Jak planować i rozwijać karierę prawniczą z wykorzystaniem sztucznej inteligencji?

Czy AI zabierze pracę prawnikom, czy pomoże im zrobić karierę szybciej niż kiedykolwiek wcześniej? Ten artykuł pokazuje, jak mądrze wykorzystać sztuczną inteligencję już na studiach – jako realne narzędzie budowania przewagi i świadomego rozwoju zawodowego.

Autorzy:

Paweł Mielniczek, doktor nauk prawnych, adwokat zajmujący się obsługą spółek, optymalizacją ich procesów biznesowych oraz compliance z wykorzystaniem sztucznej inteligencji. Posiada bogate doświadczenie zawodowe zdobyte m.in. w Biurze Radcy Prawnego NATO HQ SACT, Biurze ONZ w Genewie, dużej instytucji finansowej, organie nadzorczym ds. ochrony danych, urzędzie antymonopolowym, firmie konsultingowej zajmującej się ochroną danych oraz w międzynarodowej kancelarii prawnej. Jest założycielem firmy Get Compliant.

Justyna Mielniczek, studentka AI na SSBM w Genewie, audytorka wewnętrzna ISO42001, web developerka w Get Compliant sp. z o.o. Współtwórczyni platformy AI-tech SkillsSurf.com

Zmiana sposobu budowania przewagi

W środowisku prawniczym coraz wyraźniej widać, że sama pracowitość, rozumiana jako zdolność do przeczytania większej liczby stron, sporządzenia większej liczby notatek i opanowania większej liczby szczegółów, przestaje być wystarczającym źródłem przewagi. Nadal pozostaje ważna, ponieważ bez rzetelnej pracy ze źródłami nie ma mowy o dobrym warsztacie. Zmienia się jednak to, co decyduje o jakości tej pracy. Coraz większe znaczenie ma szybkość orientacji w problemie, zdolność odróżnienia kwestii centralnych od pobocznych, umiejętność uporządkowania materiału oraz przełożenia go na ocenę prawną, która jest zarazem trafna i użyteczna.

W tym właśnie miejscu sztuczna inteligencja staje się istotnym elementem współczesnego warsztatu. Nie dlatego, że przejmuje odpowiedzialność za rozumowanie prawnicze. Tego zrobić nie może. Odpowiedzialność za ocenę stanu faktycznego, dobór podstaw prawnych, wagę kontrargumentów i jakość końcowego wniosku pozostaje po stronie człowieka. AI wpływa natomiast na tempo i organizację pracy. Pomaga szybciej zbudować obraz problemu, sprawniej porządkować materiał, łatwiej wracać do wcześniejszych wątków oraz bardziej świadomie planować własny rozwój. Z perspektywy studenta prawa i młodego prawnika nie jest to kwestia technicznej ciekawostki, ale metody pracy.

Rynek wynagradza dziś szerszy profil kompetencyjny

Podstawowe oczekiwanie wobec prawnika nie uległo zmianie. Klient nadal oczekuje zrozumienia problemu, oceny ryzyka i rekomendacji, która uwzględnia realia sytuacji. Taka rekomendacja nie powstaje jednak już wyłącznie na podstawie samej znajomości przepisów. W praktyce wymaga ona także sprawnej pracy na dużej ilości informacji, rozumienia procesu, orientacji w technologii, a często również wyczucia organizacyjnego i komunikacyjnego. W rezultacie rośnie znaczenie tych modeli rozwoju zawodowego, które ujmują prawnika szerzej niż tylko jako specjalistę od norm.

