Questo è il secondo articolo della nostra serie dedicata all’adozione dell’IA. Leggi il primo, “Perché l’adozione dell’IA nel settore legale si arena prima ancora di iniziare”, per scoprire come le organizzazioni passano da una fase di sperimentazione frammentaria dell’IA a un approccio strutturato.

Un modo migliore per individuare i problemi giuridici che vale la pena risolvere con l'IA

Chiedete a una platea di avvocati, esperti di tecnologia legale, consulenti o fornitori quali siano i casi d’uso dell’intelligenza artificiale e non rimarrete certo a corto di idee.

Revisione dei contratti. Sintesi dei casi. Ricerca giuridica. Redazione. Due diligence. Ricerca di informazioni. Revisione delle fatture. Cronologie. Accoglienza dei clienti. Uno strumento di intelligenza artificiale potrebbe generarne altre 50 prima ancora che la riunione finisca.

La parte difficile non è più pensare a cosa potrebbe fare l'intelligenza artificiale, ma capire quali problemi valga davvero la pena risolvere.

I casi d'uso continuano ad avere la loro importanza. Mostrano ciò che è possibile fare, stimolano nuove idee e aiutano le organizzazioni a imparare da ciò che fanno gli altri. L'errore è considerare l'elenco come una scoperta.

Partite dalla domanda “Dove possiamo utilizzare l’IA?” e quasi ogni processo manuale potrà trasformarsi in un’opportunità per l’IA. Individuate le attività che creano attrito, richiedono troppo tempo o rendono inaccessibili informazioni importanti, e la prospettiva cambierà.

Considerate innanzitutto le attività che le persone non dovrebbero più essere costrette a svolgere. Poi individuate le informazioni, i rischi, le conoscenze o le relazioni che l’organizzazione dovrebbe essere in grado di cogliere, ma che oggi non è ragionevolmente in grado di cogliere. Infine, chiedetevi di quale contesto, accesso e autorità abbia bisogno una soluzione.

Si tratta di una prova molto più impegnativa rispetto alla creazione di casi d'uso, ed è più probabile che porti a qualcosa che valga la pena realizzare.

Inizia dalle cose che dovrebbero sparire

Alcune delle migliori opportunità si nascondono proprio in quei lavori che ormai nessuno nota più. Te ne accorgi quando qualcuno:

• Effettua ricerche su diversi sistemi perché non sa dove si trovino le informazioni
• Chiede a un collega qualcosa che, tecnicamente, si trova altrove
• Copia le informazioni da un sistema all'altro
• Verifica due fonti, poiché nessuna delle due è del tutto affidabile
• Ricrea un documento perché trovare l'originale richiederebbe troppo tempo
• Tiene un foglio di calcolo personale perché il sistema ufficiale non offre la visualizzazione di cui ha bisogno

Nessuna di queste attività sembra particolarmente significativa di per sé. È in parte per questo che continuano a esistere.

Cerca i comportamenti ricorrenti: cercare, muoversi, controllare, riconciliare, ricreare, chiedere, inseguire. Poi chiediti perché quella persona debba compierli.

Se un avvocato ha ripetutamente difficoltà a reperire il lavoro svolto in precedenza, la soluzione potrebbe risiedere in una ricerca più efficace, nei metadati, nelle procedure di archiviazione o nella gestione delle conoscenze. Se il personale reinserisce ripetutamente le stesse informazioni, potrebbe essere sufficiente che i due sistemi si scambino i dati. Se qualcuno sta raccogliendo manualmente informazioni da diverse fonti perché comprenderle richiede un confronto, una sintesi o un giudizio, l’intelligenza artificiale potrebbe svolgere un ruolo significativo.

La domanda utile non è: «L’intelligenza artificiale è in grado di farlo?», bensì: «Perché qualcuno deve farlo, in primo luogo?».

Siate disposti a riconoscere che l’IA è la risposta sbagliata

Un buon processo di individuazione basato sull'intelligenza artificiale dovrebbe sia eliminare i casi d'uso sia crearne di nuovi. Alcuni problemi si risolvono meglio attraverso la configurazione. Altri richiedono automazione, integrazione, riprogettazione dei processi, una formazione più efficace o tecnologie già in dotazione all'organizzazione.

Prendiamo ad esempio un ufficio legale che raccoglie manualmente informazioni da diversi sistemi per redigere un rapporto periodico sullo stato di avanzamento. Sembra proprio un’occasione ovvia per l’applicazione dell’intelligenza artificiale.

Forse è così.

Ma se il lavoro consiste principalmente nel trasferire dati strutturati in un unico posto, l’integrazione o la reportistica potrebbero risolvere il problema in modo più affidabile. Se qualcuno deve leggere aggiornamenti descrittivi, risolvere informazioni contrastanti, identificare cosa è cambiato e spiegare cosa è importante, l’intelligenza artificiale potrebbe apportare un valore aggiunto.

La distinzione sembra semplice. In pratica, però, è facile trascurarla perché, una volta che un’organizzazione avvia un’iniziativa nel campo dell’IA, si crea la pressione di dover individuare progetti legati all’IA.

