Praktyka AI8 min czytania

Analiza ofert i umów z AI: jak znaleźć różnice, zanim znajdzie je Twój klient albo prawnik

Praktyczna metoda porównywania ofert i umów z AI: ekstrakcja warunków, tabela różnic, kontrola źródeł i moment konsultacji prawnej. Bez automatycznego „podpisać można”.

Kobieta przegląda arkusz z liściem przy czerwonej szafie z szufladami
Kobieta przegląda arkusz z liściem przy czerwonej szafie z szufladamiIlustracja koncepcyjna: Aeneia

Oferta wygląda znajomo. Ma logo, tabelę, termin i dużo drobnego tekstu, który przeczytasz później. Drugi dokument wygląda jeszcze lepiej, bo jest tańszy o osiem procent. AI chętnie podsumuje oba i ogłosi zwycięzcę. Problem: umowa nie jest konkursem na najkrótsze streszczenie. Czasem najważniejsza jest jedna linijka o automatycznym odnowieniu, odpowiedzialności albo tym, kto właściwie jest właścicielem rezultatu.

AI potrafi znacząco przyspieszyć porównanie dokumentów, ale nie powinno wydawać wyroku „podpisać można”. Traktuj je jako asystenta ekstrakcji i kontroli kompletności. Ono zbiera warunki, wskazuje różnice i miejsca do sprawdzenia. Człowiek ocenia skutki. Jeżeli dokument wpływa na pieniądze, odpowiedzialność, dane czy własność intelektualną, końcowa decyzja może wymagać także prawnika.

Zacznij od wersji, nie od podsumowania

Najpierw ustal, które dokumenty porównujesz. Oferta zeszłotygodniowa i nowa wersja nie są tym samym. Zanotuj nazwę pliku, datę, nadawcę i status: robocza, zatwierdzona, podpisana. Model nie powinien mieszać zapisów z różnych wersji w jeden „spójny” dokument. To przepis na zbudowanie umowy, której nikt nie zaproponował.

Jeżeli masz załączniki, cenniki, SLA albo polityki prywatności, dołącz je do mapy dokumentacji. Często najciekawsza część znajduje się nie w oficjalnej ofercie, tylko w linku „warunki korzystania”. Zapisz, które dokumenty są integralną częścią umowy i która wersja ma pierwszeństwo w razie konfliktu. Brak tego ustalenia zgłoś jako otwarte pytanie.

Nie używaj skanu bez możliwości odczytania tekstu jako jedynego źródła. OCR może pomylić cyfry, nazwy i przeczenia. Przy kwotach i terminach porównaj widok oryginału. Podobny problem opisujemy przy polskich dokumentach dla AI: struktura i możliwość sprawdzenia źródła są ważniejsze od ładnego podsumowania.

Tabela warunków zamiast eseju

Poproś model o tabelę z konkretnymi polami: strona umowy, zakres prac, cena i waluta, terminy płatności, czas trwania, odnowienia, wypowiedzenie, odpowiedzialność, prawa do rezultatu, dane i podwykonawcy, prawo właściwe, sposób rozwiązywania sporów. Przy każdej wartości dodaj stronę lub sekcję źródła. Jeśli informacji brakuje, wpisz „brak w dokumencie”, nie „nie dotyczy”.

Tabela pokazuje szybko, co się zmieniło. Nowa cena może być niższa, ale płatność z góry wyższa. Zakres wygląda podobnie, lecz wsparcie skrócono z dwunastu do trzech miesięcy. Prawa do kodu przechodzą dopiero po pełnej zapłacie. Te różnice znikają w ogólnym podsumowaniu „oferty są zbliżone”.

Nie akceptuj tabeli bez adresów źródeł. „Limit odpowiedzialności: 50 000 zł” jest informacją wymagającą wskazania sekcji. Jeżeli model nie potrafi wskazać miejsca, traktuj wartość jako kandydat do sprawdzenia, nie fakt. To jest moment, w którym przestajesz być czytelnikiem streszczenia i zaczynasz być kontrolerem dowodów.

Najpierw sprawdzaj negacje i wyjątki

Słowa „nie”, „wyłącznie”, „poza”, „do”, „co najmniej”, „maksymalnie” i „niezwłocznie” potrafią zmienić cały sens. Model lubi upraszczać: z „nie można udzielać sublicencji bez zgody” robi „sublicencja wymaga zgody”, co jest innym ryzykiem. Podobnie z automatycznym odnowieniem na kolejny rok i wypowiedzeniem trzydzieści dni wcześniej.

Wyszukaj te konstrukcje osobno. Nie czekaj, aż znajdą się w podsumowaniu. Dobry prompt brzmi: „Wypisz wszystkie zastrzeżenia, ograniczenia, wyjątki, wymagane zgody, terminy i sytuacje, w których strona może zmienić warunki jednostronnie. Podaj dosłowny cytat i sekcję”. Cytat jest potrzebny, bo interpretacja modelu może być zbyt łagodna.

