AI Literacy è il percorso editoriale di HUMAIURIS che seleziona e ordina le conoscenze tecniche, giuridiche e deontologiche necessarie all’avvocato per comprendere e utilizzare i sistemi di intelligenza artificiale in modo informato, consapevole e responsabile. È costruito in coerenza sostanziale con l’articolo 4 dell’AI Act e con la disciplina nazionale dedicata alla formazione delle professioni, declinandone i principi rispetto alla tutela del cliente, al controllo umano e alla responsabilità professionale. Ha natura editoriale e formativa e non costituisce corso accreditato né attribuisce crediti formativi.
Il riferimento normativo: l’articolo 4 dell’AI Act
L’articolo 4 del Regolamento (UE) 2024/1689, nel testo consolidato vigente, richiede a provider e deployer di adottare misure per sostenere lo sviluppo dell’AI literacy delle persone che operano per loro conto con sistemi di IA, considerando conoscenze tecniche, esperienza, istruzione, formazione e contesto d’uso. Non è richiesto garantire uno specifico livello individuale. Il percorso HUMAIURIS offre conoscenza e orientamento, ma non è una certificazione né produce una presunzione automatica di conformità.
Regolamento (UE) 2024/1689 — testo consolidato EUR-Lex · Commissione europea — AI Literacy Q&A
Il quadro nazionale è in evoluzione. L’articolo 45 del decreto legislativo attuativo della legge 23 settembre 2025, n. 132, approvato in via definitiva dal Consiglio dei ministri il 4 agosto 2026, prevede per ordini e collegi professionali l’integrazione della formazione iniziale e continua con programmi di AI literacy articolati su profili tecnici, giuridici e deontologici. Alla verifica del 3 settembre 2026 non risulta ancora pubblicato in Gazzetta Ufficiale: la disposizione non viene quindi presentata come vigente. Dopo la pubblicazione saranno verificati testo definitivo, numerazione, entrata in vigore, termini di adeguamento e atti degli ordini competenti.
Senato — Atto del Governo n. 421 · Dossier parlamentare · Consiglio dei ministri n. 185 · Commento di Maurizio Reale
Segui i moduli in ordine. AI spiegata semplice è la bussola dei concetti; AI Literacy costruisce il percorso; Diritto & AI approfondisce norme e conseguenze; il Lab offre strumenti. La funzione formativa è interamente ricondotta a questo percorso.
Mappa degli otto moduli
Modulo 2 — IA generativa e modelli linguistici
Livello: Essenziale · 7 tappe · DISPONIBILE
Modulo 4 — Dati, segreto professionale, riservatezza e sicurezza
Livello: Professionale · 9 tappe · PROGRAMMATO
Modulo 5 — Regole dell’IA nel contesto professionale
Livello: Professionale · 10 tappe · PROGRAMMATO
Modulo 6 — Deontologia e rapporto fiduciario
Livello: Professionale · 8 tappe · PROGRAMMATO
Modulo 7 — Controllo umano, rischi e responsabilità professionale
Livello: Professionale · 8 tappe · PROGRAMMATO
Modulo 8 — Uso professionale governato, automazioni e agenti AI
Livello: Avanzato · 10 tappe · PROGRAMMATO
Modulo 1 — Fondamenti dei sistemi di IA
Modulo 1 di 8
Dalle basi dell’elaborazione digitale ai modelli linguistici: dati, algoritmi, apprendimento, rappresentazioni e architetture necessarie per comprendere come funzionano i sistemi di IA.
1.1 · DISPONIBILE
Il computer e l’elaborazione dell’informazione
Cosa imparerai
Che cosa fa un computer, quali funzioni fondamentali ci interessano e perché elaborazione non significa automaticamente intelligenza o comprensione.
Contenuto principale
Che cos’è davvero un computer? Partiamo dall’inizio
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per comprendere progressivamente cosa accade quando documenti, dati e attività professionali vengono affidati a sistemi digitali e successivamente a sistemi di IA.
Prerequisiti
Nessuno.
Tappa successiva
1.2 · Dati, bit e byte
1.2 · DISPONIBILE
Dati, bit e byte: come rappresenta le informazioni un computer?
