Možnosti využití AI v právní praxi

Lidem myšlení a strojům dřinu

Během kongresu Právní prostor zazněla otázka, zda s umělou inteligencí trochu nehloupneme. Mám pro to oblíbený citát: „Lidem myšlení a strojům dřinu.“

A to je přesně to, o čem umělá inteligence v mém pojetí je. To znamená používejme ji na to, co nechceme dělat, na to, co nás nebaví. To nechme na umělé inteligenci. A to, co nás v právu baví, tedy konkrétní právní argumenty a jejich aplikace v praxi v konkrétním případu, to si ponecháme.

Nemyslím si tedy, že se úplně vytrácí naše kreativita. Ba naopak, můžeme na ni mít více času. A právě to, jak si zkrátit čas a jak zefektivnit jednotlivé procesy, vysvětlím na konkrétním příkladu.

Modelový příklad: řízení pod vlivem alkoholu

Jako modelový příklad jsem si vybral případ, který se týká řízení pod vlivem alkoholu. Na něm chci ukázat práci s konkrétním rozhodnutím a využití umělé inteligence při psaní opravného prostředku, v tomto případě tedy odvolání.

Rozhodnutí je pro účely tohoto příspěvku anonymizováno, ale při zpracování v reálné praxi by anonymizováno být nemuselo, pokud budu pracovat s nástroji, které anonymizaci nepotřebují a nevyžadují.

Skutkový stav je poměrně jednoduchý. Člověk nadýchal 0,55 promile, potom utekl z místa dopravní nehody, následně ho naháněla policie, a ještě se před policií napil, aby určitým způsobem zmanipuloval měření. Je to takový krásný modelový příklad přestupkáře.

Umělá inteligence není vyhledávač, ale zpracovatel

Důležitou myšlenkou, kterou chci předat, je, že umělá inteligence není vyhledávač, ale je to zpracovatel.

Důvod je jednoduchý. Vezměme si konkrétní věc. Pokud bychom zadali do nějakého obecného nástroje typu ChatGPT pokyn „zpracuj mi odvolání na tento konkrétní případ“, co by se stalo? Odvolání by nám to sice zpracovalo; pozorný čtenář si však všimne, že musíme pracovat ve znění zákona účinném do 30. 6. 2023. A teď si možná řeknete, v čem je problém? V tom, že tohle obecná umělá inteligence neumí a umět nebude, protože čerpá z informací, které jsou veřejně dostupné.

Tyto informace nejsou za žádnou platební bránou, jako jsou třeba informační systémy, které běžně používáme a které jsou za nějakým přihlášením. Tam jsou právě i historické verze zákonů. Když tohle zadáme bez jakékoliv přípravy umělé inteligenci, bude samozřejmě pracovat s aktuálním zněním zákona, nikoliv se zněním účinném do 30. 6. 2023.

V takovém případě se výsledek a výstup mohou výrazně lišit, protože věci, které bude hledat a které nám vyhledá, nebudou aplikovatelné na tento konkrétní případ. Proto je potřeba pracovat v případě umělé inteligence nejen s obecnými nástroji, ale ideálně s právními informačními systémy, jako je třeba Codexis.

Výběr nástroje a anonymizace

Jak tedy systémy kombinovat? V tomto postupu budu kombinovat konkrétně Microsoft 365 Copilot. Jeho podrobné představení by bylo na samostatnou přednášku, proto uvedu jen základní vysvětlení. Podstatné je, že a proč nemusíme při správném nastavení judikát anonymizovat. Microsoft 365 Copilot má, pokud se správně nastaví, koncové šifrování dat a ochranu dat v rámci evropského prostoru. Ne vždy je to automaticky zaručeno; je na uživateli, aby věděl, co dělá. Pokud vypneme to, aby data někam odcházela, potom je to bezpečný nástroj, kde anonymizaci dělat nepotřebujeme.

