Dalla semplice facilitazione telematica all’assistenza algoritmica avanzata
Negli ultimi due decenni, le ADR hanno vissuto una profonda trasformazione, evolvendo da mero strumento di deflazione del contenzioso giudiziario a componente di un sistema più ampio di accesso alla giustizia complementare, a fianco della giurisdizione ordinaria.
Nel contesto della mediazione si è assistito a un vero e proprio cambio di paradigma. Se in una prima fase la digitalizzazione era circoscritta ad una “telematizzazione di supporto”, basata sulla gestione informatica dei depositi, degli incontri in videoconferenza e della sottoscrizione digitale degli atti, l’integrazione di modelli di Machine Learning (ML), Natural Language Processing (NLP) e Large Language Models (LLM) ha trasformato la tecnologia da semplice canale passivo a vera e propria “quarta parte” negoziale (fourth party): un partner analitico capace di ancorare il confronto ai dati, senza intaccare regia e empatia umana. L’integrazione della tecnologia nel tavolo negoziale può essere definita attraverso tre modelli funzionali: i sistemi di supporto decisionale (decision support systems), che forniscono analisi informative al mediatore umano; i sistemi semi-autonomi, in cui l’algoritmo propone schemi di intesa subordinati alla conferma delle parti; e i sistemi completamente autonomi, che estromettono l’intervento umano.
Nell’ambito della mediazione assistita, l’IA si colloca rigorosamente nei primi due modelli, agendo da strumento proattivo di supporto senza intaccare la sovranità delle parti e del terzo neutrale.
Il modello negoziale tradizionale (sviluppato dalla scuola di Harvard), fonda su due pilastri:
BATNA (Best Alternative to a Negotiated Agreement), ovvero la migliore alternativa all’accordo negoziato, che rappresenta il valore soggettivo di ciò che una parte otterrebbe abbandonando il tavolo di mediazione e proseguendo in giudizio. Gli algoritmi predittivi e i software di analisi dei rischi modificano la percezione della BATNA calcolando probabilità statistiche di vittoria in tribunale o costi stimati dei tempi processuali.
ZOPA (Zone of Possible Agreement), l’intervallo o l’area di sovrapposizione tra i limiti minimi e massimi accettabili (reservation points) delle parti in conflitto. Gli strumenti di intelligenza artificiale possono mappare, espandere o restringere la ZOPA analizzando in tempo reale le preferenze, i dati storici e le concessioni reciproche.
Tradizionalmente, la stima della BATNA è caratterizzata da un’elevata componente intuitiva e da valutazioni soggettive, entrambe spesso condizionate da bias cognitivi:
- overoptimism (ottimismo euristico), sovrastima delle probabilità di vittoria in giudizio;
- ancoraggio, tendenza a focalizzarsi sulla prima richiesta economica o sul valore simbolico della pretesa;
- avversione alle perdite, rigidità psicologica che porta a rifiutare accordi ragionevoli pur di evitare una perdita percepita.
L’uso di agenti basati sugli LLM o sui modelli ML nella negoziazione può portare a rivelazioni involontarie di informazioni sensibili o a dinamiche di ancoraggio distorte se non governate da rigidi vincoli programmatici.
Con l’introduzione di strumenti di giustizia predittiva e analytics negoziali, la stima del rischio di soccombenza si sposta da un’intuizione empirica a una vera e propria distribuzione di probabilità statistica.
L’algoritmo elabora la giurisprudenza rilevante e le variabili di fatto del caso, restituendo un intervallo probabilistico del valore della lite e dei tempi stimati per la sentenza.
Di conseguenza, la ZOPA smette di essere una mera sovrapposizione di percezioni per diventare un’area quantitativa oggettivata, dimensione di analisi in cui i fenomeni vengono tradotti in dati numerici misurabili e indipendenti dall’osservatore, riducendo l’asimmetria informativa tra le parti e favorendo transazioni basate su dati concreti.
