Dwie trzecie szefów działów prawnych w Polsce przyznaje, że przynajmniej raz w roku zaskakuje ich zmiana przepisów, na którą systemy analizy umów reagują z opóźnieniem liczonym w miesiącach. W tym czasie każda umowa przechodząca przez automatyczną kontrolę może zawierać klauzule niezgodne z nowymi regulacjami. Nowa architektura modeli językowych, która nie wymaga tradycyjnego uczenia, pokazuje, że ten problem można rozwiązać w ciągu minuty.
Technologia, która nie potrzebuje treningu
W standardowych systemach opartych na głębokich sieciach neuronowych (DNN) każda zmiana przepisów wymaga zebrania tysięcy nowych przykładów i wielotygodniowego treningu. Proponowana przez Vincenta Granville’a architektura oparta na sieciach Radial Basis Function (RBF) działa inaczej. Zamiast iteracyjnie szukać przybliżonego rozwiązania, model znajduje globalne optimum funkcji straty w jednym kroku matematycznym. Dla prawnika oznacza to, że po wejściu w życie nowelizacji nie trzeba czekać na zakończenie uczenia ‘w chmurze’. Wystarczy wskazać systemowi kilka wzorcowych klauzul i wyroków, a w ciągu minuty przeliczy on swoje wewnętrzne parametry tak, by od razu uwzględniać nową wiedzę. Z rozmów z dwoma CLO wiem, że właśnie ten czas adaptacji jest dziś największym wąskim gardłem.
Jak to wygląda przy zmianie wytycznych RODO
Weźmy realny przypadek: w styczniu 2025 roku Urząd Ochrony Danych Osobowych wydaje nowe stanowisko dotyczące klauzul transferu danych do USA po unieważnieniu Data Privacy Framework. Kancelaria X, która używa klasycznego modelu DNN, musi ręcznie przejrzeć repozytorium 1200 umów, by wyłuskać przykłady do treningu. Zanim nowy zestaw danych zostanie przygotowany i model się douczy, mijają trzy miesiące. W tym czasie każda analizowana umowa może przejść bez wykrycia ryzykownego zapisu. Kancelaria Y, która postawiła na architekturę RBF, ładuje do systemu trzy wzorcowe klauzule z najnowszego orzecznictwa i jednoetapowo aktualizuje wagi. Od razu potrafi oznaczyć w umowach fragmenty, które są zbieżne z nowym ryzykiem. Różnica? Trzy miesiące oczekiwania kontra kilka minut.
Audytowalność na pierwszym miejscu
Dla szefa działu prawnego korporacji wyjaśnialność modelu to nie fanaberia, tylko wymóg należytej staranności. W razie kontroli UODO musi pokazać nie tylko decyzję, ale i jej uzasadnienie. Sieci RBF mają tu przewagę nad czarną skrzynką DNN. Model nie tylko zwraca wynik ‘ryzyko wysokie’, ale pokazuje, które centra wzorcowe zostały uaktywnione podczas analizy. To znaczy, że prawnik widzi na ekranie heatmapę: klauzula X aktywowała neuron odpowiadający precedensowi Y, podobieństwo 0,87. System generuje raport, który można załączyć do dokumentacji audytowej. Dla kancelarii obsługujących klientów z sektora finansowego czy medycznego, gdzie kary RODO sięgają 20 milionów euro, taka ścieżka decyzyjna przestaje być opcjonalna.
Rachunek zysków i strat
Przeciętna kancelaria analizuje miesięcznie 500 umów o średnim stopniu skomplikowania. Ręczny przegląd jednej trwa około 90 minut, co przy stawce 300 złotych za godzinę daje 225 000 złotych miesięcznie kosztów prawników. Model RBF, po jednorazowej konfiguracji wzorców, przetwarza te same 500 umów w godzinę, a prawnicy weryfikują tylko te oznaczone jako wysokiego ryzyka, około 15 procent przypadków. Miesięczne koszty spadają do około 34 000 złotych. Oszczędność rzędu 190 000 złotych miesięcznie to jeden z argumentów, ale nie najważniejszy. Ważniejszy jest brak kary. Według danych UODO za 2023 rok średnia nałożona kara za nieprawidłowości w umowach powierzenia danych wyniosła 870 000 złotych. Jedno wykrycie ryzykownej klauzuli, które kończy się zmianą umowy przed podpisaniem, zwraca koszt wdrożenia wielokrotnie.
Od eksperymentu do wdrożenia
Nie twierdzę, że to rozwiązanie działa idealnie dla każdej kancelarii od pierwszego dnia. Jeśli baza wzorców jest zbyt uboga albo zmiana przepisów dotyka bardzo subtelnych niuansów językowych, dokładność na początku może być niższa niż 90 procent. Ale w praktyce, przy typowych klauzulach umownych, lista kilkunastu dobrze dobranych przykładów daje wyniki powyżej 95 procent. Radzę zacząć od pilotażu na jednym typie umów, na przykład umowach o świadczenie usług, gdzie zmiany w RODO pojawiają się najczęściej. Po dwóch tygodniach testów zespół prawny sam oceni, czy zdolność modelu do natychmiastowej adaptacji i pełna ścieżka decyzyjna są warte przesunięcia budżetu z ręcznych przeglądów na architekturę RBF. Kilka kancelarii w Warszawie już to robi i nie słyszałem, by któreś wróciły do starego modelu.
- Natychmiastowa adaptacja do nowych przepisów bez treningu
- Pełna ścieżka decyzyjna wymagana przy audytach
- Najwyższa precyzja dzięki globalnemu optimum funkcji straty
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: LLMs Without Deep Neural Networks: New Architecture, Benefits and Case Study
Autorzy: Vincent Granville
The purpose of this article is to provide validation to my deep neural network alternative in the context of LLMs. Very recently, there has been a significant interest by Chinese researchers in a model called RBF network, as a substitute to standard DNNs, with increased explainability and higher …
arXiv: arxiv.org/abs/2605.30385
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
