AI pisze umowy. Kto zapewni, że proces jest bezpieczny i wydajny?

Tak, sztuczna inteligencja może przygotować szkic umowy czy pozwu. Modele generatywne potrafią odtworzyć standardową strukturę i klauzule na podstawie prostych wytycznych, co pozwala drastycznie skrócić czas przygotowania powtarzalnych dokumentów, jak NDA czy proste umowy .

Zanim jednak kancelaria wdroży ten system, musi on działać na stabilnej i bezpiecznej platformie. Nasz Pakiet 2: Cloud & Automation Factory to fundament pod wydajne działanie tych narzędzi, a Pakiet 1: Managed Security gwarantuje, że dane klientów wprowadzane do generatorów umów nie wyciekną.

Czy sztuczna inteligencja może samodzielnie napisać umowę lub pozew?

Pokuszę się o śmiałą tezę: tak, AI może przygotować szkic umowy czy pozwu, ale kluczowe jest słowo „szkic”. Obecne systemy generatywne są zdolne wygenerować tekst prawniczy na zadany temat – np. umowę najmu mieszkania – i to w całkiem porządnej formie. Mogą w tym celu korzystać z nauczenia na setkach tysięcy wzorców umów, które widziały w trakcie treningu. Jednak nie znają one naszej konkretnej sytuacji ani preferencji klienta, dopóki im tego nie przekażemy. Jeśli więc powiemy AI: „Napisz umowę najmu lokalu użytkowego, czynsz 5000 zł, najem na 2 lata, płatność z góry co miesiąc, brak możliwości podnajmu”, to prawdopodobnie dostaniemy dość sensowny dokument obejmujący te punkty, bo AI potrafi odtworzyć standardową strukturę i klauzule. Co więcej, będzie pamiętać o rzeczach, o których człowiek mógłby zapomnieć, np. o przepisach dot. kaucji czy protokołu zdawczo-odbiorczego, jeśli były często obecne w danych treningowych. Podobnie z pozwem – podamy stan faktyczny i podstawę prawną, a AI skompiluje żądanie, uzasadnienie, artykuły, być może nawet doda wzmiankę o orzecznictwie. Brzmi świetnie, ale… no właśnie, zawsze trzeba to zrewidować. AI nie ma gwarancji poprawności prawnej czy procesowej. Może np. użyć nieaktualnej podstawy prawnej (jeśli dane są nieświeże) albo użyć ogólnego języka tam, gdzie w danym sądzie oczekuje się konkretnej formuły. Tak więc choć AI „samodzielnie” wygeneruje dokument, to rola prawnika przenosi się z piszącego do redaktora i weryfikatora. Można to porównać do sytuacji, gdy młody prawnik pisze draft, a starszy go poprawia. Z tą różnicą, że AI zrobi ten draft błyskawicznie. W pewnych prostych sprawach – np. generowanie standardowych pism procesowych, wezwań do zapłaty, regulaminów – AI może być na tyle trafna, że korekta jest minimalna. W bardziej skomplikowanych – szkic będzie trzeba gruntownie dopracować. Niemniej, sam fakt, że maszyna potrafi stworzyć kilkustronicowy dokument prawniczy w minutę, już jest rewolucyjny. W praktyce: tak, możemy w pewnym sensie powiedzieć, że AI „napisała umowę”, ale by stała się ona rzeczywistym, wiążącym dokumentem, musi przejść przez ręce prawnika. Tę symbiozę najlepiej oddaje hasło, że AI w prawie to „centaur” – połączenie mocy komputera i intuicji człowieka. Sam komputer generuje tekst, ale człowiek nadaje mu ostateczny, poprawny kształt.

W jaki sposób AI generuje dokumenty prawne?

