TextGenius: la qualità come scelta di progetto

Perché, nel contesto legale italiano, la qualità delle fonti, del ragionamento e dell'infrastruttura fa la differenza.

1. Premessa: partiamo dal problema, non dall'effetto wow

Quando abbiamo progettato TextGenius, non siamo partiti dalle capacità conversazionali delle piattaforme generaliste, ma da una domanda più scomoda: quali problemi concreti, oggi, incontra il professionista del diritto che usa l'AI e come si risolvono davvero?

Il diritto non è conversazione. È un mestiere di fonti, di ragionamento, di responsabilità. E qui le piattaforme generaliste mostrano i loro limiti più severi.

• La certezza delle fonti. Il primo ostacolo è la fiducia. Un modello generalista ragiona su ciò che "sa", non su ciò che è scritto in un articolo preciso, in una versione consolidata, in vigore a una certa data. Per un avvocato o un ufficio legale non basta una risposta plausibile: serve una risposta verificabile, agganciata a fonti esatte, complete e aggiornate. Se il sistema non sa dirti da dove viene ogni passaggio, non è uno strumento del diritto: è un suggeritore. Nel diritto un errore di citazione non è un difetto estetico: è un rischio professionale e, nei casi peggiori, deontologico.
• Il rigore del ragionamento. Il ragionamento giuridico ha una sua architettura: norma, fatto, qualificazione, conseguenza. L'AI generalista tende a mescolare livelli, a saltare passaggi, a trattare analogie come equivalenze. Serve un sistema che rispetti la catena del ragionamento giuridico, non che la parafrasi con fluidità.
• La riservatezza e la gestione della documentazione. Quando un legale carica un contratto, una memoria difensiva o un fascicolo su una piattaforma generalista, dove finiscono quei dati? Chi li conserva? A quali condizioni possono essere riutilizzati per allenare modelli? La riservatezza non è un dettaglio tecnico: è un obbligo deontologico e, sempre più spesso, normativo.
• La tracciabilità e l'auditabilità. In un contesto in cui l'uso dell'AI entrerà sempre più nel perimetro di controllo di compliance e vigilanza, serve sapere chi ha chiesto cosa, su quali documenti, e con quale output. Senza log e senza riferimenti verificabili, l'AI resta una scatola nera incompatibile con la responsabilità professionale.
• Il controllo dei costi. I modelli generalisti si pagano per token, con tariffe opache e consumi difficili da prevedere. Per una direzione legale o uno studio strutturato, l'AI deve essere pianificabile in budget: costi per utente, per fascicolo, per anno, non sorprese a fine fattura.
• La dipendenza dal "prompt engineering". Le piattaforme generaliste premiano chi sa formulare istruzioni perfette. Ma il valore di uno strumento professionale sta nel fatto che funzioni bene anche quando chi lo usa è un giurista, non un esperto di AI. L'affidabilità non può dipendere dalla bravura del prompt.
• L'integrazione nei flussi di lavoro esistenti. L'ufficio legale vive tra banche dati, gestionali, repository documentali e PEC. Uno strumento che vive in una chat separata, copia-e-incolla alla mano, genera attrito ed errore. Serve AI che entri nei flussi, non che li interrompa.

L'AI non sostituisce il patrimonio della cultura giuridica accumulato nel tempo: lo rende più accessibile, più ricercabile, più collegabile. Ma a una condizione precisa: quando un algoritmo entra nel diritto, la qualità del modello conta, e conta ancora di più sapere su quali fonti sta ragionando. TextGenius è costruito su questa condizione: fonti certe, logica rigorosa, riservatezza garantita, costi trasparenti. Non per impressionare, ma per lavorare.

2. Le allucinazioni: quando la citazione non esiste, la colpa resta in capo al professionista

Il primo e più grave problema dell'AI generica sono le allucinazioni: risposte fluide, autorevoli, linguisticamente perfette ma inventate. Nel diritto questo non è un difetto estetico: è un rischio professionale, processuale e disciplinare, ormai documentato dai tribunali.

In Italia il caso destinato a fare giurisprudenza è la sentenza del Tribunale di Siracusa, Sezione II, n. 338 del 20 febbraio 2026: quattro precedenti attribuiti alla Cassazione che non contengono i principi citati negli atti. Il giudice, dopo aver interrogato il CED della Cassazione e incrociato le banche dati in uso alla magistratura, ha affermato che «l'unica ipotesi residua […] è che il difensore si sia avvalso di uno strumento di intelligenza artificiale generativa senza sottoporre gli output ottenuti alla doverosa verifica sulle fonti primarie». La conseguenza è stata la condanna per colpa grave ai sensi dell'articolo 96, comma 3, c.p.c. E non è un episodio isolato.

