Studi legali e AI in-house: il modello 'fatto in casa' delle law-firm

Alcuni studi legali stanno sviluppando strumenti di intelligenza artificiale in-house invece di acquistare soluzioni standard, perché i tool pronti all’uso non sempre si adattano bene alle esigenze specifiche di una pratica, di una giurisdizione o di una base documentale. In alcuni casi, questi strumenti vengono anche proposti ai clienti in abbonamento, aprendo la strada a nuovi modelli di ricavo. Il Financial Times descrive questo fenomeno come una crescita del “build-your-own” nelle law firm.

Il trend del software AI “in casa” negli studi legali

Il Financial Times descrive un fenomeno in crescita: gli studi legali stanno superando l’idea di acquistare soluzioni “pronte all’uso” per sviluppare, in proprio o con partner tecnologici, strumenti ottimizzati sui flussi reali di lavoro, sui precedenti e sui casi di clientela. In diverse aree del mondo, da Singapore a Sydney, grandi studi internazionali stanno costruendo AI generative e predittive proprietarie, alimentate dalle proprie banche dati e dai processi interni.

Questo cambio di approccio può essere letto come il risultato di alcuni fattori specifici: la maturità delle tecnologie di AI generativa e la pressione sui costi e sull’efficienza operativa. A ciò si aggiunge un limite strutturale delle soluzioni di mercato: spesso non si adattano alle specificità di una giurisdizione, di un settore o di un determinato profilo di clientela. In questi casi, sviluppare uno strumento interno può diventare la soluzione più adatta.

I casi reali

Tra gli esempi citati ci sono Allen & Gledhill e Rajah & Tann a Singapore, Inkling Legal Design a Sydney e Ashurst a Londra. Questi casi mostrano un modello ricorrente: l’AI non sostituisce il controllo giuridico, ma lo amplifica.

Lo studio singaporiano Allen & Gledhill ha sviluppato nel 2024 A&GEL (“angel”), un tool di AI generativa pensato per supportare i gruppi di pratica. Lo strumento accelera attività ad alto volume confrontando le bozze con precedenti verificati e costantemente aggiornati, mantenendo così elevati standard di affidabilità. La logica non è ridurre il lavoro degli avvocati, ma migliorarne la qualità operativa senza però rinunciare alla solidità delle analisi. Il valore, quindi, si sposta anche sulla qualità dell’output e sulla capacità di adattarlo al contesto.

Anche Inkling Legal Design ha scelto di progettare un proprio strumento. Il tool predittivo dello studio usa dati storici di user testing su più giurisdizioni e segnala potenziali criticità come linguaggio troppo complesso o sensibilità culturali. Sara Rayment, fondatrice e managing partner, spiega che i prodotti AI già presenti sul mercato erano spesso addestrati su documenti legali statunitensi più aggressivi e protettivi sul piano contrattuale. In pratica, tendevano a proporre clausole, formulazioni e impostazioni tipiche del contesto USA, che non sempre si adattano bene a clienti o mercati con una cultura giuridica diversa. Il problema non era solo linguistico, ma soprattutto strutturale: quei modelli erano “ponderati” in modo da dare più peso a esempi e logiche ricorrenti nel materiale americano. Di conseguenza, l’output risultava meno utile per clienti asiatici, australiani o britannici, perché il modo di scrivere, negoziare e interpretare un contratto può cambiare molto da un ordinamento all’altro.

Anche in questo caso, il motivo della scelta è l’adattamento: il mercato legale non è uniforme, e gli strumenti generalisti non sempre rispondono alle sue esigenze specifiche.

Dal software interno ai servizi ai clienti

La trasformazione operativa si riflette direttamente sul modello economico. Se l’AI riduce drasticamente il tempo necessario per attività come revisione documentale o drafting, il modello tradizionale basato sulle ore fatturate deve essere ripensato. Per questo emergono modelli ibridi che combinano tecnologia e competenze umane.

Rajah & Tann, a Singapore, ha lanciato un servizio in abbonamento che dà accesso a una piattaforma di revisione contrattuale basata sui propri sistemi interni. Rajesh Sreenivasan descrive il modello come un abbonamento per il “vault” e una tariffa oraria quando serve il supporto del team di avvocati. Il servizio si basa sull’accesso al repository digitale dello studio, che contiene documenti legali verificati e dati. In questo modo, il cliente non acquista solo uno strumento tecnologico, ma entra in un ambiente organizzato di contenuti giuridici controllati, con la possibilità di tornare allo studio per le questioni più complesse. In questo modo l’AI non elimina il lavoro legale, ma contribuisce a spostare l’attenzione verso attività più strategiche e complesse.

Ashurst sta ripensando il proprio modello di business, mappando le attività che l’AI generativa può sostituire e costruendo formule di fatturazione alternative che combinano tecnologia e competenze umane. Hilary Goodier, global head di Ashurst Advance e della trasformazione digitale dello studio, ha spiegato che l’AI è posta al centro del servizio, attorno a cui vengono costruiti processi e persone.

Un settore ancora all’inizio

Goodier osserva che il settore è ancora all’inizio di questo percorso e che negli ultimi due anni ci sono stati più avanzamenti tecnologici che nei venti precedenti. Questa osservazione aiuta a collocare meglio il fenomeno: non siamo davanti a un cambiamento già compiuto, ma a una fase di transizione in cui solo alcuni studi stanno sperimentando modelli diversi. Il quadro che emerge è quello di una professione legale che, in alcuni casi, non si limita solo ad usare l’AI, ma inizia a costruirla, adattarla e, talvolta, distribuirla ai clienti.

Anche il caso della piattaforma MIKE (OSS AI Legal Platform), un progetto open source per la stesura dei contratti visibile su GitHub, va in questa direzione: strumenti più adattabili e costruiti intorno alle esigenze specifiche della pratica legale. Nel contesto italiano ed europeo, il tema della personalizzazione assume un peso particolare, perché GDPR e responsabilità professionali impongono un controllo rigoroso su dati, modelli e processi.

Il valore dei dati

Un punto su cui convergono le esperienze analizzate è che il vantaggio competitivo non risiede solo nell’algoritmo, ma soprattutto nei dati. In questo contesto, il patrimonio informativo diventa il vero motore di valore: qualità, governance e organizzazione dei dati contano quanto, se non più, della tecnologia stessa.

Fonti: