ChatGPT 2023. 63 % av italienska företag saknar AI-datastyrningspolicyer.

June 5, 20269 min läsning
Italy Garantecodice fiscale detectionChatGPT ban ItalyItalian data protectionAI GDPR compliance

Garante Italien: GDPR och PII teknisk compliance

Uppdaterat 2026

Italiens mest aktiva integritetstillsynsmyndighet

Garante per la protezione dei dati personali är Italiens datatillsynsmyndighet — och EU:s mest aktiva AI-reglerare.

Två åtgärder definierar deras tillvägagångssätt. I mars 2023 beordrade Garante OpenAI att stoppa ChatGPT för användare i Italien. Man fann ingen giltig rättslig grund för dataanvändningen och inga åldersskontroller för minderåriga. OpenAI lade till åldersbegränsningar, ett opt-out för träning och en integritetspolicy på italienska. Tjänsten återupptogs i april 2023.

I december 2024 bötfällde myndigheten OpenAI med 15 miljoner euro. Tre saker orsakade böterna: ingen giltig rättslig grund, ingen tydlig information om träningsanvändning och inga åldersskontroller för minderåriga.

Alla AI-verktyg som hanterar personuppgifter från användare i Italien måste uppfylla samma standarder.

Vad som fallerade i OpenAI-fallet

15 miljoner euro-böterna namngav specifika brister. Var och en mappar till en saknad teknisk kontroll.

Rättslig grund för träningsdata: Garante avslog "berättigat intresse" som grund för träning på användardata. AI-träning på personuppgifter kräver uttryckligt samtycke eller ett kontraktsbaserat. Enbart ett påstående om "berättigat intresse" håller inte.

Transparens: Användare informerades inte om hur deras data användes för träning och hade ingen tydlig möjlighet att tacka nej.

Åldersverifiering: Minderåriga kunde använda ChatGPT utan ålderskontroll. Garante behandlar detta som en hård regel för konsument-AI-verktyg.

Viktig konsekvens: Alla AI-system som tar emot användarinput i Italien måste ha en dokumenterad GDPR-rättslig grund. "Berättigat intresse" är högrisk.

Italienska nationella identifierare

Italien har unika ID-format som generiska verktyg ofta missar. Din detekteringsstack måste täcka alla tre.

Codice Fiscale

Codice fiscale är ett 16-tecken nationellt ID. Det kodar efternamnsljud, förnamnsljud, födelsedatum, kön och födelseort. Det sista tecknet är en kontrollsiffra.

Garantas tekniska analys från 2024 visade att generiska NLP-verktyg identifierar codice fiscale med bara 67 % noggrannhet. Huvudfelet: verktyg matchar 16-teckensmönstret men hoppar över kontrollsifferlogiken och producerar falskt positiva. Verktyg som hoppar över namnkodningsreglerna kan heller inte verifiera befintliga koder.

Bra detektering kräver tre saker:

  • Fullständig kontrollsifferalgoritm
  • Regler för efternamns- och förnamnsextrahering
  • Testning mot verkliga lokala data

Partita IVA

Partita IVA är Italiens 11-siffriga moms-ID för företag. Den sista siffran är en kontrollsiffra. Den förekommer i fakturor, kontrakt och affärsbrev. Ditt verktyg måste köra kontrollsifferalgoritmen, inte bara matcha ett 11-siffrigt mönster.

Tessera Sanitaria

Hälsokortet (tessera sanitaria) innehåller codice fiscale som en del av sin kod. Hälsouppgifter är specialkategoriserade enligt GDPR artikel 9, vilket höjer den krävda skyddsnivån.

Garanets krav på AI-verktyg

Garanets vägledning täcker tre områden.

Innan AI-behandling: PII måste identifieras och tas bort innan data matas in i ett AI-system. För AI-verktyg som används i Italien — inklusive webbläsartillägg och MCP-servrar — innebär detta att stritta bort codici fiscali, partite IVA och hälsodata från promptar innan de skickas. Se vår complianceguide för hur man dokumenterar detta steg.

För AI-träning: En uttrycklig rättslig grund krävs. Samtycke är Garanets föredragna grund för träning på användarinnehåll. "Berättigat intresse" kräver ett skriftligt balansprov som visar att träningsändamålet inte åsidosätter användarnas datarättigheter.

För AI-utdata: System som skriver innehåll om verkliga personer måste hantera risken för falska påståenden. Garante har pekat ut fabricerade personuppgifter som en distinkt risk som kräver en teknisk lösning.

De 63 % företagsluckan

En Garante-undersökning 2024 visade att 63 % av italienska företag saknar en GDPR-anpassad AI-policy. Myndigheten har gjort den här luckan till ett aktivt revisionsfokus.

En policy utan tekniska kontroller är svår att försvara. Garante riktar in sig på företag som förlitar sig på att personal självreglerar dataanvändningen. Vår säkerhetsöversikt visar hur automatiserade kontroller stödjer skriftlig policy.

Fyra kontroller för Garante-compliance

1. PII-filtrering före inlämning

Ta bort codice fiscale, partita IVA och tessera sanitaria-data innan input når någon AI-modell. Det är den centrala tekniska åtgärden som Garanets falllogik kräver.

2. Italienskspråkig NER

Använd en NER-modell tränad på italiensk text, till exempel spaCy it_core_news. Generiska, engelsktränade modeller missar italienska namnmönster. Se vår guide om flerspråkig PII-detektering för modellval.

3. Dokumentation av rättslig grund

För varje AI-verktyg som används: skriv ned den rättsliga grunden. Om träning är inblandad, lägg till balansprovet. Förvara dessa så att revisorer snabbt kan hitta dem.

4. Revisionsspår

Logga att filtrering kördes, vilka entitetstyper som hittades och vad som togs bort. Det ger inspektörer det bevis de behöver utan en lång manuell granskning.

Källor

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper på 48 språk.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.