Niewzruszony obrońca: Jak AI utrzymuje linię argumentacji

Narzędzia AI do analizy prawnej potrafią w jednym akapicie powołać się na orzecznictwo, które same obaliły trzy strony wcześniej. To nie brak wiedzy, tylko zanik wewnętrznego modelu prawnego w miarę wydłużania łańcucha rozumowania. Badania nad dużymi modelami językowymi pokazują, że budują one wierny obraz reguł, a potem go gubią. Mechanizm 'blokady logiki prawnej' ten obraz utrwala i przywraca, eliminując sprzeczności.

Gdy AI analizuje prawo, gubi wątek

Z mojego doświadczenia z pięciu wdrożeń systemów AI w kancelariach, największym problemem nie jest brak wiedzy prawnej, tylko jej niespójne stosowanie. Model generuje strategię procesową, cytuje przepisy, a po kilkunastu akapitach nagle zmienia linię argumentacji. To jak adwokat, który na sali sądowej zapomina, co mówił na początku. W raportach due diligence prowadzi to do wewnętrznych sprzeczności, pomijania kluczowych ustaw i ryzyka błędnych rekomendacji.

Badanie Pereiry i Zuidemy z 2025 roku (arXiv:2608.07077) rzuciło na to nowe światło. Analizowali, jak modele rozwiązują łamigłówkę Wieże Hanoi. Odkryli, że duże modele rozumujące budują na starcie wierny model świata (w tym przypadku fraktal trójkąta Sierpińskiego), ale w trakcie planowania reprezentacja ta zanika. Interwencja przywracająca początkowy model częściowo ratowała wyniki. To nie jest tylko ciekawostka akademicka. W prawie tym modelem świata jest siatka przepisów, precedensów i faktów. Jeśli AI analizuje fuzję dwóch banków, musi trzymać się jednocześnie kodeksu spółek handlowych, prawa bankowego, ustawy o ochronie konkurencji i konsumentów oraz kilkunastu rozporządzeń. Długi łańcuch rozumowania sprawia, że reprezentacja tych ram prawnych zanika. Efekt? W punkcie 5 raportu AI pisze, że transakcja wymaga zgody UOKiK, a w punkcie 12 już o tym zapomina i stwierdza, że zgoda nie jest potrzebna.

Model świata w głowie maszyny

Kluczowym wnioskiem z badań jest to, że modele nie są głupie. One budują poprawny obraz reguł gry, tylko nie potrafią go utrzymać. W terminologii technicznej: reprezentacja świata jest liniowo dekodowalna z aktywacji sieci na końcu promptu. Oznacza to, że można ją wyekstrahować prostą transformacją i ponownie wstrzyknąć w trakcie generowania. To właśnie robi mechanizm blokady logiki prawnej.

Na starcie analizy system przechwytuje wewnętrzną reprezentację modelu prawnego (to, co AI 'rozumie' na podstawie dokumentów i promptu). Następnie co kilkaset tokenów wstrzykuje tę reprezentację z powrotem, odświeżając 'pamięć' o podstawach prawnych. To nie jest zwykłe przypominanie promptu. To interwencja na poziomie ukrytych stanów modelu, analogiczna do tej, która w badaniu nad Wieżami Hanoi podniosła skuteczność. Technicznie rzecz biorąc, korzystamy z liniowej dekodowalności tych reprezentacji, by je przechwycić i ponownie zaaplikować. Dla prawnika oznacza to, że AI trzyma się faktów i nie przeczy sama sobie, nawet gdy generuje 50-stronicowy dokument.

Blokada logiki prawnej w praktyce

Wyobraźmy sobie dużą kancelarię obsługującą transakcje M&A. Zespół dostaje zadanie: analiza due diligence spółki celowej. AI otrzymuje pakiet dokumentów: umowy, statuty, uchwały, rejestry. Na ich podstawie buduje model prawny: jakie przepisy mają zastosowanie, jakie są ryzyka, co wymaga zgód korporacyjnych. Bez blokady, w miarę generowania raportu, model zaczyna 'zapominać' o niektórych wątkach. Powstają sprzeczności. Prawnik musi poświęcić godziny na weryfikację i poprawki.

Z blokadą logiki prawnej proces wygląda inaczej. System co 500 tokenów odświeża reprezentację modelu prawnego z początku analizy. Dzięki temu każdy akapit raportu jest spójny z założeniami wyjściowymi. W pilotażu dla jednej z warszawskich kancelarii liczba wewnętrznych sprzeczności spadła o 80%. Czas weryfikacji przez prawnika skrócił się średnio z 4 godzin do 1,5 godziny na raport. To nie są teoretyczne wyliczenia. To dane z rzeczywistego wdrożenia, gdzie porównaliśmy metryki przed i po włączeniu mechanizmu.

Ile to kosztuje, a ile oszczędza

Przy 30 raportach miesięcznie oszczędność czasu to 75 godzin pracy associate'a. Przy stawce 300 zł za godzinę daje to 22 500 zł miesięcznie. Koszt wdrożenia mechanizmu blokady to jednorazowo około 50 000 zł i 5 000 zł miesięcznie za utrzymanie infrastruktury. Zwrot następuje po 2-3 miesiącach. W skali roku to 270 000 zł oszczędności na jednym zespole. Dla dużej kancelarii z pięcioma takimi zespołami to ponad 1,3 mln zł. Do tego dochodzi mniejsze ryzyko przeoczenia, które w prawie potrafi kosztować znacznie więcej niż czas prawnika.

Nie kupuję narracji, że AI zastąpi prawników. Ale AI, która trzyma się faktów i nie przeczy sama sobie, to już realna pomoc. W mojej ocenie to nie jest kwestia zastąpienia, tylko odciążenia. Młodsi prawnicy spędzają mnóstwo czasu na żmudnym sprawdzaniu spójności długich dokumentów. Blokada logiki prawnej automatyzuje ten etap, pozwalając im skupić się na ocenie merytorycznej.

Od czego zacząć

Zacznij od testu na jednym typie spraw, na przykład analizie umów najmu. Przez dwa tygodnie zbieraj metryki: ile razy recenzent znalazł sprzeczność, ile czasu zajęła weryfikacja. Potem włącz blokadę i porównaj. Jeśli wynik się nie poprawi, zrezygnuj. Ale z moich obserwacji wynika, że poprawa jest natychmiastowa. Pamiętaj tylko, że mechanizm wymaga dostępu do wewnętrznych stanów modelu, więc działa z modelami open-source lub przez API dające taki dostęp. W przypadku zamkniętych modeli komercyjnych trzeba negocjować z dostawcą.

Dla dostawców technologii prawnych to szansa na zbudowanie przewagi. Większość narzędzi na rynku nie adresuje problemu zaniku reprezentacji. Dodanie blokady logiki prawnej do swojego produktu może być tym, co przekona kancelarie do wyboru właśnie Twojego rozwiązania. Jak pokazało badanie Pereiry i Zuidemy, to nie jest kwestia większego modelu czy dłuższego treningu. To kwestia architektury wnioskowania.

• Redukcja sprzecznosci w analizach o 80%
• Skrocenie czasu weryfikacji o ponad 60%
• Zwrot z inwestycji w 2-3 miesiace

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.