AI do przeglądu umów od kontrahentów — co da się oddać modelowi, a co kończy się podpisaniem złej umowy

Problem nie leży tam, gdzie go wszyscy szukają

Zapytajcie u siebie o cztery liczby, zanim pomyślicie o narzędziu. Ile umów przychodzi miesięcznie z zewnątrz — NDA, umowy ramowe, warunki zakupowe dużego klienta, aneksy, regulaminy usług dostawców. Ile z nich przeszło przez jakikolwiek świadomy przegląd. Ile dni upływa średnio od wpłynięcia umowy do odpowiedzi. I ile razy w ostatnim roku ktoś podpisał dokument, którego nikt poza nim nie widział.

W firmach tej wielkości rozkład jest przewidywalny: kilkanaście do kilkudziesięciu dokumentów miesięcznie, świadomy przegląd przechodzi może połowa, czas odpowiedzi liczony w dniach, a ostatnia liczba jest zwykle nieznana — co samo w sobie jest odpowiedzią.

Co z tego wynika praktycznie? Kosztowny nie jest przegląd umowy. Kosztowna jest umowa, której nikt nie przejrzał, bo nie zdążył. Kara umowna bez górnego limitu, automatyczne przedłużenie na kolejny rok z trzymiesięcznym okresem wypowiedzenia, wyłączność, przeniesienie praw autorskich do wszystkiego, co powstanie przy okazji, 60-dniowy termin płatności przy Waszych 14-dniowych zobowiązaniach. Każda z tych rzeczy jest w tekście, każda jest do znalezienia w kilka minut, a kosztuje tylko wtedy, gdy nikt nie szukał.

To przesuwa cel wdrożenia. Nie chodzi o zastąpienie czyjejś oceny prawnej. Chodzi o to, żeby żadna umowa nie wychodziła z firmy nieprzejrzana — i żeby przegląd zajmował dwadzieścia minut zamiast dwóch godzin.

Co model robi wiarygodnie: ekstrakcja faktów z cytatem

Pytanie „jaki jest okres wypowiedzenia” ma w umowie jedną poprawną odpowiedź i jest ona zapisana wprost. To zadanie wyszukiwania i przepisania, nie wnioskowania — i właśnie dlatego nowoczesne modele wykonują je dobrze.

Warto jednak znać rząd wielkości, a nie wierzyć w marketing. Niezależne zestawienia z 2026 roku są tu zgodne co do skali: w wyciąganiu ustrukturyzowanych danych z umów — strony, daty, terminy, limity odpowiedzialności, warunki wypowiedzenia — najlepsze modele ogólnego przeznaczenia osiągają w okolicach 80–85% poprawności, a wyspecjalizowane, trenowane pod domenę narzędzia dochodzą do około 94%. W korekcie całego dokumentu jest gorzej: najlepsze modele wychwytują mniej więcej trzy czwarte błędów, a na sześćdziesięciostronicowej umowie trzeba założyć, że czegoś nie zobaczą. Benchmark ContractEval, pierwsze systematyczne porównanie kilkunastu modeli na poziomie pojedynczych klauzul, dodaje do tego osobny i bardziej niepokojący wskaźnik: częstotliwość fałszywego „nie ma takiej klauzuli” — czyli przypadków, w których model zapewnia, że czegoś w umowie nie ma, a to tam jest.

Osiemdziesiąt pięć procent brzmi słabo jak na dokument, który podpisujecie. I byłoby słabe, gdyby alternatywą było sto procent. Nie jest. Alternatywą jest umowa nieprzeczytana w ogóle — i do tego punktu odniesienia trzeba porównywać.

