// PUNTO INFORMATICO — INTELLIGENZA ARTIFICIALE
L’AI è in grado di capire il tempo nei documenti legali?
In modo quasi inevitabile, l’intelligenza artificiale è entrata anche nell’ambito giuridico, non sempre con esiti positivi. È interessante riportare un progetto di ricerca curato da Aruba e Politecnico di Torino, presentato alla conferenza internazionale EDBT/ICDT di Tampere (Finlandia), che si concentra su un aspetto in particolare, ponendosi una domanda dall’importanza chiave: l’AI capisce davvero il tempo nei testi legali? È in grado di ricostruire l’ordine cronologico degli eventi e la loro relazione?
Lo studio parte da un presupposto con cui, fino a oggi, hanno avuto a che fare gli avvocati dell’accusa e della difesa, gli addetti ai lavori: nei testi legali, la sequenza temporale non è un dettaglio descrittivo, ma un elemento interpretativo centrale. Se per chi ha preparazione ed esperienza in materia il concetto è chiaro, vale lo stesso per i Large Language Model?
Per rispondere alla domanda, gli autori della ricerca sono partiti da un dataset pubblico di riferimento, ampliandolo e poi assegnando alle AI l’esecuzione di due compiti specifici.
Attraverso un ambiente di test, sono stati simulati scenari realistici, via via sempre più complessi. L’esito è tutt’altro che scontato: non è automatico che i modelli più evoluti, dotati di Deep Reasoning, ottengano riscontri migliori con questo tipo di operazioni.
Non è solo la potenza del modello a fare la differenza, ma il modo in cui viene guidato nel processo di comprensione.
Dai risultati emerge che alcuni modelli generalisti di ultima generazione sono stati in grado di raggiungere livelli di accuratezza superiori all’85% nei task di verifica. Una percentuale elevata, ma di per sé non sufficiente per assicurare l’affidabilità necessaria in un contesto delicato come quello legale (rimane pur sempre un 15% di errore). Di seguito un estratto dal contributo firmato da Francesco Tarasconi, Artificial Intelligence Manager di Aruba.
A prima vista, la capacità di ordinare eventi nel tempo può apparire un tema molto specialistico, ma in realtà ha ricadute concrete su diversi ambiti chiave: dalla corretta interpretazione di contratti e contenziosi nel legal tech, alla ricostruzione delle sequenze di eventi in ambito compliance e auditing, fino all’analisi di responsabilità nel risk management e all’automazione dei processi decisionali, dove la dimensione temporale è spesso determinante. In tutti questi casi, un errore nella comprensione del tempo non è un semplice limite tecnico, ma un rischio concreto.
Il tempo, nel diritto come nei sistemi che lo trattano, resta una dimensione critica. Da un lato c’è il tempo come elemento probatorio, legato alla certezza di quando un documento, una firma o un evento digitale vengono prodotti. Dall’altro c’è il tempo come elemento interpretativo, cioè la capacità di ricostruire correttamente l’ordine e la relazione tra eventi all’interno di testi complessi.
Il temporal reasoning degli LLM si colloca proprio su questo secondo piano. La sua affidabilità non riguarda solo la qualità tecnica dei modelli, ma la possibilità di applicarli in contesti in cui un errore di sequenza può produrre conseguenze giuridiche concrete. È su questo terreno che la collaborazione tra ricerca industriale e mondo accademico può contribuire a rendere l’intelligenza artificiale più solida, verificabile e adatta a scenari reali.