Dobrze oddają to dwa znane ujęcia, Delta Model oraz model T-shaped lawyer. Pierwszy porządkuje rozwój wokół trzech obszarów, wiedzy prawniczej, kompetencji operacyjno-technologicznych oraz kompetencji osobistych i relacyjnych. Drugi zakłada połączenie głębokiej specjalizacji z wystarczająco szerokim rozumieniem biznesu, technologii i współpracy. Dla studenta prawa można to przełożyć na kilka bardzo praktycznych pytań. Czy potrafię samodzielnie i rzetelnie pracować na źródłach prawa? Czy rozumiem, w jaki sposób organizuje się pracę w kancelarii, dziale prawnym, zespole compliance albo organizacji klienta? Czy umiem przedstawić problem tak, aby druga strona rozumiała jego konsekwencje i możliwe warianty działania? Właśnie w tych obszarach AI zaczyna realnie wzmacniać jednych i obnażać słabości drugich.

Student albo młody prawnik, który używa AI jedynie do przyspieszenia wyszukania odpowiedzi, uzyskuje doraźną wygodę. Ten, kto włącza ją do szerszego sposobu pracy, porządkuje swoją metodę działania. To rozróżnienie będzie miało coraz większe znaczenie. W miarę jak proste czynności prawne będą coraz bardziej automatyzowane, rosła będzie wartość osób, które potrafią łączyć warstwę merytoryczną, procesową i komunikacyjną.

AI najlepiej działa wtedy, gdy wzmacnia warsztat, a nie go zastępuje

Najbardziej użyteczny model pracy z AI w nauce prawa i na początku kariery opiera się na sekwencji działań, a nie na jednorazowym pytaniu zadanym modelowi. Najpierw potrzebna jest orientacja w problemie. Następnie konieczna jest samodzielna praca na źródłach. Dopiero później pojawia się etap porządkowania i syntezy, w którym AI może dawać istotną oszczędność czasu i bardzo dobrą organizację materiału.

Pierwszy etap służy zbudowaniu mapy zagadnienia. W praktyce oznacza to próbę ustalenia, jakie pojęcia są kluczowe, które przepisy mogą mieć znaczenie, gdzie przebiegają główne linie sporu interpretacyjnego, jakie elementy stanu faktycznego będą prawnie relewantne i od jakich założeń może zależeć wynik analizy. Na tym etapie AI bywa szczególnie przydatna, ponieważ pomaga szybko rozrysować pole problemu. Dobrze sprawdza się przy przygotowaniu do zajęć, wstępnym rozpoznaniu kazusu, porządkowaniu materiałów do pracy semestralnej, analizie dużego pliku PDF czy transkrypcji wykładu. Warto jednak pamiętać, że ten etap ma charakter orientacyjny. Jego celem jest uchwycenie struktury problemu, a nie zastąpienie pracy prawniczej gotowym rozwiązaniem.

Drugi etap pozostaje klasyczny. Trzeba wrócić do aktu prawnego, orzecznictwa, komentarzy, literatury i profesjonalnych baz informacji prawnej, samodzielnie przeczytać przepisy, sprawdzić ich aktualność, zestawić je z faktami oraz ocenić, czy sugerowane przez model kierunki rzeczywiście znajdują potwierdzenie w źródłach. To właśnie tutaj ujawnia się różnica między sprawnym korzystaniem z narzędzia a pozwoleniem mu na wydanie własnego osądu. Jeżeli student pomija ten etap, przestaje korzystać z AI w sposób wspierający i zaczyna uzależniać własne rozumowanie od odpowiedzi, której nie zweryfikował.

Trzeci etap polega na syntezie materiału, który został już sprawdzony. W tym momencie AI potrafi działać bardzo dobrze. Można poprosić o uporządkowanie argumentów, porównanie stanowisk, wyodrębnienie ratio decidendi, przygotowanie roboczej tabeli ryzyk, streszczenie kilku orzeczeń według wspólnego schematu albo ułożenie notatki egzaminacyjnej na podstawie wcześniej wyselekcjonowanych źródeł. Korzyść nie wynika wtedy z rzekomego samodzielnego myślenia modelu, lecz z tego, że człowiek dostarczył właściwy materiał, a narzędzie pomogło szybciej nadać mu użyteczną postać.

