AI
La teoria del MIT sulle norme machine readable è già realtà in Aptus.AI
Leggi in ENG
22/3/2022

Cosa unisce Pisa al Massachusetts? Un nuovo formato normativo machine readable

Rendere accessibili le informazioni è davvero importante per noi, dato che rappresenta la base per dare a tutti l’opportunità di comprendere il mondo che ci circonda. In Aptus.AI questa idea si è concretizzata in un nuovo formato normativo machine readable, che consente alle persone di accedere interattivamente ai documenti legali in tempo reale. E siamo stati molto contenti di constatare che il Massachusetts Institute of Technology sia sulla nostra stessa lunghezza d’onda. Abbiamo pubblicato il nostro primo post sulle norme machine readable più di un anno fa, qualche mese prima dell’uscita dello studio del MIT intitolato “Drafting X2RL: A Semantic Regulatory Machine-Readable Format” (ovvero “Progettando X2LR: un formato normativo machine-readable semantico”). Onestamente abbiamo scoperto questo articolo con un po’ di ritardo, dopo aver scritto altri due post sull’argomento. Il primo riguardava alcuni aspetti filosofici, ovvero l’idea che le norme, per loro natura, non possano essere “completamente machine-consumable nel senso di poter essere direttamente eseguite da una macchina”, per usare le parole dei ricercatori del MIT P. A. McLaughlin e W. Stover. Mentre il secondo era incentrato sulle norme finanziarie, a seguito di un report dell’EBA riguardante il mondo RegTech. E oggi il tema è sempre più centrale nel dibattito sulla digitalizzazione del settore normativo

Post precedenti

Un percorso parallelo in Aptus.AI e al MIT sotto il segno di un formato machine readable semantico

Ovviamente siamo fieri di condividere lo stesso percorso del MIT rispetto a un nuovo formato normativo machine readable. Specialmente rispetto alla possibilità di realizzarne uno di tipo semantico, ovvero un’evoluzione dei già esistenti formati sintattici. Per semplificare un po’, possiamo dire che i ricercatori del MIT abbiano usato questo termine per definire sia il formato XML USLM per le norme statunitensi sia lo standard internazionale creato dall’Organizzazione per la Promozione di Standard per l’Informazione Strutturata (OASIS) delle Nazioni Unite, chiamato Akoma Ntoso (che significa “cuori collegati” nella lingua Akan dell’Africa Occidentale). Questi due standard “valorizzano il miglioramento della leggibilità della struttura interna dei documenti, piuttosto che il loro contenuto [...] e si concentrano soltanto sui costi di gestione legislativa”, mentre McLaughlin e Stover propongono un nuovo formato semantico “che potrebbe anche aiutare a ridurre i costi economici legati al rispettare la conformità con le norme e altre restrizioni legali”. Ecco, in Aptus.AI abbiamo lavorato nella stessa direzione, cioè su un formato machine readable che tenga conto anche “di contenuto, significato e strutture esterne dei documenti [...] per aiutare a ridurre sia i costi gestionali che economici di legislazione e regolamentazione”. Sì, stiamo ancora citando le parole dei ricercatori del Massachusetts Institute of Technology, dato che esprimono molto bene cosa fanno i nostri motori di AI proprietari rispetto alle norme. Le nostre tecnologie sfruttano l’Intelligenza Artificiale per rendere le norme machine readable, rendendole così digitalmente accessibili. Attraverso un formato semantico che “riesce anche a rendere il contenuto e l’obiettivo della legislazione più leggibile dalle macchine”, potenziando così i documenti normativi.

