Si stanno realizzando sviluppi di grande rilievo nell’Intelligenza Artificiale verso quello che autorevoli Centri di ricerca definiscono “cognitive computing”. Si tratta in particolare di sistemi computazionali in grado di apprendere, andando oltre un set prefigurato di regole come accade nei sistemi tradizionali.
In altri termini, siamo di fronte ad agenti artificiali, cioè complessi e organizzati sistemi di software, che interagiscono con il contesto: sono capaci di attingere a fonti multiple di informazioni strutturate e non in forma digitale: database, testi scritti, input sensoriali (visuali, gestuali, verbali, emozionali). Tali agenti posseggono una memoria dinamica, nel senso che si modifica in base all’esperienza, cioè ai flussi informativi di varia natura.
Altre loro proprietà fondamentali sono le seguenti: 1) capacità di integrare le varie informazioni, estremamente differenziate per quantità e qualità, proponendo anche un quadro di natura interpretativa, con emissione di warnings, attitudine a delineare opzioni alternative tra cui scegliere; 2) Capacità di probabilistic computing, ovvero di stimare la probabilità di eventi, scoprire anomalie e sorprese attraverso l’analisi di enormi volumi di dati eterogenei.
La polizia di Pittsburg, ad esempio, già da un anno sperimenta nelle proprie auto in circolazione dispositivi in grado di stimare la probabilità che siano commessi crimini in determinate aree cittadine, grazie a insiemi di algoritmi elaborati dalla Carnegie Mellon University. La prevenzione del crimine tramite il cosiddetto “predictive policing”, come analogamente avviene a New Haven nel Connecticut, significa che l’impiego di tecniche analitiche, prevalentemente di tipo quantitativo ma non solo, può aiutare a prevedere target per possibili interventi della polizia.
La lezione che si può trarre da tali esempi è che si sta aprendo lo scenario per un ampio impiego di quelle che sono denominate “tecnologie cognitive”, quali Machine Learning (ML), computer vision, Natural Language Processing (NLP), Affective computing (AC), ecc. Il primo è un insieme di metodi per la creazione d modelli analitici automatici. Con esso i computer, senza essere esplicitamente programmati, possono scoprire “pattern” o configurazioni di dati tali da poterne dedurre informazioni e conoscenze, a loro volta riferite ad uno o più contesti, mediante incroci tra flussi informativi di varia natura e provenienza. Facebook, Amazon, Google fanno un ampio uso del ML.
Il Natural Language Processing è un insieme di tecnologie, che consentono di comprendere il linguaggio umano e quindi di elaborare chatbot più o meno sofisticati, fino agli Assistant di Microsoft, Amazon, Google, Apple e così via. L’AC è un settore di ricerca dove si cerca di costruire modelli computazionali in grado di riconoscere, interpretare e simulare processi affettivi ed emozionali umani, sulla base di parametri fisiologici, comportamentali e posturali.
Abbiamo fin qui indicato una serie di strumenti e metodologie operative, che incorporano rilevanti effetti potenziali per una serie di professioni. Soffermiamoci su quelle legali, prescindendo dalle attività investigative, che meritano un’apposita riflessione. Nella nostra analisi partiamo da alcuni elementi basilari.
Le indicate nuove tecnologie potenziano enormemente tre direttrici di attività:
1) capacità di analisi;
2) attitudine a formulare ipotesi interpretative;
3) tentativi di effettuare test e verifiche efficaci delle ipotesi.
Tutto questo avviene mediante strumenti e metodologie capaci di “macinare” enormi masse di dati e informazioni, su cui vengono svolte vere e proprie attività cognitive. Appare allora opportuno chiedersi in che modo le tre potenziate direttrici di attività possano influenzare le professionalità impiegate negli studi legali, cercando ovviamente di andare al di là delle enfatizzazioni con cui sono venduti a livello internazionale prodotti molto sofisticati, che sono utilizzati da autorevoli società e studi legali in vari Paesi (Usa, UK, Germania, Australia, per citarne solo alcuni). Dalla risposta al primo interrogativo potremo desumere implicazioni relative alla sostituibilità/complementarità tra attività e funzioni svolte da agenti artificiali e umani.
Il punto di arrivo, logicamente provvisorio, riguarderà una valutazione sull’orizzonte temporale delle possibili trasformazioni, alla luce anche del fatto che siamo di fronte ad una rivoluzione socio-tecnica, di cui è impossibile prevedere dettagli e aspetti anche importanti.
Per rispondere al primo interrogativo, riflettiamo brevemente su qualche ipotetico caso legale.
Ipotizziamo che occorra impostare la gestione di una controversia con potenziali conseguenze di tipo penale a carico dei dirigenti di un’impresa operante a livello nazionale e internazionale. Si tratta di M&A, fusioni e successive acquisizioni con andamenti di borsa altalenanti. Si tenga presente che questa complessa e sintetica raffigurazione può essere concepita in termini più riduttivi, ma con complicazioni di non poco conto se si introducono fattori di tipo ambientale. La sostanza del lavoro da svolgere sostanzialmente non cambia: è necessario estrarre dati da database e da una pluralità di documenti, analizzare normative e raccolte di sentenze su casi analoghi. È fondato ipotizzare che tutta questa attività di raccolta e analisi richieda molte ore di lavoro ripetitivo e un considerevole ammontare di tempo per ricavare informazioni ai fini dell’elaborazione di strategie legali. Siamo di fronte ad attività di routine, a funzioni cognitive connesse alle prime (estrazione dati e informazioni) e a elaborazioni di alto livello (strategie).
