Zarządzanie wiedzą w kancelarii z pomocą AI

Dlaczego wiedza kancelarii ginie w folderach

Typowa struktura dysku kancelarii to foldery klientów, w nich foldery spraw, a w nich pliki o nazwach w rodzaju „opinia_final_v3_poprawiona”. Ta struktura dobrze służy prowadzeniu pojedynczej sprawy, ale fatalnie sprawdza się we wszystkim innym. Opinia o odpowiedzialności członka zarządu za zobowiązania spółki, napisana dwa lata temu dla klienta X, jest niewidoczna dla prawnika, który dziś analizuje to samo zagadnienie dla klienta Y. Formalnie kancelaria ją ma, praktycznie nie istnieje.

Skutki są policzalne. Research robiony od zera w temacie, który zespół już raz przepracował, to godziny pracy trudne do wykazania klientowi. Dochodzi ryzyko niespójności: dwie opinie tej samej kancelarii w podobnym stanie faktycznym mogą dojść do różnych wniosków, bo ich autorzy o sobie nie wiedzieli. A gdy doświadczony prawnik odchodzi, zabiera ze sobą jedyny działający indeks archiwum, czyli własną pamięć. Dlatego zarządzanie wiedzą w kancelarii zaczyna się nie od zakupu narzędzia, lecz od uznania, że archiwum spraw i baza wiedzy to dwie różne rzeczy.

Co zmienia AI: od archiwum do bazy, która odpowiada na pytania

Klasyczne wyszukiwanie pełnotekstowe znajduje dokumenty, w których pada dokładnie wpisana fraza. Wyszukiwanie oparte na AI działa na poziomie znaczenia: pytanie „czy pisaliśmy coś o przedawnieniu roszczeń z umowy o roboty budowlane” odnajdzie także opinię, w której słowo „przedawnienie” nie pojawia się ani w tytule, ani w nazwie pliku. Narzędzie potrafi też streścić odnaleziony dokument i wskazać istotny fragment, zamiast zwracać listę dwudziestu plików do ręcznego przejrzenia.

Równie ważne jest, czego AI w tym układzie nie robi. Nie ocenia, czy opinia sprzed trzech lat jest nadal aktualna, i nie decyduje, czy pasuje do nowego stanu faktycznego: to pozostaje zadaniem prawnika. Dobrze skonfigurowana baza zawsze prowadzi od odpowiedzi do dokumentu źródłowego i pokazuje, kto go napisał, kiedy, na jakim stanie prawnym i jakie orzeczenia przywołał. Jeśli kancelaria dopiero układa plan cyfryzacji, baza wiedzy jest dobrym punktem startu, bo LegalTech i automatyzacja rzadko oferują szybszy zwrot niż projekt pracujący na materiale, który już wytworzono i opłacono.

Poufność, tajemnica zawodowa i RODO

Wewnętrzna baza wiedzy nie zdejmuje z kancelarii żadnego z obowiązków poufności. Przeciwnie, koncentruje ryzyko w jednym miejscu. Trzy punkty odniesienia są tu obowiązkowe.

• Rekomendacje KIRP: opublikowane w 2025 r. rekomendacje Krajowej Izby Radców Prawnych dotyczące korzystania z narzędzi opartych na sztucznej inteligencji porządkują temat w 22 punktach, od wyboru i weryfikacji narzędzia, przez ochronę tajemnicy zawodowej i danych osobowych, po nadzór człowieka nad rezultatami pracy AI. Dla projektu bazy wiedzy szczególnie istotne są zalecenia dotyczące sprawdzenia, gdzie i jak dostawca przetwarza wprowadzane treści.
• RODO i pseudonimizacja: usunięcie nazwisk z opinii nie zawsze wystarcza. EDPB w wytycznych 01/2025 dotyczących pseudonimizacji przypomina, że dane spseudonimizowane, czyli takie, które da się przypisać osobie przy użyciu dodatkowych informacji, pozostają danymi osobowymi. Jeżeli opis stanu faktycznego pozwala zidentyfikować klienta, dokument w bazie nadal podlega RODO, z zasadą minimalizacji danych na czele.
• AI Act: od 2 lutego 2025 r. stosuje się m.in. przepisy o kompetencjach w zakresie AI, zgodnie z którymi podmioty korzystające z systemów AI mają zapewnić odpowiedni poziom wiedzy personelu, który się nimi posługuje. Od 2 sierpnia 2026 r. zacznie być stosowana większość pozostałych przepisów rozporządzenia. Wewnętrzna wyszukiwarka wiedzy zwykle nie będzie systemem wysokiego ryzyka, ale obowiązek przeszkolenia zespołu dotyczy każdej kancelarii, która korzysta z AI zawodowo.

