Passare da una sperimentazione frammentaria a un approccio strutturato che i team legali possano effettivamente adottare.

Se si chiede al CIO di uno studio legale o al responsabile dell’ufficio legale di un’azienda se l’organizzazione abbia implementato l’intelligenza artificiale, la risposta sincera potrebbe dipendere dal punto di vista da cui la si guarda.

Il progetto ufficiale sull’intelligenza artificiale è ancora in fase di pianificazione. La politica aziendale è ancora in fase di revisione. Il piano di formazione non è ancora stato completato. Ma gli utenti stanno già sperimentando. Un partner sta testando uno strumento di ricerca giuridica dotato di funzionalità di IA. Un associato sta utilizzando uno strumento pubblico per perfezionare una prima bozza. Un gruppo di pratica sta sperimentando un nuovo flusso di lavoro. In uno studio di dimensioni più ridotte, un amministratore sta cercando di definire una politica fornendo al contempo supporto agli utenti. In uno studio più grande, i reparti IT, gestione della conoscenza, archiviazione, rischio, innovazione e la leadership dei gruppi di pratica stanno tutti lavorando su diversi aspetti dello stesso problema.

Ecco la sfida: l’uso dell’IA può diffondersi prima che un’organizzazione disponga di un modello operativo chiaro al riguardo.

È ciò che spesso viene definito “IA ombra”: quando gli avvocati e il personale iniziano a utilizzare gli strumenti di IA più rapidamente di quanto le organizzazioni riescano a regolarli.

In uno studio legale, per “implementazione dell’IA” si intende un progetto pilota formale guidato dai reparti IT e KM. In un altro, significa tre soci che utilizzano strumenti diversi, un associato che incolla del testo su un sito pubblico dedicato all’IA e un amministratore dello studio che cerca di decidere cosa bloccare. Entrambi gli studi hanno un problema legato all’adozione dell’IA. Solo uno se ne rende conto.

Immaginate questo scenario: uno studio legale con 200 avvocati avvia un progetto pilota di tre mesi sull’IA generativa, condotto con attenzione e coinvolto un solo gruppo di pratica. Quando, al quarto mese, i dirigenti analizzano i dati effettivi sull’utilizzo, gli avvocati di altri tre gruppi stanno già utilizzando strumenti di IA disponibili pubblicamente su casi reali: avevano sentito parlare del progetto pilota e avevano dato per scontato che lo studio legale stesse “già utilizzando l’IA”. Il progetto pilota non ha guidato l’adozione, ma ne è stato il risultato.

In un ufficio legale aziendale, lo stesso problema può emergere quando gli avvocati o i team iniziano a utilizzare funzionalità di IA integrate prima che i reparti Legale, Sicurezza, Privacy e Operazioni legali abbiano concordato le modalità di utilizzo.

Questo non significa che l'organizzazione abbia fallito. Significa che il prossimo passo è fondamentale.

Per gli studi legali, l’adozione efficace dell’IA non si limita alla semplice scelta di uno strumento. Si tratta piuttosto di aiutare le persone a comprendere cosa è consentito, cosa è rischioso, cosa è utile e in che modo l’IA si inserisce nelle modalità concrete di svolgimento del lavoro legale. Senza questa chiarezza, i programmi di IA rischiano di arenarsi prima ancora di poter essere implementati su larga scala. Peggio ancora, gli utenti potrebbero sviluppare abitudini che l’organizzazione dovrà poi correggere.

Il problema non è la curiosità. È un comportamento non controllato

La curiosità è salutare. Gli avvocati e il personale sono sotto pressione: devono lavorare più velocemente, reperire le informazioni in modo più efficiente, ridurre le attività ripetitive e migliorare il servizio offerto ai clienti. È logico che vogliano sapere cosa può fare l’intelligenza artificiale.

Il problema sorge quando la curiosità prende il sopravvento sulla guida.

In che modo viene utilizzata l’intelligenza artificiale “ombra” negli studi legali?

