Skip to content
    HAQQ
    Accedi
    Contatta le vendite
    Prova HAQQ
    Prova HAQQ
    1. Home
    2. Blog
    3. Ontologia giuridica IA: come un grafo della conoscenza ha ridotto del 97% i costi dell'IA legale
    IA & Tech Legale

    Ontologia giuridica IA: come un grafo della conoscenza ha ridotto del 97% i costi dell'IA legale

    Un'ontologia del diritto del lavoro messicano ha sostituito 300 strumenti MCP con 7 e ridotto il costo per messaggio da 0,60 a 0,02 $. Metodo, dati Stanford, piano.

    Stephane BoghossianStephane Boghossian|
    1 aprile 2026
    9 min di lettura
    Ontologia giuridica IA: come un grafo della conoscenza ha ridotto del 97% i costi dell'IA legale

    In breve: un'ontologia giuridica costruita da Dynamic Interfaces per il diritto del lavoro messicano ha sostituito 300 strumenti MCP con 7, e il suo costo per messaggio è sceso da 0,60 $ a 0,02 $, un calo del 97%. Il risparmio deriva da circa 88.000 token in meno di descrizioni degli strumenti per richiesta, oltre a un modello più economico reso possibile dal set di strumenti ridotto.

    Metodo. Sistema esaminato: l'ontologia giuridica di Dynamic Interfaces per il diritto federale del lavoro messicano, che abbiamo esplorato tramite il suo server MCP nel marzo 2026. Corpus: 4 leggi federali, 1.689 articoli, 11 tipi di entità, 7 precedenti giurisprudenziali, 12 tipi di rinvii tipizzati, 10 tassonomie enumerate. Strumenti esposti al modello: circa 300 prima (uno per operazione di database), 7 dopo (uno per operazione giuridica). Descrizioni degli strumenti nel contesto: circa 90.000 token prima, circa 2.100 dopo (all'incirca 300 token per strumento). Costo per messaggio: 0,60 $ prima, 0,02 $ dopo, come misurato e comunicato da Dynamic Interfaces; il dato di 0,02 $ riflette anche il passaggio da un modello di frontiera a un modello open-weight più economico. HAQQ non ha ripetuto in modo indipendente la misurazione dei costi.

    Dati chiave

    • Risultato di costo dell'ontologia: da 300 strumenti a 7, da 0,60 $ a 0,02 $ per messaggio (Dynamic Interfaces, comunicato a HAQQ, marzo 2026).
    • Ricerca sul numero di strumenti: RAG-MCP, che passa al modello solo le descrizioni degli strumenti che recupera, ha portato l'accuratezza nella selezione degli strumenti dal 13,62% al 43,13% e ha ridotto i token del prompt di oltre il 50% (Gan e Sun, arXiv:2505.03275, maggio 2025).
    • Allucinazioni nel RAG giuridico: uno studio preregistrato dello Stanford RegLab e di HAI ha rilevato che Lexis+ AI, Westlaw AI-Assisted Research e Ask Practical Law AI allucinavano ciascuno tra il 17% e il 33% delle volte, meno spesso di GPT-4 (Magesh et al., Journal of Empirical Legal Studies 22:216, aprile 2025).
    • Harvey è stata valutata 15,5 miliardi di dollari dopo un round da 550 milioni annunciato il 9 settembre 2026 (blog di Harvey; TechCrunch, 9 set. 2026).
    • Valori di riferimento in Messico per il 2026: salario minimo generale di 315,04 MXN al giorno; UMA di 117,31 MXN al giorno, in vigore dal 1° febbraio 2026 (dati CONASAMI e INEGI, pubblicati a gen. 2026).
    • Corpus di riferimento per HAQQ: il Decreto-legge federale n. 33 del 2021 sulla regolamentazione dei rapporti di lavoro degli Emirati Arabi Uniti conta 74 articoli ed è in vigore dal 2 febbraio 2022 (banca dati legislativa UNEP LEAP, consultata il 20 ott. 2026).

