L’integrazione dell’AI negli studi legali: dal patrimonio documentale al legal engineer

Negli ultimi mesi, i principali sviluppatori di modelli di AI hanno lanciato offerte dedicate al settore legale, da ultimo Microsoft con Copilot for Legal il 15 ottobre 2026. Nel frattempo, in Italia sono stati pubblicati i primi decreti attuativi della legge 132/2025. La domanda non è più se adottare l’AI, ma su quale patrimonio di conoscenza e con quali competenze farlo, in una strada in parte già tracciata.

Il passaggio decisivo è quello del passaggio dal sapere generale del modello al sapere specifico dello studio. È ciò che fa una knowledge base AI: atti, pareri e modelli vengono estratti, suddivisi in porzioni e indicizzati con tecniche di ricerca semantica; alla domanda dell’avvocato il sistema recupera i passaggi pertinenti e il modello formula la risposta su quella base, rinviando alle fonti interne. Lo schema si chiama retrieval-augmented generation (RAG) e, nelle architetture più evolute, l’indice è affiancato da un grafo delle entità e delle relazioni (cd. knowledge graph).

Cambia così la natura della risposta, che non nasce più da una conoscenza indistinta, ma da un corpus determinato e verificabile. E cambia la collocazione dello strumento, che può vivere in un servizio del fornitore, in un cloud privato con dati localizzati nell’Unione o direttamente sui server dello studio, con modelli eseguiti in locale: una scelta tecnica solo in apparenza, perché da essa dipendono l’allocazione dei ruoli privacy, i trasferimenti di dati e la tutela del segreto professionale.

Copilot for Legal compie un passo ulteriore portando le funzioni giuridiche dentro Word e le collega ai gestionali documentali e raggiungendo così l’avvocato nell’ambiente in cui già lavora. Ne abbassa la soglia d’ingresso e sposta il valore sul patrimonio documentale dello studio e su chi lo organizza.

Accanto a queste offerte è cresciuto un ecosistema open che consente di costruire la knowledge base in casa, con componenti per l’estrazione dei testi, l’orchestrazione dei flussi RAG e l’interrogazione documentale. È la strada del massimo controllo in cui lo studio può ispezionare il codice, trattenere i dati nella propria infrastruttura e ridurre la dipendenza dal singolo fornitore. Ne assume però per intero la gestione, dagli aggiornamenti di sicurezza alla configurazione dei permessi, e deve verificare le licenze, perché alcuni progetti diffusi sono “source available” e non open source in senso stretto. In assenza di un contratto con un fornitore, inoltre, gli obblighi del GDPR e dell’AI Act gravano interamente sullo studio.

Spesso, peraltro, le sperimentazioni nascono da avvocati o tecnici che costruiscono strumenti per il proprio lavoro prima che l’organizzazione adotti una soluzione, secondo la dinamica dei «lead user» descritta dalla letteratura sull’innovazione. Anche in questo caso, però, lo strumento sviluppato dal singolo e alimentato con dati dei clienti rientra nei trattamenti di cui lo studio è titolare e nell’uso di sistemi di AI di cui lo studio è deployer. Per questo le misure organizzative rilevanti - ambienti di prova, elenchi di strumenti autorizzati, procedure di validazione prima dell’uso sui fascicoli - non attengono solo all’efficienza, ma servono anche a dimostrare la conformità (accountability, art. 5, par. 2, GDPR).

Qui la prospettiva si inverte. Se a modellare il metodo dello studio è il legal engineer del fornitore, flussi, playbook e agenti costruiti sulla prassi interna si sedimentano sulla piattaforma, e la dipendenza riguarda il sapere organizzativo più ancora dei documenti. Una competenza interna, anche affiancata a quella del fornitore, consente invece di conservare quel lavoro, di valutarne la qualità e di trasferirlo: non per spendere meno, ma per scegliere in modo libero e consapevole.

Sul piano normativo, l’articolo 13 della legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025, consente l’uso dell’AI nelle professioni intellettuali solo per attività strumentali e di supporto, con prevalenza del lavoro intellettuale oggetto della prestazione, e impone di comunicare al cliente, con linguaggio chiaro, semplice ed esaustivo, le informazioni sui sistemi utilizzati. Una knowledge base che recupera precedenti interni ricade di regola nell’area del supporto; resta però in capo al professionista la verifica dei contenuti e la responsabilità dell’atto.

Sul piano operativo vi sono almeno tre aree critiche da presidiare.

Ne deriva che la scelta tra soluzione interna e piattaforma verticale dipende dalla dimensione dello studio, dalle competenze tecniche disponibili e dal grado di controllo sui dati richiesto. La soluzione interna offre il massimo controllo e personalizzazione, con oneri di gestione e sicurezza a carico dello studio; la piattaforma verticale trasferisce parte di questi oneri al fornitore, ma sposta la tutela sul piano contrattuale: localizzazione dei dati, divieto di addestramento, certificazioni di sicurezza, clausole di audit e di uscita, che attenuano, ma non eliminano la dipendenza dal fornitore. In entrambi i casi restano invariati gli obblighi di informativa al cliente, di formazione del personale e di verifica umana degli output.

Ad avviso di chi scrive, il criterio decisivo, tuttavia, è chi svolge il lavoro di ingegneria della conoscenza.

Una knowledge base interna senza un presidio dedicato resta un indice di documenti; una piattaforma verticale affiancata da un legal engineer interno lascia allo studio la titolarità del proprio metodo. È questa competenza, più della scelta del software, a fare dell’AI una risorsa dello studio anziché un servizio acquistato.