Modele językowe wciąż jednak niosą ze sobą ryzyko błędów, w tym niedokładności, przekręcania danych, a także halucynacji, czyli generowania informacji pozornie wiarygodnych, a w rzeczywistości fałszywych. Bazując na moim doświadczeniu, błędne sygnatury akt, nieprawidłowe cytaty z orzeczeń czy wadliwe interpretacje przepisów to ryzyka, które bez odpowiedniej weryfikacji mogą znacząco zaburzyć obraz spraw.

Skuteczne i etyczne wykorzystanie analityki predykcyjnej nie polega na bezkrytycznym zaufaniu technologii, lecz na wdrożeniu rygorystycznej metodyki pracy, która minimalizuje ryzyko i pozwala wykorzystać realny potencjał AI jako narzędzia wspierającego ludzki osąd.

Identyfikacja trendów i ocena szans procesowych

Już dziś za pomocą narzędzi AI zasilanymi odpowiednimi danymi można analizować tysiące orzeczeń i identyfikować wzorce oraz trendy. Są to nie tylko drogie narzędzia wdrażane przez największe firmy, lecz także odpowiednio skonfigurowane i wykorzystane powszechnie dostępne rozwiązania biznesowe. Prawnik, kancelaria czy dział prawny mogą wykorzystać je do wygenerowania zestawień, jak sądy w danej jurysdykcji podchodziły do spraw o podobnym stanie faktycznym. Analiza może obejmować:

  • identyfikację typowego rozumowania sądów, czyli odpowiedzi na pytania, które argumenty prawne najczęściej prowadziły do korzystnego rozstrzygnięcia,
  • praktykę orzeczniczą konkretnych sądów, a nawet sędziów (czy widać tendencje w rozstrzyganiu określonych typów spraw),
  • strategie procesowe stosowane przez kancelarie lub pełnomocników (w tym np. prompt o rozpisanie możliwych mocnych i słabych stron pozycji procesowych poszczególnych uczestników/stron postępowania).

Tego typu wnioski nie dają pewności co do wyniku konkretnej sprawy, ale dostarczają cennych danych i przede wszystkim – spostrzeżeń i myśli do weryfikacji, które wspierają budowanie strategii i realistyczną ocenę ryzyk i szans dla klientów. Kompleksowe spojrzenie z różnych perspektyw – o wiele łatwiejsze dzięki AI – może z kolei pomóc stworzyć listy kontrolne lub inne matryce oceny lub weryfikacji poszczególnych aspektów prawnych danego rodzaju spraw, które świetnie sprawdzą się także i w manualnej, finalnej ocenie prawnika.

Wsparcie w negocjacjach i szacowaniu wartości przedmiotu sporu

Modele AI mogą analizować dane z zakończonych sporów, by oszacować prawdopodobne ramy finansowe ugody lub zasądzonego odszkodowania. Dostarczając modelowi informacje o podobnych sprawach, przedmiocie sporu, wysokości roszczenia czy poniesionych szkodach, można uzyskać szacunek wartości przedmiotu sporu. AI może w tym kontekście wspierać negocjacje i rozmowy z klientem o realnych oczekiwaniach finansowych już po szacunku, proponując różne warianty postępowania, a nawet zagadnienia do dyskusji/omówienia z klientem.

Główne wyzwanie: halucynacje i błędy merytoryczne

Mimo obiecujących możliwości analityki predykcyjnej, największym zagrożeniem pozostaje skłonność modeli do generowania odpowiedzi za wszelką cenę – nawet przy braku wystarczającej ilości danych. W kontekście prawnym halucynacje mogą przybierać formy:

  • nieistniejących sygnatur akt i orzeczeń, gdy model, chcąc odpowiedzieć precyzyjnie, podaje fałszywy wyrok, jedynie podobny do danych, na których został wytrenowany,
  • błędnych cytatów lub streszczeń, czyli nieprawidłowej interpretacji tezy wyroku lub przypisania sądowi słów, których nie wypowiedział,
  • fikcyjnych podstaw prawnych, gdy model powołuje się na nieistniejące/nieaktualne przepisy lub błędnie je interpretuje.

Poleganie na takich danych bez weryfikacji może prowadzić nie tylko do kompromitacji, lecz także przede wszystkim do poważnych błędów merytorycznych, które mogą zaszkodzić klientowi, a nawet zostać w całości odrzucone przez sąd.

