Oppdatert for 2026
To måter sladding svikter på
Juridiske team står overfor to feilmodi. Begge skaper reelt ansvar.
Undersladding eksponerer privilegert data eller personopplysninger som må holdes skjult. Parten utleverer materiale de hadde rett — og ofte plikt — til å beskytte.
Oversladding skjuler fakta som motparten har rett til å se. Domstolene behandler dette som obstruksjon. Det er et brudd på fremleggelsesreglene som kan medføre sanksjoner.
AI-verktøy som prioriterer recall over presisjon forårsaker det andre problemet av design. En AI-motor som sladder 80 % av et dokument unngår å gå glipp av noe. Men resultatet er ubrukelig. Det kan også utløse domstolssanksjoner.
Begge feilmodi leder til samme sted: en dommer, en forklaring og kostnader.
Schnitzer Steel-saken (2024)
2024-saken Athletics Investment Group v. Schnitzer Steel viser hvordan domstoler håndterer urettmessig tilbakehold av dokumenter.
En part fremla dokumenter med brede markeringer. Motpartens advokat reagerte. Retten gransket materialet. Den fant at markeringene gikk utover det loven tillater.
Resultatet: sanksjoner etter Federal Rule of Civil Procedure 37. Den produserende parten betalte for en mangelfull prosess.
Slike sanksjoner er ikke nye. Domstoler har brukt dem i årevis. Det som skiller denne saken ut, er tidspunktet. AI-assistert gjennomgang er nå vanlig i rettssaker. Saken reiser et sentralt spørsmål: har juridiske team kontrollert presisjonen til AI-verktøyene sine før de brukes i produksjon?
Svaret betyr noe. Et verktøy med dårlig presisjon vil flagge altfor mye. Advokaten som stoler på det uten å sjekke, bærer risikoen.
For full saksgjennomgang, se E-Discovery LLCs analyse av relevanbasert tilbakehold.
22,7 %-presisjonsproblemet
Presidio er en åpen kildekode PII-deteksjonsmotor bygget av Microsoft. Den brukes mye i dokumentgjennomgangsverktøy. Tester på rettslige innleveringer og kontrakter gir den en presisjon på 22,7 %.
Presisjon måler hvor ofte et positivt flagg er korrekt. Ved 22,7 % er omtrent 77 av 100 flagg falske positive. Disse elementene er ikke sensitive etter noen gjeldende standard.
For e-discovery er matematikken direkte. Et sett med 10 000 dokumenter behandlet med denne raten vil ha tusenvis av grunnløse markeringer. Den produserende parten risikerer det samme som Schnitzer Steel-saksøkte: en bestridt produksjon, domstolsgjennomgang og mulige sanksjoner.
Dette tallet gjelder Presidios standardoppsett på advokatfirmakontekst. Ikke alle AI-verktøy presterer på dette nivået. Men denne motoren er det mest brukte åpen kildekode-alternativet i bransjen.
Årsaken er strukturell. NLP-systemer trener på generell tekst. Rettslig språk er annerledes. Det bruker fagtermer, siteringsformater og utformingsregler som avviker fra treningsdata. Et verktøy som fungerer godt på medisinske journaler kan prestere langt dårligere på avhørstranskripisjoner.
Hva AI-bruksdata viser
Her er et annet datapunkt: 27,4 % av AI-chatbot-innhold er sensitivt, ifølge uavhengig analyse av AI-bruk i virksomheter.
Dette beskriver hva ansatte sender under normale oppgaver. Ikke data de hadde tenkt å dele — innhold inkludert av vane eller ulykke. Advokater som bruker AI til å skrive brev, gjennomgå kontrakter eller oppsummere avhør sender sensitivt innhold til AI-leverandørens servere som en bivirkning av normalt arbeid.
Nesten tre av ti interaksjoner involverer klientdata, privilegert informasjon eller saksstrategi. Det innholdet når AI-leverandørens servere i brukbar form med mindre kontroller stopper det.
For advokatfirmaer som vurderer AI-risikoen sin er 27,4 % ikke et mindre problem. Det er grunnraten. Nesten en tredjedel av AI-bruken i et firma involverer innhold som trenger beskyttelse.
Ansvarskjeden
Oversladding og AI-datalekkasjer skaper separate, men koblede risikobaner. Begge starter med samme beslutning: ta i bruk et AI-verktøy uten ordentlig evaluering.
Fremleggelsesveien: AI flaggere innhold bredt → advokat stoler på resultatet uten stikkprøvekontroll → produksjonen har uberettigede markeringer → motparten protesterer → retten gjennomgår → sanksjoner.
Datalekkasjeveien: Advokat bruker AI til saksarbeid → AI mottar privilegerte kommunikasjoner → AI-leverandøren lider et brudd → klientdata eksponeres → advokatansvarskrav følger.
Startpunktet er det samme i begge tilfeller. Firmaer tar i bruk AI-verktøy uten å vite hva disse verktøyene faktisk gjør. Ingen kontroller settes opp for arbeidet.
Presisjonsbasert gjennomgang for produksjoner
Domstoler stiller et smalt spørsmål når de gjennomgår bestridte markeringer. Var hver enkelt begrunnet med privilegium, en konfidensialitetsregel eller en rettsordre? Domstolene spør ikke om den produserende partens verktøy flagget så mye som mulig.
En markering uten skikkelig grunnlag er et brudd på fremleggelsesreglene. Det spiller ingen rolle om et menneske eller en AI lagde det. Undersøkelsen skjer markering for markering.
For advokater betyr dette at AI-gjennomgangsverktøy må testes på presisjon — andelen flagg som er genuint privilegerte. Ikke bare recall. Et verktøy som treffer 90 % recall ved 22,7 % presisjon fanger mer sensitivt innhold. Men det skaper en gjennomgangsbyrde for 77,3 % falske flagg. Når den gjennomgangen ikke skjer, følger bred oversladding.
Hver markering i en produksjon er et krav til retten. Den sier: dette innholdet er legitimt tilbakeholdt. Etter Schnitzer Steel må det kravet holde.
For mer om hvordan anonymiseringsverktøy skiller seg fra standard PII-deteksjon, se vår guide til AI-presisjon i juridisk dokumentgjennomgang. For kontekst om privilegerte lister og AI-verktøy, se vår artikkel om advokat-klient-privilegium og AI.