L'IA applicata al settore legale è più facile da acquistare e più difficile da valutare rispetto a due anni fa. Le opzioni disponibili spaziano ora dalle applicazioni per la ricerca e la redazione di testi, all'IA integrata direttamente nei sistemi di gestione dei documenti, fino alle piattaforme di IA generiche collegate alle attività legali.

Il modello rappresenta ormai solo una parte del processo decisionale. Ciò che è in grado di ottenere, quali controlli vengono applicati alle informazioni, se gli avvocati continuano a utilizzarlo dopo il primo mese e se tutto ciò produce un valore misurabile sono fattori che determinano sempre più se la tecnologia funzioni nella pratica.

1. Cosa significherà l’IA nel settore legale nel 2026

L'IA legale è l'intelligenza artificiale, solitamente basata su modelli linguistici di grandi dimensioni (LLM), applicata al lavoro legale nel rispetto dei vincoli che lo rendono unico: segreto professionale, riservatezza, contesto della pratica, accuratezza delle citazioni e norme di responsabilità professionale.

I modelli efficienti e sicuri non sono più una rarità, e questo vale sia per gli strumenti generici che per quelli specifici del settore legale. Ciò che nessuno di essi possiede di per sé è la conoscenza del vostro studio o della vostra organizzazione: quali precedenti utilizza effettivamente il vostro gruppo di pratica, quali casi sono soggetti a barriere etiche, quale versione di un documento è quella attuale o cosa consentono le linee guida di un cliente. Tale conoscenza risiede nei sistemi che avete impiegato anni a costruire, e l’IA deve in qualche modo accedervi.

L’IA legale si presenta oggi in tre forme. C’è l’IA integrata nei sistemi sicuri in cui risiedono già il lavoro e i contenuti legali. Ci sono applicazioni specializzate costruite attorno a specifici flussi di lavoro legali. E ci sono piattaforme di IA generiche collegate ai sistemi e ai contenuti legali. La maggior parte delle organizzazioni utilizzerà una combinazione di queste soluzioni, il che rende la domanda più rilevante non tanto quale categoria prevarrà, quanto piuttosto quali dati ciascuna di esse possa raggiungere, quali controlli vengano applicati alle informazioni una volta che vi giungono e quale attività risulti migliorata di conseguenza.

2. In quali ambiti l’IA legale sta creando valore

Quattro categorie rappresentano gran parte del valore dichiarato, anche se la loro posizione in classifica dipende dall’area di attività e dalle dimensioni dell’organizzazione, nonché dai dati a cui hanno accesso.

Redazione e revisione: prime bozze di contratti, promemoria e corrispondenza, oltre alla revisione dei documenti in arrivo alla luce delle vostre linee guida o dei documenti forniti dal cliente. È l’applicazione più diffusa nei sondaggi sull’uso dell’IA, soprattutto perché si integra direttamente con il lavoro già monitorato e fatturato. La sua principale dipendenza è la qualità dei precedenti, poiché la redazione tramite IA a partire da una libreria di modelli disorganizzata o obsoleta produce versioni curate di contenuti errati.

Ricerca di conoscenze e precedenti: individuazione di lavori precedenti presenti nel proprio archivio anziché sul web aperto. I risultati sono limitati a ciò che l’IA è in grado di vedere e di individuare facilmente. Un modello che opera su una raccolta parziale fornirà comunque risposte con sicurezza, il che rappresenta un errore più difficile da individuare rispetto a un rifiuto esplicito.

Estrazione da più documenti: ricavare informazioni strutturate da un insieme di documenti in un’unica operazione, a fini di due diligence, revisione del portafoglio contrattuale o creazione di una cronologia. È in questo ambito che l’intelligenza artificiale tende a sostituire ore anziché minuti, ed è qui che la citazione delle fonti assume maggiore importanza, poiché il risultato è una tabella su cui qualcuno agirà senza aprire ogni singolo file sottostante.

Intelligenza relativa alle pratiche e ai flussi di lavoro: riassumere i file, estrarre date e impegni e rispondere a domande sullo stato delle attività in corso. L’interesse sta crescendo rapidamente ed è l’area meno consolidata delle quattro, poiché comprendere una pratica è un problema più complesso rispetto alla produzione di un documento.

