“Massime inconferenti con la fattispecie”, quando l’uso “acritico” dell’AI configura colpa grave

La sentenza che non c’era

La vicenda processuale del Tribunale di Mantova riguardava, in origine, una domanda di revocatoria ordinaria ex art. 2901 del codice civile. Una signora - chiamiamola Caia, come nei manuali - aveva ottenuto ipoteche giudiziali sui beni del suo ex marito, Tizio, in forza di pronunce relative al mantenimento. Poco dopo l’iscrizione dell’ipoteca, Tizio aveva donato quegli immobili ai figli. Caia aveva impugnato le donazioni come fraudolente.

Il giudice ha rigettato la domanda per difetto dell’eventus damni - cioè perché non era stato dimostrato che le donazioni avessero concretamente pregiudicato la garanzia patrimoniale della creditrice. Fine della storia, sul merito.

Ma nella motivazione sulle spese - la parte che normalmente nessuno legge - il Tribunale ha fatto qualcosa di inusuale. Ha scrutinato la qualità degli argomenti difensivi. Ha verificato le massime giurisprudenziali citate nella memoria della parte attrice. E ha trovato che quelle massime erano «inconferenti rispetto alla fattispecie concreta».

Non sbagliate il punto. Non si tratta di una semplice divergenza interpretativa, del tipo “quella sentenza dice una cosa, ma si può leggere anche così”. Il Tribunale ha rilevato un problema più radicale: precedenti che non calzavano alla fattispecie, citati come se calzassero perfettamente. La distanza tra la norma di diritto enunciata e il caso concreto non era il frutto di un ragionamento discutibile. Era il frutto di qualcosa che non ragiona affatto.

L’IA generativa non sbaglia come sbaglia un avvocato distratto. Sbaglia come sbaglia una macchina che ottimizza la coerenza formale senza avere accesso alla realtà. Produce la risposta più plausibile statisticamente. Non la risposta vera.

Il giudice ha formulato l’ipotesi in termini prudentemente ipotetici - «verosimilmente generate» - ma il segnale è inequivocabile. In un atto difensivo depositato davanti a un tribunale italiano nel 2026, c’erano massime di legittimità che con ogni probabilità non corrispondevano a sentenze reali. Erano allucinazioni. Firmate da un avvocato.

Il caso di Mantova non arriva nel vuoto. Arriva dopo un’escalation documentata, che in Italia è iniziata nell’autunno del 2025 e che nel mondo anglosassone era già in pieno svolgimento dal 2023.

Nel settembre 2025, il Tribunale di Torino - Sezione Lavoro, sentenza n. 2120/2025 - ha condannato per lite temeraria un difensore che aveva citato in un ricorso lavoristico una massima della Cassazione inesistente. Era la prima condanna italiana documentata di questo tipo. Ha fatto notizia per una settimana, poi è sparita dai radar.

Nello stesso mese, il TAR Milano ha rimesso gli atti all’Ordine degli Avvocati di Milano a seguito di un ricorso contenente riferimenti giurisprudenziali non verificabili. L’Ordine ha dovuto valutare se aprire un procedimento disciplinare. Il segnale era chiaro: il problema non era solo processuale. Era deontologico.

Nel frattempo, la Cassazione penale - Sezione III, sentenza n. 34481/2025 - aveva già sollevato il tema sotto un profilo diverso: la funzione giurisdizionale è compatibile con atti costruiti algoritmicamente? La risposta implicita era no.

• Ogni volta che un avvocato presenta in giudizio una citazione inventata da una macchina, sta commettendo qualcosa che si chiama frode processuale. Poco importa che non lo sapesse.

All’estero il film era già andato avanti. Nell’agosto 2025, in Australia, un King’s Counsel - il massimo titolo dell’avvocatura anglosassone - si era scusato davanti alla Corte Suprema del Victoria per aver depositato memorie in un processo per omicidio che contenevano discorsi parlamentari inventati e citazioni inesistenti. La causa riguardava un minorenne imputato di omicidio. L’errore aveva ritardato il procedimento di 24 ore. Il giudice aveva ricordato un principio che non avrebbe dovuto aver bisogno di ricordare: la Corte si fida delle memorie degli avvocati. Se quella fiducia è mal riposta, l’intero sistema si inceppa.

Negli Stati Uniti, il caso M. v. A. - 2023 - aveva già stabilito il precedente. Un giudice federale di New York aveva inflitto 5.000 dollari di multa a due avvocati e al loro studio per aver presentato ricerche giuridiche generate da ChatGPT, complete di citazioni a sentenze mai pronunciate. L’anno successivo, Michael Cohen - ex avvocato di Donald Trump - aveva depositato altri atti con citazioni inventate dalla stessa fonte.

Il pattern è identico in tutti i casi: velocità, risparmio di tempo, fiducia acritica nell’output, mancata verifica. La firma in calce all’atto è umana. La responsabilità è umana. La macchina non risponde in tribunale.

Qui è dove la storia smette di essere cronaca giudiziaria e diventa qualcosa di più scomodo. Perché le allucinazioni non sono un bug. Sono una conseguenza strutturale del modo in cui i Large Language Models funzionano.

Un modello linguistico viene addestrato su miliardi di testi. Impara a prevedere il token - la parola, il frammento - più probabile dato il contesto. Non ha accesso a un database di verità. Non consulta archivi giuridici in tempo reale. Produce la sequenza di parole statisticamente più plausibile date le parole precedenti.

Quando un avvocato chiede a un LLM «dammi giurisprudenza della Cassazione sull’eventus damni nella revocatoria ordinaria», il modello produce qualcosa che assomiglia a giurisprudenza della Cassazione sull’eventus damni nella revocatoria ordinaria. Organo giudicante, numero di sentenza, anno, principio di diritto: tutto formalmente coerente. Tutto potenzialmente inventato.

• OpenAI ha ammesso in un paper del settembre 2025 che le allucinazioni persistono perché i sistemi di valutazione premiano l’indovinare piuttosto che il riconoscere l’incertezza. La macchina ottimizza per sembrare corretta, non per essere corretta.

C’è un secondo problema, più subdolo. I modelli linguistici soffrono di sycophancy sistematica: tendono a produrre output che corrispondono alle aspettative implicite del richiedente. Se un avvocato formula una domanda con una tesi già incorporata - «ho bisogno di sentenze che supportino X» - il modello tende a fornire sentenze che supportano X. Non perché le cerchi. Perché le costruisce a partire dall’aspettativa. È un sofista digitale. La sua funzione è persuadere, non informare.

Il problema non è tecnicamente irrisolvibile. Strumenti come Westlaw Precision, LexisNexis+AI, Casetext hanno accesso a database verificati e possono in teoria limitare le allucinazioni citazionali. Ma anche questi sistemi producono errori. Un’inchiesta del settembre 2025 della testata 404 Media ha raccolto le testimonianze di 18 avvocati sorpresi a usare l’IA: la maggior parte non verificava sistematicamente le citazioni perché «il sistema sembrava affidabile». Il sembrare affidabile non è essere affidabile. Nel diritto, questa differenza si chiama colpa grave.

La decisione del Tribunale di Mantova ha una valenza che va oltre la singola condanna. Il Giudice Arrigoni ha fatto una scelta precisa: non ha invocato normativa speciale, non ha atteso un intervento legislativo ad hoc. Ha applicato l’art. 96 c.p.c. - responsabilità processuale aggravata - e ne ha tratto tutte le conseguenze.

Questo è un messaggio al sistema: non serve aspettare l’AI Act, non serve aspettare una legge sull’IA forense. Gli strumenti ci sono già. La colpa grave era colpa grave prima dei transformer e lo è dopo. Il difensore che porta in giudizio argomentazioni costruite senza verifica è responsabile - che le abbia scritte lui, che le abbia copiate da internet, o che le abbia generate con un modello linguistico.

Il comma 4 dell’art. 96, introdotto dalla Riforma Cartabia, aggiunge una dimensione ulteriore: il versamento alla Cassa delle ammende. Non è solo un risarcimento alla controparte danneggiata dal procedimento inutile. È una sanzione con funzione punitivo-deterrente. Il messaggio è: abusare dello strumento processuale ha un costo che ricade sul responsabile, non solo sul sistema.

• La norma non ha bisogno di aggiornarsi per capire cosa sia la colpa. Ha bisogno di avvocati e giudici che si aggiornino per applicarla.

Sul fronte deontologico, il quadro normativo è già articolato. La Legge n. 132 del 23 settembre 2025 - la prima legge italiana sull’intelligenza artificiale - ha recepito parzialmente le prescrizioni dell’AI Act europeo.

L’art. 50 della Legge 247/2012 sull’ordinamento forense consente l’apertura di procedimenti disciplinari per condotte che ledono la dignità professionale. Gli artt. 9, 12 e 14 del Codice Deontologico Forense impongono doveri di competenza, lealtà e correttezza.

La Carta HOROS - adottata dall’Ordine degli Avvocati di Milano nel 2024 - e le linee guida CCBE dell’ottobre 2025 hanno tradotto questi principi in obblighi operativi:

Sono principi ragionevoli. Il problema è che sono volontari. E le linee guida volontarie, nella professione forense come altrove, vengono rispettate finché non costano niente. Quando costano tempo, costano soldi, costano la rinuncia all’efficienza promessa dalla macchina, l’adozione si riduce.

Facciamo un passo indietro. Perché un avvocato usa l’IA per costruire argomentazioni giuridiche senza verificarle?

La risposta ovvia è: per risparmiare tempo. Ma questa risposta è insufficiente. Risparmiare tempo rispetto a cosa? Rispetto alla ricerca manuale della giurisprudenza, che è lenta, costosa e richiede competenza. Rispetto alla costruzione di un’argomentazione originale, che richiede pensiero. La velocità non è un fine. È un mezzo. E la domanda rilevante è: mezzo verso cosa?

Qui entra in gioco quello che chiamo il problema della delega cognitiva. L’avvocato non usa l’IA per fare ricerca più velocemente e poi applicare il proprio giudizio critico ai risultati. L’avvocato usa l’IA per saltare il giudizio critico. La macchina produce l’output, l’avvocato lo firma. La firma è sua. Il pensiero è della macchina. O meglio: non è pensiero di nessuno. È statistica.

• Non è innovazione. È esternalizzazione del ragionamento giuridico a un sistema che non ragiona. È la stessa logica con cui un medico firmerebbe una diagnosi prodotta da un algoritmo senza visitare il paziente.

Il paradosso è che questa delega è resa possibile - e in qualche misura incentivata - dalla struttura economica della professione forense. Un avvocato che produce in un’ora quello che prima richiedeva quattro ore non ottiene automaticamente più tempo per pensare meglio. Ottiene pressione a prendere quattro volte più clienti, a gestire quattro volte più fascicoli, a fatturare quattro volte di più. L’efficienza si converte in volume, non in qualità.

Questa è la parte che i convegni sull’IA forense omettono sistematicamente. Parlano di opportunità, parlano di strumenti, parlano di competitività. Non parlano di come il modello di business dello studio legale trasforma l’efficienza tecnologica in pressione quantitativa, che riduce i margini dedicati alla verifica critica, che produce esattamente gli errori che stiamo descrivendo.

L’IA non è causa del problema. È l’amplificatore. Il problema è la struttura di incentivi che premia la quantità sulla qualità e che delega il controllo a chi ha il minor incentivo a esercitarlo.

C’è un’altra dimensione che le analisi tecniche ignorano: la distribuzione asimmetrica della competenza nelle strutture legali.

In uno studio legale di medie dimensioni, chi usa l’IA per produrre ricerche giuridiche è spesso un collaboratore giovane, sotto pressione, con meno esperienza per valutare criticamente l’output. Chi firma l’atto è il socio o il titolare, che ha esperienza ma che ha anche meno tempo - e meno incentivo - per rileggere ogni citazione nel dettaglio. La responsabilità è del firmatario. La competenza critica necessaria per verificare l’output è del junior, che però non ha potere decisionale.

Questa faglia strutturale non è nuova. Esiste da quando gli studi legali hanno iniziato a scalare usando collaboratori. Ma l’IA la accentua in modo qualitativo: prima, un collaboratore che sbagliava una citazione sbagliava una citazione reale - verificabile, rintracciabile, confutabile. Oggi, un collaboratore che si fida di un output allucinato produce un errore invisibile: una sentenza che sembra reale, che ha tutti i crismi formali della realtà, ma che non esiste.

• La differenza tra un errore tradizionale e un’allucinazione dell’IA è che il primo si trova. Il secondo si trova solo se sai che devi cercarlo

È questa la ragione per cui la sentenza di Mantova parla di uso «acritico» dell’IA, non semplicemente di uso «errato». L’errore presuppone un processo valutativo che ha prodotto un risultato sbagliato. L’uso acritico presuppone l’assenza di processo valutativo. Non c’è stata verifica. Non perché la verifica fosse impossibile. Perché il sistema - la struttura, gli incentivi, la fretta - non l’ha richiesta.

La sentenza del Tribunale di Mantova è un precedente. Non perché introduca una nuova norma - non lo fa. Ma perché fissa un punto di riferimento: l’uso dell’IA senza verifica critica può configurare colpa grave ai sensi dell’art. 96 c.p.c. Il percorso argomentativo è disponibile. Altri giudici possono seguirlo.

La domanda è se questo sarà sufficiente a cambiare i comportamenti. La risposta onesta è: probabilmente no, nel breve termine.

Le condanne per lite temeraria sono rare in Italia - la soglia della colpa grave è alta per ragioni di politica processuale. Il rischio percepito di essere condannato per aver usato l’IA senza verifica è basso rispetto al risparmio di tempo immediato. Finché il costo atteso dell’errore è inferiore al beneficio atteso dell’efficienza, la delega cognitiva continuerà.

Serve qualcosa di diverso. Tre interventi paralleli, almeno

• La professione forense è fondata su una promessa implicita: io, avvocato, rispondo davanti al giudice e davanti al cliente dell’argomentazione che porto. Se quell’argomentazione è prodotta da una macchina che non risponde di nulla, la promessa è rotta.

________

*Avv. Alberto Bozzo, DPO e CAIO, Referente Enia per la Regione Veneto