Kodeks pracy. Komentarz. Tom I i II 2025
Siódme wydanie komentarza do Kodeksu pracy uwzględnia wszystkie zmiany, jakie miały miejsce od czasu ostatniej edycji z 2022 r., w tym dotyczące:
• uregulowania pracy zdalnej,
• kontroli pracowników na obecność w ich organizmach alkoholu lub środków działających podobnie do alkoholu,
• ochrony pracowników przed zwolnieniem,
• nowych obowiązków informacyjnych dla pracodawców w zakresie umów o pracę,
• urlopu z powodu siły wyższej i urlopu opiekuńczego.
Ponadto w publikacji zamieszczono komentarze do procedowanego obecnie projektu ustawy, której celem jest zobowiązanie pracodawców do przedstawiania w publikowanych przez nich ofertach zatrudnienia proponowanego wynagrodzenia, jakie planują zaoferować kandydatom aplikującym na dane stanowisko (druk sejmowy nr 934).
Książka zawiera starannie wybrane orzecznictwo sądowe oraz bogatą literaturę z dziedziny prawa pracy. Czytelnik ma również możliwość zapoznania się z oryginalną argumentacją prawniczą, przydatną zwłaszcza w sprawach z zakresu prawa pracy. Korzystanie z komentarza ułatwi szczegółowy indeks rzeczowy.
Autorami opracowania są wybitni przedstawiciele nauki z różnych ośrodków naukowych w całym kraju oraz praktycy prawa pracy.
Publikacja jest przeznaczona dla sędziów, adwokatów, radców prawnych, pracowników działów personalnych firm oraz związkowców. Zainteresuje także przedstawicieli nauki prawa pracy oraz aplikantów.
Spis treści
Dostępność: średnia ilość
Wysyłka w: 3 dni
Drogi publiczne Komentarz
Dostępność: na wyczerpaniu
Wysyłka w: 3 dni
AI dla prawników. Sztuczna inteligencja w praktyce zawodów prawniczych
Sztuczna inteligencja przebojem wdarła się w dominującą większość obszarów naszego życia prywatnego i zawodowego. Coś, o czym niewielu słyszało jeszcze w 2020 roku, w 2025 jest na ustach wszystkich. Głównym powodem jest pojawienie się popularnych modeli generatywnej sztucznej inteligencji, które istotnie zmieniają sposób pracy w obszarze tworzenia treści.
Nie inaczej jest w obszarze prawa – również tutaj generatywna sztuczna inteligencja ma potencjał, aby zrewolucjonizować funkcjonowanie podmiotów tworzących, interpretujących oraz egzekwujących prawo.
Niniejsza publikacja powstała po to, aby wskazać kierunki rozwoju GenAI w obszarze prawa, zainspirować liderów oraz położyć podstawy merytoryczne pod szeroką dyskusję o przyszłości prawa i zawodów prawniczych w świecie AI.
W tym celu opracowaliśmy dziesięć studiów przypadku, które prezentują różnorodne zastosowania AI, a następnie tłumaczą technologie i mechanizmy wykorzystane w tych sytuacjach. Z pewnością nie jest to jeszcze kompletny obraz technologii, która rozwija się w zasadzie każdego dnia, ale mamy nadzieję, że pozwoli na zrozumienie podstaw, wyzwań i szans związanych z AI w obszarze prawa.
Każdy rozdział składa się ze studium przypadku prezentującego możliwe zastosowania AI w różnych obszarach prawa. Czasem są to przykłady już obserwowane w rzeczywistości biznesowej, czasem rozwiązania, które dopiero są opracowywane. Każde z nich jest jednak z pewnością technicznie możliwe do wdrożenia i to w niedalekiej przyszłości. Następnie prezentowane są założenia techniczne leżące u podstaw nie tylko samej sztucznej inteligencji (jak np. mechanizmy natural language processing czy embeddingi), ale również ogólniej rozwiązań technologicznych (jak interfejsy API czy rodzaje baz danych). Podrozdziały te łączą się w spójną całość, prowadząc czytelnika przez zagadnienia niezbędne do zrozumienia zasad funkcjonowania narzędzi AI.