L’adozione e la spesa stanno procedendo più rapidamente rispetto alla misurazione dei risultati. Thomson Reuters ha rilevato che nel 2026 il 41% degli studi legali dichiarerà di utilizzare l’IA generativa, in aumento rispetto al 28% dell’anno precedente, mentre i budget tecnologici degli studi sono cresciuti di quasi il 10% nello stesso periodo. Una ricerca interna condotta da Axiom nel 2026 ha rilevato che solo circa il 17% dei team legali che utilizzano l’IA ha definito metriche e ne monitora regolarmente il ritorno sull’investimento, mentre tutti i team intervistati prevedevano un aumento del proprio budget dedicato all’IA. Molte organizzazioni sono in grado di descrivere cosa fa la loro IA. Meno numerose sono quelle in grado di descrivere cosa è cambiato grazie ad essa e il valore che ne deriva. In tutti e quattro i casi, la qualità e l’accessibilità dei contenuti sottostanti possono essere importanti tanto quanto il modello che li elabora.

3. Cosa conta davvero quando si valuta l’IA nel settore legale

La maggior parte delle valutazioni attribuisce un peso eccessivo alla demo, ovvero alla fase del processo che il fornitore controlla più da vicino. Sono cinque i fattori che determinano se una piattaforma reggerà nel tempo. Questi fattori non hanno più lo stesso peso. Le funzionalità sono ormai un requisito minimo, mentre il contesto e il controllo sono gli aspetti in cui le piattaforme si differenziano realmente; l’adozione e il valore, infine, dovrebbero determinare se la piattaforma riuscirà a sopravvivere al primo anno.

(1) Capacità

È in grado di svolgere il lavoro in modo affidabile, e gli utenti si accorgeranno quando non lo fa?

Le citazioni inventate rappresentano la modalità di errore con la documentazione pubblica più evidente. Una banca dati pubblica delle sentenze giudiziarie gestita dal ricercatore giuridico Damien Charlotin contava circa 200 casi a metà del 2025 e ha superato quota 1.590 entro giugno 2026, con sanzioni che ora raggiungono cifre a sei zeri e sospensioni dall’albo. In tali dati compaiono strumenti specifici per il settore legale accanto a chatbot generici, e uno studio del RegLab di Stanford ha rilevato che persino le piattaforme a pagamento di ricerca giuridica basate sul recupero di informazioni producevano risposte prive di fondamento su una quota significativa delle richieste. I tribunali si sono generalmente dimostrati più severi nei confronti degli avvocati che non erano in grado di specificare cosa avessero verificato piuttosto che nei confronti dell’uso dell’IA in sé.

Nessun sistema affidabile elimina la necessità di verificare, quindi è proprio la verifica l’aspetto da valutare. Quanto tempo impiega un utente a individuare la fonte da cui proviene una determinata frase o citazione, ad aprirla e a confermare che il contenuto corrisponda a quanto affermato dall’IA? Uno strumento che riduce la verifica a pochi secondi viene utilizzato. Uno strumento che richiede minuti viene utilizzato fino a quando non si presenta la prima vera pressione legata alle scadenze.

(2) Contesto

Cosa è effettivamente in grado di fare l'intelligenza artificiale e in che modo stabilisce cosa è rilevante?

L’accesso da solo non produce un contesto utile. Un’IA che ha accesso a un sottoinsieme curato dei vostri contenuti offre buone prestazioni in una demo, ma delude nella pratica. Un’IA che ha accesso a tutto, comprese bozze superate e questioni abbandonate, fornisce risposte sicure basate su documenti su cui nessuno dovrebbe fare affidamento. Rilevanza, autorizzazioni e attualità devono rimanere costanti mentre il vostro team aggiunge, sostituisce e riorganizza i contenuti. Gli errori in questo ambito sono spesso più difficili da riconoscere per gli utenti rispetto a quelli legati alla qualità del modello. Chiedete come viene determinata la rilevanza e cosa succede quando la risposta corretta non rientra nell’ambito di applicazione.

(3) Controllo

Le autorizzazioni, le barriere etiche, i requisiti di audit, le politiche di conservazione dei dati e le restrizioni dei clienti già in vigore continuano ad applicarsi, oppure l’IA introduce una seconda serie di regole da mantenere sincronizzata con la prima?

