Fare ricerca giuridica nell’era dell’intelligenza artificiale

Scriviamo per i concorsi e per la carriera accademica o perché abbiamo qualcosa di significativo e originale da dire?

È una domanda che, come segnalavo due anni fa in un seminario giuslavoristico sulle tecniche di scrittura giuridica (qui), ogni giovane ricercatore dovrebbe porsi prima ancora di iniziare a scrivere un articolo, una tesi di dottorato o una monografia.

È anche una domanda che l’università, forse, ha progressivamente smesso di rivolgere a sé stessa. Negli ultimi anni il dibattito sulla ricerca si è concentrato soprattutto sui suoi prodotti: il numero delle pubblicazioni, le mediane, gli impact factor, i ranking, le procedure di referaggio. Abbiamo finito, quasi senza accorgercene, per identificare la ricerca con ciò che produce cioè le pubblicazioni.

L’irruzione dell’intelligenza artificiale nelle università sembra avere improvvisamente cambiato il dibattito. O almeno così appare. In realtà, il problema non è nuovo. Nuovo è soltanto lo strumento che lo rende finalmente evidente.

Allo stato, anche nei Paesi dove il dibattito è più sviluppato rispetto al quadro italiano, la discussione si è concentrata quasi esclusivamente sulla attendibilità della IA (vedi, anche i numerosi riferimenti bibliografici, V. Magesh, F. Surani, M. Dahl, M. Suzgun, C.D. Manning, D. E. Ho, Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, in Journal of Empirical Legal Studies, 2025, pp. 216-242), sui pregiudizi algoritmici (vedi A. Martineau, L. Turner, Legal Scholarship Through the Lens of Generative AI, Darkly, in Law Library Journal, 2025, pp.232-260) e sulla c.d. detection, cioè l’uso di software e algoritmi progettati per identificare se un testo è generato tramite IA (vedi, anche per i numerosi riferimenti bibliografici, A. Spezowka, Beyond Detection A Framework for Ethical AI Integration in Academic Research, January 2026).

Il problema sembra dunque quello di come accorgersi se uno studente o un ricercatore ha utilizzato l’intelligenza artificiale? Come distinguere un testo scritto da una persona da uno prodotto, in tutto o in parte, da una macchina? Si moltiplicano così codici di condotta, software di controllo, dichiarazioni sull’utilizzo della IA, linee guida etiche sull’uso responsabile della IA.

È una discussione comprensibile, ma è anche una discussione che rischia di mancare il bersaglio. Il problema oggi, considerata la pervasività e l’efficacia dello strumento, non è più quello di stabilire se un ricercatore abbia utilizzato uno strumento di intelligenza artificiale. Il problema è capire se quella ricerca produca davvero conoscenza nuova.

Per decenni abbiamo confuso la produzione di testi con la produzione di conoscenza. L’intelligenza artificiale ci costringe finalmente a distinguere le due cose. La ricerca scientifica non nasce quando si scrive, nasce molto prima. Nasce quando il ricercatore individua un problema che merita di essere studiato: quando formula una domanda di ricerca, quando mette in discussione una categoria consolidata, quando costruisce una ipotesi interpretativa, quando seleziona criticamente le fonti, quando sceglie il metodo più adeguato per affrontare il problema.

La scrittura arriva soltanto alla fine. È la rappresentazione e documentazione della ricerca, ma non è la ricerca. Ed è precisamente qui che l’intelligenza artificiale produce il suo effetto più interessante. Perché più aumenta la sua capacità di produrre testi formalmente corretti, più diventa evidente che il valore della ricerca non risiede nella scrittura ma nel metodo.

L’intelligenza artificiale può sintetizzare migliaia di pagine in pochi secondi. Può organizzare bibliografie, confrontare orientamenti dottrinali, individuare ricorrenze nella giurisprudenza, suggerire collegamenti tra istituti giuridici, migliorare la qualità stilistica e i refusi di un elaborato. Può persino contribuire alla costruzione di una prima ipotesi argomentativa. Ma continua a non sapere quale sia il problema veramente interessante e quale sia il metodo migliore per inquadrarlo e per cercare di risolverlo. Non sa distinguere ciò che è nuovo da ciò che è semplicemente ben scritto e non sa assumersi la responsabilità di una interpretazione.

Per il giurista del lavoro, da sempre chiamato a qualificare realtà nuove e in continuo movimento (Giugni), questo cambiamento è ancora più significativo. L’intelligenza artificiale rende oggi ancora più attuale una concezione della ricerca giuridica che parta dai problemi, dalla realtà giuridica effettuale e dal metodo, piuttosto che dalle categorie astratte e dalla mera produzione di testi o argomenti tecnici. È una prospettiva che appartiene alla migliore tradizione del diritto del lavoro italiano e che oggi trova nuova linfa negli empirical legal studies: non un invito ad abbandonare il metodo giuridico, ma a praticarlo fino in fondo, lasciando cioè che sia la domanda di ricerca e il problema reale a guidare il metodo e non viceversa.

