Osobiste stanowisko AI dla każdego prawnika
Narodową infrastrukturę prawnego AI można zbudować nie jako jeden ciężki produkt, lecz jako sieć elastycznych stanowisk połączonych wysokiej jakości danymi, wspólnymi standardami i społecznością zawodową.
Koncepcja dla sędziów, prawników administracji publicznej, adwokatów, uczelni i zespołów transformacji cyfrowej. Autor — Sergej Avdejcik, projekt VeriLex.
- Gotowa infrastruktura — start bez tworzenia oprogramowania
- Modele na poziomie ekspertów dziedzinowych
- Ponad 120 mln orzeczeń sądowych w otwartym dostępie
Dlaczego „zamówienie jednego wielkiego systemu” już nie działa
Drogo.
Dziesiątki milionów, zanim pojawi się pierwszy rezultat.
Wolno.
Lata zatwierdzeń i zamówień publicznych — podczas gdy technologia zmienia się co pół roku.
Uśrednienie.
Wymagania tysięcy specjalistów sprowadza się do „przeciętnych” scenariuszy, które nie pasują nikomu.
Trudno zmienić.
Każda zmiana wymaga wykonawcy i nowego budżetu.
Zależność.
Od jednego dostawcy, jednej platformy, jednego kontraktu.
Przestarzały w dniu premiery.
System zaprojektowano wokół technologii sprzed dwóch lat.
OECD, analiza 200 wdrożeń AI w sektorze publicznym: większość inicjatyw utyka na etapie pilotażu.
Trzy zmiany, które otworzyły okno możliwości
Modele językowe nauczyły się pracować z tekstem prawnym
Niezależne testy ślepe: narzędzia prawnego AI rozwiązują zadania badawcze na poziomie 74–78% wobec 69% u prawników-ludzi. Najnowocześniejsze modele dorównują ekspertom dziedzinowym w dobrze zdefiniowanych zadaniach.
Pojawiły się środowiska pracy — nie tylko czaty
Środowiska agentowe czytają foldery spraw, przestrzegają pisemnych instrukcji, korzystają z narzędzi, utrzymują pamięć i sprawdzają własne wyniki. Format instrukcji AGENTS.md to otwarty standard wspierany przez dziesiątki tysięcy projektów. To gotowa, przemysłowo sprawdzona infrastruktura: nie trzeba jej tworzyć od podstaw.
Dane i narzędzia łączą się bezpiecznie
Otwarte protokoły łączą model z ustawodawstwem, rejestrami i materiałami sprawy na poziomie konkretnego stanowiska pracy — bez wysyłania danych do chmur zewnętrznych podmiotów.
Model to silnik rozumowania
Nie wyrocznia. Nie baza wiedzy. Nie zastępstwo dla prawnika. Silnik, który potrzebuje paliwa i kierowcy.
Model jest trenowany na ogromnych korpusach tekstu, w tym prawnego. Dzięki temu rozumie strukturę argumentacji prawnej, język ustawodawstwa i standardowe konstrukcje prawne. Nie „zna prawa” jednak — wnioskuje na podstawie danych, które zostały mu prawidłowo przekazane.
Model językowy dysponuje potężnym uniwersalnym mechanizmem języka i rozumowania — ale potrzebuje aktualnych, zweryfikowanych i właściwie zorganizowanych danych.
Silny model to jeszcze nie asystent prawny
Nieaktualne wydania.
Model uczył się na zrzucie danych, który był już nieaktualny w momencie premiery.
Nie widzi akt sprawy.
Dopóki nie otrzyma kontrolowanego dostępu do materiałów, wnioskuje po omacku.
Miesza źródła.
Dane treningowe zawierają różne wersje tych samych aktów prawnych.
Brak gwarancji cytowania.
Wiarygodnie brzmiące odniesienie to nie to samo, co odniesienie istniejące.
Ignoruje zasady instytucjonalne.
Wasze regulaminy, stanowiska i standardy są mu nieznane.
Nie ponosi odpowiedzialności.
Model nie decyduje, kiedy musi wkroczyć weryfikacja przez człowieka.
58–82%
odsetek halucynacji publicznych LLM w kwestiach prawnych (J. Legal Analysis)
17–33%
odsetek błędów komercyjnych narzędzi prawnego RAG (Stanford)
1733
sprawy sądowe dotyczące sfabrykowanych cytowań AI w 40 jurysdykcjach (lipiec 2026)
Formuła pełnoprawnego kopilota prawnego
Kliknij element, aby zobaczyć, co wnosi.
Główny efekt wynika z synergii uniwersalnego silnika i właściwie zorganizowanych danych.
Pięć warstw danych — różne zasady dostępu
Prawo publiczne
Konstytucja, kodeksy, ustawy, orzecznictwo, rejestry. Otwarte dla wszystkich, maszynowo czytelne.
