Skip to content
    HAQQ
    Accedi
    Contatta le vendite
    Prova HAQQ
    Prova HAQQ
    1. Home
    2. Blog
    3. Che cosa succede prima che un'IA legale risponda alla vostra domanda
    IA & Tech Legale

    Che cosa succede prima che un'IA legale risponda alla vostra domanda

    Molte IA legali inviano il prompt direttamente a un modello generico. Ciò che il sistema fa prima di quella chiamata determina la risposta. L'architettura e quattro test per una demo.

    Stephane BoghossianStephane Boghossian|
    6 agosto 2026
    10 min di lettura
    Che cosa succede prima che un'IA legale risponda alla vostra domanda

    In sintesi: molti prodotti di IA giuridica inviano la vostra domanda a un modello generalista all'interno di un template di prompt, e l'interfaccia non vi permette di capire quale tipo di prodotto avete davanti. Il lavoro che un sistema svolge prima di quella chiamata al modello (intento, giurisdizione, fatti come dati, perimetro) determina la risposta. Quattro test durante una demo, circa dieci minuti, vi dicono che cosa state acquistando.

    Dati chiave

    • I modelli linguistici utilizzano gli input lunghi in modo disomogeneo: l'accuratezza è massima quando l'informazione rilevante si trova all'inizio o alla fine del contesto e cala quando si trova nel mezzo (Liu et al., Lost in the Middle, TACL vol. 12, 2024).
    • Tutti i 18 modelli dello studio Context Rot di Chroma sono diventati meno affidabili all'aumentare della lunghezza dell'input, anche su compiti volutamente semplici (rapporto tecnico di Chroma, 14 luglio 2025).
    • Tre dei principali strumenti di ricerca giuridica hanno ciascuno prodotto allucinazioni sul 17%-33% delle query di test in uno studio preregistrato di Stanford (Magesh et al., Journal of Empirical Legal Studies, 2025).
    • Nella nostra tornata di giugno 2026, il 24% di 3.000 risposte valutate provenienti da 10 modelli di frontiera citava o applicava norme che non dicevano ciò che il modello sosteneva (benchmark HAQQ, 5 giugno 2026).
    • Il database di Damien Charlotin elencava, al 19 ottobre 2026, 2.202 decisioni di corti e tribunali relative a citazioni o contenuti fabbricati dall'IA.

    Trasparenza: HAQQ vende IA giuridica, costruita sul proprio motore (Justinian), e ha condotto il benchmark di giugno 2026 citato sopra. I quattro test in fondo valgono per noi come per chiunque altro.

    Ogni avvocato che valuta un'IA giuridica prima o poi pone la stessa domanda, di solito dopo circa otto minuti di demo: in che cosa è diverso dall'usare ChatGPT?

    I fornitori tendono a rispondere parlando di dati di addestramento, di un corpus proprietario o di un fine-tuning. Sono affermazioni difficili da verificare e spesso lontane dal punto in cui risiede la differenza. La nostra risposta è architetturale, e si riduce a dove avviene il ragionamento.

    La maggior parte dell'IA giuridica è un involucro di ChatGPT?

    Una larga parte dei prodotti di IA giuridica funziona così. Scrivete una domanda. Il prodotto la avvolge in un template di prompt (istruzioni per comportarsi da assistente legale disponibile, magari qualche esempio) e la inoltra a un modello generalista. Il modello risponde e il prodotto formatta la risposta.

    Può essere utile. Significa però anche che la qualità del prodotto coincide in gran parte con quella del modello, e che il legale della controparte può acquistare lo stesso modello con un abbonamento consumer.

    Per chi acquista, la difficoltà è che dall'interfaccia non si capisce. Un involucro e un motore progettato su misura mostrano entrambi una casella di testo, una risposta che compare in streaming e qualche citazione sotto. La differenza sta a monte, fuori dalla vista, ed è per questo che raramente i fornitori vengono incalzati su questo punto.

    Che cosa dovrebbe accadere prima che il modello venga chiamato?

    Quando una domanda arriva a HAQQ, passa prima per una fase che controlliamo noi, il cui compito è capire di che richiesta si tratta e configurare tutto ciò che segue.