Sposób zadawania pytań wpływa na jakość myślenia

Wokół prompt engineeringu^[1] powstało już wiele porad, które brzmią efektownie, ale w praktyce niewiele zmieniają w pracy prawnika. Znacznie ważniejsze są schematy myślenia, które dobrze sformułowany prompt pomaga uporządkować. Dobre pytanie do AI nie powinno służyć wyłącznie uzyskaniu odpowiedzi. Powinno porządkować tok analizy.

W praktyce oznacza to, że warto rozbijać problem na etapy odpowiadające klasycznemu rozumowaniu prawniczemu. Najpierw elementy stanu faktycznego i ich możliwe znaczenie. Później potencjalne podstawy prawne i warunki ich zastosowania. Następnie subsumpcja, kontrargumenty, punkty wrażliwe, odmienne warianty interpretacyjne i dopiero finalny wniosek. Przy takim ujęciu AI staje się narzędziem wspomagającym dyscyplinę myślenia. Ułatwia zauważenie, na którym etapie rozumowanie jest jeszcze zbyt ogólne, gdzie zabrakło jednego przepisu, gdzie pominęliśmy okoliczność faktyczną albo od którego założenia zależy cały wynik sprawy.

To ma znaczenie także z perspektywy edukacyjnej. Student, który regularnie pracuje w taki sposób, uczy się nie tylko szybciej analizować konkretne problemy, obserwuje również własny proces myślenia. W dłuższej perspektywie właśnie ta umiejętność będzie odróżniała osobę korzystającą z AI instrumentalnie od osoby, która rzeczywiście rozwija swój warsztat.

AI jako doradca zawodowy

Wielu studentów prawa planuje własny rozwój dość intuicyjnie. Obserwują znajomych, reagują na modne specjalizacje, śledzą dostępność praktyk i w ten sposób stopniowo budują obraz możliwych ścieżek zawodowych. Taki model bywa naturalny, ale często prowadzi do przypadkowych wyborów. Trudno w nim odróżnić rzeczywiste predyspozycje od chwilowego wpływu otoczenia.

AI może być użyteczna również na tym poziomie, o ile potraktuje się ją jako narzędzie do konwersacyjnego audytu kompetencji. Taki audyt może obejmować doświadczenia z zajęć i praktyk, obszary prawa budzące autentyczne zainteresowanie, typy zadań wykonywanych z większą swobodą, środowiska pracy oceniane jako najbardziej naturalne, a także słabsze ogniwa, które warto rozwijać. Materiał zebrany w ten sposób dobrze jest następnie uporządkować według trzech obszarów, prawa, procesów i ludzi. Dzięki temu szybciej widać, czy dana osoba ma naturalną skłonność do sporów, pracy transakcyjnej, roli in-house, compliance, ochrony danych, prawa nowych technologii albo funkcji na styku prawa i operacji.

Taki sposób myślenia ma jeszcze jedną zaletę. Zmienia rozwój zawodowy z reakcji na przypadkowe bodźce w proces bardziej świadomy, możliwy do obserwowania i korygowania. To istotne zwłaszcza na początku kariery, kiedy relatywnie łatwo wpaść w schemat podejmowania kolejnych aktywności bez wyraźnego kryterium, poza samym przekonaniem, że warto coś robić. Samo działanie jest oczywiście potrzebne. Bez refleksji nad kierunkiem szybko jednak prowadzi do rozproszenia.

Współautorzy, jako twórcy platformy SkillsSurf.com, nie tylko opowiadają, ale aktywnie rozwijają właśnie taki uporządkowany model rozwoju, który pozwala audytować potrzeby, plany i aspiracje, budować mapę umiejętności, planować kolejne kroki i obserwować postęp w formule guided learning. Nie chodzi przy tym o twierdzenie, że konkretne narzędzie rozwiązuje problem rozwoju zawodowego. Znaczenie ma raczej sama logika systemu. Rozwój staje się skuteczniejszy wtedy, gdy można go nazwać, rozpisać, mierzyć i regularnie do niego wracać.