Non va peraltro trascurato il lavoro parallelo di intenso rapporto di scambio con l’impresa, che richiede competenze ed empatia.
Le tecnologie cognitive possono essere di grande importanza nelle attività del primo tipo, con risparmi di costi e tempo, oltre che (forse) con un ampliamento e una maggiore accuratezza dell’universo informativo di base. In breve, esse potrebbero sostituire figure professionali umane (ad esempio, le figure che nel linguaggio anglosassone vengono definite “junior lawyer” e “paralegals”) e al tempo stesso dare un contributo rilevante anche in funzioni cognitive di più alto livello: grazie alla loro capacità di modellazione computazionale (le tre direttrici prima indicate), sembrano in grado di proporre deduzioni, suggerire ipotesi e coadiuvare l’attività di verifica. In questo caso avremo, dunque, al tempo stesso sostituibilità e complementarità tra agenti artificiali e umani. Questi ultimi potrebbero di conseguenza avere capacità cognitive e strategiche incrementate, qualora si instaurasse una cooperazione uomo-macchina atta a favorire interazioni tra nuove competenze umane e potenza computazionale sempre maggiore e qualificata. Su questa base potrebbe essere molto più fecondo e produttivo, da un punto di vista più generale, l’interscambio con i clienti mediante empatia e modalità relazionali di natura personale, tutti aspetti che agenti artificiali sono ancora molto lontani da poter trattare, anche se in un orizzonte temporale molto lungo non è da escludere che traiettorie di affective computing, combinato con le altre tecnologie cognitive, possano generare situazioni ora non immaginabili.
Nella gestione delle transazioni commerciali, per fare un altro esempio, informazioni fondamentali possono essere dedotte solo con analisi di dati estratti da materiali molto eterogenei, che vanno resi tra loro coerenti mediante l’elaborazione di pattern interpretativi con un solido fondamento probabilistico. La mole di lavoro di studio e assimilazione è sempre più così imponente da eccedere la capacità computazionale di agenti umani, per quanto preparati. Si pensi al caso della necessità di incrociare dati individuali delle imprese con andamenti di settore per poter stimare un set di indicatori economico-finanziari, da integrare poi con input di carattere fiscale e normativo-regolamentare.
Di qui sorge l’importanza di una strumentazione “intelligente”, nel senso che sia in possesso delle proprietà indicate all’inizio. Le tecnologie cognitive possono alleviare il lavoro di routine, quale ad esempio quello inerente alla consultazione di una miriade di decisioni giudiziari su casi similari. Gradienti di similarità e quindi l’analisi, sia circostanziata che generale, sono alla portata di agenti artificiali, in grado da un lato di sostituire alcune professionalità, specie quelle riferite agli assistenti di studio, e dall’altro di agire su di essi come sfida verso un cambiamento profondo delle competenze, nella direzione di un innalzamento delle competenze tecnico-legali di grande significato.
Non bisogna poi trascurare l’eventualità che i mutamenti delle professioni legali lungo questa traiettoria, oltre a consentire un notevole salto nell’efficienza informativa e gestionale, possono cambiare il rapporto con i clienti. Dalle riflessioni svolte si deduce, infatti, che le capacità professionali a molti livelli potrebbero essere innalzate, con beneficio generale. In definitiva, quindi sostituibilità e complementarità non costituiscono un ossimoro, bensì un potenziale circuito virtuoso, la cui realizzazione richiede l’esistenza di alcune condizioni basilari: 1) apertura mentale e propensione ad assumere un orizzonte evolutivo di nuovo tipo per le proprie competenze; 2) Funzionalità di infrastrutture hard (reti, database ben organizzati e accessibili) e soft (idonee strategie di investimento e attitudine a pensare in modo sistemico in scenario di medio-lungo termine; 3) Opportuna evoluzione culturale, normativa e istituzionale del contesto di riferimento; 4) Capacità di discriminare il “grano dal loglio”, ovvero distinguere tra tendenze reali e battage pubblicitario.
In altri termini, all’avvocato del 21° secolo l’interazione con la tecnologia non richiede la rinuncia alla capacità di giudizio critico nella decisione della strategia difensiva e all’empatia con il cliente, ma gli impone piuttosto l’acquisizione di nuove skills nell’ambito della gestione dei processi cognitivi: l’avvocato non potrà più limitarsi ad essere soltanto un “legal adviser”, ma avrà la necessità di diventare anche un “legal knowledge engineer”, un “legal data scientist” e un “legal process analyst”.
Siamo agli inizi di un mutamento di sistema, che è molto probabile si attui in un periodo non breve, ma le strategie più efficaci richiedono scelte oculate in un arco temporale ravvicinato. Il primo passo giusto è l’incremento di conoscenze e lo sviluppo di capacità di elaborazione strategica a vari livelli. Tutto questo non è un dramma purché si sia consapevoli che, come ha affermato il famoso biologo e filosofo cileno Humberto Maturana, “to live is to cognize”.