    Come siamo arrivati a questo sistema?

    Nel marzo 2026 ho partecipato a una call con il CEO di Dynamic Interfaces per vedere un'ontologia giuridica che avevano costruito per il diritto del lavoro messicano. Ci hanno detto che cinque clienti pubblici messicani la usano ogni giorno e che i consulenti tecnici nominati dai tribunali (peritos) interrogano attraverso di essa quattro leggi federali, ottenendo risposte con citazioni a livello di articolo. Il numero che mi ha spinto a passare le due settimane successive al suo interno è stato il costo: due centesimi per messaggio.

    Per dare un'idea delle proporzioni, il mercato dell'IA giuridica a licenza per utente ha prezzi nell'ordine delle centinaia di dollari al mese, e il suo leader, Harvey, è stato valutato 15,5 miliardi di dollari nel settembre 2026. Un messaggio da due centesimi cambia chi può permettersi l'IA giuridica. Questo articolo riporta ciò che ho trovato collegandomi al loro server MCP, leggendo il modello di dati e mettendolo alla prova rispetto al ragionamento giuridico che mi aspetterei da un giuslavorista scrupoloso.

    Trasparenza. HAQQ vende IA giuridica e, al momento della stesura, stavamo valutando un'integrazione con Dynamic Interfaces. I loro dati sui costi sono misurazioni proprie; li riportiamo come tali.

    Che cosa dice lo studio di Stanford sulle allucinazioni dell'IA giuridica?

    Magesh, Surani, Dahl, Suzgun, Manning e Ho, del RegLab di Stanford e dello Stanford Institute for Human-Centered AI, hanno condotto quella che descrivono come la prima valutazione preregistrata di strumenti di ricerca giuridica basati sull'IA. Pubblicato sul Journal of Empirical Legal Studies nell'aprile 2025, lo studio ha rilevato che gli strumenti basati su RAG di LexisNexis e Thomson Reuters allucinavano ciascuno tra il 17% e il 33% delle volte. Il recupero riduceva le allucinazioni rispetto a GPT-4, e gli strumenti differivano molto: Lexis+ AI ha risposto correttamente al 65% delle domande, Westlaw AI-Assisted Research al 42%.

    Lo studio ha testato tre prodotti sul diritto statunitense nel 2024. Non dimostra che ogni sistema RAG allucini con quella frequenza, e non verifica le ontologie. Dimostra invece che il recupero su testo, da solo, lasciava un tasso di errore misurabile in strumenti venduti come affidabili. È questo il divario che un modello strutturato del diritto cerca di colmare. Per i casi giudiziari in cui citazioni inventate sono arrivate davanti a un giudice, si veda il nostro audit sulle allucinazioni.

    Perché il RAG ha difficoltà con le norme di legge?

    La maggior parte dei prodotti di IA giuridica recupera passaggi: suddivide i documenti in frammenti, ne calcola gli embedding e recupera i frammenti più vicini alla domanda. Per molte domande funziona. Nel lavoro incentrato sulle norme fallisce in tre modi prevedibili.

    Versioni nel tempo

    Un frammento di articolo non porta alcuna data. La riforma messicana "Vacaciones Dignas", pubblicata nel Diario Oficial de la Federación il 27 dicembre 2022, ha modificato gli articoli 76 e 78 della Ley Federal del Trabajo e ha portato il diritto alle ferie del primo anno da 6 a 12 giorni a partire dal 2023. Un perito che valuta un licenziamento a cavallo della modifica ha bisogno di entrambe le versioni e della data in cui ciascuna si applicava. Il recupero semplice non ha un campo per questo.

    Gerarchia

    Il diritto è stratificato: costituzione, legge federale, regolamenti e poi, all'interno di ciascuna legge, titoli, capitoli, articoli e frazioni. La suddivisione in frammenti lo appiattisce. Quando un articolo si applica "nei termini di" un altro, un sistema di recupero può restituire il primo senza il secondo.

