Come noto il DDL sull’intelligenza artificiale approvato recentemente dal Consiglio dei Ministri tocca anche il settore della giustizia, introducendo impatti significativi legati all’uso delle tecnologie di IA, anche nell’ambito della predittività.
Questi sviluppi promettono di trasformare diversi aspetti della giustizia, dalla gestione dei processi giudiziari alla decisione delle cause, ma sollevano anche questioni importanti riguardo etica, privacy e affidabilità.
L’IA, difatti, può essere utilizzata per automatizzare compiti ripetitivi e gestionali all’interno del sistema giudiziario, come la catalogazione di documenti, l’organizzazione di fascicoli e la pianificazione delle udienze. Questo non solo migliora l’efficienza operativa, ma permette anche al personale giudiziario di concentrarsi su attività che richiedono un elevato livello di competenza legale, migliorando la qualità del servizio giustizia.
Ma i sistemi di IA possono essere impiegati anche per fornire supporto predittivo nelle decisioni giudiziarie attraverso l’analisi di grandi volumi di dati legali, precedenti giurisprudenziali e pattern di sentenze. Questo può aiutare i giudici a comprendere meglio il contesto e le implicazioni di ciascun caso, potenzialmente conducendo a decisioni più informate e coerenti. Tuttavia, è cruciale che questi sistemi siano usati come strumenti di supporto e non come sostituti del giudizio umano.
Difatti. l’impiego di sistemi predittivi solleva questioni etiche significative, inclusa la possibilità che tali sistemi possano indurre una certa “automazione” nella decisione giuridica, potenzialmente riducendo il ruolo dell’analisi umana critica e del contesto specifico del caso.
Ma può un computer anticipare il ragionamento giuridico? La modellizzazione informatica del ragionamento dei giudici si è dimostrata altrettanto impossibile di quella dei sistemi giuridici positivi. Come sottolineato dalla dottrina, il ragionamento del giudice è soprattutto una questione di valutazione e interpretazione dei fatti dimostrati e pertinenti a una causa e delle norme di diritto applicabili (presenti nei testi o nei precedenti), il cui significato, come si è detto, resta indeterminato nonché di interpretazione soggettiva del concetto di equità, che in Europa dovrebbe subire nuove modifiche per via dell’esigenza, incoraggiata dalla Corte europea dei diritti dell’uomo, di un controllo di proporzionalità.
La complessità del diritto è costituita dalla sua natura teleologica e contenziosa: due rilievi coerenti possono condurre a sentenze diverse in funzione di due diverse priorità.
In realtà in ambito predittivo dopo aver ricondotto le diverse forme di interpretazione a modelli matematici si passa alla concreta applicazione della propria teoria, analizzando specifiche sentenze fino ad ipotizzare la realizzazione di una vera e propria giustizia predittiva.
Ma ovviamente la decisione di un giudice non si può ridurre all’applicazione di una mera formula matematica in quanto, al di là di aspetti riconducibili ad una logica interpretativa che può essere solo dell’uomo, i modelli di IA possono perpetuare o esacerbare i bias esistenti nei dati storici, portando a decisioni ingiuste o discriminatorie. Inoltre le decisioni influenzate da sistemi predittivi devono essere trasparenti e spiegabili, in modo che gli individui possano comprendere e, se necessario, contestare le decisioni che li riguardano.
È vitale, quindi, che l’uso dell’IA non riduca l’autonomia umana nelle decisioni legali, preservando il giudizio umano come elemento centrale.
In particolare anche nell’ambito amministrativo, l’IA può essere utilizzata per prevedere le esigenze di servizi o l’impatto di politiche pubbliche basandosi su dati demografici, economici o comportamentali. Per esempio, potrebbe prevedere la domanda di servizi sociali in diverse aree geografiche, aiutando così a ottimizzare la distribuzione delle risorse.
Anche qui, però, emergono questioni di trasparenza e accountability: è fondamentale che i decision-makers comprendano i fondamenti delle previsioni dell’IA e mantengano la capacità di intervenire o deviare dalle raccomandazioni basate sull’IA quando necessario.
La questione della trasparenza è particolarmente critica. È essenziale che le amministrazioni rendano chiari i criteri su cui si basano le decisioni IA, soprattutto per mantenere la fiducia dei cittadini. Le persone devono avere la possibilità di comprendere come e perché certe decisioni amministrative vengono prese, e avere la capacità di contestarle se percepiscono che i loro diritti sono stati compromessi.
E’ evidente, quindi, che prima di implementare soluzioni di IA, le amministrazioni dovrebbero definire chiaramente gli obiettivi che intendono raggiungere. Che si tratti di migliorare l’efficienza, ridurre i costi, o migliorare l’accesso ai servizi, avere obiettivi ben definiti aiuta a scegliere le soluzioni tecnologiche più adeguate e a misurare successivamente l’efficacia degli interventi.
Inoltre, la qualità dei dati è fondamentale per la predittività. Le amministrazioni dovrebbero investire in sistemi per garantire che i dati utilizzati siano accurati, completi e aggiornati. È essenziale anche assicurare che i dati non contengano bias che potrebbero portare a decisioni errate o ingiuste. Gli esperti del settore pubblico devono lavorare a stretto contatto con gli sviluppatori di IA per garantire che gli algoritmi siano adeguatamente configurati e che i risultati siano interpretati correttamente.
Ovviamente è necessario lavorare molto anche sulla formazione del personale. I dipendenti pubblici dovrebbero avere una comprensione solida dei principi di IA e delle sue implicazioni, così da poter lavorare efficacemente con queste tecnologie e gestire le sfide associate.
