Roderick Lucas, cofondatore e CEO di Moonlit – Intervista

Roderick Lucas è cofondatore e CEO di Moonlit e porta con sé una solida esperienza nell’intelligenza artificiale, nella scienza dei dati e nella tecnologia giuridica. Ha lavorato per quasi un decennio in Deloitte, dove ha ricoperto il ruolo di responsabile dell’intelligenza artificiale, e ha tenuto corsi di tecnologia alla Vrije Universiteit Amsterdam e alla Tilburg University. Il suo lavoro mira a rendere la ricerca giuridica più accessibile grazie a dati strutturati, fonti verificabili e intelligenza artificiale.

Moonlit fornisce infrastrutture per i dati giuridici e strumenti di ricerca che collegano la legislazione ufficiale, le decisioni giudiziarie e le informazioni normative nei diversi ordinamenti europei. La sua piattaforma, la Data API e il server MCP consentono a ricercatori e assistenti IA di accedere a fonti giuridiche strutturate, mentre la sua raccolta di commentari combina analisi generate dall’intelligenza artificiale e revisioni da parte di esperti giuridici identificati per nome. In questa intervista, Lucas parla di allucinazioni giuridiche, ricerca transfrontaliera, verifica da parte di esperti e accesso a informazioni giuridiche affidabili.

Ha lavorato per quasi un decennio in Deloitte, dove è arrivato a ricoprire il ruolo di responsabile dell’intelligenza artificiale, e ha anche tenuto corsi di tecnologia alla Vrije Universiteit Amsterdam e alla Tilburg University. Moonlit è nata inizialmente come progetto interno a Deloitte, prima di diventare un’azienda indipendente nel 2024. Che cosa l’ha spinta a sviluppare la piattaforma e che cosa le ha fatto capire che la ricerca giuridica aveva bisogno di un approccio radicalmente diverso?

Moonlit è nata all’interno di Deloitte perché il problema era proprio lì, sotto gli occhi di tutti. Ogni questione legale o fiscale seria in Europa attraversa prima o poi un confine, eppure le fonti necessarie sono sparse tra decine di portali nazionali, ciascuno con il proprio formato, la propria lingua e il proprio stile di citazione. Gli specialisti dedicano la maggior parte del tempo di ricerca a raccogliere materiale e a verificare che non manchi nulla. Nel frattempo, gli strumenti creati per aiutarli si rivelano inefficaci per il lavoro transfrontaliero. Fanno pagare per postazione e per paese e richiedono accessi separati solo per confrontare il modo in cui giurisdizioni diverse affrontano la stessa questione.

Con l’arrivo dei modelli linguistici, sono diventate subito chiare due cose: i modelli erano in grado di ragionare sui testi giuridici molto meglio di quanto chiunque si aspettasse, ma non avevano a disposizione fonti affidabili su cui basare il ragionamento. Estrarre direttamente i testi dai portali pubblici dei tribunali produce dati disordinati e incoerenti, mentre gli editori giuridici commerciali limitano l’accesso automatizzato con restrizioni basate su licenze. Alla tecnologia giuridica mancava una base comune: fonti ufficiali provenienti da più ordinamenti, uniformate in una struttura dati pulita, collegate tra loro e aggiornate ogni giorno.

È proprio questo livello che ci siamo prefissati di realizzare, ed è il motivo per cui nel 2024 Moonlit è diventata un’azienda, anziché restare uno strumento destinato a un’unica società. Una base di questo tipo acquista valore ogni volta che una persona o un sistema la consulta e vi contribuisce. La convinzione alla base del progetto non è cambiata: la legge è pubblica e le conoscenze che ne derivano dovrebbero essere accessibili a chiunque debba rispettarla.

Moonlit è stata fondata sulla convinzione che l’accesso alle conoscenze giuridiche sia essenziale per la giustizia. Sebbene le leggi e le sentenze siano spesso disponibili al pubblico, i commenti degli esperti che ne spiegano le implicazioni restano spesso dietro costosi paywall. In che modo Moonlit intende democratizzare l’accesso a questo livello interpretativo e perché è particolarmente importante per lo sviluppo di un’intelligenza artificiale giuridica affidabile?

