Studio legale Avvocato Giuseppe Briganti — Pesaro – Urbino

Intelligenza artificiale e Avvocati

10. Legal prompting

Introduzione al legal prompting

Glossario essenziale

• Prompt: istruzione in linguaggio naturale che guida l’IA nella generazione del testo.
• LLM (Large Language Model): modello linguistico di grandi dimensioni, in grado di comprendere e generare testi complessi.
• Token: unità testuale (parola o parte di parola); ogni modello ha un limite massimo di token gestibili.
• LangChain: libreria Python per costruire flussi AI strutturati e integrabili.
• FAISS: libreria per la ricerca vettoriale veloce, utile nei sistemi RAG.
• RAG (Retrieval-Augmented Generation): tecnica che combina recupero documentale e generazione AI, aumentando accuratezza e contesto.

Mappa del flusso: come funziona il legal prompting in uno studio legale che usa un sistema RAG

Documento legale (PDF, sentenza, atto)
     ↓
Pre-processing (OCR, parsing, pulizia testo)
     ↓
Prompt costruito su misura (es. sintesi, parere, confronto)
     ↓
Modello linguistico locale (es. Mistral via Ollama)
     ↓
Output testuale (riassunto, schema, risposta giuridica)
     ↓
Utilizzo nel flusso di lavoro dello studio (documenti, email, atti...)
sotto la supervisione umana

Questa catena di passaggi è alla base dell’integrazione tra intelligenza artificiale e attività giuridica: ogni anello dipende dalla qualità del precedente, in particolare dalla progettazione del prompt.

In questo articolo ci occupiamo dunque di un aspetto fondamentale nell’adozione dell’intelligenza artificiale generativa negli studi legali: la costruzione e l’utilizzo di prompt efficaci (legal prompting).

In un sistema RAG (Retrieval-Augmented Generation), il prompt rappresenta il ponte tra la conoscenza umana e il motore linguistico.

Un prompt ben costruito consente di trasformare dati complessi in risposte utili, pertinenti e contestualizzate.

L’obiettivo è fornire strumenti teorici e pratici per aiutare l’Avvocato a comunicare efficacemente con un modello linguistico, migliorando la qualità dell’output e riducendo l’ambiguità.

Vedremo come formulare prompt giuridici ad alta precisione, perché funzionano e come adattarli ai diversi contesti normativi e procedurali dello studio legale.

---

Legal prompting: cosa rende efficace un prompt giuridico?

Un prompt è una richiesta strutturata che fornisce istruzioni testuali a un LLM (Large Language Model).

In ambito legale, il prompt ha il compito in particolare di:

• fornire contesto normativo o giurisprudenziale;
• delimitare lo stile e il formato della risposta;
• rendere espliciti gli obiettivi del professionista;
• garantire coerenza con il linguaggio forense.

Un prompt efficace in ambito giuridico deve essere:

• Chiaro: evitare ambiguità terminologiche e definire con precisione l’azione richiesta.
• Contestualizzato: includere norme di riferimento, fattispecie, o tipo di atto.
• Controllabile: strutturare il formato dell’output (lunghezza, linguaggio, sezioni).
• Adattabile: utilizzabile su casi simili con minime modifiche.

I prompt deboli o generici producono risposte generiche, spesso errate o poco utili. Un prompt ben progettato, invece, valorizza le potenzialità del modello, riducendo il bisogno di successive revisioni.

---

Come costruire prompt legali riutilizzabili con LangChain

LangChain è una libreria progettata per costruire flussi NLP flessibili e modulabili, anche in ambiente locale.

Nell’esempio seguente viene utilizzata la classe OllamaLLM, un’interfaccia specifica per eseguire LLM locali tramite Ollama, come ad esempio Mistral.

La sintassi adottata, tramite l’operatore |, consente di concatenare un PromptTemplate al modello scelto.

LangChain permette in particolare di:

• costruire PromptTemplate parametrizzati;
• concatenare prompt in sequenza (chaining);
• integrare LLM, memoria e vector store (FAISS).

