I limiti dell’intelligenza artificiale nel giudizio di cassazione

Premessa metodologica

L'ingresso delle tecnologie basate sull'intelligenza artificiale all'interno del sistema giudiziario solleva interrogativi complessi, che impongono di valutare la compatibilità degli strumenti algoritmici con la natura della giurisdizione e con le garanzie che la presiedono. Tale analisi acquista una connotazione del tutto peculiare nel giudizio di legittimità dinanzi alla Corte Suprema di Cassazione, il cui compito trascende la soluzione della singola controversia individuale per concentrarsi sull'interpretazione uniforme del diritto e sull'unità dell'ordinamento giuridico nazionale.

Il presupposto metodologico da cui muove la presente riflessione risiede nella constatazione che la permeabilità del processo al supporto tecnologico varia in misura inversamente proporzionale all'intensità dell'attività valutativa: se nei segmenti caratterizzati da elevata standardizzazione si aprono significativi spazi per l'ausilio di strumenti automatizzati, al crescere della componente interpretativa e dell'apprezzamento giudiziale tali spazi tendono progressivamente a restringersi, fino ad azzerarsi in presenza del nucleo essenziale della decisione giurisdizionale. La marcata formalizzazione che connota il giudizio di legittimità non implica infatti che tutte le sue fasi siano egualmente suscettibili di traduzione algoritmica, dovendosi tracciare una netta demarcazione tra compiti di mero supporto e attività propriamente decisoria.

Il quadro normativo di riferimento

La disciplina che governa la materia si articola su una struttura multilivello rigorosamente improntata alla tutela dei diritti fondamentali e alla salvaguardia della centralità dell'essere umano nei processi decisionali. Sul versante sovranazionale, il Regolamento UE 2024/1689 (AI Act), ponendosi in ideale continuità con i principi formulati nella Carta etica europea della CEPEJ del 2018, annovera i sistemi di intelligenza artificiale destinati all'impiego giudiziario tra le tecnologie ad alto rischio, sottoponendoli a stringenti requisiti di trasparenza e controllo. Sul piano interno, la legge 23 settembre 2025, n. 132 definisce una rigida riserva di giurisdizione a favore del magistrato umano, circoscrivendo l'applicazione dei sistemi algoritmici alle sole attività di ausilio, gestione e supporto organizzativo, e precludendo qualsiasi forma di delega automatizzata per ciò che attiene all'interpretazione della legge, alla valutazione delle prove, alla ricostruzione dei fatti e all'adozione delle decisioni giurisdizionali.

L’applicabilità dei sistemi di IA nel giudizio di cassazione

Tale distinzione acquisisce particolare pregnanza nel giudizio di cassazione in ragione della funzione che l’ordinamento affida alla Corte chiamata, ai sensi dell’art. 65 ord. giud., ad assicurare «l’esatta osservanza e l’uniforme interpretazione della legge» e «l’unità del diritto oggettivo nazionale», entro il perimetro del sindacato di legittimità delineato dall’art. 360 c.p.c. attraverso la tipizzazione dei motivi di ricorso.

La questione si risolve, pertanto, nell’individuazione del discrimen tra i segmenti dell’attività della Corte suscettibili di avvalersi del supporto algoritmico e quelli che, inerendo al nucleo propriamente ermeneutico e decisorio della funzione giurisdizionale, restano sottratti a una simile traslazione.

Come accennato, nel giudizio di cassazione, quanto maggiore è il grado di standardizzazione, oggettivazione e vincolatività dell’attività processuale, tanto più ampi appaiono, almeno sul piano teorico, gli spazi suscettibili di supporto algoritmico; per converso, al crescere della componente interpretativa e valutativa e dell’apprezzamento giudiziale, tali spazi tendono progressivamente a restringersi.

La marcata strutturazione formale che connota il giudizio di legittimità non implica, tuttavia, che le diverse attività nelle quali esso si articola presentino, per ciò solo, un eguale grado di formalizzazione, né che siano, conseguentemente, suscettibili di automatizzazione nella medesima misura; se operazioni preliminari, quali la verifica dei requisiti di ammissibilità del ricorso o la classificazione dei motivi, possono, almeno in astratto, prestarsi all’ausilio dell’intelligenza artificiale, ben più problematico si rivela il suo impiego nell’attività propriamente interpretativa e decisoria.

La distinzione appena tracciata va ricondotta ai caratteri propri del giudizio di cassazione, quali emergono dagli artt. 65 ord. giud. e 360 c.p.c. e trovano presidio costituzionale nell’art. 111, settimo comma, Cost., entro un’evoluzione normativa che ha progressivamente accentuato la vocazione all’interpretazione uniforme del diritto.

