ChatGPT aziendale privato: come avere un assistente AI sui propri server

Cosa si intende davvero per "ChatGPT aziendale privato"?

Si intende un assistente conversazionale per i dipendenti che funziona come ChatGPT ma gira su server che l'azienda controlla. ChatGPT, con il suo marchio e i suoi modelli proprietari, è un prodotto di OpenAI erogato dal cloud di OpenAI: nessuno può "installarlo" in sala server. Quello che si può fare è ricostruire un'esperienza simile con due componenti:

• un modello linguistico open-weight, cioè un modello i cui pesi sono scaricabili ed eseguibili su hardware proprio;
• un'interfaccia di chat con utenti, permessi e cronologia delle conversazioni.

Curiosamente, la stessa OpenAI pubblica modelli di questo tipo: la famiglia gpt-oss è presentata come un insieme di modelli open-weight "progettati per funzionare in locale", su computer e data center, con licenza Apache 2.0 (OpenAI, Open models). Non è ChatGPT, ma dimostra che la distinzione tra servizio cloud e modello eseguibile in casa è ormai riconosciuta anche dai grandi fornitori.

Nel resto dell'articolo uso "ChatGPT aziendale privato" in questo senso: un'alternativa a ChatGPT, non una sua versione installabile.

Quali sono le opzioni concrete per un'azienda?

Le opzioni sono tre: un piano business di un fornitore cloud, un assistente sui propri server con modelli open-weight, oppure una combinazione delle due. Nessuna è migliore in assoluto; cambia il punto in cui si trovano i dati, chi gestisce la piattaforma e quanto lavoro interno serve.

Per i costi della seconda opzione ho scritto una guida dedicata su quanto costa un'AI privata aziendale; per la panoramica dell'infrastruttura c'è la pagina su AI on-premise.

Cosa offrono i piani business dei fornitori cloud?

Offrono più tutele di quanto spesso si pensi, ed è giusto dirlo prima di proporre alternative. Prendo OpenAI come esempio perché è il riferimento di chi cerca un ChatGPT aziendale.

Secondo la pagina ufficiale sulla privacy enterprise, per ChatGPT Business, Enterprise, Edu e per l'API OpenAI dichiara che per impostazione predefinita non usa i dati aziendali per addestrare i modelli, salvo adesione esplicita del cliente (OpenAI, Enterprise privacy). La stessa pagina indica l'autenticazione SAML SSO, controlli granulari su accessi e funzioni, cifratura dei dati e la possibilità di firmare un accordo sul trattamento dei dati (DPA) per ChatGPT Business, Enterprise e API (OpenAI, Enterprise privacy).

Sulla collocazione dei dati, OpenAI ha introdotto la residenza dei dati in Europa: i nuovi workspace ChatGPT Enterprise ed Edu possono conservare a riposo i contenuti in Europa, e i clienti API idonei possono elaborare i dati in Europa per gli endpoint previsti (OpenAI, Data residency in Europe). Per l'API, la documentazione indica che i log di monitoraggio degli abusi sono conservati fino a 30 giorni, salvo obblighi di legge, e che esistono opzioni di conservazione ridotta o nulla per casi idonei (OpenAI API, Data controls).

Quello che un piano business non cambia è il punto di fondo: i dati transitano e vengono elaborati su un'infrastruttura di terzi, secondo condizioni contrattuali che il fornitore può aggiornare. Per molte aziende questo è accettabile; per altre, per contratti con i clienti o per la natura dei dati trattati, no. I prezzi dei piani cambiano spesso: vanno verificati sulle pagine ufficiali al momento della valutazione.

Come funziona un assistente AI sui propri server?

Funziona affiancando un motore che esegue il modello a un'interfaccia web che i dipendenti usano dal browser. Nel mondo open source alcuni strumenti sono diventati riferimenti diffusi:

• Ollama serve a scaricare ed eseguire modelli open-weight, tra cui gpt-oss, Qwen e Gemma, ed è rilasciato con licenza MIT (Ollama su GitHub).
• Open WebUI è un'interfaccia di chat che si descrive come piattaforma AI self-hosted, progettata per funzionare anche completamente offline e compatibile con Ollama e con le API in formato OpenAI (documentazione Open WebUI).

Il repository di Open WebUI elenca anche ruoli, gruppi e permessi granulari, integrazione con LDAP/Active Directory e funzioni RAG locali (Open WebUI su GitHub). Un dettaglio da non trascurare: parte del codice è distribuita con la "Open WebUI License", che richiede di mantenere il marchio Open WebUI (Open WebUI su GitHub). Se l'idea è presentare ai dipendenti un assistente con il logo aziendale, la licenza va letta prima di scegliere.

Questi strumenti sono mattoni, non un prodotto finito. Servono hardware adeguato, una configurazione sicura, backup, aggiornamenti e qualcuno che ne risponda. Il mio ruolo, in progetti di questo tipo, è aiutare a decidere se ha senso e coordinare i partner tecnici che li realizzano, non sostituirmi a un sistemista.

Perché lo shadow AI è il primo problema da affrontare?

Perché, in assenza di uno strumento ufficiale, molti dipendenti usano comunque l'AI, ma con account personali. È il cosiddetto shadow AI: testi di contratti, dati di clienti o documenti interni incollati in servizi consumer, fuori da qualsiasi accordo aziendale e senza che nessuno sappia cosa è stato condiviso.

Il punto è che vietare raramente basta. Se lo strumento aiuta a lavorare meglio, le persone trovano un modo per usarlo. La risposta più efficace è offrire un'alternativa ufficiale, comoda quanto quella personale, accompagnata da regole chiare. Questo vale sia che l'alternativa sia un piano business cloud, sia che sia un ChatGPT aziendale privato sui propri server: anzi, spesso il primo passo concreto è proprio far emergere l'uso esistente e capire per quali attività serve.

