By · Last updated 2026-03-12

Atgal į BlogąTeisinė Technologija

E-discovery sankcijos: AI redagavimo klaidos

Byloje Athletics Investment Group v. Schnitzer Steel (2024) netinkamas redagavimas sukėlė atradimų sankcijas. AI įrankiams pasiekiant tik 22,7 % tikslumą, teisinės komandos susiduria su realia atsakomybe.

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

Atnaujinta 2026 m.

Du redagavimo nesėkmių būdai

Teisinės komandos susiduria su dviem nesėkmių būdais. Abu sukuria realią atsakomybę.

Nepakankamai redaguota atskleidžia privilegijuotus duomenis ar asmeninę informaciją, kuri turi likti paslėpta. Šalis atskleidžia medžiagą, kurią turėjo teisę - ir dažnai pareigą - apsaugoti.

Per daug redaguota slepia faktus, kuriuos priešinga šalis turi teisę matyti. Teismai tai laiko kliudymu. Tai yra atradimo pažeidimas, už kurį gresia sankcijos.

AI įrankiai, teikiantys pirmenybę atkūrimui prieš tikslumą, sukelia antrąją problemą savo dizainu. AI variklis, juodinantis 80 % dokumento, apsaugo nuo nieko praleidimo. Tačiau rezultatas yra nenaudingas. Jis taip pat gali sulaukti teismo sankcijų.

Abu nesėkmių būdai veda į tą pačią vietą: teisėją, paaiškinimą ir išlaidas.

Schnitzer Steel byla (2024)

2024 m. byla Athletics Investment Group v. Schnitzer Steel rodo, kaip teismai elgiasi su netinkamu dokumentų slaptymu.

Viena šalis pateikė dokumentus su plačiomis žymomis. Priešingos šalies advokatas apskundė. Teismas peržiūrėjo medžiagą. Jis nustatė, kad žymos peržengia tai, ką leidžia įstatymas.

Rezultatas: sankcijos pagal Federalinio civilinio proceso taisyklės 37. Pateikiančioji šalis sumokėjo už klaidingą procesą.

Tokios sankcijos nėra naujos. Teismai jas taiko daugelį metų. Kas išskiria šią bylą - laikas. AI pagalbos peržiūra dabar yra įprasta teisminiame procese. Byla kelia pagrindinį klausimą: ar teisinės komandos patikrino savo AI įrankių tikslumą prieš naudodamos juos gamyboje?

Atsakymas svarbus. Įrankis su prasta tikslumu pažymės pernelyg daug. Advokatas, remiasi jo rezultatais nepatikrinęs, prisiima riziką.

Dėl išsamios bylos analizės žiūrėkite E-Discovery LLC analizę apie aktualumo redagavimo draudimą.

22,7 % tikslumo problema

Presidio yra atvirojo kodo PII aptikimo variklis, sukurtas Microsoft. Jis plačiai naudojamas dokumentų peržiūros įrankiuose. Testai teismo archyvuose ir sutartyse suteikia jam 22,7 % tikslumo rodiklį.

Tikslumas matuoja, kaip dažnai teigiamas žymėjimas yra teisingas. Esant 22,7 %, apie 77 iš kiekvieno 100 žymėjimų yra klaidingai teigiami. Tie elementai nėra jautrūs pagal jokius taikomus standartus.

E-discovery atveju matematika yra tiesiogiai. 10 000 dokumentų rinkinys, apdorotas tokiu greičiu, turės tūkstančius nepagrįstų žymėjimų. Pateikiančioji šalis susiduria su ta pačia rizika kaip Schnitzer Steel atsakovas: ginčijamas pateikimas, teismo peržiūra ir galimos sankcijos.

Šis skaičius skirtas Presidio pradinei konfigūracijai teisės firmos turinyje. Ne visi AI įrankiai veikia tokiu lygiu. Tačiau šis variklis yra plačiausiai naudojamas atvirojo kodo variantas šioje srityje.