Sprawdź także odniesienia do innych zapisów. „Jak zwykle”, „na standardowych warunkach”, „zgodnie z polityką” i „akceptacja drogą elektroniczną” mogą oznaczać dokument, którego nie masz. Dopisz go jako brakujący. Umowa z linkiem do zmiennej polityki jest jak projekt z zależnością, która aktualizuje się sama w nocy.

Dane i prawa do rezultatu

Współpraca często obejmuje nie tylko wykonanie zadania, ale też dane, kod, teksty, obrazy i promptowane wzorce. Ustal, kto jest właścicielem rezultatu, kiedy przechodzą prawa i czy wykonawca może użyć go w portfolio. Nie zakładaj, że „wszystko należy do klienta”, bo tak zwykle bywa. Umowy lubią wyjątki.

Przy AI dodaj osobne pytania: czy materiały mogą być używane do trenowania modeli, czy przechodzą przez innych dostawców, gdzie są przechowywane i jak wygląda usunięcie. Nie jest to teoria dla działu compliance. Dotyczy to ofert, umów z klientami, dokumentów pracowniczych i plików, które ktoś chce wrzucić do chmury.

EDPB podkreśla konieczność analizy konkretnego przetwarzania i oczekiwań osób, których dane dotyczą. Nie ma jednej odpowiedzi dla każdego dokumentu. Jeżeli warunki przewidują dalsze użycie danych, zapisz cel i podstawę oceny. Nie przepisuj do umowy ogólnego zgadania się na wszystko.

Porównanie ceny za cały okres

Cena miesięczna nie mówi wszystkiego. Policz koszt za rzeczywisty okres: aktywację, wdrożenie, licencje, minimalny czas, nadmiarowe operacje, wsparcie, wypowiedzenie i koszt zmiany dostawcy. AI może wykonać obliczenia, ale najpierw podaj założenia. Niech pokazuje formułę i wartości źródłowe.

Jeżeli dostawca A kosztuje 800 zł miesięcznie z rocznym minimum, a B 950 zł bez zobowiązania, tańsza opcja zależy od tego, czy faktycznie potrzebujesz roku. Tanie wejście potrafi być drogim wyjściem. Zaznacz niepewność: „nie znam jeszcze liczby użytkowników” albo „nie wiem, ile będzie kosztowała migracja”.

Nie traktuj szacunku jako faktu. Rozdziel dane z umowy i założenia do kalkulacji. Kiedy klient zmieni zakres, policz ponownie. Dobry arkusz zasługuje na więcej zaufania niż model, który twierdzi, że „opcja B jest bardziej opłacalna”.

Cztery poziomy ryzyka

Niskie ryzyko to jasny zakres, znane strony, małe skutki i odwracalna decyzja. Możesz zakończyć na własnej kontroli. Średnie ryzyko to automatyczne odnowienia, niejasna odpowiedzialność lub nowy dostawca danych. Wtedy warto pokazać tabelę drugiej osobie.

Wysokie ryzyko to duża odpowiedzialność, przejęcie praw, przetwarzanie wrażliwych danych, wyłączność albo długie zobowiązanie. Skonsultuj się z prawnikiem i przygotuj konkretne pytania. Nie wysyłaj całej umowy z prośbą „czy jest ok?”, bo to nie jest pytanie, tylko przeniesienie odpowiedzialności w załączeniu.

Poziom krytyczny to niedozwolone działanie, brak uprawnień do podpisania, poważne ryzyko dla osób lub naruszenie prawa. Nie próbuj rozwiązać go lepszym promptem. Wstrzymaj decyzję. Model nie ma uprawnień, kontekstu ani odpowiedzialności za skutki.

Rozmowa z dostawcą zaczyna się od tabeli różnic

Przygotuj pytania wynikające z dokumentu, nie z wrażenia. „Czy wersja 2 zastępuje politykę z 14 września?”, „Czy wsparcie obejmuje poprawki bezpieczeństwa?”, „Kiedy dokładnie kończy się prawo do używania materiałów w portfolio?”, „Czy podane licencje obejmują wszystkich pracowników?”. To jest konkret, który przyspiesza odpowiedź.

Zapisz uzgodnienia w dokumencie. Ustna obietnica „tak, to już standard” jest dobra do rozmowy, ale nie zastępuje zmiany warunków. Jeśli coś jest ważne, ma znaleźć się w umowie lub załączniku. AI może przypomnieć o brakującym zapisie, ale nie zastąpi twojej decyzji o jego przyjęciu.

Przy wyborze dostawcy narzędzi AI przydatna jest mapa oceny dostawcy przed zakupem. Jeżeli potrzebujesz niezależnego spojrzenia na warunki, koszty i przepływ danych, Aeneia Audit pomaga je uporządkować przed podpisaniem kolejnego pięknego PDF-a.

Minimalny rytuał przed decyzją

Przeczytaj tabelę z różnicami razem z oryginałem w kluczowych miejscach. Sprawdź wersje, negacje, daty, kwoty, prawa i dane. Zapisz pytania otwarte i ryzyka. Dopiero potem wybierz opcję lub poproś o zmiany. Jeżeli nie masz kompletu, nie udawaj, że masz.