Proč je to důležité? Protože tím rozhodnutím, které do něj nahrajeme, to samozřejmě nekončí, spíše začíná. Předcházejí tomu informace ze spisu, které jsou pro nás velmi důležité. Tyto informace musíme nějak zpracovat. Představa, že bych je nahrál do ChatGPT a nechal je zpracovat, je samozřejmě iluzorní. Musel bych každý dokument a každý obsah spisu anonymizovat, a ta práce potom postrádá význam. Proto je důležité zvolit správný nástroj, který umožňuje s případem pracovat tak, jak je, a není třeba ho anonymizovat, jako je třeba Microsoft 365 Copilot.

Pro tyto účely bych nepoužíval obecný chat. V placené verzi jsou kromě obecného chatu, který pro tyto účely používat nebudeme, k dispozici i další aplikace, jako je Výzkumník, Analytik a podobně. A právě tyto doplňky zaručují, že zpracování bude lepší. Neříkám správné, říkám lepší, než kdybychom využívali neplacené systémy.

A hlavně tyto doplňky nám z umělé inteligence dělají tu pravou umělou inteligenci pro použití v právní praxi. Představa některých kolegů o tom, že budou používat neplacené nástroje a že ušetří čas i peníze, je taktéž iluzorní. Nějaký nástroj si musíme koupit.

Příprava informací pro zpracování

A teď ten konkrétní postup, jak z umělé inteligence vytěžit konkrétní odvolání. Nejprve je potřeba shromáždit informace, protože umělá inteligence není vyhledávač, ale zpracovatel. Musíme se tedy podívat na to, jaké konkrétní právní předpisy v případu figurují. Může jít například o zákon o přestupcích, zákon o provozu na pozemních komunikacích, správní řád a podobně. Tyto zákony si musíme stáhnout, pokud je budeme chtít zpracovávat pomocí obecného nástroje. Je to nutné zlo, ale přiznejme si, uděláme to jednou a pak to budeme recyklovat v dalších případech.

Proč je to důležité, už zaznělo: protože verze zákonů se mohou lišit. Ale i kdyby se nelišily, je potřeba mít k dispozici i komentáře a zaručené informace. A to i z dalšího prostého důvodu, který se jmenuje eMimino. Možná si řeknete: mluvím o tom, jak odborně zpracovávat rozhodnutí, a potom odkazuji na web eMimino. Jenže právě to je pro umělou inteligenci důležité. Tady je vidět nebezpečí, pokud bychom si řekli, že umělá inteligence je vyhledávač.

Nebezpečí spočívá v tom, že umělá inteligence nemusí správně rozlišit mezi Advokátním deníkem, Bulletinem advokacie, dalšími odbornými články a stránkou eMimino, která se také prezentuje jako odborný portál. Uvádí 30+ odborníků, 500+ odborných článků, a hlavně velkou návštěvnost, tedy že této stránce důvěřuje pětina lidí v České republice ovládajících slovo a písmo. To znamená 1 671 972 uživatelů. V tom ovládání slova a písma bych byl opatrný; stačí se podívat na zde obsažené příspěvky a zjistíme, že přispěvatelé častokrát neovládají ani slovo, ani písmo.

A potom se divíme, že nám umělá inteligence dává špatné výstupy. Protože z čeho bude čerpat? Bude čerpat z toho, že takhle se to píše v té češtině. Náš jazyk je velmi náchylný na určité „zprznění“ informací, protože nás česky mluví poměrně málo. V kontextu angličtiny, u které bude trvat dlouho, než se nějakým způsobem změní, je čeština velmi náchylná k těmto věcem.

A proto se vám možná stalo, že jste něco nahráli do ChatGPT a najednou jste zjistili, že už to ani nemluví dobře česky a ani vám to nedává dobré informace. Je to z tohohle důvodu. Internet je přehlcen lidmi, kteří mají názor, a pak to tak dopadá.

Je tedy potřeba chyby eliminovat tak, aby to z eMimina nečerpalo. Protože co se stane u umělé inteligence, když něco neví? Najde si to. A to je to nebezpečné.

