anonym.legal

By · Last updated 2026-03-12

Назад към блогаПравни технологии

Санкции при електронно разкриване: AI редакцията се проваля

По делото Athletics Investment Group срещу Schnitzer Steel (2024) неправилната редакция доведе до санкции при разкриване. При точност от само 22,7% AI инструментите излагат правните екипи на реална отговорност.

March 12, 202610 мин. четене
e-discovery sanctionsredaction liabilityAI redaction precisiondocument reviewlegal technology

Актуализирано за 2026 г.

Двата начина за провал на редакцията

Правните екипи са изправени пред два вида провал. И двата водят до реална отговорност.

Недостатъчна редакция излага привилегировани данни или лична информация, която трябва да остане скрита. Страната разкрива материали, които е имала право -- и често задължение -- да защити.

Прекомерна редакция скрива факти, до които насрещният адвокат има право на достъп. Съдилищата третират това като препятстване. Това е нарушение на разкриването, подлежащо на санкции.

AI инструменти, предпочитащи пълнота пред точност, причиняват втория проблем по замисъл. AI система, която зачернява 80% от документ, избягва пропуски. Но резултатът е безполезен. Освен това може да доведе до съдебни санкции.

И двата вида провал водят на едно и също място: съдия, обяснение и разходи.

Делото Schnitzer Steel (2024)

Делото от 2024 г. Athletics Investment Group срещу Schnitzer Steel показва как съдилищата се справят с неправилно задържане на документи.

Едната страна представи документи с широки маркировки. Насрещният адвокат възрази. Съдът разгледа материалите. Установи, че маркировките надхвърлят позволеното от закона.

Резултатът: санкции по Федерално процесуално правило 37. Представящата страна плати за дефектния процес.

Такива санкции не са нови. Съдилищата ги прилагат от години. Това, което прави делото забележително, е времето. AI-подпомогнатото преразглеждане вече е обичайно при спорове. Делото поставя ключов въпрос: проверили ли са правните екипи точността на своите AI инструменти преди да ги използват в производство?

Отговорът е важен. Инструмент с ниска точност ще маркира твърде много. Адвокатът, разчитащ на него без проверка, поема риска.

Проблемът с точността от 22,7%

Presidio е система с отворен код за разпознаване на лични данни, разработена от Microsoft. Използва се широко в инструменти за преразглеждане на документи. Тестове върху съдебни документи и договори й дават точност от 22,7%.

Точността измерва колко често положителен флаг е верен. При 22,7% около 77 от всеки 100 флага са фалшиви позитиви. Тези елементи не са чувствителни по никакъв приложим стандарт.

За електронното разкриване математиката е директна. Набор от 10 000 документа, обработени с тази степен, ще съдържа хиляди неоснователни маркировки. Представящата страна е изправена пред същия риск като ответника по Schnitzer Steel: оспорено производство, съдебна проверка и евентуални санкции.

Тази цифра е за стандартната настройка на Presidio върху съдържание от правни фирми. Не всички AI инструменти се представят на това ниво. Но тази система е най-широко използваният вариант с отворен код в областта.

Причината е структурна. NLP системите се обучават върху общ текст. Съдебният език е различен. Използва специфични термини, формати на цитати и правила за изготвяне на документи, отклоняващи се от обучителните данни. Инструмент, работещ добре върху медицински досиета, може да се справи много по-зле с протоколи от разпити.

Какво показват данните за употребата на AI

Ето един втори показател: 27,4% от съдържанието в AI чатботове е чувствително, според независим анализ на корпоративната употреба на AI.

Това описва какво изпращат служителите при нормални задачи. Не данни, които са искали да споделят -- съдържание, включено по навик или случайно. Адвокати, използващи AI за изготвяне на писма, преразглеждане на договори или обобщаване на показания, изпращат чувствително съдържание на сървърите на AI доставчика като страничен ефект от обикновената работа.

Почти три от десет взаимодействия включват клиентски данни, привилегирована информация или стратегия по делото. Това съдържание достига до сървърите на AI доставчика в използваем вид, ако не са въведени контроли.

За правни фирми, проверяващи своя AI риск, 27,4% не е маловажен проблем. Това е основната честота. Почти една трета от употребата на AI в една фирма включва съдържание, нуждаещо се от защита.

Веригата на отговорността

Прекомерното задържане и изтичането на данни чрез AI създават отделни, но свързани пътища на риск. И двата започват от едно и също решение: внедряване на AI инструмент без подходяща оценка.

Пътят на разкриването: AI маркира широко съдържание → адвокатът разчита на резултата без точкова проверка → производството съдържа неоправдани маркировки → насрещният адвокат възразява → съдът преразглежда → санкции.

Пътят на изтичане на данни: Адвокатът използва AI за работа по делото → AI получава привилегировани комуникации → AI доставчикът претърпява пробив → клиентски данни са изложени → следват претенции за злоупотреба.

Началната точка е една и съща и в двата случая. Фирмите внедряват AI инструменти, без да знаят какво реално правят. Не са въведени контроли за тази работа.

Преразглеждане с приоритет на точността за производства

Съдилищата задават тесен въпрос при преразглеждане на спорни маркировки. Всяка от тях обоснована ли е с привилегия, правило за поверителност или съдебно разпореждане? Съдилищата не питат дали инструментът на представящата страна е маркирал колкото е възможно повече.

Маркировка без правно основание е нарушение на разкриването. Няма значение дали я е направил човек или AI. Проверката е маркировка по маркировка.

За адвокатите това означава, че AI инструментите за преразглеждане трябва да бъдат тествани по точност -- какъв дял от флаговете са наистина привилегировани. Не само пълнота. Инструмент с 90% пълнота при точност 22,7% улавя повече чувствително съдържание. Но създава тежест при преразглеждане за 77,3% фалшиви флагове. Когато това преразглеждане не се случи, следва широко прекомерно задържане.

Всяка маркировка в производство е претенция пред съда. Тя казва: това съдържание е законно задържано. След Schnitzer Steel тази претенция трябва да устои.

Източници

Готови ли сте да защитите данните си?

Започнете анонимизация на PII с 285+ типа субекти на 48 езика.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.