Nei Paesi Bassi, circa 40 centesimi di ogni euro che si guadagna vanno allo Stato, e una parte finanzia le università pubbliche e il sistema giudiziario. Gran parte dei commenti che spiegano la legge è scritta da accademici retribuiti con fondi pubblici. Editori commerciali come Wolters Kluwer e Thomson Reuters raccolgono queste analisi e le rivendono ai tribunali, ai ministeri, alle università e ai professionisti che ne hanno bisogno. Un abbonamento ai commentari costa centinaia di euro al mese per utente. Con questi abbonamenti, di fatto il pubblico paga due volte per la legge che è tenuto a rispettare. Un sistema giuridico equo non dovrebbe costare ogni mese più di un abbonamento a Netflix.

Abbiamo creato i commentari per offrire un’alternativa aperta: una raccolta di analisi giuridiche, organizzata articolo per articolo, accessibile con un account Moonlit gratuito. Ogni commentario è generato a partire da fonti primarie tramite i nostri modelli di intelligenza artificiale e sottoposto alla verifica di specialisti giuridici prima della pubblicazione. Ogni citazione è verificata e rimanda direttamente al documento ufficiale del governo o del tribunale. Se un lettore nota una sfumatura trascurata o uno sviluppo recente, può suggerire una modifica direttamente tramite il modulo presente nella pagina, affinché venga sottoposta a revisione editoriale. Gli editori possono quindi esaminarla e ripubblicare il contenuto. Per quanto ne sappiamo, nessun altro editore offre questa combinazione. Al momento del lancio, i commentari disponibili riguardano l’imposta indiretta (IVA); sono in preparazione quelli sulla protezione dei dati.

Questo livello interpretativo è altrettanto fondamentale per l’intelligenza artificiale giuridica. I modelli possono acquisire leggi e sentenze pubbliche, ma non sono in grado di consultare i commentari che spiegano come una norma si applichi nella pratica o in quali casi siano previste eccezioni. Privati di questo contesto, i modelli estrapolano e generano risposte inaffidabili. Abbiamo progettato i commentari in modo che ogni affermazione sia esplicitamente collegata alla disposizione che interpreta e alla sentenza su cui si basa. Un professionista può verificare la fonte con un solo clic, mentre un flusso di lavoro basato sull’intelligenza artificiale può ragionare su dati affidabili tramite la Moonlit Data API e il connettore MCP.

Le allucinazioni giuridiche generate dall’IA sono diventate una fonte di crescente preoccupazione: avvocati e tribunali si imbattono in citazioni di sentenze inventate e interpretazioni inesatte della legge. Perché anche i modelli linguistici di grandi dimensioni più sofisticati faticano a garantire l’accuratezza giuridica, e in che modo fornire un contesto giuridico strutturato e verificato aiuta a superare questi limiti?

I modelli linguistici faticano con il diritto per ragioni che hanno poco a che fare con l’intelligenza. Il ragionamento giuridico dipende interamente da fonti verificabili. Una conclusione è valida solo quanto la disposizione o la decisione su cui si basa, ma un modello tratta i numeri delle cause e i riferimenti normativi come schemi testuali probabilistici anziché come dati affidabili di una banca dati. Restituisce riferimenti che sembrano convincenti perché prevede quale aspetto dovrebbe avere una citazione, non perché abbia verificato un documento reale. Le conseguenze sono molto concrete: al momento della stesura, erano state registrate oltre 2.100 decisioni giudiziarie riguardanti allucinazioni dell’IA, più di 800 delle quali coinvolgevano direttamente professionisti del settore legale.

Anche le leggi cambiano continuamente. Le conoscenze di un modello si fermano alla data limite dei dati usati per il suo addestramento, mentre le decisioni in materia fiscale e quelle delle corti d’appello vengono aggiornate ogni settimana. Quando i commenti che spiegano il significato di quelle norme sono accessibili solo tramite gli abbonamenti a pagamento degli editori, il modello può consultare il testo della legge, ma non il contesto operativo; così inventa spiegazioni plausibili per colmare la lacuna.