TextGenius affronta il problema alla radice architetturale, non con avvertenze d'uso. TextGenius opera in RAG (Retrieval-Augmented Generation) su fonti giuridiche certificate: il modello non «ricorda» il diritto a memoria statistica, ma recupera in tempo reale il materiale pertinente da una knowledge base verificata e genera la risposta solo su quel materiale. Ogni output riporta la citazione obbligatoria della fonte primaria, il passaggio testuale di riferimento e il percorso logico seguito.

3. I database certificati: la fonte diventa parte del prodotto AI

La garanzia della certezza ha un presupposto: la qualità della materia prima. Molte piattaforme si nutrono di scraping indiscriminato del web: fonti non verificate, non aggiornate, di provenienza opaca, con rischi di copyright e con il rischio sistematico di ragionare su norme abrogate e giurisprudenza superata.

TextGenius risolve il problema alla fonte, con una base documentale primaria: i contenuti certificati e aggiornati di Lefebvre Giuffrè. La base dati diventa un'infrastruttura della conoscenza per gli algoritmi: non un archivio di documenti resi disponibili, ma una base strutturata che consente alla macchina di individuare la fonte pertinente, distinguerla da quelle meno rilevanti e consentire al professionista di risalire all'originale.

4. Il rigore del ragionamento: l'architettura conta più del modello

Veniamo al secondo tema della premessa: il rigore logico. Anche con fonti perfette, infatti, un sistema che affida tutto al modello linguistico resta fragile. E qui emerge il limite di molte piattaforme legali, che sono di fatto wrapper: un'interfaccia che si collega a un LLM delegando al modello anche la scelta di cosa cercare, come cercarlo e quando fermarsi. È lo stesso modello, cioè, a governare la fase più delicata: il recupero e la validazione delle fonti.

TextGenius adotta il paradigma della Knowledge e Decision Intelligence: un orchestratore dedicato, separato dal modello linguistico, decide quali fonti interrogare, quale strategia di ricerca applicare (normativa, giurisprudenziale, dottrinale), come scomporre una richiesta complessa in sotto-domande verificabili, quando è necessario l'intervento umano e quando bloccare una risposta perché le fonti non la sostengono con certezza. Il LLM interviene solo nell'ultima fase, la sintesi.

Questa separazione produce tre effetti concreti: riduzione strutturale delle allucinazioni, tracciabilità completa di ogni risposta e indipendenza dal singolo fornitore di modelli. Se domani emerge un LLM migliore, si sostituisce quel componente senza ricostruire l'intera piattaforma.

5. La riservatezza: installazione on-premise e controllo dell'infrastruttura

Il terzo tema è quello che i professionisti percepiscono meglio: cosa succede ai documenti dello studio quando entrano in un sistema AI? Quando un avvocato inserisce il primo fascicolo di un cliente, le decisioni più importanti sono già state prese: da chi è stato scelto il fornitore, quali condizioni contrattuali sono state accettate, dove i dati vengono elaborati e conservati, se possono essere usati per migliorare il servizio, chi può accedervi. Il primo controllo sull'AI legale non riguarda il prompt: riguarda l'infrastruttura.

TextGenius è progettato con logica cloud-agnostic: può operare in ambienti completamente isolati dal web, in installazione on-premise all'interno dell'infrastruttura del cliente, anche su cloud privato, senza esporre alcun dato verso servizi AI esterni o API di terzi. In alternativa è disponibile in modalità SaaS: la scelta è del cliente, senza impatto sulla funzionalità. Per studi legali, pubbliche amministrazioni, infrastrutture critiche e organizzazioni regolamentate questo significa sicurezza dei documenti, tutela della riservatezza delle informazioni, garanzia che atti, pareri, corrispondenza e strategie processuali non lascino mai il perimetro controllato dal professionista.

6. La compliance normativa: GDPR, AI Act, deontologia forense

La riservatezza, però, non è solo una questione infrastrutturale: è un obbligo giuridico. Il professionista italiano opera sotto una trama di vincoli che le piattaforme generiche non sono progettate per rispettare: il GDPR (dati personali di parti e clienti che transitano verso servizi esteri), il segreto professionale forense, il Codice deontologico, doveri di competenza, verità e riservatezza non delegabili a un algoritmo, e ora l'AI Act.

