Studio legale Avvocato Giuseppe Briganti — Pesaro – Urbino

Intelligenza artificiale e Avvocati

Prompt legali: obiettivo di questo articolo

Applicare in modo concreto le tecniche di legal prompting esaminate sino ad ora alla redazione di un prompt completo e professionale su un caso in materia successoria.


L’esito è un testo pronto per l’uso, riutilizzabile, adatto a sistemi locali (Ollama) o ibridi, con attenzione a conformità e governance (GDPR, AI Act, Codice deontologico forense) e gestione di fonti aggiornate tramite RAG o banche dati interne.

---

1) Prompt legale per un caso di testamento olografo contestato

Scenario
Un figlio intende impugnare il testamento olografo della madre, redatto nel 2023, con cui l’intero asse è attribuito al figlio minore. Vi sono indizi di incapacità naturale al momento della sottoscrizione e di captazione. Lo studio legale deve predisporre un parere preliminare sulle forme di tutela possibili.

Obiettivo del lavoro
Produrre un prompt che, dato il caso, guidi l’IA a redigere un parere legale motivato con riferimenti normativi e giurisprudenziali italiani aggiornati, una struttura chiara e un meccanismo di autoverifica.

---

2) Architettura modulare del prompt

Ripartiamo dai blocchi fondamentali:

• Ruolo: Avvocato civilista italiano esperto in diritto successorio.
• Contesto: Impugnazione di testamento olografo per incapacità naturale e captazione.
• Obiettivo: Parere motivato con indicazione degli strumenti processuali e valutazione dei rischi.
• Output: Struttura in sezioni (Fatti – Normativa – Analisi – Conclusioni), tono tecnico-forense, coerenza terminologica.

Questa modularità rende il prompt comprensibile, riusabile e suscettibile di versionamento nel Prompt Center dello studio legale.

---

3) Parametrizzazione del prompt (prompt dinamico)

Per favorire il riuso e l’adattabilità nelle diverse casistiche, il prompt viene modellato come template parametrico con campi opzionali.

I campi opzionali possono essere omessi o lasciati vuoti: in fase di generazione della risposta, le relative sezioni verranno ignorate per garantire un output coerente e sintetico.

Esempio (pseudo-codice):

from langchain.prompts import PromptTemplate

TEMPLATE = “””
Sei un avvocato italiano esperto in {materia}.
Redigi un parere legale sul seguente caso:

{fatti}

Obiettivo: {obiettivo}

Dati aggiuntivi (opzionali – se assenti, non vanno inclusi nella risposta):
– Prove disponibili: {prove_disponibili}
– Vincoli di tempo/procedurali: {vincoli_tempo}
– Giudice competente/foro: {giudice_competente}
– Stato della mediazione: {stato_mediazione}
– Funzione del parere (giudiziale/stragiudiziale): {funzione_parere}
– Aggiornamento fonti normative: {reminder_fonti}

La risposta richiesta deve includere:
– riferimenti normativi e giurisprudenziali aggiornati al 2025;
– analisi argomentata e motivata;
– struttura organizzata in sezioni: Fatti – Normativa – Analisi – Conclusioni;
– linguaggio tecnico-forense e tono professionale.

Nota: eventuali domande integrative verso l’utente saranno gestite in flussi successivi (auto-chaining) e non fanno parte del prompt base.
“””

prompt = PromptTemplate(
input_variables=[
“materia”, “fatti”, “obiettivo”,
# opzionali: se assenti passare stringa vuota
“prove_disponibili”, “vincoli_tempo”, “giudice_competente”,
“stato_mediazione”, “funzione_parere”, “reminder_fonti”
],
template=TEMPLATE
)

# Esempio pratico di invocazione del template
data = {
“materia”: “successioni ereditarie”,
“fatti”: “Caso di testamento olografo redatto in età avanzata con sospetto di incapacità”,
“obiettivo”: “Valutare la validità e i rimedi alternativi (riduzione)”,
“prove_disponibili”: “cartella clinica, perizia grafologica”,
“vincoli_tempo”: “atti conservativi urgenti”,
“giudice_competente”: “Tribunale di Bologna”,
“stato_mediazione”: “non svolta”,
“funzione_parere”: “giudiziale”,
“reminder_fonti”: “ricerca normativa e Cass. 2020–2025”
}
response = chain.invoke(data)

Grazie a questa struttura, il prompt è flessibile, riusabile e personalizzabile, con istruzioni puntuali e output rigoroso.

