AI ogólne czy AI oparte na bazie prawnej: co wybrać

Skąd narzędzie bierze to, co mówi: wiedza wtrenowana kontra baza źródeł

Model ogólnego przeznaczenia, taki jak publiczne chatboty, odpowiada z wiedzy zapisanej w jego parametrach podczas treningu. Ta wiedza ma datę graniczną (tzw. cutoff): nowelizacja, nowa uchwała czy zmiana linii orzeczniczej, które nastąpiły później, dla modelu nie istnieją. Co ważniejsze, model niczego nie „cytuje” w ścisłym sensie. Generuje najbardziej prawdopodobną odpowiedź na podstawie wzorców z danych treningowych, dlatego domyślnie nie ma przypisów: nie istnieje konkretny dokument, z którego odpowiedź została wzięta.

Narzędzie oparte na bazie prawnej działa w odwrotnej kolejności. Najpierw wykonuje wyszukiwanie źródeł prawnych w aktualizowanej bazie przepisów i orzecznictwa, a dopiero potem generuje odpowiedź zbudowaną na znalezionych fragmentach i opatrzoną przypisami: artykułem ustawy, sygnaturą orzeczenia, datą. Model pełni tu rolę redaktora, który streszcza i porządkuje źródła, a nie jedynego autora tezy.

To nie jest różnica techniczna dla informatyków. To różnica między „opinią modelu”, której pochodzenia nie da się ustalić, a odpowiedzią z dokumentacją, którą prawnik może sprawdzić punkt po punkcie.

Aktualność, sygnatury, dokumentacja: trzy różnice widoczne w praktyce

Różnicę w architekturze widać najlepiej w trzech miejscach, w których kancelaria płaci za błąd realnym czasem albo realnym ryzykiem.

• Aktualność stanu prawnego: przepis znowelizowany po dacie granicznej treningu model ogólny zacytuje w starym brzmieniu, pewnym tonem i bez ostrzeżenia. Narzędzie z bazą opiera odpowiedź na tym, co w bazie faktycznie jest, więc pytanie do dostawcy brzmi nie „czy model jest nowy”, tylko „jak często aktualizujecie bazę przepisów i orzeczeń”.
• Sygnatury i halucynacje: model ogólny potrafi podać orzeczenie, które nie istnieje, z poprawnie wyglądającą sygnaturą, datą i przekonującą tezą. W narzędziu z przypisami też trzeba czytać krytycznie, bo model może niezręcznie streścić prawdziwe źródło, ale błąd jest wykrywalny: przypis prowadzi do konkretnego dokumentu, który można otworzyć i porównać z odpowiedzią.
• Dokumentowanie pracy: w pracy dla klienta liczy się nie tylko wniosek, lecz także ślad, czyli źródło, jego brzmienie i dzień, na który oparto analizę. Odpowiedź bez źródeł trzeba udokumentować od zera, a odpowiedź z sygnaturami i datami dokumentuje się niemal sama i łatwiej obroni się przy nadzorze wspólnika czy pytaniach klienta.

Jest jeszcze wymiar czasu: weryfikacja odpowiedzi z przypisami zajmuje minuty, weryfikacja odpowiedzi bez źródeł oznacza osobną kwerendę w kilku bazach.

Do czego AI ogólne wystarcza i sześć kryteriów decyzji

Uczciwie: AI ogólne bywa dobrym narzędziem tam, gdzie nikt nie pyta o stan prawny. Sprawdzi się przy szkicu maila lub tekstu na stronę kancelarii, uporządkowaniu struktury dokumentu, roboczym tłumaczeniu, streszczeniu materiału, który sam mu wkleisz (o ile nie zawiera danych klienta), czy przy burzy mózgów nad argumentacją, którą i tak zweryfikujesz. Granica przebiega tam, gdzie zaczyna się research: „jaki jest aktualny stan prawny”, „jakie orzecznictwo dotyczy tej kwestii”, „czy ten przepis nadal obowiązuje”. Tu architektura modelu ogólnego pracuje przeciwko prawnikowi, bo z założenia generuje odpowiedź brzmiącą wiarygodnie, a nie odpowiedź weryfikowalną. Problemem nie jest to, że model „czasem się myli”, tylko to, że bez przypisów nie widać, kiedy.

