ToepassingenGIDS

Voorspelling van uitkomsten van AI-rechtszaken

AI-procesuitkomstvoorspellingen maken gebruik van historische rechtbankverslagen om in te schatten hoe een rechter, rechtbank of tegenpartij zich heeft gedragen en hoe een zaak zou kunnen aflopen.

Luister naar deze gidsAI-verteld · ~3 min

Op deze pagina3 minuten lezen
  1. Overzicht
  2. Diepe duik
  3. Implementatie in de echte wereld
  4. De toekomst van AI-procesresultaten voorspellen
  5. Het in de praktijk brengen
  6. Blijf verkennen
  7. Veelgestelde vragen

Overzicht

Typische maatregelen zijn onder meer hoe vaak moties worden ingewilligd, hoe lang zaken duren en typische schadevergoedingen. Deze schattingen zijn richtinggevend voor de strategie, de begrotingen, de financiering van schikkingen en rechtszaken, maar het zijn meestal historische basiscijfers en geen voorspellingen van één enkel geval.

Diepe duik

Analyse van rechtszaken begint met dossiers. Federale zaken zijn beschikbaar via PACER, en leveranciers verzamelen, opschonen en classificeren deze gegevens op grote schaal. De dekking van staatsrechtbanken is fragmentarischer omdat rechtssystemen en toegangsregels verschillen. Producten als Lex Machina, dat LexisNexis in 2015 heeft overgenomen, en de analyses in Westlaw en Bloomberg Law, zetten rolgegevens om in maatregelen. Voorbeelden hiervan zijn onder meer hoe vaak een rechter een kort geding uitspreekt, de gemiddelde duur van de rechtszaak, schadevergoeding die in een bepaald soort zaak wordt toegekend en hoe het een advocatenkantoor voor een rechtbank heeft vergaan. Het meeste van wat deze tools rapporteren is beschrijvend: historische basisrentes. Resultaatvoorspelling gaat verder en gebruikt deze functies om de waarschijnlijkheid van een bepaald resultaat te schatten. Academisch werk vertoont zowel beloftes als valkuilen. Een model uit 2017 van Katz, Bommarito en Blackman voorspelde de beslissingen van het Amerikaanse Hooggerechtshof gedurende vele decennia in ongeveer 70 procent van de gevallen correct. Een veel geciteerd onderzoek uit 2016 naar zaken van het Europees Hof voor de Rechten van de Mens rapporteerde een hoge nauwkeurigheid. Critici merkten echter op dat het gebruik maakte van de eigen schriftelijke samenvatting van de feiten van de rechtbank, die wordt opgesteld nadat de uitkomst bekend is. Voor elke voorspelling gelden verschillende limieten: de selectie-effecten zijn groot. De meeste zaken worden afgehandeld, dus besliste zaken zijn geen willekeurige steekproef. Dit punt houdt verband met de Priest-Klein-hypothese; Monsters krimpen snel. Het kan zijn dat een rechter slechts over een handvol verzoeken zoals het uwe heeft beslist; Resultaatcodering is rommelig. Iemand moet deelsubsidies en gemengde regelingen classificeren; en Recht en personeel veranderen in de loop van de tijd. Er zijn ook beleidsgrenzen. In 2019 verbood Frankrijk het gebruik van de identiteitsgegevens van rechters om hun professionele praktijken te evalueren of te voorspellen. De misvatting die u moet vermijden, is dat u een basisrente als uw kansen beschouwt. Een subsidiepercentage van 40 procent beschrijft eerdere moties, niet de kracht van die van u.

Implementatie in de echte wereld

Voordat een advocaat een motie tot afwijzing in een octrooizaak indient, controleert hij hoe vaak de toegewezen rechter de afgelopen jaren dergelijke verzoeken heeft ingewilligd en hoe lang uitspraken doorgaans duurden.

Een procesfinancier screent een binnenkomend commercieel geschil door het te vergelijken met historische uitkomsten voor soortgelijke claims op dezelfde locatie en de staat van dienst van de gedaagde.

Het claimteam van een verzekeraar traint een model op basis van zijn eigen gesloten dossiers om de afwikkelingsmarges voor nieuwe pandaansprakelijkheidsclaims te schatten.

Een verdedigingsteam vergelijkt de schadevergoeding die is toegekend in bedrijfsgeheime vonnissen in twee federale districten, terwijl ze beslissen of er een overdracht moet worden aangevraagd.

