Vissza a BlograJogi Technológia

E-discovery szankciók: a mesterséges intelligenciás szerkesztés kudarca

Az Athletics Investment Group v. Schnitzer Steel (2024) ügyben a nem megfelelő szerkesztés discovery-szankciókat vont maga után. Mivel az MI-eszközök mindössze 22,7%-os pontossággal dolgoznak, a jogi csapatok valódi felelősséggel szembesülnek.

March 12, 202610 perc olvasás
e-discovery sanctionsredaction liabilityAI redaction precisiondocument reviewlegal technology

title: E-discovery szankciók: ha az MI-szerkesztés túlmegy a határon description: Az Athletics Investment Group v. Schnitzer Steel (2024) ügyben a nem megfelelő szerkesztés discovery-szankciókat vont maga után. category: legal-tech publishedAt: 2026-03-12 tags:

  • e-discovery szankciók
  • szerkesztési felelősség
  • MI-szerkesztési pontosság
  • dokumentumfelülvizsgálat
  • jogi technológia readingTime: 10

2026-ra frissítve

A szerkesztés két kudarcmódja

A jogi csapatok kétféle kudarcmóddal néznek szembe. Mindkettő valódi felelősséget teremt.

Az alulszerkesztés privilegizált adatokat vagy olyan személyes adatokat tesz ki, amelyeknek rejtve kellene maradniuk. A fél olyan anyagot hoz nyilvánosságra, amelyet joga — és sokszor kötelessége — volt megvédeni.

A túlszerkesztés olyan tényeket rejt el, amelyekhez az ellenérdekű félnek joga van hozzáférni. A bíróságok ezt akadályoztatásnak tekintik. Ez olyan discovery-jogsértés, amely szankciókat vonhat maga után.

Azok a mesterséges intelligencia eszközök, amelyek a teljességet a pontosság elé helyezik, tervezési szinten okozzák a második problémát. Egy olyan MI-motor, amely egy dokumentum 80%-át feketíti ki, nem hagy ki semmit. Az eredmény azonban használhatatlan. Ráadásul bírósági szankciókat vonhat maga után.

Mindkét kudarcmód ugyanoda vezet: egy bíró, egy magyarázat és a költségek.

A Schnitzer Steel-ügy (2024)

Az Athletics Investment Group v. Schnitzer Steel 2024-es ügye megmutatja, hogyan kezeli a bíróság a nem megfelelő dokumentumvisszatartást.

Az egyik fél széles jelölésekkel ellátott dokumentumokat adott át. Az ellenérdekű fél tiltakozott. A bíróság megvizsgálta az anyagokat. Megállapította, hogy a jelölések túlmentek azon, amit a jog megenged.

Az eredmény: szankciók a szövetségi polgári eljárási szabályok 37. szabálya alapján. A termelő fél egy hibás folyamat költségeit fizette meg.

Az ilyen szankciók nem újak. A bíróságok évek óta alkalmazzák őket. Ami ezt az ügyet kiemeli, az az időzítés. A mesterséges intelligencia segítségével végzett felülvizsgálat ma már általános a peres eljárásokban. Az ügy egy kulcskérdést vet fel: ellenőrizték-e a jogi csapatok az MI-eszközeik pontosságát, mielőtt éles alkalmazásban használták volna azokat?

A válasz fontos. Egy gyenge pontosságú eszköz messze túl sok mindent fog megjelölni. Az ügyvéd, aki ellenőrzés nélkül támaszkodik rá, viseli a kockázatot.

A teljes esetismertetésért lásd az E-Discovery LLC relevanciaalapú visszatartással foglalkozó elemzését.

A 22,7%-os pontossági probléma

A Presidio egy Microsoft által fejlesztett nyílt forráskódú személyazonosításra alkalmas információ (PII) felismerő motor. Széles körben használják a dokumentumfelülvizsgálati eszközökben. Bírósági beadványokon és szerződéseken végzett tesztek 22,7%-os pontossági arányt mutatnak.

A pontosság azt méri, hogy egy pozitív jelölés milyen gyakran helyes. 22,7%-nál minden 100 jelölésből körülbelül 77 hamis pozitív. Ezek az elemek semmilyen alkalmazandó standard szerint nem érzékenyek.

Az e-discovery esetén a számítás egyértelmű. 10 000 dokumentumból álló, ilyen arányban feldolgozott halmaz ezernyi alaptalan jelölést fog tartalmazni. A termelő fél ugyanolyan kockázattal néz szembe, mint a Schnitzer Steel alperes: vitatott termelés, bírósági felülvizsgálat és esetleges szankciók.