| Zawartość | Nr strony |
|---|---|
| Wstęp | 11 |
| Rozdział I. Analiza umów | 13 |
| 1. Aspekty technologiczne – Natural Language Processing (NLP) | 14 |
| 1.1. Tokenizacja i embeddingi – jak komputery zamieniają słowa w liczby | 15 |
| 1.2. Kluczowe techniki: rozpoznawanie nazwanych jednostek, klasyfikacja tekstu | 17 |
| 1.3. Ewolucja: modele statystyczne vs. sieci neuronowe | 18 |
| 1.4. Duże modele językowe: GPT, BERT i LLaMA | 19 |
| 2. Retrieval-augmented generation (RAG) | 20 |
| 2.1. Łączenie wyszukiwania dokumentów z generacją tekstu | 21 |
| 2.2. Architektura RAG: baza wiedzy z modelem językowym | 22 |
| 3. Wyzwania – halucynacje i błędne interpretacje | 24 |
| 3.1. Dlaczego modele „zmyślają” fakty | 24 |
| 3.2. Przykłady halucynacji | 25 |
| 3.3. Strategie ograniczania halucynacji | 27 |
| 3.4. Konieczność weryfikowania faktów przez użytkownika | 28 |
| Rozdział II. Research podatkowy | 33 |
| 1. Technologie – uczenie modelu, zestawy danych treningowych | 34 |
| 1.1. Dane czyste vs. dane zaszumione | 34 |
| 1.2. Proces uczenia modelu | 37 |
| 1.3. Wpływ różnorodności i wielkości danych na model | 39 |
| 2. Rodzaje baz danych | 40 |
| 2.1. Relacyjne i nierelacyjne bazy danych | 40 |
| 3. Wyzwania – jakość danych | 45 |
| 3.1. Typowe wady danych prawnych | 45 |
| 3.2. Techniczne strategie poprawy jakości danych | 47 |
| Rozdział III. Analiza due diligence | 51 |
| 1. Technologie – Optical Character Recognition (OCR) | 52 |
| 1.1. Rozpoznawanie znaków w obrazach i skanach | 53 |
| 1.2. Rola sieci konwolucyjnych (CNN) | 54 |
| 1.3. Wyzwania: czcionki, jakość skanów, układ dokumentu | 55 |
| 2. Application Programming Interface (API) i Graphical User Interface (GUI) | 58 |
| 2.1. GUI | 59 |
| 2.2. API | 60 |
| 2.3. Znaczenie User Experience (UX) w obszarze sztucznej inteligencji | 62 |
| 3. Wyzwania – zarządzanie zmianą technologiczną | 63 |
| 3.1. Opór wobec nowych narzędzi | 63 |
| 3.2. Kultura organizacyjna a adopcja AI | 65 |
| 3.3. Rola liderów wdrożenia | 67 |
| Rozdział IV. Tłumaczenie na rozprawie | 69 |
| 1. Technologie – Automatic Speech Recognition (ASR) i Text-to-Speech (TTS) | 70 |
| 1.1. Jak działa ASR – analiza sygnału akustycznego i dopasowanie do słów | 71 |
| 1.2. Nowoczesne architektury ASR | 72 |
| 1.3. Jak działa TTS – od tekstu do naturalnie brzmiącego głosu | 73 |
| 1.4. Wyzwania w ASR i TTS | 75 |
| 2. Modele multimodalne | 77 |
| 2.1. Łączenie różnych typów danych (tekst, dźwięk, obraz) | 77 |
| 2.2. Przykłady architektur multimodalnych (CLIP, Flamingo) | 79 |
| 2.3. Praktyczne wyzwania w multimodalnych systemach | 80 |
| 3. Wyzwania – obsługa wielu języków | 82 |
| 3.1. Modele jednolingwistyczne vs. modele wielojęzyczne | 83 |
| 3.2. Języki zapisywane w innym alfabecie niż łaciński | 84 |
| 3.3. Granice automatycznych tłumaczeń w prawie | 86 |
| Rozdział V. Tłumaczenie i tworzenie tekstu | 89 |
| 1. Technologie – Large Language Models (LLM) – ciąg dalszy | 90 |
| 1.1. Architektura Transformer i mechanizm self-attention | 90 |
| 1.2. Embeddingi i reprezentacja znaczeń | 91 |
| 1.3. Skalowanie modelu a jakość wyników | 92 |
| 2. Sztuka zadawania pytań, czyli inżynieria promptów | 93 |
| 2.1. Typy promptów: zero-shot, few-shot, chain-of-thought | 94 |
| 2.2. Rola długości i kontekstu promptu | 99 |
| 3. Wyzwania – role w projektach IT i AI | 101 |
| 3.1. Role w metodyce Agile – Scrum | 102 |
| 3.2. Role analityczne i architektoniczne | 103 |
| 3.3. Role inżynieryjne i testerskie | 103 |
| 3.4. Dodatkowe role w projektach AI | 104 |
| 3.5. Wyzwania związane z rolami projektowymi | 105 |
| 3.6. AI Act a definicje: model AI ogólnego przeznaczenia (art. 63) oraz operator zmiennoprzecinkowy (art. 67) | 107 |
| Rozdział VI. Korekta wiadomości e-mail | 111 |
| 1. Technologie – analiza semantyczna i analiza sentymentu | 112 |
| 1.1. Embeddingi w praktyce analizy wiadomości e-mail | 112 |
| 1.2. Analiza kontekstu zdania | 113 |
| 1.3. Klasyfikacja emocji | 115 |
| 2. Wyzwania – prywatność treści użytkownika | 118 |
