RAG pe dosarul de litigiu: două versiuni ale aceluiași fapt

Într-un dosar de instanță, fiecare fapt care contează apare de cel puțin două ori. O dată în cererea de chemare în judecată, unde e prezentat într-un fel. A doua oară în întâmpinare, unde e prezentat altfel. Ambele versiuni sunt oficiale, ambele au fost depuse, niciuna nu e o eroare de extragere.

Asta rupe presupunerea pe care stă majoritatea sistemelor de regăsire construite pe corpusuri de companie: că documentele descriu o singură realitate și că, dacă două fragmente se contrazic, unul e vechi, greșit sau prost citit de OCR. Pe un dosar de litigiu, contradicția nu e un defect al corpusului. E structura lui.

Corpusul e mic în comparație cu o arhivă de companie — un dosar, câteva mii de pagini — dar fiecare pagină are un autor interesat, o dată de depunere și un statut care decide dacă poate fi folosită. Ce urmează tratează consecințele practice: cum modelezi datele când unitatea de răspuns e o poziție, nu un fapt; de ce statutul procedural al unui înscris decide dacă are voie să apară într-un răspuns; și de ce un astfel de sistem nu produce estimări de șanse. Dacă ai nevoie de mecanica generală, ce este RAG acoperă fundamentele.

Doi naratori, ambii oficiali

Un dosar nu e o arhivă de documente neutre. Fiecare act de procedură a fost scris de o parte cu un interes, ca să susțină o concluzie. Cererea afirmă că livrarea a întârziat 40 de zile. Întâmpinarea afirmă că termenul curgea de la o altă dată și că întârzierea a fost de 6 zile. Amândouă stau în același dosar, la câteva sute de pagini distanță.

Diferența față de un corpus contractual e netă. Acolo lucrezi pe un act pe care ambele părți l-au acceptat și îl citești ca text obligatoriu — regimul e tratat separat în RAG pe contracte și documente juridice. Într-un dosar, textul nu mai e o normă acceptată de amândoi, ci o afirmație a unuia dintre ei.

Structura de fișiere reflectă asta. Un dosar de complexitate medie adună cererea, întâmpinarea, eventual o cerere reconvențională, răspunsul la întâmpinare, câteva sute de pagini de anexe pe fiecare latură, note scrise, un raport de expertiză contestat de una din părți și încheierile de ședință. Fiecare document are un autor cu o poziție, iar autorul acela e o informație la fel de importantă ca textul.

Unitatea de răspuns e poziția, nu faptul

Dacă întrebi „când a fost livrarea”, un sistem care întoarce un singur răspuns a ales tacit o parte. Răspunsul corect e compus: poziția, cine o susține, din ce act rezultă și ce probă e invocată pentru ea. Patru câmpuri, nu o propoziție.

Diferența se simte imediat în interfață. Un răspuns de o frază pare util până când cineva îl copiază într-o notă și pierde autorul; un răspuns cu două blocuri etichetate nu se poate cita greșit, fiindcă eticheta călătorește cu textul.

Consecința în design: nu ai voie să tratezi cele două versiuni ca pe niște duplicate de deduplicat. Sunt entități distincte, cu autori distincți, iar diferența dintre ele e exact informația căutată.

De ce sinteza e greșeala, nu comoditatea

Tentația e să produci o narațiune unică din tot dosarul, fiindcă așa arată un răspuns bine scris. Pe un litigiu, sinteza spală dezacordul: cititorul primește o poveste coerentă din care nu mai vede că fiecare element e contestat.

Cele două versiuni nu se completează și nu se ordonează una sub alta. Se exclud reciproc, iar cine le împacă nu e nici sistemul, nici cel care pune întrebarea, ci un terț care decide după ce ambele au fost dezbătute. Un sistem care anticipează decizia aceea îi ia locul fără să aibă competența.

Ce e „în dosar” se decide procedural

A doua deosebire e mai puțin intuitivă. Într-o arhivă obișnuită, un document există dacă e pe disc. Într-un litigiu, existența e o calitate juridică, nu una de fișier.

Codul de procedură civilă e explicit la art. 14 alin. (6): instanța își întemeiază hotărârea numai pe motive și pe mijloace de probă care au fost supuse în prealabil dezbaterii contradictorii. Un înscris pe care partea adversă nu l-a văzut nu ajunge acolo, oricât ar fi de convingător. Iar probele se propun sub sancțiunea decăderii — reclamantul prin cererea de chemare în judecată, pârâtul prin întâmpinare (art. 254 alin. (1)), cu excepții limitate la alin. (2). Înscrisurile se anexează în copii certificate pentru conformitate cu originalul (art. 150, aplicabil și întâmpinării prin art. 205 alin. (2) lit. d)), iar dacă partea nu prezintă originalul la cerere, art. 292 alin. (2) permite instanței să nu țină seama de înscris.

