Uno dei grandi paradossi dell’intelligenza artificiale applicata al diritto è che i modelli più avanzati del pianeta vengono addestrati su una rappresentazione incompleta della legge. Mentre tribunali federali, sentenze della Corte Suprema, statuti statali e regolamenti amministrativi sono ormai relativamente accessibili in formato digitale, un’enorme porzione della regolazione quotidiana rimane dispersa in migliaia di siti web municipali, piattaforme proprietarie e documenti PDF spesso scarsamente strutturati. Il progetto LOCUS acronimo di Local Ordinance Corpus for the United States, tenta di colmare proprio questa lacuna, costruendo il più vasto archivio machine-readable delle ordinanze locali statunitensi mai realizzato.
La portata dell’iniziativa è impressionante. Il corpus grezzo raccoglie codici normativi provenienti da 9.239 città e contee americane, coprendo praticamente la totalità delle ordinanze locali pubblicamente disponibili. Parallelamente, gli autori hanno sviluppato un livello di accesso armonizzato a livello di contea che interessa 2.309 delle 3.144 contee statunitensi, includendo la maggioranza della popolazione americana. Si tratta di un salto quantitativo e qualitativo rilevante per la ricerca in legal AI, perché consente finalmente di analizzare sistematicamente il diritto locale su scala nazionale.
Il tema potrebbe sembrare accademico, ma il diritto locale influenza aspetti essenziali della vita economica e sociale. Le ordinanze comunali disciplinano urbanistica, licenze commerciali, regolamenti edilizi, salute pubblica, gestione degli animali, rumore, parcheggi, attività economiche e persino dettagli apparentemente marginali che possono determinare il successo o il fallimento di un’impresa. Un imprenditore che desidera aprire una dark kitchen, installare pannelli solari o avviare un servizio di micromobilità scopre rapidamente che il vero campo di battaglia normativo non è Washington, bensì il municipio locale.
La frammentazione rappresenta da tempo il principale ostacolo. Gran parte dei codici comunali statunitensi è pubblicata attraverso fornitori specializzati come Municode o American Legal Publishing, piattaforme progettate per la consultazione umana e non per l’analisi computazionale su larga scala. Questo modello ha generato una sorta di “feudalesimo informativo” nel quale la legge, pur essendo formalmente pubblica, rimane sostanzialmente inaccessibile per applicazioni avanzate di ricerca automatizzata.
LOCUS affronta il problema utilizzando tecniche OCR per estrarre testo da una straordinaria varietà di formati documentali. L’uso massiccio del riconoscimento ottico dei caratteri evidenzia una realtà spesso ignorata dagli evangelisti dell’AI: gran parte dell’infrastruttura normativa mondiale è ancora conservata in PDF scarsamente indicizzati, scansioni di qualità mediocre o documenti prodotti decenni fa. Prima ancora di costruire agenti giuridici autonomi, occorre semplicemente rendere leggibile la legge.
Dal punto di vista della ricerca, le implicazioni sono considerevoli. Gli autori addestrano una serie di classificatori basati su ModernBERT per misurare caratteristiche normative quali opacità e paternalismo regolatorio, dimensioni che fino a oggi erano difficili da studiare empiricamente su scala nazionale. Questo apre la strada a nuove linee di ricerca interdisciplinare tra diritto, economia pubblica, scienza politica e machine learning.
La possibilità di quantificare il grado di complessità normativa locale potrebbe produrre effetti significativi anche sul piano economico. Numerosi studi suggeriscono che l’eccesso di regolazione locale possa incidere negativamente sulla crescita, sull’innovazione e sulla mobilità economica. Disporre di un corpus completo consentirà finalmente di confrontare territori diversi, identificare pattern regolatori e analizzare correlazioni tra qualità normativa e performance economica.
Per l’ecosistema dell’intelligenza artificiale giuridica, LOCUS rappresenta inoltre un banco di prova particolarmente interessante. I moderni sistemi di reasoning legale tendono infatti a performare bene su corpus relativamente ordinati, come sentenze appellate o testi federali. Le ordinanze locali introducono invece un ambiente molto più caotico, caratterizzato da linguaggio eterogeneo, aggiornamenti frequenti, incoerenze redazionali e forte variabilità territoriale. In altre parole, il mondo reale.
Questa iniziativa suggerisce anche una riflessione più ampia sulla sovranità informativa. Se l’AI diventerà progressivamente l’interfaccia primaria attraverso cui cittadini e imprese accederanno al diritto, il controllo sui dati normativi assumerà un’importanza strategica crescente. Rendere il diritto locale accessibile in formato aperto non costituisce soltanto un progresso tecnologico; rappresenta un investimento infrastrutturale nella trasparenza democratica.
Molti osservatori del settore AI continuano a discutere di modelli sempre più grandi, contesti da milioni di token e agenti autonomi generalisti. LOCUS ricorda una verità meno spettacolare ma decisiva: la qualità dei sistemi intelligenti dipende innanzitutto dalla qualità dei dati disponibili. Un modello da trilioni di parametri addestrato su una rappresentazione incompleta della legge produrrà inevitabilmente una comprensione incompleta della realtà normativa. In ambito giuridico, i dati non sono soltanto carburante computazionale. Sono, letteralmente, la legge stessa.
Il corpus LOCUS-v1 e i modelli derivati sono stati resi disponibili ai ricercatori per favorire la riproducibilità scientifica e l’espansione progressiva dell’accesso machine-readable al diritto locale statunitense. La disponibilità pubblica di questa infrastruttura potrebbe accelerare significativamente lo sviluppo di nuove generazioni di assistenti legali, strumenti di compliance automatizzata e sistemi di analisi normativa avanzata, contribuendo a trasformare uno dei segmenti più opachi del diritto americano in una risorsa finalmente accessibile all’ecosistema dell’intelligenza artificiale.