AI pro právníky: automatizovaná první revize smluv krok za krokem

Automatizovaná první revize smluv pomocí umělé inteligence už není téma vyhrazené pouze velkým mezinárodním kancelářím s rozsáhlými rozpočty a vlastním IT zázemím. Naopak: právě malé a střední právní kanceláře v Česku mohou z dobře nastavené AI vrstvy vytěžit mimořádně praktický přínos. Typickým problémem menších týmů je vysoký podíl rutinní práce, tlak klientů na rychlost i rozpočet a zároveň nutnost udržet kvalitu právního výstupu pod přímou kontrolou advokáta. První revize smlouvy je přesně ten typ činnosti, kde se tyto tlaky potkávají.

Pod pojmem „automatizovaná první revize“ zde nemyslíme plně autonomní právní posouzení bez účasti člověka. Rozumně nastavený proces vypadá jinak: AI provede počáteční průchod dokumentem, vytěží klíčová ustanovení, označí zjevná rizika, porovná text s interním checklistem nebo vzorovou politikou kanceláře, navrhne komentáře a případně připraví první verzi redline poznámek. Následně přichází právník, který výstup ověřuje, doplňuje kontext, zohledňuje obchodní zadání klienta a rozhoduje, co se skutečně dostane do finální rady nebo vyjednávací pozice.

Pro české prostředí je důležité zdůraznit několik věcí hned na začátku. Zaprvé, většina smluvní agendy menších kanceláří není exotická: NDA, rámcové smlouvy, kupní smlouvy, licenční ujednání, servisní podmínky, smlouvy o dílo, pracovní a manažerské kontrakty, nájmy, distribuční dohody nebo základní investiční dokumentace. Právě u opakujících se typů dokumentů bývá automatizovaná první revize nejúčinnější. Zadruhé, čeští klienti často očekávají relativně rychlý první feedback, a to i ve chvíli, kdy je smlouva delší, jazykově nečistá nebo kombinovaná s anglickými vzory. A zatřetí, otázky důvěrnosti, mlčenlivosti, přenosu dat a procesní odpovědnosti advokáta nelze obejít marketingovými hesly o „plně autonomním právním AI agentovi“.

Smyslem tohoto článku je ukázat, jak zavést AI do první revize smluv prakticky, krok za krokem, v podmínkách malé nebo střední právní kanceláře v ČR. Nejde o teoretický přehled trendů. Zaměříme se na konkrétní workflow, na typické body kontroly, na výběr vhodných nástrojů, na přípravu interních checklistů a na to, kde je hranice mezi produktivním použitím AI a nebezpečnou iluzí automatizace. Pokud zvolíte správný přístup, AI vám nepřestane být pomocníkem a nestane se zdrojem nových chyb.

Co přesně znamená „automatizovaná první revize smluv“

Další ilustrační obrázek navazuje na předchozí část.

V praxi je užitečné oddělit tři odlišné vrstvy práce se smlouvou.

První vrstvou je technická orientace v dokumentu. Sem patří rozpoznání struktury smlouvy, identifikace stran, definic, termínů, platebních ujednání, odpovědnosti, limitace náhrady škody, rozhodného práva, ukončení, doložek o mlčenlivosti, duševním vlastnictví nebo automatického prodlužování. Tuto část zvládají dnešní AI systémy často velmi dobře, zejména pokud pracují nad textově čitelným dokumentem a mají k dispozici jasné instrukce.

Druhou vrstvou je pravidlové a srovnávací posouzení. AI může kontrolovat, zda ve smlouvě nechybí určitá ustanovení, zda některé klauzule nevybočují z interní politiky kanceláře, zda je limit odpovědnosti neobvykle nízký nebo neomezený, zda jsou platební podmínky v rozporu se zadáním klienta nebo zda výpovědní mechanismus odpovídá standardu, který kancelář obvykle doporučuje. Tato vrstva vyžaduje kvalitně zadané checklisty a instrukce.

Třetí vrstvou je právní úsudek a obchodní kontext. Tady už AI naráží na limity. Nestačí vědět, že doložka o odpovědnosti je pro klienta nevýhodná; je třeba posoudit, zda je v daném odvětví obvyklá, jaké má klient vyjednávací páky, co je předmětem transakce, jaké jsou relevantní regulatorní souvislosti a co je pro klienta reálně přijatelné. Tuto vrstvu nelze bez dalšího delegovat na automat.

Když se řekne „automatizovaná první revize“, rozumný model pro menší kancelář vypadá následovně: AI pokryje první a významnou část druhé vrstvy, zatímco advokát nese odpovědnost za finální kvalifikované zhodnocení. Takový model umí zkrátit čas potřebný na první průchod dokumentem, sjednotit kvalitu a uvolnit kapacitu na skutečně právní rozhodování.

