By · Last updated 2026-03-22

Späť na blogPrávna Technológia

Obhajoba redigovania: AI skóre pred súdom

Sudca sa spytal, preco bolo redakované 47 % dokumentu. Odpoved 'AI to oznacila' nie je právne obhájitelna. Tu je to, co vyzerá obhájitelné automatizované redigovanie.

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

Aktualizované pre rok 2026

'AI to urobila' pred súdom zlyhá

Nástroje AI vytvorili nové právne riziko. Právnici casto nedokázu vysvetlit, preco systém zablokoval obsah. Ked sa sudca spyta, 'algoritmus to oznacil' nestací.

Pravidlo FRCP 26(b)(5) nastavuje latku. Strana, ktorá zadrzuje materiál, musí uviest nárók. Musí tiez opísaé dokumenty. Tento opis musí druhej strane umoznit posúdit výsadu - bez odhalenia samotného obsahu.

'Model ML to odstránil' toto pravidlo nesplna. Druhá strana nemoze zistit, co bolo detekované. Nevie preco.

Nadmerné redigovanie spôsobuje spory

Vyskum Morgan Lewis v oblasti e-discovery z 1. stvrtroka 2025 oznacil nadmerné redigovanie ako aktívny zdroj sporov vo federálnych súdoch. Trend súvisí s nástrojmi AI s vysokou citlivosťou. Tieto nástroje uprednostnujú úplnost záchytu. Zachytia vsetko, co by mohlo byt citlivé.

Vedlajsie úcinky su predvídatelné. Dátumy blízko mena su zablokované. Císla príloh su zablokované. Kontext je ignorovaný.

Protistrana potom napadá kazdy zablokovaný prvok. Produkujúca strana musí vysvetlit kazdy z nich. Ziadny záznam pre kazdu entitu znamená, ze nie je k dispozícii ziadne vysvetlenie.

Nástroje AI nastavené na maximalizáciu záchytu su navrhnuté tak, aby zachytili vsetko. Tento dizajn je vhodny pre niektoré prípady pouzívania. Pre produkcie e-discovery vytvára zodpovednost.

Ked napadnuté prvky nemozno vysvetlit, súdy môzu nariadit re-produkciu. Re-produkcia stojí cas a peniaze. V niektorych prípadoch pozva sankcie.

Tri veci, ktore obhájitelné systémy potrebujú

Súdy kontrolujú napadnuté prvky jeden po druhom. Kladú úzku otázku. Aký je základ pre tento konkrétny prvok v tomto konkrétnom dokumente?

Väcsina nástrojov AI na to nemoze odpovedat. Tri funkcie to umoznujú.

Skóre spolahlivosti pre kazdu entitu. Kazdy zablokovaný prvok musí byté sledovatelný k ohodnotenéj detekcii. "Meno detekované s 94 % spolahlivosťou" je obhájitelné. "Oznacené ML" nie je. Pre to, ako skórovanie funguje v praxi, pozri Preco binárna detekcia PII zlyhá v súlade.

Klasifikácia typu entity. Kazdy zablokovaný prvok musí byt namapovaný na rozoznaný typ. Meno osoby. SSN. Dátum narodenia. Tento typ ide do protokolu výsady. Vysvetluje základ pre zadrzanie bez odhalenia obsahu.

Záznamy prahových hodnôt. Konfigurácia musí byt zdokumentovaná. Aké úrovne citlivosti boli pouzité? Ktore typy entít boli v rozsahu? Protistrana moze poziadat o tieto záznamy. Produkujúca strana musí byt pripravená vysvetlit kazdu volbu.

Mandát správy 83 %

Vyskum IAPP z roku 2025 zistil, ze 83 % rámcov správy AI vyzaduje minimalizáciu dát na vstupnej vrstve AI.

Skorsjie rámce sa zameriavali na výstupy AI. Teraz pokrývajú aj to, co ide do systémov AI. Táto zmena je vyznamná.

Pre právne timy je dopad priamy. Rovnaká povinnost minimalizácie sa vzťahuje na nástroje kontroly AI pouzívané pri klientskych spisoch. Timy musia zníziť citlivé dáta predtym, ako dosiahnu nástroj.

Dve povinnosti sa teraz prekrívajú. Záznamy skóre spolahlivosti podkladajú nároky na výsadu v sporoch. Minimalizácia vstupov spína pravidlá správy AI. Spolu definujú základnú úroven súladu pre právnu prácu s pomocou AI v roku 2025.

Co musí protokol auditu zachytit

Protokol musí zaznamenat sest vecí pre kazdy spracovaný dokument.

Po prvé: identifikátor dokumentu. Po druhé: typ entity. Po tretie: skóre spolahlivosti. Po stvrté: pouzitá metóda - oznacenie alebo cierna skrínka. Po piáte: pouzívaná verzia konfigurácie. Po seste: dátum a cas spracovania.

Tento protokol sluzi dvom úcelom. Podkladá protokol výsady, ked je produkcia napadnutá. Taktiez ukazuje regulátorom, ze citlivé dáta boli minimalizované predtym, ako opustili firmu.

Pre to, ako súdy narábajú s nesprávnym zadrzovaním a nasledujúcimi sankciami, pozri Sankcie za e-Discovery: Ked AI redigovanie zájde prílis daleko.

Budovanie tohto protokolu nie je rézia navyse. Je to to, co umoznuje právnemu týmu obhajit svoje volby - pred sudcom, protistranou alebo orgánom ochrany dát.

Zdroje

Pripravení chrániť vaše údaje?

Začnite anonymizovať PII s 285+ typmi entít v 48 jazykoch.

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.