Le altre discipline lo hanno compreso da tempo. Una ricerca inizia quasi sempre da una domanda. Solo dopo vengono il metodo, la raccolta delle fonti, la verifica delle ipotesi e, infine, la scrittura. Nel diritto continuiamo invece troppo spesso a partire dalla norma, dalla sentenza o dall’istituto giuridico, come se il problema coincidesse con le fonti del diritto e il testo da interpretare. Non solo. I giuristi raramente illustrano i propri metodi di ricerca e, di conseguenza, faticano a individuare gli ambiti in cui la realtà fattuale possa offrire loro contributi utili. È esattamente questa impostazione che oggi l’intelligenza artificiale mette radicalmente in discussione.

La ricerca giuslavoristica non consiste semplicemente o necessariamente nell’inquadrare previsioni normative, nell’interpretare sentenze o ricostruire argomentazioni dottrinali. Non consiste neppure nell’analizzare in modo ordinato e tecnicamente ineccepibile una disciplina positiva. Tutto questo è necessario, ma non è ancora ricerca. La ricerca giuridica comincia quando il diritto viene osservato nella sua realtà giuridica effettuale, quando cioè le previsioni normative o le decisioni dei giudici vengono lette nel contesto economico e sociale in cui operano, quando le dinamiche della contrattazione collettiva, le istituzioni del mercato del lavoro e le prassi amministrative diventano non semplici elementi di contesto, ma parte integrante della costruzione della conoscenza. È in questo spazio, dove il dato normativo incontra l’economico, il sociale e il politico, che continua a collocarsi la ricerca giuridica autentica.

Paradossalmente, proprio l’intelligenza artificiale rende oggi questa impostazione ancora più attuale. Mai come oggi disponiamo di una quantità così imponente di dati amministrativi, documenti istituzionali, contratti collettivi, archivi, banche dati e informazioni statistiche. Una mole di materiali che nessun ricercatore potrebbe realisticamente analizzare da solo. L’intelligenza artificiale rende possibile leggere insieme queste informazioni. Ma è sempre il ricercatore che deve decidere quali domande rivolgere a quei dati e quale significato attribuire ai risultati ottenuti.

Qui l’intelligenza artificiale può diventare uno strumento straordinario. Non perché sostituisce il ricercatore, ma perché gli consente finalmente di concentrarsi maggiormente su ciò che costituisce il nucleo della ricerca: osservare la realtà, definire la posizione del problema, individuare connessioni, verificare criticamente ipotesi interpretative, confrontare fenomeni, individuare il metodo e leggere criticamente dati che fino a ieri erano semplicemente ingestibili.

Non è un caso che alcune delle università più autorevoli abbiano scelto di affrontare questa trasformazione non come un problema disciplinare o tecnologico, ma come una occasione per ripensare la formazione del ricercatore. La recente strategia della University of Chicago Law School (Rethinking Legal Education in the AI Era, qui) va precisamente in questa direzione: meno enfasi sugli strumenti, più attenzione al giudizio, al metodo, alla responsabilità scientifica.

Per questa ragione il dibattito sull’intelligenza artificiale rischia oggi di essere fuorviante: continuiamo a discutere dello strumento (che pure tutti usano) mentre dovremmo tornare a discutere del metodo; continuiamo a chiederci come individuare chi usa l’intelligenza artificiale, mentre dovremmo chiederci come formare ricercatori capaci di produrre conoscenza originale.

L’intelligenza artificiale continuerà a scrivere testi sempre migliori, ma la ricerca scientifica continuerà a essere giudicata per la qualità delle domande che saprà formulare e per la capacità di produrre conoscenza nuova. Il compito del ricercatore non è quello di riempire pagine o inseguire primati sul numero di testi prodotti, ma quello di vedere problemi che ancora non sono stati visti e costruire adeguate categorie interpretative che consentano di comprenderli e contribuire a risolverli.

La vera domanda, allora, non è come impedire ai ricercatori (soprattutto giovani) di utilizzare l’intelligenza artificiale o verificarne l’utilizzo. La vera domanda è se le nostre università siano ancora capaci di insegnare ciò che nessuna macchina può apprendere autonomamente: vedere un problema, scegliere il metodo più adeguato, assumersi la responsabilità di una interpretazione.

Se sapremo tornare a insegnare questo, l’intelligenza artificiale diventerà uno straordinario strumento di lavoro. Se continueremo invece a confondere la produzione di testi con la produzione di conoscenza, nessun software di detection riuscirà a salvare la qualità della ricerca scientifica.

Bollettino ADAPT 13 luglio 2026, n. 27

Michele Tiraboschi

Professore Ordinario di diritto del lavoro

Università di Modena e Reggio Emilia

X@MicheTiraboschi