AI generuje dokumenty, korzystając z wzorów językowych wyuczonych na olbrzymich zbiorach tekstów. Model typu GPT nie ma w głowie zapisanych gotowych umów czy pozwów jako takich, ale zna prawdopodobieństwo występowania słów i fraz w określonym kontekście. Na przykład, jeśli zaczynamy umowę od „Umowa Najmu”, to model „wie”, że typowo dalej pojawią się strony umowy, definicje, przedmiot najmu itd., bo tak wynika ze statystyki wzorców, które widział. Innymi słowy, AI generuje tekst słowo po słowie, za każdym razem przewidując, co powinno być następne, żeby całość miała sens i formę. W przypadku dokumentów prawnych – które są dość schematyczne – to działa zaskakująco dobrze. Poza modelami ogólnego przeznaczenia są też narzędzia wyspecjalizowane. Niektóre działają na zasadzie wypełniania inteligentnych szablonów. Taki system ma przygotowany wzór dokumentu z „dziurami” i zadaje użytkownikowi pytania (np. „podaj dane wynajmującego”, „czy dopuszczasz podnajem?”, „jaki jest termin płatności czynszu?”). Na podstawie tych odpowiedzi AI wypełnia luki i dostosowuje gotowy tekst. To nieco inne podejście – bardziej automatyzacja dokumentów niż kreatywne pisanie – ale często sprawdza się w praktyce, bo łączy bogatą bazę wzorców ze sprytem AI, która może np. pomóc sformułować nietypowy warunek umowny. Są też systemy hybrydowe: AI generuje tekst, a następnie go automatycznie sprawdza pod kątem zgodności z wymogami (np. czy zawiera wszystkie obowiązkowe elementy pozwu). Ciekawym aspektem jest, że generatywna AI może dostosowywać styl – jeśli powiemy, że chcemy pismo „bez prawniczego żargonu, przystępne dla laika”, spróbuje uprościć język, a jeśli chcemy „bardzo formalne, z powołaniem się na paragrafy”, zrobi to odpowiednio. Technicznie więc AI dysponuje pewnym abstrakcyjnym modelem języka prawniczego i potrafi w nim tworzyć nowe zdania, które „pasują” do kontekstu, choć nie są skopiowane z żadnej jednej umowy w danych. Oczywiście, kiedy generuje podstawy prawne czy klauzule typowe, to wygląda to jak standard, bo tak statystyka podpowiada. Gdybyśmy kazali AI stworzyć coś bardzo innowacyjnego, może mieć z tym problem – np. unikatową strukturę umowy. Ale od tego wciąż jest prawnik, by wyznaczyć, co unikatowego ma się pojawić. Krótko mówiąc: AI generuje dokumenty ucząc się od tysięcy prawników (poprzez teksty, które napisali), a teraz potrafi naśladować ich styl i logikę przy tworzeniu nowych dokumentów.

Jak prawnicy wykorzystują AI przy sporządzaniu umów?

Coraz częściej hybrydowo – to znaczy część treści jest generowana lub podpowiadana przez AI, a część tworzona tradycyjnie. Najprostszy scenariusz: prawnik potrzebuje klauzuli na nietypową okoliczność (np. klauzuli dotyczącej użycia sztucznej inteligencji przez strony umowy). Może poprosić AI: „Wygeneruj klauzulę do umowy licencyjnej, która reguluje prawa do wyników wygenerowanych przez sztuczną inteligencję w trakcie realizacji umowy”. AI zaproponuje brzmienie takiej klauzuli. Prawnik je poprawi według swojej wiedzy i wstawia do umowy. To oszczędza czas, bo zamiast wymyślać od zera lub szukać w internecie podobnej klauzuli, dostał gotowca do dostosowania. Inny sposób wykorzystania AI to sprawdzanie umów: prawnicy po napisaniu umowy każą AI ją przeanalizować i wskazać potencjalne problemy lub brakujące elementy. AI działa jak asystent-redaktor: „Zwróć uwagę, w umowie nie określono jurysdykcji właściwej w razie sporu” albo „Definicja ‘Strony’ jest użyta, ale w treści brakuje jakiegokolwiek odwołania do niej”. Dzięki temu prawnik ma listę poprawek do rozważenia. Ponadto, w niektórych kancelariach prawnicy zaczynają pracę od szablonu stworzonego przez AI: np. generują całą umowę ramową dostawy na podstawie ogólnych założeń, a potem edytują ją w zespole. To bywa szybsze niż ręczne przerabianie starej umowy na nową (gdzie często zostają nieaktualne fragmenty przez przeoczenie). AI można też poprosić o zoptymalizowanie języka: „uprość zbyt skomplikowane zdania” albo „usuń powtórzenia”. W ten sposób finalny tekst staje się bardziej czytelny. Wreszcie, pewnym sprytnym użyciem jest generowanie checklist i summary. Prawnik może wygenerować krótkie podsumowanie umowy w punktach, by wysłać klientowi, albo listę wszystkich zobowiązań stron wyciągniętą z projektu – to potrafi zrobić AI, która „przeczyta” umowę i wypunktuje istotne kwestie (np. płatności, obowiązki, terminy). Reasumując, prawnicy wykorzystują AI jako narzędzie wspomagające pisanie i redakcję. Nie oddają mu pełni kontroli nad treścią, ale chętnie powierzają różne etapy procesu tworzenia dokumentu: od pierwszego szkicu po finalny proofreading. W efekcie praca idzie szybciej, a dokumenty mogą być nawet bardziej dopracowane.

Czy dokumenty tworzone przez AI spełniają wymogi formalne?

Zaskakująco często – tak, przynajmniej te podstawowe wymogi. AI „wie”, że umowa powinna mieć tytuł, określenie stron, definicje, przedmiot, itd., bo widziała tysiące umów. Zatem wygenerowana umowa zazwyczaj będzie zawierać te elementy. Podobnie, pismo procesowe wygenerowane przez AI prawdopodobnie zacznie od nagłówka „Do Sądu…”, będzie miało oznaczenie stron, o co wnosi powód, uzasadnienie faktyczne i prawne, na końcu podpis (choć fizycznie AI go nie złoży). Jednak diabeł tkwi w szczegółach. AI może nie znać lokalnych specyficznych wymogów. Przykładowo, w Polsce pozew musi zawierać PESEL powoda w sprawach o prawa majątkowe – jeśli model AI nie został nauczony polskiego KPC, może tego nie umieścić. Albo może niepoprawnie nazwać sąd czy wydział. To drobiazgi, które prawnik musi poprawić. W umowach formalność jest mniejszym problemem (tu liczy się wola stron, nie ma narzucanego urzędowego wzoru), więc AI raczej spełni standard „przyzwoitej praktyki”. W pismach procesowych trzeba być ostrożnym – te generowane przez AI mogą zawierać nieistniejące sygnatury wyroków (to szczególny przypadek halucynacji). Wyobraźmy sobie, że AI w uzasadnieniu pozwu pisze: „Sąd Najwyższy w wyroku z dnia X sygn. Y orzekł, że…”. Jeśli prawnik tego nie sprawdzi, może się okazać, że takiego wyroku nigdy nie było. Niestety, zdarzyły się przypadki prawników, którzy bezkrytycznie zaufali AI i złożyli pismo z fikcyjnymi orzeczeniami – co wyszło na jaw i skończyło się kłopotami dyscyplinarnymi. Tak więc spełnienie wymogów formalnych jest możliwe, ale weryfikacja to konieczność. Dobrą praktyką jest traktowanie dokumentu od AI jak wstępny szkic i przejście checklisty wymogów formalnych tak, jakbyśmy sami go pisali. Wprowadzenie AI nie zwalnia z odpowiedzialności – wciąż to prawnik podpisuje się pod dokumentem i ponosi odpowiedzialność za jego treść. Z czasem zapewne pojawią się specjalizowane modele prawnicze, które będą uwzględniać wszystkie formalności (np. wbudują reguły KPC czy KPA) – wtedy zaufanie wzrośnie. Już teraz są rozwiązania typu document automation, które generują dokumenty w oparciu o zaprogramowane reguły i tam margines błędu formalnego jest znikomy. W generatywnej AI margines błędu istnieje, ale doświadczony prawnik szybko go wychwyci i poprawi. Podsumowując: AI w dużej mierze spełnia wymogi formalne, bo imituje istniejące wzorce, ale ostateczny szlif i tak należy do prawnika, by upewnić się, że niczego nie brakuje i że wszystko jest poprawnie.

Jak AI może pomóc dostosować szablony dokumentów do konkretnej sprawy?

Tradycyjnie dostosowanie szablonu polegało na ręcznym zamienianiu tzw. placeholderów (np. [Imię Nazwisko], [Data] itd.) na właściwe dane oraz dodawaniu/usuwaniu klauzul według potrzeb. AI potrafi uczynić ten proces bardziej inteligentnym i mniej mechanicznym. Przede wszystkim, może zrozumieć kontekst sprawy i na tej podstawie zaproponować modyfikacje szablonu. Załóżmy, że mamy wzór umowy sprzedaży udziałów, ale nasza transakcja ma nietypowy warunek – np. rozłożenie płatności na raty i uzależnienie ostatniej raty od wyniku finansowego spółki. AI, znając taką informację, może automatycznie wstawić odpowiednie postanowienia regulujące mechanizm płatności warunkowej (earn-out). Szablon dostosowany ręcznie wymagałby sporo pisania, a AI zrobi to, bo „wie”, jakie klauzule earn-out zwykle wyglądają. Po drugie, AI może usuwać niepotrzebne fragmenty. Jeśli w formularzu zaklikamy np., że umowa nie przewiduje podnajmu, to AI wygeneruje wersję umowy już bez klauzuli o podnajmie, za to może dodać sformułowanie w stylu „Najemca nie jest uprawniony do oddania przedmiotu najmu w podnajem”. Czyli inteligentnie adaptuje tekst. Istnieją też narzędzia AI, które analizują wprowadzone dane i ostrzegają, jeśli coś jest niespójne z szablonem. Przykład: w szablonie mamy wybór prawa właściwego (polskie albo inne), wybraliśmy polskie, ale w jakimś miejscu umowy pozostało odwołanie do paragrafu niemieckiego BGB (przez niedopatrzenie). AI może to wychwycić i zaproponować korektę na polski KC. Wreszcie, AI może dynamicznie tworzyć nowy szablon na podstawie różnych źródeł – np. bierzemy postanowienia z trzech różnych umów i prosimy AI, by je zintegrowało w jednym dokumencie, eliminując duplikaty i sprzeczności. To coś, co manualnie jest dość żmudne, a AI zrobi szybciej. Mówiąc obrazowo, zamiast dostosowywać szablon do sprawy, możemy dostarczyć AI informacji o sprawie, a ona „sama zbuduje” dokument od najlepiej pasujących klocków. W niektórych dziedzinach pojawiają się dedykowane asystenty – np. w branży startupowej, gdzie umowy inwestycyjne często negocjuje się w standardzie NVCA, są narzędzia, które pozwalają odpowiadać na serię pytań (ile rund inwestycji, jakie likwidacyjne uprzywilejowanie itd.), a potem generują dostosowany kontrakt. AI wnosi tu elastyczność – jeśli odpowiesz „nie wiem” na jakieś pytanie, może zaproponować warianty i wyjaśnić konsekwencje. Podsumowując: AI usprawnia customizing szablonów przez inteligentne wypełnianie, dodawanie/ujmowanie klauzul w zależności od potrzeb i pilnowanie spójności. Dzięki temu prawnik mniej czasu traci na mechaniczne dopasowywanie dokumentu, a więcej może myśleć o merytorycznych aspektach.

Czy AI przyspiesza tworzenie powtarzalnych dokumentów (np. NDA, umów spółek)?

Zdecydowanie tak – w przypadku powtarzalnych, standardowych dokumentów oszczędność czasu jest chyba najbardziej odczuwalna. Weźmy na przykład NDA (non-disclosure agreement), czyli umowę o poufności. Kancelarie często mają swój wzór NDA, ale każdorazowo muszą go trochę zmodyfikować pod konkretne strony, zakres informacji itp. AI może być użyta w prosty sposób: prawnik wprowadza kluczowe dane (strony, definicja informacji poufnych, czas trwania umowy) i prosi AI o wygenerowanie NDA. W kilkanaście sekund otrzymuje gotowy dokument. Jeśli co tydzień przygotowywało się kilka takich NDA, to łatwo policzyć, ile godzin się zaoszczędzi miesięcznie. Podobnie z umowami spółek czy uchwałami – one też są mocno schematyczne (zwłaszcza np. umowa spółki z o.o.). Podać AI: „Wspólnicy: Jan Kowalski 60% udziałów, Ewa Nowak 40%, kapitał 50.000 zł, dwuosobowy zarząd, brak RN” – i dostajemy szkielet umowy spółki ze wszystkimi wymaganymi paragrafami. Być może trzeba będzie dodać jakieś szczególne zapisy, ale to już drobna część pracy. Według niektórych danych, automatyzacja dokumentów (nawet ta tradycyjna, bez AI) potrafiła zredukować czas sporządzania ich o kilkadziesiąt procent. Z AI ten procent jest jeszcze wyższy, bo mniej trzeba myśleć o samej formie. Niektóre firmy prawnicze chwalą się, że przygotowanie typowego kontraktu skróciło im się z 3 godzin do 30 minut dzięki wykorzystaniu narzędzi AI-asystentów. Co ważne, AI może też generować wiele wersji na raz. Jeśli potrzebujemy np. tej samej umowy w wersji polskiej i angielskiej, AI może wygenerować dwujęzyczny dokument lub dwa dokumenty w osobnych językach niemal równocześnie, co wcześniej wymagało tłumaczenia. Ponadto, powtarzalne dokumenty często wymagają indywidualizacji tylko w kilku miejscach – AI pozwala to zrobić przy jednym przebiegu, minimalizując ludzkie błędy (typu zapomniało się zmienić jednego nazwiska w 10 miejscach – AI zmieni we wszystkich). Dostępne statystyki mówią np., że 95% osób, które zintegrowały AI w swoje procesy, deklaruje, iż co tydzień oszczędza czas na zadaniach administracyjnych czy dokumentowych . To sugeruje, że niemal każdy kto spróbuje automatyzować takie rutynowe pisma, odczuwa realną ulgę czasową. Warto dodać, że prawnicy czasem zamiast generować od zera, używają AI do recenzji powtarzalnych umów od drugiej strony – np. codziennie przychodzi do firmy kilka NDA do podpisu od różnych kontrahentów. AI może je szybko porównać z własnym wzorcem i wskazać różnice. To znowu przyspiesza pracę prawnika, który musi tylko sprawdzić, czy wśród różnic jest coś istotnego, zamiast czytać całość każdej umowy. Ogólnie, im bardziej powtarzalny i ustandaryzowany dokument, tym bardziej nadaje się do wsparcia przez AI – a takich dokumentów jest w praktyce kancelaryjnej całkiem dużo (umowy najmu, proste umowy świadczenia usług, regulaminy, uchwały korporacyjne itp.).

Ile czasu oszczędzają kancelarie dzięki automatyzacji dokumentów?

W liczbach może to być trudne do ujęcia, bo zależy od typu dokumentu i stopnia jego skomplikowania. Ale branżowe raporty i case studies podają pewne wskaźniki. Według jednego z badań, wykorzystanie automatyzacji i AI w tworzeniu dokumentów może zredukować czas pracy prawników nad rutynowymi dokumentami nawet o 20–30% . To oznacza, że jeśli dotąd zespół spędzał np. 100 godzin miesięcznie na sporządzaniu standardowych pism i umów, to mógłby zaoszczędzić 20-30 godzin – czyli niemal cztery pełne dni robocze do wykorzystania na inne zadania! Są też bardziej wymowne przykłady: firma, która wprowadziła generator umów sprzedażowych, raportowała, że przygotowanie kompletu dokumentów transakcyjnych (umowa główna plus załączniki) skróciło się z 2 tygodni do 3-4 dni, bo wiele sekcji uzupełniało się samo. Thomson Reuters w swoim badaniu wskazał, że prawnicy widzą w AI sposób na oszczędność około 5 godzin tygodniowo – część z tego to na pewno zadania dokumentowe. W skali roku to setki godzin, które można spożytkować na obsługę dodatkowych klientów lub na prace strategiczne. W przypadku dużych kancelarii, które produkują setki dokumentów miesięcznie, skala oszczędności jest jeszcze większa. Co istotne, oszczędzony czas to nie tylko zysk dla kancelarii (bo może obsłużyć więcej spraw i wystawić więcej faktur lub obniżyć koszty), ale też mniejsze zmęczenie zespołu. Młodsi prawnicy mniej czasu spędzają na nużącym wypełnianiu wzorów, a więcej na ciekawszych aspektach pracy – co przekłada się na zadowolenie z pracy. Niektórzy wskazują, że dzięki automatyzacji i AI cykl realizacji sprawy się skraca – np. klient dostaje pierwszą wersję umowy w ten sam dzień, w który zlecił pracę, zamiast za kilka dni. To buduje przewagę konkurencyjną i zacieśnia relację z klientem (bo jest pod wrażeniem szybkości i responsywności). Z punktu widzenia partnerów kancelarii, automatyzacja dokumentów to też poprawa rentowności – mniej czasu spędzonego na non-billable tasks (bo np. wewnętrzne dokumenty generują się same), a więcej na pracy, za którą klient płaci. Nie bez powodu wiele kancelarii decyduje się inwestować w takie narzędzia, mimo że początkowo wymagają one wdrożenia szablonów czy integracji – zwrot z inwestycji jest szybki, bo czas to dosłownie pieniądz w tym biznesie. Podsumowując: oszczędności czasu są wyraźne i mierzalne, rzędu kilkudziesięciu procent przy powtarzalnych dokumentach, co w skali roku daje setki godzin odciążenia.

Czy korzystanie z AI w tworzeniu dokumentów zmniejsza liczbę błędów?

Tak, w wielu przypadkach automatyzacja ogranicza błędy, chociaż generatywna AI może też wprowadzić nowe rodzaje błędów (np. halucynacje). Zacznijmy od tych pozytywów: Kiedy używamy ustrukturyzowanych narzędzi do automatyzacji dokumentów lub AI jako inteligentnego edytora, eliminujemy typowe pomyłki ludzkie. Przykładowo, autopodstawianie danych w całości dokumentu sprawia, że nie zdarzy się sytuacja, iż w nagłówku wpisaliśmy „Jan Kowalski”, a gdzieś dalej w tekście przez pomyłkę nadal jest „Adam Kowalski” z poprzedniego wzoru. Komputer konsekwentnie wypełni wszystkie pola i miejsca. AI waliduje też często spójność – np. czy daty mają sens (nie pojawia się, że coś nastąpi „31 kwietnia” – bo takiej daty nie ma, a AI to wie). W skomplikowanych dokumentach potrafi wyłapać rzeczy, które człowiekowi łatwo umykają, np. zły numer paragrafu w odwołaniu (ileż to razy ręcznie edytując umowę dodamy nowy paragraf i nie zaktualizujemy referencji do niego gdzieś indziej; AI można nauczyć pilnować takich referencji). Jedno z badań wykazało, że prawnicy przyznają – redukcja błędów jest jednym z głównych benefitów technologii: 35% wskazuje, że AI pomoże zmniejszyć ryzyko ludzkich pomyłek . To odczuwalne zwłaszcza w dużych dokumentach i tam, gdzie drobna nieścisłość może mieć duże skutki (np. błąd w numerze konta w umowie, literówka w nazwisku klienta w pozwie). Rzecz jasna, generatywna AI ma też swoje humory – może np. wprowadzić fałszywe informacje, jeśli „uzna” je za prawdopodobne (np. do umowy wstawić klauzulę, która wydaje się standardowa, ale klient jej nie chce). Jednak te błędy łatwiej wychwycić, bo są merytoryczne i prawnik raczej je zauważy podczas przeglądu (np. dlaczego tu jest zapis o mediacji, której nie uzgodniliśmy – wtedy go usuwa). Bardziej kłopotliwe błędy to te niezamierzone, drobne – i tu AI sprawdza się znakomicie, bo działa precyzyjnie i systematycznie. Pamiętajmy, że nawet najlepszy prawnik może mieć gorszy dzień i nie zauważyć jakiegoś detalu; komputer – jeśli jest poprawnie zaprogramowany – tego błędu nie popełni. Dlatego coraz częściej używa się AI do finalnego proofreadingu dokumentów: jest wtyczka do Worda, która czyta nasz dokument i mówi: „znalazłem 3 potencjalne problemy”. To trochę analogia do wbudowanych słowników ortograficznych – nikt już dziś raczej nie odda do druku tekstu bez sprawdzenia go „czerwonymi podkreśleniami”. Podobnie za parę lat standardem będzie, że ważna umowa przed podpisaniem przechodzi szybki skan AI w poszukiwaniu głupich błędów. Zresztą, proste AI już są: np. systemy wykrywające niespójności terminologiczne, albo brak definicji pojęcia wielką literą (gdy raz użyliśmy słowa „Umowa” wielką literą, to powinniśmy je zdefiniować – AI to wytknie). Summując: tak, AI zmniejsza liczbę błędów, szczególnie tych technicznych i wynikających z ludzkiego przeoczenia. Trzeba oczywiście nadal uważać na błędy po stronie AI, ale dopóki prawnicy weryfikują wynik, to zyski (mniej pomyłek) przeważają nad potencjalnymi nowymi błędami.

Jakie są popularne narzędzia do automatyzacji dokumentów prawniczych z AI?

Rynek narzędzi LegalTech jest bogaty, ale kilka nazw pojawia się często w kontekście automatyzacji dokumentów i wykorzystania AI:

• HotDocs, ContractExpress – to jedni z pionierów automatyzacji dokumentów (choć bez AI sensu stricto). Pozwalają tworzyć inteligentne szablony z formularzami. Wielkie kancelarie używają ich od lat do masowego generowania np. umów kredytowych. Teraz wiele z tych systemów integruje elementy AI, np. rozpoznawanie danych z istniejących dokumentów, by wypełnić szablon.
• LawGeex, LegalZoom, Rocket Lawyer – te platformy koncentrują się na dostarczeniu użytkownikom gotowych dokumentów po wypełnieniu ankiety. LegalZoom i Rocket Lawyer (USA) są skierowane do małych firm i konsumentów, wykorzystują mieszankę automatyzacji i ludzkiej weryfikacji. LawGeex z kolei to AI do przeglądu i negocjacji kontraktów, ale potrafi też generować własne sugestie klauzul. Ich raport pokazywał, że AI potrafi osiągać wysoką dokładność w wykrywaniu problematycznych zapisów – wręcz wyższą niż człowiek w jednym głośnym teście NDA (94% vs 85% skuteczność).
• Avokaado, Legito, DocsJar – to nowsza generacja narzędzi, często z interfejsem webowym, pozwalająca kancelarii stworzyć własną „bibliotekę” inteligentnych szablonów. Zawierają nieco AI, np. podpowiadanie klauzul w zależności od odpowiedzi użytkownika.
• Microsoft 365 Copilot – w niedalekiej przyszłości (lub już w momencie czytania tego tekstu) użytkownicy Worda dostaną asystenta AI wbudowanego w edytor tekstu. Będzie on mógł na nasze polecenie np. wygenerować draft umowy na podstawie kilku punktów, streścić długi dokument albo przerobić konspekt w pełny tekst. Ponieważ Word jest podstawowym narzędziem pracy prawnika, taka integracja może stać się bardzo popularna (bo nie trzeba nic nowego kupować – to część Worda).
• Spellbook – to narzędzie w formie wtyczki do Worda, właśnie dla prawników. Używa GPT-3/GPT-4 do sugerowania zmian w umowach, analizuje tekst umowy i generuje np. wyjaśnienia poszczególnych klauzul lub proponuje dodatkowe zapisy. Bardzo przydatne przy negocjacjach – można np. zaznaczyć fragment umowy od drugiej strony i poprosić Spellbook o ocenę ryzyka tego zapisu.
• Harvey AI – po raz kolejny, bo ten wszechstronny asystent też pomaga przy dokumentach. Można do niego powiedzieć: „przygotuj pierwszy szkic umowy zakupu udziałów na warunkach A, B, C” i otrzymamy zarys takiego dokumentu. Allen & Overy testowało go intensywnie przy różnych dokumentach.
• DocuSign CLM z Insightem AI – DocuSign kojarzy się z podpisami elektronicznymi, ale ma też narzędzie CLM (Contract Lifecycle Management) z wbudowanym AI do analizy i generowania dokumentów. Można np. wrzucić do niego umowę i poprosić: „Stwórz na podstawie tego draftu kontrakt, ale na naszym firmowym szablonie” – i zrobi to.
• OpenAI Codex / ChatGPT – deweloperzy budują customowe rozwiązania oparte o API GPT, które są dopasowane do potrzeb danej kancelarii. Czyli np. własny chatbot, który korzysta z bazy klauzul firmy i generuje dokumenty zgodne z jej stylem.

Z rodzimych rozwiązań w Polsce obserwujemy rozwój np. IntelliDocs czy modułów automatyzacji w systemach do zarządzania kancelarią (jak Vindicat, jeśli chodzi o windykację). Niektóre duże kancelarie mają wewnętrzne zespoły, które budują narzędzia dla konkretnej praktyki – np. generator pozwów o zapłatę z odsetkami i załącznikami, który przygotowuje asystent prawny jednym kliknięciem.

Generalnie narzędzi jest sporo, od bardzo prostych (skrypty Word) po złożone platformy. Popularność zyskują te, które łączą łatwość użycia z inteligencją – prawnicy nie chcą spędzać godzin na nauce nowego softu, narzędzie ma być intuicyjne. Dlatego integracje z Wordem są takie fajne – praca odbywa się w znanym środowisku.

Czy AI może uzupełnić brakujące fragmenty lub zaproponować alternatywne klauzule?

Tak, i to jest jedna z bardziej „inteligentnych” funkcji, bo wymaga zrozumienia kontekstu dokumentu. Jeśli w trakcie negocjacji klient mówi: „Przydałaby się tu klauzula o karach umownych, bo nie widzę jej w tej umowie”, prawnik może skorzystać z AI, by szybko uzupełnić brakujący fragment. Narzędzie przeanalizuje umowę, znajdzie odpowiednie miejsce (np. w sekcji „Odpowiedzialność stron”) i wygeneruje klauzulę o karze umownej, która pasuje do reszty stylistycznie. Oczywiście, parametry kary – ich wysokość, sytuacje uruchomienia – to już prawnik musi podać lub później dostosować, ale AI zajmie się formułą prawną. Podobnie, gdy pewne standardowe postanowienie nie zostało ujęte – powiedzmy force majeure – AI wstawi ładny paragraf o siłach wyższych. Co z alternatywnymi klauzulami? Bywa, że strony różnią się co do brzmienia jakiegoś postanowienia i trzeba zaproponować kompromisowe. AI może być pomocne jako inspiracja. Można zapytać: „Zaproponuj alternatywną wersję klauzuli o odpowiedzialności, łagodniejszą dla dostawcy”, i dostaniemy wersję zlimitowaną, np. ograniczenie odpowiedzialności kwotowe lub wyłączenie utraconych korzyści. Prawnik oceni, czy to odpowiada intencji stron. Zdarza się, że AI podsunie rozwiązanie, o którym prawnik by nie pomyślał – bo np. podpatrzyło je w jakiejś zagranicznej praktyce. Ważne jest też to, że AI potrafi wypełniać luki logiczne. Jeśli w dokumencie używamy definicji, ale zapomnieliśmy ją zdefiniować, AI to zauważy i może zaproponować definicję. Albo jeśli umowa odnosi się do jakiegoś załącznika, a załącznika brak, to zwróci uwagę. W ten sposób zapobiegamy sytuacjom, gdzie w finalnym tekście coś jest niekompletne. Na etapie tworzenia pism procesowych AI bywa wykorzystana do dopisywania argumentów: np. jeśli prawniczka czuje, że brakuje jeszcze jednego paragrafu w uzasadnieniu pozwu, może poprosić AI o sugestię. Czasem dostaje ciekawy argument (np. odwołanie do orzecznictwa unijnego), którego potem można użyć, choć oczywiście trzeba sprawdzić jego zasadność. Ogólnie AI działa tu trochę jak drugi par oczu i kreatywny umysł. Nie jest nieomylny – proponowane klauzule trzeba dostosować – ale przyśpiesza proces. W negocjacjach kontraktowych szybkie generowanie alternatywy bywa zbawienne: zamiast odkładać spotkanie na jutro, bo „muszę przemyśleć i napisać nową wersję klauzuli”, prawnik może w ciągu minut wygenerować 2-3 warianty i omówić je od razu z drugą stroną. To czyni proces elastyczniejszym i bardziej interaktywnym. Podsumowując: tak, AI uzupełnia brakujące fragmenty (pilnuje, by niczego nie zabrakło) i proponuje alternatywy (dając nam twórcze pomysły lub kompromisowe brzmienia klauzul). To trochę jak posiadanie doświadczonego redaktora, który mówi: „A może byś to napisał tak?”.