Una panoramica sullo standard X2LR: approcci simili in contesti diversi

Per riassumere, lo studio del MIT propone un nuovo formato machine readable chiamato X2LR (eXtensible Regulatory Reporting Language), che può essere definito come una rappresentazione standard di ciò che le nostre tecnologie proprietarie mettono in pratica. “X2LR è un nuovo formato machine-readable semantico che riduce questi costi potenziando i documenti normativi e altri documenti legali formali e non con campi di metadati arricchiti che informano macchine e lettori umani sui tipi di effetti che avrà un documento [...] e su quanto sia restrittivo un particolare documento”. E ancora: “un formato semantico consente alle macchine di analizzare da codice tutti i livelli del corpo del testo legislativo e regolamentare in una maniera strutturata che collega tra loro i documenti più chiaramente. Questo potrebbe migliorare la comunicazione tra le macchine e questi documenti, e di conseguenza rendere più facile per le persone - inclusi i legislatori e i regolatori stessi - a costruire strumenti migliori per comprendere questi testi”. Ed è esattamente ciò che abbiamo ottenuto con Daitomic: costruire uno strumento per aiutare i professionisti ad accedere e a comprendere le norme nell’ambito della compliance finanziaria. Ovviamente il contesto normativo statunitense è diverso da quello europeo, ma gli stessi principi espressi nello studio del MIT possono essere applicati con successo ai documenti emanati dall’Unione Europea, dalla Commissione Europea e - più in generale - da tutte le autorità nazionali e internazionali tramite le loro fonti normative. “Questi strumenti aiuteranno a migliorare l’accessibilità di legislazione e regolamentazioni, fornendo assistenza per comprendere e conformarsi con le restrizioni legali” per “ridurre il conflitto economico tra legislazione e regolamentazione, e anche favorire nuovi strumenti a supporto sia dei legislatori che dei regolatori”. Ancora una volta, quello che lo studio del MIT riporta può essere utilizzato senza eccessive modifiche per esprimere l’obiettivo della nostra piattaforma AI per la gestione della compliance finanziaria, Daitomic. O, più in generale, quello che vogliamo raggiungere con le nostre tecnologie di Intelligenza Artificiale, create per dare vita a un nuovo formato normativo machine readable.

Un formato normativo machine readable concretamente a lavoro: il success case di Daitomic

Per concludere degnamente questa panoramica sullo studio “Drafting X2RL: A Semantic Regulatory Machine-Readable Format” realizzato dal Massachusetts Institute of Technology, è d’obbligo presentare alcuni possibili casi d’uso di questo standard. A partire da quelli elencati dai due autori, non è difficile metterli in parallelo con le funzionalità già esistenti di Daitomic - che integra le nostre tecnologie AI con lo standard normativo Akoma Ntoso, rendendo così le norme bancarie machine readable, il che permette diversi possibilità innovative rispetto ai testi legali:

  • identificare documenti rilevanti tramite una ricerca avanzata e i relativi filtri per argomento o tipologia;
  • leggere un documento in modo personalizzato, cioè avere la possibilità di evidenziare diverse parti del testo, in relazione alla loro natura, ed etichettarle rispetto agli interessi del lettore;
  • aggregare documenti rilevanti per l’analisi, ovvero mettere insieme tutte le leggi o le loro parti che siano rilevanti per l’attività in corso, così da predisporre l’analisi di impatto.

L’unica distinzione di rilievo tra le norme machine readable di Daitomic e il formato X2LR proposto dal MIT è la necessità di quest’ultimo di “chiarificare definizioni e requisiti circoscritti”, dato che questo punto è più dipendente dagli usi diversi che si fanno degli stessi termini legali in diversi Stati o aree geografiche all’interno degli USA, mentre sia il sistema normativo italiano sia quello europeo sono più standardizzati a livello di utilizzo di espressioni legali. Bene, al termine di questa analisi, possiamo dire che la proposta dei ricercatori del MIT di uno nuovo formato normativo machine readable di tipo semantico si è concretizzata a diverse miglia di distanza dal Massachusetts. Più precisamente a Pisa, grazie al lavoro del team di Aptus.AI, che ha creato Daitomic. Certamente l’Italia è molto lontana dagli Stati Uniti d’America, ma le grandi menti sono collegate da ottime idee e obiettivi ambiziosi. E siamo orgogliosi di condividerle con un’istituzione riconosciuta a livello globale come il Massachusetts Institute of Technology. Se siete curiosi di passare dalle parole ai fatti, cliccate qui sotto per provare come il nostro formato machine readable viene applicato all’interno di Daitomic!

DAITOMICMANIFESTOTEAMCAREERSBLOGCONTATTI
ENG
SEGUICI