---

4) Esempio di dati del caso da inserire nel prompt

Materia: diritto civile italiano – successioni ereditarie
Fatti: Nel 2023 la signora M.G., 82 anni, redige un testamento olografo a favore del figlio minore, escludendo gli altri due figli.
Il documento presenta irregolarità grafiche; la testatrice era in periodo di decadimento cognitivo.
Il figlio maggiore chiede se sia possibile proporre azione di annullamento per incapacità naturale e captazione.
Obiettivo: Valutare la fondatezza dell’impugnazione del testamento e gli strumenti giudiziali disponibili.
Prove disponibili (opz.): cartella clinica, anamnesi, pareri medici; eventuale perizia grafologica; testimoni.
Vincoli di tempo (opz.): urgenza per atti conservativi.
Giudice competente (opz.): Tribunale civile di Bologna.
Stato mediazione (opz.): non svolta / in corso / conclusa.
Funzione del parere (opz.): giudiziale / stragiudiziale.

---

5) Prompt chaining

Organizziamo il lavoro in tre passaggi:

• Analisi preliminare – Identificazione dei fatti rilevanti e delle norme applicabili.
• Sintesi giurisprudenziale – Estrazione dei principi (Cassazione 2020–2025) su incapacità naturale e captazione, e su requisiti del testamento olografo.
• Output finale – Composizione del parere con struttura predefinita.

Schema concettuale:

[Input fatti] → [Analisi normativa] → [Principi giurisprudenziali] → [Parere strutturato]

Esempi di sub‑chaining / task decomposition

• “Elenca le 5 decisioni più pertinenti 2020–2025 su incapacità naturale e riassumine i principi.”
• “Verifica vizi formali tipici del testamento olografo e impatto su validità.”
• “Costruisci tabella: presupposto → fonte → prova richiesta.”

Feedback‑loop

• Se la risposta è parziale o le fonti sono insufficienti, torna allo step di ricerca, richiedi dati mancanti (fallback) e ricomponi l’output.

---

6) Validazione e controllo della qualità del prompt

Per assicurare affidabilità e rigore giuridico alle risposte AI, il sistema integra un meccanismo di verifica automatica e manuale che riduce il rischio di allucinazioni e garantisce la correttezza delle citazioni:

• Ogni affermazione deve essere supportata da fonte normativa o da principio giurisprudenziale.
• Se la fonte è mancante, annota [VERIFICA RICHIESTA] a margine della frase.
• Non inventare sentenze o riferimenti: se il dato non è presente nel corpus RAG, segnala [VERIFICA RICHIESTA].
• Tutte le annotazioni [VERIFICA RICHIESTA] sono oggetto di revisione da parte di un operatore legale qualificato prima della pubblicazione del contenuto.

Workflow RAG (Retrieval-Augmented Generation):
1️⃣ Retrieve (recupero dei riferimenti normativi e giurisprudenziali dal database)
2️⃣ Reason (elaborazione e ragionamento sulla base dei dati recuperati)
3️⃣ Answer (formulazione della risposta giuridica, sempre citando le fonti; marca [VERIFICA RICHIESTA] se mancanti).