Chi può vedere cosa? Permessi e controllo degli accessi

Ogni utente deve vedere solo le informazioni a cui ha già diritto nei sistemi aziendali. Un assistente collegato ai documenti dell'ufficio legale non deve rispondere a un commerciale con i contenuti di un contenzioso.

Su questo punto le opzioni si equivalgono più di quanto si pensi: sia i piani business cloud sia gli strumenti open source prevedono ruoli e gruppi. La differenza sta nel lavoro di configurazione. Su un'installazione interna, l'azienda deve mappare i gruppi, collegarli alla directory aziendale (per esempio via LDAP) e verificare che i documenti indicizzati rispettino gli stessi permessi delle cartelle di origine. È un lavoro poco visibile, ma è quello che separa un progetto pilota da uno strumento usabile da tutti.

Un ChatGPT aziendale privato può rispondere sui documenti interni?

Sì, con la tecnica RAG (retrieval-augmented generation): l'assistente cerca i passaggi pertinenti nei documenti aziendali e li usa per formulare la risposta, citando la fonte. Il modello non "impara" i documenti; li consulta a ogni domanda.

La qualità dipende soprattutto dai documenti: versioni obsolete, duplicati e PDF scansionati male producono risposte confuse. Prima di scegliere la tecnologia conviene chiedersi quali archivi sono affidabili e chi li mantiene aggiornati. Ne parlo in modo più esteso nella pagina dedicata all'AI sui documenti aziendali.

Cosa si perde rispetto a un prodotto commerciale?

Si perde soprattutto comodità e, in alcuni compiti, qualità. Le perdite più comuni sono queste:

• Modelli di frontiera: i modelli proprietari più recenti di solito non sono disponibili come open-weight, quindi su compiti complessi un modello eseguito in casa può rendere meno.
• Funzioni integrate: generazione di immagini, voce, connettori pronti con le suite d'ufficio e agenti evoluti arrivano prima, e già integrati, nei prodotti commerciali.
• Aggiornamenti automatici: in casa ogni nuova versione va scelta, testata e installata.
• Responsabilità operativa: se il server si ferma, il problema è dell'azienda, non di un fornitore con un contratto di servizio.

Per questo non consiglio un assistente interno a chiunque. Se i dati non sono particolarmente sensibili e i volumi sono contenuti, un piano business cloud è spesso la scelta più sensata. Il confronto economico va fatto sui numeri della singola azienda: trovi un approccio nella pagina sul costo dell'AI locale.

Un assistente sui propri server rende l'azienda conforme al GDPR?

No, non in automatico. Ospitare i dati in casa riduce alcuni rischi, per esempio i trasferimenti verso terzi, ma gli obblighi del titolare del trattamento restano tutti.

Il GDPR chiede misure tecniche e organizzative adeguate fin dalla progettazione (articolo 25), un livello di sicurezza adeguato al rischio (articolo 32) e, quando un trattamento basato su nuove tecnologie può presentare un rischio elevato, una valutazione d'impatto preventiva (articolo 35) (Regolamento UE 2016/679, EUR-Lex). Un server interno configurato male, con accessi troppo larghi o senza log, può essere più rischioso di un servizio cloud ben gestito.

C'è poi la questione dei modelli. Il Comitato europeo per la protezione dei dati ha chiarito che non si può dare per scontato che un modello addestrato con dati personali sia anonimo: va valutato caso per caso, e un trattamento illecito in fase di sviluppo può incidere sulla liceità dell'uso del modello, salvo che sia stato debitamente anonimizzato (EDPB, parere 28/2024). Scegliere un modello open-weight significa quindi anche informarsi su come è stato costruito. Per un quadro più ampio rimando alla pagina su AI aziendale e GDPR.

Quali regole d'uso servono, qualunque opzione si scelga?

Servono regole scritte, brevi e comprensibili, perché la tecnologia da sola non decide cosa è lecito inserire in una chat. Un regolamento interno minimo dovrebbe chiarire:

1. quali categorie di dati si possono inserire e quali no;
2. quali strumenti sono autorizzati, e che gli account personali non lo sono;
3. che le risposte vanno verificate prima di essere usate con clienti o in documenti ufficiali;
4. chi è il referente interno per dubbi e segnalazioni;
5. come vengono conservate le conversazioni e per quanto tempo.

A questo si aggiunge la formazione. L'AI Act chiede a fornitori e deployer di sistemi di IA di adottare misure per sostenere l'alfabetizzazione in materia di IA del personale, con un obbligo in vigore dal 2 febbraio 2025 e riformulato dalle modifiche entrate in vigore il 27 luglio 2026 (Regolamento UE 2024/1689, EUR-Lex). Al di là dell'obbligo, è il modo più diretto per ridurre gli errori d'uso.

Da dove partire

Il punto di partenza non è il server, ma la mappa di come la tua azienda usa già l'AI. In pratica:

1. Fai emergere l'uso attuale: chi usa strumenti AI, per quali attività, con quali dati.
2. Classifica i dati: distingui le informazioni che possono andare su un servizio cloud con contratto business da quelle che non devono uscire dall'azienda.
3. Scegli due o tre casi d'uso concreti, misurabili, con un responsabile.
4. Confronta le tre opzioni sugli stessi casi d'uso, compresi costi di gestione e competenze richieste.
5. Avvia un progetto pilota limitato, con regole d'uso già scritte, prima di estendere lo strumento a tutti.

Se vuoi capire quale di queste strade ha senso per la tua realtà, puoi partire dalla valutazione iniziale oppure leggere come imposto un ChatGPT aziendale privato quando i requisiti lo giustificano.