Z tych liczb wynika natomiast konkretny wymóg konstrukcyjny: każda wyciągnięta informacja musi mieć przy sobie dosłowny cytat i numer paragrafu. Nie jako ozdoba, a jako jedyny mechanizm, który pozwala sprawdzić wynik szybciej, niż przeczytać umowę od nowa. Tabela warunków bez cytatów jest bezużyteczna, bo weryfikacja kosztuje tyle samo co praca od zera — więc nikt jej nie zweryfikuje. I jeszcze jedno, wprost przeciwne domyślnemu zachowaniu modelu: brak wyniku musi być zgłaszany jawnie. „Nie znalazłem zapisu o limicie odpowiedzialności” to informacja operacyjna — oznacza „sprawdź ręcznie, bo albo go nie ma, albo jest schowany”. Pole wypełnione sensownie brzmiącą, ale wymyśloną wartością jest pułapką zbudowaną własnymi rękami. Ta sama mechanika pytania o dokument z przypisem do źródła, którą opisaliśmy w tekście o asystencie AI na dokumentach firmy, tutaj działa na zbiorze zamkniętym i jednorazowym — co jest łatwiejszym przypadkiem, nie trudniejszym.

Czego model nie zrobi: oceny, czy ta umowa jest dla Was zła

Tu rozsypuje się większość wdrożeń. „Przeanalizuj tę umowę i wskaż ryzyka” to polecenie, na które model odpowie zawsze i zawsze sensownie brzmiąco. Wynik będzie listą ogólnych uwag z podręcznika: zwróć uwagę na kary umowne, rozważ ograniczenie odpowiedzialności, sprawdź jurysdykcję. Nic z tego nie jest nieprawdą i nic z tego nie jest decyzją.

Przyczyna jest prosta: ryzyko nie jest cechą umowy. Jest relacją między umową a Waszą sytuacją. Kara umowna 10% wartości kontraktu jest nieistotna przy zamówieniu na 5 tysięcy i egzystencjalna przy kontrakcie na 500 tysięcy przy Waszej marży. Wyłączność jest nieakceptowalna, jeśli ten rynek to Wasz plan na trzy lata, i obojętna, jeśli to klient jednorazowy. Przeniesienie praw autorskich do kodu jest katastrofą dla software house'u, który żyje z komponentów wielokrotnego użytku, i normalną praktyką przy projekcie na zamówienie. Model nie zna żadnej z tych okoliczności i nie domyśli się ich z tekstu umowy.

Rozwiązaniem nie jest lepszy prompt. Rozwiązaniem jest firmowy standard zapisany raz, na dwóch stronach — i to jest jedyna poważna praca przy całym wdrożeniu. Standard nie jest dokumentem prawnym, tylko listą pozycji: jaki limit odpowiedzialności przyjmujemy, powyżej jakiej kwoty kary umownej sprawa idzie do prawnika, jakiego terminu płatności nie przekraczamy, czy godzimy się na automatyczne przedłużenie, jakie prawa do rezultatów oddajemy, jakiej jurysdykcji i jakiego języka umowy nie akceptujemy, co jest nienegocjowalne, a co jest ustępstwem do wymiany.

Mając taki standard, zadanie modelu zmienia się jakościowo. Przestaje brzmieć „oceń ryzyko”, a zaczyna „porównaj te zapisy z tą listą i pokaż każdą rozbieżność z cytatem”. To znowu zadanie wyszukiwania i porównania, czyli to, w czym model jest dobry — a nie zadanie wyceny ryzyka, w którym jest bezwartościowy. Zauważcie, co to naprawdę znaczy: największą wartością wdrożenia jest to, że ktoś musiał wreszcie zapisać, czego firma nie podpisuje. Większość firm tej wielkości nie ma tego nigdzie.

Jak wygląda dobry wynik przeglądu

Dobre wyjście to nie esej o umowie. To jedna strona o stałej strukturze, zawsze tej samej, niezależnie od dokumentu — bo stała struktura pozwala przebiec ją wzrokiem i zauważyć, że czegoś brakuje.