Ez az adat a Presidio out-of-box beállítására vonatkozik ügyvédi irodai tartalmon. Nem minden MI-eszköz teljesít ezen a szinten. Ez a motor azonban a legszélesebb körben használt nyílt forráskódú lehetőség a területen.

Az ok strukturális. A természetes nyelvfeldolgozó (NLP) rendszerek általános szövegen tanulnak. A tárgyalótermi nyelvezet más. Olyan szakkifejezéseket, hivatkozási formátumokat és szerkesztési szabályokat alkalmaz, amelyek eltérnek a tanítóadatoktól. Egy orvosi nyilvántartásokon jól teljesítő eszköz sokkal rosszabbul tud boldogulni a kihallgatási átiratokkal.

Mit mutat az MI-használati adat

Íme egy második adatpont: az MI-chatbot tartalmának 27,4%-a érzékeny — a vállalati MI-használat független elemzése alapján.

Ez azt írja le, hogy az alkalmazottak mit küldenek normál munkavégzés közben. Nem szándékosan megosztott adatok — hanem szokásból vagy véletlenül belefoglalt tartalom. Az ügyvédek, akik MI-t használnak levelek fogalmazásához, szerződések felülvizsgálatához vagy meghallgatások összefoglalásához, a normál munkavégzés mellékhatásaként érzékeny tartalmakat küldenek az MI-szerverekre.

Majdnem minden harmadik interakció ügyféladatokat, privilegizált információt vagy ügystratégiát tartalmaz. Ez a tartalom — hacsak nem védi meg kontrollrendszer — felhasználható formában jut el az MI-szállító szervereihez.

Az ügyvédi irodák MI-kockázatát ellenőrzők számára a 27,4% nem elhanyagolható. Ez az alaparány. Az irodán belüli MI-használat közel harmada olyan tartalmat érint, amelyet védeni kell.

A felelősségi lánc

A túlzott visszatartás és az MI-adatszivárgás külön, de összekapcsolt kockázati utakat teremt. Mindkettő ugyanazzal a döntéssel kezdődik: MI-eszköz telepítése megfelelő értékelés nélkül.

A discovery-út: Az MI széles körben jelöli a tartalmat → az ügyvéd az eredményre támaszkodik szúrópróba-ellenőrzés nélkül → a termelés indokolatlan jelöléseket tartalmaz → az ellenérdekű fél kifogásolja → a bíróság felülvizsgálja → szankciók.

Az adatszivárgási út: Az ügyvéd MI-t alkalmaz az ügy munkálatainál → az MI privilegizált kommunikációt kap → az MI-szállítót adatszegés éri → az ügyféladatok kiszivárognak → műhibakövetelések következnek.

Mindkét esetben ugyanaz a kiindulópont. Az irodák MI-eszközöket telepítenek anélkül, hogy tudnák, azok valójában mit csinálnak. Nem állítanak fel kontrollrendszert a munkavégzéshez.

Pontosságközpontú felülvizsgálat a termeléshez

A bíróságok szűk kérdést tesznek fel, amikor vitatott jelöléseket vizsgálnak felül. Minden egyes jelölés mögött állt-e privilégium, titoktartási szabály vagy bírósági végzés? A bíróságok nem azt kérdezik, hogy a termelő fél eszköze a lehető legtöbbet jelölte-e meg.

A megfelelő alap nélküli jelölés discovery-jogsértés. Nem számít, hogy ember vagy MI tette. A vizsgálat jelölésenként zajlik.

Az ügyvédek számára ez azt jelenti, hogy az MI-felülvizsgálati eszközöket pontosság alapján kell tesztelni — azon jelölések arányát tekintve, amelyek valóban privilegizáltak. Nem csak a teljességet vizsgálva. Egy 90%-os teljességet elérő, de 22,7%-os pontosságú eszköz több érzékeny tartalmat fog meg. De a 77,3%-os hamis jelölés felülvizsgálati terhet jelent. Ha ez a felülvizsgálat elmarad, széles körű túlszerkesztés következik.

A termelés minden egyes jelölése egy állítás a bíróság felé. Azt mondja: ez a tartalom jogszerűen van visszatartva. A Schnitzer Steel után ennek az állításnak helyt kell állnia.

Arról, hogy az anonimizálási eszközök miben különböznek a standard PII-felismeréstől, lásd az MI-pontosság a jogi dokumentumfelülvizsgálatban útmutatónkat. Az ügyvéd-ügyfél privilégiummal és az MI-eszközökkel kapcsolatos kontextushoz lásd az ügyvéd-ügyfél privilégium és az MI cikkünket.

Források

Készen áll az adatai védelmére?

Kezdje el a PII anonimizálását 273 entitástípuson 48 nyelven.