PROFESSIONISTI E PROFESSIONE
DI GIACOMO GRECI | 5 AGOSTO 2026
Il rischio più insidioso dell’intelligenza artificiale applicata alle attività professionali e aziendali non è che produca errori. È che chi la utilizza smetta di accorgersene. Questo articoli introduce un principio operativo (la verifica incrociata tra modelli diversi) e lo traduce in un metodo concreto, con coppie di prompt pronti all’uso per i contesti a più alta responsabilità: pareri professionali, analisi contrattuali, report finanziari, consulenze strategiche.
Il problema che nessuno vuole vedere: l’automazione della fiducia
C’è un fenomeno che chiunque utilizzi l’intelligenza artificiale con regolarità riconoscerà, anche se difficilmente lo ammetterà in pubblico. Il fenomeno è questo: col tempo, si smette di verificare.
Le prime volte che si chiede a un chatbot di redigere un parere, di analizzare un contratto o di preparare un report finanziario, si controlla ogni riga. Si confronta ogni riferimento normativo. Si ricalcola ogni numero. Si rileggono le conclusioni con lo scetticismo professionale che la formazione ha insegnato ad applicare. Poi, settimana dopo settimana, l’output del modello si rivela ragionevole, ben scritto, strutturalmente corretto. La fiducia cresce. Il controllo si allenta. Un giorno ci si accorge che si sta firmando un documento di cui si è verificato il primo paragrafo e l’ultimo, saltando tutto il resto.
Questo fenomeno ha un nome nella letteratura sulla sicurezza: automation bias, ossia la tendenza a fidarsi dell’output di un sistema automatizzato più di quanto sia giustificato. Non è un difetto di carattere: è un comportamento cognitivo studiato e documentato da decenni nell’aviazione, nella medicina e nell’ingegneria nucleare.
L’intelligenza artificiale generativa lo rende particolarmente pericoloso per una ragione specifica: i suoi errori sono invisibili.
Non sono errori di sintassi, non sono celle vuote in un foglio di calcolo, non sono referenze mancanti in una nota a piè di pagina. Sono affermazioni plausibili che non corrispondono alla realtà. Articoli di legge che non esistono. Sentenze inventate con numeri credibili. Calcoli che producono risultati ragionevoli ma aritmeticamente errati. Conclusioni che non discendono logicamente dalle premesse ma sono formulate in modo così fluido da non sollevare sospetti.
Il caso emblematico: nel giugno 2025 un avvocato ha presentato al Tribunale di New York una memoria contenente sei citazioni giurisprudenziali generate da ChatGPT. Nessuna delle sei sentenze esisteva. Il formato era perfetto: numero del caso, anno, corte, massima giuridica. Tutto inventato, tutto plausibile, tutto verificabile in trenta secondi su un database giuridico. L’avvocato non ha verificato. Casi analoghi sono stati documentati in Italia, nel Regno Unito e in Australia.
Il problema non è che l’IA inventi: è che inventa bene.
Il principio: perché un secondo modello vede ciò che il primo non vede
L’idea di fondo è semplice e prende ispirazione da pratiche consolidate in professioni ad alta responsabilità.
Nell’audit, il principio della revisione tra pari prevede che il lavoro di un revisore venga controllato da un secondo revisore indipendente.
Nella pubblicazione scientifica, il peer review sottopone ogni articolo al giudizio di ricercatori che non hanno partecipato alla ricerca.
Nella chirurgia, la checklist pre-operatoria prevede che un infermiere verifichi indipendentemente l’identità del paziente e il sito dell’intervento, anche quando il chirurgo è certo di averli già controllati.
In tutti questi casi, il valore della verifica non sta nella superiore competenza del secondo controllore, ma nella sua indipendenza. Un secondo sguardo, con premesse diverse, pregiudizi diversi e angoli ciechi diversi, coglie ciò che il primo sguardo non coglie. Non perché il primo sia incompetente, ma perché è umanamente impossibile controllare il proprio lavoro con la stessa freschezza con cui lo si controllerebbe se fosse di qualcun altro.
