Mikhail Yatsuha, CEO e Co-Fondatore di CaseCraft.AI

Mikhail Yatsuha, CEO e Co-Fondatore di CaseCraft.AI, è un avvocato del Regno Unito e imprenditore nel settore della tecnologia legale con più di un decennio di esperienza nei servizi legali. È passato da stagista e avvocato tirocinante a Partner presso Sterling Law, dove ha guidato il dipartimento commerciale e ha incontrato ripetutamente controversie di basso valore ma fattibili, che diventavano non redditizie una volta considerati i costi legali tradizionali. Alla fine del 2023, ha co-fondato CaseCraft.AI per ripensare il modo in cui le pretese civili vengono valutate, preparate e gestite utilizzando flussi di lavoro abilitati dall’IA anziché limitarsi ad applicare l’IA alla redazione legale.

CaseCraft.AI è una società britannica di tecnologia legale che costruisce una piattaforma nativa IA per la contenziosità civile. La piattaforma integra valutazione del caso, elaborazione delle prove, corrispondenza pre-azione, generazione di documenti, monitoraggio procedurale e revisione legale umana in un unico flusso di lavoro, servendo i singoli richiedenti su base no-win-no-fee e le imprese tramite strumenti di reclamo di massa e gestione dei casi basati su abbonamento. L’azienda ha raccolto circa £1,8 milioni in tre round di finanziamento e, a partire da agosto 2026, ha registrato 4.562 pratiche create con un valore cumulativo di £14,9 M, il 51 % si è risolto o è stato vinto con giudizio di default, e 373 pratiche sono in lavoro legale attivo; sta inoltre pilottando il suo primo dispiegamento aziendale e testando un MVP per il diritto del lavoro.

Hai trascorso anni passando da stagista e avvocato tirocinante a Partner presso Sterling Law prima di co-fondare CaseCraft.AI nel 2023. Cosa hai osservato ripetutamente nella pratica legale che ti ha convinto che il processo dei piccoli reclami potesse essere ridisegnato fondamentalmente con l’IA anziché semplicemente reso più efficiente con un software legale migliore?

Ciò che mi ha convinto non è stato che gli avvocati avessero bisogno di uno strumento di redazione migliore. È stato il fatto che, per molte controversie di basso valore, l’economia fallisce prima che un avvocato possa intervenire. Il costo della rappresentanza può avvicinarsi o superare il valore in gioco, e la maggior parte dei costi legali generalmente non è recuperabile nei piccoli reclami. Ho visto richieste valide abbandonate per questo motivo presso Sterling Law, e successivamente ho osservato la stessa aritmetica con le imprese che cancellano fatture non pagate. Si tratta di un problema del modello di erogazione, non di redazione. L’IA ha reso possibile ridisegnare gran parte del percorso attorno alla persona che presenta la richiesta, anziché semplicemente rendere l’avvocato che vi lavora un po’ più veloce.

CaseCraft.AI è ormai stato utilizzato per creare migliaia di pratiche legali, con centinaia che progrediscono in lavoro legale attivo. Cosa hai imparato dal gestire l’IA su casi reali che non avresti mai potuto scoprire con prototipi, simulazioni o test di benchmark da soli?

Due cose spiccano. Prima, generare un documento è la parte facile; gestire una pratica è difficile. Un caso reale implica che prove, pagamenti, scadenze, risposte e prossimi passi debbano rimanere coerenti per mesi. A partire da agosto 2026, sono state create oltre 4.500 pratiche tramite CaseCraft, più di 400 sono passate a lavoro legale attivo e 130 richieste sono state presentate in tribunale.

In secondo luogo, le persone si comportano diversamente con l’IA. Possono essere più sincere, il che aiuta a far emergere fatti importanti prima, ma il sistema deve anche stabilire dei limiti e sapere quando un umano deve intervenire. Abbiamo appreso ciò direttamente quando l’introduzione di una chiamata umana in una fase sensibile alla fiducia ha migliorato la conversione di almeno il 15 %.

