Gaius-Lex to polski asystent AI do analizy dokumentów i researchu prawnego. Skąd pierwotnie wziął się pomysł na to rozwiązanie?

Paweł Kulig   Pomysł pojawił się kilka lat temu, jeszcze zanim narzędzia generatywnej sztucznej inteligencji trafiły do szerokiego obiegu, gdy temat był znany głównie w środowisku badaczy i inżynierów. Kluczowe było doświadczenie Witka Wydmańskiego, naszego współzałożyciela i CTO, który pracował przy projekcie akademickim realizowanym dla amerykańskiej agencji FDA, odpowiedzialnej za regulowanie lokalnego rynku leków. Stworzono tam semantyczną wyszukiwarkę publikacji naukowych pozwalającą identyfikować powiązania między lekami a ich skutkami ubocznymi, co wymagało łączenia metod wyszukiwania semantycznego i leksykalnego oraz budowy algorytmów analizujących kontekst informacji. Po zakończeniu tego projektu kompetencje Witka zostały wykorzystane w kolejnych inicjatywach, chociażby w branży nieruchomości, gdzie pracowaliśmy nad modelami predykcji cen w warunkach ograniczonej dostępności danych. Zebrane doświadczenie skierowało nas w stronę problemów związanych z analizą dużych zbiorów tekstowych. Zderzając to z rynkiem odkryliśmy, że prawnicy operują właśnie na takich danych, co doprowadziło do stworzenia pierwszego prototypu systemu do przeszukiwania orzecznictwa bazującego na wczesnych modelach językowych. Wzbudził on duże zainteresowanie, ale okazał się wówczas nieopłacalny ze względu na koszty techniczne, dlatego projekt został odłożony i wróciliśmy do niego dopiero wraz ze zmianą warunków rynkowych.

   Do jakiej grupy docelowej kierowany jest Gaius-Lex?

Koncentrujemy się na profesjonalnych użytkownikach, przede wszystkim większych kancelariach prawnych. To właśnie tam występuje największa potrzeba optymalizacji procesów, takich jak przygotowywanie pism procesowych, które są z jednej strony sformalizowane i powtarzalne, a z drugiej wymagają dostosowania do konkretnych danych wejściowych. Nasz system dobrze radzi sobie właśnie z takim schematycznym przetwarzaniem informacji. Natomiast nie kierujemy tego produktu do odbiorców indywidualnych, ponieważ chcemy ograniczyć ryzyko jego niewłaściwego użycia, które mogłoby wynikać z braku weryfikacji merytorycznej wyników generowanych przez Gaius-Lex. Traktujemy ten system jako narzędzie wspierające, a nie zastępujące prawnika, ponieważ każde tego typu rozwiązanie wymaga kontroli i interpretacji przez człowieka i nie powinno być traktowane jako autonomiczne źródło decyzji.

   Gdzie przebiega granica między odpowiedzialnością dostawcy systemu a odpowiedzialnością prawnika korzystającego z takiego narzędzia?

Kluczowa zasada brzmi tutaj: „ufaj, ale sprawdzaj”. System pozostaje narzędziem, a nie podmiotem podejmującym decyzje. Ostateczna odpowiedzialność za wykorzystanie odpowiedzi, ich interpretację i przekazanie dalej klientowi zawsze pozostaje po stronie człowieka. Można to porównać do kalkulatora — jeśli inżynier wykorzysta błędny wynik jego pracy przy projektowaniu mostu, odpowiedzialności nie ponosi producent kalkulatora, lecz osoba, która użyła narzędzia bez odpowiedniej weryfikacji. W przypadku narzędzi bazujących na sztucznej inteligencji ta zasada wygląda dokładnie tak samo.

   Czy za funkcjonowanie systemu Gaius-Lex odpowiada wyłącznie jeden model językowy, czy też łączone są różne podejścia i komponenty?

Nie bazujemy tylko na jednym modelu językowym. Od początku uznaliśmy, że budowanie produktu całkowicie zależnego od zewnętrznych dostawców, takich jak OpenAI czy Anthropic, byłoby ryzykowne zarówno z perspektywy stabilności usługi, jak i bezpieczeństwa danych. Dlatego rozwijamy architekturę, która pozwala uruchamiać modele lokalnie i zachować większą kontrolę nad całym środowiskiem. Stawiamy na mniejsze modele językowe, które są łatwiejsze do wdrożenia we własnej infrastrukturze, chociaż wymagają więcej pracy, aby osiągnąć jakość porównywalną z największymi modelami rynkowymi. Współpracujemy też z Fundacją SpeakLeash i wykorzystujemy model Bielik w wybranych obszarach systemu. Jednocześnie stale testujemy inne modele bazujące na otwartym źródle i sprawdzamy, czy mogą lepiej realizować konkretne zadania.

   Czyli sam model językowy nie jest najważniejszym elementem systemu?

Nie. Kluczowa jest cała architektura stojąca przed modelem. Całość bazuje na orkiestracji wielu komponentów: modeli językowych, własnych modeli pomocniczych, silników wyszukiwania i baz danych przechowujących informacje prawne. Każdą wprowadzaną zmianę testujemy na rozbudowanych benchmarkach, żeby mieć pewność, że rozwój systemu rzeczywiście poprawia jego jakość, a nie prowadzi do regresji. Wszystkie te elementy współpracują po to, by użytkownik otrzymał odpowiedź opartą na wiarygodnych źródłach i możliwie najlepiej dopasowaną do swoich potrzeb. Gaius wykorzystuje mechanizm RAG, umożliwiający wzbogacanie odpowiedzi o kontekst pochodzący z wyszukiwania odpowiednich źródeł. Najważniejsze jest więc to, aby przed przekazaniem pytania do modelu dostarczyć mu możliwie najlepsze dokumenty. Problem polega na tym, że użytkownik nie zawsze precyzyjnie opisuje to, czego naprawdę szuka, dlatego system musi interpretować nie tylko treść zapytania, ale również stojącą za nim intencję.