IN BREVE
Un LLM genera output. Un chatbot ci permette di interagire con il modello. Un sistema RAG può recuperare informazioni da fonti autorizzate. Con il tool use, l’AI può utilizzare strumenti. Un agente può combinare queste capacità per svolgere una sequenza di operazioni orientata a un obiettivo.
Per lo studio legale la differenza fondamentale è semplice:
un sistema che propone un’azione e un sistema autorizzato a eseguirla presentano rischi molto diversi.
Più aumenta il potere operativo dell’AI, più diventano importanti autorizzazioni, controllo umano, logging e possibilità di arresto.
Dal modello all’agente
Partiamo dall’inizio.
Un Large Language Model, o LLM, è un modello capace di elaborare il contesto ricevuto e generare un output.
Quando gli chiediamo di analizzare una clausola contrattuale, non dobbiamo immaginare un collega digitale che “conosce” la pratica. Il sistema elabora informazioni e produce un risultato sulla base del modello, del contesto e degli strumenti eventualmente disponibili.
Il chatbot è l’interfaccia attraverso la quale dialoghiamo con questa capacità.
Ma oggi possiamo aggiungere altri elementi.
LLM → chatbot → RAG → strumenti → agente.
È qui che la situazione diventa particolarmente interessante per uno studio legale.
RAG: quando l’AI può consultare le nostre fonti
Immaginiamo di chiedere:
“Quali clausole di recesso abbiamo utilizzato nei precedenti contratti di distribuzione?”
Un modello, da solo, non conosce necessariamente i documenti dello studio.
Con un sistema RAG — Retrieval-Augmented Generation — possono essere recuperati contenuti da un archivio autorizzato e forniti al modello come contesto per costruire la risposta.
In forma molto semplice:
domanda → ricerca → recupero delle informazioni → generazione della risposta.
È molto utile, ma RAG non significa automaticamente “risposta corretta”.
Il sistema potrebbe recuperare il documento sbagliato, ignorare quello più pertinente o interpretare male ciò che ha trovato.
Per l’avvocato rimane quindi indispensabile la verifica.
Il vero salto: quando l’AI può usare strumenti
Ora colleghiamo il sistema a un calendario, un archivio documentale o una casella di posta.
Non abbiamo più soltanto un modello che genera testo.
Abbiamo un sistema che può utilizzare strumenti.
Facciamo un esempio.
Possiamo chiedere:
“Prepara una mail per ricordare al cliente la riunione di domani.”
Il sistema produce una bozza. L’avvocato la controlla e decide se inviarla.
Oppure possiamo chiedere:
“Ricorda al cliente la riunione di domani.”
Un sistema opportunamente configurato potrebbe controllare il calendario, individuare l’appuntamento, recuperare il destinatario, preparare il messaggio e utilizzare lo strumento di posta elettronica.
La differenza è enorme.
Nel primo caso l’AI produce un output.
Nel secondo può intervenire nell’ambiente digitale dello studio.
Che cos’è, allora, un agente AI?
In termini operativi, possiamo descrivere un agente AI come un sistema capace di perseguire un obiettivo attraverso una sequenza di passaggi, utilizzando le informazioni e gli strumenti che gli sono stati messi a disposizione.
Un rapporto sull’agentic AI pubblicato sul portale istituzionale della Commissione europea e attribuito allo StepUp StartUps Consortium descrive il passaggio verso sistemi orientati a obiettivi capaci di operare attraverso strumenti e fonti di dati.
Questo non significa che l’agente possieda una volontà.
Quando diciamo che “decide” di usare il calendario utilizziamo una scorciatoia linguistica.
Più precisamente, il sistema determina il passaggio successivo sulla base delle istruzioni, del contesto, dei risultati precedenti e dei meccanismi attraverso i quali è stato costruito.
Autonomia tecnica non significa autonomia umana.
La domanda decisiva: che cosa può fare?
Immaginiamo due agenti.
Il primo può leggere soltanto cinque documenti anonimizzati.
Il secondo può accedere all’intero archivio dello studio, alla posta elettronica, al calendario e al gestionale.
Quale dei due richiede maggiore attenzione?
Non necessariamente quello con il modello più sofisticato.
Molto spesso è quello al quale abbiamo attribuito maggiori poteri.
Per questo, quando valutiamo un agente, dobbiamo guardare almeno a tre cose:
- che cosa può leggere;
- che cosa può preparare;
- che cosa può eseguire.
Possiamo sintetizzarle così:
READ → PROPOSE → ACT.
Leggere una mail non significa poterla inviare.
Consultare il calendario non significa poterlo modificare.
Aprire un documento non significa poterlo cancellare.
Le autorizzazioni sono parte della sicurezza
Un agente dovrebbe disporre soltanto delle autorizzazioni necessarie per svolgere il compito assegnato.
È il principio del least privilege: minimo privilegio.
Se il sistema deve controllare un appuntamento, potrebbe aver bisogno di leggere il calendario.