Własna baza wiedzy to dziś element przewagi

Jednym z częstszych błędów w pracy z AI jest traktowanie każdej sesji jako zdarzenia jednorazowego. Dobra odpowiedź, trafna notatka albo użyteczny prompt zostają wykorzystane tu i teraz, po czym znikają w historii rozmów, do której nikt już nie wraca. Taki sposób korzystania z narzędzi daje chwilową oszczędność czasu, ale nie przekłada się na budowę trwałego zaplecza eksperckiego.

Tymczasem dla studenta prawa i młodego prawnika własna architektura wiedzy zaczyna mieć znaczenie fundamentalne. W praktyce wystarcza nawet prosty system, o ile jest konsekwentny. Każdy większy temat może mieć własny pakiet materiałów obejmujący listę kluczowych przepisów, najważniejsze orzeczenia, krótką notatkę własną, pytania egzaminacyjne, sprawdzone prompty, fragmenty użytecznych analiz oraz wnioski z poprzednich sesji pracy. Narzędzie ma znaczenie wtórne. Może to być uporządkowany folder, edytor tekstu, Notion albo inne środowisko notatek. Istotne jest to, żeby wiedza nie znikała po zamknięciu przeglądarki.

Z czasem taka baza zaczyna pełnić funkcję własnego zaplecza roboczego. Pozwala wracać do wcześniejszych problemów, porównywać nowe orzeczenia z już opracowanym materiałem, rozbudowywać argumentację warstwowo i szybciej zauważać zależności między tematami. AI w takim układzie działa najlepiej wtedy, gdy pracuje na naszym materiale, a nie zamiast niego. Wspiera odzyskiwanie, porządkowanie i rozwijanie wiedzy, którą wcześniej rzeczywiście zbudowaliśmy.

Marka osobista w zawodzie prawnika wynika z użyteczności

W dyskusjach o rozwoju zawodowym regularnie wraca temat marki osobistej. W środowisku prawniczym warto jednak ujmować go ostrożnie. Dla studenta i młodego prawnika marka osobista nie powinna oznaczać przede wszystkim widoczności, ale rozpoznawalność określonego sposobu myślenia, jakości pracy i wartości wnoszonej do rozmowy zawodowej.

Z tego punktu widzenia najbardziej przekonujące są nie ogólne deklaracje, lecz konkretne, użyteczne treści. Krótki materiał o typowych błędach w researchu z użyciem AI. Analiza dwóch podobnych uzasadnień prowadzących do odmiennych skutków praktycznych. Opis własnego systemu pracy z orzeczeniami. Refleksja nad tym, jak porządkować notatki z jednego przedmiotu, aby później rzeczywiście z nich korzystać. To są formy komunikacji, które budują wiarygodność, ponieważ pokazują kontakt z materią i zdolność do selekcji tego, co naprawdę istotne.

AI może być pomocna także tutaj. Może ułatwić testowanie struktury tekstu, proponować warianty ułożenia argumentów, wskazywać miejsca nadmiernie ogólne albo pomagające skrócić fragmenty zbyt rozwlekłe. Nie powinna jednak nadpisywać własnego głosu. W obszarze treści eksperckich szybko wyczuwa się różnicę między materiałem, za którym stoi realne doświadczenie poznawcze, a materiałem wygładzonym wyłącznie językowo. W zawodzie prawnika to pierwsze ma trwałą wartość.

Rośnie znaczenie odpowiedzialności, poufności i standardów prawnych

Im szerzej AI wchodzi do praktyki prawniczej, tym większego znaczenia nabierają granice jej użycia. Dotyczy to przede wszystkim prawdziwości treści, poufności materiałów i etycznej organizacji pracy. Model językowy może wygenerować odpowiedź brzmiącą przekonująco, mimo że opiera się na błędnym założeniu, nieaktualnym źródle albo zbyt daleko idącym uproszczeniu. Może również zachęcać użytkownika do bezrefleksyjnego wklejania dokumentów, które nie powinny trafiać do publicznego środowiska. Z perspektywy prawnika nie są to kwestie poboczne. Dotyczą samego rdzenia odpowiedzialności zawodowej.