Un punct rămâne disputat: dacă decăderea pronunțată în primă instanță își produce efectele și în apel. Doctrina și practica au mers în ambele direcții, iar chestiunea a ajuns în discuție într-un recurs în interesul legii — deci nu o trata ca pe o regulă fixă în produs, ci ca pe un câmp pe care omul îl completează.

Trei stări, nu două

Un sistem de gestiune de documente cunoaște două stări: fișierul e încărcat sau nu. Un dosar are cel puțin patru, iar ele decid ce poate face sistemul cu fragmentul respectiv.

Câmpul care lipsește din arhiva echipei

Niciun folder partajat nu poartă coloana asta. Ea vine din registrul de termene, din dovezile de comunicare și din încheierile de ședință, iar fără ea indexul confundă o ciornă cu o probă administrată.

Aici se vede și de ce data contează dublu. Nu ajunge să știi ce spune un document; trebuie să știi ce regulă se aplica la momentul faptului, problemă tratată pe alt corpus în RAG pe fonduri europene.

Model de date: parte, act, susținere, probă

Un chunk care se numește „fragmentul 412 din dosarul 1234/2025” nu ajută pe nimeni. Unitatea utilă e mai bogată: o susținere, atribuită unei părți, extrasă dintr-un act cu dată de depunere, cu proba invocată alături și cu faza procesuală în care s-a formulat.

Ancora de citare e actul procedural

Citarea la nivel de dosar e inutilizabilă: trimite juristul înapoi în opt mii de pagini. Ancora corectă e actul plus pagina plus paragraful — aceeași logică de granularitate fină pe care o cere un corpus contractual, unde citarea coboară la nivel de paragraf, și pe care o cere și o transcriere de ședință, unde nu orice fragment poate fi citat ca atare; cazul din urmă e detaliat în RAG peste ședințe și transcrieri.

Practic, fiecare chunk păstrează: numărul dosarului, denumirea actului, partea care l-a depus, data depunerii, pagina și paragraful, starea din tabelul de mai sus. Filtrele astea fac cea mai grea parte a muncii înainte ca similaritatea să conteze.

Ținta e o citare pe care juristul o poate deschide într-o secundă: dosar, act, pagină, paragraf. „Întâmpinare depusă la 14.02, pagina 6, paragraful 3” e verificabil. „Documentele din dosar arată că” nu e. Diferența de efort la ingestie e mică — segmentezi pe structura pe care actele o au deja, articole și puncte numerotate — iar diferența la utilizare e între un sistem folosit și unul abandonat după două săptămâni.

Legătura susținere → probă invocată

O afirmație fără proba invocată e o opinie. Aceeași afirmație cu înscrisul indicat devine verificabilă. Extrage explicit relația: susținerea din paragraful X invocă anexa Y, care are starea Z.

Relația se rupe des în practică, fiindcă trimiterile sunt scrise pentru cititori umani („conform anexei 7 la întâmpinare”). Rezolvă-le la ingestie și atașează proba ca vecinătate a susținerii, altfel răspunsul citează o afirmație și lasă suportul afară.

Mai apare și cazul invers, al probei fără susținere: o anexă depusă la dosar pe care nimeni nu o invocă explicit în niciun act. Nu o arunci și nu o promovezi. O marchezi ca neinvocată, fiindcă exact lista aceea îi interesează pe cei care pregătesc ședința.

Adaugă la asta un detaliu de timp: o susținere se apreciază raportat la momentul la care a fost formulată, nu la ce se știe azi — mecanica e aceeași ca la corespondența cu autoritățile. Un dosar crește prin acumulare, deci indexul primește acte noi fără să rescrie cele vechi; ce se schimbă totuși — retrageri, îndreptări, dosare ieșite din retenție — cere disciplina din prospețime, ștergeri și reindexare.

Retrieval peste afirmații care se exclud reciproc

Literatura pe RAG numește situația knowledge conflict și arată că e mai grea decât pare. Benchmark-ul CONFLICTS, adnotat de experți pe tipuri de conflict, propune un comportament dezirabil diferit pentru fiecare tip și constată că modelele rezolvă prost dezacordul dintre surse; cerința explicită de a raționa asupra conflictului îmbunătățește răspunsurile, dar lasă o marjă mare neacoperită. Evaluările din jurul ConflictQA adaugă un tipar util: modelele tind să se sprijine exclusiv pe una dintre surse, în funcție de formularea promptului. Iar taxonomiile de conflict între documente separă cazul factual de cel temporal și de cel de opinie — pe un dosar, aproape tot conflictul e de ultimul tip.