La prima ondata di IA generativa si è concentrata principalmente sulla produzione di testo. CaseCraft.AI, invece, deve raccogliere prove, determinare l’ammissibilità, seguire le regole procedurali, attivare azioni e monitorare una pratica nel tempo. In che modo la costruzione di questo tipo di flusso di lavoro agentico differisce tecnicamente dalla creazione di un assistente IA o di un chatbot?

Un chatbot risponde a una domanda; un flusso di lavoro agentico deve mantenere lo stato di una pratica reale nel tempo – cosa è accaduto, quali prove esistono, cosa manca e cosa può succedere successivamente. Pertanto pensiamo al sistema come a componenti specializzate anziché a un unico modello che faccia tutto: alcune raccolgono e convalidano le informazioni, altre forniscono ragionamento legale o elaborano documenti in ingresso. L’obiettivo non è il miglior paragrafo, ma una sequenza affidabile di decisioni e azioni che porta la pratica verso il risultato migliore disponibile.

In un flusso di lavoro legale, un modello può produrre qualcosa che suona completamente convincente pur essendo proceduralmente o fattualmente errato. Come hai progettato CaseCraft.AI per distinguere tra output plausibili dell’IA e informazioni realmente affidabili da utilizzare in una pratica legale?

Il principio guida è che il modello non può inventare l’universo legale in cui opera. Limitiamo il sistema alle prove presenti nella pratica e a fonti legali autorevoli, anziché chiedere a un modello di uso generale di rispondere dalla memoria. CaseCraft.AI ha accesso alle ultime modifiche legislative, ai precedenti pertinenti e alle migliori pratiche consolidate tramite API governative e altre fonti autorevoli, così il contesto legale rimane aggiornato.

Separiamo inoltre la generazione dalla validazione e manteniamo la revisione professionale all’interno del quadro regolamentato dei servizi legali. Il test non è se un output suona come se fosse stato scritto da un avvocato, ma se la fonte, le prove e il passo procedurale possono essere verificati.

Hai parlato dell’importanza della “supervisione umana misurabile”. Cosa significa in pratica e come determini quali decisioni un sistema IA può prendere autonomamente rispetto a quelle in cui un umano deve rimanere responsabile?

La supervisione umana misurabile significa che il coinvolgimento umano è legato a un rischio identificabile, e possiamo vedere dove avviene l’intervento e perché. “Human in the loop” non dovrebbe essere solo una frase rassicurante; dovremmo essere in grado di indicare il trigger, la revisione e la decisione che ne è seguita.

Stiamo ancora costruendo la base di evidenze su dove dovrebbero collocarsi tali confini. Una misura a cui possiamo già fare riferimento è il tempo di revisione: dal lancio, il tempo necessario per la revisione umana è diminuito di quattro volte man mano che il sistema è migliorato. Col tempo, l’obiettivo è rendere la revisione più basata sul rischio, mantenendo il giudizio professionale responsabile dove è legalmente richiesto.

Le prove sono centrali nei piccoli reclami, ma le prove possono arrivare sotto forma di contratti, fatture, email, messaggi, fotografie e altre informazioni non strutturate. Come affronti la trasformazione di quel materiale in input strutturati su cui un sistema IA può ragionare, preservando la provenienza e evitando conclusioni non supportate?

Il principio chiave è mantenere separata l’estrazione dall’inferenza. Se un utente carica una conversazione WhatsApp con un costruttore, le date, il prezzo quotato e le parole usate sono fatti estratti; una conclusione sulla rilevanza legale di quello scambio è un’inferenza. I due non dovrebbero mai essere presentati come la stessa cosa. Strutturiamo i documenti in modo che il flusso di lavoro possa usarli preservando il collegamento alle prove originali. Se quel collegamento scompare, si può creare un fascicolo che sembra corretto ma crolla quando viene contestato.

Uno dei problemi più difficili per i sistemi autonomi è sapere quando non agire. Quali segnali indicano a CaseCraft.AI che una richiesta è diventata troppo ambigua, complessa o rischiosa per l’automazione e dovrebbe invece essere inoltrata a un professionista legale?