    Rinvii

    L'articolo 162 della Ley Federal del Trabajo (premio di anzianità pari a 12 giorni di salario per anno di servizio) ricava la propria base salariale dagli articoli 485 e 486, che la limitano al doppio del salario minimo. Ottenere l'importo corretto significa seguire questa catena. La ricerca per similarità restituisce frammenti; un grafo percorre i collegamenti.

    Che cos'è un'ontologia giuridica?

    Un'ontologia giuridica è un modello leggibile dalla macchina di un corpus normativo: le sue entità (leggi, articoli, tribunali, precedenti, valori calcolati come i massimali salariali), la gerarchia tra di esse, le date in cui si applicava ciascuna versione e collegamenti tipizzati tra le disposizioni. Un modello che risponde a una domanda interroga questa struttura invece di cercare in un testo non strutturato.

    Nel sistema di Dynamic Interfaces ogni rinvio ha un tipo: remite_a (rinvia a), complementa (integra), modifica (modifica), excepciona (introduce un'eccezione), define_termino (definisce un termine), establece_formula (stabilisce una formula) ed establece_procedimiento (stabilisce una procedura). Il tipo eccezione è quello che conta di più per me. L'articolo 5 della LFT stabilisce diritti generali, e i regimi speciali di lavoro vi introducono eccezioni. Un sistema che non registra le eccezioni applicherà la regola generale dove prevale quella speciale.

    Di quanto un'ontologia giuridica riduce i costi dell'IA?

    Secondo la misurazione di Dynamic Interfaces, da 0,60 $ a 0,02 $ per messaggio. Il calo è prodotto da due fattori, ed è utile tenerli distinti.

    Meno descrizioni degli strumenti in ogni richiesta

    Il modo consueto di costruire un agente è esporre ogni operazione di database come uno strumento. Su 11 tipi di entità si arriva a circa 300 strumenti, e ogni descrizione viene inviata al modello a ogni richiesta: a circa 300 token ciascuna, circa 90.000 token prima che l'utente abbia chiesto qualcosa. L'ontologia li sostituisce con 7 operazioni giuridiche: query_legal_knowledge, calculate_settlement, find_jurisprudencia, get_cross_references, get_wage_data, get_vacation_table e generate_dictamen. Si tratta di circa 2.100 token di descrizioni, un risparmio di circa 87.900 token per richiesta.

    Questo è coerente con la ricerca pubblicata. Nell'articolo su RAG-MCP, mostrare al modello solo gli strumenti pertinenti invece di tutti ha più che triplicato l'accuratezza nella selezione degli strumenti (dal 13,62% al 43,13%) e ha più che dimezzato i token del prompt.

    Un modello più economico può svolgere il lavoro

    Con 7 strumenti chiari, il compito del modello si riduce: comprendere la domanda, scegliere da uno a tre strumenti e redigere risultati strutturati. Il lavoro strutturale lo fa l'ontologia. Ciò ha permesso a Dynamic Interfaces di passare da un modello di frontiera a un modello open-weight più economico, che spiega gran parte del risparmio restante.

    Prova HAQQ AI gratis

    Sperimenta la redazione e ricerca legale con IA

    Che cosa significa il risparmio per un perito

    Prendiamo un perito laboral a Città del Messico che guadagna all'incirca da 15.000 a 30.000 MXN al mese (la forchetta che ci è stata indicata) e gestisce 50 casi al mese con 20 messaggi ciascuno. A 0,60 $ per messaggio sono 600 $ al mese, circa 10.800 MXN a 18 pesos per dollaro, ossia dal 36% al 72% del reddito. A 0,02 $ sono 20 $, circa dall'1,2% al 2,4%. Il prezzo più basso apre un mercato che quello più alto esclude.

    Quale unità di riferimento si applica: UMA o salario minimo?

