Právo
De Jure: AI pipeline pro compliance bez lidských anotací
mlj.solutions
mlj.solutions AI jako digitální právník? ⚖️🤖 Co když umělá inteligence dokáže sama číst zákony, vyhodnocovat pravidla a kontrolovat jejich správnost? Přesně tím se zabývá systém De Jure - technologie, která automatizuje práci s právními předpisy a posouvá compliance na novou úroveň. ➡️ méně manuální práce ➡️ rychlejší zpracování regulací ➡️ vyšší přesnost díky self-check mechanismům Budoucnost firem nebude jen o tom, kdo má data. Ale kdo jim dokáže správně porozumět. Jaký máte názor vy - důvěřovali byste AI při auditu právních předpisů? 👀
Zobrazit na InstagramuO čem studie je
Dostat zákon do formy, které AI rozumí, je stále manuální a drahá práce. De Jure je plně automatizovaný pipeline od společnosti Vanguard, který tento proces zvládne bez lidských anotací, doménových promptů ani trénovacích dat.
94 %
průměrné skóre kvality extrakce
De Jure dosáhl celkového průměrného skóre nad 4,70 z 5,00 napříč třemi regulatorními oblastmi, třemi právními systémy a čtyřmi různými AI modely bez jakékoli úpravy.
73,8 %
případů, kde De Jure porazil konkurenci
V compliance otázkách postavených na HIPAA regulaci byly odpovědi grounded v De Jure pravidlech preferovány v 73,8 % případů při jednoduchém vyhledávání, a v 84 % při širším vyhledávání.
0
lidských anotací potřebných k nasazení
Pipeline funguje bez označených dat, doménových promptů nebo expertní konfigurace, a přesto dosahuje výsledků srovnatelných s přístupy závislými na ruční práci.
Co z toho vyplývá
- Právní text je pro AI extrémně náročný — podmínky, výjimky a hierarchické závislosti způsobují, že první extrakce skoro nikdy není dostatečná.
- Iterativní oprava je klíčová, jeden pokus nestačí, kvalita roste teprve po druhém a třetím pokusu.
- Open-source modely se přibližují proprietary, rozdíl mezi nejlepším open-source modelem a GPT-5-mini byl méně než 0,04 bodu.
- Kvalita vstupu určuje kvalitu výstupu, špatné rozdělení dokumentu na sekce se nedá opravit downstream zpracováním.
- Halucinace jsou eliminovatelné, schema-constrained extrakce dosáhla Non-Hallucination skóre 5,00 u všech modelů a všech fází.
Náš pohled
Compliance v regulovaných odvětvích není o tom přečíst zákon. Je o tom mít systém, který ví, co zákon říká, a dokáže to ověřit.
Michal Dobrovolný
Zdroj
Guliani, K., Gill, D., Landsman, D., Eshraghi, N., Kumar, K., & Gondara, L. (2026). De Jure: Iterative LLM Self-Refinement for Structured Extraction of Regulatory Rules. arXiv:2604.02276. https://arxiv.org/abs/2604.02276
Pokračujte ve čtení
Nepřehlédněte další příspěvky
Chcete AI implementovat ve vaší firmě?
Projdeme spolu vaše potřeby a navrhneme přístup, který přinese měřitelné výsledky.
Napište nám
