LLMs as smart concordancers for legal translation practice
DOI:
https://doi.org/10.32091/RIID0286Parole chiave:
IA nella traduzione giuridica, LLM nella traduzione giuridica, Linguistica dei corpora, Traduzione giuridicaAbstract
Impiego di Large Language Models come concordanti nella traduzione giuridica
Diversi studi scientifici hanno analizzato la possibilità di impiegare la IA per semplificare e migliorare la traduzione giuridica. Tuttavia, la ricerca non si è dedicata all’impiego di LLM (Large Language Models) come concordanti. Il presente articolo si propone di colmare tale lacuna epistemica considerando Notebook LM per scopi traduttivi. A tal fine, un estratto di un atto costitutivo di società in accomandita semplice redatto in lingua italiana è tradotto in inglese utilizzando Notebook LM. Documenti corrispondenti in lingua inglese sono caricati sul sistema e utilizzati come riferimento ai fini della traduzione. Si formulano prompt con l’obiettivo di estrarre collocazioni, disambiguare parole nel contesto, verificare l’uso di termini, ottenere concordanze e chiarire aspetti legilinguistici. A completamento dell’analisi, si consulta separatamente lo Uniform Partnership Act 1997 – Last Amended 2013 (“UPA”). I risultati dello studio sottolineano l’importanza di formulare prompt in modo chiaro e completo al fine di ottenere informazioni rilevanti per la traduzione. Si dimostra quindi che i sistemi LLM possono essere integrati nel processo traduttivo; i prompt possono essere formulati in un linguaggio semplice ed intuitivo, rendendoli accessibili anche a chi non è esperto di informatica o di analisi dei corpora. Le risposte del sistema sono, nella maggior parte dei casi, dirette e coerenti, facilitando così la lettura e l’interpretazione dei dati. Tuttavia, si rendono necessari l’impiego di documenti-fonte mirati, nonché la conoscenza specialistica del linguaggio giuridico al fine di ottenere risultati pertinenti ed interpretarli in modo coerente.
Riferimenti bibliografici
J. Allen, C. Hogan (2000), Toward the development of a post editing module for raw machine translation output: A controlled language perspective, in “Proceedings of the 3rd International Controlled Language Applications Workshop (CLAW-00)” (Seattle, Washington, USA), 2000
A.R.M. Altakhaineh, G.A. Alghathian, M.M. Jarrah (2025), A Comparative Study of Accuracy in Human vs. AI Translation of Legal Documents into Arabic, in “International Journal of Language & Law”, vol. 14, 2025
L. Anthony (2026), AntConc (Version 4.4.2) [Computer Software], Waseda University, Tokyo, 2026, available at: https://www.laurenceanthony.net/software.html
L. Anthony (2025), Integrating AI technology into corpus-based language learning through ChatAI, in “Computer Assisted Language Learning”, 2025
A.M. Badah, C.N. Khalaf, F.J. Dwaikat, N. AlQbailat (2026), The usage of artificial intelligence in legal translation: Bridging the gap between law and language, in “Ampersand”, vol. 16, 2026, 100248
M. Bajčić, D. Golenko (2024), Applying large language models in legal translation: The state-of-the-art, in “International Journal of Language & Law”, vol. 13, 2024
V. Briva-Iglesias, J.L. Cavalheiro Camargo, G. Dogru (2026), Large Language Models “Ad referendum”: How good are they at machine translation in the legal domain?, in arXiv, 2402.07681, 2026
F. do Carmo, D. Shterionov, J. Moorkens, J. Wagner, M. Hossari, E. Paquin, D. Schmidtke, D. Groves, A. Way (2020), A review of the state-of-the-art in automatic post-editing, in “Machine Translation”, vol. 35, 2020
M. Escribe, R. Mitkov (2023), Applying Incremental Learning to Post-editing Systems: Towards Online Adaptation for Automatic Post-editing Models, in J. Pan, S. Laviosa (eds.), “Corpora and Translation Education: Advances and Challenges”, Springer Nature, 2023
P. Giampieri (2025), Assessing the quality of AI and MT in legal translation, in “Altre Modernità”, vol. 33, 2025
P. Giampieri, M. Harper (2022), Legal translation: From dictionary to corpus, Le Penseur, 2022
M.H. Girard, E. Lehoux-Jobin, M. Pomerleau (2026), The use of MT and AI for translation by legal professionals in Canada. A survey-based study, in “Digital Translation”, 2026
X. Li, G. Wang (2025), Application and Limitations of Large Language Models in the Translation of the Contract Book of the Civil Code, in “Law and Humanities”, vol. 1, 2025, n. 3
M. Negri, M. Turchi, N. Bertoldi, M. Federico (2018), Online neural automatic post-editing for neural machine translation, in “Proceedings of the 5th Italian Conference on Computational Linguistics (CLIC-IT 2018)” (Torino, Italy), 2018
M. Negri, M. Turchi, R. Chatterjee, N. Bertoldi (2018), eSCAPE: A large-scale synthetic corpus for automatic post-editing, in “Proceedings of the 11th International Conference on Language Resources and Evaluation (LREC 2018)” (Miyazaki, Japan), 2018
X. Niu, M. Carpuat (2020), Controlling Neural Machine Translation Formality with Synthetic Supervision, in “Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI-20)”, 2020
R. Rossini Favretti, F. Tamburini, E. Martelli (2007), Words from Bononia Legal Corpus, in W. Teubert (ed.), “Text corpora and multilingual lexicography”, John Benjamins, 2007
D. Shterionov, F. do Carmo, J. Moorkens, M. Hossari, J. Wagner, E. Paquin, D. Schmidtke, D. Groves, A. Way (2020), A roadmap to neural automatic post-editing: An empirical approach, in “Machine Translation”, vol. 34, 2020, n. 2
Thomson Reuters (2026), 2026 State of the US Legal Market, in thomsonreuters.com, 2026
Thomson Reuters (2025), 2025 Generative AI in Professional Services Report, in thomsonreuters.com, 2025
Thomson Reuters (2023), ChatGPT and Generative AI within Law Firms, in thomsonreuters.com, 2023
Dowloads
Pubblicato
Fascicolo
Sezione
Licenza
Copyright (c) 2026 Rivista italiana di informatica e diritto

Questo volume è pubblicato con la licenza Creative Commons Attribuzione - Non commerciale - Condividi allo stesso modo 4.0 Internazionale.