Lo stesso principio si applica ai modelli linguistici, con un vantaggio aggiuntivo. Due modelli linguistici diversi (Claude e GPT, Gemini e Mistral, un modello commerciale e un modello open weight locale) non condividono la stessa architettura, non sono stati addestrati sugli stessi dati con le stesse proporzioni, e soprattutto non condividono gli stessi pattern di errore. Un’allucinazione di Claude (un riferimento normativo inventato, ad esempio) ha una probabilità significativamente bassa di essere replicata identica da GPT, perché i due modelli generano le proprie risposte attraverso percorsi computazionali diversi. Quando entrambi convergono sulla stessa affermazione, la probabilità che sia corretta aumenta. Quando divergono, la divergenza è un segnale che richiede l’intervento del professionista.
L’analogia più precisa non è quella di due persone che leggono lo stesso documento. È quella di due traduttori che traducono lo stesso testo dalla stessa lingua, indipendentemente l’uno dall’altro. Se le due traduzioni concordano, il significato è probabilmente corretto. Se divergono su un passaggio, quel passaggio richiede attenzione. Nessuno dei due traduttori è infallibile, ma la combinazione dei due è più affidabile di ciascuno preso singolarmente.
L’architettura: generazione, verifica, riconciliazione
Il sistema di verifica incrociata si articola in tre fasi distinte, ciascuna con un ruolo preciso e un prompt dedicato.
Fase 1 – Generazione. Il primo modello (il “generatore”) riceve l’incarico primario: redigere il parere, analizzare il contratto, produrre il report. Il prompt di generazione è quello che il professionista utilizzerebbe normalmente, con tutte le tecniche di buon prompting (ruolo, vincoli, formato atteso, istruzione di incertezza). L’output della fase 1 è la bozza di lavoro.
Fase 2 – Verifica. Il secondo modello (il “verificatore”) riceve la bozza prodotta dal primo modello insieme a un prompt specifico di revisione critica. Il prompt del verificatore non chiede di rifare il lavoro: chiede di controllarlo. Cerca incoerenze logiche, riferimenti normativi non verificabili, conclusioni che non discendono dalle premesse, dati non supportati, calcoli da ricalcolare. Il verificatore non conosce il prompt originale e non sa quale modello ha prodotto la bozza: opera in cieco, come un revisore indipendente.
Fase 3 – Riconciliazione. Il professionista riceve l’output di entrambe le fasi: la bozza del generatore e il rapporto di verifica del verificatore. Se il verificatore non ha rilevato criticità, la bozza può procedere con un livello di affidabilità significativamente superiore. Se il verificatore ha segnalato problemi, il professionista interviene sui punti specifici. La riconciliazione è sempre umana: nessun modello decide cosa fare delle divergenze.
| Fase | Eseguita da | Input | Output | Tempo tipico |
| 1. Generazione | Modello A (es. Claude) | Dati del caso + prompt di incarico | Bozza del documento | 1-5 minuti |
| 2. Verifica | Modello B (es. GPT) | Bozza della fase 1 + prompt di revisione | Rapporto di verifica con rilievi | 1-3 minuti |
| 3. Riconciliazione | Il professionista | Bozza + rapporto di verifica | Documento finale validato | 5-15 minuti |
Tempo complessivo: 7-23 minuti per un documento completo, generato, verificato e validato.
Per confronto: la sola redazione manuale dello stesso documento ne richiede tipicamente 60-180, senza alcuna verifica indipendente.
Il sistema non allunga i tempi della produzione assistita dall’IA: aggiunge 1-3 minuti di verifica automatica che sostituiscono 15-30 minuti di rilettura umana, con un tasso di rilevamento delle criticità significativamente superiore.
Cinque coppie di prompt per contesti ad alta responsabilità
Per ciascun contesto si forniscono due prompt: il prompt di generazione (per il Modello A) e il prompt di verifica (per il Modello B).
I due prompt sono progettati per funzionare in coppia, ma il prompt di verifica è generico e può essere applicato a qualsiasi output, indipendentemente dal prompt che lo ha generato.
