Le inchieste della Procura di Milano, guidate dal pubblico ministero Paolo Storari, hanno evidenziato come reti di appalti e subappalti formalmente regolari possano nascondere gravi violazioni dei diritti dei lavoratori nella moda: orari estenuanti, retribuzioni inadeguate e mancanza di sicurezza.

Il contesto giudiziario e le nuove misure preventive

Ai procedimenti che hanno coinvolto Armani, Dior, Valentino Bags e Loro Piana si aggiunge l’inchiesta della Procura di Prato. Il 6 novembre 2026 il Tribunale di Firenze ha disposto l’amministrazione giudiziaria per Tessilform, titolare del marchio Patrizia Pepe, e per Dixie, imponendo una misura preventiva basata sulla vigilanza sui fornitori, ritenuta una forma di agevolazione colposa delle attività illecite.

Il provvedimento toscano sottolinea che i committenti devono effettuare controlli continui sulla capacità organizzativa dei fornitori, sulla congruità dei prezzi e sulle concrete condizioni di impiego della manodopera, andando oltre la semplice verifica dell’identità del contraente o l’acquisizione periodica di certificazioni.

Il ruolo dei protocolli di legalità

Il Protocollo per la legalità degli appalti nella filiera della moda, firmato presso la Prefettura di Milano nel maggio 2025, prevede una piattaforma digitale per censire le imprese della filiera e raccogliere informazioni sulle strutture produttive e sulla manodopera. La “green list” risultante è consultabile dai marchi per individuare gli operatori aderenti con i requisiti richiesti.

Il protocollo introduce i “coni di visibilità”, un meccanismo volto a conciliare la trasparenza della filiera con la riservatezza delle informazioni sensibili, questione particolarmente delicata quando si aggiungono valutazioni algoritmiche.

Algoritmi di rischio e potenziali derive

Quando alla tracciabilità si aggiungono sistemi algoritmici di valutazione del rischio, sorgono nuove domande: quali dati possono essere usati per individuare un laboratorio sospetto? Fino a che punto il committente può monitorare le attività produttive? E quali conseguenze ha una classificazione automatizzata sull’accesso alle commesse?

La tecnologia può rendere visibili incongruenze sfuggite ai controlli tradizionali, ma allo stesso tempo concentra nelle mani dei grandi marchi un potere di selezione difficile da contestare per le piccole imprese della filiera.

Funzionamento delle piattaforme digitali

    • Creazione di anagrafiche condivise e registri dei siti produttivi.
    • Collegamento tra ordini di acquisto, commesse e lavorazioni per identificare tutti i soggetti coinvolti.
    • Associazione di certificazioni, verifiche ispettive e non‑conformità a ciascun laboratorio.
    • Integrazione con sistemi gestionali aziendali per automatizzare il controllo della validità dei documenti.
    • Utilizzo di intelligenza artificiale per estrarre dati da certificati e audit.
    • Modelli predittivi di valutazione del rischio per orientare le verifiche sui fornitori.

Il passaggio critico avviene quando la piattaforma non si limita a registrare informazioni, ma le usa per formulare valutazioni sul rischio di irregolarità, incrociando dati su capacità produttiva, personale dichiarato, volumi delle commesse, tempi di consegna e precedenti non‑conformità.

Conseguenze di una valutazione algoritmica opaca

Se le valutazioni sono basate su modelli predittivi, la selezione dei laboratori da sottoporre ad audit può dipendere da correlazioni statistiche non immediatamente comprensibili per le imprese valutate. Un laboratorio con pochi dipendenti ma tecnologie avanzate può ricevere un punteggio negativo, così come un’impresa poco rappresentata nei dati del modello.

Quando tali valutazioni determinano la sospensione di una commessa, l’esclusione da un albo fornitori o l’imposizione di condizioni contrattuali più gravose, il sistema passa da strumento di supporto a meccanismo di selezione economica. La compliance algoritmica esercita così un potere significativo su imprese che spesso non conoscono i criteri di valutazione e non dispongono di mezzi per contestarli.

Limiti della tracciabilità digitale

La tracciabilità documenta solo ciò che entra nel sistema informativo. Subappalti occultati o lavorazioni affidate a laboratori non censiti possono rimanere invisibili anche alla piattaforma più sofisticata. L’intelligenza artificiale può segnalare incongruenze nei dati disponibili, ma non sostituisce gli accertamenti sulle reali condizioni di lavoro.

Implicazioni giuridiche: GDPR e AI Act

Le piattaforme di compliance possono trattare dati relativi a titolari dei laboratori, dipendenti, presenze, orari, retribuzioni e condizioni contrattuali. In alcuni casi possono acquisire informazioni sulla regolarità dei titoli di soggiorno o su documentazione ispettiva.

Quando tali informazioni riguardano persone fisiche identificabili, si applica il GDPR, indipendentemente dalla finalità etica dichiarata dal committente. La base giuridica può derivare da:

    • Obblighi specifici di legge (es. normative sul lavoro e sulla sicurezza).
    • Interesse legittimo del titolare, previa valutazione di necessità e bilanciamento con i diritti degli interessati.
    • Consenso, se richiesto e documentato, ma spesso non praticabile per l’intero network di subfornitori.

L’AI Act, in vigore dal 2025, introduce ulteriori obblighi per i sistemi di IA ad alto rischio, tra cui trasparenza degli algoritmi, documentazione dei dati di addestramento e valutazione d’impatto sulla protezione dei dati. Le piattaforme utilizzate per il monitoraggio della filiera della moda rientrano nella categoria “sistemi di IA ad alto rischio” perché influenzano decisioni economiche e possibili escludono fornitori.

Responsabilità dei committenti

I marchi, in qualità di titolari del trattamento, sono tenuti a garantire:

    • Il rispetto dei principi di liceità, correttezza e trasparenza.
    • La minimizzazione dei dati, raccogliendo solo le informazioni strettamente necessarie.
    • La protezione dei dati mediante misure di sicurezza adeguate.
    • Una valutazione d’impatto (DPIA) specifica per il sistema di IA impiegato.
    • La possibilità per i laboratori di accedere, correggere e contestare i dati e le valutazioni automatizzate.

In caso di violazioni, la responsabilità può ricadere sia sul committente sia sui fornitori della piattaforma, con potenziali sanzioni amministrative fino al 4 % del fatturato annuo globale.

Verso una governance etica della filiera digitale

Per evitare che la lotta al caporalato si trasformi in una forma di caporalato digitale, è necessario:

    • Definire criteri di valutazione chiari, auditabili e condivisi con tutti gli attori della filiera.
    • Implementare meccanismi di ricorso e revisione per i laboratori segnalati negativamente.
    • Garantire la trasparenza dei dati utilizzati, includendo informazioni su fonti, metodi di pulizia e limiti dei modelli.
    • Adottare un approccio “privacy by design” e “AI‑by‑design” fin dalla fase di sviluppo della piattaforma.
    • Integrare controlli umani periodici per verificare le conclusioni dell’IA, soprattutto in caso di decisioni che impattano sull’accesso a commesse.
    • Collaborare con autorità di vigilanza, sindacati e ONG per definire standard comuni di compliance digitale.

Solo un equilibrio tra tecnologia, diritto e diritti dei lavoratori potrà garantire che la digitalizzazione della filiera della moda sia uno strumento di reale tutela, anziché un nuovo strumento di sorveglianza e discriminazione.