Non necessariamente di modificarlo.
Se deve preparare una risposta, potrebbe aver bisogno di leggere una mail.
Non necessariamente di inviarla.
La sicurezza dell’agente non dipende quindi soltanto da ciò che gli diciamo nel prompt.
Dipende anche da ciò che gli impediamo tecnicamente di fare.
Dati e segreto professionale
Per uno studio legale questo punto è particolarmente delicato.
Un agente potrebbe essere tecnicamente capace di consultare migliaia di documenti. Non significa che debba poterlo fare.
Occorre stabilire quali archivi può consultare, quali categorie di dati sono necessarie e quali informazioni non devono essere accessibili.
E il problema non riguarda soltanto il GDPR.
Un documento può non contenere categorie particolari di dati personali e rimanere comunque estremamente sensibile perché contiene una strategia processuale, una valutazione del rischio o una proposta transattiva.
Protezione dei dati, sicurezza e segreto professionale devono quindi essere valutati insieme.
Human-in-the-loop: il controllo deve arrivare prima
Immaginiamo due workflow.
Primo:
AI prepara la mail → avvocato controlla → avvocato autorizza → invio.
Secondo:
AI prepara la mail → AI invia → avvocato riceve il report.
In entrambi esiste un essere umano.
Ma il suo ruolo è completamente diverso.
Nel primo caso può impedire l’azione.
Nel secondo può soltanto controllare ciò che è già successo.
Quando l’operazione può produrre conseguenze professionali o esterne allo studio, una buona regola organizzativa è:
HUMAN APPROVAL BEFORE CONSEQUENTIAL ACTION.
L’autorizzazione umana deve arrivare prima dell’azione significativa, non dopo.
Logging: dobbiamo poter ricostruire ciò che è successo
Se un agente esegue più operazioni, diventa importante poter ricostruire il suo comportamento.
- Quale attività è stata richiesta?
- Quali strumenti ha utilizzato?
- Quali operazioni sono state eseguite?
- Quando è intervenuto l’avvocato?
Questo è il ruolo del logging.
Anche qui serve equilibrio.
I log possono contenere dati personali e informazioni riservate. Non significa quindi registrare tutto per sempre, ma conservare ciò che è necessario alla sicurezza e all’accountability secondo criteri proporzionati.
Un agente deve poter essere fermato
C’è infine una domanda sorprendentemente semplice:
“Se qualcosa va storto, possiamo fermarlo?”
Un sistema agentico dovrebbe consentire, in modo proporzionato alla funzione svolta, di interrompere l’esecuzione, revocare le autorizzazioni e ricostruire le operazioni già effettuate.
Più aumenta l’autonomia operativa, più importante diventa la capacità di arresto.
Un buon agente non è soltanto quello che riesce a completare un compito.
È quello che rimane governabile anche quando il compito non procede come previsto.
AUTONOMIA TECNICA ≠ AUTONOMIA PROFESSIONALE
Arriviamo al punto centrale.
Un agente può essere autorizzato a compiere diversi passaggi senza chiedere continuamente l’intervento dell’utente.
Questa è autonomia tecnica.
Ma non significa che possa assumere il governo della prestazione professionale.
Nello studio legale possiamo automatizzare attività, recuperare informazioni, organizzare documenti e preparare bozze.
La valutazione giuridica, la strategia e la responsabilità della prestazione restano del professionista.
La tecnologia può diventare più autonoma nell’esecuzione.
L’avvocato deve rimanere al governo del processo.
Continua il percorso
AI SPIEGATA SEMPLICE
“Che cos’è un agente AI? Dal chatbot all’assistente che può agire, spiegato facile”
Parti dalle basi con una spiegazione semplice e accessibile.
Diritto & AI
“AI Act dopo il 2 agosto 2026: cosa cambia davvero per avvocati e studi legali”
Esamina il quadro giuridico applicabile ad avvocati e studi legali.
LAB
“Agenti AI nello studio legale: scheda di verifica preliminare”
Applica una verifica specifica alle capacità agentiche del sistema.
LAB · CHECKLIST
“Introdurre un sistema di IA nello studio legale: checklist preliminare AI Act + GDPR”
Svolgi una valutazione preliminare complessiva del sistema e del trattamento.
Fonti e approfondimenti istituzionali
- Rapporto/studio — fonte non normativa: Agentic AI: Leveraging European AI talent and Regulatory Assets to Scale Adoption, pubblicato sul portale della Commissione europea e attribuito allo StepUp StartUps Consortium, 23 gennaio 2026
- Commissione europea — Guidelines on the definition of an artificial intelligence system under the AI Act (orientamento ufficiale non vincolante)
Le espressioni “agente”, “decide”, “sceglie” e “agisce” descrivono funzionalità tecniche e non attribuiscono al sistema volontà, coscienza o responsabilità professionale. Le capacità effettive dipendono dalla concreta architettura, dagli strumenti collegati e dalle autorizzazioni attribuite.
Ultima verifica: 23 agosto 2026.