Ponowne użycie: weryfikacja zamiast kopiowania

Największe ryzyko bazy wiedzy nie leży w technologii, lecz w pokusie skrótu: skoro AI znalazła gotową opinię, można ją „odświeżyć” i wysłać. Tymczasem opinia z 2022 r. mogła powstać przed istotną nowelizacją albo przed uchwałą, która odwróciła linię orzeczniczą. Dokument odnaleziony w bazie to punkt startu researchu, nie jego wynik.

Praktyczna rutyna przed ponownym użyciem sprowadza się do czterech pytań: na jaki dzień przygotowano analizę, czy przywołane przepisy obowiązują w niezmienionym brzmieniu, czy powołane orzeczenia z sygnaturami są nadal aktualne oraz czy stan faktyczny nowej sprawy rzeczywiście odpowiada tamtemu. Cały mechanizm działa najlepiej, gdy zespół prowadzi rzetelne dokumentowanie researchu: opinia, przy której zapisano, jakie przepisy i orzeczenia sprawdzono i na jaki dzień, jest przy ponownym użyciu warta wielokrotnie więcej niż sam wniosek końcowy. Wnioski z każdej weryfikacji dopisuje się do dokumentu w bazie, bo każda kolejna osoba zaczyna wtedy z lepszego miejsca, a baza z martwego archiwum staje się zasobem, który zyskuje na wartości z każdym użyciem.

Procedura: budowa bazy wiedzy kancelarii w pięciu krokach

Krok pierwszy polega na inwentaryzacji. Zbierz opinie, memoranda i najważniejsze pisma z ostatnich trzech do pięciu lat, ale tylko te o wartości ponownego użycia, czyli dokumenty, które odpowiadają na pytanie prawne, a nie relacjonują przebieg sprawy. Krok drugi obejmuje anonimizację: przed indeksowaniem usuń dane klientów, stron i osób trzecich, bo wymaga tego zarówno tajemnica zawodowa, jak i RODO.

Krok trzeci to struktura tagów. Opisz każdy dokument trzema wymiarami: dziedziną (np. prawo spółek), zagadnieniem (np. odpowiedzialność zarządu) i rokiem stanu prawnego. Ostatni tag jest najważniejszy, bo pozwala szybko ocenić ryzyko nieaktualności. Krok czwarty dotyczy zasad dostępu: ustal, kto widzi które kategorie dokumentów, zanim podłączysz wyszukiwarkę. Baza przeszukiwalna przez AI ujawnia treści sprawniej niż folder, więc bariery informacyjne, choćby przy konflikcie interesów, muszą być odwzorowane w uprawnieniach.

Krok piąty domyka projekt: od pierwszego dnia egzekwuj zasadę, że każdy odnaleziony materiał przed ponownym użyciem przechodzi kontrolę źródła, sygnatur, daty powstania i aktualności stanu prawnego oraz dopasowania do kontekstu nowej sprawy. Przy takiej dyscyplinie zakresu budowa bazy to projekt na tygodnie, nie miesiące.

Typowe błędy przy budowie bazy wiedzy z AI

Większość nieudanych wdrożeń wygląda podobnie: kancelaria kupuje narzędzie, wgrywa całe archiwum i po kwartale nikt z bazy nie korzysta. Za taki scenariusz odpowiada zwykle kilka powtarzalnych błędów.

