AI w researchu prawnym: Jak zapewnić zgodność i poufność zapytań?

Research prawniczy – czyli wyszukiwanie i analizowanie przepisów, orzecznictwa oraz literatury – to chleb powszedni każdej kancelarii. Tradycyjnie polega on na żmudnym przekopywaniu się przez bazy danych, co jest czasochłonne i obarczone ryzykiem pominięcia czegoś .

Nowoczesne chatboty prawne i asystenci AI obiecują rewolucję, rozumiejąc pytania zadawane w języku naturalnym . Jednak każde zapytanie opisujące stan faktyczny klienta wysłane do zewnętrznej chmury AI to potencjalne ryzyko naruszenia RODO i tajemnicy zawodowej. Fundamentem jest tu Pakiet Compliance/GRC, który pomaga zaprojektować ten proces w sposób audytowalny i bezpieczny.

Na czym polega tradycyjny research prawniczy i jakie ma ograniczenia?

Research prawniczy – czyli wyszukiwanie i analizowanie przepisów, orzecznictwa oraz literatury prawniczej – to chleb powszedni każdej kancelarii. Tradycyjnie polega on na formułowaniu zapytań i przekopywaniu się przez źródła: kodeksy, komentarze, bazy orzeczeń. Prawnik musiał spędzać długie godziny nad księgozbiorem lub w elektronicznej bazie prawniczej, wpisując kolejne hasła, filtrując wyniki, czytając wyroki w poszukiwaniu podobnej sprawy. To zajęcie wymagające cierpliwości i doświadczenia – wiedzy, gdzie szukać i jak sformułować zapytanie, aby znaleźć to, co potrzebne. Ograniczenia? Po pierwsze, czas. W pilnej sprawie przeszukanie wszystkich potencjalnie istotnych źródeł jest trudne, przez co można pominąć ważny wyrok czy przepis. Po drugie, fragmentaryczność wyników – tradycyjne wyszukiwarki opierają się na słowach kluczowych, więc jeśli nie trafimy idealnie z hasłem, to istotne wyniki mogą się nie pojawić. Po trzecie, aktualność i zakres – prawo jest dynamiczne, a źródeł wiele (nie tylko krajowe przepisy, ale i unijne, międzynarodowe, lokalne). Człowiekowi trudno być pewnym, że objął wszystko. Research potrafi pochłonąć mnóstwo energii, a i tak zostawić pewien niepokój: „czy aby na pewno niczego nie przeoczyłem?”. W takich warunkach rodzi się potrzeba efektywniejszych metod – i tu wkracza AI, obiecując przyspieszenie i pogłębienie procesu wyszukiwania informacji.

Jak AI może przyspieszyć wyszukiwanie orzeczeń i przepisów?

