la roadmap

GDPR nella PA, la lezione del MEF per adeguarsi

Per rispettare il GDPR le PA dovranno adottare un nuovo modo di pensare e organizzare la data protection al proprio interno, privilegiando i concetti di valutazione del rischio e responsabilità. Il MEF ha stilato una roadmap che potrà essere un riferimento anche per altre PA alle prese con l’adeguamento alla nuova normativa

Pubblicato il 17 Mag 2018

Luca Del Pizzo

Ministero dell’Economia e delle Finanze

Pasquale Lo Bello

Ministero dell’Economia e delle Finanze

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
gdpr

Il 25 maggio 2018 sancirà l’entrata in vigore del nuovo regolamento europeo sulla protezione dei dati personali (GDPR – General Data Protection Regulation) [1].

Tale norma è stata pensata per offrire un riferimento unico a livello comunitario in merito al corretto trattamento dei dati personali, ponendo l’attenzione su una figura chiave, l’interessato.

GDPR e gestione della Privacy, un cambio di prospettiva

La norma indirizza la tutela dei dati personali da parte di organizzazioni pubbliche e private, cambiando il punto di vista tradizionale: la gestione della privacy non è più un adempimento di tutela dell’organizzazione in relazione a una norma, ma è funzionale alla tutela di diritti individuali di ciascun interessato.

Gli utenti interessati dal trattamento dati della PA

In particolare, una Pubblica Amministrazione, offrendo servizi a cittadini e imprese, pone in essere numerosi trattamenti riconducibili principalmente a due categorie di interessati:

  • Utenti interni (personale interno, collaboratori) che operano al fine dell’erogazione dei servizi;
  • Utenti esterni, che fruiscono dei servizi.

PA e GDPR, necessaria pianificazione a lungo termine

Per rispettare il GDPR le Pubbliche Amministrazioni dovranno adottare un nuovo modo di pensare e organizzare la data protection al proprio interno, che differisce rispetto all’approccio classico basato sull’adozione di un set di misure minime di sicurezza [2], privilegiando invece il concetto di valutazione del rischio (art. 35 – GDPR) associato ai trattamenti e il concetto di responsabilità (art. 5 – GDPR) in capo a varie figure strategiche dell’organizzazione (Responsabile della protezione dei dati, Titolare del trattamento, Responsabili del trattamento, Incaricati, ecc).

Le Pubbliche Amministrazioni, in accordo a quanto detto, subiscono un notevole impatto dal regolamento, e pertanto necessitano di strutturare un piano di adeguamento che abbia come leva strategica la pianificazione a lungo termine, tenendo in considerazione le azioni per il corretto mantenimento di un sistema di gestione della privacy (SGP).

In pratica, le Pubbliche Amministrazioni non dovrebbero limitare l’adeguamento alla sola creazione della documentazione utile a dimostrare di essere in linea con la normativa, ma essere in grado di dimostrare l’adozione di un approccio organizzativo e implementativo concreto, anche attraverso l’introduzione di strutture dedicate alla gestione e al monitoraggio dei flussi di dati personali trattati.

GDPR, la roadmap del Ministero delle Finanze

La Direzione dei Sistemi Informativi e dell’Innovazione (DSII) del Dipartimento dell’Amministrazione Generale del Personale e dei Servizi (DAG) del Ministero dell’Economia e delle Finanze (MEF) ha delineato una roadmap per l’adeguamento al GDPR. Tale roadmap può essere considerata come riferimento anche per altre Pubbliche Amministrazione, a prescindere dalle dimensioni, e prevede la creazione e il mantenimento di un SGP sul quale sia attivo un processo ciclico che, a partire dalla comprensione dei requisiti del GDPR, copra le fasi seguenti:

  • Identificazione e comprensione di eventuali nuove disposizioni e linee guida delle competenti autorità nazionali ed europee;
  • Individuazione o aggiornamento degli attori, sia interni che esterni, e dei relativi ruoli associati alle fasi di pianificazione, esecuzione e monitoraggio dell’SGP;
  • Analisi delle attuali modalità di compliance alla normativa di riferimento (es. politiche e linee guida emanate, nomina dei responsabili, ecc.);
  • Creazione e aggiornamento dei registri delle attività di trattamento (art. 30 – GDPR) con la relativa classificazione dei dati trattati;
  • Valutazione dei rischi associati ai trattamenti ed eventuale valutazione dell’impatto (“Privacy Impact Assessment” cosddetto PIA, artt. 35, 36 – GDPR) comprendente la valutazione dei rischi di non conformità che possono portare a sanzioni, perdite finanziarie o danni di immagine;
  • Valutazione del gap da colmare per essere conforme alla normativa di riferimento;
  • Definizione e implementazione del piano di adeguamento inteso come elenco di azioni tecniche e organizzative da adottare (art. 32 – GDPR), prendendo come riferimento standard e best practices (ad es. ISO/IEC 27001 [3]);
  • Definizione o aggiornamento degli indicatori per il monitoraggio continuo dell’SGP.

L’importanza del monitoraggio

In tale processo, assume particolare rilevo il concetto di monitoraggio, il quale implica la definizione di indicatori adeguati che permettano di misurare in modo concreto l’efficacia delle misure messe in campo per la protezione dei dati. Le strutture organizzative preposte al mantenimento dell’SGP devono essere in grado di valutare in tempo reale lo stato di tali indicatori, anche attraverso cruscotti di monitoraggio predisposti allo scopo.

Le azioni tecniche ed organizzative da implementare

Tra le varie azioni tecniche ed organizzative da implementare si riporta un elenco esemplificativo e non esaustivo:

  • introduzione del responsabile della protezione dei dati (DPO – Data Protection Officer);
  • definizione o revisione della metodologia di analisi del rischio e del relativo processo da attuare;
  • revisione e implementazione delle misure di sicurezza per la protezione dei dati personali, in linea con gli obiettivi strategici dell’organizzazione;
  • stesura o aggiornamento delle informative privacy;
  • pianificazione e attuazione di iniziative per la sensibilizzazione e la formazione di dipendenti e collaboratori che trattano o potrebbero trattare dati personali;
  • predisposizione (o l’aggiornamento) ed attuazione di politiche, linee guida, processi e procedure per l’intera organizzazione (ad esempio le procedure per la gestione dei diritti degli interessati oppure le linee guida per garantire l’applicazione dei principi di privacy by design e privacy by default).

La valutazione dei rischi associati ai singoli trattamenti

Allo stato attuale, la DSII è impegnata nella valutazione dei rischi associati ai singoli trattamenti censiti tramite un registro dei trattamenti elettronico. Il completamento di questa fase permetterà di definire un piano di adeguamento da implementare in vista dell’entrata in vigore del regolamento (25 maggio 2018).

Necessario adeguamento sull’analisi dei rischi

In conclusione, è importante sottolineare come la norma enfatizzi l’onere, da parte delle organizzazioni, di dimostrare che ogni trattamento di dati personali presenti un adeguato livello di sicurezza con controlli attivi sia in ottica preventiva, sia adottati in seguito ad un eventuale data breach. Anche su tale aspetto, sarà compito delle Pubbliche Amministrazioni rendere disponibile, anche attraverso piattaforme tecnologiche create per lo scopo, le evidenze che dimostrino l’adeguata “attenzione” rivolta ciascun trattamento effettuato.

Quest’ultimo tema è di grossa complessità in quanto la decisione sulle misure e sui controlli da associare ai trattamenti deriva dall’analisi dei rischi, le cui evidenze portano con sé informazioni “strategiche” sulla capacità dei sistemi e dei processi di raggiungere determinati livelli di sicurezza. Questo sarà uno degli aspetti al contempo più rilevanti e più “spinosi” e per il quale è auspicabile un allineamento dei comportamenti delle varie organizzazioni del nostro Paese.

  1. Regolamento europeo UE 2016/679
  2. Decreto legislativo 30 giugno 2003, n. 196 e succ. modifiche – Garante Privacy
  3. Standard ISO/IEC 27001 (Tecnologia delle informazioni – Tecniche di sicurezza – Sistemi di gestione della sicurezza delle informazioni – Requisiti)

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Partecipa alla community

guest

2 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
2
0
Lascia un commento, la tua opinione conta.x