Umowy, aneksy, pełnomocnictwa i pisma procesowe to dokumenty, których kancelarie, działy prawne i działy zakupów nie powinny wklejać do publicznego czatu AI. Analiza umów przez AI może jednak działać w całości na serwerze, który kontrolujesz: model wyciąga klauzule, porównuje je z Twoim wzorcem i oznacza ryzyka, a decyzję zawsze podejmuje prawnik.
Pokazujemy, jak to wygląda w praktyce, jaki sprzęt jest potrzebny i na czym potykają się pierwsze projekty. Piszemy jako zespół utrzymujący serwery GPU, a nie kancelaria, więc kwestie prawne traktuj jako punkt wyjścia do rozmowy z działem compliance.
Problem: setki stron do przeczytania i dane, które nie mogą wyjść z firmy
W kancelarii, dziale prawnym banku czy dziale zakupów powtarzają się te same zadania: sprawdzić, czy umowa od kontrahenta odbiega od wzorca, znaleźć zapisy o karach umownych, odpowiedzialności i wypowiedzeniu, przygotować krótkie podsumowanie dla zarządu. Przy due diligence czy przetargu z kilkudziesięcioma załącznikami to dni pracy, w dużej części mechanicznej.
Publiczne narzędzia AI robią to szybko, ale wymagają wysłania treści dokumentu do zewnętrznego dostawcy. W przypadku umów oznacza to przekazanie danych kontrahentów, warunków handlowych, często danych osobowych, a w kancelarii także informacji objętych tajemnicą zawodową.
Rozwiązanie: analiza umów przez AI na własnym modelu
Otwarte modele językowe (open-weight) można uruchomić na własnym serwerze GPU. Dokument trafia do modelu przez wewnętrzną aplikację, a odpowiedź wraca do użytkownika bez opuszczania infrastruktury, którą kontrolujesz. W praktyce taki system realizuje cztery typy zadań:
| Zadanie | Co robi model | Rola prawnika |
|---|---|---|
| Ekstrakcja klauzul i danych | Wyciąga strony, daty, kwoty, okresy wypowiedzenia i kary umowne do tabeli | Weryfikuje wynik, szczególnie liczby i daty |
| Porównanie ze wzorcem | Wskazuje różnice między umową a Twoim wzorcem lub wytycznymi negocjacyjnymi | Ocenia, które odstępstwa są do przyjęcia |
| Flagi ryzyka | Oznacza zapisy nietypowe, jednostronne lub niezgodne z listą kontrolną | Decyduje o wadze ryzyka i rekomendacji |
| Streszczenie i pytania | Przygotowuje podsumowanie i odpowiada na pytania typu „kto ponosi koszt ubezpieczenia?” ze wskazaniem paragrafu | Sprawdza odpowiedź w źródle |
Porównanie ze wzorcem działa najlepiej, gdy model ma dostęp do Twojej biblioteki wzorców, listy kontrolnej i wcześniejszych opinii. To ten sam mechanizm, który opisujemy w artykule o asystencie wiedzy firmowej (RAG): system najpierw znajduje właściwe fragmenty dokumentów, a dopiero potem model formułuje odpowiedź ze wskazaniem źródła.
Jaki model wybrać
Stan na listopad 2026 dobrymi punktami wyjścia są m.in. Qwen3.8-27B (licencja Apache 2.0, model multimodalny, więc czyta także obraz strony), gpt-oss-120b (Apache 2.0) i Mistral Small 4 (Apache 2.0). Do prostszych zadań wyłącznie po polsku warto przetestować Bielika. Rynek modeli zmienia się co miesiąc, dlatego wybór zawsze potwierdzamy testem na próbce Twoich dokumentów, a nie na ogólnych rankingach.
Skany i OCR
Wiele umów istnieje tylko jako skan z podpisami i pieczątkami. Przed analizą dokument przechodzi przez OCR uruchomiony lokalnie albo trafia do modelu multimodalnego jako obraz. Jakość tego kroku decyduje o wszystkim, co dzieje się dalej: błędnie odczytana kwota lub data przejdzie do streszczenia jako fakt.
Dlaczego lokalnie: tajemnica zawodowa i poufność
Adwokaci i radcowie prawni są związani tajemnicą zawodową, banki tajemnicą bankową, a działy zakupów klauzulami poufności w umowach z dostawcami. Niezależnie od tego, jak Twoja organizacja interpretuje te obowiązki, musisz umieć odpowiedzieć na trzy pytania: gdzie trafiają dane, kto ma do nich dostęp i jak długo są przechowywane. Przy własnym modelu w polskiej serwerowni odpowiedź jest prosta: dokumenty nie opuszczają infrastruktury, logi są pod Twoją kontrolą, a twórca modelu nie widzi treści zapytań.
Umowy zawierają też dane osobowe (reprezentanci, pracownicy, osoby prowadzące jednoosobową działalność), więc obowiązuje RODO. Szerzej o RODO, AI Act, NIS2 i DORA przy własnym modelu piszemy w artykule AI a dane firmowe w UE. Warto też przeczytać nasz wcześniejszy tekst o tym, jak uniknąć wycieku danych do publicznych AI.