Cosa imparerai
La distinzione tra informazione, dato e rappresentazione; che cosa sono bit e byte; come Unicode, code point e forme di codifica permettono di rappresentare il testo digitale.
Contenuto principale
Dati, bit e byte. Come rappresenta le informazioni un computer?
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per comprendere che dietro documenti informatici, firme, PEC, formati e fascicoli telematici esistono dati, strutture e regole tecniche che possono richiedere verifica.
Prerequisiti
1.1 · Il computer e l’elaborazione dell’informazione
Tappa precedente
1.1 · Il computer e l’elaborazione dell’informazione
Tappa successiva
1.3 · Algoritmi
1.3 · DISPONIBILE
Algoritmi. Come diciamo a un computer che cosa deve fare?
Cosa imparerai
Comprendere che cos’è un algoritmo, come organizza dati, regole e operazioni e perché non coincide con un programma o con un sistema di intelligenza artificiale.
Contenuto principale
Algoritmi. Come diciamo a un computer che cosa deve fare?
Perché serve e come si collega al percorso
Perché serve all’avvocato
Imparare a scomporre un risultato automatizzato e a formulare domande su dati, regole, operazioni, persone e possibilità di verifica.
Prerequisiti
1.2 · Dati, bit e byte. Come rappresenta le informazioni un computer?
Tappa precedente
1.2 · Dati, bit e byte
Tappa successiva
1.4 · Dal software all’intelligenza artificiale
1.4 · DISPONIBILE
Dal software all’intelligenza artificiale: quando un programma comincia a “inferire”
Cosa imparerai
Distinguere programma, automazione e sistema di IA, comprendendo il ruolo del modello e dell’inferenza nella produzione dell’output.
Contenuto principale
Dal software all’intelligenza artificiale: quando un programma comincia a “inferire”
Perché serve e come si collega al percorso
Perché serve all’avvocato
Riconoscere le caratteristiche reali di uno strumento tecnologico e formulare le domande necessarie alla sua qualificazione giuridica e al suo impiego professionale governato.
Prerequisiti
1.3 · Algoritmi. Come diciamo a un computer che cosa deve fare?
Tappa precedente
1.3 · Algoritmi
Tappa successiva
1.5 · Machine learning
1.5 · DISPONIBILE
Machine learning. Come una macchina impara dai dati senza “capire” come noi
Cosa imparerai
Comprendere che cosa significa addestrare un modello, distinguere dati di addestramento, convalida, prova e input e riconoscere che “apprendere” è un termine tecnico.
Contenuto principale
Machine learning. Come una macchina impara dai dati senza “capire” come noi
Perché serve e come si collega al percorso
Perché serve all’avvocato
Valutare con maggiore consapevolezza dati, modello, output, controlli e governo umano quando uno strumento utilizza tecniche di machine learning.
Prerequisiti
1.4 · Dal software all’intelligenza artificiale
Tappa precedente
1.4 · Dal software all’intelligenza artificiale
Tappa successiva
1.6 · Training e inferenza
1.6 · DISPONIBILE
Training e inferenza. Prima la macchina impara dai dati, poi usa ciò che ha appreso
Cosa imparerai
Distinguere la fase nella quale un modello viene addestrato dalla fase nella quale utilizza ciò che ha appreso per produrre un output su nuovi input.
Contenuto principale
Training e inferenza. Prima la macchina impara dai dati, poi usa ciò che ha appreso
Perché serve e come si collega al percorso
Perché serve all’avvocato
Comprendere che cosa può accadere ai dati inseriti in un sistema e formulare domande corrette su addestramento, utilizzo degli input, controlli e responsabilità.
Prerequisiti
1.5 · Machine learning
Tappa precedente
1.5 · Machine learning
Tappa successiva
1.7 · Modello di intelligenza artificiale
1.7 · DISPONIBILE
Che cos’è un modello di intelligenza artificiale. Ciò che resta dopo il training
Cosa imparerai
Comprendere che il modello è il risultato del processo di addestramento e distinguere il modello dal sistema di IA, dall’applicazione e dal servizio utilizzato.