Priežastis yra struktūrinė. NLP sistemos mokosi iš bendro teksto. Teismo kalbėjimas yra skirtingas. Jame naudojami terminai, citavimo formatai ir rengimo taisyklės, kurios skiriasi nuo mokymosi duomenų. Įrankis, gerai veikiantis su medicinos įrašais, gali daug blogiau veikti su apklausų stenogramomis.

Ką rodo AI naudojimo duomenys

Antras duomenų taškas: 27,4 % AI pokalbių roboto turinio yra jautrus, pagal nepriklausomą įmonės AI naudojimo analizę.

Tai aprašo, ką darbuotojai siunčia atliekant įprastas užduotis. Ne duomenys, kuriuos jie ketino dalinti - turinys, įtrauktas iš įpročio ar netyčia. Advokatai, naudojantys AI laiškams rengti, sutartims peržiūrėti ar parodymų santraukoms rengti, siunčia jautrų turinį į AI serverius kaip normalaus darbo šalutinį efektą.

Beveik trys iš dešimties sąveikų apima kliento duomenis, privilegijuotą informaciją ar bylos strategiją. Tas turinys pasiekia AI tiekėjo serverius panaudojamu pavidalu, jei kontrolės jo nesustabdo.

Teisės firmoms, tikrinančioms savo AI riziką, 27,4 % nėra nedidelė problema. Tai yra bazinis rodiklis. Beveik trečdalis AI naudojimo firmoje apima turinį, kuriam reikalinga apsauga.

Atsakomybės grandinė

Per didelis slėpimas ir AI duomenų nutekėjimai sukuria atskirus, bet susijusius rizikos kelius. Abu prasideda nuo to paties sprendimo: diegti AI įrankį be tinkamo vertinimo.

Atradimo kelias: AI plačiai žymi turinį -> advokatas remiasi rezultatu be patikrinimo -> pateikime yra nepagrįstų žymėjimų -> priešinga šalis prieštarauja -> teismas peržiūri -> sankcijos.

Duomenų nutekėjimo kelias: Advokatas naudoja AI bylos darbui -> AI gauna privilegijuotus ryšius -> AI tiekėjas patiria pažeidimą -> kliento duomenys atskleidžiami -> seka profesinės atsakomybės reikalavimai.

Abiem atvejais pradinis taškas yra tas pats. Firmos diegia AI įrankius nežinodamos, ką tie įrankiai iš tikrūjų daro. Nenustatytos jokios darbo kontrolės.

Tikslumo pirmumo peržiūra pateikimams

Teismai užduoda siaurą klausimą peržiūrėdami ginčijamus žymėjimus. Ar kiekvieną jų pagrindė privilegija, konfidencialumo taisyklė ar teismo įsakymas? Teismai neklausia, ar pateikiančiosios šalies įrankis žymėjo kiek įmanoma daugiau.

Žymėjimas be tinkamo pagrindo yra atradimo pažeidimas. Nesvarbu, ar jį padarė žmogus, ar AI. Tyrimas vyksta žymėjimas po žymėjimo.

Advokatams tai reiškia, kad AI peržiūros įrankius reikia testuoti tikslumo atžvilgiu - teisingų žymėjimų dalies. O ne tik atkūrimo. Įrankis, pasiekiantis 90 % atkūrimą esant 22,7 % tikslumui, surenka daugiau jautraus turinio. Tačiau jis sukuria peržiūros naštą dėl 77,3 % klaidingai teigiamų žymėjimų. Kai ta peržiūra nevyksta, seka plataus masto pernelyg didelis slėpimas.

Kiekvienas žymėjimas pateikime yra pareiškimas teismui. Jis sako: šis turinys teisėtai laikomas. Po Schnitzer Steel, tas pareiškimas turi atlaikyti.

Daugiau informacijos apie tai, kaip anonimizavimo įrankiai skiriasi nuo standartinių PII aptikimo įrankių, rasite mūsų vadove AI tikslumas teisinių dokumentų peržiūroje. Kontekstui apie privilegijų žurnalus ir AI įrankius žiūrėkite mūsų straipsnį advokato ir kliento privilegija ir AI.

Šaltiniai

Pasiruošę apsaugoti savo duomenis?

Pradėkite anonimizuoti PII su 285+ subjektų tipais 48 kalbomis.

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.