AI dla kancelarii prawnej: jak wdrożyć asystenta, który nie zmyśla sygnatur

Poradnik dla wspólników kancelarii, radców w działach prawnych i osób odpowiedzialnych za IT w firmach prawniczych. Wyjaśniamy, jak działa AI dla kancelarii prawnej oparte na RAG i polskim prawie, czym różni się od ogólnego chatbota i o co pytać dostawcę przed wdrożeniem.

Dlaczego ogólny chatbot nie nadaje się do researchu prawnego

Ogólny asystent AI odpowiada z pamięci modelu. Brzmi pewnie, podaje sygnaturę w poprawnym formacie, a w bazie orzeczeń takiego wyroku nie ma albo dotyczy on czegoś innego. Prawnik musi wtedy sprawdzić wszystko od zera, więc oszczędność czasu znika.

Drugi problem to aktualność. Model pamięta przepis w brzmieniu z dnia treningu, a polskie prawo zmienia się stale. Bez dostępu do tekstu jednolitego na wskazany dzień i statusu aktu odpowiedź może być poprawna dla stanu sprzed roku.

Trzeci problem jest organizacyjny. Kancelaria rzadko zadaje pojedyncze pytania. Pracuje na sprawie z dziesiątkami plików, skanami i korespondencją, do której wraca przez tygodnie. Narzędzie do pojedynczych pytań tego nie obsłuży.

RAG na polskim prawie: na czym polega i czego wymaga

RAG (retrieval-augmented generation) to wzorzec, w którym model przed odpowiedzią wyszukuje i czyta źródła, a dopiero potem pisze odpowiedź na ich podstawie. W prawie oznacza to, że jakość systemu zależy przede wszystkim od bazy i wyszukiwarki, a dopiero w drugiej kolejności od samego modelu.

W opisanym wyżej wdrożeniu baza obejmuje 3,9 mln dokumentów w 14 zbiorach, w tym 744 tys. orzeczeń. Są tam orzeczenia sądów powszechnych, SN, TK, KIO, NSA i WSA, artykuły ustaw i kodeksów z historią brzmień, interpretacje podatkowe, decyzje UODO, KNF i UOKiK, akty prawne z metadanymi ELI i prace Sejmu. Indeks liczy ponad 20 mln fragmentów tekstu.

Samo zebranie danych nie wystarczy. Język prawniczy wymaga wyszukiwania hybrydowego: dopasowanie semantyczne łapie sens pytania, pełnotekstowe łapie dokładne sygnatury i nazwy instytucji. Na końcu reranker wytrenowany na polskim języku prawniczym ustawia wyniki w kolejności przydatności. Baza musi być też regularnie odświeżana z oficjalnych źródeł, tu codziennie.

Z tego wynika praktyczny wniosek: pytając dostawcę o RAG na polskim prawie, pytaj najpierw o zakres i świeżość bazy oraz o sposób wyszukiwania. Nazwa modelu językowego jest mniej ważna, bo model można wymienić, a zbudowanie dobrze zindeksowanej bazy orzecznictwa i aktów prawnych to najbardziej pracochłonna część projektu.

Halucynacje AI w prawie: weryfikacja cytatów u źródła

RAG zmniejsza ryzyko zmyśleń, ale go nie eliminuje. Model nadal może dopisać sygnaturę, której nie przeczytał. Dlatego w Prawbocie działa dodatkowa warstwa: strażnicy cytowań porównują każdą sygnaturę i każdy artykuł w odpowiedzi z listą dokumentów realnie przeczytanych w tej rozmowie. Cytat, którego nie da się zakotwiczyć w źródle, jest oznaczany jako wymagający weryfikacji.

Ten mechanizm wynika z testów. Zespół zbudował własny zestaw benchmarków prawniczych z kazusami z kilku dziedzin, z pułapkami na przepisy szczególne i zmyślone tezy orzeczeń. Wniosek był jednoznaczny: błędy pojawiały się prawie wyłącznie tam, gdzie model odpowiadał bez sięgnięcia do bazy.