I rischi della rigidità matematica e il presidio normativo dell’EU AI Act
Se, da un lato, la modellazione statistica offre una stima oggettivata del rischio giudiziario, l’affidamento esclusivo su algoritmi di ottimizzazione presenta un limite strutturale intrinseco: la rigidità matematica.
Il limite di un approccio sbilanciato risiede nel rischio di crollare nella trappola della cosiddetta “giustizia computazionale”, ossia la pretesa di ridurre il ragionamento giuridico e negoziale a una logica puramente calcolabile e programmabile.
Come evidenziato dalla dottrina, la giustizia non è soltanto un atto di logica formale o statistica (logos), ma una valutazione profondamente radicata nei valori umani e nella comprensione della logica situazionale del singolo caso, dimensione che rischia di essere appiattita da modelli algoritmici tarati esclusivamente su dati aggregati.
La mediazione fonda, infatti, su dinamiche integrative (negoziazione basata sugli interessi), all’interno delle quali si introducono elementi di valore non monetario, tra i quali interessi relazionali e reputazionali, riconoscimenti reciproci, soluzioni flessibili e, alle volte, non inizialmente previste.
Quando il processo negoziale è guidato da un algoritmo tarato unicamente su parametri quantitativi e su precedenti, sussiste il concreto pericolo che le parti considerino la BATNA o la ZOPA calcolata numericamente come un limite insuperabile.
Ciò rischia di soffocare la creatività negoziale del mediatore, penalizzando la ricerca di accordi “su misura”, riducendo, di fatto, il confronto a un mero calcolo algebrico.
EU AI Act: qualificazione ad alto rischio e mandato di supervisione umana (Art. 14)
Al fine di scongiurare che la performance tecnologica possa inficiare i diritti fondamentali e le garanzie procedurali, il Regolamento (UE) 2024/1689 (EU AI Act), entrato ufficialmente in vigore in tutta l’area UE il 2 agosto 2024, ha stabilito un quadro normativo rigoroso per l’utilizzo dell’intelligenza artificiale nel settore della giustizia e delle ADR.
Nella pratica, l’Articolo 14 del Regolamento (UE) 2024/1689 (EU AI Act) impone che i sistemi di intelligenza artificiale ad alto rischio, inclusi quelli impiegati nell’amministrazione della giustizia e nelle ADR, siano progettati e gestiti in modo da garantire una supervisione umana effettiva (Human-in-the-Loop) durante l’intero periodo di utilizzo. Il presidio dell’Articolo 14 risponde a criticità etico-giuridiche ben precise: il rischio che il consenso all’uso dell’IA venga prestato in modo opaco tramite contratti digitali standardizzati (click-wrap agreements) e il pericolo della “scatola nera” (black box), in cui l’assenza di spiegabilità delle stime algoritmiche compromette la fiducia nel processo negoziale.
Inoltre, la totale automazione genererebbe un insidioso vuoto di responsabilità (liability gap) in caso di errori o distorsioni discriminatorie, oltre a mettere a rischio la tenuta e l’esecutività internazionale dei titoli arbitrali (alla luce della Convenzione di New York del 1958) e degli accordi transattivi (secondo gli standard delle Note Tecniche UNCITRAL sulla ODR)
L’applicazione pratica dell’Articolo 14 si articola su diverse misure e facoltà operative concrete.
Ripartizione degli obblighi tra fornitore e utilizzatore
Le misure di supervisione devono essere proporzionate ai rischi, al livello di autonomia e al contesto d’uso del sistema, ed essere attuate secondo due modalità:
- misure integrate nel sistema (by design), sviluppate dal fornitore prima dell’immissione sul mercato attraverso specifici strumenti di interfaccia uomo-macchina;
- misure organizzative, individuate dal fornitore ma attuate concretamente dall’utilizzatore (deployer) mediante procedure interne e formazione del personale.