Alcuni di questi aspetti devono essere specificati nel contratto: se le vostre informazioni vengono utilizzate per addestrare i modelli del fornitore, dove vengono elaborate e archiviate, e cosa succede ai prompt e agli output al termine di una sessione. Alcuni fornitori applicano inoltre processi di revisione automatizzati o manuali ai contenuti segnalati dai loro sistemi di sicurezza, che possono essere soggetti a regole di conservazione diverse rispetto all’utilizzo ordinario. I team legali dovrebbero comprendere quali sono i fattori che innescano tali revisioni, se i contenuti dei clienti possano essere inclusi, chi possa accedervi e per quanto tempo tali informazioni possano essere conservate. Il resto riguarda l’architettura e dipende dal fatto che lo strumento di IA erediti le autorizzazioni e i limiti dai sistemi già in uso oppure costringa a ricostruirli all’interno dello strumento stesso.

La responsabilità professionale aggiunge un ulteriore livello che gli studi tendono a considerare solo in una fase avanzata. A seconda dello strumento, delle modalità di trattamento delle informazioni dei clienti e del tipo di rappresentanza coinvolta, le linee guida etiche esistenti potrebbero richiedere il consenso informato o la divulgazione, e la formulazione generica contenuta in una lettera di incarico potrebbe non essere di per sé sufficiente. Le linee guida dei clienti prevedono sempre più spesso requisiti specifici relativi all’IA, e molte organizzazioni non hanno riletto le proprie da quando le hanno firmate, il che potrebbe essere avvenuto prima che l’IA fosse presa in considerazione.

La gestione manuale dei documenti solleva un’ulteriore questione. Quando gli utenti scaricano, caricano o copiano ripetutamente contenuti soggetti a governance da un sistema all’altro, l’organizzazione deve affrontare ulteriori ostacoli nel flusso di lavoro e, potenzialmente, ulteriori copie da gestire. Su larga scala, la governance non può dipendere dal fatto che ogni utente ricordi dove sono stati spostati i contenuti o quali controlli debbano essere applicati.

(4) Adozione

La gente lo userà tra sei mesi, e saprete per cosa lo sta usando? I dati grezzi sull'utilizzo nascondono più di quanto rivelino. Non mostrano cosa stanno realizzando le persone, se ciò sia in linea con gli obiettivi aziendali, o se tre team stiano lavorando in silenzio alla stessa cosa perché nessuno ha coordinato il lavoro.

La maggior parte delle valutazioni lo considera un aspetto secondario, ma è proprio qui che le implementazioni falliscono silenziosamente. Più della metà delle aziende dichiara di non fornire alcuna formazione sull’uso responsabile dell’IA, quindi gran parte dell’adozione attuale avviene senza supporto né linee guida sull’uso accettabile, il che mette le persone in una situazione di minore sicurezza e molto più rischiosa. Ogni flusso di lavoro aggiuntivo e ogni nuovo sistema comportano attrito e cambi di attività; anche uno strumento più performante può risultare poco efficace se il suo utilizzo implica l’abbandono ripetuto delle applicazioni con cui gli utenti già lavorano e comporta una conferma manuale dell’accuratezza che richiede molto tempo. Chiedete come si presenta l’utilizzo a 90 e 180 giorni tra i clienti esistenti di un fornitore, piuttosto che al momento del lancio, e insistete per conoscere il valore effettivo che stanno ottenendo al di là delle semplici metriche di utilizzo.

(5) Valore

Puoi dimostrare che c'è stato un miglioramento? Questo è collegato alla strategia aziendale?

Poche aziende misurano il ritorno sull’investimento in modo coerente o riflettono sulla propria strategia aziendale prima di implementare strumenti di intelligenza artificiale; pertanto, il semplice fatto di definire gli obiettivi di successo prima dell’implementazione pone un’organizzazione in una posizione di vantaggio rispetto alla maggior parte del mercato. Scegliete un parametro di riferimento che possiate osservare fin da subito, come ad esempio il tempo impiegato per un tipo di documento ricorrente o i tempi di risposta per una categoria di richieste.