Top-k pe similaritate colapsează pe o latură

Cererea și întâmpinarea vorbesc despre același fapt cu vocabular apropiat, dar una dintre ele e de obicei mai lungă și mai insistentă pe subiectul întrebat. Un top-k pur pe similaritate întoarce cinci fragmente de la aceeași parte, iar generarea livrează un text care se citește bine și acoperă o singură latură.

Remediul e o constrângere de acoperire: după căutare, cere explicit reprezentare pentru fiecare parte care are susțineri pe faptul întrebat, apoi rerankează în interiorul fiecărui grup. Componenta lexicală e obligatorie aici, fiindcă numerele de articol și denumirile de anexe nu se prind semantic — vezi căutarea hibridă și reranking-ul. Când întrebarea cere lanțul susținere → probă → contestație, un singur pas de căutare nu ajunge; mecanica de multi-hop și agentic RAG e cadrul potrivit.

Al treilea răspuns: „contestat”

Un sistem obișnuit are două ieșiri: am găsit, nu am găsit. Pe un dosar ai nevoie de a treia, „găsit și contestat”, cu ambele poziții alăturate. Fără ea, orice dezacord se prezintă ca fapt stabilit. Formatul contează: două blocuri simetrice, cu partea și actul în antet, nu un paragraf care amestecă — regulile de formă sunt în cum arată un răspuns bun.

Cum verifici că nu ai colapsat pe o latură

Construiește un set de întrebări în care un jurist a confirmat că dosarul conține susțineri opuse, apoi măsoară patru lucruri.

A întors retrieval-ul ambele poziții? Pe întrebările cu dezacord confirmat, un sistem care aduce o singură latură în jumătate din cazuri nu are recall slab — ascunde litigiul.

Fiecare afirmație din răspuns e atribuită unei părți? Numără afirmațiile neatribuite. Ținta e zero, fiindcă o afirmație fără autor arată ca un fapt.

Proba invocată e cea corectă? Verifică legătura susținere-probă separat de textul răspunsului; se rupe des și nu se vede din citire.

Statutul procedural apare corect? Un fragment decăzut prezentat fără marcaj e cea mai costisitoare eroare din tot sistemul.

Metodologia generală de construcție a setului și pragurile de acceptanță sunt în cum evaluezi un sistem RAG.

Sistemul nu estimează șanse

Prima cerere care apare în orice discuție de acest tip e o predicție: cât la sută sunt șansele, cât se va încasa, ce va decide instanța. Răspunsul de arhitectură e că sistemul nu produce așa ceva, și nu din prudență comercială.

Pe corpusul unui dosar, o predicție e nefalsificabilă: nu ai eșantion de hotărâri comparabile, nu ai variabilele care contează, iar rezultatul unic vine mult mai târziu. O cifră afișată în interfață nu e o estimare slabă, e o afirmație fără metodă de verificare. Mai grav, mută autoritatea de la terțul care decide la o unealtă care doar a citit dosarul.

Ce poate face sistemul e mai puțin spectaculos și considerabil mai util.

Ultimul rând merită atenție. Suma cerută și suma recunoscută sunt fapte din dosar; media dintre ele nu e nimic. Aceeași linie de demarcație apare pe dosarul de daună, unde întrebarea „cât se plătește” are un răspuns documentar, nu unul calculat de sistem.

Există o distincție care merită păstrată clar, fiindcă se confundă des. Statistica pe jurisprudență publicată — cât durează un tip de cauză, ce proporție de soluții merg într-o direcție — e o analiză legitimă, făcută pe alt corpus, cu altă metodologie și cu marje declarate. Un sistem care citește dosarul tău nu face asta și nu are cum: are un singur caz și niciun grup de comparație.

Iar cererea de predicție nu se refuză cu o notă de subsol. Se reformulează în ce se poate livra: lista faptelor rămase necontestate, punctele în care poziția adversă nu are proba indicată, termenele care se apropie. Cine cere o cifră vrea de fapt să știe unde stă slab, iar la asta corpusul chiar răspunde.

Dacă lista reală de întrebări e formată mai ales din predicții, concluzia poate fi că nu îți trebuie un astfel de sistem — pragurile de decizie sunt în când nu folosești RAG.

Privilegiul avocat-client nu e o setare de confidențialitate

Aici apare o dimensiune de acces pe care celelalte corpusuri de companie nu o au. Legea nr. 51/1995 obligă avocatul să păstreze secretul profesional privitor la orice aspect al cauzei încredințate, cu excepțiile prevăzute expres de lege, și declară inviolabile actele și lucrările cu caracter profesional aflate în cabinet. Statutul profesiei merge mai departe: secretul e de ordine publică, iar avocatul nu poate fi dezlegat de el nici de propriul client.