    Dalla riforma costituzionale del gennaio 2016, il Messico ha due unità di riferimento: l'UMA (Unidad de Medida y Actualización) e il salario minimo. Nel 2026 il salario minimo generale è di 315,04 MXN al giorno e l'UMA di 117,31 MXN, un rapporto di circa 2,69. Per il massimale del premio di anzianità previsto dagli articoli 162, 485 e 486, il doppio del salario minimo dà 630,08 MXN al giorno e il doppio dell'UMA dà 234,62 MXN, il 62,8% in meno.

    In Messico i calcolatori e i commentatori non applicano tutti la stessa unità a questo massimale, quindi si tratta di una scelta che l'avvocato deve compiere e difendere. Un sistema di recupero lascia questa scelta al modello a ogni interrogazione. Un'ontologia registra quale unità lo studio applica a quale concetto, e il relativo fondamento normativo, così che la scelta sia visibile e sempre la stessa.

    Un'ontologia giuridica può funzionare in altre giurisdizioni?

    Gli elementi costitutivi ricorrono ovunque: legislazione gerarchica, etichette tematiche, grafi dei rinvii, versioni nel tempo e valori calcolati. I sistemi di civil law con norme codificate (Francia, Brasile, Arabia Saudita, Emirati Arabi Uniti) si prestano in modo più diretto. L'articolo SAT-Graph RAG di Hudson de Martim applica un modello strutturale e temporale simile alla Costituzione brasiliana. I sistemi di common law richiedono che la giurisprudenza sia trattata come un'entità di primo piano accanto alle leggi.

    Che cosa sta costruendo HAQQ con questo?

    Stiamo costruendo un'ontologia del diritto del lavoro degli Emirati Arabi Uniti, partendo dal Decreto-legge federale n. 33 del 2021 (74 articoli) e dal relativo regolamento di attuazione. La Legge sul lavoro dell'Arabia Saudita, emanata con Decreto reale n. M/51 del 1426 H, conta circa 245 articoli. Corpora di queste dimensioni possono essere modellati e verificati da giuristi in poche settimane. Poiché l'ontologia fornisce al modello dati strutturati, il modello elabora la sintesi in arabo o in inglese invece di estrarre regole da un testo arabo, che è il compito più difficile. L'ontologia alimenterà la ricerca giuridica di HAQQ sulle questioni di diritto del lavoro emiratino.

    I governi si stanno muovendo nella stessa direzione. L'European Legislation Identifier (ELI) dell'UE, concordato dal Consiglio nel 2012, assegna alla legislazione identificativi stabili e leggibili dalla macchina, e il lavoro Better Rules della Nuova Zelanda redige le politiche pubbliche contemporaneamente come linguaggio semplice, regole e codice.

    Come si costruisce un'ontologia giuridica?

    Per il diritto del lavoro di un paese, la nostra stima di lavoro è da 4 a 8 settimane. Questi sono i passaggi che seguiamo:

    • Individuare da 3 a 5 leggi principali e le relative fonti ufficiali, e verificare quanto ciascuna sia leggibile dalla macchina.
    • Progettare il modello delle entità. Partire da uno schema generale (Law, StructuralUnit, Article, CaseLaw, CrossReference, ComputedValue) e aggiungere ciò che serve alla giurisdizione.
    • Definire le tassonomie: da 15 a 25 etichette tematiche, i tipi di rinvio e i tipi di valore calcolato.
    • Analizzare le leggi, preservare la gerarchia e le date delle versioni, etichettare gli articoli per materia (un modello può proporre le etichette; un giurista le approva) e caricarli in un database.
    • Costruire il grafo dei rinvii: prima i rinvii espliciti, poi i rinvii tra leggi, con ogni collegamento tipizzato e verificato.
    • Esporre un piccolo insieme di strumenti tramite MCP, ad esempio cercare articoli, ottenere un articolo, ottenere i rinvii, ottenere la giurisprudenza, calcolare un valore, ottenere la cronologia e confrontare giurisdizioni.
    • Misurare prima e dopo: token degli strumenti per richiesta, costo per messaggio e accuratezza su un insieme di domande di prova con risposte approvate da giuristi.