Se gli utenti non sanno quali strumenti siano approvati, scelgono semplicemente quelli a cui è più facile accedere. Se non comprendono come vengono generati i risultati dell’IA, o si affidano ad essi troppo frettolosamente oppure li scartano del tutto. Quando i gruppi operativi sperimentano per conto proprio, gli studi legali si ritrovano con progetti pilota duplicati, una formazione incoerente e nessuna visione condivisa su ciò che funziona.

Non si tratta solo di un problema tecnologico. È un problema di distribuzione.

L'azienda ritiene di stare preparando un lancio controllato, mentre gli utenti stanno già sviluppando delle abitudini relative a strumenti, suggerimenti, scorciatoie e soluzioni alternative. Alcune di queste abitudini sono innocue. Altre sono utili. Altre ancora comportano dei rischi. L'azienda deve capire la differenza prima di ampliare l'accesso.

Audit sull’adozione dell’IA nel settore legale: 6 domande da porre prima di tutto

Prima che uno studio legale amplii l’accesso all’intelligenza artificiale, dovrebbe effettuare un’analisi della situazione attuale. Non è necessario che si tratti di una valutazione della durata di sei mesi. Dovrebbe essere un’analisi mirata che aiuti le persone giuste a comprendere cosa sta già accadendo. In uno studio di grandi dimensioni, ciò potrebbe includere i reparti IT, gestione della conoscenza (KM), rischio, innovazione, formazione e i responsabili delle aree di attività. In uno studio più piccolo, potrebbero essere coinvolti il socio amministratore, l’amministratore dello studio, il responsabile IT e alcuni responsabili chiave delle aree di attività.

Un audit pratico dovrebbe rispondere a sei domande.

1. In quali ambiti viene già utilizzata l'intelligenza artificiale?

Non limitarti alla piattaforma di IA principale oggetto di valutazione. Prendi in considerazione anche gli strumenti di IA disponibili al pubblico, i prodotti per la ricerca giuridica, gli strumenti Microsoft e quelli per la produttività, l’automazione dei documenti, i componenti aggiuntivi dei fornitori, i progetti pilota dei gruppi di pratica, gli esperimenti di innovazione e l’utilizzo informale da parte degli avvocati.

Un’azienda non può gestire ciò che non ha identificato.

2. Quali strumenti sono autorizzati, soggetti a restrizioni o vietati?

Gli utenti hanno bisogno di una risposta chiara su cosa possono utilizzare e quali siano i limiti. Se tali indicazioni sono vaghe o nascoste in un regolamento, le persone prenderanno le proprie decisioni in base alla convenienza o al comportamento degli altri.

Spesso è sufficiente un modello semplice: approvato per uso aziendale, approvato solo sulla base di dati pubblici o di prova, soggetto a restrizioni in attesa di revisione o vietato per motivi di riservatezza dei dati dei clienti.

3. Quali informazioni possono essere utilizzate con l'intelligenza artificiale?

Le aziende hanno bisogno di indicazioni pratiche in materia di dati dei clienti, materiale protetto, informazioni riservate, materiale di lavoro interno, informazioni di dominio pubblico e dati di test.

Gli utenti non dovrebbero trovarsi a dover interpretare una politica proprio nel bel mezzo di una scadenza. Hanno bisogno di risposte chiare a scenari comuni: posso riassumere un accordo con un cliente? Posso utilizzare una checklist di chiusura? Posso chiedere all’IA di riscrivere un’e-mail destinata a un cliente? Posso analizzare documenti relativi a una pratica in corso? La risposta cambia se lo strumento è approvato dallo studio?

4. Gli utenti comprendono cosa può e cosa non può fare l'intelligenza artificiale?

La maggior parte degli utenti ha visto delle demo davvero impressionanti. Ciò non significa però che ne comprenda i limiti.