Proč je tento model vhodný právě pro malé a střední kanceláře

Ve velké kanceláři může být rutinní první revize rozložena mezi koncipienty, specializované knowledge týmy a seniorní dohled. Menší kanceláře obvykle fungují jinak. Jeden advokát nebo menší tým řeší více agend současně, rychle střídá klientské kontexty a nese přímou odpovědnost za termíny i kvalitu. To vede k několika typickým problémům.

Prvním je časová fragmentace. Kancelář nemá problém pouze s délkou samotné revize, ale i s přepínáním mezi různými typy smluv. AI zde pomáhá tím, že připraví první orientační výstup, na který lze navázat rychleji než při čtení „od nuly“.

Druhým je nekonzistence mezi jednotlivými právníky. Pokud dva lidé revidují tutéž smlouvu bez sdíleného checklistu, mohou upozornit na odlišné okruhy rizik. AI napojená na jednotná interní pravidla pomáhá tuto variabilitu omezit.

Třetím problémem je cenový tlak klientů. Řada menších podnikových klientů v ČR chce znát rizika rychle a za předvídatelnou cenu. Automatizovaná první revize umožňuje vytvořit ekonomiku služby, v níž kancelář neztrácí margin na základním screeningovém výstupu a zároveň neobětuje odborný dohled.

Čtvrtou oblastí je škálování know-how. Pokud kancelář dlouhodobě buduje interní standardy například pro softwareové smlouvy, obchodní podmínky nebo nájemní dokumentaci, AI umí toto know-how „operacionalizovat“ do opakovatelných kontrol. Menší tým tak není závislý jen na tom, kdo má právě daný dokument na stole.

Pátý přínos souvisí s komunikací s klientem. Výstup AI lze převést do strukturovaného interního podkladu: shrnutí rizik, seznam otevřených bodů, navržené redliny, otázky pro klienta. Právník pak snáze sestaví rychlé, srozumitelné a konzistentní stanovisko.

Jaké typy smluv jsou pro automatizovanou první revizi nejvhodnější

Ne všechny dokumenty mají stejný potenciál pro automatizaci. V menší či střední kanceláři dává největší smysl začít tam, kde se opakují obdobné struktury, obdobná rizika a obdobné vyjednávací body.

NDA a smlouvy o mlčenlivosti

U NDA je výhoda v relativně standardizované struktuře. AI může rychle zkontrolovat definici důvěrných informací, výjimky, délku závazku, pravidla vrácení nebo zničení informací, možnost sdílení v rámci skupiny, injunctive relief, rozhodné právo a řešení sporů. Právník následně posoudí, zda jsou odchylky skutečně problematické vzhledem ke klientově pozici.

Smlouvy o dílo a servisní smlouvy

Tyto dokumenty často obsahují opakující se body: předmět plnění, akceptační proceduru, SLA, cenu, změnový mechanismus, sankce, odpovědnost, duševní vlastnictví, ukončení, subdodávky a mlčenlivost. AI umí vytáhnout neobvyklé parametry a porovnat je s interním standardem kanceláře.

Licenční a softwarové smlouvy

Zde se velmi osvědčuje kombinace extrakce klauzulí a checklistového hodnocení. Typickými body jsou rozsah licence, územní omezení, zákaz reverse engineeringu, auditní práva, omezení počtu uživatelů, servisní úrovně, dostupnost, limity odpovědnosti, vlastnictví dat a ukončení přístupu ke službě.

Obchodní podmínky a rámcové B2B smlouvy

Pokud kancelář často zastupuje dodavatele nebo odběratele v určitém segmentu, může být AI obzvlášť efektivní. Opakované kontroly nad jednou kategorií dokumentů rychle zvyšují přesnost interního workflow.

Pracovní a manažerské kontrakty

I zde lze AI využít, ale je potřeba zvýšená opatrnost. Důvodem je častá vazba na kogentní pravidla a citlivá kombinace pracovněprávních, daňových a compliance souvislostí. AI může dobře pomoci s extrakcí a prvním označením rizik, ale finální revize musí být důsledně právnická.

Naopak méně vhodné případy

Menší přínos bývá u vysoce individualizovaných transakčních dokumentů, u složitých financovacích struktur, u dokumentů s rozsáhlou vazbou na zahraniční regulatoriku nebo tam, kde je text natolik nekvalitní či neúplný, že i základní orientace vyžaduje hluboký lidský zásah od prvního okamžiku.

Výběr nástrojů: co skutečně dává smysl v české kanceláři

Claude

Při výběru nástrojů je vhodné odlišit dvě skupiny služeb. První tvoří obecné velké jazykové modely a asistenti, které lze použít pro analýzu textu, shrnutí, identifikaci klauzulí a návrhy komentářů. Druhou tvoří specializované právní platformy zaměřené na contract review, knowledge management nebo práci s právními dokumenty.