    Quella fase stabilisce ciò che un associate competente chiarirebbe prima di iniziare a lavorare, e registra il risultato come dati strutturati:

    • La domanda dietro le parole. Ciò che qualcuno digita alle 23 tra due telefonate, riformulato in modo preciso e completo. Funziona nativamente in arabo e in francese oltre che in inglese, senza una fase di traduzione aggiunta a valle.
    • Il tipo di lavoro giuridico. Redazione, ricerca, revisione, confronto o una questione procedurale. Ognuno richiede una diversa forma di risposta, e deciderlo in anticipo è preferibile allo sperare che un modello generalista lo intuisca.
    • La giurisdizione, e separatamente la lingua in cui è scritta la legge applicabile. Le due spesso differiscono, e trattarle come una cosa sola è una fonte di errore silenziosa e frequente.
    • I fatti, come oggetti. Parti, date, obbligazioni, importi, legge applicabile e tipo di documento, estratti dal testo prima che qualcosa di costoso lo legga.
    • Ciò di cui la domanda ha bisogno. Quali capacità specialistiche caricare, quale profondità di ragionamento merita e se rientra davvero nel perimetro.

    Il modello generalista entra in gioco dopo tutto questo, e parte preparato: le capacità pertinenti caricate, i fatti estratti, la giurisdizione identificata e il perimetro deciso.

    Il modello lavora per ultimo, su un lavoro già ordinato.

    Come si chiama questo livello?

    In HAQQ è Justinian®, il nostro motore proprietario di ragionamento e orchestrazione. Si colloca tra l'utente, i dati dell'organizzazione e i modelli di IA sottostanti, e applica contesto, giurisdizione, recupero delle fonti, permessi, controlli e scelta del modello prima che venga prodotta una risposta.

    In breve: il modello è l'intelligenza. Justinian® è il sistema che decide come quell'intelligenza viene usata.

    Ognuna di queste sei parole risponde a una domanda che un socio supervisore farebbe prima di lasciare che qualcuno inizi a lavorare:

    • Contesto. Che cosa sa già lo studio di questo cliente, di questa pratica e di questo tipo di documento?
    • Giurisdizione. Quale diritto si applica, e in quale lingua è scritto?
    • Recupero. Su quali fonti deve basarsi la risposta?
    • Permessi. Chi sta chiedendo, e che cosa è autorizzato a vedere?
    • Controlli. Quali regole applica lo studio a questo tipo di lavoro?
    • Scelta del modello. Quale modello è adatto a questo compito?

    La decisione più importante nell'IA potrebbe essere ciò che accade prima che il modello venga chiamato. Quei sei punti sono quella decisione, presa a ogni richiesta.

    Perché questo produce risposte migliori?

    Due meccanismi, e il secondo ci ha sorpreso di più.

    L'attenzione è un budget

    La finestra di contesto di un modello è finita, e tutto ciò che contiene compete per l'attenzione. Le ricerche citate sopra mostrano che cosa accade quando il contesto cresce: il recupero peggiora nella parte centrale degli input lunghi (Liu et al.) e l'affidabilità cala con la lunghezza anche su compiti facili (Chroma). Caricare ogni capacità di un sistema in ogni richiesta consuma quel budget prima che arrivi il documento dell'avvocato. Caricare solo quelle pertinenti lascia spazio al contratto, alla norma e ai fatti.

    I fatti strutturati risparmiano al modello un lavoro di analisi

    È questo l'effetto più rilevante. Se riceve un paragrafo di testo, un modello impiega parte del suo sforzo per capire che cosa contiene il paragrafo. Se riceve fatti strutturati (queste parti, questa legge applicabile, questa obbligazione, questa data), può dedicare quello sforzo alla questione giuridica.

    È l'effetto per cui progettiamo: lo stesso modello generalista che fa un lavoro giuridico migliore grazie a ciò che ha ricevuto. Non abbiamo pubblicato un confronto controllato dello stesso modello dentro e fuori dal nostro motore, quindi consideratela la nostra logica di progettazione, supportata dalle ricerche sul contesto citate sopra.

    Perché questo livello conta di più man mano che i modelli migliorano?

