Astra for Law pokazuje, jak będzie wyglądać branżowe AI w biznesie

OpenAI nie wypuściło po prostu „ChatGPT dla prawników”. W Astra for Law ciekawsze jest coś innego: firma połączyła mocny model ogólny z wyspecjalizowanym indeksem danych, instrukcjami dla konkretnej profesji, kontrolami bezpieczeństwa i integracjami z narzędziami używanymi w kancelariach.

To ważny sygnał także dla osób spoza branży prawnej. Pokazuje, jak może wyglądać kolejny etap wdrażania AI w biznesie: mniej uniwersalnych chatbotów, więcej systemów osadzonych w wiedzy, danych i procesach konkretnej dziedziny.

Czym właściwie jest Astra for Law?

OpenAI ogłosiło Astra for Law 17 września 2026 roku. Rozwiązanie bazuje na GPT-6 Astra, ale zostało skonfigurowane do profesjonalnej pracy prawniczej.

Najważniejsze elementy tej konfiguracji to:

• specjalny indeks wyszukiwania prawnego,
• instrukcje dotyczące analizy i pisania prawniczego,
• mechanizmy dostępu i kontroli przeznaczone do pracy z poufnymi informacjami klientów,
• integracje z narzędziami używanymi przez kancelarie,
• możliwość budowania własnych aplikacji i przepływów pracy na tej warstwie.

Sam model nie jest więc całym produktem. Model jest jednym z elementów większego systemu.

To rozróżnienie ma znaczenie. W typowym użyciu ChatGPT użytkownik zadaje pytanie i liczy na wiedzę modelu oraz ewentualne wyszukiwanie w sieci. W pracy prawniczej to za mało. Liczy się nie tylko znalezienie odpowiedzi, ale też wskazanie właściwej podstawy prawnej, ocena jej znaczenia, odnalezienie fragmentu źródła i sprawdzenie, czy dana linia argumentacji nie ma poważnego kontrargumentu.

Dlatego Astra for Law korzysta z indeksu obejmującego amerykańskie orzecznictwo, ustawy, regulacje, zasady sądowe i decyzje administracyjne. Według OpenAI korpus obejmuje ponad 230 mln adresów URL i jest codziennie uzupełniany o nowe źródła. Firma współpracuje też z Free Law Project, którego CourtListener obejmuje ponad 99,9% opublikowanego precedensowego orzecznictwa federalnego i stanowego w USA.

Wynik 54% brzmi efektownie, ale trzeba go dobrze odczytać

W informacji o premierze OpenAI podaje, że Astra for Law uzyskała 54,0% w teście ogólnej poprawności na 200 amerykańskich pytaniach badawczych z prywatnego zbioru walidacyjnego Vals AI Legal Research Bench.

Dla porównania GPT-6 Astra korzystająca wyłącznie z wyszukiwania internetowego osiągnęła 38,7% przy tym samym, najwyższym poziomie wysiłku rozumowania. To około 40% względnej poprawy wyniku.

Warto jednak uważać na uproszczenie „Astra for Law ma 54% poprawności”.

Ten wynik nie oznacza, że narzędzie jest poprawne w 54% wszystkich zadań prawniczych. Nie mierzy też całej jakości pracy prawnika. Benchmark sprawdza określony typ badań prawnych w amerykańskim systemie prawa i na konkretnym zbiorze pytań.

To nadal ciekawy wynik, bo pokazuje coś praktycznego: samo zwiększanie możliwości modelu nie musi dawać największej poprawy. Dużo może wnieść odpowiednie podłączenie modelu do wyspecjalizowanych źródeł oraz zaprojektowanie sposobu, w jaki z nich korzysta.

OpenAI podaje także, że w pytaniach skoncentrowanych na orzecznictwie Astra for Law znajdowała o 24% więcej spraw referencyjnych niż GPT-6 Astra z samym wyszukiwaniem internetowym. W audytowanym zbiorze docelowych fragmentów potrafiła natomiast odnaleźć do 54% więcej istotnych fragmentów z właściwych opinii sądowych.

Dla prawnika różnica między „model zna temat” a „model potrafi wskazać właściwe źródło i konkretny fragment” jest zasadnicza.

Najciekawsza część nie dotyczy samego modelu

W zastosowaniach profesjonalnych jakość odpowiedzi jest tylko jednym z warunków użyteczności.

Drugim jest zaufanie organizacyjne.

Kancelaria nie może po prostu wkleić poufnych informacji klienta do dowolnego narzędzia, jeśli nie wie, gdzie te dane trafią, kto może mieć do nich dostęp i jakie zasady retencji obowiązują. Dochodzą do tego wewnętrzne uprawnienia, bariery informacyjne między zespołami, instrukcje klientów i nadzór nad sposobem używania AI.

Dlatego OpenAI pozycjonuje Astra for Law jako warstwę obejmującą również zarządzanie i bezpieczeństwo. Dla kwalifikujących się kancelarii program Trusted Access ma obejmować między innymi Zero Data Retention w API, a użycie ChatGPT Enterprise ma być domyślnie wyłączone z przeglądu przez ludzi. OpenAI współpracuje też z Latham & Watkins nad mechanizmami dotyczącymi uprawnień do informacji, barier etycznych, instrukcji klientów i nadzoru kancelarii.

To może być ważniejszy kierunek rozwoju AI w firmach niż kolejna poprawa benchmarku o kilka punktów.

W praktyce przedsiębiorstwa potrzebują bowiem nie tylko „mądrzejszego modelu”. Potrzebują odpowiedzi na pytania:

• do jakich danych model ma dostęp,
• których danych nie powinien widzieć,
• z jakich źródeł może korzystać,
• jak można zweryfikować jego wynik,
• kto odpowiada za ostateczną decyzję,
• jak AI łączy się z istniejącym środowiskiem pracy.

