Za co naprawdę płaciło się dostawcom
Uczciwa dekompozycja kontraktu outsourcingowego pokazuje trzy składniki: wolumen rutyny (przegląd standardowych umów, ekstrakcja danych, dokumenty powtarzalne), elastyczność mocy przerobowych (skalowanie zespołu pod projekt) oraz arbitraż kosztów pracy. Do tego dochodzi czwarty, rzadziej nazywany wprost: przeniesienie odpowiedzialności za jakość i terminowość na zewnętrzny podmiot z umową i karami.
Co AI przejmuje najpierw
Pierwsza wersja dokumentu, klasyfikacja i ekstrakcja klauzul, porównanie ze standardem, tłumaczenia, streszczenia due diligence — czyli dokładnie rdzeń wielu kontraktów. Koszt krańcowy tej pracy spada dramatycznie, a razem z nim topnieje uzasadnienie modelu „płacimy za godziny tańszych ludzi". Dostawcy to wiedzą: najlepsi już przebudowują ofertę z „FTE w niższej stawce" na „wynik: AI plus ekspert nadzorujący".
Czego AI nie przejmuje
Odpowiedzialności — ktoś musi kontraktowo ręczyć za błąd modelu. Lokalnej wiedzy jurysdykcyjnej tam, gdzie regulacje są żywe i interpretowane. Nadzoru jakości nad samą maszyną: kalibracja, testy, kontrola halucynacji. Oraz poufności: pytania „czyje dane trenują model" i „gdzie są przetwarzane" stają się twardym warunkiem umów, nie stopką w załączniku.
Rachunek dla General Counsel
Realna alternatywa nie brzmi „outsourcing albo nie", tylko: insourcing rutyny z własnym stosem AI (co wymaga dojrzałego legal operations) kontra zakup wyniku z SLA u dostawcy, który sam używa AI. Trzy pytania kontrolne przed odnowieniem kontraktu: kto ponosi ryzyko błędu modelu i na jaką kwotę? ile kosztuje mnie nadzór, jeśli wezmę to do środka? czy płacę jeszcze za pracę, którą mój własny CLM wykonuje w tle? Wniosek praktyka: outsourcing nie umiera — zmienia przedmiot. Opłaca się nadal, ale już nie za pracę rąk, tylko za wzięcie odpowiedzialności.
What providers were really paid for
An honest decomposition shows three components: routine volume (standard contract review, extraction, repeatable documents), capacity flexibility, and labor-cost arbitrage. Plus a fourth, rarely named: transferring accountability for quality and deadlines onto an external party with a contract and penalties.
What AI takes first
First drafts, clause classification and extraction, deviation-from-standard comparison, translations, due-diligence summaries — precisely the core of many contracts. The marginal cost of this work collapses, and with it the rationale of "paying for cheaper hours". The best providers are already rebuilding their offer from "lower-rate FTEs" to "outcome: AI plus a supervising expert".
What AI does not take
Accountability — someone must contractually answer for a model's error. Local jurisdictional knowledge where regulation is alive and interpreted. Quality supervision of the machine itself. And confidentiality: "whose data trains the model" becomes a hard contract term, not a footnote.
The math for a General Counsel
The real alternative is not "outsourcing or not" but: insourcing routine with your own AI stack (which requires mature legal operations) versus buying an outcome with an SLA from a provider who uses AI themselves. Three control questions before renewal: who carries model-error risk and up to what amount? what does supervision cost me in-house? am I still paying for work my own CLM already does in the background? Outsourcing still pays — no longer for hands, but for taking accountability.