Sztuczna inteligencja rewolucjonizuje research prawny, czyniąc go bardziej zbliżonym do rozmowy z mądrym asystentem niż do przekopywania katalogu biblioteki. Dzięki technikom przetwarzania języka naturalnego, AI potrafi zrozumieć pytanie prawnika zadane normalnym językiem i znaleźć na nie odpowiedź w ogromnych zbiorach tekstów prawnych. Na przykład, zamiast wpisywać do bazy frazy „art. 429 k.c. odpowiedzialność deliktowa orzecznictwo”, prawnik może zapytać AI: „Jak sądy interpretują art. 429 kodeksu cywilnego w kontekście odpowiedzialności za podwykonawców?”. Dobrze wytrenowany model AI przeanalizuje olbrzymią liczbę wyroków i wyciągnie esencję – np. stwierdzi: „Sądy Najwyższy orzekał, że art. 429 k.c. nie wyłącza odpowiedzialności głównego wykonawcy, jeśli… (i tu kluczowy wniosek)”, po czym poda listę orzeczeń na potwierdzenie. To tak, jakby prawnik miał super-wyszukiwarkę, która nie tylko znajduje dokumenty, ale od razu je czyta i streszcza. AI przyspiesza też wyszukiwanie, bo działa równolegle i kontekstowo. Oznacza to, że nawet bardzo złożone zapytania – łączące różne wątki – mogą być obsłużone w jednym kroku. Przykładowo: „Znajdź orzeczenia z ostatnich 5 lat dotyczące rękojmi przy sprzedaży, gdzie klientem był konsument i zasądzono odszkodowanie”. Zwykła wyszukiwarka może mieć problem z tak precyzyjnym zapytaniem, a AI zinterpretuje je i przefiltruje wyniki. Badania pokazują, że narzędzia AI potrafią prowadzić research o znacznym stopniu złożoności szybciej niż człowiek – np. znane jest porównanie, gdzie system AI ROSS Intelligence znalazł odpowiednie precedensy 30% szybciej niż prawnik . Nie chodzi tu nawet o sekundy, ale o to, że człowiek po 5 godzinach może się poddać, a AI wciąż metodycznie przerabia kolejne gigabajty tekstu. W praktyce, oznacza to, że kwestia, która dawniej wymagała np. dwóch dni researchu, teraz może być w dużej mierze rozstrzygnięta w ciągu kilku godzin – prawnik szybciej dociera do odpowiedzi lub przynajmniej zawęża pole poszukiwań.

Czym różni się AI od tradycyjnej wyszukiwarki prawniczej?

Tradycyjna wyszukiwarka – czy to LEX, Legalis, czy nawet Google – opiera się głównie na dopasowaniu słów kluczowych i prostych filtrach. Działa trochę jak indeks w książce: znajdź dokumenty, gdzie pojawia się słowo X lub fraza Y. AI natomiast działa bardziej jak inteligentny konsultant. Zamiast tylko szukać słów, stara się zrozumieć sens pytania i kontekst prawny. Dzięki temu może znaleźć odpowiedzi nawet tam, gdzie brakuje dosłownych słów kluczowych. Przykład: pytamy tradycyjnie „odpowiedzialność posiłkowa wspólnika spółki jawnej orzeczenie”. Dostaniemy orzeczenia, gdzie te słowa są obecne. Pytając AI: „Czy wspólnik spółki jawnej odpowiada za długi spółki całym swoim majątkiem?”, system może przytoczyć odpowiednie przepisy i orzeczenia, choć mogą one używać innej terminologii (np. „odpowiedzialność subsydiarna”). Inną różnicą jest to, że AI może sintezować informacje z wielu źródeł na raz. Klasyczna wyszukiwarka wylistuje nam 100 wyroków i musimy je sami przeczytać. AI może przeczytać je za nas i np. wygenerować podsumowanie: „W 80% wyroków sądy stwierdziły A, ale w 20% stwierdziły B, co wynika z odmienności stanu faktycznego”. To ogromna różnica w wygodzie pracy. Dodatkowo, AI bywa bardziej interaktywna – można dopytywać, zawężać pytanie i otrzymywać doprecyzowane odpowiedzi, nie wychodząc z kontekstu. Tradycyjna wyszukiwarka po prostu pokaże wynik, a jak źle sformułujemy zapytanie, to nic sensownego nie znajdziemy. Wreszcie, AI potrafi (w niektórych implementacjach) uwzględniać aktualność przepisów – np. wiedzieć, że dany artykuł ustawy został uchylony lub zmieniony i podpowiedzieć aktualny stan prawny, czego zwykła wyszukiwarka sama z siebie nie zrobi. Oczywiście, te zalety AI wymagają zaawansowanego zaplecza i ogromnych danych do „przeczytania”, ale dla użytkownika efekt jest taki, że dostaje odpowiedź, a nie tylko listę wyników. Można więc powiedzieć, że różnica między AI a klasyczną wyszukiwarką jest jak między biblioteką a doradcą prawnym: biblioteka udostępni księgi, ale to doradca streści i powie, co z tego wynika.