Metriche di qualità utilizzate:

• Coerenza: linearità e logica argomentativa nel testo proposto
• Copertura: coverage score = percentuale di riferimenti normativi o giurisprudenziali effettivamente inseriti rispetto agli attesi per la tipologia di parere
• Motivazione: chiarezza e profondità dell’argomentazione giuridica
• Presenza e correttezza delle citazioni
• Struttura rispettata: aderenza allo schema richiesto
• Tasso [VERIFICA RICHIESTA]: rapporto tra frasi marcate e totale delle affermazioni fact-based; obiettivo <10%

Metriche semi-automatiche consigliate:

• Minimo 1 norma e 1 precedente citati per ciascuna sezione del parere (ove pertinente)
• Coverage score sul totale dei riferimenti attesi (scala 0–100)
• Report con annotazioni [VERIFICA RICHIESTA] da sottoporre a validazione legale

Checklist ex-ante (prima della pubblicazione):

• Fonti e riferimenti verificati tramite database normativo e giurisprudenziale aggiornato
• Output revisionato
• Report finale archiviato con nota sulla verifica effettuata (data, esito, sigla del revisore)
• Struttura completa e coerente; soglie minime di citazione e coverage rispettate

Nota metodologica:
RAG (Retrieval-Augmented Generation) è una tecnica AI che integra recupero diretto di norme e sentenze dal corpus, successiva elaborazione e generazione della risposta, per garantire massima affidabilità e trasparenza delle fonti. Il workflow “Retrieve → Reason → Answer” permette di automatizzare la raccolta, la validazione e la citazione delle fonti, minimizzando il rischio di errori o allucinazioni normative.

---

7) Prompt come interfaccia

Nel flusso RAG locale, il prompt rappresenta una vera e propria interfaccia testuale — cioè un punto di contatto conversazionale — tra il corpo documentale e il modello AI.
Il processo si articola come segue:

• Corpus: raccolta di norme (ad es. codice civile), commentari e sentenze, organizzate in database e indicizzate per l’estrazione efficiente dei dati.
• Retrieval: motori di ricerca specializzati (come FAISS o Elasticsearch) selezionano le fonti rilevanti dal corpus in base al caso concreto.
• Prompt: istruisce il modello su ruolo, obiettivo, formato desiderato e sui vincoli di citazione, garantendo che la risposta sia strutturata, pertinente e conforme agli standard richiesti.
• Output: il sistema genera pareri legali o risposte sintetiche, suddivise in sezioni tematiche e accompagnate da citazioni normative/giurisprudenziali puntuali e verificabili.

Questa architettura consente:

• Riuso efficiente: prompt e workflow sono riutilizzabili e adattabili a diversi casi e utenti,
• Osservabilità: ogni passaggio del flusso è monitorabile e verificabile,
• Integrazione: il sistema si innesta agevolmente nei playbook e nelle procedure operative già in uso presso lo studio legale.

Per innalzare il livello di controllo e trasparenza:

• si prevede auditing sugli output, sia automatico (metriche di qualità) sia manuale (revisione legale), per la verifica di accuratezza, riferimenti e struttura;
• si mantiene uno storico delle versioni delle risposte generate, così da agevolare tracciabilità, controllo delle modifiche e ripristino di precedenti;
• si implementa la funzione di export degli output, facilitando la revisione umana e il tracciamento documentale in archivi dedicati, in linea con le policy interne e i requisiti di compliance.

Questa organizzazione assicura massima trasparenza del workflow, tracciabilità delle fonti, qualità nei contenuti prodotti e conformità alle procedure interne e agli standard normativi dello studio legale.

---

8) Libreria e versionamento

---

9) Errori comuni e strategie correttive

Errori da evitare
– Ambiguità o incompletezza nella descrizione dei fatti.
– Assenza di formato o struttura nel prompt.
– Richieste generiche (“fammi un parere”, “riassumi il caso”).
– Mancanza di data o perimetro temporale di riferimento.
– Omissione del controllo e della citazione delle fonti.
– Mancato aggiornamento normativo o giurisprudenziale.

Strategie correttive
– Definire con precisione il ruolo, lo scopo e il contesto giuridico dell’attività richiesta.
– Applicare una struttura vincolata per l’output, basata su un modello o schema predefinito.
– Formulare richieste esplicite di citazioni normative, giurisprudenziali e dottrinali.
– Indicare sempre la data e il periodo di aggiornamento delle fonti.
– Effettuare un’autoverifica sistematica di coerenza, completezza e attendibilità dei contenuti.
– Mantenere un tono tecnico-forense coerente con la materia trattata.
– Utilizzare parametri aggiornabili in modo tracciabile e sicuro.

