TL;DR

Zack Shapiro popsal, jak vede dvoučlennou kancelář Rains LLP, která obsluhuje kolem dvou set startupů a investorů a konkuruje domům se stovkami právníků. Bez týmu koncipientů a bez specializovaného právního softwaru, jen s Claude a sadou vlastních instrukčních souborů (skills), do kterých přepsal svůj úsudek za deset let praxe. Revize smlouvy tak nese jeho kontrolní seznam, jeho stupnici závažnosti i jeho formát výstupu, a plugin se skilly je přenositelný, takže by ho mohl nainstalovat každému koncipientovi. Největší pozornost vzbudila práce s Wordem, Claude otevře .docx na úrovni XML a zapíše sledované změny, které protistrana otevře jako běžný dokument.

Proti specializovaným právním nástrojům staví Shapiro dobře nastavený obecný model, protože hodnota nebydlí ve vzorech, které má každá kancelář stejné, ale v úsudku, jak se vzorem naložit. Text má přes osm milionů zhlédnutí a rozjel debatu o tom, co to udělá se stavem koncipientů, s účtováním po hodinách a s tréninkem úsudku.

České čtení a co z receptu přežije převod do českého práva v poznámce Co z Claude-Native Law Firm můžeme aplikovat v českých podmínkách.

Zack Shapiro, spoluzakladatel kanceláře Rains LLP, popisuje dvoje hodiny, které se rozešly. Jedny měří technologii a tikají po týdnech, druhé instituce, které ji mají používat, a jdou tempem výborů a směrnic. Úzké hrdlo se podle něj přesunulo od výkonu modelu k jeho vstřebání do práce. Zkušený právník nahraje smlouvu a napíše „zkontroluj”, dostane obecnou odpověď a usoudí, že nástroj je slabý. Když to samé zadá jako pokyn schopnému koncipientovi, tedy s kontextem, obchodním cílem, spornými ustanoveními a tím, co má model ověřit, stejný model na stejném dokumentu vrátí elitní práci. Model nebyl slabý. Instituce se ho nenaučila zadat.

Pomalost je racionální. Zisk velkých kanceláří stojí na účtování po hodinách a na pyramidě koncipientů, tedy přesně na práci, kterou AI zvládá nejlíp, a řídící partner pár let před koncem kariéry nemá důvod to bourat. Shapiro to přirovnává k elektrifikaci továren, kde skok v produktivitě přišel až o generaci později, když majitelé přestali věšet motor na starou centrální hřídel a linku postavili znovu. Největší jmění podle něj připadne tomu, kdo první přijde na to, k čemu je levná inteligence dobrá, ne laboratořím, které ji vyrábějí (Coca-Cola, ne General Electric). Tou přestavbou je řízení změny na úrovni praxe, postupy v přirozeném jazyce, které kodifikují metodu právníka, a u práva mají patřit instituci, ne dodavateli. Produkce se mění v komoditu, cena se stěhuje k úsudku. Nenahradí se podle Shapira polovina profesí, spíš polovina náplně každé z nich.

Souvislosti a české čtení v poznámce Dvoje hodiny: co z nich platí pro české právo.

Zack Shapiro tvrdí, že otázka „umí AI moji práci?” je špatně položená, protože bere práci jako jednu věc. Přitom se skládá ze dvou druhů vědění. Zručná produkce, tedy rešerše, koncepty, rozbory a hledání vzoru, se zlevňuje rychle. Úsudek, tedy rozhodnutí, co dělat, když odpověď není jasná a člověk sází reputaci na volbu, která může dopadnout tak i tak, zdražuje. AI zmapuje změny v investičních dokumentech za minuty, ale nerozhodne, o které body se prát, protože nezná zákulisí a nemá tiché vědění, které Michael Polanyi shrnul větou, že víme víc, než dokážeme říct.