Devono sapere quando l’intelligenza artificiale li aiuta a lavorare con il materiale esistente, quando genera una risposta plausibile, quando è necessaria la verifica delle fonti e quando prevale il giudizio professionale. Ciò è particolarmente importante nel settore legale, dove una risposta sicura non equivale necessariamente a una risposta corretta.

5. Da quali flussi di lavoro è meglio iniziare?

I primi flussi di lavoro dovrebbero essere sufficientemente circoscritti da poter essere gestiti, abbastanza semplici da poter essere esaminati e abbastanza utili da suscitare l'interesse degli utenti.

I primi candidati ideali spesso riguardano attività ripetibili con un insieme definito di contenuti: avvio del lavoro, sintesi dello stato di avanzamento interno, ricerca di documenti precedenti, confronto con modelli approvati, analisi di una serie di documenti per individuare temi ricorrenti o preparazione di una cronologia preliminare. Si tratta di attività pratiche perché l’utente può verificare il risultato confrontandolo con materiale già noto.

6. A chi spetta la responsabilità dell'adozione dopo la messa in produzione?

L'accesso è solo il punto di partenza. Qualcuno deve occuparsi del feedback, degli aggiornamenti formativi, delle questioni relative alle politiche, della verifica dell'utilizzo, dei percorsi di assistenza e delle decisioni su come procedere.

Tale responsabilità non può ricadere su un unico gruppo, nemmeno nelle aziende più piccole. Qualcuno deve essere responsabile della piattaforma, qualcuno deve occuparsi delle politiche aziendali, qualcuno deve prendere le decisioni relative ai flussi di lavoro, qualcuno deve occuparsi della formazione e qualcuno deve decidere quali siano le priorità per l’azienda. In un’azienda di grandi dimensioni, tali responsabilità possono essere ripartite tra diversi team. In un’azienda più piccola, la stessa persona può ricoprire diversi di questi ruoli. In entrambi i casi, i ruoli devono essere chiari.

Perché è importante la formazione sull’alfabetizzazione all’IA in ambito legale

Uno degli errori più comuni è dare per scontato che gli utenti conoscano già le nozioni di base.

Molti non lo fanno.

Un avvocato potrebbe sapere che l’IA è in grado di sintetizzare un documento, ma non sapere se la sintesi si basi sulla giusta raccolta di documenti. Un assistente legale potrebbe sapere che l’IA è in grado di redigere testi, ma non sapere quali informazioni sia sicuro includere. Un gruppo di pratica potrebbe voler utilizzare l’IA per cercare materiali relativi a un caso, ma non comprendere in che modo le autorizzazioni, la qualità dei documenti, le convenzioni di denominazione o la struttura del caso influenzino il risultato.

Quando manca questa comprensione, gli utenti tendono solitamente a seguire uno dei tre modelli seguenti: evitano lo strumento perché non si fidano, si affidano troppo rapidamente ai risultati perché non ne comprendono i limiti, oppure lo utilizzano in modo incoerente perché nessuno ha spiegato loro le regole in termini pratici.

Una conoscenza di base dell’IA non significa insegnare agli avvocati a diventare esperti di tecnologia. Significa fornire agli utenti un contesto sufficiente per prendere decisioni oculate. Essi dovrebbero comprendere a cosa serve lo strumento, a quali contenuti può accedere, come funzionano le autorizzazioni, perché i prompt e il contesto sono importanti, perché i risultati devono essere verificati e a chi rivolgersi in caso di domande.

Tale formazione deve essere sufficientemente pratica da rivelarsi utile quando si lavora fino a tardi, sotto pressione, e si cerca di decidere se l’intelligenza artificiale possa essere d’aiuto nell’affrontare il compito che si ha davanti.

La formazione deve seguire il lavoro

Una panoramica generale sull’IA è utile, ma di per sé non basta a modificare i comportamenti. Le persone adottano gli strumenti quando riescono a capire in che modo questi possano aiutarle nel lavoro che già svolgono.