Un contesto strutturato e verificato cambia radicalmente il compito. In Moonlit, il modello recupera le norme invece di tentare di richiamarle a memoria e lavora direttamente sui documenti ufficiali. Una ricerca restituisce documenti provenienti da fonti ufficiali, ciascuno corredato dalla citazione e dal link. Il grafo dei riferimenti mostra quali fonti cita una decisione e quali documenti successivi la citano. Una citazione rimanda a un documento autentico nel nostro archivio oppure non compare affatto. In questo modo si eliminano le citazioni inventate. Tuttavia, i dati puliti da soli non impediscono interpretazioni errate: per questo Commentaries prevede comunque l’intervento di un esperto legale identificato per nome tra la bozza e il lettore.

Moonlit raccoglie normative, decisioni giudiziarie e informazioni regolamentari di decine di giurisdizioni, collegando i documenti giuridici attraverso un ampio grafo di riferimenti. Può illustrarci l’architettura dei dati e dell’IA sottostante, in particolare il modo in cui la piattaforma individua le relazioni tra le fonti giuridiche, concilia lingue e ordinamenti diversi e rende queste informazioni accessibili ai modelli di IA?

Immaginatela come una catena continua, dalla pubblicazione ufficiale fino a una citazione verificata.

Per ogni giurisdizione ci colleghiamo direttamente ai portali ufficiali, tra cui le gazzette ufficiali, le banche dati dei tribunali, le autorità di regolamentazione e EUR-Lex per il diritto dell’UE. Ogni portale ha caratteristiche e formati propri e può cambiare senza preavviso; perciò una parte significativa del nostro lavoro di ingegneria è dedicata al monitoraggio e al ripristino automatico per ciascun portale. Ogni documento acquisito mantiene l’attribuzione e un link permanente alla registrazione ufficiale del governo. Quel link è il fondamento di tutto il resto.

Tutto confluisce in un unico modello che copre le diverse giurisdizioni e comprende normative, giurisprudenza, documenti parlamentari, decisioni delle autorità e linee guida. Le normative vengono suddivise fino al singolo articolo, così da poter recuperare e citare con precisione una specifica disposizione. Una sentenza olandese e una decisione tedesca mantengono i campi specifici richiesti dai rispettivi sistemi nazionali, mentre uniformiamo il modo in cui questi documenti vengono identificati, classificati e collegati oltre i confini nazionali.

I testi giuridici si citano continuamente a vicenda. Una sentenza cita gli articoli che applica e le decisioni a cui si conforma, mentre una legge rimanda ad altri atti normativi. Il nostro motore riconosce queste citazioni, che assumono forme molto diverse a seconda della giurisdizione, le risolve associandole a documenti autentici nel nostro Data Layer e memorizza i collegamenti in entrambe le direzioni. Gli ingegneri giuridici verificano gli schemi di estrazione. Il risultato è un grafo di riferimenti con centinaia di milioni di collegamenti, che consente di vedere, per qualsiasi documento, quali fonti cita e quali lo citano.

Per gestire le lingue, invece, lasciamo intatti i documenti originali. Non traduciamo i testi delle fonti primarie. Una decisione belga rimane in francese o in olandese e le ricerche vengono eseguite direttamente nella lingua originale. Combiniamo la ricerca per parole chiave e quella semantica, riordiniamo i risultati e limitiamo ogni ricerca alla giurisdizione pertinente. Luna, la nostra assistente di ricerca, risponde nella lingua richiesta e consulta ogni fonte sottostante nella sua lingua originale.

La piattaforma Moonlit, la nostra Data API e il server MCP attingono tutti allo stesso Data Layer. L’API offre accesso programmatico alle nostre modalità di ricerca, al grafo dei riferimenti e al recupero dei testi integrali, mentre il server MCP mette a disposizione di qualsiasi assistente IA esterno nove strumenti di sola lettura. Quando miglioriamo i dati sottostanti, il miglioramento raggiunge contemporaneamente tutte le interfacce.