Le cinque capacità pratiche richieste al supervisore umano (Art. 14, comma 4)
La persona fisica preposta alla supervisione (ad esempio il mediatore, l’arbitro o il professionista legale) deve essere messa in condizione di:
- comprendere capacità e limiti, attraverso il monitoraggio costante del funzionamento del sistema, per individuare e gestire tempestivamente anomalie o malfunzionamenti;
- prevenire l’automation bias, mantenendo la consapevolezza della tendenza naturale ad affidarsi in modo automatico o acritico agli output dell’algoritmo (fenomeno insidioso quando l’IA fornisce stime, raccomandazioni o valutazioni di rischio);
- interpretare correttamente gli esiti (output), avvalendosi degli strumenti e dei metodi di spiegabilità (XAI, Explainable AI) messi a disposizione per rendere trasparenti i processi decisionali dei modelli spesso considerati “scatole nere” (black box);
- esercitare il potere di override, avendo la facoltà di decidere in qualsiasi situazione di non utilizzare il sistema, oppure di ignorare, modificare o annullare (override/reverse) il risultato o la proposta generata dall’IA;
- avvalersi del pulsante di arresto (stop button), potendo intervenire direttamente sulle operazioni per arrestare il sistema in condizioni di sicurezza.
Applicazione nel contesto negoziale
Nel caso di piattaforme usate per il ricalcolo di BATNA/ZOPA o la valutazione delle controversie, l’IA opera esclusivamente come assistente analitico (robot clerk) e non può mai sostituire la valutazione della persona fisica o la volontà delle parti. Il mediatore o l’utilizzatore ha il dovere legale di sottoporre l’output a una verifica critica, evitando la semplice ratifica passiva della soluzione calcolata algoritmicamente.
La garanzia rafforzata per l’identificazione biometrica (Art. 14, comma 5)
Per i sistemi di identificazione biometrica remota ad alto rischio, l’Articolo 14 stabilisce una garanzia rafforzata: nessuna decisione o azione può essere adottata sulla sola base del risultato algoritmico se questo non è stato separatamente verificato e confermato da almeno due persone fisiche dotate di competenze, formazione e autorità adeguate.
La classificazione ad Alto Rischio (Allegato III, punto 8a)
L’Allegato III, punto 8(a) del Regolamento inserisce espressamente tra i sistemi di IA ad alto rischio le tecnologie destinate a essere utilizzate da un’autorità giudiziaria (o per suo conto) per assisterla nell’interpretazione dei fatti e del diritto, o utilizzate in modo analogo nelle ADR.
Questa qualificazione comporta che le piattaforme di giustizia predittiva e i modelli LLM applicati alla mediazione debbano soddisfare severi requisiti ex ante, tra cui la gestione dei rischi, la qualità dei dati di addestramento, la tracciabilità e la trasparenza tecnica.
Conclusioni
L’integrazione dell’intelligenza artificiale al tavolo di mediazione non segna il passaggio verso una risoluzione robotizzata o automatizzata delle liti, ma inaugura l’era della mediazione assistita e aumentata.
In questo scenario, l’algoritmo svolge una funzione ancillare di assistente analitico (robot clerk), capace di ripulire il campo da stime irrazionali, asimmetrie informative e bias cognitivi. Per realizzare questo modello ibrido in sicurezza, gli organismi di mediazione e gli sviluppatori dovranno adottare principi di progettazione etica ex ante (ethical design by default), sottoponendo gli algoritmi a periodici audit di discriminazione (bias audits).
Tuttavia, spetta e deve continuare a spettare al mediatore umano il compito insostituibile di decodificare le componenti emotive, comprendere gli interessi sottostanti non quantificabili e guidare le parti verso soluzioni veramente integrative ed eque, in piena armonia con il mandato di garanzia dell’EU AI Act. Solo coniugando l’efficienza analitica dell’IA con la centralità etica dell’uomo sarà possibile garantire una giustizia digitale innovativa, equa e pienamente affidabile.
Dott.ssa Luisa Claudia Tessore
Mediatore civile e commerciale | Responsabile di sedi | Formatore e coordinatore di programmi formativi
luisa@tessore.it