Con il Regolamento (UE) 2024/1689, modificato dal Regolamento (UE) 2026/1744 (Digital Omnibus), il quadro è operativo: dal 2 agosto 2026 sono pienamente applicabili gli obblighi di trasparenza dell'articolo 50 e le sanzioni per i modelli di uso generale; gli obblighi sui sistemi ad alto rischio (Allegato III) arriveranno il 2 dicembre 2027 e quelli sui prodotti regolamentati (Allegato I) il 2 agosto 2028. Il rinvio non sospende le responsabilità: il biennio 2026-2027 è la finestra per costruire processi, competenze e criteri di selezione. Anche la contrattualizzazione della dipendenza tecnologica è diventata un tema regolatorio: la Commissione ha istituito un Expert Group on AI Contracting e, su un piano distinto, sono state sviluppate clausole contrattuali modello per l'acquisto di sistemi AI coerenti con l'AI Act.

Per TextGenius la conformità non è stata aggiunta a posteriori con patch, ma è fondante: human-in-the-loop come principio architetturale e non come opzione configurabile, tracciabilità completa delle attività, controllo degli output, fonti tracciabili in ogni risposta. Per gli studi, dimostrare di usare sistemi AI compliance-ready sta diventando un requisito competitivo: le aziende clienti iniziano a chiedere garanzie su processi, gestione dei dati e strumenti adottati. La compliance tecnologica è già, e sarà sempre più, condizione per ottenere e mantenere incarichi di rilievo.

7. Tracciabilità, human-in-the-loop e governance continua

Il quarto tema della premessa, tracciabilità e auditabilità, è anche un problema organizzativo e culturale. Le ricerche sul campo mostrano un divario preoccupante: il report «Lo stato della GenAI Security in Italia» di Deloitte e Cloud Security Alliance evidenzia che il 45% delle organizzazioni non ha ancora istituito un organismo di supervisione dedicato alla GenAI e solo il 31% integra la sicurezza già in fase di progettazione. L'AI Act, con l'AI literacy come elemento di accountability e gli obblighi di supervisione umana e audit trail, rende questa governance un obbligo.

Per TextGenius la governance è nell'architettura, non in un layer aggiuntivo. Ogni risposta riporta un percorso di retrieval verificabile: quali fonti sono state recuperate, quale passaggio testuale è stato utilizzato, quale ragionamento ha condotto alla conclusione. Cioè esattamente la documentazione che un audit ai sensi dell'AI Act richiede. La roadmap, articolata in quattro fasi (Assist, Orchestrate, Decide, Act), definisce a monte, per ciascun livello di autonomia, requisiti tecnici e di governance: oggi Assist (RAG su fonti certificate, citazione obbligatoria, supervisione by design, tracciabilità completa) è in produzione presso clienti enterprise; Orchestrate gestisce sequenze processuali con un orchestratore centrale che non delega la logica al modello; Decide e Act, previste per fine 2026 e inizio 2027, avanzano verso l'esecuzione autonoma entro guardrail predefiniti, con piena spiegabilità.

8. La controllabilità dei costi: il pricing prevedibile come vantaggio competitivo

Il quinto tema è economico. Gran parte delle piattaforme di AI basa il proprio modello sul consumo di token: il costo dipende da variabili che l'organizzazione non controlla, come il volume delle richieste, i prezzi dei provider LLM, la complessità delle interrogazioni, la domanda globale di capacità computazionale. Per un utilizzo occasionale la variabilità è marginale; diventa un problema strategico quando l'AI entra stabilmente nei processi legali, di compliance e procurement, dove gli investimenti si pianificano su orizzonti pluriennali.

Il mercato si sta spostando verso il pricing a consumo: gli studi legali rischiano di vedere la voce «AI» diventare la principale componente imprevedibile del budget tecnologico, proprio mentre l'adozione accelera.

TextGenius ha costruito il modello economico su un'architettura che lo rende indipendente dal consumo di token: modelli installati e gestiti all'interno del proprio ecosistema tecnologico, con un abbonamento annuale basato su Volume Tier Commitments. Il cliente conosce in anticipo il costo, pianifica il budget, non è esposto alle oscillazioni dei provider internazionali né alle sorprese in bolletta. Tre modelli di deployment, SaaS Standard (professionisti e PMI), SaaS Premium (grandi imprese e direzioni legali ad uso intensivo) e OnPrem Premium (PA, infrastrutture critiche, pieno controllo dell'infrastruttura), coprono ogni esigenza con lo stesso principio: costo stabile e governabile.

9. Dalla chat ai flussi di lavoro: usabilità per giuristi e localizzazione italiana

Gli ultimi due temi della premessa, la dipendenza dal prompt engineering e l'integrazione nei flussi, si risolvono insieme, e richiedono uno strumento costruito sul diritto italiano, non adattato in corsa. Il problema è sottile: l'AI parla molte lingue, ma il diritto no. Le piattaforme generaliste premiano chi sa scrivere istruzioni perfette e vivono in una chat separata, copia-e-incolla alla mano. Ma il professionista non deve essere un esperto di prompt: deve avere strumenti che capiscono il suo lavoro.

