Prompt Engineering Avvocati: Come Usare l'AI senza Violare il Segreto Professionale nel 2026
L'adozione di modelli linguistici di grandi dimensioni (LLM) negli studi legali italiani ha subito un'accelerazione significativa nel corso del 2025 e dei primi mesi del 2026. Sempre più avvocati ricorrono a strumenti basati sull'intelligenza artificiale per redigere contratti, analizzare giurisprudenza, sintetizzare fascicoli e supportare l'attività di ricerca normativa. Questa tendenza porta con sé, però, una questione che nessun professionista può permettersi di ignorare: il modo in cui si interroga un sistema di AI determina il grado di esposizione delle informazioni riservate dei propri clienti.
Il prompt engineering, ovvero l'arte di formulare istruzioni efficaci ai modelli linguistici, non è soltanto una competenza tecnica. Per l'avvocato, è prima di tutto uno strumento di tutela deontologica. Formulare un prompt in modo impreciso o superficiale può significare trasmettere dati sensibili a infrastrutture non controllate, con conseguenze che spaziano dalla violazione del GDPR all'illecito disciplinare.
Questo articolo offre una guida pratica e giuridicamente fondata su come sviluppare competenze di prompt engineering coerenti con gli obblighi di riservatezza imposti dal codice deontologico forense, dal GDPR e dalle più recenti indicazioni del Consiglio Nazionale Forense.
Cos'è il Prompt Engineering e Perché è Rilevante per l'Avvocato
Il prompt engineering è la disciplina che studia come strutturare le istruzioni fornite a un modello linguistico per ottenere risposte accurate, coerenti e affidabili. Un prompt ben costruito può fare la differenza tra un output utilizzabile in sede professionale e un testo generico che richiede ore di revisione.
Per un avvocato, la questione non si esaurisce nella qualità dell'output. Ogni volta che si interagisce con un LLM commerciale, il testo inserito nel campo di input viene trasmesso ai server del fornitore. A seconda delle condizioni contrattuali del servizio e della configurazione dell'account, quel testo potrebbe essere utilizzato per addestrare modelli futuri, essere accessibile a terzi in caso di data breach, o semplicemente trattato in giurisdizioni con protezioni della privacy inferiori a quelle europee.
Questo scenario pone un problema diretto con l'articolo 6 del Codice Deontologico Forense, che sancisce l'obbligo di riservatezza, e con il Regolamento (UE) 2016/679 (GDPR), che impone specifici obblighi al titolare del trattamento quando i dati personali vengono trasferiti a terzi o verso paesi terzi.
Il Quadro Deontologico: Cosa Dice il CNF nel 2026
Il Consiglio Nazionale Forense ha pubblicato nel corso del 2025 prime linee guida in materia di utilizzo degli strumenti di intelligenza artificiale da parte degli avvocati, con aggiornamenti attesi nel corso del 2026. Il messaggio centrale è chiaro: l'avvocato rimane personalmente responsabile di ogni atto professionale, anche quando tale atto è supportato o in parte prodotto da un sistema automatizzato.
Le linee guida ribadiscono che:
- il segreto professionale si estende a tutte le informazioni acquisite nell'esercizio dell'attività, indipendentemente dal mezzo attraverso cui vengono elaborate;
- l'avvocato deve adottare misure tecniche e organizzative adeguate per impedire la divulgazione non autorizzata di informazioni relative ai clienti;
- l'utilizzo di strumenti AI commerciali che non garantiscano adeguati livelli di protezione dei dati può integrare una violazione deontologica.
Questi principi non vietano l'uso dell'AI, ma impongono che tale uso avvenga con consapevolezza e con adeguate cautele operative.
I Rischi Specifici dei Modelli Linguistici per la Riservatezza
Trasmissione involontaria di dati identificativi
Il rischio più immediato riguarda l'inserimento nei prompt di informazioni che consentono di identificare il cliente o la controparte. Nomi, ragioni sociali, numeri di causa, date di udienza, importi specifici, riferimenti a procedimenti pendenti: tutti questi elementi, inseriti in un prompt, possono diventare parte dei log di sistema del provider.
Inferenza contestuale
Un rischio meno evidente, ma altrettanto reale, riguarda la cosiddetta inferenza contestuale. Anche senza menzionare direttamente il nome del cliente, un prompt sufficientemente dettagliato può consentire a un osservatore esterno di risalire all'identità delle parti o alla natura specifica della vicenda. Un prompt del tipo "analizza il contratto di distribuzione esclusiva firmato tra una società farmaceutica con sede a Milano e un distributore tedesco nel 2023, con clausola di non concorrenza decennale" fornisce informazioni potenzialmente identificative.