Coppia 1 – Parere professionale con riferimenti normativi
| Modello A – Prompt di generazione del parere |
| “Sei un professionista senior. Redigi un parere tecnico sul seguente quesito: [INSERIRE QUESITO]. Il parere deve essere strutturato in: (1) Premessa e inquadramento del quesito, (2) Normativa di riferimento con citazione puntuale degli artticoli pertinenti, (3) Prassi e giurisprudenza rilevante, (4) Analisi del caso concreto, (5) Conclusioni operative. Per ciascun riferimento normativo citato, indica: fonte esatta (legge, decreto, codice), articolo e comma, contenuto pertinente. Se non sei certo dell’esistenza o del contenuto attuale di una norma, segnalalo esplicitamente con [DA VERIFICARE] anziché citarla come certa.” |
| Modello B – Prompt di verifica del parere |
| “Ti fornisco un parere professionale redatto da un assistente. Il tuo compito è esclusivamente quello di verificarne la qualità e l’affidabilità. Non riscriverlo e non migliorarlo. Controlla i seguenti aspetti: (1) RIFERIMENTI NORMATIVI: per ciascun articolo di legge, decreto o codice citato, verifica se l’indicazione è plausibile (numero articolo, fonte, contenuto dichiarato). Segnala ogni riferimento che non ti risulta esistente o il cui contenuto dichiarato non corrisponde a quanto conosci. (2) COERENZA LOGICA: le conclusioni discendono effettivamente dalle premesse e dall’analisi? Ci sono passaggi argomentativi che saltano un anello logico? (3) COMPLETEZZA: mancano aspetti normativi o giurisprudenziali rilevanti che avrebbero dovuto essere considerati? (4) CONTRADDIZIONI INTERNE: ci sono affermazioni nel parere che contraddicono altre affermazioni nello stesso documento? (5) ASSERTIVITÀ NON SUPPORTATA: ci sono conclusioni presentate come certe che in realtà dipendono da interpretazioni controverse o da informazioni non fornite? Produci un RAPPORTO DI VERIFICA strutturato come: Rilievo n. | Sezione del parere | Tipo (riferimento/logica/completezza/contraddizione/assertività) | Descrizione del rilievo | Severità (Critica/Significativa/Minore). Se non rilevi criticità, dichiaralo esplicitamente.” |
Coppia 2 – Analisi contrattuale con clausole critiche
| Modello A – Prompt di analisi contrattuale |
| “Analizza il seguente contratto e produci una tabella delle clausole critiche con le colonne: Articolo | Oggetto | Criticità rilevata | Rischio (Alto/Medio/Basso) | Suggerimento operativo. Concentrati su: clausole di limitazione di responsabilità, clausole penali, clausole di recesso, clausole di rinnovo tacito, clausole di esclusiva, clausole di non concorrenza, clausole di forza maggiore, clausole di risoluzione per inadempimento. Segnala inoltre le clausole che sarebbero raccomandate ma risultano assenti. [INSERIRE TESTO CONTRATTO]” |
| Modello B – Prompt di verifica dell’analisi contrattuale |
| “Ti fornisco un’analisi contrattuale prodotta da un assistente, insieme al testo originale del contratto su cui è stata eseguita. Verifica: (1) COPERTURA: l’analisi ha effettivamente esaminato tutte le clausole del contratto o ne ha saltate alcune? Confronta l’elenco degli articoli analizzati con l’elenco degli articoli presenti nel contratto originale. (2) FEDELTÀ: il contenuto attribuito a ciascuna clausola nell’analisi corrisponde effettivamente a quanto scritto nel contratto originale? Segnala le parafrasi che alterano il significato. (3) CLAUSOLE MANCANTI: l’analisi ha omesso clausole che avrebbe dovuto segnalare come critiche? (4) VALUTAZIONE DEL RISCHIO: le classificazioni di rischio (Alto/Medio/Basso) sono coerenti con la severità delle criticità rilevate? Ci sono clausole classificate come basso rischio che meriterebbero una classificazione superiore, o viceversa? (5) INTERAZIONI TRA CLAUSOLE: ci sono clausole che, lette singolarmente, appaiono innocue ma che in combinazione con altre producono effetti critici non segnalati? Produci il rapporto di verifica con la stessa struttura tabellare della coppia precedente.” |
Coppia 3 – Report finanziario con dati numerici
| Modello A – Prompt di generazione report finanziario |
