Kiedy AI może pomóc w researchu prawnym, a kiedy nie

Zadania, w których AI realnie przyspiesza research

Wspólny mianownik zadań, które można oddać AI, jest jeden: wynik da się szybko zweryfikować. Sygnatura istnieje albo nie. Przepis obowiązuje albo został uchylony. Orzeczenie dotyczy zagadnienia albo go nie dotyczy. W takich zadaniach model językowy nie podejmuje za prawnika żadnej decyzji, skraca jedynie drogę do materiału.

• Wyszukiwanie po opisie problemu: zamiast zgadywać słowa kluczowe, można opisać stan faktyczny i otrzymać listę potencjalnie relewantnych przepisów oraz orzeczeń do sprawdzenia.
• Porządkowanie dużych zbiorów źródeł: grupowanie kilkudziesięciu orzeczeń według zagadnień, chronologii czy kierunku rozstrzygnięcia.
• Wstępna mapa regulacji: przy wejściu w nowe zagadnienie AI szybko wskaże, które akty prawne w ogóle trzeba otworzyć.
• Generowanie wariantów kwerendy: lista pytań, synonimów i pojęć pokrewnych, które można sprawdzić w bazach.

Tak rozumiany research prawny z AI traktuje narzędzie jak szybkiego asystenta do kwerendy, a nie autora opinii. Prawnik nadal decyduje, co jest relewantne. AI skraca tylko czas dotarcia do kandydatów na źródła.

Gdzie AI zawodzi: ocena prawna, rozbieżności i konfabulacje

Model językowy generuje tekst statystycznie prawdopodobny na tle danych, na których był trenowany. Tam, gdzie istnieje utrwalona linia orzecznicza, „prawdopodobny” często pokrywa się z „prawidłowym”. Tam, gdzie jej nie ma, już nie. Stąd cztery obszary, w których AI regularnie zawodzi.

• Ostateczna ocena prawna sprawy: ważenie ryzyka, dobór strategii i rekomendacja dla klienta wymagają odpowiedzialności zawodowej, której narzędzie nie ponosi.
• Wykładnia przy rozbieżnym orzecznictwie: model uśrednia sprzeczne stanowiska albo wybiera jedno bez uzasadnienia, zamiast pokazać rzeczywistą rozbieżność.
• Nowe przepisy bez orzecznictwa: brak praktyki oznacza brak danych, a model chętnie „dopowie” interpretację, która nie ma żadnego oparcia w źródłach.
• Sprawy precedensowe: z definicji wymagają argumentacji, której wcześniej nie było, czyli dokładnie tego, czego model statystyczny nie wytworzy rzetelnie.

Do tego dochodzi ryzyko konfabulacji: zmyślone sygnatury i nieistniejące tezy orzeczeń podane pewnym tonem. To najczęściej opisywane ograniczenia AI w prawie, przy czym wynikają one z samej konstrukcji modeli językowych, a nie z ich chwilowego niedopracowania.

Strefa pośrednia i cutoff wiedzy: praca dozwolona tylko z weryfikacją

Między zadaniami bezpiecznymi a zakazanymi leży najszersza strefa: praca, w której AI daje realną oszczędność czasu, ale każdy element wyniku trzeba sprawdzić. Należą tu streszczenia uzasadnień, zestawienia linii orzeczniczej, projekty argumentacji traktowane jako punkt wyjścia czy analiza zmian w przepisach. Najpoważniejsze błędy w researchu prawnym zaczynają się dokładnie tam, gdzie weryfikację uznano za zbędną, bo odpowiedź „wyglądała wiarygodnie”.

Osobnym problemem jest data graniczna wiedzy modelu, tak zwany cutoff: moment, po którym model nie zna nowych ustaw, nowelizacji ani orzeczeń. W prawie to wada krytyczna. Przepis przywołany przez model mógł zostać w międzyczasie znowelizowany lub uchylony, a linia orzecznicza mogła się odwrócić.

