Dowód przed sądem: automatyczna analiza precedensów z gwarancją pełnej identyfikowalności

W dużej sprawie gospodarczej zespół prawników spędza trzy dni na ręcznym przeszukiwaniu bazy orzeczeń, by znaleźć precedens podważający kluczowy argument strony przeciwnej. System AI wskazuje obiecujący wyrok, ale nikt nie potrafi powiedzieć, dlaczego akurat ten. Ex-GraphRAG zmienia tę sytuację, pokazując dokładną ścieżkę logiczną od zapytania do rekomendacji i ujawniając luki, które tradycyjne narzędzia pomijają.

Problem czarnej skrzynki w analizie prawnej

Kancelarie i działy prawne korporacji coraz częściej sięgają po narzędzia oparte na dużych modelach językowych (LLM) do przeszukiwania baz orzeczeń i analizy umów. Standardowe systemy GraphRAG budują graf powiązań między dokumentami, wyrokami i klauzulami, a następnie używają sieci neuronowej (GNN) do zakodowania tych relacji. Problem polega na tym, że ten koder działa jak czarna skrzynka. Prawnik otrzymuje wynik — na przykład listę rekomendowanych precedensów — ale nie widzi, które konkretnie fragmenty dokumentów i które relacje między nimi przesądziły o rekomendacji. W sprawie wartej kilkadziesiąt milionów złotych to ryzyko nie do zaakceptowania. Bez możliwości weryfikacji ścieżki dowodowej system pozostaje ciekawostką, a nie narzędziem procesowym.

Ex-GraphRAG: rozkładanie rekomendacji na części pierwsze

Ex-GraphRAG, opisany w pracy Kor Sade i współautorów z 2025 roku, zastępuje nieprzejrzysty koder GNN modelem M-GNAN (Multivariate Graph Neural Additive Network). To architektura addytywna, która rozkłada wynik kodowania na dokładny udział każdego węzła grafu i każdej grupy cech. Nie jest to przybliżenie post-hoc, tylko matematycznie ścisła dekompozycja. Dla prawnika oznacza to, że system nie tylko wskazuje precedens, ale też pokazuje: ‘ten akapit wyroku Sądu Apelacyjnego w Warszawie z 2019 roku ma 42% udziału w rekomendacji, ponieważ łączy się przez klauzulę waloryzacyjną z umową analizowaną w sprawie, a tę relację wzmacnia wyrok SN z 2021 roku o udziale 18%”. Wszystkie procenty sumują się do 100%, co daje pełną identyfikowalność.

Scenariusz: strategia procesowa w sporze kontraktowym

Weźmy sprawę o wartości 15 milionów złotych, w której firma budowlana pozywa inwestora o zapłatę za roboty dodatkowe. Umowa zawiera rozbudowaną klauzulę waloryzacyjną zależną od wskaźników GUS i kursu euro, a także zapis o sile wyższej. Zespół prawników musi w trzy dni przygotować odpowiedź na pozew i znaleźć orzecznictwo wspierające interpretację korzystną dla klienta.

Tradycyjny system GraphRAG zwraca 12 precedensów, ale nie wyjaśnia, dlaczego wyrok z 2018 roku znalazł się na szczycie listy, a wyrok z 2022 roku — pozornie bardziej zbliżony stanem faktycznym — dopiero na piątym miejscu. Ex-GraphRAG pokazuje pełną mapę atrybucji. Prawnik widzi, że wyrok z 2018 roku dominuje dzięki silnemu powiązaniu przez frazę ‘roboty dodatkowe” w kontekście umów o roboty budowlane, ale łączy się z resztą grafu przez węzeł pośredniczący — ogólną definicję ‘wynagrodzenia kosztorysowego” z komentarza prawniczego — który ma atrybucję bliską zeru. To jest właśnie odkryty przez autorów Ex-GraphRAG ‘semantyczno-strukturalny rozjazd”: kluczowe semantycznie węzły nie są bezpośrednio połączone, a trzymają się razem dzięki ledwo widocznym pośrednikom.

Prawnik decyduje się usunąć ten słaby pośrednik z kontekstu i ponawia zapytanie. System znajduje teraz wyrok z 2022 roku jako główny precedens, poparty bezpośrednim cytowaniem w orzecznictwie SN. Bez Ex-GraphRAG ta ścieżka pozostałaby niewidoczna.

Korzyści i szacunkowy zwrot z inwestycji

Wdrożenie Ex-GraphRAG w kancelarii zatrudniającej 50 prawników przynosi wymierne oszczędności. Ręczne przeszukiwanie bazy orzeczeń i weryfikacja cytowań w złożonej sprawie zajmuje średnio 12-16 godzin pracy associate’a. System skraca ten czas do 2-3 godzin, z czego większość to analiza merytoryczna, a nie samo szukanie. Przy stawce 400 zł za godzinę i 80 sprawach rocznie wymagających zaawansowanego researchu, oszczędność sięga 320 000 zł rocznie.

Dodatkowa korzyść to unikanie błędów. Autorzy Ex-GraphRAG wykazali, że usunięcie nisko-atrybucyjnych pośredników degraduje jakość odpowiedzi nawet o 28% w zadaniach wieloetapowych. W kontekście prawnym oznacza to, że system bez interpretowalności może przeoczyć kluczowy precedens w co czwartej sprawie wielowątkowej. Jeden przegrany proces z powodu błędnej strategii to potencjalna strata wielokrotnie przewyższająca koszt wdrożenia.

Trzecia korzyść to szybsza diagnoza niepowodzeń. Gdy zapytanie o analizę zależnych klauzul w umowie nie zwraca satysfakcjonujących wyników, Ex-GraphRAG pokazuje, które węzły grafu zawiodły — czy problem leży w braku odpowiednich precedensów w bazie, czy w słabych powiązaniach między istniejącymi dokumentami. Zespół prawny nie traci czasu na zgadywanie, tylko od razu kieruje research w odpowiednią stronę.

Podsumowanie

Ex-GraphRAG to nie kolejny system do wyszukiwania orzeczeń — to narzędzie do budowania strategii procesowej z pełną ścieżką audytu. Dla partnera w kancelarii oznacza możliwość sprawdzenia przed złożeniem pisma, czy argumentacja opiera się na solidnych, bezpośrednich powiązaniach, czy na kruchej konstrukcji z ledwo widocznymi łącznikami. Dla działu prawnego korporacji to gwarancja, że analiza due diligence nie przeoczyła klauzuli, która mogłaby przesądzić o ryzyku kontraktowym. Warto przetestować system na próbce 50 spraw z ostatniego roku i porównać trafność rekomendacji z oceną zespołu — różnica w jakości ścieżki dowodowej będzie widoczna już po pierwszej analizie.

• Pełna dekompozycja rekomendacji na udziały poszczególnych dokumentów i relacji
• Identyfikacja słabych ogniw w łańcuchu cytowań przed wykorzystaniem w strategii
• Redukcja czasu researchu prawnego z 16 do 3 godzin na sprawę

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.