Libro unico e dati dei dipendenti nell'AI: i rischi

Il Libro unico del lavoro (LUL) è il documento più denso di dati personali che circola tra studio paghe, azienda e ufficio HR: anagrafiche, retribuzioni, presenze e trattenute di tutti i dipendenti, in un unico posto. Proprio per questo è anche il documento peggiore da incollare in un’AI in chiaro: un singolo invio sbagliato non espone una persona, le espone tutte.

Questa guida fa parte del percorso AI per consulenti del lavoro e riguarda anche chi, in azienda, riceve gli estratti del LUL e ha la tentazione di “farli leggere” a un assistente AI.

Cos’è il LUL e perché concentra tutto

Il Libro unico del lavoro, istituito dal D.L. 112/2008, art. 39 , ha sostituito libro paga e libro matricola: raccoglie per ogni dipendente dati anagrafici, retribuzioni, presenze e assenze. In un estratto mensile tipico trovi, riga per riga:

• nome, cognome, codice fiscale, qualifica e data di assunzione;
• retribuzione lorda, voci variabili, straordinari, superminimi;
• trattenute: fiscali, previdenziali e — voce delicatissima — sindacali;
• presenze e assenze: ferie, permessi, malattia, congedi, infortuni.

È il ritratto economico e personale dell’intera forza lavoro. Le assenze per malattia e le trattenute sindacali rientrano nelle categorie particolari di dati ( art. 9 GDPR ), quelle a tutela rafforzata.

Cosa rischi incollandolo in chiaro

La tentazione è comprensibile: il LUL è tabellare, l’AI è brava con le tabelle, e domande come “trova le anomalie nelle presenze” o “riepiloga il costo del personale per reparto” sono esattamente ciò che un assistente AI fa bene. Ma un estratto incollato in chiaro significa:

1. Esposizione di massa, in un gesto solo. Decine o centinaia di persone identificabili trasmesse a un server esterno con un copia-incolla. La scala trasforma una leggerezza in un incidente.
2. Dati di categorie particolari inclusi “di serie”. Nel LUL malattia e trattenute sindacali non sono l’eccezione: sono colonne. Non puoi incollarlo “togliendo i dati sensibili” — i dati sensibili sono la tabella.
3. Trasmissione e conservazione fuori dal tuo controllo. Qualunque siano piano e impostazioni, il testo inviato viene elaborato e conservato secondo le policy del fornitore; la guida su cosa fa ChatGPT dei tuoi dati spiega il meccanismo. Disattivare l’addestramento o passare a Enterprise riduce alcuni usi, non l’uscita del dato.
4. Una posizione indifendibile sul piano della minimizzazione. All’AI serve la struttura della tabella per trovare anomalie o fare riepiloghi — non serve sapere chi è ogni riga. Trasmettere le identità è, per definizione, più del necessario ( GDPR art. 5(1)(c) ).

Il flusso corretto: la tabella sì, le identità no

La buona notizia è che le analisi utili sul LUL non richiedono le identità. Il flusso corretto è lo stesso delle buste paga — maschera → elabora → riattribuisci — applicato a una tabella:

Rossi Anna — CF RSSNNA90H45F205Y — matr. 1042
Lordo € 2.180 — Straord. 6h — Malattia 2gg — Tratt.sind. € 11
Bruni Luca — CF BRNLCU85D10H501K — matr. 1043
Lordo € 2.410 — Straord. 0h — Malattia 0gg — Tratt.sind. € 0
Costa Elena — CF CSTLNE92T50L219W — matr. 1044
Lordo € 1.980 — Straord. 14h — Malattia 5gg — Tratt.sind. € 10

[NOME_1] — CF [CF_1] — matr. 1042
Lordo € [IMPORTO_1] — Straord. 6h — Malattia 2gg — Tratt.sind. € [IMPORTO_2]
[NOME_2] — CF [CF_2] — matr. 1043
Lordo € [IMPORTO_3] — Straord. 0h — Malattia 0gg — Tratt.sind. € 0
[NOME_3] — CF [CF_3] — matr. 1044
Lordo € [IMPORTO_4] — Straord. 14h — Malattia 5gg — Tratt.sind. € [IMPORTO_5]

L’AI può ancora notare che la terza riga combina molti straordinari, molta malattia e il lordo più basso — il tipo di anomalia che cercavi — ma non sa più di chi sta parlando. Tu sì: la matricola, preservata deliberatamente, riporta ogni osservazione alla persona giusta. Il mascheramento riduce l’esposizione; non è un anonimato assoluto e garantito, ma toglie all’esterno esattamente ciò che non doveva uscire.

Su tabelle e fogli di calcolo il principio è lo stesso descritto nella guida su come anonimizzare Excel e tabelle prima dell’AI.

In pratica con PrivActa

Mascherare a mano un estratto di LUL — decine di righe, quattro dati identificativi per riga — non è realistico. PrivActa è uno strumento di supporto all’anonimizzazione che lavora in locale, sul tuo dispositivo (macOS e Windows): riconosce 49 categorie di dati italiani e sostituisce nomi, codici fiscali, IBAN e importi con segnaposto coerenti — la stessa persona resta lo stesso segnaposto su tutto il documento e, con i progetti multi-documento, su tutti i file della pratica. Con la lista “da non mascherare mai” preservi le matricole per la riattribuzione, e prima dell’export rivedi manualmente ogni entità.

Il LUL originale non esce mai dal tuo computer: esce solo la versione mascherata, quella che all’AI basta. Se il tema riguarda la tua azienda o il tuo ufficio HR, vedi PrivActa per le aziende; se guidi uno studio, il quadro completo è nella pillar AI per consulenti del lavoro.

Domande frequenti

Posso incollare un estratto del LUL in ChatGPT? In chiaro no: espone anagrafiche, retribuzioni, malattia e dati sindacali di tutti i dipendenti in un colpo solo. L’elaborazione va fatta su una versione mascherata.

Perché il LUL è più rischioso di una singola busta paga? Per la scala: una busta paga espone una persona, il LUL tutte insieme. L’aggregazione moltiplica il danno di un singolo invio sbagliato.

Come elaboro i dati del LUL con l’AI in modo corretto? Maschera → elabora → riattribuisci: identificativi sostituiti da segnaposto coerenti, analisi sulla versione mascherata, riattribuzione tramite matricole preservate. Il flusso dettagliato è nella guida sulle buste paga.

Le versioni Enterprise risolvono il problema? Migliorano le garanzie contrattuali, ma i dati incollati escono comunque. La minimizzazione a monte serve con qualunque piano.