Odborné právní informační systémy

Správný postup je takový, že budu postupovat správně a odborně, tzn. použiji nějaký odborný právní informační systém. Po staré linii bych musel vyhledat právní předpis, proklikávat se jednotlivými ustanoveními, dohledat komentář k určitému ustanovení a případně judikaturu k určitému ustanovení. To je ale spousta práce.

Proto využívám nástroj Codexis AI, který mi v tom výrazně pomáhá. Výstup z něj spočívá v tom, že dostanu konkrétní rozsudky, na které mohu navázat v právní argumentaci. Tyto rozsudky si stáhnu a poslouží mi jako podklad pro řešení konkrétního případu.

Je to nezbytná nutnost. Kdybych spoléhal na to, že mi obecná umělá inteligence najde správný judikát, může se stát přesně to, co známe z případů, kdy umělá inteligence halucinovala v rozsudcích a advokát za to dostal u soudu pokutu. Nechávám stranou, jestli je to správně, nebo ne. Podstatné je, kde byla ta chyba. A ta byla v tom, že šlo o nesprávné použití umělé inteligence, zejména kombinace obecných nástrojů a jejich nesprávného používání.

Judikatura a riziko halucinací

Nebezpečí při práci s judikaturou si můžeme představit na modelovém příkladu, kdy jsem chtěl pomocí ChatGPT, tedy oblíbeného a obecně používaného nástroje, nějakou judikaturu najít. Judikatura vyjela a na první pohled to vypadalo velmi dobře. Výstup obsahoval nejen nalezené rozsudky, ale dokonce i právní věty. Nabízelo by se vzít je, zkopírovat a vložit do argumentace. Bylo by to nejjednodušší. Jenže potom bychom taky snadno mohli dostat pokutu třeba od Ústavního soudu.

Kde je chyba? Obecná umělá inteligence neumí vyhledávat judikaturu. Například v mém modelovém příkladu našla údajný judikát 7 As 14/2010-61. Ale ten judikát, který existuje, je 7 As 61/2010-89.

Jsou tam drobné rozdíly, ale pro nás docela zásadní. Čísla jsou přeházená a čtrnáctka v existujícím judikátu vůbec není. Kde se vzala? Někde z dalšího judikátu, který obsahoval i číslo 61 a obsahoval i As. A vznikl nám takový superjudikát.

Není to ale chyba umělé inteligence. Je to chyba toho, že jsme spoléhali na to, že je vyhledávačem. To znamená, správný postup, pokud budeme pracovat s judikaturou, je použít právní informační systém, který nám umožní najít judikaturu relevantní a správnou. A v něm je velmi jednoduché ověřit, jestli judikát existuje, a případně si ho mohu shrnout.

Takže to je důvod, proč používat odborné zdroje i v době umělé inteligence. Práci na rešerši se nevyhneme.

Právní předpisy a předzadání pro Codexis

Jakmile mám judikaturu, potřebuji právní předpisy. Jak jsem zmiňoval, jejich stažení je nutné zlo. Protože mohou nastat případy, kdy pracujeme s již neaktuálním právním předpisem.

Mohou ale nastat i případy, kdy jsou rozdíly velmi drobné. Když jsem například se svými studenty zkoušel, aby mi pomocí umělé inteligence zpracovali návrh elektronického platebního rozkazu nad 1 000 000 Kč, všichni mi řekli, že to nejde. Proč to nešlo? Protože AI čerpala právě z informací před novelou občanského soudního řádu, kde to opravdu nešlo. Ale jak to má ten neinformovaný uživatel bez předurčení vědět? A to je další věc. Pokud budu používat umělou inteligenci, je potřeba vědět, co dělám. Musím mít na věc nějaký názor a nějaké předurčení, abych byl schopen zkontrolovat výstup.

Jak tedy pracovat, aby mi Codexis našel judikaturu, případně i informace, právní předpisy a všechno další, a nemusel jsem to hledat já? Nejjednodušším způsobem je rozhodnutí do systému nějakým způsobem nahrát. U jednoduchého rozhodnutí to nespotřebuje mnoho kreditů. Co když mám ale rozhodnutí o 60 nebo 80 stranách? Potom nastává situace, kterou slýchám nejen u Codexisu, ale i u ostatních právních informačních systémů pracujících s umělou inteligencí: nahrál jsem dva rozsudky a už mám vyčerpané kredity na celý měsíc. Důvodem je, že si práci neumíme usnadnit a zefektivnit.