Esempio: PromptTemplate dinamico

from langchain.prompts import PromptTemplate
from langchain_ollama.llms import OllamaLLM

# Definizione del template
template = """
Sei un avvocato specializzato in {ambito_legale}. Analizza il seguente testo:
{text}
Rispondi focalizzandoti su: {obiettivo}
"""

prompt = PromptTemplate(
    input_variables=["ambito_legale", "text", "obiettivo"],
    template=template,
)

# Inizializzazione del modello LLM locale via Ollama
model = OllamaLLM(model="mistral") # Richiede modello Mistral installato

# Creazione della catena LLM
chain = prompt | model

# Esecuzione con input specifico
data = {
    "ambito_legale": "diritto civile italiano",
    "text": '''Il locatore non risponde in alcun caso per danni derivanti da colpa grave
    nella manutenzione degli impianti dell'immobile locato.''',
    "obiettivo": "Verifica la clausola contrattuale"
}

response = chain.invoke(data)
print(response)

Spiegazione passo passo del codice:

1. Importazione moduli: si importano PromptTemplate e OllamaLLM, la classe che consente di utilizzare modelli locali con LangChain.
2. Template del prompt: si definisce una struttura per il prompt con tre variabili (ambito_legale, text, obiettivo) per generare richieste coerenti.
3. Inizializzazione del modello: OllamaLLM collega LangChain al modello locale specificato (in questo caso, mistral).
4. Creazione della catena: si usa l’operatore | per concatenare prompt e modello in modo leggibile.
5. Esecuzione: chain.invoke() permette di ottenere l’output passando un dizionario di input d’esempio con le variabili definite.

Questo approccio è pensato per essere leggero e modulare, ideale per sistemi locali basati su Ollama e Python, ed è facilmente integrabile nel flusso documentale di uno studio legale.

Permette di ottenere risposte giuridiche personalizzate a partire da testo strutturato, come un contratto o una sentenza.

Questo schema permette di riutilizzare un unico prompt adattabile a più ambiti (civile, penale, tributario…), mantenendo una struttura professionale e coerente.

LangChain consente anche di:

• aggiungere memoria contestuale tra richieste successive;
• usare verifiche sui token per evitare di superare la finestra del modello;
• combinare output di prompt multipli per generare documenti complessi.

---

Prompt giuridici spiegati. Legal prompting all’opera: esempi reali e analisi

Di seguito presentiamo prompt d’esempio adatti a casi comuni in uno studio legale.

Oltre al codice, spieghiamo perché ciascun prompt funziona, quali problemi risolve e come adattarlo.

a. Sintesi di documenti

Sistema: Riassumi in 500 parole il documento seguente, con attenzione a responsabilità e parte dispositiva.
Documento: {text}

Perché funziona: delimita la lunghezza, richiama due sezioni chiave (responsabilità e dispositivo), evita digressioni.

b. Confronto normativo

Sistema: Confronta l’art. [...] con l'art. [...]. Evidenzia differenze operative.

Perché funziona: il confronto è specifico e richiama norme note. Chiede differenze operative, non solo formali.

c. Redazione di pareri

Sistema: Redigi un parere su un caso di cittadinanza per matrimonio, con riferimento agli artt. 5, 6, 7 e 8 della legge 91 del 1992.
Fornisci struttura logica, riferimenti normativi e una conclusione motivata.
Fattispecie da esaminare: [...]

Perché funziona: simula la struttura tipica di un parere; guida il modello su struttura, riferimenti e finalità.

d. Analisi giurisprudenziale

Sistema: Analizza le sentenze allegate. Estrai principi consolidati in tema di onere della prova nel processo civile.

Perché funziona: focalizza l’attenzione su principi generali, evitando che il modello si perda nei dettagli del caso.

e. Classificazione automatica

Sistema: Classifica il documento seguente secondo queste categorie: atto giudiziario, contratto, normativa, corrispondenza, giurisprudenza.

