I sistemi che ricercano precedenti possono essere accurati e, nello stesso tempo, rafforzare gli orientamenti dominanti fino a farli apparire come gli unici possibili. ContraLEX sperimenta un modo per rendere computazionalmente rilevanti anche le opinioni dissenzienti della Corte europea dei diritti dell’uomo.
Una proposta promettente per passare dalla giustizia predittiva a una giustizia argomentativa, ancora da validare sul campo.
Indice degli argomenti
Il dibattito sull’intelligenza artificiale nella giustizia
Il dibattito sull’intelligenza artificiale nella giustizia si concentra soprattutto su ciò che accade quando la tecnologia sbaglia: sentenze inesistenti, citazioni inventate, ricostruzioni inattendibili, discriminazioni incorporate nei dati o raccomandazioni delle quali non è possibile comprendere la logica.
Sono problemi reali, ma non esauriscono la questione. Esiste un rischio meno visibile, che emerge proprio quando il sistema funziona come previsto: l’AI può trovare correttamente i precedenti più ricorrenti, riproporre gli orientamenti consolidati e rendere sempre meno visibili le interpretazioni alternative. In questo modo, ciò che è statisticamente più frequente rischia di trasformarsi in ciò che appare giuridicamente inevitabile.
AI e giustizia: i dati sul conformismo algoritmico
Il fenomeno non è più soltanto teorico. Il secondo rapporto della Commissione europea per l’efficienza della giustizia (CEPEJ) censisce 176 strumenti di cyberjustice e AI, prevalentemente europei, 51 dei quali aggiunti nel solo 2025. Fra questi ultimi, 33 sono classificati come strumenti di supporto alla decisione, con possibili sovrapposizioni tra categorie. Lo stesso rapporto rileva, tuttavia, che non esistono ancora evidenze che l’AI renda la giustizia più equa o le decisioni più accurate.
La domanda da porre, dunque, non è soltanto se l’AI sappia trovare il precedente corretto. È anche quale parte della giurisprudenza renda visibile e quale, invece, finisca per nascondere.
Precedenti e AI nella giustizia: certezza senza automatismi
Il precedente svolge una funzione essenziale. Contribuisce alla prevedibilità delle decisioni, limita l’arbitrio e consente ai cittadini di orientare i propri comportamenti sulla base di ciò che i tribunali hanno stabilito in casi analoghi. Anche negli ordinamenti di civil law, nei quali non opera in senso proprio la regola dello stare decisis, la giurisprudenza esercita una crescente forza argomentativa.
La certezza del diritto, però, non può coincidere con la ripetizione automatica del passato. Il diritto deve poter rispondere a nuovi fenomeni sociali, scientifici e tecnologici. Per questo esistono strumenti come il distinguishing, attraverso il quale il giudice rileva differenze significative rispetto a un caso precedente, e l’overruling, che consente di abbandonare un orientamento non più adeguato.
La tensione è particolarmente evidente nella giurisprudenza della Corte europea dei diritti dell’uomo. La Corte tende a garantire coerenza con i propri orientamenti, ma interpreta la Convenzione europea come uno strumento vivente, il cui significato evolve insieme alla società.
In questo processo assumono rilievo le opinioni dissenzienti e concorrenti. Nelle opinioni dissenzienti uno o più giudici non condividono, in tutto o in parte, la decisione della maggioranza; in quelle concorrenti concordano con l’esito, ma non con il percorso argomentativo seguito. Queste opinioni non hanno forza vincolante e non sono necessariamente più avanzate, più giuste o destinate a prevalere. Conservano però le ragioni del disaccordo e rendono visibili possibilità interpretative che la decisione maggioritaria ha escluso.
Talvolta un’opinione minoritaria di oggi anticipa un orientamento che diventerà maggioritario domani. In altri casi rimane isolata. In entrambi, documenta che la decisione non era l’unica logicamente o giuridicamente concepibile.
Quando l’AI nella giustizia diventa conservativa
I sistemi di ricerca giuridica basati sull’AI lavorano su grandi raccolte di sentenze, individuando regolarità, somiglianze linguistiche, disposizioni citate e relazioni tra documenti. È precisamente ciò che li rende utili, ma è anche ciò che può renderli conservativi.
Un modello addestrato sul passato è naturalmente portato a privilegiare ciò che nel passato si è ripetuto. Se un determinato orientamento è dominante, sarà più presente nei dati, più facilmente riconoscibile e più frequentemente proposto. Le decisioni che lo richiamano diventeranno ancora più visibili, saranno lette e citate più spesso e potranno acquistare ulteriore peso nei dati futuri.
Non è necessario che l’algoritmo prenda direttamente una decisione. Anche l’ordinamento dei risultati di una ricerca esercita una forma di governo dell’attenzione giuridica: stabilisce quali precedenti verranno esaminati per primi e quali rischieranno di non essere mai letti.
Il controllo umano, quindi, è necessario ma potrebbe non essere sufficiente. Se interviene soltanto dopo che il sistema ha ristretto l’orizzonte ai precedenti maggioritari, il giudice o l’avvocato continueranno formalmente a decidere, ma decideranno all’interno di uno spazio argomentativo già selezionato dalla macchina.
ContraLEX contro il conformismo dell’AI giuridica
È questo il problema affrontato da un recente studio interdisciplinare di G. De Martino, P. Marra, A. D’Aversa, L. Pulito, A. Pellicani, G. Pio e M. Ceci, afferenti all’Università degli Studi di Bari Aldo Moro, pubblicato su Computer Law & Security Review. Il lavoro propone ContraLEX, una metodologia di contrastive learning multi-prospettiva per l’analisi e la ricerca dei precedenti giudiziari.
ContraLEX non è un giudice automatico e non è neppure, nel suo nucleo sperimentale, un sistema generativo. Il suo obiettivo è costruire una rappresentazione numerica delle sentenze che non appiattisca tutte le informazioni in un unico testo.
Le tre prospettive di ContraLEX
Il sistema considera separatamente tre prospettive: il contenuto della decisione maggioritaria, le citazioni giuridiche e le opinioni dissenzienti. Le prime due costituiscono la rappresentazione positiva del caso; il dissenso agisce invece come polo negativo nel processo di apprendimento. “Positivo” e “negativo” hanno qui un significato esclusivamente tecnico: non indicano quale opinione sia corretta.
Il testo della sentenza e i precedenti citati ne determinano l’inquadramento rispetto a determinate questioni e orientamenti giurisprudenziali; l’opinione dissenziente contribuisce a precisarne ulteriormente i caratteri, mettendo in evidenza anche le interpretazioni rispetto alle quali la decisione della maggioranza prende le distanze. La rappresentazione risultante incorpora così non soltanto ciò che la Corte ha deciso, ma anche il disaccordo emerso nel collegio.
L’idea è rilevante perché un precedente non coincide con le sole parole della decisione né con l’elenco delle norme richiamate. Conta anche il problema interpretativo affrontato, il rapporto tra i fatti e la norma, gli argomenti accolti e quelli respinti. Rappresentare il dissenso come una componente autonoma può quindi favorire l’individuazione di collegamenti tra casi apparentemente lontani, ma accomunati dalla medesima tensione giuridica.
ContraLEX e l’AI nella giustizia: i risultati degli esperimenti
ContraLEX è stato sperimentato su 1.930 decisioni della Corte europea dei diritti dell’uomo contenenti opinioni dissenzienti e confrontato con Law2Vec, un modello preaddestrato per la rappresentazione di documenti giuridici.
Nella valutazione quantitativa, al crescere del rumore nei dati, ContraLEX ha mostrato vantaggi significativi rispetto a Law2Vec, ottenendo prestazioni fino a 7 volte superiori nel ritrovamento dei precedenti.
Dai dati quantitativi ai collegamenti tra sentenze
Gli autori hanno effettuato anche una analisi qualitativa dei risultati. Partendo da tre sentenze, gli autori hanno confrontato i documenti restituiti da ContraLEX con quelli individuati da Law2Vec. Quest’ultimo tende a trovare decisioni accomunate dalle stesse disposizioni della Convenzione o da istituti analoghi. ContraLEX fa emergere collegamenti più trasversali, legati, per esempio, alla vulnerabilità della persona, alle garanzie procedurali, alla proporzionalità e ai limiti dell’intervento statale.
