Un glossario di IA giuridica spiega il vocabolario tecnico alla base degli strumenti legali basati sull’IA: dai modelli linguistici di grandi dimensioni e RAG alle allucinazioni. Chiunque valuti prodotti di IA giuridica o li utilizzi quotidianamente ha bisogno di conoscere questo vocabolario: aiuta a interpretare le dichiarazioni dei fornitori, a definire con precisione i rischi e a prendere decisioni consapevoli sull’implementazione dell’IA in uno studio legale o in un ufficio legale interno.
Che cos’è l’IA giuridica?
L’IA giuridica si riferisce ai sistemi di IA utilizzati specificamente per attività legali: analisi dei contratti, rilevamento dei rischi, ricerca giuridica, revisione dei documenti. Non sostituiscono gli avvocati, ma si occupano di attività cognitive ripetitive: leggere testi, riconoscere strutture e segnalare scostamenti.
In Svizzera, gli studi legali e gli uffici legali interni utilizzano sempre più piattaforme come CASUS, che analizzano i documenti direttamente in Microsoft Word o in un’app web, senza trasferire i dati negli Stati Uniti e senza conservare alcun dato.
I 25 termini più importanti dell’IA giuridica
1. Intelligenza artificiale (IA)
Macchine che simulano i processi del pensiero umano: apprendimento, riconoscimento di schemi, risoluzione di problemi. L’attuale IA giuridica è la cosiddetta IA ristretta, specializzata in attività specifiche. Un’IA generale e cosciente non esiste in alcuna forma produttiva.
2. Apprendimento automatico (ML)
I sistemi di ML apprendono regole dai dati e dai risultati, anziché essere programmati esplicitamente. In ambito giuridico: classificazione dei contratti, rilevamento dei rischi, raggruppamento di documenti simili.
3. Apprendimento supervisionato
Un metodo di ML in cui il modello viene addestrato su dati di esempio etichettati, ad esempio contratti contrassegnati manualmente come «ad alto rischio» o «a basso rischio». Il modello impara a classificare di conseguenza i nuovi documenti.
4. Apprendimento non supervisionato
ML senza etichette predefinite. Il modello individua autonomamente schemi e raggruppamenti nei dati. Utile per strutturare documenti in grandi insiemi di dati, ad esempio nei processi di due diligence.
5. Apprendimento profondo
Una branca del ML che utilizza reti neurali multistrato e grandi quantità di dati. Consente un’elaborazione del linguaggio più complessa e la comprensione semantica dei testi contrattuali.
6. Modello linguistico di grandi dimensioni (LLM)
Un modello linguistico addestrato su enormi quantità di testo, in grado di comprendere e generare il linguaggio umano. Un esempio noto è GPT-4. Gli LLM sono alla base della maggior parte degli strumenti moderni di IA giuridica, utilizzati per riepiloghi, bozze e ricerche.
7. Elaborazione del linguaggio naturale (NLP)
NLP indica le tecniche che consentono alle macchine di elaborare e comprendere il linguaggio naturale. Nell’IA giuridica: estrazione di clausole, identificazione delle parti contrattuali, analisi di testi giuridici non strutturati.
8. IA generativa
IA che crea nuovi contenuti: testi, bozze, riepiloghi. Si basa su LLM e NLP. In ambito giuridico: formulazioni contrattuali, memorandum, e-mail di risposta. L’IA generativa produce bozze che richiedono comunque una revisione legale.
9. Prompt
Un’istruzione o una domanda fornita a un sistema di IA. Nel contesto dell’IA giuridica, la formulazione precisa del prompt influisce in modo significativo sulla qualità dei risultati. Prompt specifici e ricchi di contesto producono risultati migliori rispetto a richieste vaghe.
10. Finestra di contesto
La quantità di testo che un modello può elaborare in una sola volta, ovvero la sua memoria di lavoro. Una finestra di contesto ridotta comporta la necessità di suddividere in parti i contratti lunghi (chunking). I modelli moderni dispongono di finestre di contesto sempre più ampie, che migliorano la gestione dei documenti lunghi.
11. Suddivisione in blocchi (chunking)
Suddivisione di documenti di grandi dimensioni in segmenti più piccoli da elaborare con il modello. È rilevante quando un contratto supera la finestra di contesto. Una suddivisione in blocchi ben implementata preserva la continuità semantica tra i segmenti.
12. Allucinazione
Un sistema di IA inventa informazioni — decisioni giudiziarie, articoli di legge, contenuti di clausole — inesistenti o errate. Le allucinazioni sono il rischio principale nell’uso dell’IA giuridica. I sistemi affidabili si basano su fonti e rendono trasparenti le citazioni.