V české menší kanceláři často nevítězí „nejpokročilejší“ řešení na papíře, ale to, které jde bezpečně nasadit, rozumně nakonfigurovat a začlenit do běžného provozu bez přetížení týmu. Klíčové otázky jsou tyto: kde data končí, jaké jsou podmínky použití, zda lze omezit trénink na vložených datech, jak se řeší přístupová práva, auditovatelnost a možnost vytvořit opakovatelný pracovní postup.

Microsoft Copilot

Microsoft Copilot je relevantní zejména tam, kde kancelář už standardně funguje v ekosystému Microsoft 365. Praktická výhoda spočívá v práci přímo nad dokumenty ve Wordu, e-maily a interními podklady. Pro první revizi smluv je cenné hlavně sumarizační a strukturační použití, například vytvoření přehledu klíčových ustanovení nebo seznamu bodů, které neodpovídají internímu checklistu. Skutečný přínos závisí na licenčním modelu, konfiguraci prostředí a tom, zda kancelář dokáže zavést disciplinované prompty a šablony práce.

ChatGPT

ChatGPT je v praxi často prvním nástrojem, se kterým kanceláře experimentují. Pro první revizi smluv umí být velmi užitečný při extrakci ustanovení, tvorbě strukturovaných shrnutí, převodu smlouvy do tabulkového přehledu rizik nebo při návrhu komentářů k jednotlivým klauzulím. Je ale nutné přísně řešit interní pravidla práce s důvěrnými daty, anonymizaci, volbu vhodného tarifu a nastavení použití v souladu s požadavky kanceláře na bezpečnost a dohled.

Claude

Claude od společnosti Anthropic je v dokumentových úlohách často oceňován pro práci s delšími texty a dobré sumarizační schopnosti. U delších smluvních balíků nebo při porovnávání více verzí dokumentu může být praktický. Stejně jako u jiných obecných modelů však platí, že výstup není právní rada a každá klauzule musí projít lidskou kontrolou.

Harvey

Harvey patří mezi nejvýraznější specializované platformy pro právní práci s AI. Je orientován přímo na právní use casy včetně analýzy dokumentů, přípravy návrhů a podpory právních workflow. Pro menší českou kancelář může být relevantní zejména tehdy, pokud hledá právněji zaměřené prostředí než obecný chatbot a je připravena investovat do profesionálnějšího nasazení.

Spellbook

Spellbook je známý zejména jako AI nástroj integrovaný do Microsoft Wordu pro práci se smlouvami. Hodí se tam, kde je prioritou drafting a revize přímo v dokumentu. Pro první revizi může nabídnout návrhy klauzulí, identifikaci chybějících ustanovení a určitou míru workflow podpory bez nutnosti opouštět prostředí Wordu.

Luminance

Luminance je etablovaná platforma pro analýzu dokumentů a contract review. Její silnou stránkou je práce s většími sadami dokumentů, identifikace odchylek a orientace v dokumentových korpusech. Pro menší kancelář může dávat smysl hlavně tehdy, pokud pravidelně zpracovává větší počet obdobných smluv nebo due diligence agendu.

Legatics

Legatics není čistě nástroj na první revizi klauzulí, ale může být cenný pro organizaci transakčních workflow a sledování dokumentových stavů. V kanceláři, která chce spojit AI analýzu s lepší koordinací smluvního procesu, může hrát podpůrnou roli.

ContractPodAi

ContractPodAi je platforma zaměřená na správu smluv a právní workflow s AI vrstvou. Pro malé a střední kanceláře může být zajímavá tehdy, pokud chtějí spojit revizi, lifecycle management a znalostní bázi do jednoho řešení.

Pro většinu českých menších kanceláří ale platí realistický závěr: první funkční workflow často vznikne spíše kombinací nástroje, který už kancelář používá, a dobře připravených interních instrukcí než nákupem komplexní „all-in-one“ právní platformy. Pokud tým neumí definovat vlastní revizní standard, nepomůže ani nejdražší software.

Krok za krokem: jak zavést automatizovanou první revizi smluv

1. Vyberte jednu úzkou kategorii smluv

Nejčastější chyba při zavádění AI spočívá v příliš širokém startu. Kancelář se pokusí „automatizovat revizi smluv obecně“ a velmi rychle narazí na chaos. Mnohem účinnější je zvolit jednu kategorii, například NDA, softwareové servisní smlouvy nebo rámcové obchodní podmínky. Kritériem výběru má být kombinace četnosti, opakovatelnosti a obchodní relevance.

Výsledek první fáze má být jednoduchý: definovaný typ dokumentu, pro který bude kancelář vytvářet AI-assisted první revizi.

2. Zmapujte svůj skutečný revizní postup

Než zapojíte AI, sepište, jak dnes vypadá lidská první revize. Které klauzule kontrolujete vždy? Jaké body považujete za „red flags“? Jaké otázky kladete klientovi? Které odchylky jsou akceptovatelné a které ne? Jak vypadá interní výstup po první revizi? Bez tohoto mapování nebude mít AI podle čeho pracovat.

V této fázi je vhodné vytvořit základní interní dokument, například „Checklist první revize NDA“ nebo „Revizní standard pro SaaS smlouvy“. Nemusí být dokonalý, ale musí být konkrétní.

3. Rozdělte kontrolu na povinná pole a kontextové otázky

Praktické je rozdělit checklist do dvou vrstev. První tvoří povinná pole, která se kontrolují vždy: identifikace stran, definice, doba trvání, ukončení, odpovědnost, IP, rozhodné právo, řešení sporů, cenové podmínky, SLA a podobně podle typu smlouvy. Druhou vrstvu tvoří kontextové otázky: je klient dodavatel nebo odběratel, potřebuje sublicenci, je klíčová datová lokalizace, existuje regulatorní omezení, je požadována výhradnost?

Tento krok je důležitý proto, že AI bývá silnější v konzistentní kontrole povinných polí, zatímco kontextové otázky je třeba lépe vést a častěji ověřovat lidsky.

4. Vytvořte standardizovaný vstup pro AI

Výrazně pomáhá, když AI nedostává pouze holý dokument, ale i doprovodné instrukce. Typický vstup může obsahovat:

• typ smlouvy,
• roli klienta,
• prioritní obchodní cíle,
• nepřijatelné body,
• požadovaný formát výstupu.

Například: „Klient je český dodavatel SaaS služby. Zaměř se na limity odpovědnosti, vlastnictví dat, SLA, ukončení a auditní práva. Označ ustanovení, která jsou pro dodavatele neobvykle přísná. Výstup dej do tabulky: klauzule, citace, riziko, doporučení, priorita.“ Takové zadání je nesrovnatelně účinnější než prostá výzva „zkontroluj tuto smlouvu“.

5. Definujte přesný formát prvního výstupu

Automatizace funguje tehdy, když je výstup konzistentní. V praxi se osvědčují tři základní formáty:

• stručné manažerské shrnutí rizik pro interní orientaci,
• detailní tabulka klauzulí a odchylek,
• návrh komentářů nebo redline bodů pro právníka.

Pokud AI pokaždé vrací jiný styl, stává se nástrojem improvizace místo standardizace. Proto je vhodné vytvořit pevnou šablonu. Například u první revize servisní smlouvy může být povinné uvádět u každého bodu: název klauzule, znění či shrnutí, úroveň rizika, důvod, doporučený protiargument a otázku pro klienta.

6. Otestujte workflow na historických smlouvách

Ještě před ostrým nasazením vezměte deset až dvacet dříve revidovaných smluv a porovnejte, jak si AI vede proti skutečné lidské revizi. Cílem není, aby AI „vyhrála“ nad právníkem. Cílem je zjistit, kde systematicky pomáhá a kde naopak selhává. Můžete například sledovat:

• kolik klíčových problémů AI zachytila,
• kolik falešných poplachů vytvořila,
• jak použitelný byl formát výstupu,
• kolik času ušetřila oproti čistě manuálnímu postupu.

Tato testovací fáze je pro malou kancelář zásadní, protože odhalí, zda dává smysl nástroj měnit, doplnit instrukce nebo zúžit rozsah automatizace.

7. Nastavte lidskou kontrolu jako povinný krok

Žádný výstup AI nesmí odcházet klientovi bez právnického ověření. V interním workflow to musí být výslovně zakotveno. Prakticky to znamená, že AI výstup je vždy pracovní podklad, nikoli finální produkt. Právník potvrzuje, co je relevantní, opravuje nepřesnosti, přidává judikatorní nebo regulatorní kontext a rozhoduje o finální formulaci doporučení.

8. Vyhodnocujte a zpřesňujte

Po každých několika desítkách revizí je vhodné workflow upravit. Přidejte klauzule, které AI opakovaně přehlíží. Omezte oblasti, kde dává zavádějící doporučení. Zpřesněte škálu priorit. Doplňte nové otázky pro klienta. Kancelář, která AI workflow průběžně neupravuje, obvykle po prvotním nadšení zjistí, že se kvalita výstupu nezlepšuje.

Jak má vypadat kvalitní checklist pro AI první revizi

Checklist je srdcem celého procesu. Bez něj AI pouze generuje obecně působící komentáře. Dobrý checklist má několik vlastností: je konkrétní, odráží skutečnou praxi kanceláře, obsahuje hranice přijatelnosti a počítá s rolí klienta.