• Metryka: strony, przedmiot, wartość, czas trwania, prawo właściwe, język wiążący. Każda pozycja z paragrafem.
• Pieniądze i czas: termin płatności, odsetki, waloryzacja, warunki zmiany ceny, kary umowne z podstawą i limitem, zabezpieczenia. To blok, który czyta się pierwszy, i najczęstsze źródło nieprzyjemnych niespodzianek.
• Wyjście z umowy: okres wypowiedzenia, automatyczne przedłużenie, przesłanki rozwiązania ze skutkiem natychmiastowym, skutki rozwiązania. Automatyczne przedłużenie z długim wypowiedzeniem to zapis, który najczęściej przechodzi niezauważony i najdłużej potem boli.
• Odpowiedzialność: limit kwotowy albo jego brak, wyłączenia, odpowiedzialność za szkody następcze, obowiązek zwolnienia z odpowiedzialności, wymogi ubezpieczeniowe.
• Prawa i dane: prawa do rezultatów, licencje, referencyjność, poufność i jej czas trwania, powierzenie danych osobowych, podwykonawstwo, zakaz konkurencji i wyłączność.
• Rozbieżności ze standardem: lista pozycji, w których umowa odbiega od Waszej listy, z cytatem i jednym zdaniem o skali odchylenia. Ten blok jest właściwym produktem całego przeglądu.
• Czego nie znaleziono: jawna lista pozycji standardu, których w umowie nie ma. Brak limitu odpowiedzialności jest informacją równie ważną jak limit zbyt niski — a znika z każdego wyniku, który nie wymusza tej sekcji.

Nie każda umowa zasługuje na to samo

Jednolity proces dla wszystkiego to najszybszy sposób, żeby wdrożenie umarło w trzecim miesiącu. Przepustowość buduje się przez podział na ścieżki.

NDA i proste umowy powtarzalne to zdecydowana większość ruchu i najniższa stawka. Tutaj automatyzacja może sięgać dalej: ekstrakcja plus porównanie ze standardem plus automatyczna rekomendacja „zgodne z naszym standardem — do podpisu” albo „trzy odchylenia — do decyzji”. Większość tych dokumentów przechodzi bez udziału człowieka poza akceptacją jednym kliknięciem. To właśnie ta ścieżka odblokowuje kolejkę.

Umowy ramowe i warunki zakupowe dużych klientów to środek skali. Pełna karta przeglądu, obowiązkowa lektura bloku o pieniądzach i odpowiedzialności, decyzja człowieka przy każdym odchyleniu. AI skraca pracę z dwóch godzin do dwudziestu minut, ale nie usuwa jej z procesu.

Umowy nietypowe, o dużej wartości, wieloletnie, z nietypową jurysdykcją albo w obszarze regulowanym idą do prawnika — a AI robi dla nich wyłącznie jedną rzecz: przygotowuje kartę faktów, żeby godziny kancelarii nie schodziły na przepisywanie terminów z dokumentu. To, nawiasem mówiąc, jedyne zastosowanie w całym zestawie, które zwraca się w rachunku wprost i natychmiast.

Progi między ścieżkami zapisujecie w konfiguracji, nie w pamięci: wartość umowy, czas trwania, czy jest wyłączność, czy są dane osobowe, czy prawo jest polskie. Pięć warunków, żadnej magii — i to one decydują, czy proces przeżyje kwartał.

Poufność: umowa kontrahenta nie jest Waszym dokumentem

Prawie każda umowa, którą chcecie przepuścić przez model, zawiera klauzulę poufności dotyczącą jej samej. Wklejenie jej do darmowego konsumenckiego czatu jest naruszeniem tej klauzuli przez Was — niezależnie od tego, jak dobre intencje za tym stały. Przy pierwszym poważnym sporze jest to też rzecz łatwa do wykazania.

Do tego dochodzą dane osobowe. Umowy zawierają dane osób kontaktowych, reprezentantów, czasem wynagrodzenia i dane osób wskazanych do realizacji. Przetwarzanie ich w zewnętrznej usłudze AI wymaga podstawy prawnej i umowy powierzenia, nie samej dobrej praktyki — co rozpisaliśmy w tekście o RODO przy wdrożeniu AI.

Minimum, które trzeba mieć, jest krótkie: usługa z umową dla klientów biznesowych, wyłączone uczenie na Waszych danych, zawarta umowa powierzenia, retencja ustawiona na zero lub kilka dni, przetwarzanie w UE jeśli to możliwe. Osobno — i to częściej jest prawdziwym problemem — zakaz używania prywatnych kont do dokumentów firmowych. Umowy to materiał, który trafia do darmowych czatów najchętniej, bo są nudne i długie, a termin goni. Mechanizm opisaliśmy w tekście o shadow AI w firmie; przy umowach konsekwencja jest bezpośrednio kontraktowa.