- Tryb dostępu
- Otwarty dostęp
- Odpowiedzialny
- Państwo
Prawo publiczne
Konstytucja, kodeksy, ustawy, orzecznictwo, rejestry. Otwarte dla wszystkich, maszynowo czytelne.
- Tryb dostępu
- Otwarty dostęp
- Odpowiedzialny
- Państwo
Państwo odpowiada za warstwę 1. Instytucja — za warstwy 2–4. Praktyk — za warstwę 5. Nikt nie musi budować wszystkiego naraz.
Przekazujemy nie tylko odpowiedź. Przekazujemy weryfikowalny proces jej uzyskania.
Widok podzielony: pojedynczy plik .docx po lewej rozwija się w siedmiofolderowy pakiet pracy po prawej.
Tradycyjna wymiana
- użyte źródła
- wydania przepisów
- odrzucone hipotezy
- wykonane kontrole
Odbiorca widzi tylko wynik. Źródła, wydania przepisów, odrzucone hipotezy, wykonane kontrole — wszystko pozostało u autora. Weryfikacja oznacza powtórzenie pracy.
Agentowa praca zespołowa
- result/
- sources/
- facts/
- analysis/
- verification/
- logs/
- metadata/
Odbiorca widzi wynik — i jego podstawy: źródła, fakty ze statusami, logikę, kontrole, niepewności, historię zmian.
Dokument jest interfejsem. Pakiet pracy jest obiektem prawnym.
Otwarte formaty: Markdown, JSON, YAML, Git. Pakiet jest czytelny dla człowieka i sprawdzalny przez agenta.
Każdy wniosek zna swoje pochodzenie
Kodeks cywilny Ukrainy, art. 651, wydanie z 1 maja 2026 r., zweryfikowane 8 lipca 2026 r. (stały link).
To nie są „myśli modelu” — to weryfikowalne ślady pracy: źródła, statusy, kontrole. Jak standardy odtwarzalności naukowej, ale dla pracy prawniczej.
Efektywność zespołowa powstaje wtedy, gdy agenci różnych uczestników potrafią rozumieć i weryfikować nawzajem swoje wyniki
Weryfikacja przestaje być powtórzeniem cudzej pracy i staje się audytem procesu. Komentarze przestają być mailami typu „proszę jeszcze raz spojrzeć” i stają się precyzyjnie ukierunkowane. Doświadczenie przestaje odchodzić razem z pracownikiem i pozostaje w pakietach.
Jak wygląda stanowisko pracy prawnika
To konfiguracja, nie tworzenie oprogramowania: stanowisko pracy jest składane z plików instrukcji w formie zwykłego tekstu na bazie istniejących środowisk agentowych (OpenAI Codex, Anthropic Claude Code, odpowiedniki open source). Wdrożenie może rozpocząć się już dziś.
Stylizowana makieta, nie zrzut ekranu istniejącego produktu.
Konfiguracje startowe — otwarte i bezpłatne
legal-copilot-ukraine/
- Podstawowy plik instrukcji: jak agent działa, cytuje i weryfikuje w tym repozytorium. AGENTS.md to otwarty standard wspierany przez dziesiątki tysięcy projektów.
AGENTS.md
Podstawowy plik instrukcji: jak agent działa, cytuje i weryfikuje w tym repozytorium. AGENTS.md to otwarty standard wspierany przez dziesiątki tysięcy projektów.
5–10 gotowych konfiguracji: prawnik samorządowy, asystent sędziego, asystent adwokata, ekspert ds. ustawodawstwa, praca z umowami, harmonizacja z prawem UE, stanowisko studenckie. Pobierz, zainstaluj lokalnie i uzyskaj działające stanowisko pracy w ciągu godziny. Wszystko działa na bazie istniejących środowisk agentowych — repozytorium nie zawiera niestandardowego kodu: jedynie instrukcje, role, umiejętności i kursy szkoleniowe.
Tysiące specjalistów rozwija system — najlepsze rozwiązania wracają do wszystkich
Konfiguracja bazowa
Adaptacja przez użytkownika
Doskonalenie umiejętności
Tworzenie artefaktu
Przegląd przez społeczność
Najlepsza praktyka wraca do repozytorium
Każde stanowisko pracy staje się odzwierciedleniem doświadczenia jednego praktyka. Instrukcja napisana przez najlepszego prawnika w departamencie staje się plikiem, który działa dla każdego kolegi — i przetrwa rotację kadr. Żaden scentralizowany wykonawca nie może rozwijać się z taką prędkością.