Contenuto principale
Che cos’è un modello di intelligenza artificiale. Ciò che resta dopo il training
Perché serve e come si collega al percorso
Perché serve all’avvocato
Riconoscere i diversi livelli tecnici e formulare domande più precise su provider, integrazione, dati, responsabilità e contesto d’uso.
Prerequisiti
1.6 · Training e inferenza
Tappa precedente
1.6 · Training e inferenza
Tappa successiva
1.8 · Parametri e pesi
1.8 · DISPONIBILE
Parametri e pesi. Dove resta ciò che il modello ha imparato
Cosa imparerai
Comprendere che durante il training il modello adatta parametri numerici, distinguere parametri, pesi, bias e iperparametri e interpretare correttamente il numero dei parametri.
Contenuto principale
Parametri e pesi. Dove resta ciò che il modello ha imparato
Perché serve e come si collega al percorso
Perché serve all’avvocato
Leggere con maggiore consapevolezza documentazione tecnica, schede dei modelli e informazioni sui GPAI, senza confondere dimensione, qualità, regole e responsabilità.
Prerequisiti
1.7 · Modello di intelligenza artificiale
Tappa precedente
1.7 · Modello di intelligenza artificiale
Tappa successiva
1.9 · Reti neurali
1.9 · DISPONIBILE
Che cos’è una rete neurale. Neuroni, livelli, connessioni e pesi
Cosa imparerai
Comprendere neuroni artificiali, nodi, livelli, pesi, bias e funzioni di attivazione e distinguere una rete neurale artificiale da un neurone biologico o da una mente.
Contenuto principale
Che cos’è una rete neurale. Neuroni, livelli, connessioni e pesi
Perché serve e come si collega al percorso
Perché serve all’avvocato
Comprendere le fondamenta tecniche sulle quali si costruiscono architetture moderne come il Transformer, evitando rappresentazioni antropomorfiche dello strumento.
Prerequisiti
1.8 · Parametri e pesi
Tappa precedente
1.8 · Parametri e pesi
Tappa successiva
2.1 · Probabilità e previsione
Modulo 2 — IA generativa e modelli linguistici
Modulo 2 di 8
Come i modelli linguistici producono output, quali passaggi tecnici entrano nella generazione e perché probabilità e plausibilità non equivalgono a verità.
Obiettivo del modulo
Comprendere come un modello linguistico genera un output e perché plausibilità, probabilità e correttezza non coincidono.
2.1 · DISPONIBILE
Probabilità e previsione. Come il modello sceglie tra risultati possibili
Cosa imparerai
Comprendere come un modello utilizza ciò che ha appreso per produrre stime o previsioni, distinguendo probabilità, verità, accuratezza e affidabilità complessiva.
Contenuto principale
Probabilità e previsione. Come il modello sceglie tra risultati possibili
Perché serve e come si collega al percorso
Perché serve all’avvocato
Interpretare correttamente punteggi e percentuali prodotti dagli strumenti di IA, evitando di attribuire all’output una certezza tecnica o giuridica che non possiede.
Prerequisiti
1.8 · Parametri e pesi
Tappa precedente
1.9 · Reti neurali
Tappa successiva
2.2 · Token e tokenizzazione
2.2 · DISPONIBILE
Token. Come l’intelligenza artificiale divide il linguaggio prima di elaborarlo
Cosa imparerai
Comprendere che cosa sono token, tokenizzazione, tokenizer e vocabolario e come il testo viene trasformato in unità elaborabili dal modello.
Contenuto principale
Token. Come l’intelligenza artificiale divide il linguaggio prima di elaborarlo
Perché serve e come si collega al percorso
Perché serve all’avvocato
Capire perché pagine e token non coincidono, quali limiti incontra l’elaborazione di documenti lunghi e perché il modello non legge un atto come lo legge il professionista.
Prerequisiti
2.1 · Probabilità e previsione
Tappa precedente
2.1 · Probabilità e previsione
Tappa successiva
2.3 · Embeddings
2.3 · DISPONIBILE
Embeddings. Come l’intelligenza artificiale trasforma gli elementi del linguaggio in rappresentazioni numeriche
Cosa imparerai
Comprendere che cosa sono embedding, vettori e spazio degli embedding e come relazioni e similarità possano essere utilizzate matematicamente dal modello.