13. RAG — generazione potenziata dal recupero di informazioni
RAG combina un modello linguistico con una base di conoscenze esterna. Anziché attingere solo ai dati di addestramento, il sistema recupera attivamente documenti o decisioni pertinenti e li integra nella risposta. Ciò riduce le allucinazioni e rende i risultati più verificabili.
14. Embedding
Rappresentazioni vettoriali matematiche del testo che rendono misurabile la somiglianza semantica. Gli embedding consentono la ricerca semantica: «trova tutte le clausole simili alle limitazioni di responsabilità», anche quando viene utilizzata una terminologia diversa.
15. Affinamento (fine-tuning)
Un modello preaddestrato viene ulteriormente addestrato su dati specifici — ad esempio, l’archivio contrattuale dello studio — per fornire risultati più precisi per determinate attività. Richiede molte risorse ed è delicato dal punto di vista della protezione dei dati.
16. IA agentica
Sistemi di IA che pianificano ed eseguono autonomamente attività articolate in più passaggi, senza richiedere una nuova istruzione per ciascun passaggio. In ambito contrattuale: un agente analizza il contratto, individua le modifiche necessarie e inserisce una clausola nel punto appropriato. L’IA agentica richiede comunque una significativa supervisione umana.
17. Catena di ragionamento
Tecnica in cui il modello espone il proprio ragionamento passo dopo passo prima di giungere a una conclusione. È importante per ottenere risultati verificabili e difendibili, ad esempio nelle valutazioni giuridiche o nelle analisi dei rischi contrattuali.
18. Guardrail
Misure di sicurezza tecniche o basate su policy che limitano il comportamento dei sistemi di IA, ad esempio vietando determinati tipi di output, fissando soglie di accuratezza o richiedendo un’escalation in caso di incertezza. Sono particolarmente rilevanti in ambito giuridico per le questioni di conformità e responsabilità.
19. Nessuna conservazione dei dati
Un principio di protezione dei dati: i dati inseriti non vengono conservati dopo l’elaborazione, registrati nei log né utilizzati per l’addestramento dei modelli. È rilevante per il segreto professionale e la riservatezza dei clienti. CASUS non conserva alcun dato.
20. Localizzazione dei dati
Il luogo fisico in cui i dati vengono conservati ed elaborati. Per gli studi legali svizzeri, spesso i dati non devono lasciare la Svizzera o il SEE. CASUS ospita i dati in Svizzera e nell’UE: nessun trasferimento di dati negli Stati Uniti.
21. Distorsione / bias algoritmico
Quando i dati di addestramento presentano distorsioni sistematiche, il modello riproduce tali distorsioni nei suoi risultati. In ambito giuridico, questo è problematico nei sistemi di supporto alle decisioni, nelle valutazioni dei rischi o nei modelli predittivi.
22. Output strutturato / risultati strutturati
Risultati dell’IA presentati in un formato definito, ad esempio una tabella con livello di rischio, parte, estratto della clausola e suggerimento di miglioramento. Gli output strutturati possono essere elaborati direttamente, trasferiti in report o condivisi con i colleghi. Il CASUS Risk & Quality Review presenta i risultati in base all’incarico, alla rilevanza e alla gravità.
23. Analisi dei dati giuridici
Analisi di grandi quantità di dati giuridici — decisioni giudiziarie, esiti dei contenziosi, comportamento dei giudici — per ricavare informazioni strategiche. Esempi: probabilità di successo in un determinato tribunale, risarcimenti tipici nei casi di responsabilità.
24. Ricerca semantica
Ricerca che tiene conto del significato e del contesto, non solo delle parole chiave esatte. Permette di trovare tutte le clausole sulle «limitazioni di responsabilità» anche quando il testo usa l’espressione «massimale dei danni».
25. Vettorializzazione
Processo di conversione del testo in vettori numerici confrontabili matematicamente. È alla base della ricerca semantica e dei confronti di somiglianza basati sugli embedding. In pratica: un contratto viene «vettorializzato» e poi confrontato con una banca dati di clausole.
Perché questi termini sono importanti per gli avvocati in Svizzera
Chi acquista prodotti di IA giuridica o ne valuta l’adozione all’interno della propria organizzazione incontrerà questi termini nelle presentazioni dei fornitori, nelle valutazioni sulla protezione dei dati e nei questionari di sicurezza. Conoscere il vocabolario fa la differenza tra un accordo SaaS negoziato correttamente e uno con lacune nella protezione dei dati.
