Nel giro di pochi anni l’intelligenza artificiale legale è passata dall’essere una curiosità sperimentale a diventare uno dei mercati verticali più ricchi dell’AI. Harvey ne è il simbolo più evidente. La società fondata da Winston Weinberg e Gabe Pereyra ha annunciato un nuovo finanziamento da 550 milioni di dollari a una valutazione di 15,5 miliardi, co-guidato da Diffusion e Lightspeed Venture Partners. È il terzo grande salto di valutazione in meno di un anno e porta il capitale complessivamente raccolto sopra 1,5 miliardi.
Il numero impressiona, ma la parte più interessante non è finanziaria. Harvey afferma di essere utilizzata dall’80 per cento degli studi Am Law 100 e da cinque aziende della Fortune 10. L’AI legale sta quindi entrando nelle organizzazioni che hanno più da perdere da un errore, una fuga di dati o una citazione sbagliata.
Dal chatbot alla conoscenza proprietaria
La prima fase dell’AI professionale consisteva nell’interrogare un grande modello generalista. Harvey sta cercando di spostare il baricentro verso sistemi addestrati e adattati al dominio legale e, soprattutto, verso un modello nel quale gli stessi clienti possano possedere una parte maggiore della propria intelligenza applicativa.
La società ha recentemente presentato Tenet, il suo primo modello post-addestrato basato su pesi aperti, e Harvey LAB, un benchmark dedicato agli agenti legali. La scelta è significativa perché riduce l’idea che il valore debba necessariamente risiedere nel modello fondamentale più grande. Nel diritto, il vantaggio può stare nella qualità dei dati, nei workflow, nelle verifiche e nella conoscenza specifica dello studio.
Perché gli avvocati sono diventati un mercato ideale
Il lavoro legale contiene una quantità enorme di testo ad alto valore: contratti, memorie, precedenti, due diligence, compliance, documentazione societaria. Una parte consistente del tempo professionale viene impiegata per cercare, confrontare, sintetizzare e produrre documenti. Sono attività nelle quali i modelli linguistici possono aumentare enormemente la velocità, ma dove un errore ha conseguenze concrete.
Questo rende il settore contemporaneamente ideale e difficile. Il prodotto non può limitarsi a generare una risposta plausibile: deve inserirsi nei sistemi documentali, rispettare permessi, conservare tracce e permettere al professionista di verificare il lavoro.
Una valutazione che scommette sulla distribuzione
Harvey vale ora molto più di numerose società software con ricavi consolidati. Gli investitori stanno implicitamente scommettendo che chi conquista per primo gli studi più importanti possa diventare lo strato operativo attraverso cui passerà una quota crescente del lavoro legale.
È la stessa dinamica che ha reso enormi i sistemi gestionali: una volta integrati nei processi critici, sostituirli diventa costoso. Nell’AI questo effetto può essere ancora più forte se la piattaforma accumula configurazioni, conoscenza e procedure specifiche del cliente.
Il modello aperto cambia la dipendenza dai laboratori
La decisione di lavorare anche con modelli open-weight suggerisce inoltre un possibile futuro dell’AI verticale. Le aziende specializzate potrebbero non dover costruire da zero modelli fondamentali da decine di miliardi, ma prendere una base disponibile e trasformarla attraverso dati e post-training di dominio.
Se questa strada funziona, settori come diritto, finanza, medicina e ingegneria potrebbero sviluppare stack di intelligenza sempre più autonomi rispetto ai grandi laboratori generalisti.
Il rischio della velocità
La crescita rapidissima porta però una responsabilità altrettanto rapida. Un sistema utilizzato per due diligence, contenzioso o compliance deve essere valutato non soltanto per la qualità media, ma per i casi limite. La supervisione umana rimane essenziale, così come la distinzione tra automazione di un compito e trasferimento della responsabilità professionale.
Harvey non sta dimostrando che l’avvocato diventerà superfluo. Sta dimostrando qualcosa di forse più importante: una professione estremamente conservatrice ha iniziato a considerare l’AI una parte ordinaria della propria infrastruttura. Quando accade questo, la trasformazione tecnologica smette di essere una previsione e diventa un problema organizzativo quotidiano.