    Riferimenti

    • Magesh et al., Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, Journal of Empirical Legal Studies 22:216 a 242 (2025)
    • Gan e Sun, RAG-MCP: Mitigating Prompt Bloat in LLM Tool Selection via Retrieval-Augmented Generation, arXiv:2505.03275
    • de Martim, An Ontology-Driven Graph RAG for Legal Norms, arXiv:2505.00039
    • Harvey raccoglie 550 milioni di dollari con una valutazione di 15,5 miliardi (blog di Harvey, 9 set. 2026)
    • Harvey raggiunge una valutazione di 15,5 miliardi di dollari pochi mesi dopo aver toccato gli 11 (TechCrunch, 9 set. 2026)
    • Anthropic: la donazione del Model Context Protocol all'Agentic AI Foundation (9 dic. 2025)
    • Leggi e regolamenti sul lavoro nel settore privato negli Emirati Arabi Uniti (u.ae), incluso il Decreto-legge federale n. 33 del 2021
    • Decreto-legge federale n. 33 del 2021 (banca dati legislativa UNEP LEAP)
    • Ley Federal del Trabajo (Cámara de Diputados)

    Letture correlate

    • dove le allucinazioni dell'IA sono arrivate in tribunale
    • perché l'IA giuridica in arabo ha difficoltà con il recupero
    • il nostro benchmark giuridico dei modelli di frontiera, aggiornato a ottobre 2026
    • l'ingegneria giuridica e lo schema TIRO

    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

    AI hallucination audit: where fake citations reached a courtArabic legal AILegal engineering: AI-powered legal workflowsHarvey AI review 2026

    Articoli correlati

    Perché l'IA generalista sbaglia il diritto kuwaitiano e libanese (e come testare qualsiasi strumento)
    Approfondimento

    Perché l'IA generalista sbaglia il diritto kuwaitiano e libanese

    Perché l'IA generalista sbaglia il diritto kuwaitiano e libanese (e come testare qualsiasi strumento)

    Recensione Lexis+ AI 2026: ora Lexis+ with Protégé, vs Westlaw CoCounsel
    Recensione

    Recensione Lexis+ AI 2026

    Recensione Lexis+ AI 2026: ora Lexis+ with Protégé, vs Westlaw CoCounsel

    Grafi della conoscenza giuridica: 5 modi in cui una mappa delle prove rende verificabile l'IA legale
    Approfondimento

    Grafi della conoscenza giuridica

    Grafi della conoscenza giuridica: 5 modi in cui una mappa delle prove rende verificabile l'IA legale

    Domande frequenti

    Che cos'è un'ontologia giuridica?

    Un'ontologia giuridica è un modello leggibile dalle macchine di un corpus normativo: le sue entità (leggi, articoli, precedenti, valori calcolati come i massimali retributivi), la gerarchia tra di esse, le date in cui si è applicata ciascuna versione e i collegamenti tipizzati tra le disposizioni, come rinvia a, modifica o crea un'eccezione. Un modello di IA interroga quella struttura anziché cercare in testo non strutturato.

    Di quanto un'ontologia giuridica può ridurre i costi dell'IA legale?

    Nel sistema di diritto del lavoro messicano che abbiamo esaminato, il costo per messaggio è sceso da $0,60 a $0,02, un calo del 97%, secondo le misurazioni del suo sviluppatore Dynamic Interfaces. Sostituire circa 300 strumenti MCP con 7 ha eliminato circa 88.000 token di descrizione degli strumenti da ogni richiesta, e il set di strumenti più ridotto ha permesso di passare a un modello open-weight più economico.

    In cosa un'ontologia giuridica è diversa dal RAG?

    Il RAG recupera porzioni di testo che sembrano simili alla domanda. Un'ontologia memorizza la struttura del diritto: gerarchia, date di vigenza delle versioni e rinvii tipizzati. Ciò consente a un sistema di seguire una catena come quella dall'articolo 162 della Ley Federal del Trabajo messicana al massimale retributivo degli articoli 485 e 486, e di applicare la versione di un articolo in vigore in una determinata data.

