N. 1 (2025)
Dossier - I processi di digitalizzazione tra regolazione e istituzionalizzazione: proiezioni sulle decisioni pubbliche (a cura del Consiglio scientifico della Sezione AIS di Sociologia del diritto e della devianza)

Discrezionalità artificiale e giudizio algoritmico

pdf
Luigi Cominelli
Università degli Studi di Milano, Dipartimento di Scienze Giuridiche “C. Beccaria”
DOI: https://doi.org/10.54103/1972-5760/28924

Pubblicato 2025-06-04

Parole chiave

  • diritto,
  • algoritmo,
  • discrezionalità,
  • decisione,
  • amministrazione,
  • giurisdizione
    • ...Più
    Meno

Come citare

Cominelli, L. (2025). Discrezionalità artificiale e giudizio algoritmico. Sociologia Del Diritto, 52(1). https://doi.org/10.54103/1972-5760/28924

Copyright (c) 2025 Luigi Cominelli

Creative Commons License

Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Condividi allo stesso modo 4.0.

Abstract

L’articolo esplora l’impatto della digitalizzazione e dell’intelligenza artificiale (IA) sul sistema giudiziario e amministrativo, concentrandosi su “discrezionalità artificiale” e “giustizia digitale”. La digitalizzazione può semplificare gli adempimenti, ma una sua cattiva implementazione può complicare ulteriormente i processi. Le tecnologie IA, invece, presentano sfide qualitative: possono automatizzare l’apprendimento e la decisione, adattando il comportamento in base ai dati acquisiti. Tuttavia, l’IA comporta anche rischi di errori. Nel contesto giuridico, l’IA non sostituirà a breve l’analisi delle politiche pubbliche, ma piuttosto la supporterà, ad esempio, attraverso l’analisi degli umori del pubblico sui social network e la realizzazione di analisi di impatto più accurate. La “giustizia digitale” include l’uso di algoritmi per decisioni giudiziarie, sollevando preoccupazioni su bias e pregiudizi. Sebbene l’IA possa supportare il lavoro intellettuale, il decisore umano rimane insostituibile in molte situazioni, in particolare quando è necessaria discrezionalità. È necessario un uso etico e appropriato dell’IA, per evitare di pregiudicare l’equità delle decisioni e mantenere il controllo umano nelle decisioni critiche.
pdf

Downloads

I dati di download non sono ancora disponibili.

