Un progetto di AI per studi legali funziona quando parte da un’attività ripetitiva e misurabile, come la prima lettura dei documenti in arrivo o la preparazione delle bozze standard, non da un assistente generico che “risponde a tutto”.
In sintesi
- I progetti che reggono in uno studio legale sono quelli agganciati a un flusso concreto e ripetuto ogni settimana, con un output che un professionista controlla prima che esca.
- Il vincolo più pesante non è tecnico ma deontologico: il segreto professionale e il trattamento dei dati dei clienti decidono dove i documenti possono essere elaborati.
- Un fornitore serio ti dice dove finiscono i dati, chi resta responsabile dell’output e cosa succede se il progetto non funziona.
Dove l’AI regge davvero in uno studio legale
Le attività che si automatizzano bene in uno studio sono quelle che si ripetono con la stessa struttura. Tre esempi concreti.
Smistamento e prima lettura della posta. Un agente legge le PEC e le email in arrivo, riconosce il tipo di atto, estrae le parti, il numero di ruolo e le scadenze, apre la pratica nel gestionale e segnala al titolare solo quello che richiede una decisione. Il professionista continua a leggere tutto, ma legge già ordinato.
Ricerca interna sui precedenti dello studio. Uno studio con dieci anni di atti ha già un patrimonio che nessuno riesce a consultare. Un sistema di ricerca semantica sul proprio archivio risponde a domande come “abbiamo già scritto una comparsa su questo tema” e restituisce il documento, non un riassunto inventato. La differenza sta tutta nel citare la fonte interna.
Bozze standard. Diffide, richieste di accesso agli atti, lettere di incarico. L’agente compila la bozza usando i modelli dello studio e i dati già presenti in pratica. Firma e responsabilità restano dell’avvocato.
Quello che non regge, oggi: la redazione autonoma di atti difensivi e la ricerca giurisprudenziale lasciata senza controllo. I modelli generalisti producono citazioni plausibili e inesistenti, e in un atto una citazione falsa è un danno diretto. Se cerchi il quadro generale prima di entrare nel merito del fornitore, parti da intelligenza artificiale negli studi legali.
Cosa determina l’impegno
Chi ti dà una stima prima di aver visto il flusso sta indovinando. L’impegno di un progetto di AI per studi legali dipende da quattro variabili.
Il numero di integrazioni. Collegare un solo gestionale è un conto. Collegare gestionale, PEC, archivio documentale e sistema contabile è un altro. Ogni sistema ha il suo modo di autenticarsi e la sua qualità dei dati.
Lo stato dei documenti. Un archivio già digitale e ordinato per pratica si aggancia in giorni. Un archivio fatto di PDF scansionati senza testo richiede prima una fase di riconoscimento e di pulizia, e quella fase è spesso più lunga della costruzione dell’agente.
Quante eccezioni ha il processo. Un flusso con tre casistiche si automatizza. Un flusso dove ogni pratica è diversa va prima semplificato, altrimenti stai codificando il disordine.
Il livello di controllo richiesto. Un output che esce firmato pretende passaggi di verifica, log delle decisioni e possibilità di correggere. Sono lavoro in più, e sono la parte che protegge lo studio.
Come ordine di grandezza, un diagnostico iniziale con mappa dei processi automatizzabili si chiude in circa due settimane. La costruzione di un singolo agente si colloca su una scala di tre o sei settimane, e si muove esattamente sulle quattro variabili qui sopra.
Quando NON è il caso
Ci sono situazioni in cui un progetto di questo tipo non conviene, ed è meglio dirlo prima.
Se lo studio ha meno di cinque persone e un flusso documentale contenuto, il tempo recuperato non ripaga il lavoro di messa a terra. Meglio sistemare i modelli e il gestionale.
Se il processo che vuoi automatizzare cambia ogni mese, l’agente va rifatto ogni mese.
Se nessuno in studio ha tempo da dedicare nei primi trenta giorni, il progetto non riesce. Servono interviste, accesso ai dati e feedback sul prototipo. È la condizione che salta più spesso.