Una delle nostre salvaguardie è controintuitiva: prestiamo attenzione non solo ai casi che l’IA vuole far progredire, ma anche a quelli che è incline a rifiutare. La supervisione umana non riguarda solo impedire a un’IA di essere troppo aggressiva; può anche fermare il sistema quando è troppo conservatore e scarta un argomento legittimo.

Uno dei segnali di escalation più chiari oggi è la mancanza di prove. Le persone potrebbero non caricare i documenti pertinenti, averli persi col tempo, o non rendersi conto di quali prove siano importanti per la richiesta. Quando la pratica non è sufficientemente chiara o completa, il passo successivo può essere la revisione umana anziché la progressione automatica. Gli avvocati gestiscono ancora il contesto e le zone grigie in modo più coerente rispetto ai sistemi attuali.

Man mano che i sistemi IA assumono più passaggi tradizionalmente svolti dagli avvocati, come pensi che evolverà il confine tra automazione software e servizi legali regolamentati?

Il confine si sposterà, ma più lentamente di quanto molte persone nel settore tecnologico prevedano. I sistemi ad alto rischio non possono fare affidamento sulla promessa che il prossimo modello sarà migliore; l’affidabilità deve essere dimostrata attraverso fonti autorevoli, validazione, controlli e revisione umana responsabile. Col tempo, mi aspetto che l’IA diventi qualcosa di cui i professionisti possono fidarsi entro limiti chiaramente definiti, ma l’autonomia deve essere guadagnata tramite performance osservate e risultati reali. La domanda utile non è “software o avvocato?”, ma quale attività viene svolta, quali prove la supportano e chi rimane responsabile.

I modelli di IA di uso generale stanno diventando molto più capaci in tempi rapidi. Cosa crea un vantaggio sostenibile per un’azienda di IA verticale come CaseCraft.AI quando i modelli di base disponibili a tutti continuano a migliorare?

Il nostro vantaggio non è mai stato possedere un modello di base. Modelli generali migliori sono una buona notizia per noi. La parte difficile è tutto ciò che li circonda: recupero, database delle pratiche, conoscenza legale, infrastruttura dei flussi di lavoro, integrazioni, controlli e comprensione operativa di come una richiesta si muove dall’inizio alla fine. Quel lavoro non scompare quando arriva un nuovo modello.

Per l’utente, dovrebbe sembrare un unico luogo in cui avviene il caso, mentre l’orchestrazione rimane sottostante. La stessa infrastruttura sta ora iniziando a supportare sia i singoli richiedenti sia le imprese che utilizzano reclami in batch fino a 150 richieste con un clic e flussi di lavoro di gestione dei casi. Credo che l’orchestrazione e l’esecuzione di dominio siano il fossato durevole per l’IA verticale.

Oltre i piccoli reclami, cosa hai imparato da CaseCraft.AI sul futuro più ampio dell’IA agentica? Quali altre industrie ad alto rischio ritieni siano particolarmente adatte a sistemi che possono gestire flussi di lavoro complessi mantenendo gli esseri umani responsabili per le decisioni critiche?

Sono ottimista riguardo all’IA agentica, ma il lavoro difficile ruota attorno al modello: ridisegnare i processi, strutturare le informazioni, definire ciò che il sistema può fare e costruire validazione ed escalation. Ecco perché le industrie regolamentate spesso si muovono più lentamente – le persone che comprendono il flusso di lavoro sufficientemente da automatizzarlo sono solitamente gli esperti più occupati dell’organizzazione.

Le opportunità più forti sono i flussi di lavoro con molta raccolta di informazioni ripetibile e elaborazione di documenti, ma con un numero più ridotto di eccezioni che richiedono comunque un giudizio responsabile. Per CaseCraft, il diritto del lavoro è l’espansione più vicina, con un MVP in fase di test attivo, e stiamo esplorando il risarcimento per infortuni personali con uno studio legale specializzato. Oltre al diritto, assicurazione, servizi finanziari e conformità hanno una forma simile. I sistemi che avranno successo sapranno non solo come automatizzare la conversazione, ma anche esattamente quando la macchina deve fermarsi e un umano deve intervenire.

Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare CaseCraft.AI.