Ecco perché la formazione dovrebbe essere organizzata in base ai flussi di lavoro, e non solo alle funzionalità.

Per un team che si occupa di contenzioso, ciò potrebbe significare utilizzare l’intelligenza artificiale per redigere una prima sintesi del caso, individuare i documenti chiave, creare una cronologia o estrapolare i temi principali da una serie definita di documenti.

Per un team che si occupa di transazioni, ciò può significare confrontare una bozza con un modello approvato, verificare la conformità di una clausola agli standard del cliente o individuare formulazioni simili presenti in operazioni precedenti.

Per gli studi legali privi di una funzione formale di gestione della conoscenza (KM), potrebbe trattarsi semplicemente di aiutare gli avvocati a trovare esempi di come lo studio abbia gestito una questione simile, una richiesta di un cliente, una clausola o un'istanza. Negli studi più grandi, lo stesso concetto può diventare parte di una strategia di gestione della conoscenza più ampia.

Per i team che si occupano di servizi aziendali, ciò può significare redigere note interne di passaggio di consegne, riassumere gli aggiornamenti sullo stato delle pratiche, esaminare le note di fatturazione o ridurre la revisione manuale dei documenti.

L'obiettivo non è quello di lanciare tutti i casi d'uso contemporaneamente. L'obiettivo è quello di iniziare con flussi di lavoro in cui i contenuti siano adeguati, i risultati possano essere verificati e i vantaggi siano evidenti.

È così che gli utenti acquisiscono fiducia. Ed è anche così che l’azienda capisce di quale supporto, chiarimenti sulle politiche e formazione aggiuntiva ci sia bisogno.

L'intelligenza artificiale è efficace solo nella misura in cui riesce a raggiungere i contenuti

Per i team legali, l’intelligenza artificiale è utile solo nella misura in cui lo sono i contenuti su cui può operare ed è sicura solo nella misura in cui lo sono i controlli relativi a tali contenuti.

L'attività legale dipende dal contesto della pratica, dai precedenti, dalle restrizioni imposte dai clienti, dai permessi relativi ai documenti, dalle norme di conservazione e dagli obblighi di riservatezza. Negli studi legali di grandi dimensioni, ciò può includere anche barriere etiche, modelli di sicurezza complessi e programmi formali di governance delle informazioni. Negli studi legali più piccoli, i controlli possono essere più semplici, ma l'obbligo di proteggere le informazioni dei clienti rimane lo stesso.

Ecco perché il sistema di gestione documentale riveste un ruolo importante nella strategia legale relativa all’intelligenza artificiale. Il DMS è il luogo in cui sono già archiviati gran parte del lavoro svolto dallo studio, la cronologia dei casi, il modello di sicurezza e la struttura di governance. Quando l’intelligenza artificiale opera all’interno di tale ambiente, gli utenti sono in una posizione migliore per porre domande sui materiali dello studio stesso, pur rimanendo nell’ambito dei controlli su cui lo studio già fa affidamento.

Il punto non è trasformare l’IA in un’altra destinazione a sé stante. Il punto è integrare l’IA nei sistemi e nei flussi di lavoro in cui viene già gestito il lavoro legale.

Il lancio operativo non è il traguardo

Un’azienda può rendere disponibile l’IA a centinaia o migliaia di utenti senza che ciò comporti un’effettiva adozione. Il semplice accesso non è di per sé una prova del valore.

Prima del lancio, gli studi dovrebbero decidere in che modo valutare se l’implementazione sta funzionando. Gli indicatori non devono necessariamente essere complessi. Uno studio di piccole dimensioni potrebbe monitorare quali utenti stanno provando lo strumento, quali domande pongono e se ciò consente di risparmiare tempo in alcuni flussi di lavoro concordati. Uno studio più grande potrebbe monitorare il grado di adozione per sede, area di attività, ruolo o tipo di pratica.