Přitom stačí málo. Vezmu konkrétní rozsudek, který budu řešit, vložím ho do nějakého AI systému – za mě vyhrává Copilot – a zadám velmi jednoduchý dotaz: „Shrň mi rozsudek pro účely vyhledání v Codexisu.“  Co je vyhledávání v Codexisu už systém ví, protože jsem si předem nadefinoval, jak to má vypadat. Tj. má shrnout skutkový stav případu a předpisy, které se v něm vyskytují. Výsledkem je předzadání pro Codexis.

Čeho tím docílím? Zaprvé nemusím anonymizovat. Zadruhé přesně vím, jaké konkrétní skutečnosti bude Codexis vyhledávat. V našem příkladu půjde o vliv alkoholu, nezvládnutí řízení, neoznámení dopravní nehody a související předpisy. Tím systém výrazně urychlím, protože nebude muset číst celé dokumenty, které bych do něj nahrával, a zároveň výrazně ušetřím, protože bude zpracovávat menší množství dat a kredity mi nebudou tak rychle mizet.

Takto připravené předzadání vložím do systému a pracuji s výstupem. Ten si potom stáhnu a všechny informace nahraji zpět do pracovního nástroje, včetně předpisů a dalších podkladů. Z toho může vzniknout krásné podání, se kterým jsem schopen pracovat.

Postup je tedy jasný: nejprve si najděte informace a teprve potom je nechte zpracovávat.

Integrace Copilotu do Wordu

Další usnadnění práce vidím v integraci Copilotu do běžně používaného Wordu. Word používáme všichni a je to asi nejoblíbenější pracovní nástroj nejen advokátů. Uvedu konkrétní situaci: psal jsem uplatnění nároku poškozeného na náhradu majetkové škody.

Jde o přestupkové řízení, nic velkého, ale klient z toho chtěl udělat velkou věc, tak jsme se činili a velká věc z toho je. Řešily se léky na bolest, Paralen, regulační poplatky za pohotovost a další položky, včetně faktur za právní služby.

A teď si vezměte, že nejde o pár řádků, ale třeba o daňovou věc, kde je to desítky nebo možná i stovky stran dat, která potřebujete zpracovat. Typická situace vypadá tak, že máte konkrétní dokumenty: účtenku, další účtenky za léky, další doklady a další věci. Měl jsem konkrétní daňovou věc s finančním úřadem, kde přesně takové účtenky ve spise byly, ale nebylo jich pět, nýbrž pět set. Přepisovat a zpracovávat údaje v takovém měřítku je velká ztráta času.

A právě tam děláte přesně to, co vás nebaví. Tohle je ta dřina, kterou dokáže nahradit stroj. Ale vy tu dřinu můžete dát nástroji a vám zůstane myšlení.

A to je vlastně úžasná věc na umělé inteligenci. Mnohdy zaznívá, jestli náhodou nezakrníme. Já to vidím spíše naopak. My se můžeme se rozvíjet v tom, na co jsme neměli čas: lépe argumentovat, věnovat případu čas v konkrétně důležitých věcech, a nikoli tomu, že budeme přepisovat účtenky.

V praxi to mohu udělat tak, že si připravím podání a k němu podklady, přílohy, účtenky, faktury za právní služby a další věci. Pokud jde o jednoduchý případ s několika údaji, nemá to smysl; to si vyplním sám a bude to rychlejší. Ale pokud je stran opravdu několik nebo jsou jich desítky, začne se projevovat ta efektivita.

Ve Wordu nechám Copilot seznámit se s dokumentem, připojím přílohy, které má zapracovat přímo do textu, a zadám jednoduchý pokyn: „Doplň částky z příloh přímo do textu.“ Tak jednoduchý pokyn si můžu dovolit proto, že jsem si předem nadefinoval, co znamená.

