คู่มืออุตสาหกรรม

AI ในการค้นพบทางกฎหมาย

AI กรองอีเมล เอกสาร และการแชทจำนวนมากเพื่อค้นหาข้อมูลที่เกี่ยวข้องกับคดีความ — กระบวนการที่เรียกว่า e-discovery

ภาพรวม

AI กรองอีเมล เอกสาร และการแชทจำนวนมากเพื่อค้นหาข้อมูลที่เกี่ยวข้องกับคดีความ — กระบวนการที่เรียกว่า e-discovery สิ่งสำคัญคือเนื่องจากคดีสมัยใหม่อาจเกี่ยวข้องกับไฟล์หลายล้านไฟล์ และการตรวจสอบโดยนักกฎหมายจะดำเนินการได้ช้า มีค่าใช้จ่ายสูง และเกิดข้อผิดพลาดได้ง่าย

AI ในการค้นพบทางกฎหมายใช้ AI ในสภาพแวดล้อมเฉพาะโดเมน ซึ่งกฎระเบียบ การดำเนินงาน และการยอมรับความเสี่ยงเป็นตัวกำหนดตัวเลือกการออกแบบอย่างมาก

เจาะลึก

ในการดำเนินคดี ทั้งสองฝ่ายจะต้องแลกเปลี่ยนเอกสารที่เกี่ยวข้องระหว่าง "การค้นพบ" ปัจจุบันนี้มักหมายถึงการค้นหาอีเมล ข้อความ Slack สัญญา และสเปรดชีตขนาดเทราไบต์ 'การตรวจสอบโดยใช้เทคโนโลยีช่วย' (TAR) ที่ขับเคลื่อนโดย AI ทำให้การดำเนินการนี้เป็นเรื่องง่าย ทนายความเขียนโค้ดตัวอย่างเอกสารว่าเกี่ยวข้องหรือไม่ และโมเดลแมชชีนเลิร์นนิงจะเรียนรู้รูปแบบ จากนั้นจัดอันดับเอกสารนับล้านที่เหลือตามความเกี่ยวข้องที่เป็นไปได้ ซึ่งเป็นเวิร์กโฟลว์ที่เรียกว่าการเข้ารหัสเชิงคาดการณ์ ศาลยอมรับ TAR นับตั้งแต่คำตัดสินของ Da Silva Moore ที่สำคัญในปี 2012 นอกเหนือจากการจัดอันดับแล้ว AI ยังจัดกลุ่มเอกสารที่คล้ายกัน ตรวจจับรายการที่ซ้ำกันและเธรดอีเมล และใช้ NLP เพื่อค้นหาแนวคิด (ไม่ใช่แค่คำหลัก) และตั้งค่าสถานะการสื่อสารระหว่างทนายความและลูกค้าที่ได้รับสิทธิพิเศษ ตอนนี้ Generative AI ก้าวไปอีกขั้นด้วยการสรุปเอกสารและตอบคำถามเกี่ยวกับไฟล์เคสในภาษาธรรมดา ผลลัพธ์: การตรวจสอบเร็วขึ้น ต้นทุนลดลง และมักจะมีความแม่นยำสูงกว่าผู้ตรวจสอบที่เป็นมนุษย์ที่หมดแรง

ข้อมูลเชิงลึกทางเทคนิค

Classic TAR ใช้ตัวแยกประเภทข้อความที่ได้รับการดูแล (การถดถอยโลจิสติก, SVM) กับคุณสมบัติของเอกสาร 'TAR 2.0' ใช้การเรียนรู้เชิงรุกอย่างต่อเนื่อง โดยที่แบบจำลองจะจัดอันดับใหม่และให้บริการเอกสารที่ให้ข้อมูลมากที่สุดเพื่อตรวจสอบจนกว่าเนื้อหาที่เกี่ยวข้องจะหมด การค้นหาแนวคิดอาศัยการฝังเวกเตอร์ เพื่อให้เอกสารที่คล้ายกันทางความหมายปรากฏแม้ว่าจะไม่มีคำสำคัญที่ใช้ร่วมกันก็ตาม Generative AI เพิ่มการสรุปแบบดึงข้อมูลเพิ่มเติม โดยดึงข้อความที่อ้างถึงเพื่อให้ทนายความสามารถตรวจสอบการเรียกร้องแทนที่จะเชื่อถือกล่องดำ