È il contrario.

Il problema dovrebbe giustificare l'uso della tecnologia.

Presta attenzione ai confini già esistenti

C'è un altro indicatore utile quando si valuta un'opportunità: a che punto l'organizzazione inizia a sentirsi a disagio?

Molte organizzazioni legali si sentono già più a loro agio con alcune attività legate all’intelligenza artificiale rispetto ad altre, anche se non hanno mai spiegato esattamente il perché. Riassumere un documento che un avvocato ha già aperto è una cosa diversa dal cercare tra migliaia di pratiche. Creare una bozza interna è una cosa diversa dal comunicare con un cliente. Suggerire il passo successivo è una cosa diversa dal compierlo. Leggere le informazioni da un sistema è una cosa diversa dal modificarle al suo interno.

Queste differenze sono indicative. Le preoccupazioni possono riguardare la riservatezza delle informazioni, il pubblico a cui sono destinate, le conseguenze di un errore, la possibilità di verificare cosa sia successo in seguito, la possibilità di annullare un’azione o il livello di autorità delegato dall’organizzazione.

Questi non sono motivi per smettere di integrare l’intelligenza artificiale nel lavoro legale. Sono spunti per la progettazione.

Dal contesto alle conseguenze

Il contesto crea valore. L’accesso crea capacità. L’autorità crea conseguenze. Questa distinzione assume sempre maggiore importanza man mano che l’IA legale va oltre il ruolo di semplice strumento che attende un comando.

Il Model Context Protocol (MCP), le API, le integrazioni e i sistemi agentici possono consentire all’intelligenza artificiale di operare con le informazioni presenti nell’ambito della tecnologia legale e, sempre più spesso, di utilizzarle in modo proattivo.

Il contesto viene prima di tutto. Di cosa ha bisogno l’IA per comprendere correttamente il lavoro? Un contratto privo degli standard del cliente, un documento senza il contesto in cui si inserisce o un singolo elemento del lavoro isolato dal contesto storico che lo circonda possono essere disponibili al sistema, ma potrebbero comunque non fornire ciò di cui ha bisogno per essere utile.

Poi c’è la questione dell’accesso. A quali sistemi e fonti di informazione deve effettivamente accedere la soluzione? La connettività può eliminare gran parte del lavoro manuale superfluo. Un avvocato non dovrebbe essere costretto a scaricare ripetutamente informazioni soggette a regole di governance, trasferirle in un’altra applicazione, svolgere il proprio lavoro e poi ricostruire il contesto semplicemente perché i sistemi non sono interconnessi.

Chiediti quali siano i requisiti del caso d'uso.

L'autorità è ancora un altro discorso. Recuperare informazioni non equivale a modificare un record. Raccomandare un'azione non equivale a eseguirla. Redigere una comunicazione non equivale a inviarla. Man mano che i flussi di lavoro basati sull'intelligenza artificiale acquisiscono una maggiore capacità di agire, la revisione umana, il monitoraggio e la possibilità di annullare un'azione assumono sempre maggiore importanza.

Fornite alla soluzione il contesto necessario, l’accesso richiesto per svolgere il compito e l’autorità adeguata alle conseguenze.

Il secondo percorso di scoperta: cosa dovremmo riuscire a vedere?

Eliminare il lavoro superfluo rappresenta solo metà delle potenzialità.

L’altra metà è più difficile da individuare perché nessuno sta svolgendo il compito mancante. L’informazione, semplicemente, non è visibile.

Gli studi legali accumulano enormi quantità di informazioni relative a cause, contratti, corrispondenza, documenti di lavoro, trattative, consulenze e interazioni con i clienti. Tuttavia, le decisioni importanti continuano a basarsi solo su quella parte di informazioni che una persona riesce a trovare o di cui è a conoscenza.

Un avvocato potrebbe ricordare che lo studio ha gestito una questione simile diversi anni fa, ma non sapere di quale caso si trattasse né chi vi avesse lavorato. Un team legale aziendale potrebbe aver negoziato la stessa clausola centinaia di volte, ma non avere alcun modo pratico per individuare gli schemi ricorrenti in tali negoziazioni. Un responsabile di area potrebbe sapere che lo studio vanta una profonda esperienza in un settore emergente, senza però essere in grado di individuare rapidamente i casi, le persone e il lavoro che lo dimostrano.

Non si tratta di flussi di lavoro inefficienti nel senso comune del termine. Nessuno ha necessariamente bisogno di un pulsante più veloce. Il problema è una visione incompleta.

Cosa dovrebbe essere in grado di vedere l'organizzazione che oggi non è ragionevolmente in grado di vedere?

L'intelligenza artificiale può aiutare a mettere in luce relazioni, schemi, conoscenze o rischi che sarebbero difficili da individuare per una persona all'interno di un ampio corpus di informazioni. Il valore risiede nel fornire a chi prende la decisione una visione più chiara.