• Digitalizacja wszystkiego naraz: indeksowanie kilkunastu tysięcy plików bez selekcji zasypuje wyniki wyszukiwania dokumentami bez wartości ponownego użycia. Lepiej zacząć od 100-200 najlepszych opracowań.
• Pominięcie anonimizacji: wgranie opinii z danymi klientów do narzędzia bez podstawy umownej i bez wiedzy, gdzie dane są przetwarzane, narusza tajemnicę zawodową, a sama deklaracja poufności dostawcy tego nie naprawia.
• Brak właściciela bazy: bez konkretnego prawnika z mandatem wspólników struktura tagów rozjeżdża się w kilka miesięcy, a oznaczenia stanu prawnego przestają być wiarygodne.
• Uprawnienia dopisane po fakcie: podłączenie wyszukiwarki przed ustaleniem, kto widzi które dokumenty, potrafi obejść bariery informacyjne przy konflikcie interesów.
• Kopiowanie zamiast weryfikacji: traktowanie odnalezionej opinii jak gotowego produktu, bez sprawdzenia stanu prawnego i sygnatur, zamienia oszczędność czasu w ryzyko odpowiedzialności.

Najczęstsze pytania (QA)

Od czego zacząć, jeśli archiwum kancelarii to kilkanaście tysięcy plików?

Nie od digitalizacji całości. Wybierz 100-200 dokumentów o najwyższej wartości ponownego użycia, czyli opinie i memoranda z ostatnich 3-5 lat w wiodących dziedzinach, i na nich przetestuj cały proces: anonimizację, tagi, wyszukiwanie. Rozszerzenie działającej bazy jest proste, naprawa źle zaprojektowanej już nie.

Czy można wgrać do narzędzia AI opinie z danymi klientów, jeśli dostawca deklaruje poufność?

Sama deklaracja nie wystarczy. Potrzebna jest podstawa umowna (w tym powierzenie przetwarzania danych), wiedza, gdzie dane są przetwarzane i czy służą do trenowania modeli, oraz anonimizacja wszędzie tam, gdzie identyfikacja klienta nie jest konieczna. Rekomendacje KIRP wskazują weryfikację dostawcy jako krok poprzedzający wdrożenie.

Czym różni się baza wiedzy od archiwum spraw?

Archiwum spraw służy prowadzeniu i rozliczaniu pojedynczych spraw, więc jest uporządkowane według klientów i sygnatur. Baza wiedzy porządkuje dorobek według zagadnień prawnych i stanu prawnego, bo jej celem jest ponowne użycie opracowań w nowych sprawach. Ten sam dokument może trafić do obu miejsc, ale pełni w nich różne role.

Kto powinien odpowiadać za bazę wiedzy w kancelarii?

Konkretny prawnik z mandatem wspólników, a nie dział IT ani „wszyscy po trochu”. Właściciel bazy decyduje o strukturze tagów, przyjmuje nowe dokumenty i cyklicznie sprawdza, czy oznaczenia stanu prawnego są aktualne. Bez tej roli baza degraduje się w kilka miesięcy.

Czy wewnętrzna wyszukiwarka wiedzy podlega AI Act?

Od 2 lutego 2025 r. stosuje się m.in. przepisy o kompetencjach w zakresie AI: podmioty korzystające z systemów AI mają zapewnić odpowiedni poziom wiedzy personelu, który się nimi posługuje. Wewnętrzna wyszukiwarka wiedzy zwykle nie będzie systemem wysokiego ryzyka, ale obowiązek przeszkolenia zespołu dotyczy każdej kancelarii, która korzysta z AI zawodowo. Od 2 sierpnia 2026 r. zacznie być stosowana większość pozostałych przepisów rozporządzenia.

Jak zmierzyć, czy baza wiedzy faktycznie działa?

Najprostszy wskaźnik: ile razy w miesiącu dokument z bazy został ponownie użyty w nowej sprawie i ile godzin researchu to oszczędziło. Jeśli po kwartale nikt z bazy nie korzysta, problemem jest zwykle brak zaufania do wyników albo brak nawyku, a nie technologia.