Czy narzędzia AI potrafią analizować setki orzeczeń jednocześnie?

Tak – i to jest jedna z ich największych zalet. Dla AI analiza setek czy nawet tysięcy orzeczeń to po prostu operacja na zbiorze danych, którą wykonuje hurtowo i równolegle. Gdy my czytamy orzeczenia jedno po drugim, AI może „czytać” wiele na raz, bo dysponuje mocą obliczeniową do przetwarzania tekstu w skali masowej. Przykładowo, jeśli mamy 500 wyroków dotyczących frankowiczów i chcemy znaleźć w nich różne sposoby zastosowania klauzuli abuzywności, AI może wczytać wszystkie 500, zidentyfikować fragmenty mówiące o klauzulach abuzywnych i skategoryzować argumentacje sądów. W kilka minut otrzymujemy np. informację, że 300 orzeczeń unieważniało umowę, 150 utrzymywało, ale modyfikowało kurs, a reszta – inne rozwiązania, wraz z listą sygnatur i uzasadnień do przejrzenia. Żaden człowiek nie jest w stanie tak szybko przerobić takiej masy orzecznictwa. Co więcej, AI nie zgubi się w tym – ma pamięć absolutną do tego, co przetworzyła. Jeśli zadać pytanie przekrojowe („jak zmieniało się orzecznictwo SN w latach 2018–2022 w sprawie X?”), to jest w stanie to porównać i wyciągnąć trend. Już teraz w Wielkiej Brytanii czy USA korzysta się z takich analiz masowych, np. do tworzenia tzw. analyticsów sędziowskich – systemy AI analizują wszystkie wyroki danego sędziego, by określić, jakie ma skłonności (pro-powód, pro-pozew zbiorowy, pro-konsument itp.). Dla prawników to cenne dane przy planowaniu strategii procesowej. W polskich realiach też można by wyobrazić sobie przegląd masy orzeczeń w poszukiwaniu np. różnic między sądami apelacji warszawskiej a krakowskiej w pewnych sprawach. AI bez problemu to zrobi. Ważne jednak, by zdawać sobie sprawę, że choć AI przeczyta wszystko, to nie zawsze idealnie zinterpretuje kontekst – np. może potrzebować wskazówek, na co zwrócić uwagę. Dlatego często proces wygląda tak, że prawnik „karmi” system dużą liczbą orzeczeń, dostaje wyniki statystyczne i listy, a potem i tak sam przegląda kluczowe fragmenty (które AI mu wskaże). Mimo to, już samo dotarcie do tych fragmentów jest niesamowitym usprawnieniem. Reasumując: tak, AI to taki superszybki analityk, który może przeczytać całe tomy orzecznictwa i wyciągnąć z nich uogólnione wnioski bądź znaleźć konkrety – coś, co dla ludzkiego zespołu byłoby tytaniczną pracą.

Czy AI udzieli poprawnej odpowiedzi na pytanie prawne?