In concreto: comprendere cosa significano «nessuna conservazione dei dati» e «localizzazione dei dati» permette di chiedere con precisione se un fornitore trasferisce i dati negli Stati Uniti. Sapere cosa sono le allucinazioni consente di verificare se un sistema si basa su fonti o genera risposte prive di fondamento.
Per gli studi legali svizzeri e gli uffici legali interni che valutano l’IA giuridica, la pagina sulla sicurezza e sulla protezione dei dati di CASUS documenta nel dettaglio le misure tecniche di protezione dei dati della piattaforma.
Lavorando con CASUS, questi concetti diventano concreti: la AI Chat con Agent Mode utilizza output strutturati e riferimenti alle fonti, la modalità Legal Research effettua ricerche tra oltre 1 milione di decisioni e più di 21.000 leggi per la Svizzera, oltre 620.000 documenti giuridici per la Germania e oltre 1,58 milioni di documenti giuridici per l’Austria, utilizzando fonti citate, mentre la AI Data Room estrae il contenuto delle clausole da centinaia di documenti in base a campi definiti dall’utente. I team che desiderano provare queste funzionalità possono testare CASUS su app.getcasus.com/signup.
Per il diritto svizzero, CASUS effettua inoltre ricerche nei commentari ad accesso libero di Onlinekommentar e nelle informazioni sulle imprese di ZEFIX, l’Indice centrale svizzero delle ditte. Consulta la panoramica aggiornata delle fonti.
Domande frequenti
Che cos’è un glossario di IA giuridica?
Un glossario di IA giuridica è una raccolta strutturata di definizioni dei termini tecnici utilizzati negli strumenti legali basati sull’IA, dai concetti fondamentali come l’apprendimento automatico a termini specifici di sicurezza come la mancata conservazione dei dati.
Che cosa significa allucinazione nel contesto dell’IA giuridica?
Per allucinazione si intende un contenuto generato dall’IA che è errato o interamente inventato, ad esempio decisioni giudiziarie inesistenti o riferimenti normativi sbagliati. I sistemi affidabili di IA giuridica si basano su fonti e rendono trasparenti le citazioni.
Che cos’è RAG e perché è importante per l’IA giuridica?
RAG (generazione potenziata dal recupero di informazioni) combina un modello linguistico con una base di conoscenze esterna. Prima di rispondere, il sistema recupera attivamente le fonti pertinenti, come decisioni giudiziarie o articoli di legge. Ciò riduce le allucinazioni e rende i risultati verificabili.
Che cosa significa la mancata conservazione dei dati per gli studi legali?
La mancata conservazione dei dati significa che i dati inseriti non vengono conservati dopo l’elaborazione, né nei log né per l’addestramento dei modelli. È importante per gli studi legali perché i dati dei clienti e le informazioni coperte dal segreto professionale non confluiscono in sistemi di terze parti.
Qual è la differenza tra affinamento e preaddestramento?
Il preaddestramento è l’addestramento iniziale di un modello su grandi insiemi di dati generici. L’affinamento consiste in un ulteriore addestramento su dati specifici — come testi giuridici — per migliorare la precisione in determinate attività. L’affinamento richiede molte risorse ed è delicato quando coinvolge dati dei clienti.
Che cos’è l’IA agentica in ambito giuridico?
L’IA agentica si riferisce a sistemi in grado di pianificare ed eseguire attività articolate in più passaggi senza ricevere nuove istruzioni a ogni passaggio. Esempio: un agente esamina un contratto, individua le clausole mancanti e inserisce formulazioni adeguate nel punto giusto. La supervisione umana resta necessaria per le questioni giuridiche complesse.
Qual è la differenza tra ricerca semantica e ricerca per parole chiave?
La ricerca semantica tiene conto del significato e del contesto: trova passaggi pertinenti anche quando viene utilizzata una terminologia diversa da quella della ricerca. La ricerca per parole chiave individua solo corrispondenze esatte. In ambito contrattuale, la ricerca semantica trova «massimale dei danni» quando si cerca «limitazione di responsabilità».
Quali requisiti di protezione dei dati si applicano all’IA giuridica in Svizzera?
I requisiti principali derivano dalla revisione della Legge federale sulla protezione dei dati (nLPD), dal GDPR in presenza di collegamenti con l’UE e dagli obblighi relativi al segreto professionale. Gli studi legali dovrebbero assicurarsi che i fornitori non trasferiscano dati negli Stati Uniti, non conservino alcun dato e ospitino i dati in Svizzera o nel SEE.