De toekomst van AI-procesresultaten voorspellen

De berichtgeving zou moeten groeien naarmate meer staatsrechtbanken hun archieven digitaliseren en taalmodellen gestructureerde gebeurtenissen uit de roltekst halen. Verwacht meer tools die statistieken koppelen aan de onderliggende orders, zodat advocaten de beslissingen achter een tarief kunnen lezen. Regelgeving is ook van belang. De EU AI Act beschouwt bepaalde AI-systemen die door rechterlijke autoriteiten worden gebruikt als risicovol, en professionele regels over openhartigheid en competentie zijn van toepassing op de manier waarop advocaten voorspellingen gebruiken. Voorspellingen zullen waarschijnlijk het nuttigst blijven voor budgettering, afwikkelingsbereiken en beslissingen in veel gevallen, waar fouten gemiddeld worden. Ze zullen het minst betrouwbaar blijven voor een enkel nieuw geschil.

Het in de praktijk brengen

Waarom het ertoe doet

  • Bouwkeuzes. Ontwerp op applicatieniveau bepaalt of AI de werkelijke resultaten verbetert.
  • Team en workflow. Een goede workflowintegratie zorgt voor productiviteitswinst waar gebruikers op kunnen vertrouwen.
  • Risico en veiligheid. Goed gedefinieerde gebruiksscenario's verminderen de veranderingsmoeheid en het implementatierisico.

Pas op voor

  • Het automatiseren van een kapot proces kan bestaande problemen versterken.
  • Teams kunnen overautomatiseren en het benodigde menselijke oordeel wegnemen.
  • De kwaliteit kan afwijken als de resultaten niet voortdurend worden geëvalueerd.

Volgende stappen

  1. Breng de huidige workflow in kaart en identificeer de stap met de hoogste wrijving.
  2. Definieer menselijke controlepunten vóór volledige automatisering.
  3. Train gebruikers op het gebied van prompts, escalatiepaden en kwaliteitsnormen.
  4. Volg de resultaten op taakniveau om duurzame waarde te bevestigen.

Blijf verkennen

Gratis nieuwsbrief

Ontvang de dagelijkse AI-briefing

Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.

Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.

Test jezelf

Take the AI Litigation Outcome Prediction quiz

Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.

Quiz starten

Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie

Veelgestelde vragen

Wat is AI-procesresultaatvoorspelling?

AI-procesuitkomstvoorspellingen maken gebruik van historische rechtbankverslagen om in te schatten hoe een rechter, rechtbank of tegenpartij zich heeft gedragen en hoe een zaak zou kunnen aflopen. Typische maatregelen zijn onder meer hoe vaak moties worden ingewilligd, hoe lang zaken duren en typische schadevergoedingen. Deze schattingen zijn richtinggevend voor de strategie, de begrotingen, de financiering van schikkingen en rechtszaken, maar het zijn meestal historische basiscijfers en geen voorspellingen van één enkel geval.

Wat rapporteren de meeste tools voor procesanalyse volgens de gids voornamelijk?

De meeste output beschrijft het verleden, zoals subsidiepercentages, tijd tot proces en schadebereiken. Resultaatvoorspelling is een verdere stap die bovenop deze cijfers wordt gebouwd.

Waarom trokken critici de hoge nauwkeurigheid in twijfel die werd gerapporteerd door het onderzoek uit 2016 naar zaken van het Europees Hof voor de Rechten van de Mens?

Als de invoertekst door de rechtbank is geschreven terwijl de uitslag al bekend is, kan deze de uitkomst onthullen. Dat maakt de voorspelling eenvoudiger dan bij indiening.

Hoe beperkt het selectie-effect dat verband houdt met de Priest-Klein-hypothese de uitkomstvoorspelling?

Zaken waarin een beslissing wordt genomen, zijn de zaken die niet zijn opgelost, dus de uitkomsten ervan vertegenwoordigen mogelijk niet alle geschillen van dat type.

Wat verbood Frankrijk in 2019?

De Franse regel is gericht op analyses die individuele rechters profileren, en niet op toegang tot beslissingen in het algemeen.

Als een model slechts een paar uitspraken uit het verleden heeft voor een specifiek rechter- en motietype, wat suggereert de gids dan in plaats van het ruwe percentage te rapporteren?

Door de schatting naar een breder gemiddelde te trekken, worden luidruchtige extremen vermeden, zoals een subsidiepercentage van 100 procent op basis van twee uitspraken.