anonym.legal

By · Last updated 2026-03-12

Nazaj na blogPravna tehnologija

Sankcije pri e-odkritju: AI redakcija odpove

V zadevi Athletics Investment Group proti Schnitzer Steel (2024) je nepravilna redakcija sprozila sankcije pri odkritju. Ko AI orodja dosegajo le 22,7-% natancnost, pravne ekipe tvegajo pravo odgovornost.

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

Posodobljeno za leto 2026

Dva nacina, kako redakcija odpove

Pravne ekipe se soocajo z dvema nacina napak. Oba ustvarjata realno odgovornost.

Premajhna redakcija razkriva privilegirane podatke ali osebne informacije, ki morajo ostati skrite. Stranka razkrije gradivo, ki ga je imela pravico -- in pogosto dolznost -- zascititi.

Prekomerna redakcija skriva dejstva, ki jih ima nasprotna stranka pravico videti. Sodisca to obravnavajo kot oviranje. To je krsitev odkritja, ki je predmet sankcij.

AI orodja, ki dajejo prednost priklicu pred natancnostjo, povzrocajo drugi problem ze po zasnovi. AI motor, ki pocrnela 80 % dokumenta, se izogne zamujanju. Toda rezultat je neuporaben. Prav tako lahko privlaci sankcije sodisca.

Oba nacina napak vodita na isto mesto: sodnik, razlaga in nakladi.

Primer Schnitzer Steel (2024)

Primer Athletics Investment Group proti Schnitzer Steel iz leta 2024 pokazuje, kako sodisca obravnavajo nepravilno zadrzo dokumentov.

Ena stranka je predlozila dokumente s siroko oznacenostjo. Nasprotna stranka je ugovarjala. Sodisce je pregledalo gradivo. Ugotovilo je, da oznacitve presegajo, kar zakon dovoljuje.

Rezultat: sankcije po Zveznem pravilniku o civilnem postopku, pravilo 37. Stranka, ki je predlozila gradivo, je placala za napacen postopek.

Taksne sankcije niso nove. Sodisca jih ze leta uporabljajo. Kar ta primer naredi izstopajoc, je casovni okvir. AI-podprta preiskava je zdaj pogosta v sodnih sporih. Primer odpira kljucno vprasanje: ali so pravne ekipe preverile natancnost svojih AI orodij, preden so jih uporabile v produkciji?

Odgovor je pomemben. Orodje s slabo natancnostjo bo oznacilo prevec. Odvetnik, ki se nanj zanese brez preverjanja, nosi tveganje.

Za celoten razpis primera glejte analizo E-Discovery LLC o zadrzi na podlagi ustreznosti.

Problem 22,7-% natancnosti

Presidio je odprtokodni motor za zaznavanje PII, ki ga je razvil Microsoft. Siroko se uporablja v orodjih za pregled dokumentov. Testi na sodnih vlogah in pogodbah mu dajejo 22,7-% stopnjo natancnosti.

Natancnost meri, kako pogosto je pozitivna oznaka pravilna. Pri 22,7 % je priblizno 77 od vsakih 100 oznak laznih pozitivnih. Ti elementi po nobenem veljavnem standardu niso obcutljivi.

Za e-odkritje je matematika neposredna. Zbirka 10.000 dokumentov, obdelana pri tej stopnji, bo imela tisocine neutemeljenih oznacitev. Stranka, ki predlozi gradivo, se soci z enakim tveganjem kot tozenec v zadevi Schnitzer Steel: izpodbijana produkcija, pregled sodisca in mozne sankcije.

Ta podatek velja za Presidiovo privzeto nastavitev na vsebini pravnih pisarn. Niso vsa AI orodja na tej ravni. Toda ta motor je najpogosteje uporabljena odprtokodna moznost na tem podrocju.

Vzrok je strukturen. NLP sistemi se ucijo na splosnem besedilu. Sodni jezik je drugacen. Uporablja strokovne izraze, formate citatov in pravila oblikovanja, ki odstopajo od ucnih podatkov. Orodje, ki dobro deluje na zdravstvenih zapisih, lahko pri prepisih zaslisanj dela bistveno slabse.

Kaj podatki o uporabi AI pokazejo

Tukaj je se en podatek: 27,4 % vsebine AI klepetalnikov je obcutljive, po neodvisni analizi podjetniiske uporabe AI.

To opisuje, kaj zaposleni posiljajo med normalnimi nalogami. Ne podatkov, ki so jih nameravali deliti -- vsebino, vkljuceno iz navade ali po nesreci. Odvetniki, ki uporabljajo AI za pisanje pisem, pregled pogodb ali povzetke zaslisanj, posiljajo obcutljivo vsebino na streznike ponudnika AI kot stranskeucinek normalnega dela.

Priblizno trije od desetih interakcij vkljucujejo podatke strank, privilegirane informacije ali strategijo primera. Ta vsebina doseze streznike ponudnika AI v uporabni obliki, razen ce jo kontrole predhodno ustavijo.

Za pravne pisarne, ki preverjajo tveganje AI, 27,4 % ni manjsa tezava. To je osnovna stopnja. Skoraj tretjina uporabe AI v pisarni vkljucuje vsebino, ki potrebuje zascito.

Veriga odgovornosti

Prekomerna zadrza in uhajanje podatkov AI ustvarjata loceni, a povezani poti tveganja. Obe se zacneta z isto odlocitvijo: uvajanje AI orodja brez ustreznega vrednotenja.

Pot odkritja: AI siroko oznaci vsebino -> odvetnik se zanese na izhod brez preverjanja vzorca -> produkcija ima neutemeljene oznacitve -> nasprotna stranka ugovarja -> sodisce pregleda -> sankcije.

Pot uhajanja podatkov: Odvetnik uporablja AI za primer -> AI prejme privilegirane komunikacije -> ponudnik AI utrpi vdor -> podatki stranke so razkryti -> sledijo trditve o malomarnosti.

Izhodisce je v obeh primerih enako. Pisarne uvajajo AI orodja, ne da bi vedele, kaj ta orodja dejansko pocnejo. Za delo niso vzpostavljene nobene kontrole.

Pregled na podlagi natancnosti za produkcije

Sodisca postavljajo ozko vprasanje, ko pregledujejo sporne oznacitve. Ali je bila vsaka podprta s privilegijem, pravilom zaupnosti ali sodno odredbo? Sodisca ne sprasujejo, ali je orodje stranke, ki je predlozila gradivo, oznacilo cim vec.

Oznacitev brez ustrezne podlage je krsitev odkritja. Ni pomembno, ali jo je naredil clovek ali AI. Preiskava poteka oznacitev po oznacitev.

Za odvetnike to pomeni, da je treba AI orodja za pregled testirati glede natancnosti -- delez oznak, ki so resnично privilegirane. Ne le glede priklica. Orodje, ki doseze 90-% priklic pri 22,7-% natancnosti, ujame vec obcutljive vsebine. Toda ustvari breme pregleda za 77,3 % laznih pozitivnih. Ko ta pregled ne poteka, sledi siroka prekomerna zadrza.

Vsaka oznacitev v produkciji je trditev sodiscu. Pravi: ta vsebina je zakonito zadrzana. Po zadevi Schnitzer Steel mora ta trditev vzdrzati.

Za vec o tem, kako se orodja za anonimizacijo razlikujejo od standardnega zaznavanja PII, glejte nas vodic o natancnosti AI pri pregledu pravnih dokumentov.

Viri

Ste pripravljeni zaščititi svoje podatke?

Začnite z anonimizacijo PII z več kot 285 tipi entitet v 48 jezikih.

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.