Conservazione e utilizzo dei dati da parte del provider
Molti LLM commerciali, nella loro configurazione predefinita, conservano le conversazioni e le utilizzano per il fine-tuning dei modelli. Sebbene i principali provider abbiano introdotto opzioni per disabilitare questa funzionalità, la loro attivazione richiede una configurazione esplicita e, spesso, l'adozione di piani enterprise con apposite garanzie contrattuali.
Trasferimento internazionale dei dati
La maggior parte dei provider di LLM ha sede negli Stati Uniti. Il trasferimento di dati verso paesi terzi è regolato dall'art. 44 e seguenti del GDPR. In assenza di adeguate garanzie, come clausole contrattuali standard approvate dalla Commissione europea o di decisioni di adeguatezza, tale trasferimento può essere illecito.
Tecniche di Prompt Engineering Sicure per gli Avvocati
1. Anonimizzazione sistematica dei prompt
La regola fondamentale è semplice: nessuna informazione identificativa nei prompt. Questo richiede di sviluppare l'abitudine di sostituire sistematicamente:
- i nomi delle persone fisiche con descrittori generici (il lavoratore, la parte attrice, il contraente);
- le denominazioni sociali con categorie (la società cedente, la start-up, il committente);
- le date specifiche con intervalli temporali generici;
- gli importi esatti con ordini di grandezza approssimativi;
- i riferimenti geografici troppo specifici con indicazioni geografiche di area.
Questa operazione richiede qualche minuto aggiuntivo nella preparazione del prompt, ma riduce drasticamente il rischio di esposizione delle informazioni riservate.
2. Separazione tra analisi giuridica e fatti concreti
Una tecnica particolarmente efficace consiste nel disaccoppiare la dimensione giuridica da quella fattuale. L'avvocato interroga il modello sulla norma, sul principio, sull'orientamento giurisprudenziale, senza riferirsi al caso concreto. Poi applica autonomamente il risultato alla situazione del cliente.
Esempio di prompt corretto: "Quali sono i presupposti per la validità di una clausola di non concorrenza post-contrattuale nel contratto di distribuzione, secondo la giurisprudenza della Corte di Cassazione degli ultimi tre anni?"
Esempio di prompt da evitare: "La clausola di non concorrenza nel contratto di distribuzione tra Alfa Srl e Beta AG, firmato il 15 marzo 2023, è valida secondo la Cassazione?"
3. Uso di template strutturati
Costruire template predefiniti per le tipologie di attività più ricorrenti è un modo efficace per standardizzare l'interazione con i modelli AI e ridurre il rischio di inserire informazioni non necessarie. Un template per la redazione di un contratto di locazione commerciale, per esempio, includerà variabili neutrali da compilare senza mai contenere dati del cliente reale.
4. Formulazione del contesto giuridico in forma generica
Quando è necessario fornire contesto per ottenere un output utile, è possibile descrivere la situazione in termini di categoria giuridica piuttosto che di circostanze concrete. Invece di descrivere la vicenda specifica, si descrive il tipo di problema: "Analizza le criticità tipiche di un accordo di joint venture tra società di medie dimensioni nel settore manifatturiero, con particolare attenzione alle clausole di governance e di exit."
5. Istruzioni di sistema (system prompt) per definire il perimetro
Molti strumenti AI avanzati, incluse le piattaforme enterprise, consentono di definire istruzioni di sistema che rimangono attive per tutta la sessione. Un avvocato può inserire in queste istruzioni un'indicazione esplicita che vieta al modello di elaborare o richiedere informazioni identificative delle parti, e che definisce il perimetro di utilizzo consentito.
Valutare il Provider: Criteri Legali Prima dell'Adozione
Prima di integrare un LLM nell'attività quotidiana dello studio, è necessario svolgere una valutazione del provider sotto il profilo della protezione dei dati. I criteri principali sono i seguenti.
Presenza di un Data Processing Agreement conforme al GDPR
Qualsiasi provider che tratta dati personali per conto di uno studio legale agisce come responsabile del trattamento ai sensi dell'art. 28 GDPR. È necessario che esista un accordo scritto che definisca le finalità del trattamento, le misure di sicurezza adottate, le istruzioni del titolare e le modalità di restituzione o cancellazione dei dati al termine del rapporto.
Opzione di opt-out dall'addestramento dei modelli
Il provider deve offrire la possibilità di escludere i dati inseriti dall'utilizzo per il training dei modelli. Questa funzionalità deve essere verificata e attivata esplicitamente.
Localizzazione dei server e trasferimenti internazionali
Verificare dove vengono elaborati e conservati i dati è fondamentale. I provider che elaborano i dati esclusivamente all'interno dello Spazio Economico Europeo offrono maggiori garanzie. Per quelli con server extra-UE, è necessario verificare l'esistenza di clausole contrattuali standard o di altre garanzie adeguate.
