L’Intelligenza Artificiale sta trasformando il settore legale, promettendo maggiore velocità nella ricerca giuridica, nell’analisi contrattuale e nella gestione di processi complessi. Ma una questione fondamentale rimane aperta: possiamo affidare informazioni riservate e decisioni giuridicamente rilevanti a sistemi progettati principalmente per generare risposte linguisticamente plausibili?
È questo il tema al centro di Generalist AI on Trial: Why Security and Effectiveness Drive the Future of LegalTech, iniziativa sviluppata a Dubai in collaborazione tra Techno Polis Forum-Lab (https://techno-polis.com/), United Advocates e il Centro di Ricerca LeitAI.
Il confronto mette in relazione due prospettive complementari: quella giuridica e strategica di Andrea Stazi, CEO e Co-Founder di Techno Polis, e quella tecnologica di Alessandro Marchesini, Co-Founder e CTO.
Un dialogo che parte da una convinzione condivisa: il futuro dell’AI professionale non dipenderà soltanto dalla potenza dei modelli, ma dalla qualità delle infrastrutture, dalla verificabilità delle informazioni e dalla capacità di mantenere il controllo umano sulle decisioni.
1. Il limite dell’AI generalista: quando una risposta plausibile non è una risposta affidabile
Nel suo contributo, Andrea Stazi affronta una delle contraddizioni più rilevanti dell’attuale evoluzione tecnologica.
I modelli generativi generalisti hanno raggiunto capacità straordinarie nell’elaborazione del linguaggio naturale. Tuttavia, la loro abilità nel produrre testi coerenti non garantisce, di per sé, l’esattezza delle informazioni.
Una distinzione particolarmente importante nel settore legale, dove un riferimento normativo inesatto, una sentenza inesistente o un’interpretazione non verificata possono determinare conseguenze professionali ed economiche significative.
La plausibilità linguistica non può essere confusa con la certezza giuridica.
Per studi legali, dipartimenti compliance e organizzazioni che operano in contesti regolati, l’adozione dell’AI richiede quindi standard differenti da quelli applicabili agli strumenti destinati al consumo generalista.
Non è sufficiente ottenere risposte rapide: occorre poter ricostruire le fonti, verificare i passaggi e individuare chiaramente le responsabilità.
La questione non riguarda soltanto l’efficienza della tecnologia, ma la fiducia che istituzioni, professionisti e cittadini possono riporre nei suoi risultati.
2. Sovranità digitale e governance: una nuova responsabilità per le organizzazioni
La riflessione di Stazi si estende al rapporto tra Intelligenza Artificiale, protezione dei dati e sovranità tecnologica.
L’evoluzione del quadro normativo internazionale, dall’AI Act europeo alle discipline applicabili negli Emirati Arabi Uniti, rende sempre più importante comprendere dove vengono trattate le informazioni, quali soggetti possono accedervi e quali garanzie accompagnano l’utilizzo dei sistemi AI.
Per un’organizzazione legale, caricare documenti riservati, comunicazioni protette o informazioni strategiche su piattaforme esterne senza adeguate verifiche può esporre a rischi di riservatezza, conformità e responsabilità professionale.
Da qui emerge il valore di un approccio basato su Sovereign AI e sistemi specializzati per dominio: architetture progettate per rispondere alle esigenze di specifici settori, assicurando maggiore controllo su dati, infrastrutture e processi.
Questa prospettiva si collega al paradigma della Critical Hybrid Intelligence promosso da Stazi.
L’AI non dovrebbe sostituire il discernimento professionale, ma rafforzarlo attraverso strumenti capaci di supportare analisi, verifiche e processi decisionali.
È la logica della Slow AI: privilegiare un’interazione consapevole, verificabile e orientata alla qualità del ragionamento, anziché una delega automatica alla macchina.
3. Dalla teoria all’architettura: la risposta tecnologica di Alessandro Marchesini
Se la prospettiva giuridica individua i requisiti fondamentali di un’AI affidabile, quella tecnologica deve tradurli in caratteristiche concrete.
È su questo passaggio che si concentra il contributo di Alessandro Marchesini.
Il punto di partenza è la distinzione tra piattaforme generaliste condivise e architetture Private AI, progettate per garantire livelli di isolamento, sicurezza e controllo coerenti con le esigenze delle organizzazioni.
In ambito legale, la gestione delle informazioni non può prescindere da requisiti quali la separazione degli ambienti, la definizione dei privilegi di accesso, la protezione delle comunicazioni e il controllo delle politiche di conservazione dei dati.