Checklist di controllo
1. Fatti descritti in modo chiaro, circostanziato e non ambiguo.
2. Struttura dell’output conforme al modello standard adottato.
3. Citazioni normative e giurisprudenziali verificate e coerenti.
4. Aggiornamento temporale e normativo esplicitamente indicato.
5. Autoverifica con criteri misurabili di completezza e validità.
6. Contesto giuridico e finalità chiaramente esplicitati.
7. Tono tecnico-forense mantenuto costante.
8. Parametri e dati aggiornabili in modo sicuro e documentato.

Fallback automatico
In caso di mancanza di dati essenziali, richiedere automaticamente le seguenti informazioni:
– Sono disponibili cartelle cliniche o diagnosi sullo stato cognitivo?
– Esistono perizie o indizi grafologici (sovrascritture, tremori, velocità di tratto)?
– Ci sono testimoni del momento di redazione o della consegna del testamento?
– Sono presenti donazioni pregresse o altri atti dispositivi rilevanti?
– Sono in corso termini processuali stringenti o atti conservativi da adottare?

Repository di riferimento
Creare e aggiornare una repository interna contenente esempi di prompt corretti ed errati, con indicazione degli esiti (outcome), al fine di migliorare la standardizzazione, la formazione interna e la qualità complessiva delle risposte generate.

---

10) Ricomposizione del prompt con metodo R‑CAFAR

R – Ruolo
Sei un avvocato esperto in diritto civile italiano e successioni ereditarie.

C – Contesto
Impugnazione di testamento olografo per incapacità naturale e captazione, aggiornamento al 2025.

A – Attori e Fatti
La testatrice, 82 anni, lascia tutto al figlio minore, escludendo gli altri due; presenta decadimento cognitivo e il testamento ha grafia incerta.

F – Finalità
Parere legale sull’ammissibilità e fondatezza dell’impugnazione, con strumenti processuali e rischi.

A – Aggiornamento
Richiesta di riferimenti normativi e Cassazione 2020–2025.

R – Richieste specifiche

• Citare articoli di legge e giurisprudenza pertinenti
• Evidenziare condizioni per l’annullabilità del testamento olografo
• Considerare, in subordine, la tutela dei legittimari in caso di validità del testamento
• Conclusione motivata con probabilità di successo (alta/media/bassa)
• Tag [VERIFICA RICHIESTA] ove manchi riferimento

---

11) Prompt finale pronto per l’uso

Sei un avvocato esperto in diritto civile italiano e successioni ereditarie. Allo stato della normativa e giurisprudenza aggiornate al 2025, analizza il seguente caso.

Nel 2023 la signora M.G., 82 anni, ha redatto un testamento olografo a favore del figlio minore, escludendo gli altri due figli. Il documento presenta irregolarità grafiche e risulta scritto in un periodo di decadimento cognitivo. Il figlio maggiore chiede se sia possibile proporre azione di annullamento per incapacità naturale e per captazione, secondo la disciplina degli articoli 591, 624, 1427 e seguenti del c.c. e la giurisprudenza rilevante.

Redigi un parere legale motivato e strutturato come segue:
– Fatti
– Normativa
– Analisi (condizioni di validità/invalidità del testamento, rimedi giudiziali praticabili, termini di impugnazione, rischi processuali, probabilità di successo: alta/media/bassa)
– Conclusioni
– In subordine, analizza anche la posizione dei legittimari in caso di validità del testamento (azione di riduzione, quota di riserva, restituzione, collazione).

REGOLE ANTI-HALLUCINATION E RAG
– Ogni affermazione deve essere supportata da fonte normativa o giurisprudenziale aggiornata (Cass. 2020–2025).
– Se una fonte non è reperibile tramite retrieval/RAG, marca la frase con [VERIFICA RICHIESTA].
– Se disponibile un sistema RAG, effettua prima il recupero delle fonti rilevanti, poi rispondi citandole.
– Riporta: elenco delle fonti utilizzate e sezione “da verificare” per ogni affermazione priva di supporto.

