O tym dlaczego AI nie przynosi Ci korzyści

Kiedy Matt Garman, CEO Amazon Web Services, stanął na scenie podczas tegorocznej imprezy AWS re:Invent, zadał pytanie, które powinno wybrzmieć echem w każdej kancelarii prawnej eksperymentującej ze sztuczną inteligencją: gdzie są zyski? Nie chodziło mu o technologiczne możliwości, nie o benchmarki wydajnościowe ani o eleganckie dashboardy prezentujące wykorzystanie narzędzi AI. Chodziło o coś fundamentalnie prostszego i jednocześnie boleśnie trudnego do uchwycenia: gdzie są namacalne, policzalne korzyści biznesowe z wdrożenia tej technologii, która pochłania miliony złotych i godziny pracy zespołów? Szef jednej z największych platform chmurowych świata zarysował obraz, który większość z nas intuicyjnie już znała: mamy świetne technologie, mamy związane z nimi niemałe koszty, ale gdy przychodzi do rozliczenia, zysków po prostu nie widać. Statystyki są bezlitosne: ponad dziewięćdziesiąt procent firm, które zainwestowały w sztuczną inteligencję, nie wygenerowało z tego tytułu żadnych wymiernych zysków. Dla branży prawniczej, gdzie każda godzina pracy jest dokładnie wyceniana i rozliczana, a efektywność przekłada się bezpośrednio na konkurencyjność, te liczby powinny być alarmujące.

Problem nie tkwi w samej technologii. Modele językowe, które dziś są dostępne dla każdego prawnika z dostępem do internetu, potrafią rzeczy, które jeszcze pięć lat temu wydawały się science fiction. Potrafią przeanalizować tysiące stron dokumentów w kilka sekund, zidentyfikować kluczowe klauzule w umowach, wygenerować projekt pisma procesowego w oparciu o specyfikację sprawy, przeszukać bazę orzecznictwa z precyzją przewyższającą tradycyjne wyszukiwarki. Technologia jest gotowa, dopracowana i coraz bardziej dostępna cenowo. Problem leży gdzie indziej: w sposobie, w jaki my, prawnicy, próbujemy ją wykorzystać. Albo raczej: w braku przemyślanej koncepcji tego wykorzystania. Gdy rozmawiamy z prawnikami o ich doświadczeniach z AI, wzorzec jest zawsze ten sam. Na początku zachwyt: „To niesamowite, co to potrafi!”. Później pytanie o konkretne zastosowania i nagle entuzjazm gaśnie jak świeca w wietrze: „No wiesz, stworzy mi jakąś umowę, wyszuka orzeczenie, chociaż nie zawsze tak jak bym tego chciał, mogę sobie zrobić krótki research”. Dla zdecydowanej większości prawników model językowy to w praktyce wyszukiwarka Google na sterydach. Narzędzie pomocne, owszem, ale nie transformujące sposób pracy. Nie przynoszące przełomu. Nie generujące tych mitycznych zysków, o których mówił Garman.

Sęk w tym, że traktowanie AI jak lepszej wyszukiwarki to trochę jak używanie Ferrari do dowozu dzieci do szkoły. Jasne, dowiezie je bezpiecznie i komfortowo, ale cały potencjał maszyny pozostaje niewykorzystany. Gdyby Henry Ford zapytał ludzi, czego potrzebują do usprawnienia transportu, odpowiedzieliby: szybszych koni. Problem nie polegał na tym, że konie były złe. Problem polegał na tym, że ludzie nie potrafili wyobrazić sobie fundamentalnie innego podejścia do mobilności. Podobnie jest dziś z AI w kancelariach prawnych. Próbujemy wpasować rewolucyjną technologię w stare schematy myślenia o pracy prawniczej. Pytamy: jak AI może mi pomóc robić to, co już robię, ale szybciej? Prawidłowe pytanie brzmi zupełnie inaczej: jakie procesy w mojej pracy mogą zostać fundamentalnie przeprojektowane dzięki możliwościom, których wcześniej po prostu nie miałem?