Ukažme si strukturu na příkladu servisní nebo SaaS smlouvy.

Identifikace a struktura dokumentu

• Jsou správně identifikovány smluvní strany?
• Je zřejmé, kdo je poskytovatel a kdo zákazník?
• Obsahuje dokument přílohy, na které odkazuje, ale nejsou přiloženy?
• Jsou definice konzistentní napříč textem?

Předmět plnění a rozsah služby

• Je rozsah služby vymezen dostatečně určitě?
• Jsou uvedeny výluky z plnění?
• Je jasně popsáno, co je součástí implementace, podpory a údržby?
• Neobsahuje smlouva otevřený závazek poskytovat neurčitý rozsah služeb?

Cena a platební podmínky

• Je cena určena pevně, dle ceníku nebo podle spotřeby?
• Jsou splatnost, indexace a jednostranné změny ceny přiměřené?
• Obsahuje smlouva automatické prodlužování placeného období?
• Je klient vystaven nejasným vedlejším poplatkům?

SLA a dostupnost

• Jsou SLA vyjádřeny měřitelně?
• Je jasné, jak se počítá výpadek a jaké jsou výluky?
• Obsahuje smlouva přiměřené service credits nebo jinou kompenzaci?
• Není odpovědnost za nedostupnost prakticky vyloučena?

Duševní vlastnictví a data

• Komu patří výstupy, customizace a odvozené práce?
• Je definováno vlastnictví nebo kontrola nad klientskými daty?
• Je upravena migrace a export dat po ukončení?
• Neuděluje klient příliš široká práva k využití svých dat?

Odpovědnost a limity

• Je odpovědnost vyloučena nebo omezena neobvykle přísně?
• Jsou z limitace vyloučeny typické carve-outy, například úmysl, porušení mlčenlivosti nebo zásah do IP?
• Je limit navázán na roční plnění, celkové plnění nebo fixní částku?
• Odpovídá limit roli klienta a hodnotě kontraktu?

Ukončení a přechod po ukončení

• Jaké jsou výpovědní a odstupovací důvody?
• Je výpovědní doba přiměřená?
• Co se děje s daty a přístupy po ukončení?
• Neobsahuje smlouva automatické prodloužení bez realistické možnosti ukončení?

Takto postavený checklist lze převést do promptu, do interní tabulky nebo do specializované platformy. Podstatné je, aby každý bod odpovídal tomu, co kancelář skutečně považuje za důležité.

Jak psát prompty, aby byly právně užitečné

V prostředí smluvní revize rozhoduje kvalita instrukce více, než si mnoho kanceláří připouští. Obecný prompt vede k obecnému výstupu. Dobrý prompt je strukturovaný, omezuje prostor pro improvizaci a vyžaduje vysvětlitelnost.

Užitečný prompt obvykle obsahuje:

• roli klienta,
• typ smlouvy,
• prioritní oblasti kontroly,
• interní standard nebo referenční pozici,
• požadovaný formát a míru jistoty,
• výzvu k označení nejasností místo domýšlení.

Příklad struktury může vypadat takto:

„Analyzuj přiloženou smlouvu jako první revizi pro českého klienta v roli dodavatele. Zaměř se pouze na: předmět plnění, cenu, odpovědnost, IP, mlčenlivost, ukončení a rozhodné právo. U každé oblasti uveď: 1) relevantní ustanovení nebo shrnutí, 2) úroveň rizika nízká/střední/vysoká, 3) důvod rizika z pohledu dodavatele, 4) navrženou vyjednávací úpravu. Pokud je ustanovení nejasné nebo chybí kontext, výslovně to napiš a nevymýšlej si fakta.“

Důležité je také AI průběžně usměrňovat. Pokud v prvním výstupu vidíte, že přeceňuje marginální body a podceňuje zásadní klauzule, prompt zpřesněte. Například přidejte instrukci, aby vysoké riziko označila pouze u ustanovení s podstatným dopadem na cenu, odpovědnost, data, IP nebo vymahatelnost.

Praktické scénáře z české praxe

Scénář 1: Rychlá první revize NDA pro startupového klienta

Malá kancelář zastupuje český startup, který má během dne podepsat anglicky psanou NDA od potenciálního korporátního partnera. Klient chce do dvou hodin vědět, zda dokument obsahuje něco neobvyklého.

Workflow může vypadat takto:

1. Právník nebo asistent vloží text NDA do zvoleného nástroje.
2. Současně přidá instrukci: klient je příjemce i poskytovatel informací, prioritou je přiměřená definice důvěrných informací, omezení doby závazku, rozumné výjimky a absence skrytých zákazů konkurence.
3. AI vrátí přehled: extrémně široká definice důvěrných informací, pětileté trvání závazku, povinnost vrátit veškeré poznámky a analýzy, forum selection v zahraničí.
4. Právník ověří skutečné znění, doplní, že pět let může být za určitých okolností akceptovatelných, ale zákaz využití „residual knowledge“ je třeba řešit opatrně.
5. Klient dostane stručný e-mail se třemi prioritními body a doporučenou vyjednávací pozicí.