Ćwiczenie na dwóch wersjach jednej oferty

Weź starą i nową wersję tej samej oferty i zrób tabelę ręcznie przed użyciem AI. Wpisz cenę, termin, zakres, prawa i wypowiedzenie. Potem poproś model o niezależne porównanie. Zaznacz, co przeoczyłeś i co model zrozumiał inaczej. To jest lepszy test niż pytanie „czy ta umowa jest ok?”.

Przy każdej rozbieżności wróć do oryginału i sprawdź, kto ma rację. Jeżeli model pominął wyjątek, zapisz rodzaj błędu. Jeżeli ty go pominąłeś, zapisz, dlaczego tabela pomaga. W ten sposób narzędzie staje się drugą parą oczu, a nie jedynym czytnikiem.

Dodaj jeden warunek, którego nie rozumiesz, i sformułuj pytanie do dostawcy. Na przykład: „Czy po pełnej zapłacie przechodzą wszystkie prawa do plików źródłowych, czy tylko do końcowego wyniku?”. To pozwala rozstrzygnąć konkret, zamiast wysyłać prośbę o ogólną ocenę.

Jak nie stracić ważnego zdania w tabeli

Tabela jest narzędziem pracy, a nie zamiennikiem dokumentu. Przy skomplikowanych zapisach zachowaj cytat w całości i zaznacz odniesienia. Jeżeli sekcja odpowiedzialności odwołuje się do innej sekcji, przeczytaj obie razem. Model może rozdzielić warunek od ograniczenia i zmienić jego sens.

Sprawdź, czy tabela nie miesza faktu z interpretacją. „Dostawca może zakończyć umowę w dowolnym momencie” jest faktem tylko wtedy, kiedy dokument faktycznie to mówi. „Jest to niekorzystne dla nas” jest oceną. Rozdziel kolumny: zapis, źródło, skutek, pytanie. Dzięki temu wiesz, co jest w umowie i co jest twoją decyzją.

Jeżeli model podaje różne odpowiedzi przy każdym uruchomieniu, nie uśredniaj ich. Zobacz oryginał i zapisz jedną poprawną wersję. Powtarzalność testu jest ważna, ale dokument jest arbitrem.

Wersja robocza nie może wrócić do podpisu

Po negocjacjach dostawca wysyła nowy PDF, a model porównuje go z poprzednim. Przy każdej zmianie sprawdź nie tylko żądane zapisy, ale także miejsca, których nie negocjowano. Czasem nowa wersja poprawia cenę i jednocześnie zmienia załącznik o retencji danych. Zmiana ma być świadomie zaakceptowana jako całość.

Nadaj dokumentom jednoznaczne identyfikatory i daty. Nie pracuj na załączniku „umowa_nowe2.pdf” z trzech różnych wiadomości. W tabeli zapisz, która wersja jest bazą negocjacji, która została odrzucona i która trafiła do podpisu. Po podpisaniu odłącz starsze pliki od źródeł odpowiedzi AI.

Przy odbiorze otwórz finalny dokument i porównaj kluczowe liczby z tabelą jeszcze raz. To krótki krok, który wykrywa błąd pliku, nie tylko błąd modelu. Jeśli proces wymaga podpisu kilku osób, każda powinna pracować na tym samym identyfikatorze wersji.

Kiedy poprosić o pomoc z zewnątrz

Skorzystaj z pomocy, kiedy odpowiedzialność jest ograniczona w sposób niezrozumiały, prawa do rezultatu są niejasne, dane mają być użyte do dalszych celów albo umowa jest długa i jednostronna. Przygotuj tabelę i trzy pytania. Specjalista doceni konkret, a nie kolejny PDF z prośbą o cud.

Nie zakładaj, że konsultacja zwalnia od czytania. Musisz wiedzieć, jakie warunki akceptujesz i jak wpływają na pracę. AI może przygotować mapę, ale odpowiedzialność za decyzję nie przechodzi na narzędzie ani na prawnika.

Największa wartość AI przy umowach nie polega na tym, że „czyta za ciebie”. Polega na tym, że łatwiej zobaczyć miejsce, które sam byś przegapił. Model jest lupą, nie notariuszem. I to właśnie dlatego warto go używać z dyscypliną, a nie z entuzjazmem.

Źródła i dalsza lektura

Sprawdź nas. To zdrowe.

Temat zmienia się szybko. Linki prowadzą do źródeł pierwotnych i stron, na których możesz zweryfikować kontekst.

Doszłaś / Doszedłeś do końca. My też jesteśmy pod wrażeniem.Masz uwagę albo lepszy przykład? Napisz

Marki, dla których tworzyliśmy rozwiązania w Aeneia

Przewijaj w bok
  • L'Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • Mixa
  • Ambasada Chin w Polsce

Narzędzia i technologie, z których korzystamy

Przewijaj w bok
  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear