AI model je až poslední krok

Položte DirectCase otázku: „Je screenshot z WhatsAppu použitelný jako důkaz u soudu?" Za necelou minutu dostanete odpověď s citacemi. Mezi nimi rozsudek Nejvyššího soudu sp. zn. 23 Cdo 4931/2017 k námitce důkazní síly screenshotu, nález Ústavního soudu sp. zn. II. ÚS 1774/14 k záznamům pořízeným bez vědomí druhé strany a rozhodnutí sp. zn. III. ÚS 2462/25 o zprávách vytržených z kontextu konverzace.

Tento článek popisuje, co se během té minuty děje: jaké modely používáme a proč, jak funguje vyhledávání a proč je celé zpracování paralelní. Po jednotlivých krocích.

Základní princip: jazykový model je až poslední krok

Generický chatbot funguje tak, že jazykový model generuje odpověď z toho, co má uložené ve vahách z trénování. Proto si dokáže vymyslet judikát včetně spisové značky: produkuje text, který je statisticky pravděpodobný, ne text, který je ověřený.

DirectCase je postavený obráceně. Zpracování dotazu má tři fáze a u dotazu z úvodu jsme je změřili na stopkách; celkem trvalo 50 sekund.

1. Analýza dotazu (první sekundy): systém vyhodnotí, na co se ptáte, a rozhodne, jaké nástroje nasadit. Hledat v zákonech, v judikatuře, nebo v obojím? Nebo je zdroj už známý a stačí dodat konkrétní znění dokumentu?
2. Paralelní rešerše (20 až 30 sekund): několik specializovaných vyhledávacích nástrojů současně prohledává korpus 1,4 milionu ověřených zdrojů a hledá nejpřiléhavější rozhodnutí a odpovídající ustanovení.
3. Syntéza (přibližně 20 sekund): jazykový model sestaví odpověď výhradně z nalezených zdrojů a ke každému tvrzení připojí citaci.

O kvalitě odpovědi rozhodují především první dvě fáze. Pokud vyhledávání přinese špatné zdroje, žádný model to nezachrání.

Průběh dotazu po odeslání. Šířky odpovídají naměřenému času, takže je vidět, že většinu minuty zabere hledání, ne psaní odpovědi. Změřeno na reálném dotazu, celkem 50 sekund; časy se liší podle složitosti.

Kontextové vyhledávání: proč nestačí klíčová slova

Na úvodní otázce je vidět základní problém fulltextu. Advokát píše „screenshot z WhatsAppu". Část rozhodnutí by fulltext skutečně našel; Nejvyšší soud v citovaném rozsudku sám píše o „tzv. printscreenu či screenshotu". Jenže klíčový nález Ústavního soudu pracuje s „poměřováním chráněných práv a zájmů" a se „záznamem pořízeným soukromou osobou"; slovo screenshot v něm nepadne. Hledání na shodu slov taková rozhodnutí mine, přestože jsou pro odpověď rozhodující.

Kontextové vyhledávání proto pracuje s embeddingy: text dotazu i texty zdrojů se převedou na vektorovou reprezentaci významu a porovnává se jejich blízkost. Dotaz o screenshotu z WhatsAppu tak zachytí i nález o „záznamu pořízeném soukromou osobou", protože jde významově o totéž, jen jinými slovy.

Embeddingových modelů existují desítky a na právním textu se výrazně liší. Průběžně proto měříme jejich výkon na vlastní sadě dotazů. Nasazený je vždy model s nejlepšími výsledky na této sadě. V našich měřeních má tato volba na přesnost odpovědi větší vliv než výběr jazykového modelu, jen není zvenku vidět.

Druhý pilíř je korpus. Aktualizuje se denně; od zveřejnění rozhodnutí soudem k jeho dostupnosti v systému uplyne typicky několik dní, které zabere zpracování. A neukládá se jako surový text. Každý dokument předem zpracujeme a vyhodnotíme jeho části: kde je výrok, kde odůvodnění, co je nosná právní věta. Vyhledávání pak necílí na dokument jako celek, ale na konkrétní relevantní pasáže.

Paralelizace: odkud se bere ta minuta

Objem prohledaných zdrojů je stejný, jako kdyby nástroje běžely postupně za sebou; liší se jen čas. Díky souběhu se celá rešeršní fáze vejde do 20 až 30 sekund a analýza od dotazu po citovanou odpověď do necelé minuty.

Delší generování neznamená vyšší přesnost

Když generování odpovědi trvá pět minut, děje se obvykle jedna ze dvou věcí. Buď je zpracování zbytečně sekvenční, tedy kroky čekají jeden na druhý, i když by mohly běžet souběžně; to je nízká efektivita, ne vyšší kvalita. Nebo hlavní práci dělá jeden LLM (robustní jazykový model), který si do kontextového okna natáhne obrovské množství dokumentů a prochází je sám. To vypadá důkladně, ale je to nepřesná metoda: se stoupající délkou kontextu klesá spolehlivost, s jakou model pracuje s jednotlivými detaily, a relevantní pasáže se ředí mezi balastem.