    Con quale frequenza gli strumenti RAG legali hanno allucinazioni?

    Uno studio preregistrato dello Stanford RegLab e di HAI (Magesh et al., Journal of Empirical Legal Studies, 2025) ha rilevato che Lexis+ AI, Westlaw AI-Assisted Research e Ask Practical Law AI avevano ciascuno allucinazioni tra il 17% e il 33% delle volte sulle query del test, meno di GPT-4. Lexis+ AI ha risposto correttamente al 65% delle query e Westlaw al 42%.

    Perché meno strumenti MCP rendono l'IA legale più economica e più accurata?

    Ogni descrizione di strumento viene inviata al modello a ogni richiesta, quindi 300 strumenti da circa 300 token ciascuno aggiungono circa 90.000 token prima della domanda. Il paper RAG-MCP (arXiv:2505.03275) ha rilevato che passare solo gli strumenti pertinenti ha aumentato l'accuratezza nella selezione degli strumenti dal 13,62% al 43,13% e ha ridotto i token del prompt di oltre la metà.

    Quanto tempo serve per costruire un'ontologia giuridica?

    La nostra stima di lavoro per il diritto del lavoro di un Paese è da 4 a 8 settimane: individuare le norme, progettare il modello delle entità, analizzare ed etichettare gli articoli con la revisione di avvocati, costruire il grafo dei rinvii tipizzati, esporre un piccolo set di strumenti MCP e misurare costi e accuratezza su un set di test approvato da avvocati. Il Decreto-Legge federale n. 33 del 2021 degli Emirati Arabi Uniti conta 74 articoli.

    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

    Previsioni sull'IA legale al 2030: cosa prevedono 72 agenti AI

    Articolo successivo

    Red flag dei vendor di IA legale: la checklist di valutazione in 45 punti

    In questa pagina

    9 min di lettura

    1. 01Dati chiave
    2. 02Come siamo arrivati a questo sistema?
    3. 03Che cosa dice lo studio di Stanford sulle allucinazioni dell'IA giuridica?
    4. 04Perché il RAG ha difficoltà con le norme di legge?
    5. Versioni nel tempo
    6. Gerarchia
    7. Rinvii
    8. 05Che cos'è un'ontologia giuridica?
    9. 06Di quanto un'ontologia giuridica riduce i costi dell'IA?
    10. Meno descrizioni degli strumenti in ogni richiesta
    11. Un modello più economico può svolgere il lavoro
    12. Che cosa significa il risparmio per un perito
    13. 07Quale unità di riferimento si applica: UMA o salario minimo?
    14. 08Un'ontologia giuridica può funzionare in altre giurisdizioni?
    15. 09Che cosa sta costruendo HAQQ con questo?
    16. 10Come si costruisce un'ontologia giuridica?
    17. 11Riferimenti
    18. 12Letture correlate

    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.

    RAG vs Ontology: Same Query, Different Architecture

    RAG Approach

    Query: "Vacation days for 8 years of service, hired 2016"

    Art. 76 LFT (pre-2023)
    6 days min vacation...
    Art. 78 vacation premium
    ...minimum 6 working days
    Art. 81 payment timing
    Reform 2023 doubled...
    Result: "Workers with 8 years = 14 vacation days." (Retrieved pre-2023 table. Correct answer depends on date.)
    ⚠ Potentially incorrect (no temporal awareness)
    Ontology Approach

    Query: "Vacation days for 8 years of service, hired 2016"

    TablaVacacionesregimenpost_2023years=8 → 18dpremium=25%
    Result: "18 vacation days (post-2023 reform, Art. 76 LFT amended Dec 2022). Vacation premium: 25% of 18 days' salary (Art. 80 LFT)."
    ✓ Correct (temporal versioning built in)

