Introduzione
Negli ultimi anni l’intelligenza artificiale è passata da semplice supporto tecnico a vero e proprio co‑autore di documenti legali. Nel settore tributario, dove la precisione è imprescindibile, l’uso di assistenti conversazionali generativi ha suscitato preoccupazioni su possibili errori, bias e mancanza di trasparenza. Il progetto MassimarIA ha cercato di quantificare il fenomeno leggendo il testo integrale di oltre trecentomila provvedimenti tributari, con l’obiettivo di capire quante sentenze riportano segni di intervento dell’IA e in che forma.
La metodologia di MassimarIA
Lo studio si è basato su due fasi principali. Prima, è stato costruito un algoritmo di text‑mining capace di identificare pattern tipici dei modelli linguistici generativi, come frasi “auto‑completate”, uso di formule standardizzate non coerenti con il contesto o riferimenti a fonti inesistenti. Seconda, è stato effettuato un controllo manuale su tutti i casi sospetti per confermare la presenza di un intervento artificiale. Il campione analizzato comprende decisioni di commissioni tributarie regionali, giudici di pace e tribunali amministrativi, coprendo un arco temporale dal 2018 al 2024.
Tipologie di tracce lasciate dall’IA
- Formulazioni standardizzate: frasi preconfezionate che ricorrono in più sentenze, ad esempio “ai sensi dell’articolo X, comma Y del D.Lgs. Z” senza adattamento al caso concreto.
- Riferimenti errati o inesistenti: citazioni a normative o circolari che non esistono o sono state abrogate.
- Coerenza logica compromessa: passaggi in cui la conclusione non segue le premesse, tipico di un modello che “indovina” il contenuto successivo.
- Uso di termini tecnici fuori contesto: inserimento di vocaboli specialistici senza una corretta spiegazione, segnale di “riempitivo” generato automaticamente.
Queste tracce, seppur numericamente limitate (circa 0,12 % delle sentenze analizzate), hanno avuto un impatto significativo perché si sono concentrate su casi di elevata complessità fiscale, dove la marginalità dell’errore è più alta.
Rischi concreti di errori generati dall’IA
Gli errori introdotti da assistenti conversazionali possono generare tre tipologie di danni. Primo, errori di calcolo che portano a valutazioni errate di imposte dovute o rimborsi spettanti, con conseguenze finanziarie per contribuenti e amministrazione. Secondo, bias normativi: se l’IA è addestrata su sentenze pre‑COVID‑19, potrebbe trascurare modifiche legislative recenti, creando disparità di trattamento. Terzo, perdita di trasparenza, perché le parti coinvolte non possono ricostruire il ragionamento dietro una decisione se parte di esso è stata generata da una “scatola nera”.
Esempi reali di sentenze influenzate
Tra i casi individuati, uno riguarda una sentenza della Commissione Tributaria di Milano del 2022, in cui il giudice ha citato una “circolare dell’Agenzia delle Entrate n. 112/2020” che, verificata, non esisteva. L’errore ha portato a una valutazione errata di deducibilità di spese per ricerca e sviluppo, con una differenza di circa 250 000 euro per l’impresa ricorrente. Un altro caso, più recente, coinvolge una decisione del Tribunale Amministrativo Regionale del Lazio, dove il testo presentava una frase “come indicato dalla prassi consolidata” senza alcun riferimento a sentenze precedenti; l’analisi ha mostrato che la frase era stata generata da un modello linguistico e non corrispondeva a una prassi realmente esistente.
Implicazioni per giudici, uffici e difensori
Per i magistrati, l’introduzione dell’IA rappresenta una doppia sfida: da un lato la possibilità di velocizzare la redazione di motivazioni, dall’altro il rischio di delegare troppo il pensiero critico. Gli uffici amministrativi, spesso sottoposti a carichi di lavoro elevati, possono ricorrere a tool di supporto per ridurre i tempi, ma devono garantire una verifica umana rigorosa. I difensori, invece, hanno l’opportunità di contestare le parti generate dall’IA, chiedendo al giudice di evidenziare la fonte di ogni affermazione e, se necessario, di rimuovere contenuti non verificabili.
Strategie per mitigare i rischi
- Implementare un protocollo di revisione umana: ogni documento prodotto con l’ausilio dell’IA deve essere sottoposto a una verifica da parte di un legale esperto prima della pubblicazione.
- Tracciare la provenienza dei contenuti: i sistemi IA dovrebbero registrare, in un log, quale parte del testo è stata generata automaticamente e da quale modello, così da rendere trasparente il processo.
- Formare i magistrati e i funzionari sull’uso responsabile dell’IA, includendo esercitazioni su casi di bias e su come riconoscere errori tipici dei modelli generativi.
- Aggiornare costantemente i dataset di addestramento con normative recenti e con sentenze verificate, per ridurre la probabilità di citazioni obsolete o inesistenti.
- Stabilire linee guida etiche a livello nazionale, con il coinvolgimento di autorità giudiziarie, associazioni di avvocati e esperti di IA.
Solo attraverso un approccio combinato di tecnologia, formazione e controllo qualitativo è possibile sfruttare i vantaggi dell’intelligenza artificiale senza compromettere l’integrità del processo tributario. La trasparenza e la responsabilità rimangono i pilastri su cui deve basarsi ogni innovazione nel diritto.