PARAMETRI OPZIONALI (integra solo se disponibili):
– Prove disponibili: {prove_disponibili}
– Vincoli temporali/procedurali: {vincoli_tempo}
– Giudice competente/foro: {giudice_competente}
– Stato mediazione: {stato_mediazione}
– Funzione del parere: {funzione_parere}
– Limiti modello/data-lag: {limiti_modello}
– Fallback per dati mancanti: {fallback_dati}

STILE E TONO
Utilizza tono tecnico-forense, registro professionale e terminologia coerente con la materia.

Controlla e segnala la mancanza di dati, parametri o fonti. Indica sempre la data e il periodo di aggiornamento delle fonti citate.

---

12) Deliverable

–  Prompt conforme al metodo R-CAFAR
– Versione parametrica documentata e pronta per integrazione nelle principali toolchain AI (LangChain, Ollama, RAG)
– Checklist di qualità vincolante per revisione interna e audit, composta da criteri minimi: copertura normativa, aggiornamento fonti, tracking delle citazioni e audit trail.
– Archiviazione strutturata in repository versionata, con obbligo di metadati estesi (autore, data, versione, outcome test, fonti correlate), integrata a workflow di validazione e tracciamento revisioni.
– Tabella metrica CQ allegata al deliverable, che riporta: coverage score (copertura tematica), numero di citazioni documentate, tasso di [VERIFICA RICHIESTA] e legenda delle metriche applicate.

---

Conclusione

Il percorso del Volume 2 di questa guida dedicato al legal prompting si chiude con un caso concreto che sintetizza i principi appresi precedentemente.

Dalla costruzione modulare del prompt alla validazione, dal chaining all’autoverifica, ogni fase è ora integrata in una procedura unica, tracciabile e riutilizzabile.

Questo approccio consente agli studi legali di passare dalla semplice sperimentazione all’uso sistematico e controllato dell’intelligenza artificiale nella produzione di contenuti giuridici.

Il legal prompting diventa così una vera e propria interfaccia strategica fra l’avvocato e il modello linguistico, capace di coniugare efficienza, coerenza e rispetto delle regole deontologiche.

Nota deontologica finale

L’output prodotto dall’IA deve essere sempre rivisto e validato dall’avvocato incaricato. In caso di impiego di sistemi automatizzati, informare il cliente secondo le norme e le regole deontologiche vigenti.

---

Glossario tecnico-informatico

• Prompt: sequenza di istruzioni strutturate destinate a guidare un modello di intelligenza artificiale nell’elaborazione di una risposta specifica.
• LLM (Large Language Model): modello linguistico di grandi dimensioni, addestrato su dati testuali, in grado di generare output e analisi in linguaggio naturale.
• Slot parametrico: campo variabile all’interno del prompt che viene riempito con dati specifici al caso trattato.
• RAG (Retrieval Augmented Generation): architettura IA che abbina la generazione del testo con il recupero dinamico di fonti e documenti contestuali tramite database o banche dati strutturate.
• Fallback: meccanismo automatico che attiva richieste di integrazione dati o segnala risposte parziali nel caso di informazioni mancanti.
• Data-lag: disallineamento temporale tra la data delle fonti disponibili al modello e la data corrente, rilevante per l’attualità delle risposte.
• Token: unità minima di testo (parola o parte di essa) utilizzata da LLM per calcolare la lunghezza di input e output.
• Audit trail: sistema di tracciamento digitale di tutte le modifiche, revisioni e interazioni effettuate sul prompt e sugli output nel flusso di lavoro.
• Hash del template: codice univoco generato dallo schema del prompt utile per verificare l’integrità e identificare le versioni nel workflow documentale.
• Output strutturato: risultato prodotto dal modello AI secondo sezioni e blocchi predefiniti per garantire chiarezza, coerenza e tracciabilità.

---

---

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.