Jaki sprzęt jest potrzebny do analizy umów
Rozmiar sprzętu zależy od trzech rzeczy: wielkości modelu, długości dokumentów (dłuższy kontekst to więcej pamięci na tzw. KV cache) i liczby osób pracujących jednocześnie. Prosta reguła: wagi modelu zajmują mniej więcej liczbę parametrów × liczbę bajtów na parametr, plus 10–20% narzutu. Qwen3.8-27B w BF16 to około 56 GB wag, a gpt-oss-120b w precyzji 4-bitowej około 59 GB. Każdy z nich zmieści się na jednej karcie RTX PRO 6000 z 96 GB pamięci, z zapasem na kontekst.
| Opcja | Pamięć | Dla kogo | Uwagi |
|---|---|---|---|
| NVIDIA DGX Spark jako usługa | 128 GB pamięci zunifikowanej | Pilotaż, mała kancelaria, kilkuosobowy dział prawny | Przepustowość pamięci 273 GB/s, więc przy dużych modelach odpowiedzi generują się wolniej; wycena indywidualna |
| Serwer z 1–2 kartami RTX PRO 6000 | 96 GB GDDR7 na kartę | Kancelaria lub dział prawny, wiele osób jednocześnie, długie dokumenty | Dobry stosunek ceny do wydajności przy inferencji i RAG; wycena indywidualna |
| Serwer z 4–8 kartami RTX PRO 6000 | Do 768 GB łącznie | Większa organizacja, większe modele, przetwarzanie dużych zbiorów (due diligence) | Platforma Supermicro 5U mieści do 8 kart; wycena indywidualna |
DGX Spark opisujemy szczegółowo w artykule NVIDIA DGX Spark jako usługa, a porównanie kart w tekście jaki GPU do LLM w 2026. Serwer możesz wynająć jako serwer GPU w naszej serwerowni Tier III z certyfikatem ISO 27001 albo kupić i postawić u nas w kolokacji. Jako partner Supermicro i NVIDIA dobieramy konfigurację pod konkretny model i obciążenie.
Wdrożenie krok po kroku
- Wybierz jeden proces. Na przykład przegląd umów najmu: jeden typ dokumentu, jasna lista kontrolna, mierzalny efekt.
- Przygotuj materiał wzorcowy. Wzorce, listę kontrolną ryzyk i kilkadziesiąt przykładowych umów z oceną prawnika. Na nich sprawdzisz model.
- Uruchom pilotaż. Model, OCR i wyszukiwanie w dokumentach na DGX Spark lub jednym serwerze GPU. Porównaj wyniki modelu z oceną prawników na tej samej próbce.
- Zintegruj z obiegiem dokumentów. Dostęp przez przeglądarkę lub z systemu zarządzania dokumentami, logowanie firmowym kontem, uprawnienia zgodne z tym, kto widzi jakie sprawy.
- Ustal zasady pracy. Kto weryfikuje wynik, jak oznaczać dokumenty przygotowane z pomocą AI, jak długo przechowywać logi.
- Utrzymuj i mierz. Aktualizacje modelu, kopie zapasowe, monitoring. Możesz to robić sam z dostępem root albo zlecić nam administrację serwerów 24/7.
Pułapki, o których warto wiedzieć
- Model nie jest prawnikiem. Potrafi pewnym tonem podać błędną odpowiedź albo pominąć klauzulę. Każdy wynik wymaga weryfikacji, a system powinien zawsze wskazywać paragraf źródłowy.
- Jakość OCR. Pieczątki, odręczne dopiski i tabele w skanach to częste źródło błędów. Testuj OCR na swoich najgorszych skanach, nie na najlepszych.
- Uprawnienia. Jeśli wyszukiwanie obejmuje wszystkie dokumenty firmy, model może pokazać fragment sprawy osobie, która nie powinna jej widzieć. Uprawnienia trzeba przenieść do warstwy wyszukiwania.
- Za mały sprzęt. Długie umowy i kilka osób pracujących równolegle szybko zużywają pamięć na kontekst. Licz zapas, a nie tylko rozmiar samego modelu.
- Licencja modelu. Część modeli ma licencje niestandardowe. Do zastosowań komercyjnych najprościej wybierać modele na Apache 2.0 lub MIT, a inne licencje czytać przed wdrożeniem.
FAQ: najczęściej zadawane pytania
Czy AI może samodzielnie analizować umowy?
Nie powinno. Analiza umów przez AI przyspiesza wyszukiwanie klauzul, porównanie ze wzorcem i przygotowanie streszczenia, ale odpowiedzialność za ocenę prawną zostaje po stronie prawnika. Dobrze zaprojektowany system zawsze wskazuje fragment źródłowy, żeby weryfikacja była szybka.
Czy kancelaria może korzystać z ChatGPT do analizy umów?
To zależy od oceny ryzyka, warunków dostawcy i zasad etyki zawodowej, co musi rozstrzygnąć sama kancelaria. Własny model na serwerze w Polsce usuwa główny problem: treść dokumentów nie trafia do zewnętrznego dostawcy AI.
Jaki serwer do analizy dokumentów prawnych?
Na pilotaż i dla małego zespołu wystarczy DGX Spark. Dla kancelarii lub działu prawnego, w którym kilka lub kilkanaście osób pracuje jednocześnie na długich dokumentach, lepszy jest serwer z jedną lub dwiema kartami RTX PRO 6000 (96 GB pamięci na kartę).
Czy model AI poradzi sobie z umowami po polsku?
Duże modele globalne są zwykle mocniejsze w ogólnych testach, a polskie modele, takie jak Bielik czy PLLuM, są dostrojone do języka polskiego, mniejsze i tańsze w uruchomieniu. Wybór warto oprzeć na teście na własnych dokumentach.
Chcesz sprawdzić, jak analiza umów przez AI wypadnie na Twoich dokumentach? Dobierzemy model i serwer GPU lub DGX Spark, uruchomimy pilotaż w polskiej serwerowni i zostawimy Ci pełną kontrolę nad danymi. Napisz do nas po wycenę.