Intelligenza artificiale per lo studio legale, senza far uscire i dati
Un assistente di intelligenza artificiale per lo studio legale che conosce l'archivio dello studio (pratiche, pareri, atti, contratti) e risponde citando sempre il documento di origine. Gira su un server nello studio: nessun documento viene inviato a un servizio cloud.
Un assistente legale AI che conosce la storia dello studio
In ogni studio c'è un patrimonio che nessuno riesce più a consultare: anni di pareri, atti, contratti e corrispondenza sparsi tra cartelle di rete, PDF, file Word e scansioni. La domanda tipica è "abbiamo già scritto qualcosa su questo?", e la risposta dipende dalla memoria di chi c'era.
L'assistente fa una cosa sola, bene: cerca nell'archivio dello studio e risponde in linguaggio naturale, indicando per ogni affermazione il documento, la pratica e la pagina da cui viene. Se nell'archivio la risposta non c'è, lo dice. Non sostituisce le banche dati giurisprudenziali: lavora sul vostro materiale, che nessuna banca dati ha.
La differenza rispetto a ChatGPT o a un software AI per avvocati in cloud è dove vivono i dati. Qui il modello, l'indice e i documenti stanno su hardware dello studio (o su un server dedicato sotto il vostro controllo). Niente copie presso terzi, niente addestramento di modelli altrui sui vostri fascicoli.
Segreto professionale e GDPR: perché l'AI resta nello studio
Segreto professionale
Il Codice deontologico forense impone segreto e riservatezza su tutto ciò che si apprende nel mandato. Caricare atti su un servizio esterno significa affidarli a un terzo e fidarsi delle sue condizioni d'uso. Se il modello gira in casa, il problema non si pone.
GDPR e dati particolari
Nei fascicoli ci sono dati sanitari, giudiziari, familiari. Con un sistema on-premise non c'è trasferimento verso fornitori AI (tantomeno extra UE) e la valutazione d'impatto riguarda un perimetro che controllate voi: server, accessi, log, backup.
Permessi come nel gestionale
Non tutti in studio vedono tutte le pratiche. La ricerca filtra per pratica e per utente prima ancora di interrogare il modello: chi non ha accesso a un fascicolo non ne riceve nemmeno un estratto.
Risposte verificabili
Ogni risposta riporta le fonti con link al documento. L'avvocato controlla in pochi secondi; quello che non è citato non va usato. È la regola che riduce le "allucinazioni" a un problema gestibile.
Il flusso: dall'archivio alla risposta con la fonte
Estrazione del testo e OCR delle scansioni
PDF, Word, email esportate e scansioni vengono convertiti in testo; le scansioni passano da un OCR. A ogni documento si associano metadati: cliente, pratica, data, tipo di atto. È la fase più noiosa e quella che decide la qualità di tutto il resto.
Indicizzazione semantica in un database locale
Il testo viene diviso in passaggi e trasformato in vettori che ne rappresentano il significato, salvati in un database sul server dello studio. Così la ricerca trova "recesso anticipato" anche se l'atto dice "scioglimento prima della scadenza".
Ricerca filtrata per pratica e permessi
Alla domanda si recuperano i passaggi più pertinenti, già filtrati per i fascicoli che quell'utente può vedere ed eventualmente per cliente, periodo o tipo di atto.
Risposta del modello, sempre con citazione
Un modello linguistico open-weight da 70-120 miliardi di parametri (o più grande, se l'hardware lo consente) legge solo quei passaggi e scrive la risposta, citando documento e pagina. Nessuna chiamata verso l'esterno.
Quanto pesa un archivio, in pratica
Un ordine di grandezza realistico: 50 GB di documenti (PDF, Word, scansioni) diventano 5-10 GB di testo una volta estratti, perché gran parte del peso sono immagini e impaginazione. L'indice semantico occupa in genere 5-15 GB. Numeri che stanno comodamente su un singolo server; il componente che conta davvero è la GPU che fa girare il modello, e la si dimensiona sul numero di persone che lo usano in contemporanea. Non ho un listino: hardware e perimetro ti sono chiari prima di iniziare, e si parte da un prototipo su una parte dell'archivio.
Perché il modello cerca nei documenti invece di "impararli"
Per far "conoscere" l'archivio a un'intelligenza artificiale si usa il RAG (Retrieval-Augmented Generation): il modello non memorizza i documenti, li cerca al momento della domanda e risponde su quello che trova. Un nuovo parere entra nell'indice in pochi minuti, un documento cancellato sparisce dalle risposte, e ogni frase si può ricondurre alla sua fonte.