To jest bardzo ważna kwestia: czy możemy zaufać odpowiedziom AI w 100%? Modele generatywne, jak GPT, zrobiły ogromne wrażenie zdolnością do formułowania odpowiedzi brzmiących jak pisane przez człowieka. Jednak bywa, że AI „halucynuje” – czyli tworzy coś, co brzmi wiarygodnie, ale może być nieprawdziwe. W kontekście prawnym to może być np. wymyślone orzeczenie czy przekręcenie tezy prawnej. Dlatego na obecnym etapie nie można brać odpowiedzi AI za pewnik bez weryfikacji. Dobre narzędzia AI starają się temu zaradzić, podpierając odpowiedzi konkretnymi źródłami – np. cytują fragment wyroku czy wskazują numer artykułu ustawy . Jeśli AI udziela odpowiedzi „Sąd Najwyższy stoi na stanowisku X”, a obok mamy przypis z sygnaturą orzeczenia, to jest to weryfikowalne i budzi większe zaufanie. Jednak w praktyce prawnicy muszą zachować czujność. AI udzieli poprawnej odpowiedzi, jeśli zada się właściwe pytanie i jeśli odpowiedź faktycznie jest w danych. Z prostymi rzeczami radzi sobie świetnie – np. pytanie o obowiązujący stan prawny danego przepisu (jeśli baza jest aktualna) albo o ogólną doktrynę prawną. W skomplikowanych kwestiach – np. czy konkretny stan faktyczny podpada pod dany przepis – AI może się mylić lub nie mieć pełnego obrazu, zwłaszcza jeśli wymaga to interpretacji, a nie tylko wiedzy. Dlatego coraz częściej mówi się o podejściu, w którym AI jest narzędziem pierwszego kontaktu: daje wstępną odpowiedź, wskazuje tropy, a prawnik następnie wszystko sprawdza i doprecyzowuje. Warto przytoczyć tu pewien znaczący fakt: GPT-4 (model AI OpenAI) „zdawał” amerykański egzamin adwokacki i osiągnął wynik w top 10% zdających – czyli potrafi odpowiedzieć poprawnie na bardzo wiele pytań prawniczych. To imponujące, ale egzamin to test wiedzy, a nie odpowiedzialność za czyjąś sprawę. Dlatego w realnym użyciu zawsze pojawi się element ludzkiej kontroli. Najlepiej traktować AI jak bystrego młodszego prawnika: przygotuje analizę, ale partner i tak musi ją przejrzeć, zanim pójdzie do klienta. W miarę rozwoju technologii, liczba błędów będzie maleć, ale prawdopodobnie regułą pozostanie, że AI ma wspierać, a nie zastępować osąd prawnika.

Jak prawnicy korzystają z AI w researchu w praktyce?

Zastosowania są przeróżne. Wielu prawników zaczyna po prostu od użycia popularnych modeli językowych (np. ChatGPT) jako pomocnika: zadają mu pytanie natury prawnej, by zobaczyć, co odpowie, a potem weryfikują. To szybki sposób na uzyskanie wstępnej orientacji w temacie, zwłaszcza z obszarów, w których prawnik na co dzień nie praktykuje. Bardziej zaawansowane wykorzystanie to specjalistyczne platformy. Thomson Reuters, LexisNexis i inni giganci branży wypuścili własne asystenty AI zintegrowane z ich bazami – przykładowo, Westlaw Edge ma funkcję odpowiadającą na pytania pełnym zdaniem i podającą przypisy do aktów prawnych czy orzeczeń. Prawnicy in-house (wewnętrzni prawnicy firm) też korzystają z AI do monitorowania zmian prawa: systemy mogą automatycznie skanować dzienniki ustaw, informować o nowych aktach i od razu podsumować, co się zmieniło i jak może to wpłynąć na działalność firmy. W kancelariach obserwujemy też łączenie researchu z pisaniem dokumentów – np. prawnik zleca AI „przygotuj projekt pozwu opartego na takich a takich okolicznościach, uwzględniając najnowsze orzecznictwo”, a narzędzie generuje szkic pozwu z wbudowanymi przypisami do orzeczeń, które popierają argumenty. Brzmi futurystycznie, ale takie funkcjonalności oferuje choćby wspomniany wcześniej CoCounsel czy nowe moduły Harvey AI (systemu wdrożonego np. w Allen & Overy). W praktyce prawnicy doceniają, że AI potrafi szybko zrobić pracę przygotowawczą: zebrać cytaty z orzeczeń na daną tezę, wygenerować listę argumentów za i przeciw określonej interpretacji, stworzyć tabelę porównującą regulacje w różnych krajach (jeśli ma dostęp do tych danych). To jak posiadanie bardzo pojemnej pamięci i ogromnej „bazy wiedzy” na wyciągnięcie ręki. Ważne jest też to, że AI bywa dostępna 24/7 i reaguje natychmiast – prawnicy opowiadają, że w nocy przed rozprawą mogli jeszcze zapytać chatbota o jakiś wątek i dostali parę dodatkowych punktów do uwzględnienia w mowie końcowej. Oczywiście, podejście jest różne: niektórzy prawnicy są ostrożni i traktują AI tylko jako ciekawostkę, inni integrują je mocno w swoje workflow. Niemniej trend jest taki, że coraz częściej research prawniczy to wspólna praca człowieka i AI – człowiek formułuje problem i ocenia wynik, AI wykonuje ciężką pracę kopania w tekstach.