E c’è un limite nostro, che vale la pena mettere in chiaro: non costruiamo modelli LLM da zero. Usiamo Claude, GPT e Gemini come componenti. Se il tuo obiettivo è addestrare un modello proprietario su un corpus giuridico, ti conviene rivolgerti altrove.
Domande da fare al fornitore
Sono le domande che separano un fornitore che ha costruito davvero da uno che ha letto una presentazione.
1. Dove vengono elaborati i documenti e dove restano i dati? Vuoi sapere quale provider, in quale regione, con quale accordo sul trattamento dei dati e se i contenuti vengono usati per addestrare modelli.
2. Come gestite il segreto professionale? L’articolo 13 del codice deontologico forense non ammette sfumature. Il fornitore deve saperti dire quali dati escono dallo studio e quali no, non rassicurarti in generale.
3. Cosa succede quando il sistema sbaglia? Chiedi di vedere un caso reale in cui l’output è stato errato e cosa è stato messo in piedi per intercettarlo.
4. Chi mantiene il sistema tra sei mesi? Un agente non è un sito. Cambiano le API, cambia il gestionale, cambiano i modelli.
5. Mi lasciate il controllo di quello che avete costruito? Prompt, logiche e configurazioni devono restare leggibili e portabili, non chiusi in una scatola del fornitore.
6. Come misuriamo se sta funzionando? Un numero deciso prima di partire, non una sensazione a fine progetto.
7. Avete costruito qualcosa di simile su un processo documentale? Il settore conta meno del tipo di flusso.
Come valutare il servizio
Valuta sul metodo, non sulla presentazione.
Prima il diagnostico, poi il preventivo. Chi ti propone l’agente prima di aver mappato il flusso sta vendendo un prodotto, non risolvendo il tuo problema.
Deve esistere un prototipo prima dell’impegno pieno. Due settimane su un caso stretto e verificabile dicono più di qualsiasi demo.
Competenza sulla parte normativa. Il Regolamento (UE) 2024/1689, l’AI Act, classifica i sistemi per livello di rischio e impone obblighi di trasparenza e tracciabilità che riguardano anche gli studi professionali che li usano. Sul lato dati, le indicazioni del Garante per la protezione dei dati personali sono il riferimento per il trattamento. Un fornitore che non sa dirti in quale categoria ricade quello che sta costruendo ti lascia il rischio in mano. Se vuoi capire il perimetro, cosa prevede l’AI Act è il punto di partenza.
Trasparenza sullo stack. Noi costruiamo gli agenti con il Claude Agent SDK di Anthropic e integriamo i sistemi che lo studio già usa. Sapere quali componenti hai sotto ti permette di cambiarli.
Continuità dopo il lancio. Chiedi cosa comprende il periodo successivo alla consegna e chi risponde quando qualcosa si rompe.
Un confronto utile, se nello studio c’è anche un’area fiscale: le stesse logiche applicate alla contabilità sono descritte in AI per commercialisti.
Domande frequenti
L’AI può scrivere un atto al posto mio?
No, e nessun fornitore serio te lo proporrà. Può preparare la bozza di un documento standard partendo dai tuoi modelli. La revisione e la firma restano tue.
I dati dei miei clienti finiscono in un modello pubblico?
Dipende dalla configurazione, ed è la domanda da fare per prima. Esistono configurazioni in cui i contenuti non vengono usati per l’addestramento e restano in una regione definita. Va scritto nel contratto, non detto a voce.
Quanto tempo serve prima di vedere un risultato?
Il diagnostico chiude in circa due settimane con una mappa dei processi e una priorità. Il primo agente in produzione si colloca su una scala di settimane, non di mesi, se il processo scelto è stretto.
Serve cambiare gestionale?
Quasi mai. Nella maggior parte dei casi si lavora sui dati che il gestionale già espone. Se non espone nulla, quello sì diventa un vincolo reale.
Se stai valutando un progetto per il tuo studio, il passo sensato è partire dal flusso che ti pesa di più e vedere se regge un prototipo stretto. Puoi guardare come lavoriamo sulla parte di sviluppo di agenti AI e portarci il processo che vorresti togliere dalla scrivania. Luca E. Villa segue direttamente la fase di diagnostico.