Rada právníka není rozbor, je to závazek, který ho váže profesně i reputačně, a ten závazek je ten produkt. Stroj umí vyrobit sebejistou odpověď, neumí jediné, záležet mu na tom, že se mýlí. Proto podání podepisuje advokát, recept lékař a přiznání daňový poradce, tím se z názoru stává odpovědnost, a hodnota toho podpisu s objemem strojové práce roste. Prémii za inteligenci podle Shapira nahrazuje prémie za úsudek, který je vzácnější a chce roky konsekventní praxe. Háček je, že AI bere juniorům právě tu práci, na které se úsudek učil.

České čtení v poznámce Prémie za úsudek: co zůstává, když produkci vezme stroj.

Zack Shapiro, který vede AI-nativní kancelář, tvrdí, že promptování nezemřelo, jen zemřela jeho triviální verze (předřazování typu „jsi světový expert”). Model přirovnává k džinovi, splní přesně, co řeknete, ne co myslíte. Vágní zadání vrátí průměr internetu, ten plochý sebejistý text, který každý pozná. Detailní zadání, které zavře všechny ostatní cesty, výstup zaostří. Klíč je udělat myšlení první a teprve pak pustit AI, aby ho vykonala. Kde to člověk obrátí a nechá myslet stroj, vznikají podání s vymyšlenou judikaturou, jako ve sporu Nippon v. OpenAI a v 550 dalších případech.

Hodnota podle Shapira leží ve vstupní vrstvě, v zadání, ne ve výstupu. Právní nadstavby jako Harvey ladí výstup dotrénováním na právních textech, jenže každý špičkový model už spolkl celý internet i vzory, takže znalost práva nikdy nebyla to úzké hrdlo. Tím byla schopnost člověka přesně říct, co má dokument udělat pro tohoto klienta. Jeho nejlepší prompty mají kolem dvou tisíc slov, jako brífink, který partner dává koncipientovi, a jeho instrukční soubory kódují postup, ne výstup, takže je nikdo nedokáže zpětně sestavit z hotových dokumentů.

České čtení v poznámce Vstupní vrstva: kde v práci s AI opravdu leží hodnota.

Word a PDF vypadají jako hotová práce, ale model je tak nečte. Rozloží je na holý text, a čím míň balastu kolem, tím líp. .docx je pod kapotou zip plný XML, kde každý styl a okraj táhne stovky řádků kódu. Za text se u modelu platí v tokenech, tedy kouscích slov, na kterých visí cena i to, kolik se toho vejde do konverzace. Markdown nese jen obsah: míň tokenů a nadpis označený ## je napevno nadpis, takže model nehádá, kde končí jedna klauzule a začíná druhá. Modely se navíc na Markdownu učily a samy v něm odpovídají.

Praktické pravidlo: co má číst člověk, nechte v PDF, co má číst AI, dejte jí to v .md. Skeny, Word i Excel se vzorci jsou pro stroj horší vstup, spolknou víc tokenů nebo se v nich ztratí struktura. Celé rozvedené v poznámce Proč je Markdown nejlepší formát pro práci s AI.

První ucelená regulace umělé inteligence na světě. Neřídí AI podle toho, co je, ale podle toho, kde a k čemu se používá. Osm praktik zakazuje úplně (manipulace, social scoring, odvozování emocí na pracovišti a další, čl. 5), vyjmenovaná vysoce riziková použití pouští na trh jen s řízením rizik, dokumentací, lidským dohledem a posouzením shody po vzoru CE značení (čl. 6 a příloha III), chatbotům a syntetickému obsahu ukládá informační povinnosti (čl. 50) a zbytek nechává být. Zvláštní kolej mají základové modely typu GPT (kap. V, práh systémového rizika 10^25 FLOPS).

Povinnosti nabíhají postupně: zákazy a AI gramotnost od 2. 2. 2025, režim obecných modelů a sankce od 2. 8. 2025, transparentnost od 2. 8. 2026, vysoké riziko po odkladech z balíku Digital Omnibus od 2. 12. 2027 (příloha III), respektive 2. 8. 2028 (AI ve výrobcích). Pokuty až 35 milionů eur nebo 7 % celosvětového obratu.

Celý průběžný komentář s časovou osou a rozborem po kapitolách je na kartě AI Act.

