Nel Legal AI, l’affidabilità non dipende soltanto dalla qualità delle banche dati. Conta anche l’architettura che governa la ricerca, la selezione delle informazioni e la generazione delle risposte.

Quando un avvocato pone una domanda a un sistema di intelligenza artificiale, vede soltanto una parte del processo: la richiesta che ha formulato e la risposta che riceve.

Tra questi due momenti, però, avvengono operazioni che possono determinare la qualità del risultato: il sistema deve comprendere la richiesta, individuare le fonti pertinenti, selezionare le informazioni utili e utilizzarle per costruire una risposta coerente.

Ma chi controlla queste operazioni? E soprattutto, quali garanzie esistono che il sistema abbia consultato le fonti corrette prima di formulare una conclusione?

È una questione che diventa particolarmente rilevante quando l’intelligenza artificiale viene utilizzata per attività giuridiche, contrattuali o di compliance, nelle quali un’informazione incompleta può incidere su valutazioni e decisioni professionali.

Avere una banca dati non significa saperla utilizzare

Molte applicazioni di Legal AI collegano un modello linguistico a un archivio documentale attraverso tecniche di Retrieval-Augmented Generation (RAG), che permettono di recuperare informazioni pertinenti al momento della richiesta, ma non tutti i sistemi organizzano questo processo nello stesso modo.

Alcune architetture affidano al modello linguistico un ruolo importante anche nella pianificazione delle ricerche e nella scelta degli strumenti da utilizzare. Altre prevedono componenti dedicate che governano il recupero delle informazioni, stabiliscono criteri di selezione e applicano controlli prima della generazione della risposta.

La differenza può essere significativa: una domanda giuridica complessa, infatti, può richiedere di distinguere tra normativa, giurisprudenza e dottrina, verificare la rilevanza temporale di una disposizione e collegare informazioni provenienti da documenti differenti.

Disporre delle fonti è indispensabile, ma è altrettanto importante governare il percorso attraverso il quale quelle fonti vengono individuate e utilizzate.

L’approccio TextGenius: il modello è un componente, non l’intero sistema

TextGenius adotta un’architettura nella quale le funzioni di ricerca, selezione e controllo delle informazioni sono gestite da un livello di orchestrazione dedicato, distinto dal modello linguistico utilizzato per formulare la risposta.

L’orchestratore definisce quali fonti interrogare, come articolare le ricerche e quali informazioni recuperare dalla knowledge base alimentata dai contenuti specialistici di Lefebvre Giuffrè.

Secondo l’architettura progettata per la piattaforma, questo livello può inoltre gestire condizioni nelle quali le informazioni disponibili non sono sufficienti a sostenere una risposta, prevedendo controlli aggiuntivi o il coinvolgimento di un professionista.

Il modello linguistico interviene nella fase di formulazione del risultato, utilizzando le informazioni selezionate attraverso il processo di ricerca.

Questa separazione mira a ridurre la dipendenza dalle conoscenze interne del modello e a rendere più controllabile il percorso che conduce alla risposta. Non significa eliminare ogni rischio di errore, ma introdurre responsabilità e verifiche specifiche nelle diverse fasi del processo.

Una scelta che riguarda anche l’indipendenza tecnologica

Separare il modello linguistico dalle altre componenti dell’architettura ha un’ulteriore conseguenza: permette di progettare una piattaforma che non dipenda necessariamente da un unico fornitore di AI.

I modelli evolvono rapidamente, cambiano prestazioni, condizioni economiche e caratteristiche operative. Per uno studio professionale o un’impresa che investe in una soluzione destinata a essere utilizzata negli anni, la possibilità di sostituire il modello senza ricostruire l’intero sistema rappresenta un elemento importante di flessibilità.

L’approccio cloud-agnostic e la separazione delle componenti adottati da TextGenius rispondono anche a questa esigenza, pur richiedendo verifiche di compatibilità e integrazione quando si cambia tecnologia.

Per Chief Legal Officer, responsabili compliance e procurement, la scelta di una piattaforma AI riguarda quindi non soltanto le funzionalità disponibili oggi, ma anche la capacità di mantenerne il controllo nel tempo.

La qualità della risposta comincia prima della risposta stessa

La diffusione dell’intelligenza artificiale nel lavoro legale sta spostando l’attenzione dalle sole prestazioni dei modelli alla qualità dell’intero sistema.

Una risposta affidabile richiede fonti pertinenti, procedure di ricerca adeguate, controlli sulle informazioni recuperate e la possibilità di verificare il risultato e proprio per questo, nella valutazione di una soluzione Legal AI, accanto alla domanda su quale modello viene utilizzato dovrebbe trovarne spazio un’altra, altrettanto importante, ovvero chi controlla ciò che il modello può utilizzare per rispondere.