nis2-agile/docs/AI_LEVELS_SCHEMA.md

Schema Livelli AI — NIS2 Agile

Versione 1.0 — 2026-03-09 Documento di architettura per l'evoluzione dell'integrazione AI nella piattaforma

---

Overview

La piattaforma NIS2 Agile prevede 5 livelli progressivi di assistenza AI, ciascuno con un perimetro di conoscenza, accesso ai dati e vincoli di privacy distinti.

L1  Guida Piattaforma      →  Dati: nessuno             →  Tutti
L2  Assistente Operativo   →  Dati: sessione corrente    →  Tutti
L3  Assistente Aziendale   →  Dati: org corrente         →  Org-scoped
L4  Analisi Cross-Org      →  Dati: org multiple         →  Consultant / Super Admin
L5  Feed Normativo AI      →  Dati: pubblici/ACN         →  Tutti

---

L1 — Guida Piattaforma

"Cosa fa questa funzione?"

Scopo

Spiegare le funzionalità del software NIS2 Agile: come usare ogni modulo, cosa significano i campi, come interpretare i risultati.

Dati in ingresso al modello

• Pagina corrente (es. risks.html)
• Domanda dell'utente
• Nessun dato aziendale — il prompt non include mai dati dell'organizzazione

Perimetro risposta AI

• Spiegare interfaccia, workflow, pulsanti, campi
• Spiegare la normativa NIS2 in termini generali
• Non può rispondere su dati specifici dell'organizzazione

Implementazione attuale

→ HelpSystem in help.js — già implementato (modale contestuale per pagina) → Evoluzione: aggiungere chat testuale basata su Claude API con contesto solo documentazione piattaforma

Privacy

✅ Nessun rischio — zero dati personali o aziendali nel prompt

---

L2 — Assistente Operativo

"Come faccio a...?"

Scopo

Guidare l'utente nell'esecuzione di operazioni specifiche: "come compilo l'assessment?", "come classifico questo rischio?", "cosa devo scrivere nel campo X?".

Dati in ingresso al modello

• Pagina corrente + stato del form (campo attivo, errori)
• Domanda dell'utente
• Solo dati minimi di contesto (es. "stai compilando il campo 'impatto' di un rischio")
• No PII, no dati sensibili dell'organizzazione

Perimetro risposta AI

• Istruzioni operative step-by-step
• Suggerimenti contestuali sul campo corrente
• Best practice NIS2 per il dato che si sta inserendo

Implementazione

→ Da costruire: chat widget flottante attivabile per pagina → Prompt di sistema: documentazione operativa + pagina corrente → Modello suggerito: claude-haiku-4-5 (economico, bassa latenza)

Privacy

✅ Rischio basso — includere solo tipo di form/campo, mai i valori inseriti

---

L3 — Assistente Aziendale

"Come siamo messi noi?"

Scopo

Rispondere a domande sui dati reali dell'organizzazione corrente: "quali sono i nostri rischi critici?", "cosa manca per completare il gap assessment?", "quali policy non sono ancora approvate?".

Dati in ingresso al modello

• Dati aggregati dell'organizzazione corrente (stesso multi-tenancy JWT)
• Gap assessment: punteggi per categoria
• Risk register: numero e livelli rischi, trattamenti
• Policy: stato approvazione
• Training: % completamento
• Dati anonimizzati: nomi persone → ruoli, fatturato → range, nome org → settore+dimensione

Perimetro risposta AI

• Analisi dello stato di compliance specifico dell'org
• Priorità di intervento personalizzate
• Raccomandazioni basate sui gap reali
• Previsioni di rischio

Implementazione attuale parziale

→ AIService.php — analyzeGapAssessment(), suggestRisks(), generatePolicy(), classifyIncident() già implementati → Evoluzione: aggiungere endpoint conversazionale /api/ai/chat con contesto org anonimizzato

Anonimizzazione applicata (già in AIService.php)

// Già implementato:
- employeeRange(): dipendenti → range (micro/piccola/media/grande)
- settore → codice ATECO, NON nome azienda
- NO nome organizzazione nel prompt
- NO fatturato esatto (solo range)
- NO nomi di persone

Privacy

⚠️ Attenzione moderata

• Dati limitati all'org dell'utente autenticato (multi-tenancy garantito da requireOrgAccess())
• Anonimizzazione obbligatoria prima dell'invio ad Anthropic
• Log AI interaction in ai_interactions table per audit
• GDPR: dati inviati a Anthropic USA → DPA Agreement necessario (verificare contratto)

---

L4 — Analisi Cross-Organizzazione

"Come si confrontano i miei clienti?"

Scopo

Permettere a consulenti, CISO multi-cliente e super_admin di analizzare pattern, benchmark e confronti aggregati e anonimi tra organizzazioni diverse.