Astra for Law próbuje spiąć te elementy w jeden produkt dla konkretnej profesji.

Zamiast zastępować systemy branżowe, AI zaczyna się z nimi łączyć

OpenAI równolegle uruchomiło 26 wtyczek przygotowanych przez partnerów. Mają one łączyć ChatGPT z narzędziami używanymi już w branży prawnej, między innymi z iManage, Intapp, DeepJudge czy rozwiązaniami Thomson Reuters.

To kolejny istotny sygnał.

Firmy przez lata budowały swoje procesy wokół wyspecjalizowanych systemów: repozytoriów dokumentów, baz wiedzy, CRM-ów, narzędzi do compliance, analityki czy zarządzania projektami. Mało prawdopodobne, żeby jedna aplikacja AI zastąpiła wszystkie te systemy naraz.

Bardziej realistyczny scenariusz to AI jako warstwa, która potrafi z nich korzystać.

Prawnik może wtedy rozpocząć pracę od pytania lub zadania w języku naturalnym, a system pobiera właściwe dane, uruchamia odpowiednie narzędzia, tworzy analizę i zostawia człowiekowi możliwość sprawdzenia źródeł oraz podjęcia decyzji.

To właśnie ten wzorzec może przenosić się na kolejne branże.

Harvey i Legora pokazują drugi model dystrybucji

Astra for Law nie ma być wyłącznie funkcją dostępną bezpośrednio w ChatGPT.

OpenAI zapowiedziało, że klienci API, w tym Harvey i Legora, będą mogli budować na Astra for Law i wnosić jej możliwości do własnych produktów oraz procesów. Sam model ma pojawić się w API jako gpt-6-astra-law.

To ciekawy model rynkowy: dostawca modelu tworzy wyspecjalizowaną warstwę bazową dla danej branży, ale nie próbuje samodzielnie zbudować każdego produktu końcowego.

Dzięki temu firmy legaltech mogą rozwijać własne interfejsy, procesy i rozwiązania dla klientów, korzystając z gotowej warstwy modelowej oraz prawnego wyszukiwania.

Dla innych sektorów to wskazówka, że przewaga konkurencyjna nie musi polegać na posiadaniu własnego modelu językowego. Może leżeć w wiedzy domenowej, danych, projektowaniu procesu, integracjach i sposobie weryfikowania wyniku.

Co z tego wynika dla polskiej firmy?

Na dziś Astra for Law jest produktem bardzo mocno osadzonym w realiach amerykańskich. Indeks prawny dotyczy źródeł z USA, a początkowy dostęp jest kierowany do wybranych amerykańskich kancelarii i osób pracujących pod nadzorem uprawnionych prawników. Nie należy więc traktować tej premiery jako gotowego rozwiązania do polskich badań prawnych.

Znacznie ciekawsze jest spojrzenie na architekturę produktu.

Jeżeli zarządzasz firmą lub zespołem, warto obserwować cztery elementy.

1. Dane branżowe stają się równie ważne jak sam model

Uniwersalny model może być bardzo dobry, ale bez dostępu do właściwych źródeł nie zna aktualnego stanu sprawy, wewnętrznej polityki firmy, najnowszego dokumentu klienta ani specyficznych danych branżowych.

Wartość powstaje dopiero wtedy, gdy model może pracować na odpowiednio dobranym kontekście.

2. Weryfikowalność będzie częścią produktu

W zadaniach wysokiego ryzyka sama płynna odpowiedź nie wystarcza. Użytkownik potrzebuje źródeł, cytowań, ścieżki do dokumentu i możliwości sprawdzenia, na czym system oparł wniosek.

To ważne nie tylko w prawie. Podobny problem występuje w finansach, compliance, zakupach, medycynie, administracji czy analizie umów.

3. Uprawnienia i governance nie są dodatkiem

Jeżeli AI ma wejść do procesów z wrażliwymi danymi, organizacja musi kontrolować dostęp tak samo poważnie jak w pozostałych systemach IT.

Im większe możliwości modelu, tym ważniejsze staje się pytanie nie „co potrafi?”, ale „co wolno mu zrobić i na jakich danych?”.

4. Najlepsze rozwiązania będą osadzone w istniejącym sposobie pracy

Pracownik nie chce kopiować danych między pięcioma aplikacjami tylko po to, żeby skorzystać z AI. Jeśli technologia ma realnie oszczędzać czas, musi wejść w dokumenty, bazy, komunikację i procesy, które już istnieją.

Dlatego integracje w Astra for Law są ważnym elementem premiery, a nie dodatkiem marketingowym.

Astra for Law to przykład szerszej zmiany

Jeszcze niedawno dyskusja o AI w biznesie koncentrowała się głównie na wyborze modelu: który jest szybszy, dokładniejszy i ma większe okno kontekstowe.

Astra for Law sugeruje bardziej dojrzały kierunek.

W zastosowaniach profesjonalnych przewagę może dawać cały system: model, wyspecjalizowane źródła, instrukcje, uprawnienia, integracje i proces kontroli jakości.

To dobra wiadomość dla firm, które nie mają ambicji budowania własnych modeli od zera. Najważniejsza praca może odbywać się gdzie indziej: w uporządkowaniu wiedzy, wyborze danych, zaprojektowaniu procesu oraz ustaleniu, gdzie człowiek musi sprawdzić i zatwierdzić wynik.

Właśnie tam branżowe AI zaczyna różnić się od zwykłego chatbota.