Sztuczna inteligencja i sądy. Czy algorytm może wspierać sprawiedliwość

AI w sądach może analizować akta, wyszukiwać orzeczenia, porządkować dowody i przewidywać kierunek rozstrzygnięcia. Wymiar sprawiedliwości nie jest jednak kolejnym procesem do optymalizacji. Algorytm może wspierać sędziego, ale nie może przejąć odpowiedzialności za wyrok.

Sąd nie jest kolejnym urzędem do automatyzacji

.Sądy należą do instytucji, w których sztuczna inteligencja może przynieść największą poprawę efektywności i równocześnie wyrządzić szczególnie poważne szkody. Postępowania sądowe opierają się na ogromnych zbiorach dokumentów, przepisów, zeznań, opinii biegłych i wcześniejszych orzeczeń. Algorytmy potrafią porządkować takie materiały szybciej niż człowiek.

Sztuczna inteligencja może pomagać w klasyfikowaniu pism, anonimizowaniu orzeczeń, sporządzaniu transkrypcji, wyszukiwaniu podobnych spraw, wykrywaniu braków formalnych i przygotowywaniu chronologii wydarzeń. Zastosowania administracyjne mogą odciążyć sekretariaty oraz pozwolić sędziom poświęcać więcej czasu na pracę wymagającą oceny prawnej.

Granica pojawia się wtedy, gdy system przestaje porządkować materiał, a zaczyna wpływać na treść rozstrzygnięcia. Sąd nie jest przedsiębiorstwem, którego sukces mierzy się liczbą obsłużonych spraw. Sprawiedliwość wymaga szybkości, ale również wysłuchania stron, niezależności sędziego, uzasadnienia decyzji i możliwości jej zakwestionowania.

Największa szansa leży w analizie akt

.Wielotomowe akta są naturalnym polem zastosowania AI. System może wydobywać nazwiska, daty, kwoty i zależności, łączyć dokumenty dotyczące tego samego zdarzenia, porównywać zeznania oraz wskazywać sprzeczności. Może przygotować uporządkowaną oś czasu i pomóc odnaleźć fragment dokumentu, który w tradycyjnej pracy wymagałby wielogodzinnej lektury.

Podobne narzędzia mogą wspierać analizę orzecznictwa. Zamiast wyszukiwać wyłącznie po słowach kluczowych, model może odnajdywać sprawy o zbliżonym stanie faktycznym, wskazywać dominujące linie interpretacyjne i porównywać argumentację różnych sądów. Sędzia, adwokat albo prokurator zyskuje szerszy obraz materiału, ale nadal musi sprawdzić źródło.

Ograniczenia wynikają z tego, jak działa sztuczna inteligencja. Model językowy może stworzyć przekonujące podsumowanie, mimo że pominął istotny dokument albo błędnie zinterpretował relację między przepisami. Może także wygenerować nieistniejące orzeczenie lub przypisać rzeczywistemu wyrokowi argument, którego w nim nie ma.

W zwykłym tekście taki błąd podważa wiarygodność autora. W sądzie może zmienić sytuację procesową człowieka.

Predykcja wyroku jest najbardziej kuszącą obietnicą

.Największe zainteresowanie budzą systemy przewidujące rozstrzygnięcia. Model analizujący wcześniejsze wyroki może oszacować prawdopodobieństwo wygranej, wysokość odszkodowania, ryzyko zastosowania aresztu albo szanse powodzenia apelacji. Dla kancelarii takie narzędzie może być pomocą w ocenie ryzyka. Dla sądu staje się znacznie bardziej problematyczne.

Predykcja nie mówi, jaki wyrok jest sprawiedliwy. Pokazuje, jaki wyrok jest statystycznie podobny do wcześniejszych rozstrzygnięć. Różnica ma fundamentalne znaczenie. Prawo rozwija się również dlatego, że sędziowie odchodzą od wcześniejszej praktyki, dostrzegają nowy kontekst albo uznają, że utrwalona interpretacja prowadzi do niesprawiedliwości.

Algorytm wytrenowany na przeszłości może wzmacniać dotychczasową linię orzeczniczą tylko dlatego, że jest ona najczęstsza. Każda nietypowa argumentacja będzie wyglądała jak odchylenie od normy. Wymiar sprawiedliwości może stać się bardziej przewidywalny, ale równocześnie mniej zdolny do korygowania własnych błędów.

Dyskusja o tym, czy algorytmy w wymiarze sprawiedliwości mogą ograniczać niektóre systematyczne pomyłki ludzi, jest potrzebna. Nie wynika z niej jednak, że model powinien zastąpić sędziego. Skuteczniejsze szacowanie jednego rodzaju ryzyka nie jest równoznaczne ze zdolnością do wymierzania sprawiedliwości.