    I modelli di base stanno diventando più capaci. Questo rende il livello di controllo intorno a loro più importante, non meno.

    Il motivo è semplice. Ogni studio può acquistare l'accesso agli stessi modelli, e così la controparte. Se il modello fosse l'intero prodotto, l'IA di ogni studio varrebbe più o meno quanto quella di qualunque altro, e nulla in essa rifletterebbe il modo in cui lavora il vostro.

    L'IA generica sa molte cose. Per impostazione predefinita non conosce la vostra istituzione. Non ha letto i vostri precedenti, non sa quali posizioni assumono i vostri soci su una clausola di limitazione e non ha idea che la controparte dell'NDA di oggi fosse dall'altra parte in una controversia la scorsa primavera. Quella conoscenza appartiene allo studio, ed è la parte che rende una risposta utilizzabile senza riscriverla.

    Il vostro vantaggio competitivo non dovrebbe svanire perché ogni studio ha acquistato l'accesso allo stesso modello. Più i modelli migliorano, più acquista valore il livello che governa il modo in cui le istituzioni li usano. Un modello più potente a cui vengono dati il contesto, le fonti e il compito giusti produce un lavoro di qualità superiore. Con una domanda nuda, produce una versione più scorrevole della stessa risposta generica.

    L'IA ad alto rischio richiede più dell'intelligenza. Richiede contesto, controlli e responsabilità. Nel lavoro legale quella responsabilità ha un nome: quello dell'avvocato che firma.

    Che cosa succede quando cambia il modello di punta?

    Succederà. La leadership tra i modelli, i costi, le policy e la disponibilità continuano a cambiare, e il modello di punta di questo trimestre potrebbe non esserlo nel prossimo.

    Fate quindi due domande a un fornitore. Quale modello risponde oggi alla mia domanda? E che cosa dovrei ricostruire se domani cambiasse?

    Se tutto ciò che il prodotto sa del vostro studio vive in prompt scritti per il modello di una sola azienda di IA, un cambio di modello è una migrazione. Se vive in un livello proprio del prodotto, un cambio di modello è un aggiornamento. In HAQQ il modello sottostante è intercambiabile per progettazione, e traiamo vantaggio dal miglioramento dei modelli sottostanti.

    Il vostro fornitore di IA dovrebbe essere sostituibile. La vostra intelligenza istituzionale no.

    La vostra infrastruttura di IA non dovrebbe essere ricostruita ogni volta che cambia il modello di punta.

    Che cosa decide se l'IA giuridica funziona su documenti reali?

    Due componenti che compaiono di rado in una presentazione commerciale, ed entrambi decidono se il prodotto funziona in un martedì qualunque.

    L'acquisizione dei documenti. Molto lavoro giuridico arriva come foto di una pagina timbrata, scansione di un fax o PDF stampato e riscansionato storto. Trattiamo la loro lettura come un problema di ingegneria centrale. Se un numero di clausola viene letto male in ingresso, nessun ragionamento a valle lo recupera, e il sistema ragionerà con cura sul numero sbagliato.

    La memoria come struttura. Il motore conserva nel tempo le relazioni tra le vostre pratiche e vi attinge quando una domanda lo richiede. Reincollare nel prompt i vostri ultimi venti messaggi è un'altra cosa. La memoria strutturata è ciò che permette al sistema di sapere che la controparte dell'NDA che state esaminando oggi è la stessa società di un contenzioso di due mesi fa.

    Che cosa non risolve una buona architettura?

    Preferiamo dirlo noi piuttosto che lo scopriate voi.

    Non elimina l'errore. Qualsiasi sistema costruito su un modello linguistico può produrre una risposta sbagliata, e i dati riportati sopra valgono per ogni fascia del mercato. Una buona architettura rende gli errori più rari e più facili da individuare: affermazioni generate a partire da fonti recuperate, citazioni che potete aprire e segnalazioni esplicite dove il diritto non è consolidato. Il nostro audit sulle allucinazioni documenta che cosa succede quando nessuno controlla.

    Non assicura una risposta corretta. Nessun fornitore di IA responsabile dovrebbe affermarlo. Ciò che il livello vi offre è l'ancoraggio alle fonti, citazioni che potete aprire, controlli e un punto chiaro di revisione umana, così che una risposta sbagliata sia più facile da individuare prima che esca dallo studio.

    Non elimina l'avvocato. Tutto ciò presuppone che un professionista riveda il risultato e lo firmi. Questo presupposto ha dato forma all'architettura fin dall'inizio.

    Non rende la copertura universale. La qualità varia a seconda della giurisdizione, di quanto bene sia digitalizzata la normativa di riferimento e di quanta parte di essa sia pubblica. Se un fornitore indica un unico numero di copertura globale, chiedete che cosa conta. Preferiamo rispondere a questa domanda per la vostra giurisdizione piuttosto che darvi un solo numero.

    Come si mette alla prova un fornitore di IA giuridica durante una demo?

    Non vi serve lo schema architetturale di nessuno. Quattro test, circa dieci minuti, e funzionano con ogni fornitore del settore, noi compresi. Per una checklist più ampia, consultate 45 campanelli d'allarme nella valutazione di un fornitore di IA giuridica.

    1. Chiedetegli qualcosa che non riguarda il diritto

    Un modello generalista dentro un prompt giuridico di solito risponderà a una domanda medica o finanziaria, perché sotto è un modello generalista. Un sistema che stabilisce l'intento prima di generare dovrebbe rifiutare e spiegare perché.

    2. Ponete la stessa domanda in due lingue

    Scrivete la stessa domanda giuridica una volta in inglese e una volta in arabo o in francese, ciascuna con parole vostre. Se la sostanza della risposta cambia, la lingua viene gestita dopo il ragionamento.

    3. Dategli una scansione scadente

    Fotografate un documento di sbieco, con poca luce, e caricatelo. Per nostra esperienza è il test più predittivo della demo, perché è l'input reale più comune e quello meno mostrato nelle demo.

    4. Chiedetegli che cosa non sa

    Spingetelo verso un ambito del diritto non consolidato o con poche fonti. Un sistema tarato per produrre sempre una risposta ne produrrà una. Un sistema costruito per il lavoro professionale vi dirà che il terreno è incerto e vi mostrerà perché.

    Se un fornitore si trova a suo agio con tutti e quattro, l'architettura è probabilmente reale. Se la demo li aggira, anche questo vi dice qualcosa. Potete applicare gli stessi quattro test alla chat di IA giuridica di HAQQ.

    Punti chiave

    • La differenza significativa tra i prodotti di IA giuridica è architetturale e invisibile dall'interfaccia. Chiedete dove avviene il ragionamento.
    • Il lavoro strutturato prima della chiamata al modello migliora la qualità oltre che i costi: un modello che riceve fatti estratti dedica la sua attenzione al diritto.
    • Componenti poco appariscenti decidono le prestazioni reali. L'acquisizione dei documenti predice se uno strumento funziona di martedì meglio di un punteggio di benchmark.
    • Quattro test durante la demo (fuori tema, due lingue, una scansione scadente, diritto non consolidato) mostrano che tipo di sistema vi stanno vendendo.
    • Il modello sta diventando una commodity. Il controllo no. Ciò che uno studio conserva quando il modello cambia è il livello che custodisce il suo contesto, i suoi permessi e i suoi controlli.
    • Liu et al., Lost in the Middle: come i modelli linguistici usano i contesti lunghi (TACL 2024)
    • Chroma: Context Rot, come l'aumento dei token di input incide sulle prestazioni degli LLM (luglio 2025)
    • Magesh et al., Hallucination-Free? Valutazione dell'affidabilità dei principali strumenti di ricerca giuridica basati su IA (JELS 2025)
    • 45 campanelli d'allarme nella valutazione di un fornitore di IA giuridica
    • Context engineering per l'IA giuridica
    • L'essere umano nel ciclo dell'IA giuridica
    • L'audit sulle allucinazioni dell'IA

    Prova HAQQ AI gratis

    Sperimenta la redazione e ricerca legale con IA

    Scritto da

    Stephane Boghossian
    Stephane Boghossian

    Responsabile della Crescita

    Stephane guida la crescita di HAQQ e scrive la sezione IA e Legal Tech: benchmark dei modelli, confronti tra strumenti e l'ingegneria che rende l'IA legale affidabile nella pratica.

    Tutti gli articoli di questo autoreLinkedIn

    Risorse correlate

    45 Red Flags in a Legal AI Vendor EvaluationContext Engineering for Legal AIM&A Due Diligence AI: Single Prompt vs a 3-Agent SwarmThe Justinian engine

    Articoli correlati

    Jev dentro un'architettura di IA legale: 8 schemi decisionali e il limite che abbiamo misurato
    Approfondimento

    Jev dentro un'architettura di IA legale

    Jev dentro un'architettura di IA legale: 8 schemi decisionali e il limite che abbiamo misurato

    IA per due diligence M&A: prompt singolo vs sciame di 3 agenti
    Benchmark

    IA per due diligence M&A

    IA per due diligence M&A: prompt singolo vs sciame di 3 agenti

    Cosa abbiamo imparato contando i clic in due sistemi di gestione dello studio legale

    Cosa abbiamo imparato contando i clic in due sistemi di gestione dello studio legale

    Domande frequenti

    Che cos'è uno strato di orchestrazione dell'IA nel software legale?

    Il termine ha due significati. Nella maggior parte del software legale indica l'instradamento dei flussi di lavoro: inviare una pratica alla persona giusta per l'approvazione. Il significato tecnico più ristretto è lo strato che decide cosa accade prima che venga chiamato un modello di IA: l'intento, la giurisdizione, i fatti e l'ambito della richiesta. Quando un fornitore parla di orchestrazione, chiedete quale dei due intende, perché solo il secondo cambia la qualità della risposta.

    HAQQ è un wrapper di ChatGPT?

    In HAQQ la generazione finale è eseguita da un modello generalista. Prima che quel modello venga chiamato, il motore di HAQQ, Justinian, determina in cosa consiste la richiesta: l'intento, la giurisdizione, la lingua della legge applicabile, i fatti come dati strutturati e l'ambito. In un wrapper, la domanda arriva al modello avvolta in un modello di prompt, con poco o nessun lavoro preliminare.

    Come capisco se un prodotto di IA legale è un wrapper?

    Eseguite quattro test durante una demo. Ponete una domanda al di fuori del diritto: un modello generalista incapsulato di solito risponderà a una domanda medica o finanziaria. Ponete la stessa domanda giuridica in due lingue con parole vostre: se la sostanza cambia, la lingua viene gestita dopo il ragionamento. Caricate una scansione storta e poco illuminata. Poi spingetevi verso un ambito del diritto non consolidato, dove un sistema professionale dovrebbe dire che il terreno è incerto.

    Perché lavorare prima della chiamata al modello migliora la risposta?

    La finestra di contesto di un modello è finita, e la ricerca mostra che l'affidabilità cala con l'aumentare dell'input: Liu et al. (TACL 2024) hanno rilevato che l'accuratezza scende quando l'informazione pertinente si trova al centro di un contesto lungo, e lo studio Context Rot di Chroma del luglio 2025 ha rilevato che tutti i 18 modelli testati peggioravano con input più lunghi. Caricare solo ciò che serve a una domanda, e passare i fatti come dati strutturati, lascia più attenzione per la questione giuridica.

    Un'architettura migliore impedisce all'IA legale di avere allucinazioni?

    No. Qualsiasi sistema basato su un modello linguistico può produrre una risposta sbagliata. Uno studio preregistrato di Stanford ha rilevato che i principali strumenti di ricerca giuridica avevano allucinazioni dal 17% al 33% delle interrogazioni di prova, e l'esecuzione di HAQQ del giugno 2026 ha rilevato che il 24% di 3.000 risposte di modelli di frontiera citava norme che non sostenevano l'affermazione. Una buona architettura rende gli errori più rari e più facili da individuare grazie a fonti recuperate, citazioni apribili e segnalazioni esplicite di incertezza.

    Perché la qualità della scansione dei documenti conta per l'IA legale?

    Molto lavoro legale arriva come foto di una pagina timbrata, una scansione inviata via fax o un PDF riscansionato storto. Se un numero di clausola o una data vengono letti male in fase di acquisizione, nulla a valle lo recupera: il sistema ragiona con cura sul numero sbagliato e presenta il risultato con sicurezza. Ecco perché una scansione di cattiva qualità è uno dei test più utili da eseguire in qualsiasi demo di IA legale.