Zde AI šetří zejména čas při orientaci a strukturování problému. Nepřebírá však finální rozhodnutí o tom, co je pro startup ještě obchodně přijatelné.

Scénář 2: První screening SaaS smlouvy pro českého dodavatele

Střední kancelář pravidelně zastupuje domácí softwareovou firmu. Klient opakovaně dostává vendor-friendly dodatky od větších zákazníků a chce levnou, ale konzistentní první revizi.

Kancelář si připraví interní checklist zaměřený na:

• neomezenou odpovědnost,
• příliš široké indemnity,
• vlastnictví customizací a dat,
• tvrdé SLA s nepřiměřenými sankcemi,
• auditní práva zasahující do bezpečnosti a know-how,
• ukončení bez výpovědní ochrany.

AI dostane každou novou smlouvu s totožnou instrukcí a vrací strukturovanou tabulku. Koncipient ji projde, opraví zjevné nepřesnosti a předá seniorovi. Senior pak řeší už hlavně strategii: co je nutné odmítnout, co lze vyměnit za cenovou úpravu a co je v segmentu enterprise zákazníků obvyklé. Takto nastavený model umí u opakovaných smluv citelně zkrátit první fázi práce.

Scénář 3: Kontrola obchodních podmínek e-commerce dodavatele

Menší kancelář spravuje agendu několika e-commerce klientů. U B2B obchodních podmínek potřebuje rychle identifikovat odchylky ve verzích dokumentu a hlídat konzistenci mezi všeobecnými podmínkami, reklamačním řádem a servisními pravidly.

AI může pomoci dvěma způsoby. Jednak provede extrakci klíčových ustanovení z nové verze dokumentu. Jednak porovná změny proti předchozí verzi a upozorní na body, které se změnily mimo očekávaný rozsah, například nové jednostranné právo změnit cenu, rozšíření vyloučení odpovědnosti nebo úpravu rozhodného práva. Právník následně posoudí, zda změny dávají smysl v kontextu klientova obchodního modelu a právního rámce.

Scénář 4: První revize nájemní smlouvy pro SME klienta

U komerčních nájmů může AI dobře vytěžit ekonomicky významné parametry: délku nájmu, inflační doložky, service charge, povinnosti oprav, sankce, možnosti ukončení, depozita a omezení užívání. V české praxi je však třeba zvýšeně hlídat, aby AI nepodávala sebevědomé závěry tam, kde je nutný precizní výklad konkrétního ustanovení nebo vazba na další dokumentaci. Nejlépe funguje jako nástroj pro rozebrání dokumentu do přehledných bodů a označení míst k důkladnější lidské kontrole.

Bezpečnost, důvěrnost a práce s klientskými daty

U advokátních kanceláří je otázka bezpečnosti zásadní. Nestačí, že nástroj „funguje“. Musí být jasné, jak se nakládá s vloženými dokumenty, kde jsou zpracovávány, kdo k nim může mít přístup, zda jsou používány pro další trénink modelu a jaké smluvní a technické garance poskytovatel nabízí.

V praxi by každá kancelář měla před nasazením AI minimálně vyřešit:

• které typy dokumentů je dovoleno do nástroje vkládat,
• zda je povinná anonymizace osobních nebo obchodně citlivých údajů,
• kdo je oprávněn nástroj používat,
• jak se eviduje použití a kontrola výstupů,
• jaké smluvní podmínky a datové režimy poskytovatel u konkrétní služby nabízí.

Pro menší kancelář je často rozumné zavést víceúrovňový model. Nízkorizikové nebo anonymizované dokumenty lze testovat v širším režimu. Vysoce citlivé transakční dokumenty, osobní údaje nebo materiály podléhající přísné důvěrnosti mohou mít použití AI omezené nebo podmíněné zvláštním schválením. Rozhodující není marketingové tvrzení poskytovatele, ale reálně nastavená interní politika kanceláře.

Jak měřit přínos, aby AI nebyla jen drahá hračka

Mnoho kanceláří podlehne dojmu, že samotná přítomnost AI automaticky znamená vyšší efektivitu. To ale neplatí. Pokud chcete vědět, zda automatizovaná první revize skutečně funguje, musíte ji měřit na konkrétních ukazatelích.