Il valore del lavoro legale non può nemmeno essere ridotto alle ore risparmiate. Le linee guida etiche sono chiare: il tempo dedicato all’apprendimento di uno strumento non è generalmente fatturabile e un’ora di lavoro corrisponde a un’ora in fattura; pertanto, con la fatturazione oraria, l’efficienza può creare tensione con i ricavi proprio per quanto riguarda il lavoro di redazione e ricerca che l’IA riduce per primo. A seconda dell’organizzazione, la questione potrebbe invece riguardare la capacità, i tempi di consegna, la realizzazione, la qualità, l’esperienza del cliente o la possibilità di accettare incarichi che in precedenza venivano rifiutati. Decidere quale di questi aspetti perseguire fa parte della definizione del valore in relazione alla strategia aziendale e alla soddisfazione del cliente, piuttosto che essere una discussione a sé stante sulla fatturazione.

4. Domande da porre prima dell'acquisto

Capacità

• È possibile ricondurre ogni dato in uscita a un documento di origine specifico?
• In che modo un utente può verificare una risposta e quanti passaggi sono necessari?
• Cosa fa il sistema quando non ha una risposta adeguata?

Contesto

• A cosa può accedere la piattaforma di intelligenza artificiale e cosa è escluso?
• Come fa a stabilire quali documenti sono rilevanti?
• Cosa succede quando i contenuti vengono aggiunti, sostituiti o riorganizzati?

Controllo

• Le nostre informazioni vengono utilizzate per addestrare modelli, sia per noi che per altri, e vi impegnerete a garantirlo nel contratto?
• Dove vengono trattati e conservati i nostri dati, e ciò soddisfa i requisiti di residenza dei nostri clienti?
• L'intelligenza artificiale eredita le nostre autorizzazioni e i nostri limiti etici esistenti, oppure richiede un modello a sé stante?
• Cosa succede se, dopo l'implementazione, cambiano le autorizzazioni o le barriere?
• Cosa rimane in memoria dopo una sessione e per quanto tempo?
• In che modo vengono individuati, esaminati e conservati i contenuti sensibili?

Adozione

• Si tratta di una funzionalità integrata negli strumenti che il nostro personale utilizza già, oppure richiede un flusso di lavoro separato?
• È stata fornita al personale una formazione adeguata e una guida all’uso corretto, al fine di infondere loro fiducia e ridurre i rischi per l’organizzazione?
• Come si presenta l'utilizzo continuativo a 90 e 180 giorni per i vostri clienti attuali?
• In che modo le persone utilizzano questi strumenti e quale valore ne traggono?
• Il coordinamento garantisce che non si verifichino duplicazioni di lavoro?

Valore

• Quale linea di base dovremmo stabilire prima dell'implementazione?
• Quali risultati hanno misurato i vostri clienti, oltre all'utilizzo o al tempo risparmiato?
• Come si evolve il prezzo all’aumentare dell’utilizzo?

5. Quale sarà la nostra posizione al riguardo

Il filo conduttore che accomuna tutti e cinque i criteri è che il modello conta meno di ciò che lo circonda. Modelli e strumenti di IA efficaci stanno diventando sempre più diffusi e continueranno a migliorare. Le conoscenze della vostra organizzazione, i controlli che regolano chi può accedervi e l’impatto sulla giornata lavorativa dei vostri dipendenti e sulla vostra strategia aziendale dovrebbero avere una durata maggiore rispetto a qualsiasi strumento utilizziate per gestirle.

Questo è il ragionamento alla base dell’approccio di NetDocuments all’IA nel settore legale: integrare l’IA nei contenuti regolamentati, dove esistono già autorizzazioni e barriere etiche, consentendo al contempo a tali contenuti di interagire in modo sicuro con gli altri strumenti di IA scelti dai professionisti del settore legale. In pratica, ciò spazia dalla ricerca in linguaggio naturale all’interno dell’archivio all’estrazione strutturata con riferimenti alla fonte.

Le domande sopra riportate valgono per noi come per chiunque altro, e vale la pena porle indipendentemente dal fatto che siamo o meno nella vostra lista. Se dovete fare una sola cosa prima del vostro prossimo colloquio con un fornitore, scegliete un’attività ricorrente e stabilite un punto di riferimento per valutare come viene svolta oggi. Avrete così un elemento concreto con cui confrontare la tecnologia.