Państwo buduje warunki, nie produkt
Państwo zapewnia
- maszynowo czytelne prawo (stałe identyfikatory, wydania, daty)
- standardy danych i artefaktów
- wymagania bezpieczeństwa
- certyfikację konfiguracji
- pilotaże w instytucjach
- szkolenia
- interoperacyjność
- wsparcie dla otwartego ekosystemu
Państwo NIE
- projektuje jednego „idealnego produktu Legal AI”
- wybiera jednego dostawcy
- zastępuje profesjonalny osąd algorytmem
Zadaniem ośrodka koordynującego jest stworzenie warunków, w których powstaje wiele dobrych rozwiązań, które są weryfikowane i szybko się rozwijają.
Technologia rozprzestrzenia się z prędkością, w jakiej ludzie się uczą
Uczelnie
- rozwijają umiejętności prawne dla agentów
- testują modele na ukraińskich zadaniach prawnych
- budują przypadki dydaktyczne na otwartych danych
- szkolą studentów
- wyznaczają standardy kompetencji cyfrowych z zakresu prawnego AI
- oceniają jakość artefaktów
Mentorzy
- pomagają sformalizować procesy
- uczą użytkownika, zamiast konfigurować za niego
- wpajają praktykę weryfikacji
- uczą pracy zespołowej z artefaktami
- stopniowo przekazują pełną kontrolę praktykowi
Umiejętność organizowania pracy agenta prawnego i przekazywania kolegom weryfikowalnego artefaktu jest kluczową kompetencją zawodową nadchodzącej dekady.
Pierwszy rok: kontrolowana reakcja łańcuchowa, nie megaprojekt
Miesiące 0–3
- Otwarte repozytorium
- 5–10 konfiguracji
- Minimalny standard artefaktów
- Materiały szkoleniowe
- Wybór instytucji pilotażowych
Miesiące 3–6
- Wdrożenia stanowisk pracy
- Pilotaż zespołowej wymiany artefaktów
- Szkolenie mentorów
- Ocena jakości
- Zbieranie informacji zwrotnej
Miesiące 6–12
- Skalowanie
- Nowe specjalizacje prawne
- Standardy interoperacyjności
- Narodowa sieć praktyki
Dzień pierwszy to publikacja repozytorium: baza technologiczna już istnieje, tworzenie oprogramowania nie jest wymagane. Harmonogram jest hipotezą roboczą, doprecyzowywaną wraz z instytucjami pilotażowymi. Punkt odniesienia dla tempa: droga Diia.AI od strategii do działającej usługi.
Scentralizowany SaaS kontra osobisty ekosystem agentowy
Przed
Wymaga wieloletniego tworzenia oprogramowania na zamówienie
Po
Działa na istniejących środowiskach agentowych już dziś
Przed
Jeden uśredniony produkt
Po
Zindywidualizowane stanowisko pracy
Przed
Długi cykl rozwoju
Po
Szybki start z gotowych konfiguracji
Przed
Zmiany przechodzą przez wykonawcę
Po
Zmiany wprowadzane przez użytkownika
Przed
Wymiana plików końcowych
Po
Wymiana weryfikowalnych artefaktów
Przed
Ukryty proces przygotowania
Po
Odtwarzalny łańcuch stojący za wynikiem
Przed
Scentralizowane scenariusze
Po
Rozproszone umiejętności
Przed
Wysoki koszt rozwoju
Po
Rozwój dzięki społeczności
Przed
Uzależnienie od platformy
Po
Swoboda zmiany modeli
Przed
Ograniczona personalizacja
Po
Skumulowane doświadczenie osobiste i zespołowe
Znamy ryzyka — i projektujemy zabezpieczenia od pierwszego dnia
Zweryfikowane dane
Powiązanie ze źródłem
Logowanie
Kontrola dostępu
Testowanie
Potwierdzenie przez człowieka
Metryki jakości
Wdrożenie lokalne
Poziomy ujawniania
Zasady poufności
Ramy zgodności: unijny AI Act (nadzór ludzki), zasady CEPEJ Rady Europy, wytyczne UNESCO dotyczące AI w sądach oraz wytyczne Ministerstwa Transformacji Cyfrowej i Ministerstwa Sprawiedliwości Ukrainy dla prawników.
Nie zaczynaj od narodowego megasystemu. Zacznij od dziesięciu dobrych stanowisk pracy, otwartych danych, wspólnego standardu artefaktów i społeczności zawodowej.
Baza technologiczna już istnieje: środowiska agentowe OpenAI Codex, Anthropic Claude Code i odpowiedniki open source działają już dziś. Uruchomienie oznacza publikację instrukcji, umiejętności, ról i kursów szkoleniowych — nie tworzenie produktu.
Autor koncepcji — Sergej Avdejcik, projekt VeriLex. Odpowiadamy na każdą wiadomość.