Contenuto principale
Embeddings. Come l’intelligenza artificiale trasforma gli elementi del linguaggio in rappresentazioni numeriche
Perché serve e come si collega al percorso
Perché serve all’avvocato
Distinguere la vicinanza matematica dalla rilevanza giuridica e costruire le basi per comprendere ricerca semantica e recupero documentale.
Prerequisiti
2.2 · Token e tokenizzazione
Tappa precedente
2.2 · Token e tokenizzazione
Tappa successiva
2.4 · Transformer e attention
2.4 · DISPONIBILE
Transformer e attention. Come il modello mette in relazione gli elementi del linguaggio
Cosa imparerai
Comprendere che cosa sono Transformer, attention e self-attention e come il modello elabora relazioni tra le rappresentazioni degli elementi presenti nel contesto.
Contenuto principale
Transformer e attention. Come il modello mette in relazione gli elementi del linguaggio
Perché serve e come si collega al percorso
Perché serve all’avvocato
Evitare di attribuire al modello comprensione umana o interpretazione giuridica e governarne l’uso con maggiore consapevolezza tecnica.
Prerequisiti
2.3 · Embeddings
Tappa precedente
2.3 · Embeddings
Tappa successiva
2.5 · La previsione del token successivo
2.5 · DISPONIBILE
Come genera il testo un’intelligenza artificiale. La previsione del token successivo
Cosa imparerai
Come un modello linguistico genera testo attraverso una sequenza iterativa di previsioni e perché probabilità non significa verità.
Contenuto principale
Come genera il testo un’intelligenza artificiale. La previsione del token successivo
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per comprendere perché un testo plausibile non è necessariamente corretto e perché fonti, norme e precedenti devono essere verificati dal professionista.
Prerequisiti
2.1 · Probabilità e previsione
2.2 · Token e tokenizzazione
2.3 · Embeddings
2.4 · Transformer e attention
Tappa precedente
2.4 · Transformer e attention
Tappa successiva
2.6 · Che cos’è davvero un LLM
2.6 · DISPONIBILE
Che cos’è davvero un LLM
Cosa imparerai
Come token, embeddings, Transformer e previsione del token successivo compongono un modello linguistico e perché modello, sistema e servizio non coincidono.
Contenuto principale
Che cos’è davvero un LLM
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per distinguere la tecnologia utilizzata, comprenderne i limiti e preparare la corretta qualificazione giuridica del proprio ruolo.
Prerequisito
2.5 · La previsione del token successivo
Tappa precedente
2.5 · La previsione del token successivo
Tappa successiva
2.7 · Allucinazioni
2.7 · DISPONIBILE
Perché l’intelligenza artificiale può inventare cose che sembrano vere
Cosa imparerai
Perché un LLM può generare una risposta linguisticamente plausibile senza averne verificato la verità e perché non ogni output errato è necessariamente un’allucinazione.
Contenuto principale
Perché l’intelligenza artificiale può inventare cose che sembrano vere
Approfondimenti disponibili
RAG e recupero delle fonti
Context window
Prompting
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per riconoscere la differenza tra output generato e fonte verificata e mantenere il controllo professionale su norme, precedenti e documenti utilizzati.
Prerequisito
Che cos’è davvero un LLM
Tappa precedente
2.6 · Che cos’è davvero un LLM
Tappa successiva
3.1 · Context window
Modulo 3 — Prompt, contesto, fonti e verifica
Modulo 3 di 8
Dalle allucinazioni e dal problema dell’affidabilità alla gestione del contesto, alla formulazione delle istruzioni, al recupero delle fonti e alla verifica professionale.
Prerequisito del modulo
2.7 · Allucinazioni
3.1 · DISPONIBILE
Context window: quali informazioni può utilizzare il modello
Cosa imparerai
Comprendere che la finestra di contesto delimita le informazioni disponibili durante una specifica elaborazione e non coincide con training, memoria o RAG.
Contenuto principale
Che cos’è la context window
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per governare documenti lunghi, istruzioni e allegati senza presumere che il sistema ricordi o utilizzi tutto correttamente.
