In un procedimento pendente, un Collega, legale di controparte, ha depositato la propria memoria difensiva citando sedici sentenze della Corte di Cassazione, molte persino con estratti tra virgolette, poste a fondamento delle proprie deduzioni ed argomentazioni.

Come di prassi, ho verificato le pronunce citate dalla parte avversaria, accedendo a più banche dati. Cosa è emerso?

Quindici decisioni non esistono, l’unica rintracciabile è inconferente e la frase attribuita non compare. Perché deduco che sia stato usato un chatbot e che l’LLM ha allucinato?

Per una serie di indizi convergenti: la serialità “perfetta” delle citazioni, tutte strutturate allo stesso modo; la presenza di riferimenti cronologici incongrui (anni e stagioni processuali mescolati senza coerenza); l’uso di virgolette “plausibili” con la commistione di lessico da massimario e di formule che appartengono più alla parafrasi che al testo ufficiale. È la firma tipica della generazione statistica, atteso che il modello non recupera fonti, perché costruisce testi che somigliano a fonti. Il punto però non è criminalizzare lo strumento, ma chiamare le cose col loro nome.

I modelli generativi possono aiutare a mappare il perimetro del tema, a suggerire piste di ricerca, a elencare parole chiave; non possono sostituire la catena di custodia delle fonti. In quest’ottica, l’attività professionale deve attenersi a regole elementari e rigorose: le citazioni si traggono esclusivamente da provvedimenti reperiti su repertori ufficiali; ogni virgolettato va verificato alla lettera; la pertinenza è da valutarsi sulla ratio decidendi, distinguendo tra massime e obiter dictum; si conserva un log delle ricerche (query, banca dati, data/ora, versione) e si documenta ogni passaggio.

L’episodio descritto, peraltro, evidenzia anche un risvolto di sistema.

Dal febbraio 2025 il quadro europeo richiede l’alfabetizzazione all’AI. Non “saper chattare”, ma comprendere i limiti strutturali dei modelli, i rischi di allucinazione, le buone pratiche di verifica, i profili di riservatezza e la corretta gestione dei dati.

Quanto accaduto evidenzia una carenza concreta di alfabetizzazione: sarebbe bastata una checklist minima (esistenza della sentenza, pertinenza rispetto alla quaestio, riscontro testuale del virgolettato, estremi completi) per intercettare l’errore prima del deposito.

In pratica, AI literacy significa procedure interne obbligatorie, tracciabilità delle ricerche e responsabilità chiare su chi verifica e firma. È una competenza professionale, non un vezzo tecnologico.

Sul piano della responsabilità, una memoria difensiva che poggia su precedenti inesistenti o deformati non è solo fragile nel merito, posto che può incidere sulla credibilità dell’intero atto, integrare profili deontologici (diligenza, lealtà, correttezza), esporre a rilievi processuali e produrre danni reputazionali verso il cliente. A ciò si aggiunge il rischio, tutt’altro che teorico, di compromettere segreto e compliance quando si immettono dati personali ed informazioni sensibili in strumenti cloud senza cautele.

La conclusione è chiara: la probabilità non sostituisce la prova. L’IA è un tirocinante brillante, totalmente inaffidabile sul fatto storico; l’avvocato resta responsabile di trasformare plausibilità in verità verificata, perché in giudizio non vince chi somiglia alla verità, ma chi la dimostra.

Avv. Simona Maruccio

simona@maruccio.it