Quasi ogni settimana mi capita di sentire una versione della stessa conversazione con i consulenti legali interni.

Hanno acquistato gli strumenti di intelligenza artificiale. Hanno condotto i progetti pilota. Eppure, quando chiedo come stanno andando le cose, la risposta è solitamente una variante di “bene, ma non è quello che ci aspettavamo”. I team legali e di conformità continuano a fornire nuovi prompt, continuano a verificare tutto manualmente e continuano a non fidarsi completamente dei risultati ottenuti. 

Per un po’ ho pensato che si trattasse di un problema legato al modello: che la prossima versione, la prossima finestra di contesto, il prossimo punteggio del benchmark avrebbero colmato il divario. Ma non sarà così. Il divario non sta nel modello, bensì in ciò che il modello è in grado di vedere. 

Il lavoro legale e di compliance non è mai consistito nel trovare informazioni. Si tratta piuttosto di comprendere come tali informazioni si colleghino tra loro: a una questione, a un’unità aziendale, a una negoziazione precedente, a un rischio che l’organizzazione ha già valutato in passato. I consulenti legali interni e i professionisti della compliance custodiscono questo tessuto connettivo nelle loro menti, nei loro rapporti con il business, nella memoria istituzionale di chiunque abbia lavorato alla questione o all’iniziativa di compliance in questione. Gli strumenti di intelligenza artificiale non hanno accesso a nulla di tutto ciò. Vedono solo ciò che viene caricato nella finestra di una sessione, e nient’altro. Pertanto rispondono con sicurezza, e talvolta in modo errato, perché colmano lacune per le quali non abbiamo mai fornito loro il contesto necessario per farlo correttamente. 

I numeri lo confermano più di quanto vorrei. SecondoMcKinsey, meno del 10% delle imprese è riuscito a trasformare l’IA agentica in valore reale, e otto su dieci indicano i limiti dei dati come motivo principale.Uno studio del 2025 condotto dallo Stanford RegLabha rilevato che persino gli strumenti di ricerca basati sull’IA progettati appositamente per il settore legale generano risultati errati tra il 17% e il 33% delle volte. Non si tratta di un problema di qualità del modello, bensì di un problema di contesto, ed è proprio per questo che abbiamo creato il primoLegal Context Graph del settore. 

Colleen Baehrend, avvocato e direttrice delle soluzioni legali di NetDocuments, ed io abbiamo redatto unaguida pratica per gli studi legaliche cercano di capire a che punto si trovano realmente – non in teoria, ma nella realtà quotidiana delle prestazioni dei loro strumenti di intelligenza artificiale. Lo stesso problema di contesto si presenta con la stessa frequenza all’interno dei team legali, di compliance e di gestione dei rischi delle aziende soggette a regolamentazione. Abbiamo quindi realizzato una versione di quella guida dedicata ai consulenti legali interni e ai professionisti della compliance. 

La guida "Legal Context Graph:dalla spesa per l'IA all'impatto dell'IA" destinata ai teamlegali e di compliance aziendali illustra: 

• Che cos’è un “grafico del contesto giuridico” e in che modo si differenzia dalle tassonomie e dai grafici di conoscenza che le organizzazioni hanno già sperimentato in passato 
• Cosa cambia per i consulenti legali interni, i team di compliance e il reparto IT una volta che le questioni saranno realmente interconnesse, e in che modo ciò si riflette in modo diverso nei contenziosi, nelle indagini, nei contratti, nella conformità normativa e nelle organizzazioni di ogni dimensione. 
• Risposte alle domande che la vostra organizzazione si pone realmente – provenienti dai settori IT e gestione della conoscenza, dai consulenti legali interni e dai professionisti della conformità, dalle risorse umane e dalla leadership dei talenti, nonché dai dirigenti dei settori legale e della conformità – affinché ogni parte interessata possa trovare ciò che è rilevante per sé 
• Una checklist composta da 10 domande incentrate su costi, accuratezza, usabilità, governance e conoscenza istituzionale, a cui potrete rispondere in tutta franchezza insieme al vostro team in 20 minuti. Non c’è un punteggio minimo da superare: l’obiettivo non è far sentire nessuno in ritardo. Si tratta piuttosto di individuare con precisione da dove deriva effettivamente il divario tra quanto state spendendo per l’IA e quanto ne ricavate, in modo che la prossima discussione sugli investimenti nell’IA si basi su dati concreti anziché su l’ennesima demo di un fornitore. 

I modelli di intelligenza artificiale continueranno a evolversi. Ognuno di essi, prima o poi, verrà sostituito da qualcosa di migliore. Ciò che non cambierà è che il contesto della vostra organizzazione – i vostri progetti e le vostre questioni, le vostre relazioni, il vostro giudizio istituzionale, le vostre posizioni normative – deve trovare una sede sufficientemente solida da sopravvivere a tutto ciò. È proprio su questo fondamento che si basa la presente guida. 

Se qualcosa di tutto ciò ti suona familiare, inizia con la lista di controlloe vedi cosa ne viene fuori.