Architettura RAG & Ricerca Semantica

Come Affinare una Ricerca Giurisprudenziale con AI

La ricerca semantica non confronta semplici parole chiave: calcola la vicinanza vettoriale tra concetti. In un'architettura RAG (Retrieval-Augmented Generation), ogni sentenza viene indicizzata attraverso un testo denso strutturato che sintetizza fattispecie, massima, normativa e precedenti richiamati. Comprendere questo meccanismo è la chiave per formulare input capaci di estrarre esattamente il precedente rilevante.

Prova la ricerca semantica Come funziona il RAG

L'anatomia dell'indicizzazione

Perché una ricerca semantica funzioni davvero in ambito giuridico, non basta vettorizzare il testo grezzo di una sentenza. Il modello RAG si fonda su un testo denso sintetico che ne codifica l'essenza logico-giuridica.

01 · Fattispecie & Massima

Il nucleo decisorio

L'indicizzazione isola il fatto storico-giuridico concreto (la condotta, l'evento, il contesto materiale) e lo ancora al principio di diritto enunciato dal giudice. In questo modo l'embedding vettoriale cattura la sostanza del giudizio e non il mero stile redazionale.

02 · Norme & Precedenti

La rete dei riferimenti

All'interno del blocco semantico vengono incorporati gli articoli di legge applicati e la giurisprudenza conforme o contraria citata nella motivazione. Ciò consente al motore di raggruppare orientamenti affini anche in assenza di citazioni testuali identiche.

03 · Spazio Vettoriale

La distanza concettuale

La query dell'utente viene trasformata in un vettore multidimensionale. Il recupero (retrieval) seleziona le decisioni il cui testo denso ha la massima prossimità geometrica rispetto alla fattispecie e al problema dedotto nell'input.

Come costruire l'input per il motore RAG

Dalla logica booleana alla descrizione del problema: i criteri per massimizzare la pertinenza del retrieval.

Dimostrazione pratica

Come il testo denso indicizzato dialoga con la query formulata dall'utente nel processo di retrieval semantico.

Dall'input alla correlazione vettoriale

Esempio di allineamento tra la query complessa e il chunk denso indicizzato a monte

INPUT UTENTE OTTIMIZZATO
Responsabilità civile della struttura sanitaria per danno da ritardo diagnostico in presenza di sintomatologia atipica. Ripartizione dell'onere della prova sul nesso causale tra condotta omissiva dei sanitari e perdita di chance di sopravvivenza, con applicazione del criterio probabilistico civilistico (art. 1218 e 1223 c.c.).
COME LAVORA LA RICERCA SEMANTICA
L'algoritmo non effettua un mero matching lessicale delle singole parole. Il testo viene proiettato nello spazio vettoriale, individuando relazioni semantiche tra "sintomatologia atipica", "errore diagnostico", "prova liberatoria della struttura" e "criterio controfattuale".
IL TESTO DENSO INDICIZZATO NEL DATABASE (DOCUMENT CHUNK)
Fattispecie: Paziente ricoverato con quadro clinico subdolo; omessa esecuzione di TC toraco-addominale che avrebbe consentito di intercettare tempestivamente la patologia letale.
Massima / Principio: In tema di responsabilità contrattuale sanitaria, grava sull'attore la prova del nesso causale secondo il criterio del "più probabile che non", spettando alla struttura la prova dell'impossibilità sopravvenuta della prestazione per causa non imputabile.
Riferimenti Normativi: Artt. 1218, 1223, 2697 c.c.; L. 24/2017.
Precedenti Richiamati: Cass. Civ., Sez. Un., n. 577/2008; Cass. Sez. III, n. 28991/2019.
VALORE AGGIUNTO DEL MODELLO RAG
Grazie all'arricchimento preliminare del testo (che unisce fatto, diritto e orientamenti pregressi in un unico vettore denso), il modello di retrieval restituisce in cima al ranking le sentenze che risolvono esattamente quel conflitto di causalità omissiva, azzerando i falsi positivi tipici della ricerca a parole chiave.

Il RAG oltre la keyword

Nei sistemi tradizionali a parola chiave, una ricerca formulata con termini complessi porta spesso a zero risultati oppure a centinaia di sentenze fuorvianti che condividono una sola locuzione.

Con l'indicizzazione del testo denso in Jurio, la query può essere discorsiva, dettagliata e ricca di sfumature giuridiche. L'architettura RAG estrae il contesto rilevante e lo passa al modello di linguaggio garantendo risposte motivate, fondate unicamente su decisioni ufficiali e verificate.

  • Indicizzazione a testo denso (Fatto + Diritto)
  • Calcolo della similarità su embedding giuridici
  • Tracciamento di norme e precedenti collegati
  • Superamento dei limiti della ricerca booleana
  • Isolamento immediato del nodo causale e probatorio

FAQ

Approfondimenti su RAG, embedding e ricerca semantica nel diritto

Cos'è esattamente il RAG (Retrieval-Augmented Generation)?
Il RAG è un'architettura che combina un motore di recupero documentale (retrieval) e un modello generativo (LLM). Invece di affidarsi alla sola "memoria" probabilistica del modello linguistico, il sistema recupera prima le sentenze pertinenti dal database vettoriale e le fornisce all'AI come contesto certo per formulare sintesi, note e risposte prive di allucinazioni.
Cos'è il "testo denso" indicizzato per ogni sentenza?
Le sentenze contengono decine di pagine con formule di rito, parti descrittive e passaggi procedurali. Il testo denso è una sintesi strutturata ad alta densità semantica che estrae in un unico blocco: i fatti salienti (la fattispecie), il principio di diritto (la massima), le norme primarie applicate e i precedenti richiamati dal collegio giudicante.
In cosa differisce la ricerca semantica dalla ricerca tradizionale per parole chiave?
La ricerca a parole chiave verifica unicamente la presenza lessicale esatta dei termini cercati. La ricerca semantica converte la query e i documenti in vettori numerici (embedding), calcolando la loro vicinanza concettuale. Questo consente di trovare sentenze pertinenti anche se utilizzano sinonimi, formulazioni diverse o perifrasi giuridiche differenti.
Perché descrivere la fattispecie concreta migliora i risultati del ranking?
Perché il motore vettoriale riconosce la struttura del conflitto materiale. Fornire elementi come il tipo di condotta, la tempestività dell'intervento o la dinamica dell'inadempimento ancora il vettore della query allo specifico cluster giurisprudenziale che ha trattato casi analoghi, escludendo le pronunce astrattamente rilevanti ma fattualmente incongrue.

L’essenziale della
ricerca giuridica.

Prova Jurio per 7 giorni: giurisprudenza delle Corti Supreme già analizzata, massimizzata e interrogabile con un motore semantico RAG, in un ambiente essenziale e rigoroso.

  • Nessuna carta richiesta
  • 7 giorni full access
  • Infrastruttura sicura e riservata
Prova gratuita 1 settimana Attivazione istantanea