Esempi di query valide:

• "Qual è il gap medio nel settore sanità tra i miei clienti?"
• "Quali rischi sono più frequenti nelle PMI del settore energia?"
• "Benchmark: come si posiziona questo cliente rispetto agli altri?"

Ruoli autorizzati

• consultant — solo le org di cui è membro (user_organizations)
• super_admin — tutte le org della piattaforma

Dati in ingresso al modello

• AGGREGATI: medie, percentuali, distribuzioni — mai dati di singola org
• ANONIMI: organizzazioni identificate come "Org A", "Org B" — mai nome reale
• Settore e dimensione: consentiti (non identificativi singolarmente)
• VIETATO: nome org, P.IVA, referenti, incidenti specifici, dati PII

Regola fondamentale

Un consulente NON deve mai poter ricostruire i dati di un'organizzazione specifica attraverso l'AI. Solo aggregati.

Implementazione

→ Da costruire: AIService::crossOrgAnalysis() con:

• Query aggregata su DB (GROUP BY settore/dimensione)
• Anonimizzazione labels prima del prompt
• Filtro ruolo in requireOrgAccess() — verifica membership consultant
• Endpoint: POST /api/ai/cross-analysis (solo consultant, super_admin)

Privacy — CRITICO

🔴 Alto rischio — implementare con cura

• MAI passare org_id nel prompt
• MAI passare nomi, P.IVA, email nel prompt
• Aggregazione minima: almeno 3 organizzazioni per gruppo (k-anonymity)
• Audit log obbligatorio di ogni query cross-org (chi ha chiesto cosa, quando)
• Consenso: verificare se GDPR richiede consenso esplicito per analisi comparativa
• Il modello deve rispondere SOLO in forma aggregata — aggiungere istruzione nel system prompt:

  "Non fornire mai dati riferibili a una singola organizzazione. Rispondi solo con statistiche aggregate."

---

L5 — Feed Normativo AI

"Cosa cambia con la nuova circolare ACN?"

Scopo

Aggiornamenti normativi automatici e analisi dell'impatto sulle organizzazioni: nuove circolari ACN, aggiornamenti DORA, modifiche D.Lgs. 138/2024, sentenze rilevanti.

Dati in ingresso al modello

• Testo normativo (fonte pubblica: GU, ACN, EUR-Lex)
• Classificazione dell'organizzazione corrente (Essenziale/Importante/settore)
• No dati interni dell'organizzazione

Perimetro risposta AI

• Riepilogo delle novità normative in linguaggio semplice
• Impatto specifico per tipo di soggetto NIS2 (Essenziale vs Importante)
• Scadenze e obblighi derivanti dall'aggiornamento
• Collegamento ai moduli della piattaforma da aggiornare

Implementazione attuale

→ NormativeController.php — feed già implementato con ACK tracciato → Evoluzione: aggiungere AIService::analyzeNormativeUpdate() che:

• Riceve il testo normativo
• Genera riassunto + impatto per la classificazione dell'org
• Suggerisce i controlli/policy da aggiornare

Privacy

✅ Nessun rischio significativo — dati normativi pubblici + solo classificazione org (non identificativa)

---

Matrice Riepilogativa

Livello	Chi	Dati AI	Privacy	Stato
L1 Guida Piattaforma	Tutti	Nessuno	✅ Safe	✅ Implementato (help.js)
L2 Assistente Operativo	Tutti	Contesto UI	✅ Safe	🔵 Da costruire
L3 Assistente Aziendale	Utenti org	Dati org anonimizzati	⚠️ Attenzione	✅ Parziale (AIService)
L4 Cross-Org Analysis	Consultant / Admin	Aggregati anonimi	🔴 Alto	🔵 Da costruire
L5 Feed Normativo	Tutti	Testi pubblici	✅ Safe	🔵 Evoluzione normative

---

Principi Privacy Trasversali

1. Data Minimization: inviare ad Anthropic solo il minimo indispensabile
2. Anonimizzazione sistematica: nomi → ruoli, fatturati → range, org → settore+dim
3. Audit trail: ogni chiamata AI loggata in ai_interactions con timestamp, user, tipo
4. Scope enforcement: il layer PHP verifica sempre requireOrgAccess() prima di costruire il prompt
5. No PII in prompt: vietato nome persona, email, CF, P.IVA nel prompt
6. K-anonymity per L4: aggregare su minimo 3 org per evitare identificazione indiretta
7. DPA Anthropic: verificare Data Processing Agreement per trattamento dati EU

---

Prossimi Sprint Suggeriti

Priorità	Feature	Livello	Effort
Alta	Chat widget contestuale per pagina	L2	3 giorni
Alta	POST /api/ai/chat con contesto org	L3	2 giorni
Media	analyzeNormativeUpdate() per feed ACN	L5	1 giorno
Bassa	Cross-org benchmark per consultant	L4	5 giorni

---

Documento mantenuto da: Claude Code / Team NIS2 Agile Aggiornare a ogni modifica architettura AI o normativa privacy