Weźmy coś pozornie prostego: przygotowanie standardowej umowy najmu lokalu użytkowego. Tradycyjny proces wygląda tak: prawnik otwiera szablon, przepisuje dane klienta, modyfikuje kilka klauzul zgodnie z ustaleniami, sprawdza spójność, formatuje dokument, wysyła do akceptacji. Czas: godzina, może dwie, zależnie od stopnia komplikacji. Prawnik z dostępem do AI robi to samo, tylko używa modelu językowego do wygenerowania pierwszej wersji na podstawie opisu sytuacji klienta. Czas: pół godziny. Oszczędność jest, nikła, ale jest. Prawnik myślący strategicznie o AI projektuje zupełnie inny proces: tworzy automatyczny system intake’u klienta, gdzie za pomocą prostego formularza gromadzone są wszystkie niezbędne informacje, które następnie są przekazywane do modelu AI wytrenowanego na specyfice tego typu umów w jego kancelarii. System generuje nie tylko umowę, ale także automatycznie identyfikuje potencjalne ryzyka prawne na podstawie wprowadzonych danych, proponuje alternatywne klauzule, jeśli wykryje nietypowe warunki, i tworzy checklistę kwestii do przedyskutowania z klientem. Prawnik otrzymuje gotowy pakiet, który musi tylko zweryfikować i dostosować, oszczędzając nie pół godziny, ale trzy czwarte całego procesu. Co więcej, system uczy się z każdej kolejnej umowy, stając się coraz precyzyjniejszy. To nie jest różnica w czasie pracy. To fundamentalna różnica w podejściu do procesu.

Brytyjskie badania nad wdrożeniami AI w kancelariach prawnych pokazują, że firmy osiągające realne korzyści nie traktują sztucznej inteligencji jako pojedynczego narzędzia, ale jako element szerszej automatyzacji workflow. Kancelarie, które skupiły się na zintegrowaniu AI w konkretne miejsca swoich procesów roboczych, raportują trzydzieści procent wzrost produktywności w pierwszym roku. Nie mowa tu o używaniu ChatGPT do pisania emaili. Mowa o strategicznej implementacji w punkty krytyczne dla efektywności: automatyczny intake i klasyfikacja spraw, zautomatyzowane case management z predykcyjnymi alertami o terminach, inteligentny review dokumentów redukujący czas analizy o siedemdziesiąt procent, automatyczne deadline tracking eliminujące ryzyko ludzkiego błędu, czy zaawansowane discovery management w postępowaniach spornych. To nie są kosmetyczne ulepszenia. To przeprojektowanie sposobu, w jaki kancelaria funkcjonuje na najbardziej operacyjnym poziomie.

Kluczową różnicą między kancelariami, które widzą zwrot z inwestycji w AI, a tymi, które widzą tylko rosnące rachunki za licencje, jest jeden pozornie prosty element: metryki. Badania Thomson Reuters pokazują, że firmy prawnicze wdrażające AI strategicznie, z jasno określonymi wskaźnikami sukcesu, osiągają prawie cztery razy lepszy zwrot z inwestycji niż te działające bez przemyślanej strategii. Problem w tym, że większość kancelarii w ogóle nie definiuje, co miałoby oznaczać „sukces” wdrożenia AI. Kupują licencje, organizują szkolenia, zachęcają zespół do eksperymentowania, a potem… czekają, aż „coś się wydarzy”. To trochę jak zatrudnienie nowego współpracownika bez określenia jego obowiązków, a po kwartale zdziwienie, że nie przyniósł wartości dodanej do firmy. Sukces wymaga precyzyjnego mierzenia konkretnych rzeczy: ile czasu zaoszczędzono na każdym typie zadania, ile godzin billable odzyskano z pracy administracyjnej, jaki jest średni czas realizacji dokumentów dla klienta przed i po wdrożeniu, jak zmieniła się satysfakcja klientów, ile błędów formalnych zostało wyeliminowanych z procesów. Bez tych liczb każda dyskusja o efektywności AI pozostaje w sferze wrażeń i anegdot.

Weźmy konkretny przykład z brytyjskiego rynku prawniczego. Renomowana kancelaria Allen & Overy wdrożyła system ContractMatrix do automatycznej analizy umów. Inwestycja początkowa wyniosła sto tysięcy funtów, co w przeliczeniu na złotówki stanowi niemałą kwotę, zwłaszcza dla średniej wielkości kancelarii. Efekt? Średni czas przeglądu jednej złożonej umowy skrócił się o siedem godzin. Siedem godzin pracy doświadczonego prawnika, które mogą zostać przeznaczone na zadania wymagające faktycznej ekspertyzy prawniczej, a nie mechanicznego sprawdzania zapisów. W pierwszym roku zwrot z inwestycji wyniósł od stu dwudziestu do stu pięćdziesięciu tysięcy funtów. ROI istnieje, jest policzalny i jest znaczący. Ale zauważmy kluczowy szczegół: kancelaria nie wdrożyła „ogólnie AI”. Wdrożyła konkretne narzędzie, do konkretnego procesu, z konkretnym celem: redukcja czasu review umów. Mierzono konkretną metrykę: godziny zaoszczędzone na dokumencie. To nie była awantura technologiczna. To była precyzyjna interwencja chirurgiczna w jeden, dobrze zidentyfikowany problem biznesowy.