Pro menší nebo střední kancelář dávají smysl zejména tyto metriky:

• čas od přijetí smlouvy k internímu prvnímu výstupu,
• čas seniorního právníka strávený na první revizi,
• počet opomenutých klíčových bodů v porovnání s manuální kontrolou,
• podíl falešných poplachů, které výstup zbytečně nafukují,
• konzistence výstupů mezi různými členy týmu,
• spokojenost klienta s rychlostí a srozumitelností prvního stanoviska.

První reálný cíl nebývá „nahradit polovinu práce“, ale například zkrátit první průchod běžnou smlouvou o 20 až 40 procent při zachování kvality. U opakovaných typů dokumentů může být přínos vyšší, ale pouze pokud jsou checklisty a lidská kontrola dobře nastavené.

Nejčastější chyby při zavádění AI revize smluv

Přílišná důvěra v první výstup

AI často působí přesvědčivě i ve chvíli, kdy přehlédla důležitou vazbu mezi ustanoveními nebo chybně vyložila právní efekt klauzule. Pokud právník začne výstup brát jako autoritativní, přínos se rychle mění v riziko.

Absence interního standardu

Kancelář chce po AI, aby „hledala rizika“, ale sama nemá sjednoceno, co je z pohledu jejích klientů standardní, preferované nebo nepřijatelné. Bez této disciplíny dostanete jen obecné poznámky.

Pokus automatizovat všechno najednou

Začít současně u NDA, pracovních smluv, investiční dokumentace, nájmů i softwareových kontraktů je téměř jistá cesta k tomu, že se workflow rozpadne. Úspěšné nasazení vychází z úzkého pilotu.

Špatný formát výstupu

Pokud AI generuje dlouhé eseje místo přehledné tabulky nebo komentářů navázaných na konkrétní klauzule, právník stráví příliš mnoho času čištěním výsledku. Produktivita pak paradoxně klesá.

Podcenění bezpečnosti

Některé kanceláře experimentují bez jasných pravidel, kdo smí do nástroje nahrávat dokumenty a za jakých podmínek. To je z profesního hlediska neudržitelné.

Limity AI při první revizi smluv

Aby bylo možné technologii používat odpovědně, je nutné její limity pojmenovat bez iluzí.

AI nerozumí obchodní realitě tak jako právník a klient

Smlouva není jen soubor klauzulí. Je to nástroj alokace rizik mezi konkrétními stranami v konkrétním obchodním vztahu. AI sice umí upozornit, že ustanovení je „pro klienta nevýhodné“, ale sama neví, zda jde o akceptovatelný kompromis výměnou za cenu, exkluzivitu nebo přístup k trhu.

AI může být přesvědčivě nepřesná

Největší nebezpečí nespočívá v tom, že AI řekne „nevím“, ale že poskytne sebejistý, jazykově uhlazený a přitom chybný výklad. To je obzvlášť nebezpečné u ustanovení, jejichž právní účinek závisí na detailu formulace.

AI často hůře pracuje s implicitním kontextem

Právník si při revizi obvykle nese v hlavě širší kontext: předchozí verze dokumentů, jednání stran, tržní standard v odvětví, regulatorní rizika a klientovu vyjednávací historii. Pokud tento kontext není explicitně zadán, AI jej obvykle nenahradí.

AI není odpovědná za finální doporučení

Odpovědnost vůči klientovi nese kancelář a konkrétní právník, nikoli software. To není jen formální poznámka, ale praktický princip, který musí být zabudován do procesu schvalování a kontroly výstupů.

AI nemusí být spolehlivá u českých specifik bez pečlivého vedení

U dokumentů podřízených českému právu, zejména tam, kde je důležitá přesná vazba na kogentní úpravu nebo ustálenou českou smluvní praxi, je třeba výstupy ověřovat obzvlášť důkladně. To platí i tehdy, když dokument kombinuje české a anglické pojmosloví.

Jak zapojit koncipienty a juniory, aby AI kvalitu zvýšila, ne oslabila

Častou obavou je, že AI „odnaučí“ juniory číst smlouvy. To je reálné riziko, pokud se nástroj používá pasivně. Správně nastavený proces ale může fungovat opačně.

Vhodný model je tento: junior nejprve zkontroluje AI výstup proti textu smlouvy a označí, kde s AI souhlasí a kde ne. Musí tedy dokument skutečně číst. Teprve poté připraví interní shrnutí pro seniora. Tím se junior učí identifikovat, kde AI pomohla a kde selhala. Kancelář současně získává cennou zpětnou vazbu pro další ladění checklistů.

AI by neměla nahrazovat výcvik v základní smluvní analýze. Měla by sloužit jako akcelerátor a jako nástroj pro sjednocení postupu.

FAQ

Je možné použít AI pro první revizi českých smluv, nebo funguje hlavně na anglické dokumenty?