Rektor Univerzity OSN Tshilidzi Marwala tvrdí, že debaty o právu AI a o správě AI (governance) selhávají, protože se vedou odděleně, přestože jde o tři vrstvy jednoho problému. Právo nastupuje až po újmě, určuje odpovědnost a chrání práva, ale škodě samo nepředchází. Správa působí dřív, tvaruje návrh systémů, pobídky a dohled, jenže bez opory v právu není vymahatelná. A třetí vrstvou je vyvažování, tedy přiznání kompromisů mezi rychlostí a bezpečností, transparentností a zneužitelností, inovací a opatrností. Každá vrstva sama o sobě selže: samoregulace průmyslu bez demokratického mandátu je jen preference, zákony bez pojmenovaných kompromisů se lámou na realitě a etické rámce bez odpovědnosti za újmu zůstávají ideálem.

Praktická pointa je v pořadí kroků. Před psaním zákona pojmenovat kompromisy, které má řešit, před stavbou správního rámce vyjasnit, jaká práva má držet, a na konci vždy umět říct, kdo odpovídá, když AI ublíží. Právo na přezkum automatizovaného rozhodnutí je k něčemu jen tehdy, když byl systém od začátku postavený vysvětlitelně a auditovatelně, ne když se to dolepí zpětně. Stejný argument, na kterém stojí hypotéza H4 na mapě výzkumu.

Anthropic 12. května 2026 zveřejnil sadu Claude for Legal: 12 pluginů podle právních oblastí, přes 20 MCP konektorů na nástroje, které kanceláře už používají, a přes 80 agentů pro opakované postupy. Repozitář je veřejně na GitHubu. Dokumentace rámuje výstupy jako podklady ke kontrole právníkem, ne hotové právní závěry. Pluginy přinášejí postup, ne znalost českého práva, ta musí přijít ze zdrojů, proti kterým se dá výstup ověřit.

Souvislosti v poznámce Co z Claude-Native Law Firm můžeme aplikovat v českých podmínkách.

Lidí, kteří se u soudu zastupují sami, přibývá a čím dál víc je k tomu pohání AI. Angličtina pro to razí nový termín, vibe lawyering, souzení podle pocitu s chatbotem místo placeného advokáta. V občanských sporech v Anglii a Walesu klesl podíl věcí s advokátem na obou stranách z 51 % v roce 2022, kdy vyšel ChatGPT, na 42 % v roce 2025. V amerických federálních civilních sporech se podíl lidí zastupujících sami sebe zvedl z dlouhodobě stabilních 11 % na 17 % v roce 2025.

Nástroje ale nejen pomáhají. Halucinují judikáty, kanadské soudy letos označily neexistující případy v 79 rozhodnutích proti 7 za celý rok 2024, a systematicky ponoukají k žalobám, zrazují od smíru a nadhodnocují šance na výhru. Podání proto bobtnají, u věcí se samozastupováním je v USA v prvních 180 dnech o 158 % více dokumentů než v době před AI. Výsledky jsou smíšené. Vedle prohraných kauz s vymyšlenou judikaturou stojí Garfield AI, regulátorem schválená „AI advokátní kancelář”, kde dokumentaci odvede stroj, ale u soudu argumentuje člověk.

Otázku, jestli má za výmysly modelu odpovídat i jeho tvůrce, otevírá spor, který Economist odbývá jedinou větou („ChatGPT is not a lawyer”). Celý je rozebraný v poznámce Nippon v. OpenAI: ne halucinace, ale vada designu.

Série 13 preregistrovaných experimentů na 4 093 účastnících. Lidé, kteří přiznali použití AI, dostávali v průměru nižší hodnocení důvěryhodnosti než ti, kteří mlčeli, i když byl výstup identický. Efekt se opakoval napříč profesemi i formulacemi přiznání a nezmizel ani tehdy, když bylo přiznání povinné. Odhalení třetí stranou ale dopadlo výrazně hůř než dobrovolné přiznání (d = 1,66 proti 0,81). Penalizaci podle autorů tlumí prostředí, kde je používání AI otevřeně uznávanou praxí.

Co znamenají velikosti efektu d, ukazuje stupnice přímo v článku. Podrobný rozbor v poznámce Paradox transparentnosti.