anonym.legal

By · Last updated 2026-03-12

Terug na BlogRegte Tegnologie

E-Discovery-sanksies: KI-redigering misluk

In Athletics Investment Group v. Schnitzer Steel (2024) het onbehoorlike redigering ontdekkingsanksies veroorsaak. Met KI-gereedskap wat slegs 22,7% presisie behaal, staar regspanne werklike aanspreeklikheid in die gesig.

March 12, 202610 min lees
e-discovery sanctionsredaction liabilityAI redaction precisiondocument reviewlegal technology

Opgedateer vir 2026

Twee Maniere Waarop Redigering Misluk

Regspanne staar twee mislukkingsmodusse in die gesig. Beide skep werklike aanspreeklikheid.

Onderredigering stel bevoorregte data of persoonlike inligting bloot wat verborge moet bly. Die party openbaar materiaal wat hy 'n reg gehad het -- en dikwels 'n plig -- om te beskerm.

Oor-redigering verberg feite wat teenoorgestelde advokaat die reg het om te sien. Howe behandel dit as obstruksie. Dit is 'n ontdekkingsoortreding wat onderhewig is aan sanksies.

KI-gereedskap wat herroeping bo presisie verkies, veroorsaak die tweede probleem volgens ontwerp. 'n KI-enjin wat 80% van 'n dokument swart maak, vermy om enigiets te mis. Maar die resultaat is nutteloos. Dit kan ook hofsanksies trek.

Bei mislukkingsmodusse lei na dieselfde plek: 'n regter, 'n verduideliking en koste.

Die Schnitzer Steel-saak (2024)

Die 2024-saak van Athletics Investment Group v. Schnitzer Steel wys hoe howe onbehoorlike dokumentweerhouding hanteer.

Een party het dokumente geproduseer met wye merktekens. Teenoorgestelde advokaat het teruggedruk. Die hof het na die materiaal gekyk. Dit het gevind dat die merktekens verder gegaan het as wat die wet toelaat.

Die resultaat: sanksies onder Federale Reel van Siviele Prosedure 37. Die produserende party het betaal vir 'n gebrekkige proses.

Sulke sanksies is nie nuut nie. Howe het hulle vir jare gebruik. Wat hierdie saak uitstaan, is tydsberekening. KI-ondersteunde hersiening is nou algemeen in regsgedinge. Die saak stel 'n sleutelvraag: het regspanne die presisie van hul KI-gereedskap gekontroleer voordat hulle dit in produksie gebruik het?

Die antwoord maak saak. 'n Gereedskap met swak presisie sal baie meer aandui. Die prokureur wat daarop staatmaak sonder om te kontroleer, dra die risiko.

Die 22,7% Presisieprobleem

Presidio is 'n oopbron PII-opsporigingsenjin gebou deur Microsoft. Dit word wyd gebruik in dokumenthersieningsgereedskap. Toetse op hofrelingsdokumente en kontrakte gee dit 'n 22,7% presisiekoers.

Presisie meet hoe dikwels 'n positiewe vlag korrek is. By 22,7% is ongeveer 77 van elke 100 vlagte vals positiewe. Daardie items is nie sensitief deur enige van toepassing synde standaard nie.

Vir e-discovery is die wiskunde direk. 'n Stel van 10 000 dokumente verwerk teen daardie koers sal duisende grondlose merktekens he. Die produserende party staar dieselfde risiko as die Schnitzer Steel-verweerder in die gesig: 'n betwisde produksie, 'n hofhersiening en moontlike sanksies.

Hierdie syfer is vir Presidio se standaardopstelling op regsmaatskappyinhoud. Nie alle KI-gereedskap presteer op hierdie vlak nie. Maar hierdie enjin is die mees wyd gebruikte oopbron-opsie in die veld.

Die oorsaak is struktureel. NLP-stelsels lei op algemene teks op. Hofsaaltaal is anders. Dit gebruik vaktaal, aanhalingsformate en opstelreels wat afwyk van opleidingsdata. 'n Gereedskap wat goed werk op mediese rekords kan baie slegter presteer op getuienis-afskrifte.

Wat KI-gebruiksdata Wys

Hier is 'n tweede datapunt: 27,4% van KI-sletbotinhoud is sensitief, per onafhanklike ontleding van ondernemings KI-gebruik.

Dit beskryf wat werknemers stuur tydens normale take. Nie data wat hulle bedoel het om te deel nie -- inhoud wat deur gewoonte of toeval ingesluit is. Prokureurs wat KI gebruik om briewe op te stel, kontrakte te hersien of deposisies op te som, stuur sensitiewe inhoud na KI-bedieners as 'n newe-effek van normale werk.

Byna drie uit tien interaksies behels klientdata, bevoorregte inligting of saakstrategie. Daardie inhoud bereik die KI-verskaffer se bedieners in bruikbare vorm tensy beheermaatreels dit eerste stop.

Vir regsfirmas wat hul KI-risiko kontroleer, is 27,4% nie 'n geringe kwessie nie. Dit is die basiskoers. Byna 'n derde van KI-gebruik in 'n firma behels inhoud wat beskerming nodig het.

Die Aanspreeklikheidsketting

Oor-weerhouding en KI-datalekke skep afsonderlike maar gekoppelde risikopaaie. Beide begin met dieselfde besluit: 'n KI-gereedskap ontplooi sonder behoorlike evaluasie.

Die ontdekkingspad: KI merk inhoud breed --> prokureur maak staat op uitvoer sonder steekproefkontrole --> produksie het ongeregverdigde merktekens --> teenoorgestelde advokaat beswaar --> hof hersien --> sanksies.

Die datalekpad: Prokureur gebruik KI vir saakwerk --> KI ontvang bevoorregte kommunikasie --> KI-verskaffer het 'n oortreding --> klientdata word blootgestel --> wanpraktykeise volg.

Die beginpunt is dieselfde in beide gevalle. Firmas ontplooi KI-gereedskap sonder om te weet wat daardie gereedskap werklik doen. Geen beheermaatreels word opgestel vir die werk nie.

Presisie-eerste Hersiening vir Produksies

Howe stel 'n noue vraag wanneer hulle betwisde merktekens hersien. Was elk gesteun deur voorreg, 'n vertroulikheidreeel of 'n hofbevel? Howe vra nie of die produserende party se gereedskap so veel as moontlik gemerk het nie.

'n Merkteken sonder 'n behoorlike grondslag is 'n ontdekkingsoortreding. Dit maak nie saak of 'n mens of 'n KI dit gemaak het nie. Die ondersoek is merkteken-vir-merkteken.

Vir prokureurs beteken dit KI-hersieningsgereedskap moet getoets word op presisie -- die aandeel vlagte wat werklik bevoorreg is. Nie net herroeping nie. 'n Gereedskap wat 90% herroeping behaal by 22,7% presisie vang meer sensitiewe inhoud. Maar dit skep 'n hersieningslas vir die 77,3% vals vlagte. Wanneer daardie hersiening nie gebeur nie, volg wye oor-weerhouding.

Elke merkteken in 'n produksie is 'n aanspraak aan die hof. Dit se: hierdie inhoud word regmatig weergehou. Na Schnitzer Steel moet daardie aanspraak standhou.

Vir meer oor hoe anonimiseringsgereedskap verskil van standaard PII-opsporing, sien ons gids oor KI-presisie in regsdokumenthersiening. Vir konteks oor voorreg-logs en KI-gereedskap, sien ons artikel oor prokureur-klient voorreg en KI.

Bronne

Gereed om u data te beskerm?

Begin om PII te anonimiseer met 285+ entiteitstipes in 48 tale.

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.