In entrambi i casi, è utile valutare quali flussi di lavoro stiano prendendo piede, se gli utenti continuino a utilizzare lo strumento dopo la formazione, quali domande vengano sollevate, se sia necessario chiarire alcune indicazioni e se lo strumento stia riducendo lo sforzo richiesto per attività specifiche.

Il feedback più utile arriva spesso dopo le prime settimane. È in quel momento, infatti, che gli utenti superano l’effetto iniziale della demo e iniziano ad applicare l’IA al lavoro vero e proprio. Le aziende hanno bisogno di un processo che consenta di raccogliere tale feedback, aggiornare la formazione, perfezionare le linee guida e decidere quali casi d’uso sono pronti per essere ampliati.

L'implementazione dell'IA dovrebbe essere considerata come un processo continuo, non come un evento una tantum.

Da dove dovrebbero partire i dirigenti delle aziende

Per le aziende già in movimento, il passo successivo non deve necessariamente essere complicato. Deve però essere ponderato.

Inizia con tre azioni.

1. Identificare lo stato attuale.

Indicare dove l’IA è già in uso, quali strumenti sono stati approvati, quali progetti pilota sono attivi e dove si stanno svolgendo sperimentazioni informali.

2. Definire le regole di ingaggio.

Chiarire quali siano gli strumenti approvati, le aspettative relative all’utilizzo dei dati, i requisiti di revisione, gli usi soggetti a restrizioni o vietati e le procedure di escalation. Rendere le linee guida sufficientemente pratiche da poter essere applicate senza dover interpretare il testo della politica.

3. Allenati seguendo flussi di lavoro reali.

Andate oltre le dimostrazioni generiche. Iniziate con flussi di lavoro controllati in cui i contenuti siano noti, i risultati possano essere verificati e l’organizzazione possa valutare se il lavoro sia migliorato.

Questi passaggi aiutano le aziende di qualsiasi dimensione a passare da una fase di sperimentazione frammentaria a un programma comprensibile per gli utenti, sostenuto dai dirigenti e che l'azienda possa migliorare nel tempo.

Il successo dell’IA nel settore legale inizia prima ancora di raggiungere la scala industriale

Gli studi legali che avranno successo con l’IA non saranno necessariamente quelli che dispongono del maggior numero di strumenti di intelligenza artificiale. Saranno invece quelli che sceglieranno i propri strumenti e i casi d’uso in modo mirato, li applicheranno laddove apportano valore aggiunto e amplieranno su larga scala ciò che funziona.

Sapranno dove l’IA viene già utilizzata. Definiranno cosa è consentito. Insegneranno le nozioni di base prima di pretendere un utilizzo avanzato. Collegheranno la formazione ai flussi di lavoro reali. Fonderanno l’IA sui contenuti gestiti dall’azienda. E valuteranno cosa succede dopo la messa in funzione.

L'adozione dell'IA nel settore legale subisce una battuta d'arresto quando gli studi legali ritengono che basti semplicemente avervi accesso.

Non è così — e il costo si traduce in licenze sprecate, flussi di lavoro abbandonati e avvocati che hanno deciso fin dall’inizio che l’intelligenza artificiale non potesse essere loro d’aiuto.

Il percorso verso un'adozione efficace inizia con la preparazione alla messa in opera: aspettative chiare, utenti preparati, flussi di lavoro pratici e un piano per trasformare la fase iniziale di sperimentazione in un miglioramento del lavoro.

Per le aziende che stanno già esplorando l'intelligenza artificiale, la questione non riguarda solo ciò che la tecnologia è in grado di fare, ma anche se l'azienda sia pronta ad aiutare le persone a utilizzarla in modo responsabile, coerente e integrato nel loro flusso di lavoro.

Il prossimo episodio della serie

Il secondo articolo riprenderà da qui, illustrando come scegliere i primi casi d'uso legali dell'IA. Quali flussi di lavoro conquistano subito la fiducia degli utenti e quali, invece, ne rallentano silenziosamente l'adozione? Continuate a seguirci per saperne di più.