Ažurirano za 2026.
Dva načina na koji redakcija zakazuje
Pravni timovi suočavaju se sa dva načina otkazivanja. Oba stvaraju stvarnu odgovornost.
Nedovoljna redakcija izlaže privilegovane podatke ili lične informacije koje moraju ostati skrivene. Stranka otkriva materijal koji je imala pravo — a često i obavezu — da zaštiti.
Prekomerna redakcija skriva činjenice koje suprotna strana ima pravo da vidi. Sudovi to tretiraju kao opstrukciju. To je kršenje pravila o otkrivanju dokaza koje podleže sankcijama.
AI alati koji favorizuju opseg nad preciznošću prouzrokuju drugi problem po dizajnu. AI motor koji crni 80% dokumenta izbegava da propusti išta. Ali rezultat je beskoristan. Može i da izazove sudske sankcije.
Oba načina otkazivanja vode na isto mesto: sudija, objašnjenje i troškovi.
Slučaj Schnitzer Steel (2024)
Slučaj Athletics Investment Group v. Schnitzer Steel iz 2024. pokazuje kako sudovi postupaju s nepropisnim zadržavanjem dokumenata.
Jedna strana je dostavila dokumenta sa širokim oznakama. Suprotna strana je uložila prigovor. Sud je razmatrao materijale. Ustanovio je da oznake prevazilaze ono što zakon dozvoljava.
Rezultat: sankcije po Saveznom pravilniku o parničnom postupku, pravilo 37. Stranka koja je dostavila dokumente platila je za manjkav postupak.
Takve sankcije nisu novost. Sudovi ih koriste godinama. Ono što ovaj slučaj čini posebnim je vremenski okvir. AI-podržana revizija je sada uobičajena u parničnom postupku. Slučaj postavlja ključno pitanje: da li su pravni timovi proverili preciznost svojih AI alata pre nego što su ih koristili u stvarnoj produkciji?
Odgovor je važan. Alat sa slabom preciznošću označiće previše toga. Advokat koji se na njega oslanja bez provere snosi rizik.
Za potpunu analizu slučaja, pogledajte analizu E-Discovery LLC o zadržavanju na osnovu relevantnosti.
Problem preciznosti od 22,7%
Presidio je open-source motor za detekciju PII podataka koji je razvio Microsoft. Široko se koristi u alatima za reviziju dokumenata. Testovi na sudskim podneoscima i ugovorima daju mu preciznost od 22,7%.
Preciznost meri koliko često je pozitivna oznaka tačna. Pri 22,7%, otprilike 77 od svakih 100 oznaka su lažno pozitivni rezultati. Ti elementi nisu osetljivi ni po kom primenjivom standardu.
Za e-discovery, matematika je direktna. Skup od 10.000 dokumenata obrađenih po toj stopi imaće hiljade neosnovanih oznaka. Stranka koja dostavlja dokumente suočava se sa istim rizikom kao tuženik u slučaju Schnitzer Steel: osporena produkcija, sudska revizija i moguće sankcije.
Ova vrednost se odnosi na Presidio u podrazumevanoj konfiguraciji za sadržaj advokatskih kancelarija. Nisu svi AI alati na ovom nivou. Ali ovaj motor je najšire korišćena open-source opcija u oblasti.
Uzrok je strukturalan. NLP sistemi se treniraju na opštem tekstu. Jezik sudnice je drugačiji. Koristi stručne izraze, formate citiranja i pravila pisanja koji odstupaju od podataka za treniranje. Alat koji dobro radi na medicinskim kartonima može biti mnogo lošiji na transkriptima saslušanja.
Šta pokazuju podaci o korišćenju AI
Evo drugog podatka: 27,4% sadržaja AI četbotova je osetljivo, prema nezavisnoj analizi korišćenja AI u preduzećima.
Ovo opisuje šta zaposleni šalju tokom normalnih zadataka. Ne podatke koje su nameravali da podele — sadržaj uključen iz navike ili slučajno. Advokati koji koriste AI za pisanje pisama, pregled ugovora ili sažimanje saslušanja šalju osetljivi sadržaj na servere AI dobavljača kao nusproizvod normalnog rada.
Skoro svaka treća interakcija uključuje podatke klijenata, privilegovane informacije ili strategiju slučaja. Taj sadržaj dostiže servere AI dobavljača u upotrebljivom obliku, ukoliko ga kontrole ne spreče.
Za advokatske kancelarije koje proveravaju AI rizik, 27,4% nije nevažan problem. To je osnovna stopa. Skoro trećina AI korišćenja u kancelariji uključuje sadržaj koji zahteva zaštitu.
Lanac odgovornosti
Prekomerno zadržavanje i curenje AI podataka stvaraju odvojene, ali povezane puteve rizika. Oba počinju istom odlukom: uvođenje AI alata bez odgovarajuće procene.
Put kroz otkrivanje dokaza: AI široko označava sadržaj → advokat se oslanja na rezultat bez nasumične provere → produkcija ima neopravdane oznake → suprotna strana ulaže prigovor → sud vrši reviziju → sankcije.
Put curenja podataka: Advokat koristi AI za rad na predmetu → AI prima privilegovane komunikacije → AI dobavljač pretrpi proboj → podaci klijenta su izloženi → slede tužbe za profesionalnu grešku.
Polazna tačka je ista u oba slučaja. Kancelarije uvode AI alate a da ne znaju šta ti alati zapravo rade. Nisu postavljene nikakve kontrole za rad.
Revizija sa prioritetom preciznosti za produkcije
Sudovi postavljaju usko pitanje kada pregledaju osporene oznake. Da li je svaka bila potkrepljena privilegijom, pravilom o poverljivosti ili sudskim nalogom? Sudovi ne pitaju da li je alat stranke koja dostavlja dokumente označio što je više moguće.
Oznaka bez odgovarajućeg osnova je kršenje pravila o otkrivanju dokaza. Nije važno da li ju je napravio čovek ili AI. Istraga je oznaka po oznaka.
Za advokate, to znači da AI alate za reviziju treba testirati na preciznost — udeo oznaka koje su zaista privilegovane. Ne samo na opseg. Alat koji postiže 90% opsega pri preciznosti od 22,7% hvata više osetljivog sadržaja. Ali stvara teret revizije za 77,3% lažno pozitivnih oznaka. Kada ta revizija ne bude obavljena, sledi široko prekomerno zadržavanje.
Svaka oznaka u produkciji je tvrdnja sudu. Kaže: ovaj sadržaj je legitimno zadržan. Nakon slučaja Schnitzer Steel, ta tvrdnja mora biti održiva.
Za više informacija o tome kako se alati za anonimizaciju razlikuju od standardnog otkrivanja PII, pogledajte naš vodič o preciznosti AI u pravnoj reviziji dokumenata. Za kontekst o evidencijama privilegija i AI alatima, pogledajte naš tekst o advokat-klijent privilegiju i AI.