Politiche di conservazione dei dati
Quanto a lungo vengono conservati i log delle conversazioni? Con quale granularità? Esistono procedure di cancellazione su richiesta? Queste informazioni devono essere disponibili e verificabili.
Strumenti AI Dedicati al Settore Legale: Un Livello Superiore di Protezione
Le piattaforme specializzate per il settore legale, come IUS AI, offrono un livello di protezione strutturalmente superiore rispetto agli strumenti generalisti. Queste piattaforme sono progettate tenendo conto delle specificità deontologiche e normative della professione forense e integrano controlli sulla gestione dei dati che i provider generalisti non prevedono nella configurazione di base.
Utilizzare uno strumento verticale per il diritto significa lavorare in un ambiente in cui l'architettura stessa è orientata alla riservatezza professionale, dove i documenti caricati rimangono sotto il controllo dello studio e dove le funzionalità di generazione dei contratti, di ricerca giurisprudenziale e di assistenza via chat sono calibrate per non richiedere l'inserimento di informazioni identificative superflue.
La Responsabilità dell'Avvocato nell'Era dell'AI: Un Principio Non Derogabile
L'intelligenza artificiale non sospende le regole della responsabilità professionale. L'avvocato che utilizza un LLM per redigere una memoria, analizzare un contratto o elaborare una strategia difensiva rimane l'unico responsabile del risultato finale verso il cliente e verso l'ordinamento professionale.
Questo principio ha conseguenze pratiche immediate sul prompt engineering. Un prompt negligente che esponga dati riservati non è una colpa del sistema AI: è una colpa dell'avvocato che ha formulato quel prompt. Analogamente, un output errato del modello, recepito acriticamente senza revisione professionale, impegna la responsabilità del professionista, non quella della macchina.
La competenza nel prompt engineering è quindi, a pieno titolo, una competenza professionale che l'avvocato del 2026 deve sviluppare con la stessa serietà con cui coltiva le proprie conoscenze giuridiche.
FAQ
Il segreto professionale si applica anche ai dati inseriti in un'app AI?
Sì. Il segreto professionale ai sensi dell'art. 6 del Codice Deontologico Forense e dell'art. 622 c.p. si estende a qualsiasi informazione acquisita nell'esercizio dell'attività professionale, indipendentemente dal mezzo attraverso cui viene trasmessa o elaborata. Inserire dati riservati in un prompt equivale, dal punto di vista deontologico, a trasmetterli a un terzo.
Posso usare ChatGPT o altri LLM generalisti per attività legali?
Puoi farlo a condizione di adottare tutte le cautele descritte in questo articolo: anonimizzazione dei dati, verifica del DPA con il provider, disabilitazione dell'addestramento sui tuoi dati e limitazione delle informazioni inserite al solo contesto giuridico astratto. Strumenti specializzati per il settore legale offrono garanzie strutturalmente maggiori.
Cosa rischio deontologicamente se violo il segreto professionale usando l'AI?
Le sanzioni disciplinari previste dal Codice Deontologico Forense per la violazione del segreto professionale vanno dall'avvertimento alla sospensione dall'esercizio della professione, in funzione della gravità della violazione e del danno arrecato al cliente. Si aggiungono le eventuali responsabilità civili per risarcimento del danno e quelle penali ex art. 622 c.p.
È necessario informare il cliente se si usano strumenti AI per elaborare le sue informazioni?
Il GDPR impone trasparenza nel trattamento dei dati personali. Se nell'elaborazione vengono coinvolti strumenti AI di terzi che agiscono come responsabili del trattamento, il cliente deve essere informato nell'informativa privacy. In linea generale, una comunicazione proattiva rafforza il rapporto fiduciario e previene contestazioni future.
Il prompt engineering è una competenza che devo sviluppare come avvocato?
Nel 2026, la risposta è affermativa. Le competenze di prompt engineering sono strumenti di tutela deontologica prima ancora che di efficienza operativa. Un avvocato che non sa formulare prompt sicuri espone sé stesso, il proprio studio e i propri clienti a rischi concreti e non teorici.
Conclusione
Il prompt engineering per avvocati non è una moda tecnologica. È la risposta operativa a una sfida deontologica reale: come sfruttare le straordinarie potenzialità dei modelli linguistici senza compromettere la riservatezza che ogni cliente ha il diritto di aspettarsi dal proprio professionista di fiducia.
Le tecniche descritte in questo articolo, dall'anonimizzazione sistematica dei prompt alla scelta consapevole del provider, dalla separazione tra analisi giuridica e fatti concreti all'uso di template strutturati, sono applicabili da subito, senza necessità di infrastrutture tecniche complesse.
Il passo successivo è dotarsi di strumenti progettati per il settore legale, che integrino nativamente i requisiti di riservatezza e deontologia professionale.