Częściowym rozwiązaniem są narzędzia, które nie odpowiadają „z pamięci” modelu, lecz sięgają do aktualizowanej bazy przepisów i orzecznictwa i podają odpowiedź z przypisami do konkretnych źródeł. To ogranicza problem cutoffu, ale nie zwalnia z dwóch nawyków: zawsze ustal, na jaką datę odpowiedź opisuje stan prawny, a brzmienie kluczowego przepisu porównaj z tekstem w oficjalnym publikatorze (ISAP). Pytanie „skąd narzędzie wie to, co twierdzi” powinno być pierwszym filtrem przy ocenie każdej odpowiedzi AI w pracy prawnika.

Co na to regulacje: rekomendacje KIRP, AI Act i RODO

Granice korzystania z AI wyznacza nie tylko technologia, ale i otoczenie regulacyjne. Krajowa Izba Radców Prawnych opublikowała w 2025 r. rekomendacje dotyczące korzystania przez radców prawnych z narzędzi opartych na sztucznej inteligencji. Dokument podkreśla konieczność zachowania nadzoru człowieka nad wynikami pracy narzędzi, ochronę tajemnicy zawodowej przy przekazywaniu danych do systemów AI oraz odpowiedzialność radcy za treści wygenerowane z pomocą AI. Ma przy tym charakter „żywego dokumentu”, aktualizowanego wraz z rozwojem technologii.

Równolegle obowiązuje akt o sztucznej inteligencji (rozporządzenie UE 2024/1689, tzw. AI Act), który wszedł w życie 1 sierpnia 2024 r. i jest stosowany etapami: od 2 lutego 2025 r. obowiązują zakazy praktyk niedopuszczalnych, od 2 sierpnia 2025 r. obowiązki dotyczące modeli ogólnego przeznaczenia, a od 2 sierpnia 2026 r. zacznie być stosowana większość pozostałych przepisów, w tym obowiązki przejrzystości. Dla kancelarii oznacza to przede wszystkim obowiązek świadomego doboru narzędzi i wiedzy o tym, jak działa system, z którego się korzysta.

Wreszcie RODO: jeśli w zapytaniach do narzędzia pojawiają się dane osobowe klientów lub przeciwników procesowych, kancelaria pozostaje administratorem tych danych i musi ocenić podstawy oraz warunki ich przetwarzania przez dostawcę narzędzia. W praktyce bezpieczniejsze są anonimizacja zapytań oraz narzędzia z umownymi gwarancjami poufności.

Procedura: weryfikacja odpowiedzi AI przed użyciem w sprawie

Krok pierwszy polega na ustaleniu źródła: każdą tezę z odpowiedzi AI odnosimy do konkretnego przepisu lub orzeczenia i sprawdzamy, czy to źródło w ogóle istnieje oraz czy jest pierwotne. Krok drugi obejmuje weryfikację sygnatury, czyli wyszukanie jej w portalu orzeczeń właściwego sądu lub w komercyjnej bazie orzecznictwa. Jeśli sygnatura nie zwraca wyniku albo treść uzasadnienia nie pokrywa się z przywołaną tezą, źródło odpada.

Krok trzeci to kontrola daty i stanu prawnego: ustalamy, na jaką datę odpowiedź opisuje stan prawny, a brzmienie kluczowego przepisu porównujemy z tekstem w ISAP. Krok czwarty obejmuje ocenę aktualności, czyli sprawdzenie, czy teza nadal obowiązuje, czy linia orzecznicza się nie odwróciła i czy przepis nie został w międzyczasie znowelizowany. Krok piąty polega na porównaniu kontekstu: stan faktyczny orzeczenia musi rzeczywiście przystawać do prowadzonej sprawy, a nie tylko brzmieć podobnie.

Krok szósty, w praktyce najczęściej pomijany, to udokumentowanie weryfikacji. Krótka notatka o tym, co sprawdzono, w jakiej bazie i na jaką datę, pozwala później wykazać należytą staranność, także wobec klienta lub samorządu zawodowego.

