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)