Perché funziona: impone una tassonomia chiusa, migliorando l’efficacia nei processi documentali.

f. Verifica di riferimenti normativi

Sistema: Analizza il testo e individua gli articoli del codice civile citati. Riporta il numero dell’articolo e il contesto in cui è menzionato.

Perché funziona: aiuta a ricostruire il quadro normativo a partire da testi lunghi e spesso disorganizzati.

---

Strategie per migliorare i prompt nel tempo

Un prompt giuridico può (e deve) evolversi. Ecco alcune strategie pratiche:

• A/B testing: prova due versioni su casi simili e valuta quale produce risposte più accurate.
• Check qualitativi: costruisci una checklist per valutare completezza, correttezza giuridica e stile.
• Versionamento: conserva una cronologia delle revisioni dei prompt, associata agli output generati.
• Prompt chaining: suddividi attività complesse in più fasi (es. sintesi → confronto → suggerimento).

La progettazione di prompt non è statica: si affina con l’uso e il confronto con la pratica.

---

Cinque errori da evitare nella progettazione di prompt (con esempi)

• Prompt vaghi: “Spiegami questa sentenza” → troppo generico.
• Domande doppie: “Sintetizza la sentenza e dimmi se è corretta” → richiede due tipi di output diversi.
• Nessun formato specificato: “Scrivi un parere” → il modello può restituire testo discorsivo non strutturato.
• Testo troppo lungo: se supera i token, il modello, troncando, perde informazioni essenziali.
• Contesto assente: senza normativa o caso, l’output può essere incoerente o fuorviante.

---

Metodo R-CAFAR: schema pratico per formulare prompt legali efficaci

Per aiutare gli Avvocati a formulare richieste precise, ripetibili e controllabili ai modelli linguistici, proponiamo il metodo R-CAFAR, pensato specificamente per il contesto giuridico italiano:

R – Ruolo
Definisci il ruolo che l’IA deve assumere.

C – Contesto
Specifica l’ambito giuridico e il tipo di questione.

A – Attori e Fatti
Indica i soggetti coinvolti e i fatti rilevanti.

F – Finalità
Chiarisci l’obiettivo della richiesta.

A – Aggiornamento
Specifica se sono richiesti riferimenti aggiornati.

R – Richieste specifiche
Dettaglia ciò che vuoi ricevere: riferimenti normativi, sintesi, bozze, verifica di coerenza.

Esempio

Caso di assegno di mantenimento per figlio maggiorenne

R – Ruolo

Sei un avvocato esperto in diritto di famiglia italiano.

C – Contesto

Diritto di famiglia – determinazione dell’assegno di mantenimento per figlio maggiorenne non autosufficiente.

A – Attori e Fatti

Il figlio ha 24 anni, studia, non lavora e vive con la madre. Il padre vuole interrompere il mantenimento sostenendo che il figlio è adulto.

F – Finalità

Richiedo un parere legale motivato.

A – Aggiornamento

Normativa e giurisprudenza aggiornate al 2025.

R – Richieste specifiche

Analisi delle condizioni che giustificano il mantenimento, con sentenze recenti. Concludi con una valutazione sulla richiesta del padre.

Prompt completo:

Sei un avvocato esperto in diritto di famiglia italiano. In materia di assegno di mantenimento per figli maggiorenni, con aggiornamento al 2025, considera il caso di un ragazzo di 24 anni che studia all’università, vive con la madre e non ha reddito. Il padre si oppone alla prosecuzione dell’assegno, sostenendo che il figlio è adulto e può lavorare. Puoi fornirmi un parere legale con riferimenti normativi e giurisprudenziali aggiornati, e concludere con una valutazione sulla legittimità della richiesta di revoca dell’assegno?

🧩 Schema da ricordare

R – Ruolo
-
C – Contesto
A – Attori e Fatti
F – Finalità
A – Aggiornamento
R – Richieste specifiche

Suggerimenti per lo studio legale

• Centralizza i prompt migliori in una cartella condivisa (con nome, data e ambito).
• Assegna un referente AI per la revisione e aggiornamento periodico dei prompt.
• Testa sempre un prompt su un caso fittizio prima dell’uso operativo.
• Forma il personale sui criteri base del prompting e sulle capacità del modello AI in uso.