Samo zestawienie „AI ogólne czy AI z bazą prawną” nie ma uniwersalnego zwycięzcy. Ma za to kryteria, które każdy sprawdzi na sprawach z własnej praktyki, i tej zasady trzymamy się we wszystkich tekstach z cyklu porównania narzędzi AI: nie ranking, tylko pytania kontrolne. Sześć kryteriów robi różnicę w praktyce: pochodzenie odpowiedzi (wiedza wtrenowana czy baza źródeł), przypisy (czy każdą tezę da się kliknąć), aktualność (jak często baza jest odświeżana), ryzyko halucynacji (jak łatwo wykryć błąd), poufność danych (gdzie trafiają zapytania) oraz koszt liczony razem z czasem weryfikacji.

Narzędzie „darmowe”, po którym każdą sygnaturę trzeba ręcznie sprawdzać w kilku bazach, bywa droższe od płatnego z przypisami. W narzędziach projektowanych pod research prawny (tak działa m.in. Legal Booster) odpowiedź zawiera przypisy do przepisów i orzeczeń z sygnaturami, więc większość kryteriów można przetestować samodzielnie w kilkanaście minut, na pytaniach z własnej specjalizacji.

Poufność i regulacje: RODO, rekomendacje KIRP, AI Act

Poufność i zgodność z regulacjami warto sprawdzić na samym początku procesu, jakim jest wybór narzędzia AI dla prawników, bo te kryteria dyskwalifikują szybciej niż jakość odpowiedzi. Wprowadzanie danych klienta do publicznego chatbota bez umowy powierzenia przetwarzania (art. 28 RODO) i bez wiedzy, czy dostawca trenuje modele na treści zapytań, naraża tajemnicę zawodową niezależnie od tego, jak dobre są odpowiedzi.

Krajowa Izba Radców Prawnych opublikowała w 2025 r. rekomendacje dotyczące korzystania przez radców prawnych z narzędzi opartych na sztucznej inteligencji. Kierunek jest jednoznaczny: narzędzia AI można i warto stosować, ale pod nadzorem człowieka, z ochroną tajemnicy zawodowej i z odpowiedzialnością za rezultat zawsze po stronie prawnika. Ten podział dobrze koresponduje z tematem tego tekstu, bo im łatwiej zweryfikować odpowiedź, tym realniej wykonać obowiązek nadzoru.

Do tego dochodzi AI Act (rozporządzenie 2024/1689), stosowany etapami: od 2 lutego 2025 r. obowiązują m.in. zakazy niedozwolonych praktyk i wymóg kompetencji w zakresie AI po stronie podmiotów stosujących, od 2 sierpnia 2025 r. obowiązki dostawców modeli ogólnego przeznaczenia, a od 2 sierpnia 2026 r. zaczyna się stosowanie większości pozostałych przepisów. Dla kancelarii jako użytkownika oznacza to przede wszystkim jedno: trzeba wiedzieć, jakiego narzędzia się używa, do czego i na jakich danych, co i tak jest fundamentem rozsądnego wdrożenia.

Procedura: jak samodzielnie porównać AI ogólne i AI z bazą prawną

Krok pierwszy polega na ustaleniu pochodzenia odpowiedzi: w dokumentacji lub u dostawcy sprawdzasz, czy narzędzie buduje odpowiedź na bazie przepisów i orzeczeń, czy wyłącznie z wiedzy wtrenowanej, a testem praktycznym jest pytanie o przepis znowelizowany w ostatnich miesiącach. Krok drugi obejmuje test przypisów: zadajesz pytanie z własnej specjalizacji i sprawdzasz, czy każda teza ma przypis z artykułem przepisu lub sygnaturą orzeczenia, a następnie otwierasz dwa lub trzy przypisy i porównujesz treść źródła z odpowiedzią.

Krok trzeci to weryfikacja aktualności: pytasz dostawcę o częstotliwość aktualizacji bazy, a brzmienie przepisu z odpowiedzi porównujesz z ISAP lub innym oficjalnym publikatorem. Krok czwarty dotyczy halucynacji: prosisz o orzecznictwo do wąskiego zagadnienia i weryfikujesz każdą sygnaturę w oficjalnej bazie orzeczeń, notując przy okazji, ile czasu zajmuje taka kontrola w narzędziu bez przypisów.