Localizzare una piattaforma per l'Italia significa ricostruire il knowledge graph normativo nazionale, dalla Costituzione ai decreti ministeriali, dal sistema delle massime alle relazioni tra norme e dottrina, con accesso a editori specializzati, senza affidarsi allo scraping su internet. TextGenius è nata dentro questo sistema. Con oltre 228 mila iscritti alla Cassa Forense e un sistema giuridico tra i più complessi d'Europa, servono strumenti costruiti sul diritto nazionale: ricerca giurisprudenziale avanzata con clustering tematico e valutazione degli orientamenti; analisi interattiva dei documenti del cliente; generazione assistita di atti e pareri; un modulo Procurement per la Pubblica Amministrazione che analizza semanticamente contratti, capitolati e offerte sulla base esclusiva di fonti certificate, coerentemente con il D.Lgs. 36/2023 e con la necessità di decisioni motivate e tracciabili in un settore che nel 2025, secondo l'ANAC, ha raggiunto 309,7 miliardi di euro; strumenti per il Compliance Officer: monitoraggio proattivo di normativa e circolari, catalogo centralizzato delle regole, risk assessment, audit trail continuo. Il principio è destinato a diventare centrale: l'efficienza non può essere disgiunta dall'affidabilità del dato.

10. Procurement, lock-in e sovranità tecnologica

Un ulteriore elemento, trasversale a tutti i precedenti, riguarda chi decide l'acquisto. Comprare AI non è come comprare software: si decide dove si fanno transitare dati e documenti, quale infrastruttura entra nei processi, da quale fornitore sarà difficile separarsi, sotto quale giurisdizione finisce parte della capacità operativa. Bruxelles l'ha capito: il Cloud and AI Development Act (CADA) introduce livelli di garanzia basati sul rischio, dalla data residency nell'UE fino alla piena trasparenza e al controllo della filiera, e la Commissione ha comunicato la posizione preliminare di designazione di AWS e Microsoft Azure come gatekeeper sotto il DMA, proprio per lock-in, costi di switching e partnership AI. Uno studio della Commissione (agosto 2026) indica le pratiche di lock-in nell'AI computing stack tra i rischi dell'ecosistema europeo.

TextGenius risponde per costruzione alle domande della nuova checklist dell'acquirente AI. Deployment cloud-agnostic e on-premise, ambienti isolati, nessun invio di dati verso API esterne: caratteristiche che riguardano direttamente Procurement, Legal e Compliance, perché determinano il grado di controllo conservato sull'infrastruttura. Fonti certificate, che spostano la valutazione dalla qualità apparente dell'output alla possibilità di verificarne il fondamento. Pricing prevedibile, che permette di confrontare il costo effettivo di adozione. E assenza di lock-in: l'architettura aperta consente di cambiare modello o infrastruttura senza ricostruire i processi. Comprare TextGenius significa comprare una dipendenza futura conosciuta, controllata e reversibile.

11. Conclusione: una risposta specifica per ogni problema

Riassumendo, nell'ordine dei problemi posti nella premessa, per ciascuno TextGenius offre la risposta specifica, non generica.

• Certezza delle fonti e allucinazioni? RAG su fonti certificate con citazione obbligatoria e verificabile, sui database certificati di Lefebvre Giuffrè.
• Rigore del ragionamento? Orchestrazione separata dal modello, con logica e validazione delle fonti affidate a un livello dedicato, non all'LLM.
• Riservatezza e gestione documentale? Installazione on-premise e cloud-agnostic, ambienti isolati, nessuna esposizione verso API esterne: la tutela dei documenti dello studio; GDPR, AI Act e deontologia integrati per design.
• Tracciabilità e auditabilità? Human-in-the-loop strutturale, percorso di retrieval verificabile in ogni risposta e audit trail completo.
• Controllo dei costi? Abbonamento prevedibile con Volume Tier Commitments, indipendente dalla volatilità dei token.
• Prompt engineering e integrazione nei flussi? Strumenti nativi per il giurista italiano (ricerca, analisi documentale, atti, procurement PA, compliance) senza bisogno di competenze tecniche.
• E, in più, sovranità tecnologica: architettura aperta, deployment a scelta del cliente, dipendenza futura conosciuta e reversibile.

TextGenius non promette meraviglia: promette affidabilità. E nel diritto italiano, dove ogni parola produce effetti giuridici, dove la qualità della fonte è la qualità del ragionamento, dove la responsabilità è personale e la riservatezza è un dovere deontologico, l'affidabilità non è un optional: è il requisito.