Jak zachować kontrolę jakości przy dokumentach generowanych przez AI?

To bardzo ważne pytanie, bo na końcu dnia to kancelaria odpowiada przed klientem (i sobą) za jakość dokumentu. Kontrola jakości w erze AI wymaga pewnych nowych nawyków i procedur. Po pierwsze, zawsze należy dokładnie przeczytać i zweryfikować dokument wygenerowany przez AI, tak jakby przygotował go ktoś inny z zespołu. To oznacza, że nie skracamy procesu review – wręcz przeciwnie, może na początku poświęcamy mu więcej uwagi, póki nie nabierzemy zaufania i doświadczenia z danym narzędziem. Po drugie, warto wykorzystać dwuetapowość: najpierw AI generuje dokument, a potem inny moduł AI (lub inne narzędzie) go sprawdza. Na przykład, generujemy umowę, a potem w innym programie zadajemy pytanie: „Czy w tej umowie brakuje jakichś typowych klauzul lub są jakieś niespójności?”. Taki podwójny AI-check czasem wyłapie coś, co umknęło pierwszemu generowaniu. Po trzecie, czerwona lampka powinna się zapalić przy wszystkich informacjach, których prawnik sam nie znał przedtem. Jeśli AI zacytowała wyrok – sprawdzić wyrok. Jeśli wspomniała przepis, upewnić się, że obowiązuje. To trochę analogiczne do tego, jak prawnicy korzystają z asystentów czy aplikantów: ufam, ale sprawdzam. Dobrą praktyką jest też wersjonowanie – zachowujemy wersję dokumentu przed i po edycji AI. W razie czego można wrócić do poprzedniej lub zobaczyć, co konkretnie zmieniła AI. Pewne kancelarie wprowadzają formalne polityki korzystania z AI: np. zakaz wklejania do narzędzi chmurowych wrażliwych danych (ze względu na poufność), albo wymóg zatwierdzenia przez prawnika prowadzącego przed wysyłką do klienta. Czasem mówi się też klientom otwarcie: „używamy wsparcia narzędzi AI, co pozwala obniżyć koszty, ale każdy dokument jest finalnie sprawdzany przez doświadczonego prawnika”. Transparentność buduje zaufanie, a jednocześnie podkreśla, że nie ma tu czarów – wciąż odpowiada za to żywy człowiek. Wreszcie, kontrola jakości to także szkolenie zespołu – trzeba nauczyć pracowników, jak skutecznie używać AI (dobrze promptować, weryfikować wyniki). Według Clio’s Legal Trends Report 2024, choć 79% prawników używa AI, tylko 8% robi to „uniwersalnie” w całej firmie , co sugeruje, że reszta ostrożnie testuje. Stopniowe wdrażanie i dzielenie się doświadczeniami w zespole pomaga wychwycić typowe błędy AI i nauczyć się im zapobiegać. Podsumowując: zachowanie kontroli jakości sprowadza się do nie polegania ślepo na AI. Traktujemy ją jako pomocnika, ale nie zwalniamy się z obowiązku czujności. Sprawdzamy, testujemy, weryfikujemy – dokładnie tak, jak robiłby to doświadczony partner, gdy dokument przygotuje młodszy prawnik. W ten sposób korzystamy z zalet AI, minimalizując ryzyka.