Metodologia minimalizacji ryzyka przy pracy z AI

Odpowiedzią na ryzyko halucynacji nie jest rezygnacja z technologii, lecz wdrożenie świadomego i kontrolowanego procesu pracy. Moja metoda opiera się na kilku filarach:

  • Praca na załącznikach (RAG – Retrieval-Augmented Generation)
    Zamiast zadawać modelowi ogólne pytania, dostarczamy mu precyzyjnie wyselekcjonowane, wiarygodne dokumenty źródłowe, na przykład uznane opracowania, wybrane orzeczenia lub teksty ustaw. Promptujemy model tak, aby oparł analizę wyłącznie na tych materiałach, ograniczając ryzyko sięgania przez AI do niezweryfikowanej wiedzy, na etapie gdy potrzebujemy większej precyzji.
  • Selekcja i czyszczenie danych wejściowych
    Jakość wyniku zależy od jakości danych. Przed przekazaniem dokumentów do AI usuwamy informacje zbędne lub mogące wprowadzić model w błąd, na przykład notatki na marginesach, nieistotne załączniki czy mylące metadane. Podobnie, zaczynamy chat od nowa tam, gdzie poprzednia treść rozmowy nie jest już przydatna lub może zaburzyć aktualne odpowiedzi.
  • Precyzyjne, wieloetapowe zapytania (prompty)
    Złożone problemy dzielimy na mniejsze etapy. Zamiast jednego ogólnego polecenia prowadzimy z AI dialog krok po kroku i na bieżąco weryfikujemy odpowiedzi. Samo promptowanie również może być hybrydowe – z jednej strony dokładnie opisujemy, czego potrzebujemy, a z drugiej – przed przesłaniem zapytania możemy poprosić chat o wygenerowanie promptu, który maksymalnie wykorzysta możliwości AI do optymalizacji naszej pracy w opisanym kontekście.
  • Obligatoryjna weryfikacja wyników
    Każdy rezultat z AI – sygnatura, cytat, interpretacja przepisu – musi być bezwzględnie sprawdzony w systemie informacji prawnej lub innym zaufanym źródle. AI może przyśpieszyć proste zadania, zasygnalizować drogę i zwrócić uwagę na nieoczywiste aspekty, ale to prawnik potwierdza i odpowiada za poprawność i rzetelność produktów.

Podsumowanie i perspektywy

Analityka predykcyjna w prawie jest nadal w fazie wczesnego rozwoju i powinna być traktowana z profesjonalnym sceptycyzmem. W miarę doskonalenia technologii oraz trenowania ich na lepiej wyselekcjonowanych zbiorach danych, dokładność prognoz będzie rosła, jednak rola prawnika jako ostatecznego weryfikatora, stratega i doradcy pozostanie niezastąpiona.

Przyszłość nie należy do technologii zastępującej prawników, lecz do tych, którzy potrafią świadomie i odpowiedzialnie korzystać z narzędzi. W razie stosowania w ramach rygorystycznej metodyki oraz odpowiednio dobranych narzędzi analityka predykcyjna może stać się potężnym narzędziem analitycznym, które pozwoli zgromadzić jeszcze więcej informacji i spostrzeżeń do przygotowania porad i strategii w interesie klienta niż standardowe modele językowe (LLM).

Autor jest adwokatem i naukowcem zajmującym się obsługą spółek oraz optymalizacją ich procesów biznesowych i compliance w wykorzystaniem sztucznej inteligencji. Jego doświadczenie zawodowe obejmuje m.in. Biuro Radcy Prawnego NATO HQ SACT, Biuro ONZ w Genewie, dużą instytucję finansową, organ nadzorczy ochrony danych, organ antymonopolowy, firmę konsultingową ochrony danych oraz międzynarodową kancelarię prawną. Założyciel Get Compliant – firmy prawniczej zapewniającej kompleksową obsługę spółek w dziedzinie compliance; ORCID: 0000-0003-3465-6326.

Wszystkie aktualności n.ius® po zalogowaniu. Nie posiadasz dostępu? Kup online, korzystaj od razu! Sprawdź

Artykuł pochodzi z Systemu Legalis. Bądź na bieżąco, polub nas na Facebooku →