    Interactive Ontology Explorer

    Click a law to explore its ontology hierarchy

    L

    Ley Federal del Trabajo

    Master employment statute (16 titles, 51 reforms)

    1,076 arts.
    T

    Titulo II (Relaciones Individuales)

    Individual labor relationships, contracts

    16 titles
    C

    Capitulo IV (Rescision)

    Termination of employment relationships

    ~120 ch.
    A

    Articulo 48 (Indemnizacion)

    Right to indemnification for wrongful dismissal

    atomic unit

    Cost Waterfall: $0.60 → $0.02

    Each step shows where the savings come from

    $0.60

    Starting Cost

    -$0.32

    Tool Desc. Tokens

    -$0.14

    Ontology Constraint

    -$0.12

    Model Downgrade

    $0.02

    Final Cost

    97%
    $0.58 saved per message
    300 tools → 7 tools • Frontier → Open-source

    Token Economics: Why Fewer Tools = Lower Cost

    Before: 300 Tool Descriptions in Context

    {"name":"get_article_by_number","description":"...","parameters":{...}}
    {"name":"get_article_by_topic","description":"...","parameters":{...}}
    {"name":"get_article_text","description":"...","parameters":{...}}
    {"name":"search_articles_keyword","description":"...","parameters":{...}}
    {"name":"get_article_reforms","description":"...","parameters":{...}}
    {"name":"get_article_at_date","description":"...","parameters":{...}}
    {"name":"get_cross_references_outbound","description":"...","parameters":{...}}
    {"name":"get_cross_references_inbound","description":"...","parameters":{...}}
    {"name":"get_articles_by_chapter","description":"...","parameters":{...}}
    ... +291 more tool definitions
    ↓

    After: 7 Ontology-Aware Tools

    query_legal_knowledge

    ~300 tokens

    calculate_settlement

    ~300 tokens

    find_jurisprudencia

    ~300 tokens

    get_cross_references

    ~300 tokens

    get_wage_data

    ~300 tokens

    get_vacation_table

    ~300 tokens

    generate_dictamen

    ~300 tokens

    90,000

    Tokens Before

    2,100

    Tokens After

    97.7%

    Reduction

    Claude Opus (frontier)

    $0.60

    $15/M input tokens

    →

    Open-source

    $0.02

    ~$0.50/M input tokens

    Cross-Reference Network: Wrongful Dismissal, $254,000 MXN

    Click "Trace Query" to illuminate the resolution path across 4 laws

    Art. 48LFTArt. 50LFTArt. 84Salary DefSalarioMinimoUMA + WagesLSS 27-28Social SecurityINFONAVIT 29HousingVacacionesPost-2023Tesis 53/2017Jurisprudencia
    LFT
    LSS
    INFONAVIT
    Computed
    Jurisprudencia

    Click above to see how the ontology resolves a real wrongful dismissal calculation

    Ontology Replication: Global Expansion

    Same pattern, jurisdiction-specific enums

    Live

    🇲🇽

    Mexico

    LFT + LSS + LSAR + INFONAVIT

    1,689

    Articles

    4

    Laws

    12

    X-Refs

    Phase 1

    🇦🇪

    UAE

    Federal Decree-Law No. 33/2021

    ~65

    Articles

    3

    Zones

    AR/EN

    Bilingual

    Phase 2

    🇸🇦

    Saudi Arabia

    Royal Decree M/51

    ~245

    Articles

    2024

    Amended

    AR/EN

    Bilingual

    Phase 3

    🇫🇷

    France

    Code du travail

    ~7,000

    Articles

    L+R

    Dual track

    API

    Legifrance

    Phase 3

    🇧🇷

    Brazil

    CLT (Consolidacao das Leis do Trabalho)

    ~922

    Articles

    Easiest

    Port

    PT

    Language

    Future

    🇺🇸 🇬🇧

    US + UK

    FLSA + ERA

    Complex

    Case Law

    Fed/State

    Dual

    +2

    Ref Types

    Pattern transfer: The entity model is universal. Only the enums change between jurisdictions.