AI w kancelariach prawnych — co działa, co nie działa, gdzie zacząć

Polskie kancelarie prawne dzielą się dziś na trzy grupy. Pierwsza — kancelarie, które używają darmowych modeli online do prywatnych zapytań i nie mają żadnej polityki AI. To największa grupa i największe ryzyko związane z wyciekiem tajemnicy zawodowej. Druga — kancelarie, które wdrożyły Microsoft 365 Copilot lub podobne narzędzie w kontrolowanym środowisku i zaczynają je systemowo wykorzystywać. Trzecia — kancelarie, które zbudowały dedykowanych agentów AI do konkretnych typów spraw.

Wbrew popularnym narracjom, w polskich realiach najwięcej wartości daje dziś pierwszy poważny krok — uporządkowanie repozytorium dokumentów, wdrożenie Copilota i polityki AI. Dopiero potem warto myśleć o dedykowanych agentach. Bez tego fundamentu nawet najlepsze narzędzie kończy jako prezentacja na konferencji.

Najbardziej dojrzałymi i powtarzalnymi wdrożeniami AI w kancelariach są: analiza umów (przegląd, klasyfikacja, sygnalizowanie klauzul ryzykownych), porównanie nowej wersji umowy z firmowym wzorcem, ekstrakcja danych z akt i z umów (strony, terminy, kwoty, kary umowne), generowanie pierwszego draftu pisma na bazie wzorca i danych klienta oraz wyszukiwanie wiedzy w wewnętrznym repozytorium spraw.

Te zastosowania mają wspólną cechę — automatyzują pracę przeglądową i przygotowawczą, gdzie ostateczna decyzja zawsze należy do prawnika. To największa szansa dla kancelarii 5–50 prawników: nie zatrudniamy kolejnych aplikantów do żmudnej pracy, tylko skracamy ją 3–5-krotnie istniejącemu zespołowi.

Mimo entuzjastycznych opowieści z USA, w polskich realiach kilka obszarów wciąż nie nadaje się do samodzielnego użycia AI. Należą do nich: predykcja wyniku konkretnej sprawy przed polskim sądem, autonomiczne wystawianie opinii prawnych, samodzielne reprezentowanie strony w komunikacji z drugą stroną oraz pełne analizy regulacyjne w obszarach, gdzie liczy się aktualność interpretacji (np. KSeF, AI Act, podatki).

Powód jest prosty: polski system prawny ma ograniczone, dobrze ustrukturyzowane zbiory orzecznictwa, a interpretacje zmieniają się szybko. AI dobrze wspiera tu prawnika, ale nie zastępuje jego oceny — dlatego we wszystkich tych obszarach standardem powinien pozostać model „AI sugeruje, prawnik decyduje”.

Każde wdrożenie AI w kancelarii musi być zaprojektowane wokół trzech filarów: RODO, tajemnicy zawodowej (adwokackiej lub radcowskiej) i AI Act. W praktyce oznacza to: dane klienta nigdy nie powinny trafiać do publicznych modeli; środowisko AI musi być pod kontrolą kancelarii (Microsoft 365 z odpowiednimi licencjami, Private AI lub dedykowany agent na infrastrukturze partnera); musi istnieć polityka AI w kancelarii — co wolno, czego nie wolno, jakie dane można wprowadzać.

Drugi obszar to zgoda klienta i transparentność. Coraz częściej spotyka się zapisy w umowach z klientami, w których kancelaria informuje, że wykorzystuje narzędzia AI do wsparcia analiz, a klient ma prawo wyrazić sprzeciw. To dziś standard, którego klienci korporacyjni wymagają i który stanie się obowiązkowy w ramach AI Act.

Dla większości polskich kancelarii wdrożenie Microsoft 365 Copilot dla firm to dziś najlepszy punkt startu. Działa na danych kancelarii (SharePoint, OneDrive, Outlook, Teams), nie wycieka poza tenant, można go skonfigurować pod konkretne procesy (analiza umów, porównania, draft pism) i jest licencjonowany w modelu, który zna każdy IT manager.

Praktyczna ścieżka: uporządkowanie SharePoint (struktura, uprawnienia, klasyfikacja), wdrożenie pilotażowe Copilota dla 5–10 prawników, opracowanie biblioteki promptów dla typowych zadań (analiza umowy, porównanie z wzorcem, draft pisma), pomiar oszczędności czasu, decyzja o rozszerzeniu. Cały cykl zwykle 8–12 tygodni.

Dedykowani agenci AI (zbudowani w Copilot Studio lub jako autonomiczny system) zaczynają mieć sens, gdy kancelaria ma powtarzalne, dobrze zdefiniowane procesy — np. analizę umów najmu w obsłudze sieci handlowej, due diligence M&A, analizę warunków przetargowych, weryfikację dokumentacji RODO klientów. Tam, gdzie ten sam typ pracy wykonuje się dziesiątki razy w miesiącu, agent może realnie zaoszczędzić setki godzin rocznie.

Koszt budowy dedykowanego agenta dla konkretnego procesu w polskiej kancelarii to zwykle 40–120 tys. zł netto, w zależności od liczby integracji i głębokości logiki. ROI zwykle pojawia się w pierwszych 6–9 miesiącach. Najczęstszym błędem jest jednak budowa agenta przed uporządkowaniem danych — wtedy projekt grzęźnie na etapie testów.

AI zmienia także sposób rozliczania kancelarii z klientami. Tam, gdzie pracownik wcześniej spędzał 6 godzin nad analizą umowy, dziś robi to w 2 godziny — co podnosi pytanie o model rozliczeniowy. Coraz więcej kancelarii odchodzi od billable hours w stronę modeli fixed-fee, project-fee lub success-fee, ponieważ wartość pracy AI-wspomaganej nie odpowiada już godzinie pracy aplikanta.

Drugi obszar to fakturowanie i kontroling. AI w obszarze administracji (matter management, billing, statementy dla klientów, prognozowanie przychodów) realnie skraca pracę księgowości i partnerów zarządzających. To często niedoceniany obszar, który warto wdrażać równolegle z AI w pracy merytorycznej.

Praktyczna ścieżka wdrożenia AI w kancelarii to 90 dni. Dni 1–14: audyt środowiska danych (SharePoint, OneDrive, struktura, uprawnienia), audyt procesów i wybór 2–3 priorytetowych zastosowań. Dni 15–30: opracowanie polityki AI, klauzul w umowach z klientami, wybór technologii i partnera wdrożeniowego.

Dni 31–60: pilotaż dla 5–10 prawników, budowa biblioteki promptów, szkolenie zespołu, pomiar oszczędności czasu. Dni 61–90: rozszerzenie na całą kancelarię, decyzja o ewentualnych dedykowanych agentach dla powtarzalnych procesów. Ten model pozwala zacząć korzystać z AI bezpiecznie i w sposób, który zaakceptują zarówno partnerzy, jak i klienci korporacyjni.