    Perché l'indipendenza dal modello conta nell'IA legale?

    Perché la leadership tra i modelli, i costi, le policy e la disponibilità continuano a cambiare. Uno studio dovrebbe poter migliorare lo strato del modello senza ricostruire il proprio strato di intelligenza istituzionale. In HAQQ, Justinian® gestisce lo strato di ragionamento, contesto, orchestrazione e controllo attorno al modello, e il modello sottostante è intercambiabile per progettazione.

    Cosa c'è dopo?

    Prova HAQQ AI gratis

    Sperimenta la redazione e ricerca legale con IA

    Calcola il tuo ROI

    Scopri quanto tempo e denaro HAQQ risparmia al tuo studio

    Esplora 600+ prompt legali

    Prompt pronti per ogni compito legale

    Torna al Blog

    Articolo precedente

    Come diventare uno studio legale nativo dell'IA: un modello operativo in sette parti

    Articolo successivo

    Cosa abbiamo imparato contando i clic in due sistemi di gestione dello studio legale

    In questa pagina

    10 min di lettura

    1. 01Dati chiave
    2. 02La maggior parte dell'IA giuridica è un involucro di ChatGPT?
    3. 03Che cosa dovrebbe accadere prima che il modello venga chiamato?
    4. Come si chiama questo livello?
    5. 04Perché questo produce risposte migliori?
    6. L'attenzione è un budget
    7. I fatti strutturati risparmiano al modello un lavoro di analisi
    8. 05Perché questo livello conta di più man mano che i modelli migliorano?
    9. 06Che cosa succede quando cambia il modello di punta?
    10. 07Che cosa decide se l'IA giuridica funziona su documenti reali?
    11. 08Che cosa non risolve una buona architettura?
    12. 09Come si mette alla prova un fornitore di IA giuridica durante una demo?
    13. 1. Chiedetegli qualcosa che non riguarda il diritto
    14. 2. Ponete la stessa domanda in due lingue
    15. 3. Dategli una scansione scadente
    16. 4. Chiedetegli che cosa non sa
    17. 10Punti chiave

    Condividi questo articolo

    Mettilo in pratica

    Fai a HAQQ la domanda che questo articolo ti ha lasciato.

    HAQQ across all devices
    HAQQ Legal AI Platform Logo

    Il tuo Gemello AI Legale e Sistema di Gestione Studio per redigere, fatturare e vincere.

    Scaricalo suApp StoreDisponibile suGoogle Play

    Documentazioni

    • Docs si apre in una nuova scheda
    • Per iniziare si apre in una nuova scheda
    • Sala stampa si apre in una nuova scheda
    • Aggiornamenti del prodotto si apre in una nuova scheda
    • Stato si apre in una nuova scheda
    • Affidabilità si apre in una nuova scheda
    • Sicurezza
    • FAQ si apre in una nuova scheda
    • Comunità si apre in una nuova scheda
    • Assistenza si apre in una nuova scheda

    Academy

    • Partner si apre in una nuova scheda
    • Corso si apre in una nuova scheda
    • Prompt si apre in una nuova scheda
    • Labs si apre in una nuova scheda

    Sito web

    • eFirm
    • Chat IA Legale
    • App Mobile
    • Motore Justinian
    • HAQQ eBar
    • HAQQ eWallet
    • Prezzi
    • Confrontaci
    • Soluzioni
    • Blog
    • Conosci il team
    • Unisciti a noi si apre in una nuova scheda
    Apri l'app
    • Lingueenarfresitdeptrohics
    • Contattoinfo@haqq.ai
    • Statooperativo·fondato
    • Termini di Servizio
    • Informativa sulla privacy
    • Informativa sui cookie
    • Trattamento Dati
    • Persone si apre in una nuova scheda
    • Avvocati si apre in una nuova scheda
    • Sicurezza si apre in una nuova scheda
    © 2026 HAQQ Inc. Tutti i diritti riservati.Prodotto sviluppato internamente da HAQQ. Sito web costruito con strumenti web moderni.