Non è così azzardato fare un confronto tra l'impatto rivoluzionario che ha avuto la nascita del Web e quello degli LLM (Large Language Model) come ormai vengono chiamati gli strumenti (basati sul linguaggio ma ormai arricchiti da immagini e video), che permettono un’interazione uomo-macchina in linguaggio naturale.
A cui fanno seguito una suite di funzioni (riassunto automatico, generazione di testo, supporto decisionale, addirittura la creazione di codice di programmazione), impensabili commercialmente fino a pochi anni fa. Chat-GPT (lanciato nel novembre 2022) è diventato, sia per l’opinione comune che per quella specialistica, il portabandiera di questa trasformazione, e ormai una parola chiave nell'uso quotidiano, una sigla per esemplificare il dialogo uomo-macchina.
Ma chiediamoci cos'hanno in comune Chat-GPT e il Web delle origini. A prima vista, non molto. Il Web è nato dall'evoluzione dei diversi tool di descrizione/comunicazione di messaggistica tra reti di computer, che popolavano la cultura e le applicazioni accademico-militari. Diventati negli anni 80 e primi 90 appannaggio dei Nerd: i primi ad aver frantumato le porte della clausura del convento dell' informatica, e permette di creare applicazioni tra il grande pubblico, dopo il '94. In breve, il Web non si è evoluto da qualche idea teorico-tecnologica particolarmente innovativa, ma è stato partorito grazie alla perseveranza di qualcuno (Tim Berners-Lee, un informatico del CERN) che ha progettato, implementato e proposto l'infrastruttura opportuna per lo scambio di file e la diffusione di pagine ipertestuali, a prescindere da un sistema operativo proprietario. Non la chiamerei un invenzione, ma un efficiente assemblaggio informatico-ingegneristico di protocolli sw che permetteva la comunicazione tra tutti i modelli tipi di computer, in modo agevole (almeno infinitamente più agevole di prima). La storia di Chat-GPT, circa 30 anni dopo (2022) è completamente diversa: nel 2017 qualcuno, tra cui Elon Musk, investe in una piccola company di S. Francisco per scrivere progetti e paper di AI, legati alla generazione di testo e immagini. Nel giro di pochi anni questi modelli si perfezionano e diventano 'credibili' nella capacità umana di creare storie, rispondere a domande, comporre disegni e figure, simulando sempre meglio le abilità umane. In breve un salto concettuale rispetto al passato.
Gli aspetti condivisi sono innanzitutto due: la crescita vertiginosa di popolarità, e la facilità di accesso a informazioni remote. Questo primato si traduce in un anno nella diffusione da pochi utenti fino a centinaia di milioni. Una curva che non si era vista nemmeno negli anni 70, quando Jobs e Gates avevano trasformato il mercato dell'informatica rendendolo accessibile a tutti. Ma come mai proprio queste due tecnologie, piuttosto complementari nella linea evolutiva dell'informatica, condividono questo primato? La risposta immediata è quella di rispondere a qualsiasi domanda, o, almeno, a moltissime domande che prima non potevi formulare, né trovarne una soluzione diretta. Nel mondo pre-Web praticamente l'informazione non era accessibile in remoto, e necessitava di uno spostamento fisico per accedervi. Il Web trasforma l’accesso all’informazione, portandola direttamente nelle case degli utenti. Subito dopo arrivano i motori di ricerca, dove potevi cercare tramite query le pagine che rispondevano a criteri di ricerca. Ma era un meccanismo un po’ schematico, non era in linguaggio naturale, e costringeva a un effort successivo di ricerca ulteriore, e poi di decodifica, interpretazione e spesso traduzione. In vent’anni tutto questo si era un po’ affinato, ma in sostanza non si era evoluto.
Riassumendo, le due rivoluzioni, creano la prima, un passaggio diretto che elimina il canale fisico. La seconda stabilisce una fruizione che diventa naturale (rispetto alle abitudini comuni dell'interlocuzione umana) ed elimina la mediazione tra il modo di pensare umano e l’abilità interpretativa del computer.
Ma c'è ancora un'altra componente che accomuna le due trasformazioni: il carattere di gamification, per usare un termine diventato di moda nell'ultimo decennio, ossia coniugare gli incentivi ipnotici del game in un ambiente non progettato per essere un game. Sia il Web che Chat-GPT sono stati usati fin da subito per gioco, nel senso che sono stati subito percepiti come una curiosità a metà tra l'informativo e l'entertainment, non solo nei contenuti, ma nella stessa dinamicità di interazione uomo-macchina.
La caccia al tesoro dell'informazione da trovare, o la spiegazione di una domanda, avevano in comune la ricerca di fascinazione che appartiene antropologicamente alla natura umana.
Negli LLM, l'accesso a una quantità potenzialmente infinita di informazioni e la possibilità di cercarle in modo ludico, hanno accelerato la formazione di un picco di adozioni, che dagli 'early-adopters' conduce a quello che sta diventando un 'mainstream market', permettendo il passaggio dalla curiosità generalista alla personalizzazione del meccanismo in molti settori disciplinari. In particolare, quelli in cui il linguaggio specifico degli addetti ai lavori mantiene uno statuto di 'digital-divide', come il mondo Healthcare, quello Legal, quello del Trading e Insurance, ecc. che sono i percorsi disciplinari e professionali più ostici per una macchina, non solo per le difficoltà di gestione e comunicazione, ma per quelle di ostilità, o al meglio, perplessità degli addetti ai valori.
Il web dell’ultimo decennio aveva già iniziato a incorporali, basti pensare nel legal-tech - che è l'ambito di cui si occuperà questa rubrica – ma confinandoli a strumenti di ausilio all’orientamento di milioni di informazioni. Ad esempio, i motori di ricerca specialistici all'interno di banche dati di sentenze e pratiche legali. Successivamente sono nati i tentativi di automatizzare processi più 'impegnativi', come litigation, due diligence, legal assistance, ecc. Ma la sfida vuole oggi trascendere queste fasi 'amatoriali', per supportare a tutti gli effetti gli avvocati nella facilità di redigere documenti legali, analizzare questioni legali complesse, grandi quantità di dati individuando gli aspetti chiave in pochi secondi, prevedere esiti legali sulla base di un apprendimento di casi storici, fare revisione automatica dei contratti, identificando in tempo reale potenziali problemi o incoerenze, e così via.
Terminato questo excursus introduttivo, passeremo a una serve di articoli dedicati ai diversi aspetti del Legal AI, a partire dall'impatto delle funzioni generative, e dal trade-off tra informazione certificata e capacità interpretativa della macchina. La missione non è assolutamente quella di sostituire i professionisti del settore, ma di diventarne un alleato nei processi più tediosi e lenti, sia in quelli di filtraggio e ricerca di milioni di informazioni, per migliorarne efficacia ed efficienza, mantenendo il controllo dei principi fondamentali di protezione dei dati (trasparenza, esclusione di dati personali nei processi di training, tutela dei diritti individuali, attenzione ai dati sensibili, ecc).
Unisciti alle menti principali della tecnologia legale e ricevi mensilmente le ultime notizie e gli aggiornamenti su legge, tecnologia legale, intelligenza artificiale e molto altro.