Le Regole ADMT della California del 2026 Richiedono un Confine Decisionale, Non un’Etichetta AI
La CCPA californiana definisce diritti per alcune decisioni automatizzate. I team devono mappare decisioni del sistema, revisione umana e richieste da gestire.
Chiamare una funzionalità “AI” non determina se si applicano le regole californiane sulle decisioni automatizzate. Le domande rilevanti sono quali informazioni personali elabora il sistema, se il calcolo sostituisce o sostituisce in misura sostanziale il processo decisionale umano e se il risultato guida una decisione significativa coperta.
Nel luglio 2025 la California Privacy Protection Agency ha adottato norme su automated decisionmaking technology (ADMT), valutazioni del rischio e audit di cybersecurity. L’Office of Administrative Law le ha approvate il 22 settembre 2025; le norme sono entrate in vigore il 1º gennaio 2026. Per i team di prodotto, ADMT è ora una questione di progettazione e flusso dati, non soltanto una futura revisione delle policy.
Definire la decisione presa dal software
Le norme definiscono ADMT come una tecnologia che elabora informazioni personali e usa il calcolo per sostituire o sostituire in modo sostanziale il processo decisionale umano. La definizione include anche il profiling quando realizza questa sostituzione. Sono escluse funzioni tecniche comuni come hosting, caching, archiviazione, database e fogli di calcolo, purché non sostituiscano una decisione umana.
Questa distinzione è importante per analytics. Una dashboard che conta le pageview o fornisce un report a un analista non diventa automaticamente ADMT solo perché usa statistiche o machine learning. Un sistema che usa dati comportamentali per accettare o respingere una candidatura, classificare un lavoratore, determinare l’accesso a un alloggio o all’istruzione o prendere un’altra decisione significativa coperta richiede un’analisi diversa.
Mappa l’intero percorso decisionale: dati di input, modello o regola, risultato, revisore umano e azione finale. Dire che “c’è una persona nel processo” non basta se il revisore non può capire il risultato o lo approva abitualmente senza un giudizio indipendente sostanziale. Documenta cosa decide davvero la persona e se, nella pratica, l’output del sistema controlla l’esito.
Integrare accesso e opt-out nel prodotto
Per gli usi coperti, le norme stabiliscono il diritto dei consumatori di accedere alle informazioni sull’uso di ADMT da parte di un’azienda e di rinunciare a determinati utilizzi. Il diritto di opt-out è limitato agli usi ADMT specificati, compresa la tecnologia utilizzata per prendere decisioni significative; non è un diritto generale a disattivare qualsiasi algoritmo, report o query di analytics.
Tratta queste richieste come operazioni di prodotto. Mantieni un inventario che colleghi ogni uso ADMT a finalità, categorie di input, tipo di decisione e flusso interessato. Offri un percorso chiaro per inviare le richieste, verifica solo ciò che serve a gestirle, propaga l’esito ai sistemi che usano gli stessi dati e conserva la prova del completamento. Non obbligare la persona a creare un account o fornire altre informazioni se l’azienda può rispettare l’opt-out senza farlo.
Le risposte alle richieste di accesso devono spiegare il comportamento del sistema, non limitarsi a una descrizione promozionale. Devi poter indicare la finalità d’uso, il risultato prodotto sul consumatore e le informazioni necessarie per spiegare come la tecnologia ha elaborato i dati personali e come l’output ha influito sulla decisione significativa. Non registrare indefinitamente ogni input solo per poter rispondere a una richiesta futura; documenta il percorso decisionale e conserva solo prove giustificate.
Tenere la misurazione fuori dalla logica di idoneità
Un flusso di eventi analytics non deve diventare di nascosto un sistema decisionale. Mantieni le metriche di prodotto separate dai flussi di idoneità, impiego, credito, alloggio, istruzione o altre decisioni rilevanti. Se un team vuole usare analytics come input di un modello decisionale, trattalo come una nuova finalità di trattamento: prima del rilascio rivaluta base giuridica, informative, valutazione del rischio, qualità dei dati, diritti dei consumatori e progettazione della revisione umana.
Non usare il punteggio di “conversione” o “engagement” della dashboard come sostituto di una regola decisionale senza esaminarne gli effetti. Una metrica può avere conseguenze quando determina chi riceve un’offerta, un servizio o un’opportunità. Al contrario, l’etichetta “modello” non trasforma l’analytics descrittiva ordinaria in ADMT secondo la definizione della norma.
Il compito d’implementazione è concreto: mantieni un inventario delle decisioni, indica il punto in cui viene sostituito il giudizio umano, collega tale uso alla gestione delle richieste di accesso e opt-out e verifica che la richiesta raggiunga tutti i sistemi downstream. Questo confine è più utile che classificare un intero prodotto come “AI” o “non AI”.
Comments
Loading comments…