System prawny z natury jest reaktywny – działa w odpowiedzi na zgłoszone naruszenie. Poszkodowani muszą najpierw zdać sobie sprawę z poniesionej szkody, a następnie znaleźć i zaangażować kancelarię prawną, co stanowi znaczącą barierę. Obserwujemy właśnie fundamentalną zmianę tego paradygmatu. Sztuczna inteligencja przestaje być jedynie narzędziem wspomagającym pracę prawników (np. do analizy dokumentów). Staje się proaktywnym systemem, który samodzielnie „poluje” na potencjalne naruszenia prawa na masową skalę, tworząc zupełnie nowy rynek „generowania pozwów”. To zjawisko wymusza ponowne przemyślenie nie tylko strategii biznesowych, ale i fundamentów etyki prawniczej.
Jak sztuczna inteligencja „poluje” na procesy sądowe?
Izraelski startup Darrow, założony w 2020 roku, opracował system, który nie czeka, aż ofiara zgłosi się do prawnika. Jego technologia systematycznie analizuje ogromne zbiory danych publicznie dostępnych w internecie w poszukiwaniu wzorców wskazujących na potencjalnie nielegalne działania korporacji.
Proces ten można podzielić na trzy kluczowe etapy:
- Wykrywanie sygnałów: Algorytmy AI przeczesują różnorodne źródła, takie jak skargi konsumenckie na forach, polityki prywatności aplikacji mobilnych, dokumenty regulacyjne czy publiczne bazy danych. Celem jest znalezienie anomalii lub powtarzających się skarg.
- Kontekstualizacja prawna: Zidentyfikowane sygnały są następnie konfrontowane z obowiązującymi przepisami prawa i regulacjami. System sprawdza, czy dane działanie firmy (np. sposób zbierania danych biometrycznych) może naruszać konkretne ustawy (np. prawo stanu Illinois).
- Kwalifikacja biznesowa: Jeśli potencjalne naruszenie zostanie potwierdzone, system ocenia jego potencjał jako pozwu zbiorowego. Szacuje liczbę poszkodowanych, prawdopodobną wysokość ugody oraz szanse na powodzenie sprawy.
Konkretnym przykładem skuteczności tego podejścia jest sprawa przeciwko aplikacji randkowej Bumble. To system Darrow zidentyfikował, że sposób, w jaki firma gromadziła i przechowywała skany twarzy użytkowników, mógł naruszać prawo stanu Illinois. Informacja ta została przekazana kancelarii, co doprowadziło do pozwu zbiorowego i ugody w wysokości 40 milionów dolarów. Bez proaktywnej analizy AI to naruszenie mogłoby nigdy nie zostać wykryte na taką skalę.
Model biznesowy: od subskrypcji do kontrowersyjnego podziału zysków
Darrow zarabia na swojej technologii na dwa sposoby. Pierwszy jest standardowy dla firm technologicznych. Drugi stanowi innowację, która budzi fundamentalne pytania natury etycznej.
| Model przychodu | Opis |
| Opłaty software’owe | Kancelarie prawne płacą Darrow roczną subskrypcję oraz opłaty za korzystanie z platformy. Koszt waha się od kilkudziesięciu tysięcy do kilku milionów dolarów rocznie, w zależności od skali współpracy. |
| Podział zysków z ugody | W przypadku wygranej sprawy, która została zainicjowana przez Darrow, startup otrzymuje część honorarium, które sąd przyznaje prawnikom powodów. Jest to najbardziej lukratywna, ale i kontrowersyjna część modelu. |
Ten drugi filar jest możliwy dzięki specyficznej konstrukcji prawnej. W co najmniej 47 stanach USA zasady etyki zawodowej kategorycznie zabraniają prawnikom dzielenia się honorariami z osobami niebędącymi prawnikami. Ma to na celu ochronę interesu klienta przed wpływem podmiotów, których głównym celem jest zysk, a nie dobro klienta.
Darrow obchodzi ten zakaz, wykorzystując zmianę prawa, która zaszła w 2020 roku w stanie Arizona. Startup nawiązał partnerstwo z prawnikiem z Arizony, Donem Bivensem. Kancelarie, które kupują „pomysł na pozew” od Darrow, są zobowiązane do włączenia Bivensa jako współpełnomocnika w sprawie. Po wygranej, Bivens otrzymuje część honorarium, którym następnie dzieli się z Darrow. Z formalnego punktu widzenia jest to podział honorarium między prawnikami, co jest dozwolone.
Problem etyczny: obejście regulacji czy przyszłość prawa?
Struktura biznesowa Darrow stawia prawników i regulatorów przed fundamentalnym dylematem.