| “Sulla base dei seguenti dati finanziari del cliente [denominazione] relativi agli esercizi [N] e [N-1]: [INSERIRE DATI: Stato patrimoniale, Conto economico, Rendiconto finanziario se disponibile], produci un report di analisi finanziaria strutturato in: (1) Sintesi esecutiva (massimo 10 righe), (2) Analisi della situazione patrimoniale con principali indici (current ratio, quick ratio, leverage, copertura immobilizzazioni), (3) Analisi della redditività (ROE, ROI, ROS, EBITDA margin, variazione anno su anno), (4) Analisi della dinamica finanziaria (cash conversion cycle, DSO, DPO, DIO se i dati lo consentono), (5) Aree di attenzione e raccomandazioni. Per ciascun indice, mostra la formula applicata, i valori inseriti e il risultato. Se un dato necessario per il calcolo non è disponibile, segnalalo e non calcolare l’indice con ipotesi.” |
| Modello B – Prompt di verifica del report finanziario |
| “Ti fornisco un report di analisi finanziaria e i dati di bilancio originali su cui è stato costruito. Verifica: (1) CORRETTEZZA ARITMETICA: per ciascun indice calcolato, ricalcola il risultato a partire dai dati originali. Segnala ogni errore di calcolo, anche minimo, indicando: indice, valore dichiarato, valore corretto, differenza. (2) FORMULE: le formule dichiarate per ciascun indice sono quelle corrette secondo la prassi contabile e finanziaria italiana? (3) COERENZA DEI DATI: i valori utilizzati nei calcoli corrispondono ai dati originali forniti? Ci sono trascrizioni errate? (4) INTERPRETAZIONI: le conclusioni tratte dagli indici sono coerenti con i valori calcolati? Un indice in peggioramento viene commentato come positivo, o viceversa? (5) COMPLETEZZA: ci sono aree di analisi significative che il report ha omesso nonostante i dati fossero disponibili? Produci una tabella: Indice | Valore dichiarato | Valore ricalcolato | Esito (Conforme/Errore) | Note.” |
Nota critica sui calcoli: i modelli linguistici non sono calcolatrici. Commettono errori aritmetici con una frequenza che, sebbene diminuita nelle ultime generazioni, resta non trascurabile su operazioni con numeri a molte cifre. La verifica incrociata tra due modelli rileva gli errori grossolani, ma non garantisce la precisione assoluta. Per i report finanziari, il terzo passaggio di riconciliazione dovrebbe sempre includere la verifica a campione degli indici principali su un foglio di calcolo.
Coppia 4 – Consulenza strategica con raccomandazioni
| Modello A – Prompt di generazione della consulenza |
| “Sulla base delle seguenti informazioni sull’azienda [denominazione]: [INSERIRE: settore, dimensione, struttura organizzativa, problema/opportunità specifico da analizzare, vincoli noti, obiettivi dichiarati dal management], produci una nota di consulenza strategica strutturata in: (1) Inquadramento del contesto e del problema, (2) Analisi delle opzioni disponibili (almeno tre alternative con pro e contro di ciascuna), (3) Raccomandazione motivata con indicazione dell’opzione preferita e delle ragioni, (4) Rischi dell’opzione raccomandata e misure di mitigazione, (5) Piano di implementazione con timeline indicativa. Per ciascuna affermazione di mercato o di settore, indica se si basa su un dato conosciuto o su una stima. Non presentare stime come certezze.” |
| Modello B – Prompt di verifica della consulenza strategica |
| “Ti fornisco una nota di consulenza strategica. Verificane la robustezza: (1) ASSUNZIONI IMPLICITE: quali assunzioni non dichiarate sostengono il ragionamento? L’analisi funziona ancora se quelle assunzioni vengono rimosse o invertite? (2) BIAS DI CONFERMA: l’analisi considera seriamente le alternative scartate o le liquida in modo superficiale per sostenere una conclusione predeterminata? (3) FATTIBILITÀ: il piano di implementazione è realistico date le risorse e i vincoli dichiarati? I tempi sono plausibili? (4) RISCHI OMESSI: ci sono rischi significativi dell’opzione raccomandata che l’analisi non ha considerato? (5) CONTROPROVA: esiste un argomento forte a favore di un’opzione diversa da quella raccomandata che l’analisi ha sottovalutato? Formulalo. (6) AFFERMAZIONI DI MERCATO: le affermazioni su trend di settore, dimensioni di mercato o comportamenti competitivi sono presentate come dati o come opinioni? Segnala quelle non verificabili. Produci il rapporto di verifica distinguendo tra rilievi critici (che mettono in discussione la conclusione) e rilievi marginali (che richiedono affinamento ma non cambiano la sostanza).” |
Coppia 5 – Il prompt di verifica universale
Oltre alle coppie specializzate, è utile disporre di un prompt di verifica generico, applicabile a qualsiasi output di qualsiasi modello in qualsiasi contesto professionale. Il prompt che segue è stato progettato per essere salvato come istruzione permanente nel modello di verifica e riutilizzato su ogni documento.