Nastavení pokynů a paměti systému

Definice a nastavení každého systému je poměrně jednoduché. Nejsou to žádné školy promptování, za které utratíte desítky tisíc. Většinou to školí marketéři a není to úplně dobré. Jednoduchá věc, jak si nastavit nějaký systém, je tato: vezmete systém, který používáte, a napíšete „napiš mi prompt, který…“ A de facto už tady vidíte, že v tu chvíli se musíte zamyslet nad tím, co po tom systému chcete.

Systém vám prompt napíše a potom zadáte: „Ulož a pamatuj si pro příště.“ To je celé. Propíše se to do paměti systému a příště už bude přesně vědět, co má dělat na konkrétní pokyn. Tzn. pokud mi vygeneruje nějaký úspěšný vzor a budu chtít, aby si ho pamatoval pro příště, zadám po generaci jednoduchý pokyn: ulož do paměti a pamatuj si to pro další věci. Takhle jednoduché to je.

Automatické doplňování a kontrola výstupu

U automatického doplňování se často ozývá argument nepřátel umělé inteligence: trvá to moc dlouho, to už bych měl pětkrát hotové. Jasně, ale já se nemusím dívat na to, až proces doběhne. Můžu dělat něco jiného a nechat umělou inteligenci pracovat.

Měl jsem školení na jednom nejmenovaném úřadě, bylo to v Olomouci, a byla tam paní v zadní řadě. Říkala mi: „Tohle já nepotřebuji.“ Odpověděl jsem jí, že jí to může usnadnit strašně moc práce, protože s podobnými věcmi pracuje denně. A ona na to: „No jo, ale já nejsem placena za výkon, já jsem placena za to, že tady sedím celý den.“ Pro mě je to významné nepochopení. Pro mě je to úspora času a možnost dělat další věci. Paní tam sedí a dostane úplně stejně zaplaceno, i když toho stihne méně.

Samozřejmě ne všichni ve veřejné správě takto uvažují. Podstatné je, že v tom je ta úspora času. Jsou věci, které opravdu dělat nemusíme. A o tom umělá inteligence je.

Není to o tom, že vám umělá inteligence napíše desítky stran bez kontroly, které potom hodíte na soud a budete se tvářit, že jste na nich pracovali. Je to o tom, že mám prostor se věci věnovat. Mám prostor dohledávat další podklady a lépe vyargumentovat, proč např. zrovna k té újmě došlo.

Některá čísla z účtenek také nemusí být úplně jednoznačně čitelná, ale systém je většinou i tak přečte. Tyto věci je nutno zkontrolovat a ověřit, zda částky sedí, zda je uveden souhrn, zda je správně spočítán souhrn faktur a celkové náklady.

Závěr

Toto je podle mě umělá inteligence a její výrazné usnadnění práce. Proto bychom umělou inteligenci měli používat a nebát se jí. Abychom ji ale používat mohli, je potřeba vědět jak.

Často není chybou umělé inteligence, že udělá chybu. Chybou je to, že se spoléháme na to, že je vyhledávač. Spoléháme na to, že umí něco, co ani neumí, nebo že je naprogramována na konkrétní činnost, i když není. Protože obecná umělá inteligence by měla být pro všechny: pro studenta základní školy i pro jaderného fyzika, který zrovna sleduje, co dělá jeho reaktor.

Proto je potřeba si věci nadefinovat tak, aby byly pro váš obor přínosné a platné. Není to o tom, že si sedneme a bez práce máme super systém. Pokud si to chceme usnadnit, existují systémy, které to umožňují, protože už jsou určitým způsobem nadefinovány.

Chtěl jsem zde nabídnout přehled o tom, jak se dá umělá inteligence v právní praxi využít. Vývoj jde nicméně pořád dál, takže až se potkáme někdy v budoucnu, budou další systémy a novinky.

Je potřeba sledovat trendy.

---

Tento text je přepisem příspěvku předneseného na Kongresu Právní prostor 2026.