| 2.1. Uczenie modeli a prywatność danych użytkowników | 118 |
| 2.2. RAG i dane w infrastrukturze użytkownika lub dostawcy | 120 |
| 2.3. Secondary use | 122 |
| 3. Uprzedzenia (biases) w modelach AI | 124 |
| 3.1. Skąd się biorą uprzedzenia w danych? | 124 |
| 3.2. Metody ograniczania uprzedzeń | 126 |
| Rozdział VII. Predykcyjna analiza w ściganiu przestępstw | 129 |
| 1. Technologia – infrastruktura chmurowa (IaaS, PaaS, SaaS) | 131 |
| 1.1. Podstawowe rodzaje środowisk chmurowych | 131 |
| 1.2. Zalety i wady środowisk chmurowych | 133 |
| 1.3. Zrozumienie kosztów środowisk chmurowych | 135 |
| 2. Big data analytics | 138 |
| 2.1. Właściwości big data (objętość, prędkość, różnorodność) | 138 |
| 2.2. Algorytmy do wykrywania anomalii i wzorców | 139 |
| 2.3. Przetwarzanie rozproszone | 142 |
| 2.4. Big data analytics a AI | 144 |
| 3. Wyzwania – czas procesowania zapytań | 145 |
| 3.1. Psychologia opóźnień | 146 |
| Rozdział VIII. Pasywne rozpoznawanie naruszeń prawa własności | 149 |
| 1. Technologia – analiza obrazu | 150 |
| 1.1. Algorytmy rozpoznawania kształtów i obiektów | 150 |
| 1.2. Wyzwania dla analizy obrazów | 152 |
| 2. Pozyskiwanie i integracja danych | 153 |
| 2.1. Mechanizmy pozyskiwania i łączenia różnych źródeł | 154 |
| 2.2. Standardy wymiany danych | 157 |
| 2.3. Wyzwania interoperacyjności | 158 |
| 3. Wyzwania – fałszywe alarmy | 159 |
| 3.1. Skąd biorą się fałszywe alarmy? | 160 |
| 3.2. Jak radzić sobie z fałszywymi alarmami? | 161 |
| Rozdział IX. Zgłaszanie naruszeń (sygnaliści) | 163 |
| 1. Technologie – chatboty i systemy konwersacyjne | 164 |
| 1.1. Technologia wspierająca konwersację | 165 |
| 1.2. Współczesne chatboty | 167 |
| 2. Autoryzacja i autentykacja | 168 |
| 2.1. Różnica między autentykacją a autoryzacją | 169 |
| 2.2. Czynniki autentykacji, standardy bezpieczeństwa i SSO | 169 |
| 2.3. Wyzwania dla autoryzacji i autentykacji | 172 |
| 3. Wyzwania – zagadnienia cyberbezpieczeństwa | 173 |
| 3.1. Ogólne zagadnienia cyberbezpieczeństwa | 173 |
| 3.2. Zero trust security | 177 |
| 3.3. Cyberbezpieczeństwo w AI | 178 |
| Rozdział X. Wykrywanie zagrożeń (miasto/policja) | 183 |
| 1. Technologia – systemy predykcyjne w czasie rzeczywistym | 184 |
| 1.1. Algorytmy analizy strumieni danych | 185 |
| 1.2. Edge computing | 188 |
| 2. Wyzwania – koszty korzystania z rozwiązań AI | 190 |
| 2.1. Źródła kosztów rozwiązań AI | 190 |
| 2.2. Aspekty hardware’owe i energetyczne – koszty środowiskowe i zrównoważony rozwój | 192 |
| 3. Explainability i audytowalność AI | 194 |
| 3.1. Podstawowe techniki explainability (XAI) | 194 |
| 3.2. Audyt algorytmiczny | 195 |
Dostępność: na wyczerpaniu
Wysyłka w: 3 dni
AI Act. Europejska regulacja sztucznej inteligencji
Niniejsza publikacja stanowi próbę kompleksowej analizy AI Act w całej złożoności tego Rozporządzenia. W kolejnych rozdziałach szczegółowo analizowane są poszczególne elementy regulacji: od definicji i zakresu stosowania, przez kategorie ryzyka i związane z nimi obowiązki, mechanizmy oceny zgodności i nadzoru rynkowego, po kwestie odpowiedzialności i sankcji. Poddano również analizie, jak AI Act wpisuje się w szerszy krajobraz regulacyjny UE i jak jego przepisy będą współgrać z istniejącymi ramami prawnymi.
Celem książki jest nie tylko deskryptywna analiza przepisów, ale również krytyczna refleksja nad założeniami, wyborami i kompromisami, które ukształtowały ostateczny kształt regulacji – pomimo wczesnego etapu rozwoju tej dziedziny prawa. Postawione zostały pytania nie tylko o to, co AI Act reguluje, ale także o to, czego nie reguluje i dlaczego. Została przedstawiona analiza nie tylko litery prawa, ale także prawdopodobnych scenariuszy jej praktycznego stosowania.
W publikacji omówiono m.in.:
- zakres zastosowania regulacji,
- wymagania ogólne dla wszystkich systemów AI,
- zakazane praktyki AI,
- systemy AI wysokiego ryzyka,
- odpowiedzialność w łańcuchu dostawców,
- AI a ochrona danych osobowych.
Spis treści
Dostępność: na wyczerpaniu
Wysyłka w: 3 dni

Zapisz się do Newslettera