Ano, použít ji možné je, ale kvalita výsledku závisí na typu dokumentu, kvalitě vstupu a přesnosti instrukcí. U českých smluv je obvykle nutná důslednější kontrola právníkem, zejména tam, kde záleží na přesném významu formulací podle českého práva.

Kolik času může malá kancelář reálně ušetřit?

U opakovaných typů smluv může dobře nastavená AI-assisted první revize zkrátit úvodní průchod dokumentem výrazně. Reálný přínos se ale liší podle typu agendy, kvality checklistu a disciplíny týmu. Největší úspory bývají u standardizovaných dokumentů, ne u vysoce individualizovaných transakcí.

Může AI rovnou navrhovat redliny?

Ano, některé nástroje to umí a v praxi to může být užitečné, například Spellbook nebo řešení integrovaná do pracovního prostředí Microsoftu. Tyto návrhy ale musí vždy projít právní kontrolou, protože formulace mohou být věcně nebo strategicky nevhodné.

Jaký je nejlepší nástroj pro malou českou kancelář?

Neexistuje univerzálně nejlepší volba. Pokud kancelář již intenzivně používá Microsoft 365, může být praktické začít s Microsoft Copilot. Pro flexibilní experimentování a rychlé nastavování workflow může být vhodný ChatGPT nebo Claude. Pokud kancelář hledá více specializované právní prostředí, stojí za pozornost například Harvey, Luminance nebo ContractPodAi. Rozhodnutí by mělo vycházet z bezpečnosti, integrace do provozu a kvality konkrétního use casu.

Lze AI použít bez rizika porušení důvěrnosti?

Bezrizikové použití neexistuje. Lze ale nastavit takový režim, který rizika významně snižuje: interní pravidla, omezení typů dokumentů, anonymizace, kontrola přístupů, vhodný smluvní a licenční model a povinná lidská kontrola výstupů.

Má smysl pořizovat specializovanou právní AI platformu hned na začátku?

Ve většině malých a středních kanceláří ne. Rozumnější bývá nejprve ověřit, že kancelář umí definovat vlastní checklisty, workflow a očekávaný výstup. Teprve poté lze vyhodnotit, zda se vyplatí investice do specializovaného řešení.

Která část procesu by měla zůstat vždy lidská?

Finální právní posouzení, určení skutečné míry rizika v kontextu klienta, volba vyjednávací strategie a odeslání stanoviska klientovi. AI může připravovat podklad, ale neměla by být poslední instancí.

Závěr

Automatizovaná první revize smluv pomocí AI je pro malé a střední právní kanceláře v ČR reálně využitelný model, pokud se chápe správně: ne jako náhrada advokáta, ale jako disciplinovaný systém pro rychlejší orientaci v dokumentu, konzistentnější kontrolu opakujících se bodů a efektivnější přípravu pracovního podkladu. Největší přínos přichází u typově opakovaných smluv, u nichž kancelář dokáže převést své know-how do konkrétního checklistu a pevného workflow.

Rozhodující není samotný výběr „nejchytřejšího“ nástroje, ale kvalita interního nastavení. Kancelář, která si nejprve ujasní, co přesně při první revizi sleduje, které body jsou pro klienty klíčové a jak má vypadat výstup, může začít i s relativně dostupným řešením a dosáhnout velmi praktických výsledků. Naopak bez interní metodiky nepomůže ani specializovaná právní platforma.

Pokud chcete začít správně, zvolte jednu kategorii smluv, vytvořte vlastní checklist, otestujte workflow na historických dokumentech, zaveďte povinnou lidskou kontrolu a teprve poté škálujte. V tom je nejrealističtější cesta, jak proměnit AI z technologické novinky v produktivní a bezpečný nástroj pro každodenní smluvní praxi české kanceláře.

Doporučený AI stack pro realizaci

Vyber si nástroje podle rozpočtu a úrovně automatizace. Níže je přímý přehled služeb pro realizaci projektu.

Poznámka: U uvedených služeb používáme affiliate odkazy. Pokud přes ně provedete nákup, můžeme získat provizi bez navýšení ceny pro vás.

Odkazy v článku

• Claude
• Microsoft Copilot
• ChatGPT
• Harvey
• Spellbook
• Luminance
• Legatics
• ContractPodAi

Zdroje ilustračních obrázků

• Stock fotografie: zdroj
• Stock fotografie: zdroj
• Stock fotografie: zdroj

Vlastni ilustracni obrazek byl vytvoren pomoci OpenAI Images API.

Doporučení ke čtení

AI pro zákaznickou podporu: triáž ticketů a eskalace bez chaosu

AI automat pro třídění zákaznických dotazů a návrhy odpovědí

Automatizace obsahu s AI: od briefu po publikaci v 8 krocích

Srovnání AI vyhledávání 2026: Perplexity vs ChatGPT Search vs Google AI Mode