By · Last updated 2026-03-22

Zpět na blogPrávní technologie

Obhajoba redigování: Skóre AI spolehlivosti u soudu

Soudce se zeptal, proč bylo 47 % dokumentu redigováno. Odpověď 'AI to označila' není právně obhajitelná. Zde je ukázka obhajitelného automatizovaného redigování.

March 22, 20268 min čtení
defensible redactionAI confidence scorese-discovery audit trailprivilege log requirementslegal tech compliance

Aktualizováno pro rok 2026

Argument „Udělala to AI" u soudu neobstojí

Nástroje AI vytvořily nové právní riziko. Právníci často nedokážou vysvětlit, proč systém zablokoval obsah. Když se soudce zeptá, „algoritmus to označil" nestačí.

Pravidlo FRCP 26(b)(5) stanovuje laťku. Strana, která zadržuje materiál, musí uvést nárok. Musí také popsat dokumenty. Tento popis musí druhé straně umožnit posoudit privilegium — bez odhalení samotného obsahu.

Argument „Model ML to odstranil" tuto podmínku nesplňuje. Druhá strana nemůže zjistit, co bylo detekováno. Nemůže zjistit proč.

Nadměrné redigování vyvolává spory

Výzkum e-discovery Morgan Lewis za Q1 2025 označil nadměrné redigování jako aktivní zdroj sporů u federálních soudů. Trend se váže k nástrojům AI s vysokou citlivostí. Tyto nástroje upřednostňují úplnost zachycení. Zachytí vše, co by mohlo být citlivé.

Vedlejší účinky jsou předvídatelné. Data blízká jménu jsou zablokována. Čísla příloh jsou zablokována. Kontext je ignorován.

Protivní právní zástupce pak napadá každou zablokovanou položku. Produkující strana musí každou vysvětlit. Žádný záznam pro každou entitu znamená, že není k dispozici žádné vysvětlení.

Nástroje AI nastavené na maximalizaci úplnosti zachycení jsou navrženy k zachycení všeho. Tento návrh je vhodný pro některé případy použití. Pro produkci v rámci e-discovery vytváří odpovědnost.

Pokud napadené položky nelze vysvětlit, soudy mohou nařídit novou produkci. Nová produkce stojí čas a peníze. V některých případech přivolává sankce.

Tři věci, které obhajitelné systémy potřebují

Soudy přezkoumávají napadené položky jednu po druhé. Kladou úzkou otázku. Jaký je základ pro tuto konkrétní položku v tomto konkrétním dokumentu?

Většina nástrojů AI to nedokáže odpovědět. Tři funkce to umožňují.

Skóre spolehlivosti pro každou entitu. Každá zablokovaná položka musí být sledovatelná ke skórované detekci. Výrok „Jméno detekováno se 94% spolehlivostí" je obhajitelný. „Označeno ML" není. Jak skórování funguje v praxi, najdete v Proč binární detekce PII selhává při dodržování předpisů.

Klasifikace typu entity. Každá zablokovaná položka musí být mapována na rozpoznaný typ. Jméno osoby. SSN. Datum narození. Tento typ je zapsán v protokolu o privilegiu. Vysvětluje základ pro zadržení bez odhalení obsahu.

Záznamy o prahových hodnotách. Konfigurace musí být zdokumentována. Jaké úrovně citlivosti byly použity? Které typy entit byly v rozsahu? Protivní právní zástupce může tyto záznamy vyžádat. Produkující strana musí být připravena vysvětlit každou volbu.

Mandát správy 83 %

Výzkum IAPP z roku 2025 zjistil, že 83 % rámců správy AI vyžaduje minimalizaci dat na vstupní vrstvě AI.

Dřívější rámce se zaměřovaly na výstupy AI. Nyní pokrývají také to, co vstupuje do systémů AI. Posun je významný.

Pro právní týmy je dopad přímý. Stejná povinnost minimalizace se vztahuje na nástroje pro revizi AI používané na klientské spisy. Týmy musí omezit citlivá data před tím, než se dostanou k nástroji.

Dvě povinnosti se nyní překrývají. Záznamy o skóre spolehlivosti podporují nároky na privilegium ve sporech. Minimalizace vstupů splňuje pravidla správy AI. Společně definují základ pro soulad při práci s AI v právní oblasti v roce 2025.

Co musí protokol auditu zachycovat

Protokol musí zaznamenat šest věcí pro každý zpracovaný dokument.

Za prvé: identifikátor dokumentu. Za druhé: typ entity. Za třetí: skóre spolehlivosti. Za čtvrté: použitá metoda — označení nebo černá skříňka. Za páté: verze konfigurace v použití. Za šesté: datum a čas zpracování.

Tento protokol slouží dvěma účelům. Podporuje protokol o privilegiu při napadení produkce. Také regulátorům prokazuje, že citlivá data byla minimalizována před opuštěním firmy.

Informace o nesprávném zadržování a sankcích, které z toho vyplývají, najdete v E-Discovery sankce: Kdy AI redigování zachází příliš daleko.

Budování tohoto protokolu není zbytečná práce. Je to to, co právnímu týmu umožňuje obhájit svá rozhodnutí — před soudcem, protivním právním zástupcem nebo orgánem ochrany dat.

Zdroje

Připraveni chránit svá data?

Začněte anonymizovat PII s více než 285 typy entit ve 48 jazycích.

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.