Pe măsură ce instrumentele AI sunt tot mai des folosite pentru căutare și sinteză, o întrebare devine esențială pentru piața din România: cum construiești un sistem RAG care să răspundă corect despre legislație? Răspunsul scurt este că nu ajunge să încarci într-o bază de date câteva PDF-uri și să aștepți rezultate bune. În cazul actelor normative românești, valoarea reală stă în structură, în versiuni și în legăturile dintre texte.
RAG, pe scurt, înseamnă că modelul AI caută informație într-o sursă externă înainte să formuleze răspunsul. AWS explică ideea simplu: modelul consultă o bază de cunoștințe din afara datelor sale de antrenare înainte de a genera răspunsul. Pentru legislație, asta este esențial. Un model care răspunde doar din memorie poate omite modificări recente, republicări sau norme care au fost deja abrogate.
În România, Portalul Legislativ arată foarte clar de ce contează acest lucru. Pentru acte importante, platforma afișează atât „Forma de bază”, cât și „Forma consolidată”, plus „istoric consolidări”, adică diferitele momente în care textul a fost actualizat. În practică, asta înseamnă că aceeași lege nu este un singur document static, ci un obiect juridic cu mai multe stări în timp. Dacă un sistem AI nu știe la ce versiune se uită, poate răspunde corect textual, dar greșit juridic.
Al doilea punct critic este granularitatea. Actele normative nu trebuie împărțite arbitrar în fragmente de câteva sute de caractere, ci după unitățile lor naturale: titlu, capitol, secțiune, articol, alineat și punct. Portalul Legislativ afișează explicit această ierarhie în cuprinsul actului. Pentru un RAG bine făcut, fiecare fragment ar trebui indexat cu metadate precise: tipul actului, numărul, anul, emitentul, data publicării în Monitorul Oficial, forma aplicabilă și poziția exactă în structură. Fără asta, recuperarea informației devine aproximativă.
Mai există o problemă pe care multe proiecte o subestimează: trimiterile dintre articole și dintre acte. În textele legislative românești apar frecvent formule de tipul „alineatul a fost modificat de…”, „a se vedea art…”, „prin derogare de la…”, „în aplicarea art…”. În Portalul Legislativ, aceste note apar lipite de articolul relevant și indică exact actul modificator și publicarea lui. Asta arată că un sistem RAG util nu trebuie să rețină doar textul final, ci și relația dintre norma de bază și actele care o modifică, completează sau derogă de la ea.
Aici merită privit și către infrastructura europeană. EUR-Lex folosește identificatori CELEX, descriși oficial ca identificatori unici ai documentelor, independenți de limbă. Tot în ecosistemul european, ELI, European Legislation Identifier, merge mai departe și pune accent pe identificare coerentă, URI-uri stabile și interconectarea informației juridice. În pagina sa oficială, ELI explică faptul că fiecare text juridic poate primi un URI care permite identificarea și accesarea consecventă a legislației, iar EUR-Lex evidențiază inclusiv relațiile dintre documente și deep linking către alte acte la care se face trimitere. Pentru proiectele din România, acesta este un semnal important: fără identificatori stabili și legături explicite, AI-ul va improviza mai mult decât ar trebui.
Concret, un RAG bun pentru legislația românească ar avea nevoie de câteva reguli simple. Să separe forma de bază de forma consolidată. Să păstreze istoricul versiunilor și data de aplicare. Să indexeze textul pe articole și alineate, nu doar pe pagini sau PDF-uri întregi. Să construiască un graf al referințelor dintre acte și dintre articole. Și, foarte important, să afișeze în răspuns sursa exactă, versiunea consultată și data la care informația era valabilă.
Miza nu este doar tehnică. În domeniul juridic, o diferență de alineat sau de dată poate schimba complet sensul unui răspuns. De aceea, următorul pas pentru AI în România nu pare să fie un chatbot „mai vorbăreț”, ci o infrastructură de date legislative mai bine structurată. Cine construiește soluții RAG pentru legi, contracte sau conformitate va avea nevoie de disciplină editorială, modelare serioasă a metadatelor și verificare continuă în surse oficiale. Altfel, riscul nu este doar un răspuns incomplet, ci unul convingător și greșit.