Jeśli obieg umów obejmuje dokumenty objęte szczególną tajemnicą albo kontrahentów, którzy wprost zakazują przetwarzania w usługach chmurowych, to jedno z niewielu zastosowań, w którym model uruchamiany na własnej infrastrukturze jest uzasadniony ekonomicznie, a nie tylko ideologicznie. Kiedy ten rachunek się domyka, policzyliśmy w tekście o lokalnym modelu AI w firmie.

Odpowiedzialność i obowiązki — krótko, bo to proste

Za podpisaną umowę odpowiada osoba, która ją podpisała, i firma, która ją zawarła. Żaden element tego procesu nie przenosi odpowiedzialności na narzędzie ani na jego dostawcę, a umowy z dostawcami AI standardowo wyłączają odpowiedzialność za treść wyniku. To warto powiedzieć w zespole na głos, zanim ktoś założy inaczej — czego dokładnie szukać w takiej umowie, opisaliśmy w tekście o umowie z dostawcą AI.

Dwie konsekwencje praktyczne. Pierwsza: nikt nie podpisuje na podstawie samej karty przeglądu. Karta kieruje uwagę i skraca lekturę, nie zastępuje decyzji. Druga: wsparcie analityczne przy przeglądzie umów nie jest systemem wysokiego ryzyka w rozumieniu AI Act i nie wchodzi w ciężki reżim obowiązków — wymóg kompetencji personelu natomiast obowiązuje i oznacza w praktyce krótkie, udokumentowane przeszkolenie zespołu z tego, gdzie narzędzie pomaga, a gdzie myli się przekonująco. Granice rozrysowaliśmy w tekście o AI Act w małej firmie.

I rzecz, której w materiałach dostawców nie znajdziecie: nie pozwalajcie modelowi redagować kontrpropozycji zapisów bez weryfikacji prawnika. Generowanie klauzul to zadanie, w którym tekst jest zawsze poprawny stylistycznie i czasem wadliwy merytorycznie — a to najgorsza możliwa kombinacja, bo nie daje żadnego sygnału ostrzegawczego. Ekstrakcja i porównanie to bezpieczna strona granicy. Pisanie zapisów nie.

Rachunek

Strona kosztów jest nietypowo niska, bo umowa to kilkadziesiąt stron tekstu, a nie setki. Przy kilkudziesięciu dokumentach miesięcznie koszt modelu liczy się w dziesiątkach złotych, nie w setkach — przegląd umów jest jednym z nielicznych zastosowań, w których rachunek za tokeny naprawdę jest zaniedbywalny. Poważne pozycje to praca nad standardem i integracja z obiegiem dokumentów. Anatomię takiego budżetu rozpisaliśmy w tekście ile kosztuje wdrożenie AI.

Strona korzyści ma dwie warstwy i tylko jedna z nich jest oczywista. Oszczędność czasu policzycie łatwo: liczba umów razy zaoszczędzone godziny razy stawka. Przy dwudziestu umowach miesięcznie i godzinie oszczędności na każdej wychodzi kwota, która uzasadnia wdrożenie, ale nie jest spektakularna.

Druga warstwa jest większa o rząd wielkości i trudniejsza do pokazania na slajdzie: umowy, które przeszły przegląd zamiast go ominąć. Jedna kara umowna bez limitu, jedno automatyczne przedłużenie niezauważone na czas, jedna wyłączność podpisana w pośpiechu — każda z tych pozycji potrafi kosztować więcej niż całe wdrożenie wraz z utrzymaniem na lata. Tej wartości nie da się wykazać ex ante, dlatego warto mierzyć wskaźnik zastępczy: odsetek umów, które przeszły przegląd, i czas od wpłynięcia do odpowiedzi. Jeśli pierwszy rośnie do stu procent, a drugi spada z dni do godzin, wdrożenie działa — niezależnie od tego, czego nie da się policzyć.

