Sullivan & Cromwell učí AI číst smlouvy podle vlastních precedentů

Sullivan & Cromwell s OpenAI vyvinula interní Agreement Analyzer pro kontrolu návrhů smluv. Nástroj spojuje ChatGPT Enterprise s vybranými precedenty kanceláře, vyjednávacími pravidly a informacemi o tržní praxi.

Z prototypu v Codexu vznikl víceuživatelský kontrolní proces

Partner John Savva nejprve vytvořil v Codexu prototyp pro jednoho uživatele. Inženýři OpenAI pak pomohli zlepšit výstupy, spouštět části analýzy paralelně a připravit aplikaci pro více právníků současně.

Právník vloží návrh smlouvy, zvolené precedenty a playbook s pozicemi kanceláře i klienta. Systém provede několik kol kontroly a vrátí memorandum spolu s navrženými změnami ve sledování změn. Právník je může přijmout, upravit nebo odmítnout.

Konkurenční výhodou je kodifikovaný úsudek kanceláře

Obecný chatbot umí shrnout klauzuli. Agreement Analyzer má ambicióznější úlohu: porovnat ji s tím, jak konkrétní kancelář rozděluje riziko, jaké odchylky považuje za významné a co prosazuje při vyjednávání. Právě precedenty a playbooky jsou zde cennější než samotné textové rozhraní.

Pro právní firmy to mění ekonomiku interního know-how. Zkušenost partnera už nemusí zůstat jen v hlavě nebo ve složce starých dokumentů. Lze ji vložit do procesu, který používá širší tým, zatímco odpovědnost za konečné rozhodnutí zůstává právníkovi.

Transparentní podklady pomáhají, chybí však měření přesnosti

Nástroj nechává specializované agenty navrhovat závěry a jiné agenty je zpochybňovat. Výstup odlišuje podpořené nálezy, zamítnuté nálezy a neověřené otázky ponechané s výhradou. To je rozumnější konstrukce než jediná sebejistá odpověď.

Veřejný popis ale neuvádí přesnost, četnost přehlédnutých problémů ani výsledky nezávislého testování. Savva navíc zdůrazňuje důkladnější analýzu v dostupném čase, nikoli nutně kratší práci. Produktivita se tedy zatím opírá o kvalitnější pokrytí, ne o doloženou úsporu hodin.

Skutečnou hodnotu ukážou odmítnuté návrhy a auditní stopa

Rozhodující bude, zda právníci dokážou u každého doporučení dohledat precedent, vysvětlení a důvod, proč závěr přežil oponenturu. Stejně důležité bude měřit, kolik návrhů lidé odmítnou a jaké podstatné problémy systém přehlédne.

Pokud kancelář tato data skutečně sbírá, může Agreement Analyzer zlepšovat vlastní institucionální paměť. Bez takové zpětné vazby by jen vyráběl uhlazené revize rychleji než člověk stačí ověřit jejich právní význam.

Lilithin verdikt

Sullivan & Cromwell postavila vedle právníka stůl se třemi hromádkami: podložené nálezy, zamítnuté nálezy a neověřené otázky. Hodnotu ukáže až to, zda partner před podpisem sáhne do správné hromádky.