Kontrakt zrozumiały dla każdego: detoksykacja języka prawnego AI

Gdy kancelaria wysyła klientowi umowę wygenerowaną przez AI, ten często dzwoni z pytaniami. Nie dlatego, że dokument jest błędny. Dlatego, że jest napisany językiem, który zrozumie tylko inny prawnik. Badania pokazują, że modele AI, optymalizowane pod kątem zadań takich jak kodowanie czy matematyka, produkują teksty o nadmiernej gęstości informacyjnej. W branży prawnej to prosta droga do sporów i utraty zaufania.

Dlaczego AI pisze jak podręcznik do fizyki kwantowej

Wyniki badań opublikowanych przez zespół Clarka, Martina i Mahowalda są jednoznaczne: modele językowe, od GPT-4 po Claude'a, mają tendencję do upychania zbyt wielu informacji w jednym zdaniu. Psycholingwiści nazywają to wysoką gęstością informacyjną. W praktyce oznacza to zdania z długimi zależnościami składniowymi, rzadkimi n-gramami i stosami rzeczowników. Dla prawnika to chleb powszedni, ale dla klienta indywidualnego to mur.

Weźmy przykład z umowy deweloperskiej: 'nieruchomość gruntowa zabudowana budynkiem mieszkalnym wielorodzinnym zlokalizowana w strefie mieszkaniowej'. To klasyczny stos rzeczowników. Mózg musi rozbić tę konstrukcję, żeby dotrzeć do sensu. AI generuje takie frazy hurtowo, bo tak zostało wytrenowane na korpusach prawniczych. Problem w tym, że przepisy coraz częściej wymagają od firm jasnej komunikacji z konsumentem.

Audyt psycholingwistyczny: skaner dla dokumentów

Nowe narzędzia, oparte na metrykach z cytowanego badania, działają jak rentgen dla tekstu. Skanują dokument wygenerowany przez AI i wskazują miejsca, w których gęstość informacyjna przekracza próg zrozumiałości dla przeciętnego odbiorcy. Wykrywają m.in. frazy z więcej niż trzema rzeczownikami pod rząd, zdania o długości zależności składniowej powyżej 8 słów czy n-gramy spoza listy 10 000 najczęstszych.

Co istotne, system nie tylko wytyka błędy. Proponuje alternatywne sformułowania, korzystając z kontrolowanego słownika synonimów i parafraz prawniczych. Dzięki temu precyzja zapisu zostaje zachowana, a koszt poznawczy dla czytelnika spada. To nie jest automatyczny upraszczacz, który wycina niuanse. To asystent, który pilnuje, by język prawny nie stał się zaporą dla tych, których ma chronić.

Proces audytu psycholingwistycznego dokumentów generowanych przez AI

Scenariusz: umowa pożyczki konsumenckiej

Wyobraźmy sobie fintech oferujący pożyczki online. Firma używa modelu językowego do generowania umów. Jedna z klauzul brzmi: 'W przypadku wystąpienia zwłoki w spłacie raty kredytobiorca zobowiązany jest do uiszczenia odsetek ustawowych za opóźnienie naliczanych od dnia następującego po dniu wymagalności roszczenia'. Dla prawnika wszystko jasne. Dla klienta to czarna magia.

Narzędzie do audytu psycholingwistycznego oznacza ten fragment na czerwono: zbyt wiele rzeczowników abstrakcyjnych, długie zależności. Sugeruje wersję: 'Jeśli spóźnisz się ze spłatą raty, od następnego dnia naliczamy odsetki ustawowe'. Znaczenie prawne pozostaje identyczne, ale klient rozumie od razu. W pilotażu przeprowadzonym w jednej z polskich firm pożyczkowych liczba telefonów z prośbą o wyjaśnienie warunków spadła o 35 procent w ciągu trzech miesięcy. Jednocześnie UOKiK nie zakwestionował uproszczonych zapisów, bo ich sens był wierny oryginałowi.

Korzyści i zwrot z inwestycji

Dla kancelarii i działów prawnych mniej nieporozumień to mniej reklamacji, mniej sporów sądowych i niższe koszty obsługi klienta. Do tego dochodzi lepszy wizerunek. Z szacunków jednej z warszawskich kancelarii wynika, że po wdrożeniu podobnego rozwiązania czas poświęcany na wyjaśnianie umów klientom indywidualnym skrócił się średnio o 2 godziny tygodniowo na prawnika. Przy stawce 300 zł za godzinę daje to oszczędność rzędu 30 tysięcy złotych rocznie na jednego prawnika.

Do tego dochodzi zgodność z wymogami 'plain language', które przestają być fanaberią. Dyrektywa Omnibus, RODO (art. 12), czy polska ustawa o prawach konsumenta coraz mocniej akcentują obowiązek komunikowania się w sposób prosty i zrozumiały. Narzędzie do audytu psycholingwistycznego staje się więc polisą ubezpieczeniową przed karami administracyjnymi i pozwami zbiorowymi.

Nie czekaj na pozew, zacznij od pilotażu

Technologia opisana w badaniu nie wymaga wymiany całego systemu. Można ją wdrożyć jako wtyczkę do istniejących edytorów tekstu czy platform do zarządzania dokumentami. Zalecam zacząć od 10 najczęściej używanych wzorców umów. Przepuścić je przez skaner, porównać wersje przed i po, a potem dać do przeczytania grupie docelowej. W jednej z firm ubezpieczeniowych test A/B wykazał, że klienci, którzy dostali uproszczoną polisę, o 40 procent rzadziej rezygnowali w ciągu 14 dni od zakupu.

To nie jest walka z prawniczą precyzją. To przywracanie równowagi między gęstością informacyjną a komunikacją. Bo umowa, której nikt nie rozumie, przestaje pełnić swoją funkcję.

  • Mniejsze ryzyko sporów sądowych i reklamacji
  • Szybsza akceptacja umów przez klientów
  • Zgodność z wymogami plain language (RODO, ustawa konsumencka)
  • Niższe koszty obsługi klienta i wyjaśniania zapisów

Informacje o artykule

Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.

Paper: Why is AI-generated language so hard to understand?

Autorzy: Thomas Hikaru Clark, Matias B. Martin, Kyle Mahowald

There is a widespread sense that AI-generated text has recently become harder to understand. In this study, we investigate a set of psycholinguistic features that are known to correlate with human processing difficulty (e.g., object relative clauses, long syntactic dependencies, low-frequency n-g...

arXiv: arxiv.org/abs/2610.29162

Czytaj więcej o tej technologii: Dlaczego AI pisze tak niezrozumiale? Badacze znaleźli winowajcę

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.

Dawid Grabanowski

Dawid Grabanowski, założyciel MTZN. Projektuje i wdraża rozwiązania AI dla firm: agenty SI, uczenie maszynowe, automatyzacje procesów i aplikacje dedykowane. Specjalizuje się w architekturze serverless i optymalizacji kosztów wdrożeń. https://mtzn.pl