W tym kontekście podejście hybrydowe pozostaje najbardziej racjonalne. AI może przyspieszać pracę, porządkować materiał, pomagać w identyfikacji wąskich gardeł, wspierać powtarzalne zadania i ułatwiać komunikację. Nie zmienia to faktu, że odpowiedzialność za dobór źródeł, poprawność oceny i skutki użycia konkretnego rozwiązania pozostaje po stronie człowieka. Zawód prawniczy nie staje się przez to mniej wymagający. W wielu aspektach staje się bardziej wymagający, ponieważ oprócz prawa i faktów trzeba coraz lepiej rozumieć również środowisko technologiczne, w którym pracujemy.

Znaczenie tego zagadnienia wzmacniają także regulacje unijne, przede wszystkim rozporządzenie 2024/1689, czyli AI Act, oraz krajowe rekomendacje zawodowe dotyczące korzystania z narzędzi opartych na sztucznej inteligencji. Dla studenta prawa i młodego prawnika wniosek jest bardzo praktyczny. Kompetencja korzystania z AI w sposób świadomy, bezpieczny i udokumentowany przestaje być dodatkiem do warsztatu. Staje się jego elementem.

Pierwsze 90 dni warto potraktować jak projekt

Na początku najrozsądniej nie formułować zbyt szerokich deklaracji, lecz zaplanować krótki, zamknięty cykl pracy nad własnym warsztatem. Pierwsze dwa tygodnie dobrze przeznaczyć na audyt kompetencji i zapisanie wniosków, choćby w prostej formie kilku stron roboczych notatek. Kolejne dwa tygodnie warto poświęcić jednemu zagadnieniu z zajęć i przeprowadzić pełny research według uporządkowanej sekwencji, od wstępnej orientacji z pomocą AI, przez samodzielną weryfikację źródeł, po końcową syntezę. Następny etap może objąć zbudowanie prostego systemu notatek obejmującego przepisy, orzeczenia, ratio decidendi, pytania egzaminacyjne i sprawdzone prompty. Później dobrze przygotować jeden krótki materiał własny, artykuł, post albo notę analityczną, który pokaże, czego nauczyła nas praca nad konkretnym problemem. Końcowe dwa tygodnie warto przeznaczyć na powrót do pierwszego audytu i korektę planu na kolejne miesiące.

Tak rozumiane 90 dni nie służy osiągnięciu spektakularnego efektu. Służy zbudowaniu podstaw. Po takim okresie zwykle wyraźniej widać, gdzie AI rzeczywiście przyspiesza pracę, które elementy warsztatu wymagają dalszego ćwiczenia, jakie obszary prawa budzą realne zainteresowanie i czy sposób organizacji wiedzy rzeczywiście działa w praktyce. To właśnie z takich powtarzalnych, względnie prostych pętli uczenia się buduje się później bardziej dojrzały profil zawodowy.

Kierunek rozwoju zależy od sposobu użycia narzędzia

Obecność AI w pracy prawnika nie jest już zagadnieniem czysto futurystycznym. Dla studentów prawa i młodych prawników ważniejsze staje się dziś pytanie o metodę korzystania z tych narzędzi. Od tej metody zależy, czy AI będzie źródłem powierzchownej wygody, czy elementem rzeczywistego wzmacniania warsztatu.

Dobrze używana sztuczna inteligencja pomaga szybciej orientować się w problemach, sprawniej planować naukę, porządkować materiał, wracać do wcześniej opracowanych zagadnień i bardziej świadomie projektować własny rozwój. Żadna z tych korzyści nie zwalnia jednak z odpowiedzialności za ocenę prawną, krytyczny osąd, poufność i etykę pracy. Z tego właśnie powodu AI może stać się ważnym narzędziem dojrzewania zawodowego, pod warunkiem że zostanie włączona do pracy prawnika jako element metody, a nie jako substytut myślenia.

^[1] Prompt engineering – proces projektowania, testowania i optymalizacji zapytań (promptów) kierowanych do modeli sztucznej inteligencji.