Typowe błędy przy korzystaniu z AI w researchu prawnym

Większość wpadek z AI w kancelariach ma wspólny schemat: odpowiedź brzmiała pewnie, więc ktoś uznał weryfikację za zbędną. Pewny ton nie jest miarą poprawności. Modele formułują błędne odpowiedzi równie stanowczo jak trafne, a zmyślona sygnatura wygląda identycznie jak prawdziwa, dopóki nie sprawdzi się jej w bazie.

• Cytowanie bez sprawdzenia: sygnatura lub przepis z odpowiedzi AI trafia do pisma bez weryfikacji u źródła.
• Ignorowanie daty granicznej: praca na stanie prawnym sprzed cutoffu modelu, bez sprawdzenia nowelizacji i aktualnej linii orzeczniczej.
• Wklejanie pism klienta do publicznych chatbotów: ryzyko naruszenia tajemnicy zawodowej i zasad RODO, gdy dostawca nie gwarantuje poufności.
• Zlecanie modelowi wykładni spornych zagadnień: uśredniona odpowiedź maskuje rzeczywistą rozbieżność orzecznictwa.
• Traktowanie projektu argumentacji jak gotowej opinii: tekst od AI to punkt wyjścia do pracy prawnika, a nie wynik researchu.

Najczęstsze pytania (QA)

Jak szybko sprawdzić, czy orzeczenie podane przez AI naprawdę istnieje?

Wyszukaj sygnaturę w portalu orzeczeń właściwego sądu (SN, NSA, portale sądów powszechnych) lub w komercyjnej bazie orzecznictwa. Jeśli sygnatura nie zwraca wyniku albo treść uzasadnienia nie pokrywa się z przywołaną tezą, odrzuć źródło i poszukaj orzeczenia samodzielnie.

Czy mogę wkleić pismo klienta do ogólnodostępnego chatbota, żeby przyspieszyć research?

Nie rób tego bez sprawdzenia, co dostawca robi z wprowadzanymi danymi. Treść pisma jest zwykle objęta tajemnicą zawodową i zawiera dane osobowe, więc w grę wchodzą zarówno zasady etyki, jak i RODO. Bezpieczniejsze rozwiązania to anonimizacja zapytania albo narzędzie z umownymi gwarancjami poufności i niewykorzystywania danych do trenowania modeli.

Od jakich zadań zacząć, żeby bezpiecznie wdrożyć AI do researchu w kancelarii?

Od zadań wyszukiwawczych i porządkujących, których wynik łatwo zweryfikować: kwerendy orzecznictwa, mapy regulacji, grupowanie źródeł. Równolegle ustal w zespole żelazną zasadę: żadna sygnatura i żaden przepis z odpowiedzi AI nie trafia do dokumentu bez sprawdzenia u źródła.

Co zrobić, gdy AI odpowiada pewnie, ale nie podaje źródeł?

Potraktuj taką odpowiedź wyłącznie jako hipotezę do sprawdzenia, nigdy jako wynik researchu. Pewny ton nie jest miarą poprawności, modele formułują błędne odpowiedzi równie stanowczo jak trafne. W praktyce lepiej korzystać z narzędzi, które domyślnie podają przypisy do przepisów i orzeczeń.

Czym jest cutoff wiedzy modelu i dlaczego ma znaczenie w prawie?

To data graniczna, po której model nie zna nowych ustaw, nowelizacji ani orzeczeń. W prawie oznacza to ryzyko pracy na uchylonym przepisie albo nieaktualnej linii orzeczniczej. Dlatego przy każdej odpowiedzi trzeba ustalić, na jaką datę opisuje ona stan prawny, i porównać kluczowe przepisy z tekstem w ISAP.

Czy rekomendacje KIRP zabraniają radcom prawnym korzystania z AI?

Nie, rekomendacje z 2025 r. nie zakazują korzystania z narzędzi AI. Wymagają natomiast zachowania nadzoru człowieka nad wynikami ich pracy, ochrony tajemnicy zawodowej przy przekazywaniu danych do systemów AI oraz przyjęcia przez radcę odpowiedzialności za treści wygenerowane z pomocą narzędzi. Dokument ma charakter żywy i będzie aktualizowany wraz z rozwojem technologii.