Wdrożenie w cztery tygodnie

Kolejność nie jest dowolna: pierwszy tydzień jest jedynym, który naprawdę trudno przeskoczyć, i jedynym, w którym nie ma żadnej technologii.

1. Tydzień pierwszy: standard. Dwie strony, piętnaście pozycji, przy każdej wartość akceptowalna, granica i to, co jest nienegocjowalne. Spisuje go osoba, która dziś podejmuje te decyzje, w jednej rozmowie. Bez tego dokumentu reszta jest generatorem ogólników.
2. Tydzień drugi: ekstrakcja. Stała struktura karty, cytat i paragraf przy każdej pozycji, jawne „nie znalazłem”. Weryfikacja na dziesięciu umowach, które już podpisaliście — znacie ich treść, więc błąd modelu widzicie natychmiast. To najtańszy zestaw testowy, jaki macie pod ręką, a metodę zbierania takich zestawów opisaliśmy w tekście o testowaniu wdrożenia AI.
3. Tydzień trzeci: porównanie ze standardem i routing. Pięć warunków decydujących o ścieżce: NDA i proste umowy na skróconą, typowe na pełną kartę, nietypowe i duże do prawnika. Przez pierwsze dwa tygodnie człowiek sprawdza każdą decyzję routingu — te oceny są Waszą miarą tego, czy progi są ustawione dobrze.
4. Tydzień czwarty: obieg. Gdzie wpada umowa, kto dostaje kartę, gdzie zapada decyzja, co się dzieje z odchyleniem. Jeśli karta przeglądu trafia do skrzynki, w której nikt nie podejmuje decyzji, cały proces jest ćwiczeniem — dlatego ten tydzień jest ważniejszy niż jakość promptu z tygodnia drugiego.
5. Dalej, stale: każdy zapis, który Was zabolał w trakcie realizacji umowy, wraca do standardu jako nowa pozycja. Bez tego sprzężenia lista zamarza na poziomie wiedzy z dnia wdrożenia — mechanizm opisaliśmy w tekście o utrzymaniu AI po wdrożeniu.

Trzy sygnały, że poszło w złą stronę

• Nikt nie klika w cytaty. Oznacza to, że zespół czyta kartę zamiast umowy i zaufał streszczeniu. Przy osiemdziesięciu pięciu procentach poprawności to kwestia czasu, nie prawdopodobieństwa — pomyłka trafi w pozycję, która kosztuje.
• Karta przeglądu ma pięć stron i wyliczone dwadzieścia ryzyk przy każdej umowie. To znaczy, że model dostał polecenie „oceń ryzyka” bez standardu i produkuje podręcznik. Dwadzieścia ryzyk przy każdym dokumencie to zero informacji, bo nie da się na tej podstawie niczego wybrać.
• Czas odpowiedzi na umowę się nie skrócił. Narzędzie dołożyło krok do procesu, zamiast go zastąpić. Zwykle znaczy to, że brakuje skróconej ścieżki dla NDA — a to one są większością ruchu i całą kolejką.

Od czego zacząć

Jeden konkret na ten tydzień, bez żadnego narzędzia: weźcie pięć ostatnich umów podpisanych z kontrahentami i sprawdźcie w każdej trzy rzeczy — czy limit odpowiedzialności istnieje, czy jest automatyczne przedłużenie i jaki jest termin płatności w porównaniu z terminami, na jakich Wy płacicie. Zajmie to godzinę. Jeśli choć w jednej umowie któraś odpowiedź Was zaskoczy, macie dowód, że przegląd nie działa — i pierwsze trzy pozycje swojego standardu.

Budujemy takie układy jako wąskie, mierzalne wdrożenia: firmowy standard zapisany tak, żeby dał się sprawdzać maszynowo, ekstrakcja z cytatem przy każdej pozycji, routing na trzy ścieżki i obieg, w którym decyzja ma swoje miejsce. Jeśli umowy stoją u Was w kolejce albo wychodzą nieprzejrzane, umówcie bezpłatną konsultację albo zobaczcie, jak wygląda nasz konsulting i wdrożenia AI.