Problem wielu kancelarii polega na tym, że próbują wdrażać AI wszędzie jednocześnie, bez zrozumienia, gdzie faktycznie leżą ich największe nieefektywności. To trochę jak leczenie objawów bez diagnozy choroby. Jeśli nie wiesz, gdzie tracisz najwięcej czasu i pieniędzy, nie wiesz, gdzie AI może przynieść największą wartość. Zanim zaczniesz myśleć o narzędziach, musisz przeprowadzić bezlitosną analizę swoich procesów. Ile czasu zajmuje onboarding nowego klienta? Ile godzin miesięcznie idzie na administracyjne przeklejanie danych między systemami? Jak długo trwa typowy przegląd dokumentacji w sprawie? Gdzie najczęściej pojawiają się błędy? Które zadania są najbardziej frustrujące dla zespołu, bo są powtarzalne i nie wymagają ekspertyzy? To są pytania, na które musisz znać odpowiedzi, zanim w ogóle zaczniesz rozmawiać o AI. Dopiero gdy wiesz, gdzie boli, możesz zastosować lek we właściwym miejscu.

Ciekawy paradoks ujawniają najnowsze badania dotyczące adopcji AI w branży prawniczej. Z jednej strony korzystanie z generatywnej sztucznej inteligencji wzrosło w ciągu roku z czternastu do dwudziestu sześciu procent. Niemal podwojenie w tak krótkim czasie to imponujące tempo adopcji. Z drugiej strony tylko pięćdziesiąt dziewięć procent prawników uważa, że AI powinna być zintegrowana z ich codzienną pracą. Ten dysonans jest fascynujący. Ludzie używają technologii, ale nie są przekonani, że powinna ona być częścią ich workflow. To nie jest adopcja. To eksperymentowanie. To różnica między posiadaniem roweru stacjonarnego w garażu a faktycznym regularnym treningiem. Technologia jest obecna, ale nie jest wkomponowana w sposób, który generowałby wartość. I to właśnie potwierdza fundamentalną tezę: problem nie leży w AI. Problem leży w nas, w naszym zrozumieniu i podejściu do tej technologii.

Myślę, że można to porównać do wprowadzenia komputerów osobistych do kancelarii prawnych w latach dziewięćdziesiątych. Pierwsze lata były chaotyczne. Ludzie używali komputerów jak elektronicznych maszyn do pisania. Pisali dokumenty w Wordzie, drukowali je, a potem… archiwizowali w papierowych teczkach. Potencjał technologii był niewykorzystany, bo sposób myślenia o pracy pozostał dokładnie taki sam. Przełom nastąpił dopiero wtedy, gdy ktoś zapytał: skoro wszystko jest cyfrowe, po co w ogóle drukować? Skoro możemy przeszukiwać pliki elektronicznie, po co fizyczne archiwum? Skoro możemy wysłać dokument emailem, po co jeździć z nim do klienta? To nie była ewolucja. To była rewolucja w myśleniu o procesach. I dokładnie to samo musi się teraz wydarzyć z AI. Nie chodzi o to, żeby robić to samo, co zawsze, tylko szybciej. Chodzi o to, żeby zakwestionować samo „to samo, co zawsze”.

Kluczowa lekcja płynąca z udanych wdrożeń AI w kancelariach brzmi: zacznij od problemu, nie od technologii. Nie pytaj „jak mogę używać AI w mojej pracy”, ale „jakie problemy w mojej pracy można rozwiązać w fundamentalnie lepszy sposób, niż to robimy teraz”. To odwrócenie perspektywy wydaje się subtelne, ale ma gigantyczne konsekwencje. Pierwsze pytanie prowadzi do eksperymentowania: pobawię się ChatGPT, może coś ciekawego z tego wyjdzie. Drugie pytanie prowadzi do strategii: mamy problem X, który kosztuje nas Y godzin miesięcznie, sprawdźmy, czy i jak AI może ten konkretny problem rozwiązać. Pierwsze podejście generuje koszty bez zysków. Drugie podejście generuje mierzalny ROI.