Ce înseamnă asta pentru un index: analiza internă de strategie, notele de risc, varianta de tranzacție discutată intern — toate stau în același folder cu actele din dosar, dar nu au același regim. Un fragment scos din memoriul intern și livrat într-un răspuns care ajunge la cineva din afara echipei nu e doar o scurgere de informație. Poate afecta protecția însăși, iar protecția nu se reface.

Două corpusuri, nu două filtre

Tentația de implementare e un câmp confidential: true pe chunk și un filtru la interogare. E fragil: o singură cale de acces prost configurată, un export, un log de debug cu contextul complet, și fragmentul a plecat.

Separarea se face mai jos, la nivel de index: acte de dosar într-un magazin, analiză internă în altul, fără interogare care le atinge pe amândouă în același răspuns. Costul e că pierzi câteva răspunsuri comode — cele care ar fi combinat o susținere adversă cu nota internă despre cum se atacă. Câștigul e că nu poți greși din configurare, iar într-un domeniu unde greșeala nu se poate repara, ăsta e schimbul corect. Modelul general de permisiuni e detaliat în controlul accesului în RAG.

Gate-ul stă pe destinatarul răspunsului

Întrebarea de autorizare nu e doar „cine întreabă”, ci „unde ajunge textul”. Un răspuns cerut de avocatul cauzei pentru pregătirea unei ședințe și același răspuns copiat într-un e-mail către client corporate au regimuri diferite, chiar dacă interogarea e identică.

Prin urmare marchează destinația la interogare și blochează sursele protejate când răspunsul iese din perimetru. Practic sunt două moduri de lucru, alese explicit înainte de întrebare: unul intern, care poate atinge analiza de strategie, și unul destinat comunicării în afară, care vede numai actele din dosar. Modul apare în răspuns și în jurnal, ca să se poată reconstitui ulterior de unde a venit fiecare fragment. Partea de date personale — martori, reprezentanți, uneori date medicale în expertize — se suprapune și cere tratamentul din RAG și GDPR. Tensiunea dintre utilitate și acces revine pe fiecare corpus intern, cu alte reguli de fiecare dată; comparațiile stau în Cazuri de utilizare enterprise.

Întrebări frecvente

Se poate obține din sistem un verdict pe fondul cauzei?

Nu. Un sistem de regăsire arată ce a susținut fiecare parte, în ce act, cu ce probă și în ce fază procesuală. Cine are dreptate se stabilește prin hotărâre, după dezbatere contradictorie.

Ce fac cu un înscris care e la echipă, dar nu a fost depus?

Îl indexezi separat, marcat ca neintrat în dosar, și îl faci vizibil doar echipei. Nu îl amesteci în răspunsurile despre ce conține dosarul, fiindcă un înscris necomunicat nu poate fundamenta hotărârea. Marcajul e util și invers: arată ce ar mai trebui depus, cât timp termenul permite. Un raport generat săptămânal din diferența dintre cele două seturi e adesea cea mai apreciată funcție a sistemului.

Cum tratezi apelul — index nou sau același index?

Același index, cu faza ca dimensiune de filtrare. Susținerile din fond nu dispar în apel, dar nu au același efect, iar unele probe pot avea alt regim. Fiindcă efectul decăderii din primă instanță asupra apelului e o chestiune contestată în doctrină, sistemul afișează starea și lasă calificarea omului.

Poate sistemul să redacteze întâmpinarea?

Poate produce materia primă: lista susținerilor adverse, proba invocată pentru fiecare, punctele fără suport documentar. Redactarea rămâne un act de asistență juridică, cu răspundere profesională, iar riscul practic nu e stilistic, ci de citare: o trimitere la o pagină care nu conține ce afirmă textul se descoperă în ședință, în fața completului.

Ce se întâmplă cu dosarele închise?

Rămân în index doar cât permite politica de retenție a formei de exercitare a profesiei, cu marcaj de dosar soluționat. Sunt valoroase ca precedent intern, dar un fragment dintr-un dosar închis prezentat fără marcaj de stare produce exact tipul de eroare pe care sistemul trebuie să prevină.

Testul de fezabilitate pentru un astfel de proiect e simplu și se face pe un singur dosar. Ia trei fapte disputate, scrie pentru fiecare ce a susținut fiecare parte și cu ce probă, apoi verifică dacă informația aceea există într-o formă din care un sistem o poate extrage. Dacă statutul procedural al înscrisurilor nu e nicăieri consemnat, ăsta e primul lucru de construit — înaintea oricărui index.

Pentru un sistem care lucrează pe dosare reale, cu separarea de corpus și marcajele descrise mai sus, trimite un mesaj cu tipul de litigii și volumul de pagini.