Moonlit ha introdotto commenti giuridici generati dall’IA e revisionati da esperti legali identificati per nome, combinando la stesura automatizzata con la verifica umana. Come funziona concretamente questo processo e quali garanzie assicurano che le interpretazioni generate dall’IA siano accurate, trasparenti e riconducibili a fonti giuridiche autorevoli?

Un commentario parte dalla legge stessa. Il nostro motore genera una bozza a partire dalle fonti primarie contenute nel Data Layer, tra cui leggi, giurisprudenza, direttive e lavori parlamentari che hanno portato all’approvazione di una disposizione. Può citare soltanto i documenti in nostro possesso, quindi ogni affermazione è collegata alla disposizione che interpreta e alla fonte che la supporta. Per esempio, uno dei commentari pubblicati al lancio rimanda a 165 fonti verificate.

Prima della pubblicazione di un commentario, un esperto giuridico del settore confronta la bozza con le fonti primarie. I nostri redattori sono accademici e autori che esercitano la professione e vengono retribuiti per il loro lavoro. Il gruppo iniziale proviene da università, tribunali, enti pubblici, società di consulenza e studi legali. Correggono la bozza, eliminano ciò che non è pertinente e aggiungono ciò che manca. I loro nomi sono riportati direttamente nella pagina.

I badge di revisione verificata contrassegnano i passaggi convalidati da un redattore, così è sempre chiaro quali sezioni sono avallate da un esperto umano.

Ogni commentario indica anche la data di riferimento, per mostrare con esattezza lo stato della legge descritto. Il Data Layer si aggiorna ogni giorno e segnala al redattore le nuove sentenze pertinenti, che provvede quindi a rivedere il testo e ad aggiornare la data di riferimento.

La garanzia fondamentale è il collegamento alla fonte. Se non è possibile consultare la sentenza su cui si basa una conclusione, si chiede di fidarsi senza poterla verificare. Abbiamo creato Commentaries proprio perché nessuno debba farlo.

Grazie alle integrazioni con il Model Context Protocol (MCP), Moonlit può fornire informazioni giuridiche direttamente ad assistenti IA come ChatGPT, Claude e Microsoft Copilot. Che cosa consente di fare questa architettura che potrebbe risultare difficile per i tradizionali sistemi di generazione aumentata dal recupero (RAG), e come garantite che questi assistenti utilizzino responsabilmente le informazioni giuridiche recuperate?

I sistemi RAG tradizionali acquisiscono un’istantanea di alcuni documenti, li suddividono in segmenti, li trasformano in rappresentazioni vettoriali e forniscono al modello quelli con il punteggio di similarità più alto. In ambito giuridico, questo approccio presenta tre problemi. L’istantanea diventa obsoleta. La similarità non è abbastanza affidabile per individuare un articolo o il numero esatto di una causa. Inoltre, un segmento non dice nulla sui riferimenti citati nel documento né sugli effetti delle sentenze successive.

Con il server MCP, è l’assistente a svolgere direttamente la ricerca. Può cercare per significato oppure tramite termini e citazioni esatti, usando operatori booleani; seguire i riferimenti tra i documenti; leggere i testi integrali e recuperare i singoli articoli di legge. Può anche verificare quali giurisdizioni e portali ufficiali sono disponibili. Il modello decide di cosa ha bisogno, legge i risultati e ripete la ricerca finché la risposta non è sufficientemente fondata. È questo ciclo a fare la differenza. A settembre anche Luna è passata allo stesso server MCP e le risposte sono diventate al tempo stesso più rapide e più accurate. Anche i dati sono aggiornati in tempo reale: l’assistente consulta il Data Layer così com’è oggi.

Un uso responsabile parte da limiti chiari. I nostri strumenti sono di sola lettura e i risultati rimandano alla fonte ufficiale. Pubblichiamo inoltre semplici istruzioni di ricerca che gli assistenti possono seguire. Spiegano come cercare nella lingua originale della fonte, verificare il passaggio prima di citarlo, controllare la versione e indicare chiaramente quando le fonti disponibili presentano una lacuna.