- Zwolennicy status quo argumentują, że dopuszczenie podmiotów nielicencjonowanych do udziału w zyskach z postępowań sądowych otwiera furtkę do sytuacji, w której decyzje procesowe (np. o zawarciu ugody) mogą być podejmowane pod presją komercyjnego partnera, a nie w najlepszym interesie poszkodowanych.
- Zwolennicy reformy (w tym Darrow) twierdzą, że zasady te są przestarzałe, mają charakter protekcjonistyczny i hamują innowacje. Utrzymują, że Darrow dostarcza jedynie „inteligencję prawną” – dane i analizy – podobnie jak inni konsultanci, a ostateczne decyzje zawsze podejmuje niezależny prawnik, który ma etyczny obowiązek działania na rzecz klienta.
Niezależnie od debaty etycznej, model ten okazuje się być niezwykle skuteczny finansowo. Przychody firmy w 2024 roku wyniosły 26 milionów dolarów, a prognozy na 2025 rok przekraczają 50 milionów.
Przyszłość „generowania pozwów”: co dalej?
Darrow nie jest jedyną firmą na tym nowym rynku. Startup Justpoint również wykorzystuje AI do wyszukiwania potencjalnych spraw, ale skupia się na innej niszy – pozwach masowych (mass torts), głównie w sektorze medycznym. Analizuje miliony kartotek medycznych w poszukiwaniu dowodów na to, że dany lek powoduje nieznane wcześniej skutki uboczne. Justpoint rozwiązał problem etyczny w inny sposób – założył własną, licencjonowaną kancelarię prawną w Arizonie.
Rozwój tych technologii otwiera nowe możliwości, ale i stwarza nowe ryzyka. Darrow planuje sprzedawać swoje usługi analityczne również dużym korporacjom, aby mogły one identyfikować i eliminować własne ryzyka prawne, zanim staną się one podstawą do pozwu. Rodzi to potencjalny konflikt interesów: firma mogłaby jednocześnie informować korporację o naruszeniu i sprzedawać ten sam „pomysł na pozew” kancelarii, która mogłaby tę korporację pozwać.
Jesteśmy świadkami narodzin zupełnie nowej gałęzi przemysłu prawnego, w której „ryzyko prawne” jest traktowane jak aktywo finansowe, a sztuczna inteligencja pełni rolę maklera, który wyszukuje najbardziej dochodowe „transakcje”.
Najczęściej zadawane pytania (FAQ)
- Czym różni się pozew zbiorowy od pozwu masowego (mass tort)?
W pozwie zbiorowym (class action) grupa poszkodowanych poniosła bardzo podobną szkodę, a ewentualne odszkodowanie jest zazwyczaj dzielone równo. W pozwie masowym (mass tort) grupa osób została poszkodowana przez ten sam produkt lub działanie, ale stopień szkody jest różny dla każdej osoby (np. różne skutki uboczne leku), co prowadzi do indywidualnie ustalanych odszkodowań. - Dlaczego właśnie stan Arizona jest kluczowy dla tych modeli biznesowych?
W 2020 roku Sąd Najwyższy Arizony wprowadził jedne z najbardziej liberalnych zmian w zasadach etyki prawniczej w USA. Zniósł m.in. zakaz dzielenia się honorariami z osobami niebędącymi prawnikami i dopuścił do tego, by firmy nienależące do prawników mogły być właścicielami kancelarii. To stworzyło unikalne w skali kraju środowisko regulacyjne, idealne dla innowacyjnych firm z sektora legal-tech. - Czy ta technologia może prowadzić do wzrostu liczby nieuzasadnionych pozwów?
Startup twierdzi, że jego celem jest identyfikacja realnych i dobrze udokumentowanych naruszeń, a nie generowanie błahych spraw. Jednak krytycy obawiają się, że komercjalizacja procesu wyszukiwania pozwów może prowadzić do obniżenia progu i skupienia się na sprawach, które są potencjalnie dochodowe, a niekoniecznie najważniejsze z punktu widzenia sprawiedliwości społecznej. - W jaki sposób Darrow znajduje powodów do pozwu?
Po zidentyfikowaniu potencjalnej sprawy i nawiązaniu współpracy z kancelarią, Darrow wykorzystuje ukierunkowane reklamy cyfrowe (targeted advertising), aby dotrzeć do osób, które mogły zostać dotknięte danym naruszeniem i zachęcić je do przyłączenia się do pozwu. - Jakie technologie AI wykorzystuje Darrow?
Firma korzysta z hybrydowego podejścia. Używa własnych, autorskich modeli AI wytrenowanych na danych prawnych, a także adaptuje i dostosowuje do swoich potrzeb duże modele fundamentalne od firm takich jak OpenAI i Anthropic. Kluczowe jest takie dostrojenie modeli, aby priorytetowo traktowały one reguły i przepisy prawne.