Myotis
Fascicoli civili e penali italiani come grafo: documenti, persone, articoli, precedenti. Un assistente che risponde su quel grafo, non sul web aperto.
Grafi di causa dal vostro fascicolo
Myotis ricostruisce le relazioni tra documenti sorgente, articoli penali e civili citati, persone e precedenti, così potete esplorare visivamente una causa penale o civile, interrogare i percorsi nel grafo e lavorare con un assistente AI che comprende l’intera rete.
Legal AI Investigations
Interactive case graph · Fascicolo Verdi (fictional demo)
Entity types
Dati demo fittizi · Passate sui nodi per evidenziare le connessioni · Attivate il grafo intero o il pannello dati
Costruito per gli studi legali italiani
Myotis è una versione standalone di Inputless Analytics costruita per le Indagini AI legali. I professionisti del diritto italiani caricano appelli civili e penali, atti di imputazione e fascicoli; la piattaforma estrae entità, cita articoli del Codice Penale e dei codici civili, collega le persone e rende un grafo di indagine interattivo con strumenti di esplorazione e un assistente AI consapevole del grafo.
Sviluppato in origine da Giovanni Errico e Leonardo Trisolini (2020-2022). Myotis è document intelligence per il lavoro legale italiano.
Costruito per la procedura italiana
Cosa fa
Costruito per la pratica civile e penale italiana.
Grafo di causa
Appelli, atti, persone, articoli e precedenti come un grafo percorribile. Civile e penale.
Passaggio sui documenti
Estrae parti, date, articoli citati e holdings da contratti e fascicoli. Un avvocato legge comunque la fonte.
Assistente sul grafo
Chiedete sul grafo di causa, nel vocabolario giuridico italiano. Le risposte citano i nodi. Un avvocato legge comunque la fonte.
Cercate nello store che avete
Precedenti e atti dai documenti già nella pratica. Secondi, dallo store che avete già.
Stato della pratica
Scadenze, esiti e carico sullo studio. Utile per lo staffing. Non un deck da consulente di management.
Privilege e GDPR
I tenant restano separati. L’accesso è loggato. I fascicoli del cliente restano sotto le regole dello studio.
Pattern dalle pratiche passate
Segnala esiti e clausole simili dalla storia. Una predizione è un indizio, non una previsione su cui fatturare.
Cosa cambia in studio
Meno prima lettura
Entità e citazioni sono estratte prima che l’avvocato apra il PDF. La revisione resta. Parte più avanti nel mucchio.
Lavoro ripetitivo fuori orario
Intake, indicizzazione ed estrazione di primo passaggio. Gli avvocati tengono giudizio, udienze e il cliente.
Trovare l’articolo che conta
Precedenti e norme citate stanno sul grafo. Non state facendo grep sul fascicolo a mezzanotte.
Servizio al cliente migliore
Aggiornamenti live sulla causa. Analisi dei documenti che un avvocato può controllare.
Stack tecnico
Docker, lo store a grafo e i modelli che già fate girare in studio.
Backend
- Django 3.2 - Framework web
- PostgreSQL - Database primario
- ArangoDB - Database a grafo per le relazioni
- Redis - Caching e message broker
- Celery - Elaborazione asincrona dei task
- spaCy - Elaborazione del linguaggio naturale
- Language model sul grafo di causa
Frontend
- Webpack - Bundling degli asset
- Bootstrap 5 - Framework UI
- JavaScript - Componenti interattivi
- WebSocket - Comunicazione in tempo reale
Infrastructure
- Docker - Containerizzazione
- Nginx - Reverse proxy e load balancer
- Prometheus - Monitoring e metriche
- Grafana - Dashboard di analytics
- ClamAV - Scansione antivirus
Sicurezza e compliance
Protezione dei dati
- Trattamento dati allineato al GDPR
- Architettura multi-tenant sicura
- Protezione della riservatezza del cliente
Audit e recovery
- Logging e tracciamento completi dell’attività
- Backup e recovery automatici
- Scansione antivirus con ClamAV
Avvio rapido
Clonare il repository
Clonate il repository Inputless Analytics Standalone da GitHub
Setup Docker
Assicuratevi che Docker e Docker Compose siano installati. Consigliato: 8GB+ di RAM, 50GB+ di disco
Configurare l’ambiente
Impostate le variabili d’ambiente, inclusa la chiave API OpenAI per l’integrazione GPT-4
Deploy
Eseguite docker-compose per avviare l’ambiente di sviluppo o di produzione
Accedere all’applicazione
Accedete all’interfaccia web su http://localhost:3000 e configurate il database dei documenti giuridici