Problem, o którym mówił Matt Garman, problem dziewięćdziesięciu procent firm nie widzących zysków z AI, to w istocie problem myślenia. Firmy traktują AI jak produkt, który kupują i instalują, a który magicznie poprawi biznes. Tymczasem AI to nie produkt. To możliwość. To nowe narzędzie, które wymaga przemyślenia fundamentów tego, jak pracujemy. Gdybyśmy mogli cofnąć się w czasie do roku tysiąc dziewięćset pięćdziesiątego i dać średniej wielkości kancelarii prawnej najnowocześniejsze komputery, internet i dostęp do wszystkich cyfrowych baz prawniczych, prawdopodobnie po roku bilans wyglądałby podobnie jak dziś z AI: duże koszty, żadne zyski. Dlaczego? Bo ludzie używaliby komputerów tak, jak używali maszyn do pisania. Internetu tak, jak używali biblioteki. Baz danych tak, jak używali katalogów kartkowych. Technologia byłaby obecna, ale sposób myślenia pozostałby nietknięty. Przełom przychodzi dopiero wtedy, gdy zmieniamy sposób myślenia o samej pracy.

Myślę, że kluczowym błędem w podejściu do AI jest traktowanie jej jako pojedynczego narzędzia, zamiast jako elementu ekosystemu. Prawnik używający ChatGPT do napisania emaila do klienta używa AI jako narzędzia. Kancelaria, która zintegrowała model językowy ze swoim systemem CRM, automatyzując komunikację z klientami w oparciu o status sprawy, dane z kalendarza i historię korespondencji, wykorzystuje AI jako element ekosystemu. Różnica jest fundamentalna. W pierwszym przypadku AI jest dodatkiem do istniejącego sposobu pracy. W drugim jest fundamentem nowego sposobu pracy. Pierwsze podejście może zaoszczędzić kilka minut. Drugie może transformować całe procesy.

Interesujące jest też to, jak różnie poszczególne obszary praktyki prawniczej nadają się do implementacji AI. Sprawy powtarzalne, o wysokim stopniu standaryzacji, to naturalne pole do automatyzacji. Umowy najmu, spółki z ograniczoną odpowiedzialnością, proste sprawy spadkowe, standardowe wnioski procesowe. Tu AI może być wdrożona stosunkowo szybko i efekty będą widoczne niemal natychmiast. Problem pojawia się, gdy próbujemy aplikować te same narzędzia do pracy wymagającej głębokiej ekspertyzy i kreatywnego myślenia: złożone postępowania arbitrażowe, precedensowe sprawy sądowe, skomplikowane transakcje M&A. Tu AI nie zastąpi prawnika, ale może go wspomóc w zupełnie inny sposób: nie przez automatyzację, ale przez augmentację. Nie przez zastąpienie myślenia, ale przez dostarczenie lepszych danych do myślenia.

Przykład z praktyki: prawnik prowadzący skomplikowaną sprawę kartelową musi przeanalizować dziesiątki tysięcy emaili korporacyjnych w poszukiwaniu dowodów niedozwolonych porozumień. Tradycyjnie to praca dla zespołu juniorów, którzy przez tygodnie przesiewają korespondencję, tagując potencjalnie istotne wątki. Proces jest żmudny, podatny na błędy i niezwykle czasochłonny. AI nie może prowadzić tej sprawy. AI nie może ocenić prawdopodobieństwa sukcesu argumentacji ani wybrać strategii procesowej. Ale AI może przeanalizować wszystkie te emaile w godziny, nie tygodnie, identyfikując nie tylko oczywiste słowa kluczowe, ale wzorce komunikacyjne, nietypowe połączenia między osobami, korespondencję wysyłaną w nietypowych godzinach, co może sugerować próby ukrycia działań. Prawnik dostaje nie stosów dokumentów, ale skurowany zestaw potencjalnie istotnych materiałów z kontekstem i uzasadnieniem, dlaczego system uznał je za ważne. To nie jest zastąpienie ekspertyzy. To wzmocnienie ekspertyzy przez eliminację pracy, która ekspertyzy nie wymaga.

Tutaj dochodzimy do kolejnego kluczowego rozróżnienia, które często umyka w dyskusjach o AI w prawie: różnica między automatyzacją a augmentacją. Automatyzacja to przekazanie zadania całkowicie maszynie. Augmentacja to wzmocnienie człowieka przez maszynę. Oba podejścia są wartościowe, ale wymagają zupełnie innej strategii implementacji. Automatyzacja działa tam, gdzie proces jest powtarzalny i deterministyczny. Augmentacja działa tam, gdzie potrzebna jest ludzka ekspertyza, ale może być wsparta lepszymi danymi, szybszą analizą lub szerszą perspektywą. Większość kancelarii myśli tylko o automatyzacji, tracąc ogromny potencjał augmentacji. A często właśnie augmentacja przynosi większą wartość, bo dotyczy zadań o wyższej złożoności i wartości.