| Prompt universale di verifica critica |
| “Il tuo ruolo è quello di revisore critico indipendente. Ti verrà fornito un documento prodotto da un sistema di intelligenza artificiale. Non sai quale modello lo ha prodotto, né quale prompt è stato utilizzato. Il tuo compito è individuare ogni possibile criticità. Applica sistematicamente i seguenti controlli: (1) FATTI VERIFICABILI: identifica ogni affermazione fattuale (date, nomi, numeri, citazioni normative, riferimenti a sentenze o prassi). Per ciascuna, indica se ti risulta corretta, se non ti risulta verificabile, o se ti risulta errata. In caso di dubbio, classifica come NON VERIFICABILE, non come corretta. (2) LOGICA: il ragionamento è valido? Le conclusioni derivano dalle premesse? Ci sono salti logici, petizioni di principio, false dicotomie o generalizzazioni indebite? (3) TONO vs SOSTANZA: ci sono passaggi in cui la qualità della scrittura maschera la debolezza dell’argomentazione? Un testo ben scritto non è necessariamente un testo corretto. (4) OMISSIONI: dato il tema trattato, ci sono aspetti rilevanti che il documento non affronta e che avrebbero potuto modificare le conclusioni? (5) COERENZA INTERNA: ci sono contraddizioni tra parti diverse del documento? (6) ASSERTIVITÀ: le conclusioni sono espresse con un grado di certezza proporzionato alla qualità delle evidenze su cui si fondano? Produci un rapporto strutturato con: numero del rilievo, citazione del passaggio esaminato (in corsivo), tipo di criticità, descrizione, severità (Critica/Significativa/Minore). Se il documento non presenta criticità, dichiaralo. Non inventare rilievi per giustificare il tuo ruolo.” |
Quali modelli combinare: una guida alla scelta
La scelta dei modelli da abbinare nel sistema di verifica incrociata non è indifferente.
Il principio guida è la diversità: maggiore è la distanza tra i due modelli in termini di architettura, dati di addestramento e pattern di errore, più efficace è la verifica.
| Combinazione | Generatore | Verificatore | Punto di forza | Costo indicativo |
| Commerciale + Commerciale | Claude Opus 4.6 | GPT-5.4 | Massima qualità su entrambi i lati | 2 abbonamenti (~40 €/mese) |
| Commerciale + Commerciale | GPT-5.4 | Gemini Advanced | Diversità massima nell’architettura | 2 abbonamenti (~40 €/mese) |
| Commerciale + Locale | Claude Sonnet | Qwen 3.6-27B (locale) | Riservatezza: verifica senza dati al cloud | 1 abbonamento + hardware |
| Locale + Locale | Qwen 3.6-27B | Gemma 4-31B | Riservatezza totale, costo zero | Solo hardware |
| Stesso fornitore, diverso modello | Claude Opus | Claude Sonnet | Meno efficace: stessa famiglia | 1 abbonamento |
La combinazione meno efficace è quella tra due modelli della stessa famiglia (ad esempio Claude Opus come generatore e Claude Sonnet come verificatore). Condividendo architettura e dati di addestramento, tendono a replicare gli stessi pattern di errore.
La combinazione più efficace in termini di qualità è quella tra due modelli commerciali di fornitori diversi.
La più efficace in termini di riservatezza è quella che utilizza un modello locale come verificatore: il documento non lascia il perimetro dell’organizzazione nemmeno per la fase di verifica.
Quando la verifica incrociata non serve (e quando è irrinunciabile)
Applicare la verifica incrociata a ogni singolo output dell’IA sarebbe dispendioso e inutile.
