title: "E-discovery-sanktioner: när AI-redigering går för långt" description: "I Athletics Investment Group mot Schnitzer Steel (2024) utlöste felaktig redigering discovery-sanktioner. Med AI-verktyg som uppnår endast 22,7 % precision riskerar juridiska team verklig ansvarsskyldighet." category: legal-tech publishedAt: 2026-03-12 tags:
- e-discovery-sanktioner
- redigeringsansvar
- AI-redigeringsprecision
- dokumentgranskning
- juridisk teknik readingTime: 10
Uppdaterat för 2026
Två sätt redigering misslyckas
Juridiska team ställs inför två typer av misslyckanden. Båda skapar verklig ansvarsskyldighet.
Underredigering exponerar privilegierade uppgifter eller personinformation som måste hållas dold. Parten avslöjar material som de hade rätt — och ofta skyldighet — att skydda.
Överredigering döljer fakta som motpartens ombud har rätt att se. Domstolar behandlar detta som hindrande av rättsprocessen. Det är ett discovery-brott som kan leda till sanktioner.
AI-verktyg som prioriterar täckning framför precision orsakar det andra problemet per design. En AI-motor som redigerar bort 80 % av ett dokument undviker att missa något. Men resultatet är oanvändbart. Det kan också ge domstolsanktioner.
Båda typer av misslyckanden leder till samma plats: en domare, en förklaring och kostnader.
Fallet Schnitzer Steel (2024)
2024 års fall Athletics Investment Group mot Schnitzer Steel visar hur domstolar hanterar felaktig dokumentinnehållning.
En part producerade dokument med breda markeringar. Motpartens ombud protesterade. Domstolen granskade materialet. Den fann att markeringarna gick utöver vad lagen tillåter.
Resultatet: sanktioner enligt Federal Rule of Civil Procedure 37. Den producerande parten betalade för en bristfällig process.
Sådana sanktioner är inte nya. Domstolar har använt dem i många år. Det som gör detta fall utmärkande är tidpunkten. AI-assisterad granskning är nu vanlig i tvister. Fallet väcker en nyckelfråga: har juridiska team kontrollerat precisionen i sina AI-verktyg innan de använts i produktionsmiljö?
Svaret spelar roll. Ett verktyg med dålig precision flaggar allt för mycket. Den advokat som förlitar sig på det utan att kontrollera bär risken.
För en fullständig fallanalys, se E-Discovery LLC:s analys av relevansbaserad innehållning.
22,7 %-precisionsproblemet
Presidio är en öppen PII-detektionsmotor byggd av Microsoft. Den används brett i dokumentgranskningsverktyg. Tester på domstolsinlagor och kontrakt ger den en 22,7 % precisionsgrad.
Precision mäter hur ofta en positiv flaggning är korrekt. Vid 22,7 % är ungefär 77 av 100 flaggningar falskt positiva. Dessa poster är inte känsliga enligt någon tillämplig standard.
För e-discovery är matematiken direkt. En samling på 10 000 dokument som bearbetas med den hastigheten kommer att ha tusentals grundlösa markeringar. Den producerande parten riskerar samma sak som svaranden i Schnitzer Steel: en ifrågasatt produktion, en domstolsgranskning och möjliga sanktioner.
Denna siffra gäller Presidios standardkonfiguration på advokatbyråinnehåll. Inte alla AI-verktyg presterar på denna nivå. Men den här motorn är det mest använda öppen källkodsalternativet i branschen.
Orsaken är strukturell. NLP-system tränas på allmän text. Domstolsspråk är annorlunda. Det använder facktermer, citationsformat och draftingkonventioner som avviker från träningsdata. Ett verktyg som fungerar bra på medicinska journaler kan prestera mycket sämre på förhörsutskrifter.
Vad AI-användningsdata visar
Här är en andra datapunkt: 27,4 % av AI-chatbotinnehåll är känsligt, enligt oberoende analys av företags AI-användning.
Detta beskriver vad anställda skickar under normala arbetsuppgifter. Inte data de avsiktligt delar — innehåll som inkluderas av vana eller misstag. Advokater som använder AI för att utforma brev, granska kontrakt eller sammanfatta förhör skickar känsligt innehåll till AI-leverantörers servrar som en bieffekt av normalt arbete.
Nästan tre av tio interaktioner involverar klientdata, privilegierad information eller fallstrategi. Det innehållet når AI-leverantörens servrar i användbar form om inte kontroller stoppar det.
För advokatbyråer som granskar sin AI-risk är 27,4 % inte en mindre fråga. Det är basfrekvensen. Nästan en tredjedel av AI-användningen på en byrå involverar innehåll som behöver skydd.
Ansvarskedjan
Överinnehållning och AI-dataleakage skapar separata men sammankopplade riskvägar. Båda börjar med samma beslut: driftsätta ett AI-verktyg utan ordentlig utvärdering.
Discovery-vägen: AI flaggar innehåll brett → advokat förlitar sig på resultatet utan stickprov → produktionen har omotiverade markeringar → motpartens ombud protesterar → domstol granskar → sanktioner.
Dataleakage-vägen: Advokat använder AI för fallarbete → AI tar emot privilegierad kommunikation → AI-leverantör drabbas av intrång → klientdata exponeras → skadeståndskrav följer.
Startpunkten är densamma i båda fallen. Byråer driftsätter AI-verktyg utan att veta vad dessa verktyg faktiskt gör. Inga kontroller sätts upp för arbetet.
Precisionsfokuserad granskning för produktioner
Domstolar ställer en snäv fråga när de granskar omtvistade markeringar. Backas varje marklering upp av privilegium, sekretessregel eller domstolsbeslut? Domstolar frågar inte om den producerande partens verktyg flaggade så mycket som möjligt.
En marklering utan riktig grund är ett discovery-brott. Det spelar ingen roll om en människa eller en AI gjorde den. Prövningen sker marklering för marklering.
För advokater innebär detta att AI-granskningsverktyg behöver testas på precision — andelen flaggningar som verkligen är privilegierade. Inte bara täckning. Ett verktyg som uppnår 90 % täckning vid 22,7 % precision fångar mer känsligt innehåll. Men det skapar en granskningsbörda för de 77,3 % falskt positiva flaggningarna. När den granskningen inte sker följer bred överinnehållning.
Varje marklering i en produktion är ett påstående till domstolen. Det säger: detta innehåll är legitimt undanhållet. Efter Schnitzer Steel måste det påståendet hålla.
För mer om hur anonymiseringsverktyg skiljer sig från standard-PII-detektion, se vår guide om AI-precision vid juridisk dokumentgranskning. För kontext om privilegieloggar och AI-verktyg, se vårt inlägg om advokat-klient-privilegium och AI.