I diversi assistenti presentano il proprio ragionamento in modi diversi, e questo non dipende da noi. Possiamo però rendere facilmente verificabili le fonti. Ogni citazione rimanda a un documento e ogni documento alla sua pubblicazione ufficiale.

Le informazioni giuridiche evolvono continuamente: vengono pubblicate nuove sentenze, cambiano le normative e si contestano i precedenti esistenti. In che modo l’infrastruttura di monitoraggio automatico di Moonlit individua e recepisce questi sviluppi? E come fa la piattaforma a impedire ai sistemi di IA di basarsi su leggi obsolete o interpretazioni giuridiche superate?

Per impedire a un sistema di IA o a un ricercatore di basarsi su norme non più vigenti, bisogna considerare i collegamenti tra i documenti. Non appena una nuova sentenza o una modifica legislativa entra nel sistema, il grafo dei riferimenti la collega alle disposizioni e alle cause precedenti che cita. Se una corte d’appello annulla o restringe una decisione precedente, lo sviluppo viene associato direttamente alla sentenza originaria come decisione che la cita. Seguendo il grafo, un modello rileva subito il trattamento successivo, invece di considerare ancora valida una giurisprudenza superata. Sulla piattaforma, gli utenti possono trasformare lo stesso flusso in Monitors attivi per le leggi, i tribunali o gli argomenti specifici che seguono.

Per i commentari, mantenere aggiornati i contenuti è tradizionalmente un punto debole importante. Le collane di commentari commerciali vengono spesso aggiornate solo una o due volte l’anno. In settori in rapida evoluzione, come la fiscalità indiretta o la protezione dei dati, questo ritardo crea seri rischi di non conformità. Poiché il nostro Data Layer confronta ogni giorno le nuove pubblicazioni con i nostri commentari, le nuove sentenze vengono segnalate immediatamente al redattore responsabile. Il redattore aggiorna l’analisi e la data di riferimento, così professionisti e modelli di IA lavorano sullo stato effettivo della legge, anziché su una prospettiva vecchia di dodici mesi.

La ricerca giuridica transfrontaliera comporta complessità che vanno oltre la traduzione dei documenti, soprattutto quando paesi diversi interpretano o attuano in modo diverso normative simili. In che modo l’IA di Moonlit distingue queste differenze tra giurisdizioni e come si procede quando fonti giuridiche autorevoli sembrano contraddirsi?

Una direttiva dell’UE e la legge nazionale che la recepisce sono documenti distinti, collegati nei punti in cui l’una cita l’altra; allo stesso modo, una decisione nazionale che applica una sentenza della Corte di giustizia è collegata a quella sentenza. È anche per questo che Commentaries parte dall’IVA. Le norme sono in larga misura armonizzate a livello dell’UE e vengono poi interpretate in ciascuno Stato membro.

Nel diritto le contraddizioni sono normali e non le nascondiamo. Quando due fonti autorevoli sembrano essere in disaccordo, il lettore le vede entrambe. A fare gran parte del lavoro è poi la gerarchia: una decisione successiva prevale su una precedente, la Corte di giustizia prevale su un giudice nazionale nelle questioni di diritto dell’UE e si applica la disposizione nel testo vigente alla data del rinvio. In Commentaries, il redattore esplicita la propria valutazione e affianca le fonti.

La tecnologia di Moonlit è utilizzata da organizzazioni come la Corte suprema dei Paesi Bassi, Deloitte e altri enti giuridici e istituzioni pubbliche. Può condividere un esempio concreto di come la piattaforma abbia trasformato un flusso di lavoro di ricerca giuridica e spiegare come misurate i miglioramenti in termini di precisione, completezza o efficienza della ricerca rispetto ai metodi tradizionali?