Il criterio di discriminazione è la responsabilità che si assume firmando il documento.
| Contesto | Verifica incrociata | Motivazione |
| Email di cortesia, comunicazioni interne informali | Non necessaria | Basso impatto, errore facilmente rimediabile |
| Bozze di documenti interni, appunti di lavoro | Non necessaria | Uso preparatorio, non definitivo |
| Sintesi di articoli o normativa per uso personale | Non necessaria | Nessuna responsabilità verso terzi |
| Pareri professionali destinati al cliente | Raccomandata | Responsabilità professionale diretta |
| Analisi contrattuali su operazioni significative | Raccomandata | Impatto economico rilevante |
| Report finanziari con dati numerici | Fortemente raccomandata | Errori aritmetici ad alta probabilità |
| Documenti per autorità giudiziaria o di vigilanza | Irrinunciabile | Responsabilità legale, rischio sanzionatorio |
| Atti con citazioni normative o giurisprudenziali | Irrinunciabile | Rischio allucinazioni documentato |
| Consulenza strategica che orienta decisioni d’investimento | Fortemente raccomandata | Impatto economico potenzialmente irreversibile |
Documentare il processo: la tracciabilità come valore
Un aspetto che distingue l’uso professionale dell’intelligenza artificiale dall’uso personale è la necessità di documentare il processo. In contesti regolamentati (la revisione legale, la consulenza fiscale, la compliance aziendale) non basta che il risultato sia corretto: deve essere dimostrabile come si è arrivati a quel risultato.
Il sistema di verifica incrociata produce, per sua natura, una traccia documentale completa: il prompt di generazione, l’output del generatore, il prompt di verifica, il rapporto del verificatore, le annotazioni di riconciliazione del professionista. Conservare questi cinque elementi in un fascicolo digitale associato al documento finale significa disporre di una documentazione del processo cognitivo assistito dall’IA che, in caso di contestazione, di ispezione o semplicemente di revisione interna, consente di ricostruire ogni passaggio.
Questa tracciabilità non è solo una tutela. È un valore. In un contesto professionale in cui l’AI Act europeo impone obblighi crescenti di trasparenza sull’uso dei sistemi di intelligenza artificiale, poter dimostrare di aver adottato un processo di verifica strutturato rappresenta un elemento di qualità che distingue il professionista responsabile dal professionista che “usa ChatGPT”.
Schema di archiviazione consigliato: per ogni documento ad alta responsabilità prodotto con assistenza IA, conservare una cartella contenente: (1) il prompt di generazione, (2) l’output del Modello A, (3) il prompt di verifica, (4) il rapporto del Modello B, (5) il documento finale con le annotazioni del professionista sui rilievi.
Il costo di archiviazione è trascurabile. Il valore in caso di necessità è inestimabile.
Il mestiere che resta
C’è un paradosso istruttivo in tutto ciò che si è descritto. Si utilizza l’intelligenza artificiale per produrre un documento, poi si utilizza l’intelligenza artificiale per controllare quel documento, e alla fine è comunque il professionista che decide. Si potrebbe obiettare: se alla fine devo comunque verificare io, a che serve il sistema?
Serve perché cambia la natura della verifica. Senza il sistema, il professionista deve rileggere un intero documento cercando errori che non sa dove siano. Con il sistema, il professionista riceve un rapporto che gli indica esattamente dove guardare: il riferimento normativo dubbio è al paragrafo tre, la conclusione non supportata è nella sezione cinque, il calcolo errato è nella tabella due. L’attenzione si concentra là dove serve.
Il resto del tempo viene liberato per l’attività che nessun modello può svolgere: il giudizio professionale.
È, in fondo, la risposta più onesta alla domanda che molti colleghi si pongono: l’intelligenza artificiale sostituirà il professionista? No. Ma renderà insostenibile il professionista che non sa usarla. E renderà irresponsabile il professionista che la usa senza controllarla.
Il sistema di verifica incrociata non è una complicazione. È la versione aggiornata di un principio che la professione conosce da sempre: nessun lavoro esce dallo studio senza che almeno due paia di occhi lo abbiano esaminato. Da oggi, il secondo paio di occhi può essere digitale. Ma la firma, in calce al documento, resta quella del professionista. E quella firma, oggi come ieri, significa una cosa sola: io ho verificato. Io rispondo.
Il contenuto di questa newsletter è strettamente riservato e destinato esclusivamente ai destinatari autorizzati.
È espressamente vietata la condivisione totale o parziale di questa comunicazione su qualsiasi piattaforma pubblica o privata, inclusi (ma non limitati a):
• Gruppi e canali Telegram
• Chat di gruppo o broadcast su WhatsApp
• Post o storie su Facebook, Instagram, X (Twitter), LinkedIn, o altri social network.
Ogni violazione di questa norma potrà comportare l’esclusione immediata dalla lista dei destinatari e, nei casi più gravi, azioni legali.
Grazie per il rispetto delle regole e per contribuire a mantenere la riservatezza delle informazioni condivise.