Krok piąty obejmuje poufność: ustalasz, gdzie przetwarzane są zapytania, czy dostawca zawiera umowę powierzenia (art. 28 RODO) i czy deklaruje, że nie trenuje modeli na Twoich danych, a wynik zestawiasz z rekomendacjami KIRP. Krok szósty zamyka porównanie rachunkiem: liczysz abonament plus czas weryfikacji odpowiedzi w obu wariantach, bo dopiero ta suma pokazuje, które narzędzie jest naprawdę tańsze.

Typowe błędy przy wyborze między AI ogólnym a AI z bazą prawną

Najdroższe błędy nie biorą się z wyboru „złego” narzędzia, tylko z użycia dobrego narzędzia do niewłaściwego zadania albo z pominięcia weryfikacji tam, gdzie była konieczna.

• Research w ogólnym chatbocie: pytanie o aktualny stan prawny zadane modelowi bez bazy źródeł kończy się odpowiedzią wygłoszoną pewnym tonem, której nie da się zweryfikować, bo nie ma przypisów.
• Zaufanie sygnaturom bez sprawdzenia: poprawnie wyglądająca sygnatura nie dowodzi, że orzeczenie istnieje. Każdą trzeba wyszukać w oficjalnej bazie orzeczeń.
• Dane klienta w publicznym czacie: wklejenie treści objętej tajemnicą zawodową bez umowy powierzenia (art. 28 RODO) i bez wiedzy, czy dostawca trenuje modele na zapytaniach, naraża kancelarię niezależnie od jakości odpowiedzi.
• Pytanie o wersję modelu zamiast o bazę: nowszy model nie oznacza aktualnych przepisów. Kluczowa jest częstotliwość aktualizacji bazy przepisów i orzeczeń.
• Liczenie samego abonamentu: narzędzie „darmowe”, po którym każdą tezę trzeba ręcznie sprawdzać w kilku bazach, bywa droższe od płatnego z przypisami.

Najczęstsze pytania (QA)

Czym różni się AI ogólne od AI opartego na bazie prawnej?

AI ogólne generuje odpowiedź z wiedzy zapisanej w parametrach podczas treningu i domyślnie nie podaje źródeł. AI oparte na bazie prawnej najpierw wyszukuje przepisy i orzeczenia w aktualizowanej bazie, a potem buduje odpowiedź z przypisami. W researchu prawnym ta różnica decyduje o tym, czy odpowiedź da się w ogóle zweryfikować.

Czy mogę użyć ogólnego chatbota do przygotowania szkicu pisma?

Do struktury i języka tak, o ile nie wklejasz danych klienta. Podstawę prawną i orzecznictwo ustal w narzędziu z przypisami albo bezpośrednio w bazach źródłowych. Każdą tezę zweryfikuj przed użyciem w piśmie.

Jak szybko sprawdzić, czy narzędzie zmyśla sygnatury?

Poproś o 3-5 orzeczeń do wąskiego zagadnienia z Twojej praktyki i wyszukaj każdą sygnaturę w oficjalnej bazie orzeczeń. Jedna zmyślona sygnatura wystarczy, by nie ufać narzędziu w researchu.

Czy narzędzie z bazą prawną zwalnia z weryfikacji odpowiedzi?

Nie. Przypisy skracają weryfikację i czynią ją wykonalną, ale ocena źródła i odpowiedzialność za rezultat pozostają po stronie prawnika, zgodnie z kierunkiem rekomendacji KIRP z 2025 r.

Czy nowsza wersja modelu ogólnego rozwiązuje problem nieaktualnych przepisów?

Nie, przesuwa jedynie datę graniczną wiedzy. Nowelizacja uchwalona po treningu nadal dla modelu nie istnieje, a odpowiedź wciąż nie ma przypisów. Właściwe pytanie do dostawcy brzmi: jak często aktualizowana jest baza przepisów i orzeczeń.

Co z danymi klientów, jeśli kancelaria już korzysta z ogólnego czatu AI?

Ustal wariant usługi: czy jest umowa powierzenia (art. 28 RODO), gdzie przetwarzane są dane i czy trafiają do treningu modeli. Do czasu wyjaśnienia nie wprowadzaj do narzędzia informacji objętych tajemnicą zawodową.