Nel settore fintech, per esempio, il team legale di Quantoz Payments ha collegato il server MCP di Moonlit a Claude, affiancandolo a flussi di lavoro personalizzati per la normativa sui pagamenti transfrontalieri. Il flusso di lavoro che viene sostituito è quello tradizionale in tutta Europa. In genere, un avvocato deve aprire portali in diversi Paesi, effettuare ricerche in più lingue, copiare le citazioni in un promemoria e sperare che non sia sfuggito alcun precedente locale fondamentale. Ora, il loro sistema effettua ricerche simultanee in diverse giurisdizioni, segue il grafo delle citazioni e restituisce i documenti primari insieme ai relativi link alle fonti ufficiali. Per un team legale interno, l’impatto è evidente. Elimina il punto cieco delle decisioni straniere non individuate e libera ore di lavoro dalla raccolta meccanica delle informazioni, permettendo di dedicarle all’analisi giuridica vera e propria e alla valutazione dei rischi.

Sul fronte dello sviluppo, si osserva un’efficienza di tutt’altro tipo. I team che sviluppano prodotti di IA giuridica misurano i miglioramenti in mesi di lavoro ingegneristico risparmiati. Eudia, un’azienda di IA giuridica, aveva bisogno di dati giuridici europei strutturati per alimentare il proprio prodotto; il suo product manager ha osservato che la nostra Data API ha fornito loro un corpus europeo completo in pochi giorni. Senza un’infrastruttura dati di base, questo significa costruire e mantenere a tempo indeterminato scraper personalizzati per ogni portale nazionale. Anche altre piattaforme, come Saga e Legal Mind, si basano sulle stesse fondamenta e ora possono fornire Commentaries verificati direttamente ai propri utenti finali.

Guardando al futuro, man mano che i modelli fondazionali diventano sempre più capaci e gli agenti di IA affrontano compiti di ricerca giuridica più sofisticati, come vede evolvere il rapporto tra i modelli di IA di uso generale e le infrastrutture specializzate per i dati giuridici? Qual è la sua visione a lungo termine per Moonlit, in particolare per quanto riguarda la possibilità di rendere l’intelligenza giuridica affidabile accessibile anche al di fuori dei grandi studi legali e delle istituzioni?

Un modello più potente ragiona meglio sulle fonti che gli vengono fornite, ma non può produrre dal nulla documenti primari affidabili. Con il crescente sviluppo delle capacità dei modelli fondazionali, il valore di un livello di dati verificato aumenta, di fatto. Quando la capacità di ragionamento diventa diffusa, il vero collo di bottiglia si sposta sulla qualità dei dati, perché un agente ha comunque bisogno di norme accurate e strutturate su cui lavorare.

I modelli di uso generale e gli agenti autonomi si occuperanno della redazione, della sintesi e dell’interazione conversazionale. Un’infrastruttura specializzata come quella di Moonlit gestisce il complesso problema dei dati alla base, mantenendo il diritto aggiornato, strutturato e verificabile e mettendolo direttamente a disposizione tramite i protocolli utilizzati da questi agenti. Ci siamo preparati per tempo a questo cambiamento. Il nostro assistente utilizza lo stesso identico server MCP a cui si collegano gli agenti esterni e i team stanno già eseguendo i propri agenti personalizzati su questa infrastruttura.

Questa architettura è anche centrale nella nostra visione a lungo termine. Tradizionalmente, l’accesso a informazioni giuridiche affidabili oltre confine è stato un bene di lusso, alla portata solo dei più grandi studi legali e delle multinazionali in grado di pagare costosi abbonamenti per più Paesi. Rendendo Commentaries consultabile gratuitamente e aprendo il nostro livello di dati a qualsiasi sviluppatore tramite API e connettori moderni, vogliamo creare condizioni di parità. Un libero professionista che assiste un’impresa attiva oltre confine o un consulente legale interno di un’azienda nelle prime fasi di sviluppo dovrebbe poter disporre della stessa precisione nella ricerca e delle stesse citazioni verificate di una società di consulenza globale.

Grazie per la splendida intervista. I lettori che desiderano esplorare dati giuridici verificati e la ricerca transfrontaliera assistita dall’IA possono visitare Moonlit.