I miei dati restano sul dispositivo? Cosa significa "in locale"

“I miei dati restano sul dispositivo”: è la promessa che sempre più software fa, soprattutto nel mondo AI. Ma cosa significa davvero “in locale”? Significa che l’elaborazione — il calcolo, l’analisi, l’eventuale modello AI — avviene sul tuo computer, e che il file non viene caricato su un server remoto per essere lavorato. È una differenza di architettura, non di marketing: cambia quali rischi esistono e quali no.

Questa guida spiega il concetto, lo confronta con l’elaborazione cloud e — soprattutto — ti dà i criteri per verificare che un tool sia davvero locale, invece di fidarti di un’etichetta. Fa parte del percorso della pillar usare l’AI con dati sensibili.

Cosa significa “in locale” (on-device)

Ogni software che elabora un tuo documento deve far incontrare due cose: il dato e il calcolo. Ci sono solo due modi:

1. Portare il dato dove sta il calcolo — il modello cloud: il file viene trasmesso a un server, elaborato lì, e il risultato torna indietro.
2. Portare il calcolo dove sta il dato — il modello locale (o on-device): il programma e il modello girano sul tuo dispositivo, il file non si muove.

“In locale” è il secondo caso. Nota una sfumatura importante: locale non significa “senza internet, sempre e comunque”. Quasi ogni applicazione usa la rete per verificare la licenza o scaricare aggiornamenti. La distinzione onesta riguarda i tuoi dati: in un’architettura locale, i documenti e il loro contenuto non vengono trasmessi; in rete passano solo informazioni di servizio.

Perché riduce il rischio: il dato che non esce non può essere violato

Quando un file viene caricato su un server, si apre una catena di rischi che tu non controlli più:

• trasmissione: il dato viaggia, e va protetto in transito;
• conservazione: il fornitore lo tiene per un tempo che decide lui (log, cache, backup);
• accesso: dipendenti, subfornitori, autorità del paese dove sta il server;
• breach: se quel server viene compromesso, i tuoi documenti sono nel bottino;
• riuso: nei servizi AI consumer, gli input possono alimentare l’addestramento, salvo opt-out — ne parliamo in cosa fa ChatGPT dei tuoi dati.

L’elaborazione locale non “mitiga” questi rischi: li elimina in blocco, perché non c’è trasmissione da proteggere né copia remota da custodire. Il principio è semplice: il dato che non esce non può essere violato altrove. Restano ovviamente i rischi del dispositivo stesso — che va protetto con cifratura del disco e buone pratiche — ma è un perimetro che controlli tu.

Per il GDPR questo ha un peso concreto: meno trasferimenti significa meno responsabili del trattamento da nominare, meno valutazioni sui trasferimenti extra-UE, meno superfici da documentare.

Cloud vs locale a confronto

Aspetto	Elaborazione cloud	Elaborazione in locale
Dove va il file	Caricato sul server del fornitore	Resta sul tuo dispositivo
Trasmissione	Necessaria, da proteggere	Non avviene
Conservazione remota	Decisa dal fornitore	Nessuna copia remota
Esposizione a breach del fornitore	Sì	No
Funziona offline	No	Sì (per l’elaborazione)
Potenza di calcolo	Elevata, scalabile	Limitata al dispositivo
Chi controlla il perimetro	Il fornitore	Tu

Il confronto è onesto solo se si dice anche il rovescio: il cloud offre più potenza di calcolo e modelli più grandi. Per molti compiti va benissimo — il punto è cosa gli mandi. La strategia più solida per i professionisti è ibrida: elaborazione locale per il passaggio delicato (individuare e mascherare i dati identificativi), cloud per il ragionamento sul testo ormai mascherato. È l’approccio descritto in mascherare i dati in locale.

L’on-device è già intorno a te

“In locale” può sembrare esotico, ma è un’architettura che usi ogni giorno senza pensarci:

• la dettatura e il riconoscimento facciale del telefono girano sul dispositivo, anche in aereo;
• l’OCR di sistema di macOS e Windows estrae il testo dalle immagini senza inviarle a nessuno;
• i correttori ortografici lavorano sul testo localmente da decenni;
• sempre più modelli AI compatti (per riconoscimento di entità, classificazione, trascrizione) girano su un normale laptop.