Ecco come può essere una visibilità ancora migliore

La sicurezza ne è un esempio. I sistemi di sicurezza esistenti determinano e regolano gli accessi, monitorano le attività e applicano i controlli stabiliti. L’intelligenza artificiale non dovrebbe sostituire tali funzioni.

Ma immaginiamo una situazione in cui la normativa consenta tecnicamente un’azione e le circostanze siano comunque insolite. La domanda potrebbe non essere più semplicemente: «Era consentito?», ma piuttosto: «Il contesto è tale da giustificare un’analisi più approfondita?».

Potrebbe trattarsi di un problema di visibilità risolvibile con l'ausilio dell'intelligenza artificiale, in cui è una persona a formulare il giudizio in materia di sicurezza.

L’intelligenza relazionale ne offre un altro esempio. Gli studi legali dispongono già di tecnologie CRM e di intelligenza relazionale. Definire tutto ciò “CRM basato sull’intelligenza artificiale” non introduce alcuna novità.

La domanda più interessante è: cosa sa l’organizzazione che non traspare dal fascicolo strutturato? La cronologia del caso, la corrispondenza, i lavori precedenti e altri contenuti istituzionali possono rivelare esperienze, competenze o relazioni difficili da cogliere solo dai dati di contatto.

Anche l'IA nel settore legale genera informazioni

Questa è la parte della progettazione dell'intelligenza artificiale che, a mio avviso, merita molta più attenzione.

Dedichiamo molto tempo a riflettere su quali informazioni vengono elaborate dall’intelligenza artificiale. Dedichiamo invece molto meno tempo a riflettere su cosa ne sia di ciò che l’intelligenza artificiale crea.

Supponiamo che un flusso di lavoro basato sull’intelligenza artificiale produca una cronologia utile relativa a un caso, un’analisi di una trattativa, un briefing per il cliente o una sintesi del lavoro svolto in precedenza. Dove finisce tutto questo? Un altro avvocato potrà trovarlo sei mesi dopo? Rimane collegato al caso e al materiale di riferimento su cui si è basato?

Qualcuno può spiegare cosa ha generato l’IA, cosa è stato revisionato da una persona e quale è stato il risultato finale? Il risultato finale entra a far parte del patrimonio di conoscenze dell’organizzazione o scompare nell’area di lavoro dedicata all’IA di un singolo utente?

I flussi di lavoro basati sull'intelligenza artificiale stanno diventando un'ulteriore fonte di risultati concreti. La destinazione finale di tali risultati deve essere presa in considerazione nella progettazione dei casi d'uso.

Il DMS svolge un ruolo importante in questo contesto, poiché i team legali lo utilizzano già per collegare il lavoro alla pratica e conservare il contesto in cui tale lavoro si inserisce. I risultati di valore generati dall’IA sollevano la stessa domanda: in che modo rimangono collegati al lavoro legale da cui provengono?

In caso contrario, un’organizzazione può utilizzare con successo l’intelligenza artificiale per estrarre conoscenze dai propri contenuti istituzionali, creando al contempo un nuovo corpus di lavori che nessun altro è in grado di individuare o riutilizzare in modo affidabile.

Non creare un nuovo problema di gestione delle informazioni per risolvere un problema legato all'intelligenza artificiale.

Cambiare il modo di affrontare il tema della scoperta

Gli elenchi dei casi d'uso sono utili. Basta usarli in un secondo momento.

La conversazione esplorativa può ridursi a tre domande:

• Quali mansioni dovrebbero scomparire? Concentratevi sulle attività di ricerca, spostamento, verifica, riconciliazione, ricreazione, richiesta e inseguimento che le persone hanno imparato ad accettare come parte del proprio lavoro.
• Cosa dovremmo essere in grado di vedere che oggi non riusciamo a vedere? Cerca le decisioni che le persone prendono senza disporre delle conoscenze, dei modelli, dei rischi, delle relazioni o del contesto di cui l’organizzazione è già a conoscenza.
• Di quale contesto, accesso e autorizzazione ha effettivamente bisogno la soluzione? Stabilisci cosa il sistema deve comprendere, a quali aree deve poter accedere e quali azioni può compiere.

Per mettere in pratica queste domande, utilizza il Foglio di lavoro per l'individuazione delle opportunità offerte dall'IA per individuare potenziali opportunità, comprendere quali siano i fattori di attrito e stabilire se l’IA sia effettivamente l’intervento più indicato.

A volte sarà così. Altre volte, invece, una soluzione più semplice sarà la scelta migliore. Entrambe le risposte sono utili, perché lo scopo della fase esplorativa non è quello di generare un maggior numero di progetti di intelligenza artificiale, bensì di individuare i problemi che vale la pena risolvere.

Questo risponde a una domanda: abbiamo individuato il problema giusto?

E poi c'è la domanda successiva: vale davvero la pena investire in questa soluzione?

Nel prossimo articolo vedremo come condurre una valutazione del valore dell’IA per rispondere a questa domanda prima di passare da un’idea promettente a un investimento nell’IA.