In tal senso, la riforma avviata dalla l. 14 maggio 2005, n. 80 e attuata dal d.lgs. 2 febbraio 2006, n. 40 ha valorizzato l’enunciazione del principio di diritto e ridefinito i rapporti tra Sezioni semplici e Sezioni Unite, mentre la riformulazione, nel 2012, dell’art. 360, primo comma, n. 5, c.p.c., circoscrivendo il vizio deducibile all’«omesso esame circa un fatto decisivo per il giudizio che è stato oggetto di discussione tra le parti», ha ulteriormente delimitato il controllo sulla motivazione, concorrendo a tracciare con maggiore nettezza il confine tra sindacato di legittimità e riesame del merito.

Così delineata la fisionomia del giudizio di cassazione, il fulcro della questione viene ad investire la struttura stessa dell’argomentazione giuridica, irriducibile allo schema elementare del sillogismo giudiziale, giacché le premesse della decisione non si offrono all’interprete quali dati precostituiti e la disposizione normativa, lungi dal configurarsi come enunciato autoapplicativo, postula un’attività ermeneutica volta alla determinazione del suo significato nel quadro complessivo dell’ordinamento.

La formalizzazione matematica sottesa ai modelli di intelligenza artificiale fondati sull’apprendimento automatico (machine learning) disvela, peraltro, una distanza strutturale rispetto alle categorie proprie del ragionamento giuridico, giacché tali sistemi operano attraverso rappresentazioni computazionali nelle quali fatti, documenti e precedenti giurisprudenziali vengono convertiti in forme suscettibili di elaborazione numerica, dalle quali il modello apprende regolarità nel corso dell’addestramento.

Ricondurre l’attività interpretativa entro siffatti modelli rischierebbe, pertanto, di accordare maggiore rilievo agli elementi più agevolmente formalizzabili, con particolare riguardo al dato testuale, a detrimento di quelle modalità ermeneutiche che implicano operazioni di integrazione e sviluppo del significato normativo, quali l’interpretazione sistematica e teleologica e il ricorso all’analogia; il profilo di complessità maggiore è rinvenibile nella difficoltà di predeterminare il peso rispettivamente attribuibile ai diversi criteri interpretativi, le relazioni tra essi intercorrenti e le condizioni che ne governano l’impiego nella singola fattispecie.

Ulteriori criticità attengono al bias algoritmico, la cui genesi può ricondursi tanto alla qualità e alla rappresentatività dei dati quanto alle scelte che ne governano la selezione e concorrono alla configurazione del modello. Le caratteristiche della base informativa si riflettono, infatti, sul processo di apprendimento, con la conseguenza che eventuali incompletezze, squilibri o distorsioni presenti nei dati possono propagarsi agli esiti dell’elaborazione e, in determinate condizioni, risultarne riprodotti o amplificati.

Non meno rilevante è il fenomeno dell’automation bias, ravvisabile nell’inclinazione ad accordare all’output del sistema un affidamento eccedente la sua effettiva portata, con il conseguente rischio di attenuare l’autonomia del vaglio giudiziale e di degradare lo human oversight a controllo meramente formale.

La necessità di preservare un controllo umano sostanziale emerge, del resto, dalle stesse logiche di addestramento dei modelli, la cui ottimizzazione, generalmente perseguita attraverso la minimizzazione di una funzione di perdita (loss function), risponde al criterio incorporato nella funzione obiettivo, che non coincide necessariamente con la correttezza giuridica della soluzione; ne consegue che anche un output statisticamente plausibile può risultare distorsivo ove recepito in assenza di un effettivo scrutinio critico.

Il ricorso a modelli di maggiore complessità, quali le reti neurali profonde (deep learning), può rendere, inoltre, difficilmente ricostruibile tanto l’incidenza delle singole variabili sulla determinazione dell’output quanto il processo attraverso il quale il sistema perviene al risultato, dando luogo al fenomeno comunemente ricondotto alla nozione di black box algoritmica.

Tale opacità si pone in tensione con le esigenze proprie del giudizio di cassazione, nel quale la decisione non può esaurirsi nell’individuazione della soluzione giuridica, quand’anche corretta, ma deve rendere conoscibile, attraverso la motivazione, il percorso che ne costituisce il fondamento; la possibilità di ricostruire e sottoporre a controllo le ragioni della decisione costituisce, infatti, una garanzia inerente all’esercizio stesso della giurisdizione, sancita dall’art. 111, comma 6, Cost. e strettamente connessa all’effettività del diritto di difesa tutelato dall’art. 24 Cost.

Le esigenze di trasparenza e controllabilità possono, infine, risultare ulteriormente compromesse dall’eventuale assoggettamento al segreto commerciale di componenti, specifiche tecniche o informazioni concernenti il funzionamento del sistema, qualora elementi non pienamente conoscibili concorrano, sia pure in funzione ausiliaria, alla formazione del percorso decisionale.

Il ruolo del precedente, il dialogo multilivello e i limiti dell’IA nella nomofilachia della Cassazione

Nel sistema giuridico italiano, benché il giudice risponda unicamente alla legge e le decisioni pregresse non abbiano un'efficacia formalmente vincolante, le pronunce della Corte di Cassazione mantengono una profonda forza di indirizzo. Questo ruolo coordinatore si articola attraverso precisi strumenti processuali — come le pronunce a Sezioni Unite, i filtri di ammissibilità dei ricorsi e i rinvii pregiudiziali — concepiti per garantire la coerenza e la stabilità delle interpretazioni.