Prerequisiti
2.2 · Token · 2.4 · Transformer e attention · 2.6 · LLM · 2.7 · Allucinazioni
Tappa precedente
2.7 · Allucinazioni
Tappa successiva
3.2 · Prompting
3.2 · DISPONIBILE
Prompt: formulare istruzioni senza attribuirgli poteri magici
Cosa imparerai
Definire obiettivo, contesto, fonti, vincoli, formato dell’output e criteri di verifica, sapendo che un buon prompt non garantisce un risultato vero.
Contenuto principale
Che cos’è davvero un prompt
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per formulare richieste controllabili, ridurre ambiguità e predisporre una verifica professionale dell’output.
Prerequisiti
3.1 · Context window
Tappa precedente
3.1 · Context window
Tappa successiva
3.3 · RAG
3.3 · DISPONIBILE
RAG: recuperare contenuti prima di generare la risposta
Cosa imparerai
Comprendere come il recupero di contenuti esterni possa fornire al modello documenti pertinenti prima della generazione e perché recuperare non equivale a verificare.
Contenuto principale
Che cos’è il RAG e perché permette all’IA di usare delle fonti
Perché serve e come si collega al percorso
Perché serve all’avvocato
Per distinguere una fonte recuperata da una fonte esistente, pertinente, vigente e correttamente utilizzata.
Prerequisiti
2.3 · Embeddings · 2.6 · LLM · 3.1 · Context window
Tappa precedente
3.2 · Prompting
Tappa successiva
3.4 · Verifica professionale delle fonti
3.4 · DISPONIBILE
Verifica professionale delle fonti
Cosa imparerai
Verificare esistenza, autenticità, pertinenza, contenuto, vigenza e corretta citazione di una fonte proposta o recuperata dall’IA.
Contenuto principale
Verificare le fonti
Conseguenza giuridica già disponibile
Quando l’IA inventa le sentenze: che cosa ha detto davvero la Cassazione.
Strumento operativo
Una checklist dedicata alla verifica delle fonti è programmata. Il modello CNF sull’informativa al cliente resta disponibile nel Lab per la sua distinta finalità.
Perché serve e come si collega al percorso
Perché serve all’avvocato
Perché la fonte può essere generata, recuperata o riassunta dal sistema, ma la decisione di utilizzarla e la responsabilità della verifica restano professionali.
Prerequisiti
2.7 · Allucinazioni · 3.2 · Prompting · 3.3 · RAG
Tappa precedente
3.3 · RAG
Tappa successiva
3.5 · Verifica complessiva dell’output
3.5 · DISPONIBILE
Verifica complessiva dell’output
Cosa imparerai
Ricordare che la verifica delle fonti è necessaria, ma non esaurisce il controllo professionale dell’output nel suo complesso.
Contenuto principale
Verificare l’output dell’intelligenza artificiale prima dell’uso professionale
Le prossime tappe del percorso
I Moduli 4–8 definiscono la prosecuzione del percorso professionale. Sono programmati: la mappa ne rende visibili contenuti e ordine senza presentarli come già disponibili.
MODULO 4 DI 8 · PROGRAMMATO
Dati, segreto professionale, riservatezza e sicurezza
Raccordi già disponibili
IA nello studio legale. GDPR, segreto professionale, governance e sicurezza in un’unica mappa · Il web è pubblico, i dati personali no. Web scraping e addestramento dell’IA tra EDPB e Garante · Che cos’è una prompt injection e come può manipolare un sistema di intelligenza artificiale. Questi approfondimenti non rendono automaticamente disponibili le tappe programmate del modulo.
Livello: professionale · 9 tappe
- 4.1 — Che cosa stiamo affidando al sistema di IA?
- 4.2 — Dati personali, dati giudiziari e categorie particolari
- 4.3 — Segreto professionale e riservatezza
- 4.4 — Che cosa accade agli input
- 4.5 — Fornitore, ruoli privacy e accordi contrattuali
- 4.6 — Trasferimenti, localizzazione e accesso ai dati
- 4.7 — Anonimizzazione, pseudonimizzazione e minimizzazione
- 4.8 — Sicurezza dell’account e dello strumento
- 4.9 — Violazioni, errori e incidenti
MODULO 5 DI 8 · PROGRAMMATO
Regole dell’IA nel contesto professionale
Raccordi già disponibili
AI Act dopo il 2 agosto 2026: cosa cambia davvero per avvocati e studi legali · AI Act dopo il 2 agosto 2026: chi controlla, cosa è già sottoposto a enforcement e cosa deve ancora entrare in applicazione. Questi approfondimenti non rendono automaticamente disponibili le tappe programmate del modulo.
