
Agent Copilot do analizy umów dla kancelarii prawnej z 14 prawnikami
Prawnicy spędzali pierwsze 60–90 minut każdego dnia na czytaniu nowo dostarczonych umów do oceny. Wdrożyliśmy agenta w środowisku Microsoft Copilot do analizy umów: identyfikuje ryzykowne klauzule, porównuje z wzorcami kancelarii, przygotowuje draft notatki do klienta. 2 godziny dziennie odzyskane per prawnik.
14 prawników + 6 osób backoffice
9 tygodni
Microsoft 365 Copilot · Microsoft Copilot Studio · SharePoint Online …
Efekty
Mierzalne efekty wdrożenia
2 h
dziennie odzyskane per prawnik
380
historycznych opinii dostępnych w analizie
+45%
trafność wskazania ryzyk u młodszych prawników
0
incydentów wycieku danych klientów
Wyzwanie
14 prawników, 3 zespoły, brak spójnego procesu analizy ryzyk umownych
Kancelaria prawna z Warszawy obsługująca głównie klientów B2B i korporacyjnych zatrudniała 14 prawników podzielonych na 3 zespoły (prawo handlowe, prawo pracy, podatki). Każdy z nich pierwsze 60–90 minut dnia spędzał na czytaniu nowo dostarczonych umów do oceny — często umów standardowych dla danego segmentu, z powtarzającymi się ryzykami i klauzulami.
Problem nie był w samej analizie — w niej prawnicy są ekspertami. Problem był w nierównej jakości pierwszego skanu. Starszy prawnik z 12 latami doświadczenia w prawie handlowym wyłapywał ryzyka w 25 minut. Młodszy prawnik (3 lata po aplikacji) potrzebował 2 godziny i potencjalnie przegapił klauzulę, której nie widział w pierwszej setce umów. Nie było wzorca, który pozwalałby ujednolicić poziom analizy bez tracenia tygodni na review wewnętrzny.
Dodatkowo kancelaria miała problem z wykorzystaniem własnego know-how. Kilkaset przygotowanych w przeszłości analiz, opinii i memorandów leżało w SharePoincie, ale nikt ich nie używał systematycznie — bo żaden prawnik nie pamiętał, że już 2 lata temu kolega z innego zespołu pisał o identycznym ryzyku. Wartość intelektualna kancelarii nie była aktywem operacyjnym.
Podejście
Agent Copilot w środowisku M365 z dostępem do bazy wzorców i poprzednich analiz
Pierwsze 3 tygodnie: warsztaty z partnerami kancelarii (sesje per zespół prawniczy) — spisanie typowych ryzyk per dziedzina, wzorców dobrych klauzul, anti-patternów. Każdy z 3 zespołów stworzył własny słownik ryzyk i wzorców. Te słowniki + 380 historycznych opinii kancelarii z ostatnich 4 lat zostały zindeksowane w Azure AI Search z respektowaniem uprawnień (prawnik z zespołu handlowego nie widzi opinii z zespołu podatkowego, jeśli nie ma do nich dostępu w SharePoincie).
Build trwał 4 tygodnie. Microsoft 365 Copilot jako interfejs w Word i Outlook: prawnik otwiera nową umowę w Wordzie, klika analizuj umowę, dostaje w panelu bocznym tabelę zidentyfikowanych ryzyk z mapowaniem na słownik własnego zespołu. Każde ryzyko ma link do paragrafu w umowie i do najbardziej relevantnej historycznej opinii kancelarii. Copilot Studio jako agent w Teams: dla pytań typu czy mieliśmy podobną klauzulę w opinii dla klienta X 2 lata temu agent przeszukuje archiwum i podaje konkretne dokumenty z cytatami.
Bezpieczeństwo było kluczowe ze względu na obowiązek zachowania tajemnicy zawodowej. Microsoft Purview z politykami DLP: dane klientów nigdy nie opuszczają tenanta M365 kancelarii, każda interakcja z Copilotem jest audytowalna, agent nie eksportuje treści na zewnątrz. Ostatnie 2 tygodnie to pilot na 3 prawnikach z 3 różnych zespołów, dostrojenie słowników, dopracowanie szablonów notatek dla klienta automatycznie generowanych przez Copilota.