Il punto è che negli ultimi anni i modelli di riconoscimento sono diventati abbastanza piccoli ed efficienti da girare su hardware comune. Non serve più scegliere tra “funzione intelligente” e “dati che restano a casa”: per compiti specifici — come individuare nomi, codici fiscali e IBAN in un documento — l’elaborazione on-device è matura.

Come verificare che un tool sia davvero locale

“Privacy-first” ed “elaborazione sicura” sono etichette; l’architettura si verifica. Quattro criteri concreti:

1. Il test dell’offline. Disattiva la rete ed elabora un documento. Se il tool completa il lavoro, l’elaborazione è sul dispositivo. Se si blocca chiedendo la connessione per elaborare (non per il login), il calcolo sta altrove.
2. Dove gira il modello? Un modello che lavora in locale occupa spazio su disco e usa la CPU del tuo computer quando elabora. Un’app di pochi megabyte che “analizza con l’AI” documenti complessi sta quasi certamente chiamando un server.
3. Cosa passa in rete? Il fornitore serio distingue per iscritto: elaborazione in locale; in rete solo licenza, aggiornamenti ed eventuale telemetria (dichiarata). Se la documentazione è vaga su questo punto, è un segnale.
4. Il claim è verificabile o solo dichiarato? Cerca una pagina tecnica che spieghi l’architettura, non solo uno slogan. Chi lavora davvero in locale ha interesse a spiegarlo nel dettaglio.

Attenzione anche ai segnali d’allarme opposti, le formule che suonano locali ma non lo sono:

• “i dati sono cifrati in transito” — significa che in transito ci vanno;
• “server in Europa” — riguarda dove sta il server, non se il dato ci arriva;
• “non conserviamo i tuoi documenti” — parla della conservazione, non dell’invio;
• “privacy by design” senza dettagli tecnici — è un principio, non un’architettura.

Nessuna di queste frasi è una bugia, ma nessuna equivale a “l’elaborazione avviene sul tuo dispositivo”. Se un fornitore potesse dire la frase esatta, la direbbe.

Un ultimo criterio, il più semplice: chiedi. Un fornitore che lavora davvero in locale risponde volentieri e nel dettaglio, perché quell’architettura è il suo argomento di vendita.

È il metro con cui valutare qualunque strumento della categoria, incluso il nostro: i criteri per scegliere un software di anonimizzazione locale per l’AI meritano una guida a parte. PrivActa applica questa architettura al mascheramento: il riconoscimento dei dati (49 categorie italiane) gira sul dispositivo, l’OCR è quello di sistema di macOS e Windows, e il documento originale non viene caricato su alcun server. Resta uno strumento di supporto all’anonimizzazione — la revisione finale spetta a te — e l’architettura è documentata nella pagina sicurezza.

Domande frequenti

Cosa significa che un software elabora i dati “in locale”? Che il calcolo avviene sul tuo dispositivo e non su un server remoto: il file non viene caricato da nessuna parte, il programma e l’eventuale modello AI girano dove il dato già si trova.

Perché l’elaborazione in locale protegge di più i dati? Perché un dato che non lascia il dispositivo non può essere intercettato, conservato da un fornitore, esposto in un breach del server o riusato per l’addestramento. Restano i rischi del dispositivo, ma il perimetro lo controlli tu.

Come verifico che un tool sia davvero locale? Prova offline, chiedi dove gira il modello e quanto pesa, e cerca una documentazione che distingua l’elaborazione (locale) dal traffico di servizio (licenza, aggiornamenti). Risposte vaghe = cautela.

“In locale” vuol dire che il software non usa mai internet? No: licenza e aggiornamenti passano normalmente dalla rete. La distinzione riguarda i tuoi dati: documenti e contenuti non vengono trasmessi.