Przeszłe wyroki mogą przenosić dawne uprzedzenia

.System AI nie jest bardziej bezstronny tylko dlatego, że nie ma twarzy i emocji. Model uczy się na danych powstałych w konkretnym społeczeństwie, systemie prawnym i czasie historycznym. Jeżeli wcześniejsze decyzje zawierały nierówności, algorytm może je odtworzyć, a następnie przedstawić jako obiektywną rekomendację.

Ryzyko dotyczy między innymi oceny prawdopodobieństwa ponownego popełnienia przestępstwa, stosowania środków zapobiegawczych, wiarygodności osób albo przewidywania zachowania oskarżonego. Dane dotyczące miejsca zamieszkania, zatrudnienia, dochodów czy wcześniejszych kontaktów z organami ścigania mogą pośrednio odtwarzać podziały społeczne.

Pozornie neutralne kryterium może więc prowadzić do systematycznie gorszych ocen określonych grup. Sędzia widzi człowieka i szczegóły konkretnej sprawy. Model widzi podobieństwo do wzorca z danych.

Sama obecność sędziego nie rozwiązuje problemu. Człowiek może nadmiernie ufać liczbowej ocenie, zwłaszcza gdy system prezentuje ją jako wynik naukowej analizy. Nadzór człowieka będzie pozorny, jeśli sędzia nie zna ograniczeń modelu albo nie ma czasu i kompetencji, by zakwestionować jego rekomendację.

Prawo do uzasadnienia wymaga czegoś więcej niż wyniku

.Wyrok musi być uzasadniony. Strona powinna wiedzieć, jakie fakty sąd uznał za istotne, jak ocenił dowody, które przepisy zastosował i dlaczego odrzucił przeciwną argumentację. Wynik algorytmu nie może zastąpić tego procesu.

Stwierdzenie, że system ocenił ryzyko na 72 procent, nie jest uzasadnieniem prawnym. Nie wyjaśnia, dlaczego dana cecha została uznana za ważną, jakie dane porównawcze wykorzystano ani czy podobieństwo statystyczne ma znaczenie w konkretnej sprawie. Człowiek nie może skutecznie odwołać się od liczby, jeśli nie rozumie sposobu jej powstania.

Prawo do wyjaśnienia obejmuje więc kilka poziomów. Sąd musi wiedzieć, z jakiego narzędzia korzysta, do czego zostało ono przeznaczone, na jakich danych je testowano i w jakich sytuacjach zawodzi. Strona postępowania powinna znać znaczenie wyniku dla rozstrzygnięcia oraz mieć możliwość jego zakwestionowania.

Tajemnica handlowa dostawcy nie może stać się zasłoną chroniącą algorytm przed kontrolą procesową. Państwo nie może uzasadniać wyroku systemem, którego działania nie jest w stanie wyjaśnić.

AI Act stawia wymiar sprawiedliwości wśród zastosowań wysokiego ryzyka

.Europejski AI Act traktuje część systemów stosowanych w wymiarze sprawiedliwości jako narzędzia wysokiego ryzyka. Zgodnie z załącznikiem III rozporządzenia chodzi przede wszystkim o rozwiązania wspierające organy sądowe w badaniu i interpretowaniu faktów oraz prawa, a następnie w stosowaniu prawa do konkretnej sprawy, a także o ich odpowiedniki w pozasądowym rozwiązywaniu sporów.

Rozróżnienie jest ważne. System anonimizujący orzeczenia albo wykonujący pomocnicze zadanie administracyjne nie ma takiego wpływu na prawa człowieka jak narzędzie rekomendujące interpretację dowodu lub kierunek rozstrzygnięcia, dlatego te pierwsze pozostają poza kategorią wysokiego ryzyka. Regulacja nie zakazuje AI w sądach, lecz wymaga, aby najbardziej wrażliwe zastosowania podlegały rygorystycznej kontroli.

Same obowiązki dla systemów wysokiego ryzyka nie zaczęły jeszcze w pełni obowiązywać. Po przeglądzie przepisów, nieformalnie nazywanym pakietem Digital Omnibus, ich stosowanie przesunięto na grudzień 2027 roku, a w maju 2026 roku Komisja Europejska opublikowała projekty wytycznych dotyczących klasyfikacji, które doprecyzowują i zawężają zakres narzędzi sądowych objętych tą kategorią. Sama klasyfikacja pozostaje jednak w mocy, a kierunek regulacji jest czytelny.

Najważniejsza zasada pozostaje niezmienna: ostateczne rozstrzygnięcie musi być decyzją człowieka. Sędzia nie może tłumaczyć wyroku tym, że „tak wskazał system”. Niezależność sądu nie może zostać przeniesiona na dostawcę oprogramowania ani zespół, który trenował model.