Wynik
Młodsi prawnicy analizują z poziomem seniora, partnerzy mają czas na strategię klientów
Najwyraźniejszy efekt: trafność wskazania ryzyk u prawników z 1–3 latami doświadczenia wzrosła o 45% w pierwszych 8 tygodniach po wdrożeniu. Agent nie zastąpił ich wiedzy — wyrównał punkt startowy. Młodszy prawnik zaczyna analizę od listy ryzyk wskazanych przez agenta na podstawie wzorców zespołu, a następnie dodaje własną interpretację. Starszy prawnik dostaje tę samą podstawę, ale ją modyfikuje na bazie unikalnych szczegółów konkretnej sprawy.
Partnerzy kancelarii zauważyli istotną zmianę: czas, który wcześniej spędzali na korekcie pierwszych szkiców opinii młodszych prawników, spadł o 60%. Pierwsze szkice są teraz zdecydowanie bliżej finalnej wersji. To uwolniło partnerów do pracy strategicznej z klientami — co przekłada się na większą satysfakcję klientów i lepsze utrzymanie kont.
Niespodziewany efekt: aktywacja własnego know-how. Wcześniej kancelaria miała 380 historycznych opinii leżących w SharePoincie nieużywanych. Teraz każda z nich jest realnie aktywem — przy analizie nowej umowy agent automatycznie odwołuje się do najbardziej relevantnych opinii historycznych. To zmieniło postrzeganie wartości tworzonej pracy: opinia z dziś nie jest tylko produktem dla bieżącego klienta, jest też materiałem, który będzie pomagał kancelarii za 3 lata.
“Bałem się, że to zastąpi pracę prawników. Okazało się odwrotnie — to wyrównuje poziom startowy, ale prawdziwa wartość prawnika ujawnia się dopiero po analizie agenta. Dziś nasi młodsi prawnicy zaczynają z bazą, którą wcześniej mieli dopiero po 5 latach doświadczenia. To realnie zmienia naszą zdolność do rozwijania talentów.”
Inne case studies
Zobacz, jak rozwiązaliśmy podobne wyzwania w innych branżach
Dedykowany system z AI dla GRUPA KRES — 100 zamówień miesięcznie w jednym pipeline
Zamówienia GRUPA KRES — od inquiry przez pomiar, kalkulację, produkcję po montaż — żyły w 6 różnych narzędziach. Zbudowaliśmy dedykowany system z AI: OpenAI parsuje zapytania klientów, generuje wstępne wyceny na bazie historycznych zamówień, prowadzi pipeline od pierwszego kontaktu do montażu. Wszystkie 100 zamówień miesięcznie w jednym systemie, czas od zapytania do oferty skrócony z 5 dni do 1 dnia.
Dedykowany system zamówień roślin z AI dla hurtowego importera
Zamówienia od 18 dostawców roślin przychodziły przez maila, WhatsApp, formularze PDF i Excele. Zbudowaliśmy dedykowany system: OpenAI rozpoznaje treść zamówień i faktur, n8n orkiestruje workflow, dedykowana aplikacja zarządza kosztami i marżą per dostawca. 90% zamówień obsługiwanych bez człowieka.
Copilot Studio w fabryce: wyszukiwanie wśród 4 500 dokumentów technicznych
Inżynierowie produkcji szukali odpowiedzi w 4 500 dokumentów technicznych rozsianych po SharePoint, dyskach sieciowych i archiwum PDF. Wdrożyliśmy agenta Copilot Studio z indeksowaniem przez Azure AI Search. Średni czas znalezienia procedury spadł z 18 minut do 40 sekund.
Kontakt
Porozmawiajmy o Twoich potrzebach!
Wypełnienie formularza zajmie chwilę, a my skontaktujemy się, aby wysłuchać Twoich potrzeb.