---

Conclusioni

Un prompt efficace è una leva strategica per lo studio legale che adotta l’intelligenza artificiale.

Con strumenti come LangChain e LLM come Mistral eseguiti via Ollama, è possibile implementare un’interfaccia conversazionale locale d’esempio robusta, efficiente e controllabile.

Il prompt rappresenta il punto di partenza per costruire servizi di ricerca, sintesi, redazione di documenti e consulenza con l’ausilio dell’intelligenza artificiale.

Formare l’Avvocato all’uso corretto dei prompt è parte integrante dell’innovazione dello studio legale.

Il tema del legal prompting sarà ripreso in seguito per un ulteriore approfondimento.

 

---

Per un aiuto e per approfondire

Per un aiuto e per approfondire i temi dell’intelligenza artificiale nello studio legale, del legal tech e del legal design è online il GPT Iusreporter.tech (link esterno, richiede ChatGPT)

Per gli altri articoli pubblicati su questo blog sul tema:
Intelligenza artificiale e Avvocati

---

Scritto con l’aiuto di Iusreporter, il tuo assistente per la ricerca giuridica online 

Studio legale Avvocato Giuseppe Briganti

Pesaro – Urbino

Post aggiornato alla data di pubblicazione

📄 Disclaimer

Gli script Python e i contenuti di questo testo sono forniti esclusivamente a scopo informativo, didattico e sperimentale in ambienti di test controllati. Non costituiscono consulenza legale o tecnica e non sostituiscono il parere di un professionista qualificato.

L’autore declina ogni responsabilità per eventuali errori, omissioni, malfunzionamenti, danni diretti o indiretti, incidentali, consequenziali o di altro tipo derivanti dall’uso, dall’uso improprio o dall’impossibilità di utilizzo degli script o delle informazioni contenute nel presente testo. Gli script sono forniti “così come sono” (AS IS), senza garanzie esplicite o implicite, incluse, ma non limitate a, garanzie di commerciabilità, idoneità a uno scopo particolare o assenza di violazioni.

L’utilizzo degli strumenti è sotto la piena responsabilità dell’utente, che è tenuto a verificarne, in particolare:

la correttezza tecnica e funzionale,

la conformità alle normative vigenti, incluse, a titolo esemplificativo, l’AI Act, il GDPR, il Codice Deontologico Forense,

il rispetto delle licenze delle librerie e dei componenti e software di terze parti eventualmente utilizzati, inclusi quelli distribuiti con licenze open source.

Gli script non sono progettati né validati per l’uso in ambienti produttivi o per l’elaborazione di dati personali. Qualsiasi utilizzo in tali contesti è esclusiva responsabilità dell’utente, che deve adottare le opportune misure di sicurezza e valutare l’impatto normativo.

Gli script sono stati testati su Python 3.10 in ambiente Windows. Non è garantita la compatibilità con versioni diverse del linguaggio o con altri sistemi operativi. L’autore non fornisce assistenza tecnica, aggiornamenti periodici o correzione dei malfunzionamenti.

Tutti i contenuti di questo ebook, inclusi i testi e il codice sorgente, sono protetti dal diritto d’autore ai sensi della Legge 22 aprile 1941, n. 633 e successive modificazioni. È vietata la riproduzione, distribuzione, pubblicazione, comunicazione o modifica, totale o parziale, in qualsiasi forma, dei contenuti senza autorizzazione scritta dell’autore, salvo espressa indicazione contraria.

L’uso di questo testo e degli script in esso contenuti implica l’accettazione integrale del presente disclaimer. Se non si accettano tali condizioni, si prega di non utilizzare il materiale fornito.

Eventuali errori, osservazioni o segnalazioni possono essere comunicati all’autore, che si riserva di valutarli senza alcun obbligo di risposta o correzione.