Automatyzacja może zmienić układ sił na sali sądowej

.AI nie trafi do sądów w warunkach równości. Największe kancelarie, prokuratury, instytucje finansowe i korporacje mogą korzystać z bardziej zaawansowanych narzędzi niż obywatel występujący bez profesjonalnego pełnomocnika. Technologia obiecująca szerszy dostęp do prawa może więc równocześnie zwiększać przewagę silniejszych stron.

Podobny problem pojawia się w obszarze AI w finansach. Instytucja posiadająca dane, kapitał i własne zespoły analityczne może dokładniej przewidywać zachowanie klienta niż klient decyzję instytucji. W sądzie asymetria może dotyczyć zdolności do przeszukiwania milionów dokumentów, przewidywania argumentów strony przeciwnej i optymalizowania strategii procesowej.

Dostępne publicznie narzędzia AI mogą częściowo zmniejszyć tę nierówność. Obywatel zyska pomoc w zrozumieniu pisma, znalezieniu przepisu albo przygotowaniu pytań do prawnika. Granica między informacją a poradą prawną musi jednak pozostać widoczna. Chatbot może brzmieć autorytatywnie, choć nie zna wszystkich okoliczności sprawy i nie ponosi odpowiedzialności za błędną sugestię.

Sprawiedliwość wspierana przez AI nie może stać się wymiarem sprawiedliwości dostępnym w dwóch standardach: zaawansowanym dla bogatych instytucji i uproszczonym dla pozostałych obywateli.

Sędzia nie powinien zostać operatorem modelu

.Najgorszym scenariuszem nie jest całkowite zastąpienie sędziów przez maszyny. Bardziej realne zagrożenie polega na stopniowym ograniczaniu roli sędziego do zatwierdzania rekomendacji systemu. Presja na szybkość postępowań może sprawić, że automatycznie przygotowana analiza stanie się domyślną odpowiedzią.

Sędzia zachowa formalną odpowiedzialność, ale model zacznie ustalać strukturę problemu: wybierze istotne fakty, znajdzie orzeczenia, oceni podobieństwo spraw i zasugeruje rezultat. Człowiek będzie mógł zmienić rekomendację, lecz każda zmiana będzie wymagała dodatkowego czasu i uzasadnienia.

Taki mechanizm tworzy uprzedzenie automatyzacyjne. Rekomendacja systemu zaczyna być traktowana jako punkt neutralny, choć sama wynika z określonych danych, celów i decyzji projektantów.

Znaczący nadzór człowieka wymaga realnej możliwości odrzucenia wyniku, dostępu do źródeł, znajomości ograniczeń systemu oraz wystarczającego czasu na samodzielną ocenę. Sędzia nie może zostać operatorem narzędzia, którego logikę rozumie jedynie producent.

AI może przyspieszyć dostęp do sprawiedliwości

.Ostrożność nie powinna prowadzić do odrzucenia technologii. Sądy w wielu państwach mierzą się z przewlekłością postępowań, rosnącą liczbą dokumentów i niedoborem pracowników. AI może pomagać w zadaniach powtarzalnych, usprawniać dostęp do orzecznictwa, wspierać tłumaczenia, anonimizować dokumenty i ułatwiać korzystanie z sądów osobom bez specjalistycznej wiedzy.

Szczególnie wartościowe mogą być narzędzia wyjaśniające procedury, wskazujące braki formalne i pomagające obywatelowi zrozumieć, na jakim etapie znajduje się sprawa. Technologia może zmniejszyć dystans między instytucją a człowiekiem, jeśli nie będzie udawała sędziego ani adwokata.

Sprawniejsze porządkowanie akt może również poprawić jakość orzekania. Sędzia, który nie traci godzin na mechaniczne przeszukiwanie materiału, ma więcej czasu na analizę argumentów i wysłuchanie stron. Najlepsze zastosowania AI w sądach nie zastępują sprawiedliwości. Usuwają zadania, które przeszkadzają ludziom w jej wymierzaniu.

Algorytm może wspierać sąd, ale nie może być sądem

.Sprawiedliwość nie jest wynikiem statystycznego dopasowania. Wymaga rozumienia prawa, oceny człowieka, niezależności, odpowiedzialności i możliwości sprzeciwu. Algorytm może porządkować fakty, wskazywać podobne sprawy i ostrzegać przed niespójnością. Nie może jednak ponosić odpowiedzialności moralnej ani konstytucyjnej za wyrok.

Najważniejsza granica nie przebiega między sądem tradycyjnym a sądem cyfrowym. Przebiega między narzędziem wspierającym decyzję a systemem, który decyzję faktycznie narzuca. Zachowanie człowieka „w pętli” nie wystarczy, jeśli jego obecność jest wyłącznie formalna.

AI w sądach może przyspieszyć postępowania i ograniczyć część ludzkich błędów. Wymiar sprawiedliwości musi jednak pozostać miejscem, w którym człowiek jest wysłuchiwany, wyrok można zrozumieć, a odpowiedzialności nie da się ukryć za algorytmem.

Szymon Ślubowski