Jakie są przykłady narzędzi AI do researchu prawnego?

Kilka wiodących rozwiązań już się wyłoniło. Oto niektóre z nich:

• ROSS Intelligence – choć firma ta zakończyła działalność, była jednym z pionierów. Ich AI (oparty na IBM Watson) potrafił odpowiadać na pytania prawne w oparciu o analizę orzecznictwa USA. Wspomniana szybkość +30% względem ludzi w znalezieniu case law stała się głośna .
• Westlaw Precision / Edge – Thomson Reuters w swoich produktach dodał funkcje oparte na AI, jak Westlaw Answers. Prawnik wpisuje pytanie, a system przeszukuje bazę orzeczeń i komentarzy, by dać konkretną odpowiedź, najczęściej z odsyłaczami do źródeł. Dodatkowo TR uruchomił asystenta CoCounsel po przejęciu Casetext – on integruje research z innymi zadaniami.
• Lexis+ AI – konkurencyjny LexisNexis nie zostaje w tyle. Ich platforma Lexis+ ma wbudowane mechanizmy NLP do rozumienia pytań i generowania podsumowań orzeczeń czy dokumentów. Pojawiły się też zapowiedzi narzędzia o nazwie Lexis AI zdolnego do kompleksowych zadań (ogłoszone w 2023 r.).
• Harvey – narzędzie oparte na GPT, które zdobyło sławę, gdy kancelaria Allen & Overy ogłosiła, że wdraża je dla wszystkich prawników. Harvey potrafi w kilkudziesięciu językach odpowiadać na pytania prawne i generować dokumenty, korzystając z wiedzy prawnej. Allen & Overy chwaliło się, że to jak zatrudnienie wirtualnego super-aplikanta dostępnego globalnie.
• Barista – tak nazwano eksperymentalnego chatbota, którego testował Sąd Najwyższy Indii, by pomógł sędziom streszczać długie akta spraw. Jego zadaniem jest właśnie research: wyłuskać kluczowe fakty i orzeczenia, na które powołują się strony.
• Inne narzędzia: CaseText (który stał się CoCounsel), Blue J Legal (specjalizowany w prawie podatkowym prognozowaniu wyników), JPMorgan COIN (do przeszukiwania dokumentów finansowych i regulacyjnych). W Polsce jeszcze nie mamy dedykowanego polskiego chatbota prawniczego na szeroką skalę, ale prace trwają i zapewne doczekamy się rodzimych rozwiązań integrujących naszą bazę prawną.

Wszystkie te narzędzia łączy idea: przyspieszyć i ułatwić dotarcie do informacji prawnej. Różnią się interfejsem i zakresem specjalizacji, ale docelowo większość będzie działać na podobnej zasadzie – zadajesz pytanie, dostajesz odpowiedź z referencjami, ewentualnie możliwość pogłębienia.

Czy AI zrozumie język prawniczy i specjalistyczne pojęcia?