Rozmawiając z prawnikami o AI, słyszę często obawę: czy to nie odbierze nam pracy? Pytanie jest zrozumiałe, ale oparte na błędnym założeniu. AI nie odbiera pracy prawnikom. AI odbiera pracę tym prawnikom, którzy nie potrafią jej używać do rozszerzenia swoich możliwości. To jak rewolucja przemysłowa: nie zlikwidowała pracy rzemieślników, ale zlikwidowała pracę rzemieślników, którzy nie potrafili dostosować swoich umiejętności do nowych narzędzi. Krawiec, który opanował maszynę do szycia, nie stracił pracy, wręcz przeciwnie, mógł obsłużyć więcej klientów i produkować wyższej jakości produkty. Krawiec, który upierał się przy ręcznym szyciu, bo „tak się zawsze robiło”, został wyprzedzony przez konkurencję. W prawie obserwujemy dokładnie ten sam mechanizm. Prawnik, który opanuje wykorzystanie AI do eliminacji pracy administracyjnej i wzmocnienia swojej analizy, będzie mógł obsłużyć więcej klientów, przy wyższej jakości usług i niższych kosztach. Prawnik, który ignoruje AI, bo „zawsze tak pracował”, stopniowo straci konkurencyjność.

Wracając do kwestii, od której zaczęliśmy: gdzie są zyski? Zyski są tam, gdzie AI jest wykorzystywana strategicznie, a nie chaotycznie. Są tam, gdzie ktoś zadał sobie trud zrozumienia swoich procesów na tyle dobrze, żeby wiedzieć, gdzie interwencja może przynieść wartość. Są tam, gdzie określono metryki sukcesu i faktycznie się je mierzy. Są tam, gdzie myśli się o AI nie jako o pojedynczym narzędziu, ale jako o elemencie szerszej transformacji sposobu pracy. Nie są tam, gdzie kupiono licencje, przeszkolono ludzi i czeka się, aż „coś się wydarzy”. Nie są tam, gdzie traktuje się AI jak lepszą wyszukiwarkę. Nie są tam, gdzie brakuje fundamentalnego zrozumienia, że technologia sama w sobie nie przynosi wartości, wartość przynosi sposób, w jaki ją wykorzystujemy.

Myślę, że prawdziwa lekcja płynąca z tego wszystkiego jest prostsza, niż się wydaje, choć jej implementacja jest trudna. Nie wdrażaj AI. Wdrażaj rozwiązania problemów, które czasem używają AI. Nie pytaj, co AI może zrobić dla Twojej kancelarii. Pytaj, jakie problemy ma Twoja kancelaria i czy AI może je rozwiązać lepiej niż dotychczasowe metody. Nie mierz adopcji AI liczbą ludzi, którzy mają dostęp do narzędzi. Mierz liczbą procesów, które zostały przeprojektowane z wykorzystaniem jej możliwości. Nie traktuj AI jako technologii. Traktuj ją jako możliwość przemyślenia fundamentów tego, jak pracujesz. I przede wszystkim: zacznij od jednego, konkretnego, dobrze zdefiniowanego problemu. Nie próbuj transformować całej kancelarii jednocześnie. Znajdź jeden proces, który jest bolesny, czasochłonny, frustrujący. Zmierz, ile czasu i pieniędzy pochłania. Zaprojektuj rozwiązanie wykorzystujące AI. Wdróż. Zmierz efekt. Jeśli działa, skaluj. Jeśli nie, ucz się i próbuj ponownie. To nie jest rewolucja przez wielki wybuch. To ewolucja przez małe, mierzone kroki.

Ostatecznie ten tekst nie jest o tym, że AI nie działa. Jest o tym, że nie działamy my. Technologia jest gotowa. Możliwości są ogromne. Ale bez strategicznego myślenia, bez zrozumienia własnych procesów, bez jasnych metryk i bez gotowości do fundamentalnego przeprojektowania sposobu pracy, będziemy dalej należeć do tych dziewięćdziesięciu procent, które wydają pieniądze na AI i nie widzą zysków. Matt Garman miał rację, zadając swoje pytanie. Ale odpowiedź nie leży w lepszej technologii. Leży w lepszym myśleniu o tym, jak tę technologię wykorzystać. A to już zależy tylko od nas.