Livello: professionale · 10 tappe
- 5.1 — Che cos’è un sistema di IA secondo l’AI Act
- 5.2 — Modello, sistema, applicazione e servizio
- 5.3 — Provider, deployer e altri operatori
- 5.4 — Quando l’avvocato è deployer
- 5.5 — L’articolo 4 dell’AI Act
- 5.6 — La classificazione dei rischi
- 5.7 — Gli obblighi di trasparenza pertinenti
- 5.8 — Modelli di IA per finalità generali
- 5.9 — La disciplina italiana dell’intelligenza artificiale
- 5.10 — AI literacy e formazione delle professioni: articolo 45 del decreto attuativo
MODULO 6 DI 8 · PROGRAMMATO
Deontologia e rapporto fiduciario
Raccordi già disponibili
L’avvocato deve informare il cliente quando usa l’intelligenza artificiale? · Informativa al cliente sull’uso dell’IA: il modello predisposto dal CNF. Questi approfondimenti non rendono automaticamente disponibili le tappe programmate del modulo.
Livello: professionale · 8 tappe
- 6.1 — Competenza e aggiornamento nell’uso dell’IA
- 6.2 — Indipendenza del giudizio professionale
- 6.3 — Diligenza e verifica
- 6.4 — Segreto professionale e riservatezza
- 6.5 — Informazione al cliente
- 6.6 — Prevalenza del lavoro intellettuale umano
- 6.7 — Autorialità e responsabilità dell’atto
- 6.8 — Collaboratori e organizzazione dello studio
MODULO 7 DI 8 · PROGRAMMATO
Controllo umano, rischi e responsabilità professionale
Raccordi già disponibili
Se l’IA causa un danno, chi deve provare che cosa? · Il giudice può usare l’intelligenza artificiale? Decisione, motivazione e controllo umano. Questi approfondimenti non rendono automaticamente disponibili le tappe programmate del modulo.
Livello: professionale · 8 tappe
- 7.1 — Che cosa significa controllo umano effettivo
- 7.2 — Verificare fatti, norme, precedenti e documenti
- 7.3 — Bias, omissioni e risultati discriminatori
- 7.4 — Affidamento e automazione del giudizio
- 7.5 — Persone e gruppi interessati
- 7.6 — Errori dell’IA e responsabilità professionale
- 7.7 — Documentazione della verifica
- 7.8 — Quando non utilizzare l’IA
MODULO 8 DI 8 · PROGRAMMATO
Uso professionale governato, automazioni e agenti AI
Raccordi già disponibili
Agenti AI nello studio legale: dal chatbot all’agente autonomo, cosa cambia per responsabilità, privacy e sicurezza · Agenti AI nello studio legale: scheda di verifica preliminare. Questi approfondimenti non rendono automaticamente disponibili le tappe programmate del modulo.
Livello: avanzato · 10 tappe
- 8.1 — Individuare il caso d’uso
- 8.2 — Valutare contesto, persone e rischio
- 8.3 — Scegliere lo strumento
- 8.4 — Definire input e limiti
- 8.5 — Stabilire la verifica umana
- 8.6 — Documentare il processo
- 8.7 — Dal chatbot all’agente AI
- 8.8 — Permessi, strumenti collegati e autonomia
- 8.9 — Supervisione degli agenti
- 8.10 — Revisione periodica dell’alfabetizzazione
APPROFONDIMENTO DISPONIBILE · FUORI SEQUENZA
Agenti AI: un contenuto avanzato
Agenti AI nello studio legale: dal chatbot all’agente autonomo, cosa cambia per responsabilità, privacy e sicurezza
Livello: avanzato. Prerequisiti consigliati: nozioni di base su IA generativa, dati e strumenti collegati. Il contenuto spiega il passaggio dal modello che risponde al sistema che può utilizzare strumenti e compiere azioni, mantenendo centrale la supervisione umana.