Le possibili soluzioni comprendono infrastrutture cloud private, ambienti dedicati e implementazioni on-premise, da selezionare in funzione delle esigenze operative e normative.
Un elemento centrale è il principio di knowledge compartmentalization: un sistema utilizzato per una determinata operazione non deve rendere accessibili informazioni riservate appartenenti ad altri clienti, incarichi o gruppi di lavoro.
La sicurezza, in questa prospettiva, non è una funzionalità aggiuntiva, ma una proprietà dell’architettura tecnologica.
4. RAG e fonti verificate: verso un’AI giuridica più affidabile
Un secondo elemento approfondito da Marchesini riguarda il superamento dei limiti informativi dei modelli generalisti.
Le architetture basate su Retrieval-Augmented Generation (RAG) consentono di collegare la generazione delle risposte a basi documentali selezionate, come normative, precedenti, contratti e archivi professionali.
Invece di affidarsi esclusivamente alle conoscenze incorporate nel modello, il sistema recupera informazioni pertinenti da fonti preventivamente individuate e le utilizza per costruire risposte contestualizzate.
L’obiettivo è rendere ogni analisi più facilmente verificabile, attraverso riferimenti puntuali ai documenti originali.
Un sistema progettato per attività legali dovrebbe inoltre essere capace di riconoscere quando le fonti disponibili non sono sufficienti, evitando di presentare come certa un’informazione non adeguatamente supportata.
Naturalmente, queste architetture non eliminano automaticamente il rischio di errore: richiedono una corretta selezione delle fonti, controlli tecnici, valutazioni delle prestazioni e supervisione professionale.
Il vantaggio risiede nella possibilità di progettare l’affidabilità come requisito verificabile, anziché considerarla una qualità implicita del modello.
5. Il valore concreto per studi legali e imprese
L’integrazione tra governance e architetture AI specializzate apre opportunità applicative particolarmente significative.
Tra gli ambiti individuati figurano l’analisi di grandi volumi di contratti, la due diligence, il confronto tra clausole e modelli documentali, la ricerca normativa e la gestione di informazioni giuridiche distribuite tra ordinamenti differenti.
Nel contesto internazionale di Dubai, queste esigenze assumono una rilevanza particolare, considerando la coesistenza di tradizioni di civil law e common law e la complessità delle operazioni transfrontaliere.
Un’AI specializzata può contribuire a ridurre il tempo dedicato alle attività documentali, consentendo ai professionisti di concentrarsi maggiormente sulla valutazione dei rischi, sulla negoziazione e sulle scelte strategiche.
Il risultato atteso non è la sostituzione del giurista, ma una diversa organizzazione del lavoro.
L’automazione deve liberare capacità professionale, non ridurre la qualità del giudizio umano.
6. Techno Polis: collegare governance, ricerca e implementazione tecnologica
Le prospettive di Andrea Stazi e Alessandro Marchesini riflettono il modello integrato di Techno Polis Forum-Lab.
Da un lato, l’analisi comparata dei sistemi normativi, la ricerca accademica e il confronto con istituzioni e stakeholder internazionali.
Dall’altro, lo sviluppo di soluzioni AI specializzate, orientate alle esigenze operative di organizzazioni che richiedono sicurezza, affidabilità e controllo delle informazioni.
Attraverso il proprio Tech Laboratory, Techno Polis lavora proprio all’intersezione tra queste due dimensioni, traducendo requisiti giuridici e strategici in criteri di progettazione tecnologica.
La collaborazione con il mondo accademico e con professionisti del settore legale costituisce un elemento essenziale di questo approccio: progettare sistemi realmente utili richiede di conoscere non soltanto le possibilità offerte dalla tecnologia, ma anche le responsabilità e i vincoli dei contesti nei quali viene utilizzata.
7. Il futuro del LegalTech sarà una questione di fiducia
Il dibattito sull’Intelligenza Artificiale nelle professioni legali viene spesso rappresentato come una scelta tra innovazione e prudenza.
Ma questa contrapposizione rischia di essere fuorviante.
Le organizzazioni non devono scegliere tra velocità e sicurezza, né tra automazione e responsabilità.
Devono piuttosto sviluppare modelli tecnologici nei quali queste dimensioni possano rafforzarsi reciprocamente.
La riflessione giuridica di Andrea Stazi e l’approccio ingegneristico di Alessandro Marchesini convergono su un principio fondamentale:
L’AI professionale deve essere progettata per essere controllabile, verificabile e affidabile. Non soltanto per apparire intelligente.
È su questa capacità di integrare tecnologia, diritto e responsabilità che si giocherà una parte decisiva del futuro del LegalTech.