Existují i modely, které delším „přemýšlením" skutečně zlepšují výsledek, typicky u matematiky nebo kódu. Rešerše je ale jiná úloha: žádné množství přemýšlení nenahradí zdroj, který vyhledávání nepřineslo.

Specializované komponenty dělají opak. Embedding vyhledávání najde kandidáty, rešeršní nástroje je zúží na relevantní pasáže a jazykový model dostane už jen koncentrovaný podklad k syntéze. Každý krok dělá jedna komponenta, která je na něj stavěná. Výsledek je rychlejší a zároveň přesnější; rychlost tady není kompromis, ale příznak architektury.

Neplatí ovšem ani obrácená rovnice, že rychlejší je automaticky lepší. Podstatné je, že čas sám o sobě není metrika kvality. Odpověď posuzujte podle správné interpretace dobře citovaných zdrojů, v nichž po otevření najdete přesně ten kousek potřebné informace, ne podle toho, jak dlouho jste na ni čekali.

Jazykový model: vyměnitelná součástka (dnes Gemini 3.5 Flash)

Poslední fáze patří LLM. Dostane dotaz a nalezené zdroje a sestaví z nich odpověď s citacemi. Necituje ze své paměti, ale z dokumentů, které má před sebou; riziko vymyšlené citace tím výrazně klesá. Z 50 sekund celého zpracování připadá na tuto fázi zhruba 20: většinu času systém tráví hledáním, ne psaním.

V době psaní tohoto článku je nasazený Gemini 3.5 Flash. Obecně platí, že používáme frontier modely, tedy aktuálně nejsilnější třídu jazykových modelů, vhodnou pro danou velikost kontextu. Nové modely neustále testujeme a měníme za novější. Na žádného dodavatele nejsme vázáni. Ve vyšších tarifech si uživatel může model zvolit podle sebe.

Alternativou k frontier modelům jsou lokální modely, které běží na serverech DirectCase. Nabízejí nejvyšší míru zabezpečení. Lokální nasazení však nutně znamená, že nemohou být nejlepší z dostupných. Vzhledem k naší architektuře to však není tak velká nevýhoda: syntéza odpovědi není ta těžká část řetězu. Těžké je všechno před ní.

Vlastní model přes konektor: DirectCase jako datová vrstva

Z předchozího plyne praktický důsledek: jazykový model je v DirectCase vyměnitelná součástka. A nemusí být ani naše.

Nabízíme proto konektor postavený na standardu MCP (Model Context Protocol). Je to propojení, kterým si ověřený korpus a vyhledávání DirectCase připojíte přímo do vlastního AI nástroje. Dotaz pak píšete třeba v Claude a ten čerpá z našich dat na adrese mcp.directcase.ai.

Do datové vrstvy tedy vedou dvě cesty, každá jinam. Aplikace DirectCase je celý řetěz popsaný výše: paralelní rešerše, sloučení výsledků, syntéza i prostředí vztahů mezi rozhodnutími, vyladěné jako jeden celek, s modelem v ceně; za jedno předplatné dostanete od dat po frontier model všechno najednou. Konektor zpřístupní naši datovou vrstvu, tedy korpus a vyhledávání, ve vašem vlastním AI nástroji; jak s ní model naloží, řídí už nástroj na vaší straně. Pro rešerši, na kterou se potřebujete spolehnout, je aplikace kompletní řešení. Konektor je pro toho, kdo si staví vlastní workflow a chce do něj naše data. Detaily najdete na stránce o propojení zdrojů, ceník na domovské stránce.

Obě cesty stojí na stejném základu. Neprodáváme model. Prodáváme ověřenou právní realitu, do které se model dívá.

Provoz, mlčenlivost a limity

Dotazy se zpracovávají na serverech v EU, konkrétně v Německu. Na vašich dotazech netrénujeme ani my, ani společnosti, u kterých se dotaz zpracovává. Položená otázka zůstane otázkou, nestane se trénovacím materiálem.

A hranice systému: nejtěžší disciplínou rešerše je překonaná judikatura. Rozhodnutí může být překonáno v jediném slově, nebo v celém meritu, a rozlišit to bývá náročné i pro seniorního advokáta. Tím spíš pro AI model. Proto jsme vztahy v judikatuře zmapovali, zapracovali je do algoritmu vyhledávání a při otevření rozsudku je vidíte vizualizované. Nuanci tak posoudíte sami. Systém připraví podklad za minutu, právní úsudek zůstává vám. Tak je to navržené.

Odpověď na úvodní otázku tady schválně nenajdete. Položte ji DirectCase sami; lepší testovací dotaz nenajdete, protože právě víte, co se s ním uvnitř stane. Za padesát sekund zjistíte, jestli u soudu obstojí screenshot. A jestli u vás obstojí tenhle článek.

Modely se budou střídat dál a každý rok rychleji. Kdo staví hodnotu na modelu, přestavuje základy každý kvartál. My jsme základ položili o vrstvu níž: do dat, která zpracováváme každý den, a do vyhledávání, které je umí najít.