Il fine-tuning (riaddestrare il modello sui vostri testi) fa un'altra cosa: insegna stile, formato e classificazione, non i fatti. Ha senso, in piccolo, se volete bozze che seguano la struttura e il lessico degli atti dello studio, o per smistare automaticamente i documenti per tipo. Usarlo per "far sapere" al modello cosa c'è nelle pratiche è un errore: le informazioni si mescolano, non si aggiornano e non si possono citare.
Intelligenza artificiale per avvocati: ChatGPT, software in cloud o AI privata
| ChatGPT e chatbot generici | Software AI per avvocati (cloud) | AI privata on-premise | |
|---|---|---|---|
| Dove vanno i documenti | Server del fornitore | Server del fornitore | Restano nello studio |
| Conosce l'archivio dello studio | Solo i file caricati a mano | In parte, se caricate i documenti | Sì, tutto l'archivio indicizzato |
| Cita la fonte interna | No | Spesso su banche dati pubbliche | Sempre, documento e pagina |
| Permessi per pratica | No | Dipende dal prodotto | Sì, gli stessi dello studio |
| Quando ha senso | Testi generici, nessun dato del cliente | Ricerca su normativa e giurisprudenza | Lavoro sui fascicoli e sul know-how dello studio |
Stefano Salvucci
Ingegnere iscritto all'Albo di Roma, 12+ anni tra sviluppo, architettura e automazione, co-fondatore di BusinessinCloud. Lavoro come fractional CTO per chi non ha un team tecnico: progetto e costruisco il sistema, lo installo sull'infrastruttura dello studio e lascio documentazione e accessi a voi, non a me.
Come si parte
Prima una call gratuita di 30 minuti per capire archivio, numero di utenti e vincoli. Poi un prototipo su un campione dell'archivio (una o due aree di pratica): se le risposte non sono utili, il progetto si chiude lì con un investimento contenuto. Se funziona, si estende a tutto l'archivio e si integra con il modo in cui lo studio lavora già.
AI per studi legali: le domande più comuni
Posso usare ChatGPT nello studio legale con i documenti dei clienti?
Con i documenti dei clienti è una scelta delicata: i file vengono elaborati sui server del fornitore e la tutela dipende dal contratto e dalla configurazione dell'account. Per testi generici va bene; per atti e pareri coperti da segreto professionale conviene un sistema che giri nello studio.
Cosa vuol dire intelligenza artificiale on-premise?
Che il modello linguistico, l'indice dei documenti e i documenti stessi stanno su hardware sotto il controllo dello studio (in sede o su un server dedicato), senza chiamate a servizi AI esterni. Funziona anche senza connessione a internet.
L'AI per avvocati si inventa le risposte?
Un modello linguistico può sbagliare. Per questo il sistema risponde solo sulla base dei passaggi recuperati dall'archivio e cita sempre documento e pagina: se una frase non ha fonte, non va usata. Se l'archivio non contiene la risposta, l'assistente lo dice.
Che differenza c'è tra RAG e fine-tuning?
Il RAG fa cercare al modello nei vostri documenti al momento della domanda: serve per far conoscere l'archivio, si aggiorna subito e permette di citare le fonti. Il fine-tuning riaddestra il modello: serve per stile, formato degli atti e classificazione, non per i contenuti delle pratiche.
Funziona anche con le scansioni e i documenti vecchi?
Sì, le scansioni passano da un OCR prima dell'indicizzazione. La qualità dipende da quella delle scansioni: documenti storti, timbri e manoscritti si leggono peggio, ed è una delle cose che si verifica nel prototipo.
Che hardware serve?
Archivio e indice occupano poco: 50 GB di documenti diventano 5-15 GB di indice. Il componente da dimensionare è la GPU che fa girare il modello (70-120 miliardi di parametri o più), in base a quante persone lo usano insieme e a quanto velocemente devono arrivare le risposte. Lo si stabilisce prima di comprare qualunque cosa.
Quanto costa l'intelligenza artificiale per uno studio legale?
Dipende da dimensione dell'archivio, numero di utenti e hardware. Non ho un listino: perimetro e costo del prototipo ti sono chiari prima di iniziare, e il prototipo su un campione dell'archivio serve proprio a decidere se vale la pena andare avanti.
Parliamo del vostro archivio
30 minuti, gratuiti: valutiamo se e come un sistema on-premise può servire allo studio.