Si delinea in questo modo una forma "debole" di vincolo al precedente, in cui l'esigenza di continuità giurisprudenziale non preclude la possibilità di evoluzione. La funzione della Cassazione, infatti, non consiste nel ripetere meccanicamente gli orientamenti consolidati, ma comprende anche la capacità di superare le soluzioni del passato (overruling) quando le circostanze lo richiedano.

L'impiego di sistemi algoritmici basati sull'analisi delle sentenze pregresse rischia di alterare questo delicato equilibrio: valorizzare primariamente le regolarità del passato per risolvere i casi futuri può portare a una rigida cristallizzazione del diritto vivente, ostacolando la sua naturale trasformazione.

 La formazione del principio di diritto si colloca, dunque, in una complessa trama nella quale l’istanza di uniformità è chiamata a comporsi con l’ineludibile dimensione evolutiva del diritto vivente.

Il ricorso a tecnologie algoritmiche fondate sull’individuazione di regolarità desunte dalla giurisprudenza pregressa rischierebbe di alterare tale equilibrio, poiché l’assunzione della ricorrenza delle soluzioni del passato quale criterio privilegiato per l’elaborazione dei casi futuri potrebbe favorire la riproduzione degli orientamenti consolidati, determinando il rischio di cristallizzazione del diritto vivente ed irrigidendo in schemi di continuità ciò che, nell’esercizio della nomofilachia, deve rimanere suscettibile di evoluzione.

A complicare ulteriormente il quadro vi è l'architettura multilivello dell'ordinamento contemporaneo, che richiede al giudice di legittimità un costante dialogo tra la Costituzione, il diritto dell'Unione Europea e la Convenzione Europea dei Diritti dell'Uomo.

Espressione paradigmatica di tale architettura è il rinvio pregiudiziale di cui all’art. 267 TFUE , attraverso il quale l’interpretazione del diritto dell’Unione si inscrive in un meccanismo di cooperazione tra il giudice nazionale e la Corte di giustizia; sul versante interno, il rinvio pregiudiziale ex art. 363-bis c.p.c. consente, ricorrendone i presupposti, di anticipare l’intervento della Cassazione su questioni di diritto non ancora risolte, connotate da gravi difficoltà interpretative e suscettibili di riproporsi in numerosi giudizi, instaurando una peculiare interlocuzione ermeneutica con il giudice di merito.

La complessità di tale assetto non risiede, tuttavia, nella sola molteplicità dei materiali normativi e giurisprudenziali rilevanti (rispetto alla cui ricerca, classificazione e correlazione gli strumenti algoritmici possono certamente offrire un significativo ausilio), quanto nella necessità di determinarne, di volta in volta, le reciproche relazioni e di trarne le conseguenze ai fini della soluzione della questione controversa.

In questo contesto, se da un lato la tecnologia costituisce un valido supporto per individuare e riordinare l'imponente materiale normativo e giurisprudenziale, dall'altro non è in grado di replicare la complessa attività umana di mediazione e bilanciamento dei principi, la quale resiste a qualsiasi tentativo di automatizzazione integrale.

Un ulteriore limite alla formalizzazione algoritmica emerge, infine, con riguardo alle clausole generali, il cui contenuto non è integralmente predeterminato dal legislatore, ma si specifica attraverso un’opera di concretizzazione condotta alla luce delle circostanze del caso e dei principi dell’ordinamento; nozioni quali buona fede, correttezza e diligenza presentano, infatti, una struttura necessariamente elastica alla cui determinazione possono concorrere valutazioni attinenti alla ragionevolezza delle condotte, alla tutela dell’affidamento e alla proporzionalità degli interessi contrapposti, difficilmente riconducibili a variabili previamente definite e a criteri decisionali rigidamente formalizzati.

La difficoltà della traduzione algoritmica non si arresta, dunque, alla strutturale indeterminatezza semantica dei concetti impiegati, ma investe la struttura stessa di tali clausole, il cui contenuto rimane deliberatamente aperto alla concretizzazione dell’interprete; proprio tale elasticità ne preserva la capacità evolutiva, consentendo di modularne la portata applicativa in relazione tanto alle peculiarità della fattispecie concreta quanto al mutamento delle relazioni sociali ed economiche, senza che ogni trasformazione del contesto debba necessariamente tradursi in una corrispondente modificazione del dato legislativo.

Una simile attitudine si concilia difficilmente, tuttavia, con le logiche proprie dell’apprendimento automatico, fondato sull’individuazione di regolarità desunte dai dati di addestramento e condizionato dalla rappresentazione computazionale del fenomeno, che, secondo l’architettura impiegata, può implicare la preventiva selezione delle variabili rilevanti ovvero l’apprendimento automatico delle relative rappresentazioni.