Praktyczna wskazówka przy wyborze narzędzia: poproś o pokazanie, co się dzieje, gdy system nie znajdzie źródła. Dobre AI dla kancelarii prawnej powinno wtedy wyraźnie to zasygnalizować, a nie odpowiedzieć pewnym tonem.

Tajemnica zawodowa i model językowy na własnych serwerach

Umowa, akt oskarżenia czy dokumentacja sporu wklejona do publicznego chatbota trafia do infrastruktury, nad którą kancelaria nie ma kontroli. Dla zawodu objętego tajemnicą to pytanie o odpowiedzialność, nie szczegół techniczny.

Rozwiązaniem jest model o otwartych wagach uruchomiony na serwerach, które kontroluje dostawca usługi albo sama kancelaria. W Prawbocie model działa na własnych serwerach GPU, a platforma i dane stoją na dedykowanym serwerze w centrum danych OVHcloud w Warszawie. Zapytania i dokumenty nie trafiają do zewnętrznego dostawcy modeli. Dla kancelarii z bardziej restrykcyjnymi wymaganiami możliwa jest instancja dedykowana, odizolowana od wspólnej chmury.

Do tego dochodzi warstwa formalna. Przy wdrożeniu warto sprawdzić, czy dostawca ma umowę powierzenia zgodną z art. 28 RODO, informację o AI zgodną z art. 50 AI Act i procedurę realizacji praw osób. W opisanym projekcie komplet takich dokumentów był częścią produktu, a kod i izolację klientów sprawdziły dwa audyty bezpieczeństwa.

Co powinno umieć AI dla kancelarii prawnej poza odpowiadaniem na pytania

Czat z cytatami to dopiero początek. W codziennej pracy liczą się funkcje, które obsługują całą sprawę:

• przepis na wskazany dzień, ze statusem aktu (obowiązuje, uchylony, zmieniony) i listą nowelizacji,
• pamięć sprawy, która trzyma ustalenia między rozmowami,
• odczyt skanów i zdjęć dokumentów wrzuconych do sprawy,
• głęboki research: plan pytań badawczych, równoległe agenty-specjaliści od poszczególnych dziedzin, synteza w opinię z przypisami,
• generator pism, w Prawbocie ponad 400 typów dokumentów,
• własne przepływy agentowe, w których kancelaria składa powtarzalny proces na dziesiątkach plików.

Technicznie wszystkie te funkcje korzystają z jednego zestawu ponad 40 narzędzi wystawionych przez Model Context Protocol (MCP): wyszukaj wyroki, przeczytaj artykuł na wskazany dzień, sprawdź status aktu, pokaż powiązane orzeczenia. Dzięki temu czat, agenci researchu i zewnętrzne klienty MCP pracują na tych samych, sprawdzonych źródłach.

Jak wybrać wdrożeniowca AI dla kancelarii

Przed podpisaniem umowy warto zadać dostawcy kilka konkretnych pytań:

• Czy system czyta źródło przed odpowiedzią i jak oznacza cytaty, których nie zweryfikował?
• Na jakich danych był testowany i czy możecie przetestować go na naszych dokumentach?
• Gdzie fizycznie działają model i baza, i kto jest podmiotem przetwarzającym?
• Jak często odświeżana jest baza prawa i skąd pochodzą dane?
• Jak wygląda utrzymanie po wdrożeniu, a nie tylko sam projekt?

Odpowiedzi na te pytania mówią więcej niż demo. Demo pokazuje dobrze dobrane przykłady, a w praktyce o przydatności narzędzia decyduje to, jak zachowuje się na trudnej sprawie z niepełnymi danymi.

Gotową platformę opisujemy na stronie Prawbot: platforma AI dla prawników, ten sam wzorzec RAG z weryfikacją źródeł przenosimy na dokumentację i procedury innych firm w ramach wdrożeń AI, a rozmowę o konkretnej kancelarii najprościej zacząć przez kontakt.