In un caso relativo al diritto di proprietà, il sistema richiama anche sentenze riguardanti vita familiare, salute e integrità personale. La connessione non risiede nell’identità del diritto invocato, ma nel modo in cui la Corte bilancia interesse pubblico e diritti individuali e nell’evoluzione di tale bilanciamento.
AI e giustizia: regolare la selezione degli argomenti
In Italia, è riservata espressamente al magistrato ogni decisione sull’interpretazione e applicazione della legge, sulla valutazione dei fatti e delle prove e sull’adozione dei provvedimenti.
Anche le linee guida della CEPEJ sull’impiego dell’AI generativa nei tribunali richiamano il rischio del cosiddetto bubble effect: l’apparente efficienza del sistema può generare un’eccessiva fiducia nelle sentenze e nelle sintesi proposte, scoraggiando la consultazione autonoma delle fonti originarie. La CEPEJ invita infatti i giudici a mantenere nei confronti degli output algoritmici un atteggiamento critico e, quando necessario, persino dissenziente.
Queste garanzie ribadiscono correttamente che la decisione finale deve restare umana. Il paper su ContraLEX aggiunge però un problema ulteriore: non basta regolare chi decide; occorre governare anche la selezione delle informazioni sulle quali la decisione verrà costruita.
Dalla giustizia predittiva a un’AI argomentativa
Si può allora distinguere tra due modi di progettare l’AI giuridica.
AI confermativa e AI argomentativa
Un’AI confermativa individua la soluzione più ricorrente, ordina i precedenti dominanti e riduce l’incertezza riproducendo il passato. Può essere molto efficiente, ma rischia di confondere la frequenza di un orientamento con la sua permanente validità.
Un’AI argomentativa, invece, non si limita a suggerire ciò che un giudice probabilmente deciderà. Rende visibili anche le alternative, i dissensi e i punti nei quali la giurisprudenza è meno compatta di quanto sembri.
Per realizzare questo secondo modello non basta modificare l’algoritmo. Occorrono sistemi che mostrino perché una sentenza è stata recuperata, distinguano chiaramente opinione maggioritaria e dissenso, segnalino l’evoluzione temporale degli orientamenti e permettano al professionista di esplorare criteri di similarità differenti. Anche la valutazione dovrà cambiare: non soltanto precisione e capacità predittiva, ma pluralità degli argomenti, pertinenza giuridica, spiegabilità e utilità effettiva per magistrati e avvocati.
Il ruolo dell’AI simbiotica
È qui che ContraLEX si raccorda al paradigma dell’AI simbiotica. La macchina può esplorare una quantità di decisioni che nessun essere umano riuscirebbe a esaminare integralmente; il giurista deve però conservare la responsabilità di interpretare le analogie, valutarne la forza e decidere quando esistano ragioni per abbandonare la strada già percorsa.
Il diritto ha bisogno della memoria del passato, ma una memoria che conservi soltanto le opinioni risultate vincenti non è sufficiente. Una buona AI giuridica non dovrebbe dirci soltanto che cosa un giudice probabilmente deciderà. Dovrebbe aiutarci a comprendere anche perché potrebbe ragionevolmente decidere altrimenti.
Riferimenti
De Martino, G., Marra, P., D’Aversa, A., Pulito, L., Pellicani, A., Pio, G., & Ceci, M. (2026). “Leveraging textual content, citational aspects and dissenting opinions through a multi-view contrastive learning methodology for legal precedent analysis”. Computer Law & Security Review, 60, 106257. DOI: 10.1016/j.clsr.2025.106257
CEPEJ (2025). Guidelines on the Use of Generative Artificial Intelligence for Courts. Council of Europe. Documento ufficiale
CEPEJ (2026). 2nd Report on the Use of Artificial Intelligence in the Judiciary. Council of Europe. Documento ufficiale
Commissione europea (2026). Administration of Justice and Democratic Processes – AI Act Service Desk. Scheda ufficiale
Partecipa alla community