Riferimenti bibliografici

  1. Aboraya, A., Rankin, E., France, C., El-Missiry, A., John, C. (2006). The Reliability of Psychiatric Diagnosis Revisited: The Clinician’s Guide to Improve the Reliability of Psychiatric Diagnosis. Psychiatry, 3, 1, pp. 41–50.
  2. Acemoglu, D., Restrepo, P., (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33, 2, pp. 3–30. https://doi.org/10.1257/jep.33.2.3
  3. Acemoglu, D., Restrepo, P., (2020). The wrong kind of AI? Artificial intelligence and the future of labour demand. Cambridge Journal of Regions, Economy and Society, 13, 1, pp. 25–35. https://doi.org/10.1093/cjres/rsz022
  4. Boussioux, L., N. Lane, J., Zhang, M., Jacimovic, V., Lakhani, K. R., (2023). The Crowdless Future? How Generative AI Is Shaping the Future of Human Crowdsourcing. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4533642
  5. Cassese, S. (2001). L’esplosione del diritto. Il sistema giuridico italiano dal 1975 al 2000. Sociologia Del Diritto, 28, 1, pp. 55–65.
  6. Coser, L. A. (1974). Greedy Institutions, New York, Free Press.
  7. Crozier, M. (1962). Administration et bureaucracie. In Transactions of the Fifth World Congress of Sociology. 2. Washington, DC: International Sociological Association.
  8. Danziger, S., Levav, J., Avnaim-Pesso, L. (2011). Extraneous factors in judicial decisions. Proceedings of the National Academy of Sciences, 108, 17, 6889–6892. https://doi.org/10.1073/pnas.1018033108
  9. Dell’Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Lakhani, K. R., (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4573321
  10. Dressel, J., Farid, H. (2018). The accuracy, fairness, and limits of predicting recidivism. Science Advances, 4, 1, pp. 1–5. https://doi.org/10.1126/sciadv.aao5580
  11. Ebers, M., Trasberg, H. (2023). Delegation of Administrative Powers to AI Systems, in Ebers, M., Tupay, P.K., eds., Artificial Intelligence and Machine Learning Powered Public Service Delivery in Estonia, Cham, Springer, pp. 85–102. https://doi.org/10.1007/978-3-031-19667-6_5
  12. Ebers, M., Tupay, P. K., Juksaar, J., Kohv, K. (2023). The Promise and Perils of AI and ML in Public Administration, in Ebers, M., Tupay, P.K., eds., Artificial Intelligence and Machine Learning Powered Public Service Delivery in Estonia, Cham, Springer, pp. 7-33. https://doi.org/10.1007/978-3-031-19667-6_2
  13. Faggin, F. (2022). Irriducibile. La coscienza, la vita, i computer e la nostra natura, Milano, Mondadori.
  14. Ferrari, V. (2020). Note socio-giuridiche introduttive per una discussione su diritto, intelligenza artificiale e big data, Sociologia del Diritto, 47, 3.
  15. Genn, H. (1993). Tribunals and Informal Justice. The Modern Law Review, 56, 3, pp. 393–411.
  16. Girotra, K., Meincke, L., Terwiesch, C., Ulrich, K. T. (2023). Ideas are Dimes a Dozen: Large Language Models for Idea Generation in Innovation. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4526071
  17. Grove, W. M., & Meehl, P. E. (1996). Comparative efficiency of informal (subjective, impressionistic) and formal (mechanical, algorithmic) prediction procedures: The Clinical-Statistical Controversy, Psychology, Public Policy, and Law, 2, 2, pp. 293–323. https://doi.org/10.1037/1076-8971.2.2.293
  18. Kahneman, D., Sibony, O., Sunstein, C. R., (2021). Noise: A Flaw in Human Judgement, NewYork, Little, Brown and Company.
  19. Kahneman, D., Tversky, A., (2000). Choices, Values, and Frames, in Kahneman, D., Tversky, A., eds., Choices, Values, and Frames, Cambridge, Cambridge University Press.
  20. Kung, T. H., Cheatham, M., Medenilla, A., Sillos, C., De Leon, L., Elepaño, C., Tseng, V., (2023). Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digital Health, 2, 2, e0000198. https://doi.org/10.1371/journal.pdig.0000198
  21. Lexis Nexis. (2023). International Legal Generative AI Report.
  22. Lin, Z. J., Jung, J., Goel, S., Skeem, J. (2020). The limits of human predictions of recidivism, Science Advances, 6, 7, pp. 1–8. https://doi.org/10.1126/sciadv.aaz0652
  23. Lobel, O. (2022). The Equality Machine. Harnessing Digitally Technology for a Brighter, More Inclusive Future, New York, PublicAffairs.
  24. Longo, J. (2022). When artificial intelligence meets real public administration. Canadian Public Administration, 65, 2, pp. 384–388. https://doi.org/10.1111/capa.12465
  25. Merton, R. K. (1983). Teoria e struttura sociale. I. Teoria sociologica e ricerca empirica, Bologna, Il Mulino.
  26. Peters, B. G., Pierre, J., (1998). Governance without government? Rethinking public administration, Journal of Public Administration Research and Theory, 8, 2, pp. 223–244.
  27. Simonelli, M. A. (2020). Algoritmo versus ermeneutica giudiziaria. L’utopia della ‘matematizzazione’ del diritto, in Annali del Dipartimento Giuridico dell’Università degli Studi del Molise, Napoli, Edizioni scientifiche italiane, pp. 365–375.
  28. Susskind, R. (2023). Tomorrow’s Lawyers. An Introduction to your Future, Oxford, Oxford University Press.
  29. Weber, M. (1995). Economia e società. IV. Sociologia politica, Torino, Edizioni di Comunità.
  30. Young, M. M., Bullock, J. B., Lecy, J. D., (2019). Artificial Discretion as a Tool of Governance: A Framework for Understanding the Impact of Artificial Intelligence on Public Administration, Perspectives on Public Management and Governance, 2, 4, pp. 301–313. https://doi.org/10.1093/ppmgov/gvz014.