Dobre systemy AI są trenowane tak, by rozumiały nie tylko potoczny język, ale i terminologię prawniczą. Modele takie jak GPT-4 „czytały” w procesie uczenia miliony stron tekstów, w tym zapewne teksty ustaw, umów, artykułów prawniczych. Dzięki temu kojarzą znaczenie nawet dość specjalistycznych pojęć. Jeśli zapytamy: „Czy roszczenie z tytułu zachowku ulega przedawnieniu i po jakim czasie?”, AI prawidłowo zrozumie, o co chodzi w „roszczeniu z tytułu zachowku” (coś, co dla laika brzmi egzotycznie). Modele są też uczone poprzez interakcję – jeśli wielu użytkowników pyta o konkretne zagadnienie, AI „wie”, że to coś ważnego. Oczywiście, by w pełni zrozumieć język prawniczy, model powinien być dodatkowo przeszkolony na korpusie prawnym danego kraju. I to się dzieje – powstają modele dedykowane, karmione orzeczeniami, aktami prawnymi w różnych językach. W polskim kontekście również pojawiają się inicjatywy trenowania AI na naszych ustawach i wyrokach, co pozwoli mu lepiej „czuć” specyfikę języka prawnego (np. długie zdania, częste odesłania, łacińskie zwroty). Warto zaznaczyć, że prawnicy często używają skrótów myślowych czy pewnego żargonu – np. „524 kpc” (czyli art. 524 Kodeksu postępowania cywilnego). Dobrze przygotowany system rozpozna i to, ale tu wiele zależy od implementacji. Niektóre narzędzia mają wręcz wbudowane słowniki i mechanizmy OCR, by np. ze skanu pisma procesowego wychwycić numery artykułów i od razu sprawdzić ich treść w aktualnej ustawie. Generalnie, jesteśmy na etapie, gdzie AI całkiem nieźle radzi sobie z językiem prawniczym – co potwierdza fakt, że GPT-4, jak wspomniano, zdał egzamin prawniczy, czy że specjalistyczne chatboty są w stanie odpowiadać na pytania z prawa podatkowego czy patentowego, używając poprawnie terminologii. Oczywiście, czasem może zdarzyć się lapsus (np. mylne zinterpretowanie skrótu jeśli jest wieloznaczny), ale od tego jest recenzja człowieka. Z każdym miesiącem AI „uczy się” więcej, bo dostaje feedback od użytkowników, więc jej rozumienie języka prawniczego będzie się jeszcze poprawiać. Śmiało można stwierdzić, że AI nie ma kompleksów w obliczu paragrafów – czyta je i rozumie często szybciej niż my.

Czy wykorzystanie AI w researchu zmniejsza ryzyko pominięcia istotnych źródeł?

Zdecydowanie tak – to jeden z głównych atutów użycia AI w wyszukiwaniu informacji. Gdy pracujemy ręcznie, często koncentrujemy się na znanych nam źródłach i obszarach prawa, które uważamy za kluczowe. Możemy nieświadomie pominąć np. orzeczenie z innej dziedziny, które jednak mogłoby być analogicznie zastosowane, albo jakąś nowelizację prawa, o której nie słyszeliśmy. AI, szczególnie gdy dysponuje pełnym i aktualnym zbiorem danych, przeszuka wszystko, co ma w swoim „wzroku” – bez uprzedzeń, bez zmęczenia. Jeśli w jakimś odległym wyroku jest akapit idealnie pasujący do naszej sprawy, AI go prawdopodobnie znajdzie, o ile zapytanie go nie zdezorientuje. To zmniejsza ryzyko, że coś umknie uwadze zespołu prawnego. Wspominaliśmy wcześniej, że pewne analizy wskazują na ogromny odsetek zadań prawniczych, które teoretycznie AI mogłaby przejąć. Goldman Sachs sugerował, że aż 44% zadań w sektorze prawnym da się zautomatyzować . To by oznaczało, że mniej więcej tyle pracy, ile wkładamy w żmudne szukanie i przeglądanie, mogłaby zrobić maszyna – w tym praca polegająca na wynajdywaniu igieł w stogu siana. W skrócie: AI jest świetna w przeczesywaniu stogu siana. Nie znudzi się po 10 godzinach, nie przeoczy małej igiełki dlatego, że była w innym kolorze niż poprzednie. Oczywiście, trzeba pamiętać, że AI też jest ograniczona tym, co ma w bazie. Jeśli jakiegoś źródła nie zasilono do systemu (np. bardzo świeża ustawa, której jeszcze nie dodano), to go nie wyczaruje. Dlatego ważna jest aktualność i kompletność danych zasilających AI. Zakładając jednak, że pracujemy na porządnych zbiorach (np. wszystkich orzeczeniach sądów z ostatnich dekad, wszystkich aktach prawnych i komentarzach), to tak – AI znacząco redukuje ryzyko pominięcia czegoś istotnego. Prawnik może mieć większą pewność, że bazuje na pełnym obrazie sytuacji prawnej. Nie znaczy to, że może przestać być czujny – zawsze warto sprawdzić, czy np. AI nie pominęło czegoś przez wadliwą interpretację zapytania. Ale w praktyce, szczególnie w obszarach, gdzie danych jest dużo, AI sprawdza się doskonale jako sito wyłapujące wszystko, co potencjalnie ważne. Można powiedzieć, że zamiast liczyć na szczęście w researchu („mam nadzieję, że nic mi nie umknęło”), prawnik może liczyć na sztuczną inteligencję jako asekurację.

Jak AI w researchu wpływa na jakość opinii prawnych i porad?

Wykorzystanie AI przy przygotowywaniu opinii czy porad prawnych może podnieść ich jakość – oczywiście pod warunkiem, że jest używane rozsądnie. Po pierwsze, opinia jest bardziej wszechstronna i poparta szerszym researchem. Skoro AI pomaga szybko dotrzeć do nietypowych źródeł czy najnowszych orzeczeń, prawnik może w swojej opinii uwzględnić argumenty i przykłady, o których inaczej by nie wiedział. To czyni analizę bardziej kompletną. Po drugie, AI potrafi podsunąć różne punkty widzenia (np. za i przeciw jakiejś interpretacji), dzięki czemu prawnik może zawrzeć w opinii pełniejszą argumentację – nie tylko tę, która pierwsza przyszła mu do głowy. To ważne zwłaszcza przy trudnych zagadnieniach, gdzie kluczowe jest wyważenie racji i wskazanie ryzyk. Po trzecie, AI może przyspieszyć przygotowanie opinii, a czasem to decyduje o jej przydatności. Jeśli klient dostanie analizę dzień po zadaniu pytania (bo prawnik z pomocą AI szybko zebrał materiały i przemyślał sprawę), to wartość praktyczna takiej porady jest większa niż spóźnionej, choćby bardzo błyskotliwej, opinii. Co z potencjalnymi zagrożeniami? Trzeba pilnować, by AI nie wprowadziła w opinii błędu – np. poprzez jakiś niezweryfikowany cytat lub nadinterpretację. Dlatego niektóre kancelarie mają procedury: jeśli opinia korzysta z danych od AI, to każdy cytat musi być ręcznie sprawdzony w oryginalnym źródle. Ale to niewielka cena za możliwość szybkiego dotarcia do tych cytatów. Ogólnie, klienci mogą nawet nie wiedzieć, że w ich sprawie prawnicy posiłkowali się AI – oni po prostu zobaczą rzetelną, bogatą w odniesienia opinię, często przygotowaną w rekordowo krótkim czasie. I to jest główna przewaga: jakość w sensie merytorycznym (kompletność, aktualność, wielostronność argumentów) plus terminowość. W przyszłości prawdopodobnie normą stanie się dołączanie do opinii pewnego „raportu AI” – np. lista orzeczeń z wygenerowanymi tezami – co zwiększy transparentność i pokaże klientowi, że analiza objęła najszersze możliwe spektrum. Kończąc: AI, stosowana mądrze, jest jak dodatkowy ekspert konsultowany przy pisaniu opinii. Ostateczne zdanie należy do prawnika, ale dzięki AI może być ono wygłoszone z większą pewnością i poparte mocniejszym materiałem.