การเรียนรู้ AI ในการค้นพบทางกฎหมาย

AI กรองอีเมล เอกสาร และการแชทจำนวนมากเพื่อค้นหาข้อมูลที่เกี่ยวข้องกับคดีความ — กระบวนการที่เรียกว่า e-discovery สิ่งสำคัญคือเนื่องจากคดีสมัยใหม่อาจเกี่ยวข้องกับไฟล์หลายล้านไฟล์ และการตรวจสอบโดยนักกฎหมายจะดำเนินการได้ช้า มีค่าใช้จ่ายสูง และเกิดข้อผิดพลาดได้ง่าย AI ในการค้นพบทางกฎหมายใช้ AI ในสภาพแวดล้อมเฉพาะโดเมน ซึ่งกฎระเบียบ การดำเนินงาน และการยอมรับความเสี่ยงเป็นตัวกำหนดตัวเลือกการออกแบบอย่างมาก เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ปฏิบัติต่อ AI ใน Legal Discovery เป็นรูปแบบการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ

ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ AI ใน Legal Discovery จะปรับความสามารถทางเทคนิคให้สอดคล้องกับนโยบายโดเมน การตรวจสอบ และการตัดสินใจระดับแนวหน้า โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่ ในเวลาเดียวกัน ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง

ผลกระทบเชิงกลยุทธ์

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล

ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

อนาคตของ AI ในการค้นพบทางกฎหมาย

Generative AI กำลังปรับโฉมการค้นพบจาก 'ค้นหาเอกสารที่เกี่ยวข้อง' ไปสู่ ​​'ตอบคำถามเกี่ยวกับหลักฐาน' คาดหวังเครื่องมือที่จะร่างลำดับเหตุการณ์ ระบุพยานคนสำคัญ และแสดงข้อขัดแย้งในไฟล์นับล้าน แต่ภาพหลอนถือเป็นความเสี่ยงร้ายแรง: ทนายความถูกลงโทษฐานอ้างอิงคดีปลอมที่สร้างโดย AI ดังนั้นข้อมูลที่ตรวจสอบได้ มีการอ้างอิงสนับสนุน และการลงนามโดยมนุษย์จึงเป็นสิ่งจำเป็น ศาลจะออกคำแนะนำเพิ่มเติมเกี่ยวกับการเปิดเผยการใช้ AI และการคุ้มครองสิทธิพิเศษจะมีความซับซ้อนมากขึ้น เนื่องจากการแชทและการส่งข้อความชั่วคราวทำให้สิ่งที่ต้องเก็บรักษาไว้มีความซับซ้อนมากขึ้น

การใช้งานจริงในโลกแห่งความเป็นจริง

ในกรณีต่อต้านการผูกขาดหรือการฉ้อโกงขนาดใหญ่ การเข้ารหัสแบบคาดเดาจะจัดอันดับอีเมลหลายล้านฉบับ ดังนั้นทนายความจะตรวจสอบอีเมลที่น่าจะเกี่ยวข้องมากที่สุดก่อน เพื่อลดเวลาในการตรวจสอบลงอย่างมาก

การค้นหาแนวคิด NLP ค้นหาเอกสารเกี่ยวกับหัวข้อ (เช่น 'การกำหนดราคา') แม้ว่าจะไม่เคยใช้คำเหล่านั้นก็ตาม

เธรดอีเมลและการตรวจจับที่เกือบจะซ้ำกันจะยุบสำเนาที่ซ้ำซ้อนนับพันรายการให้เหลือเพียงรายการที่ไม่ซ้ำกันจำนวนหนึ่งที่ต้องตรวจสอบ

การตรวจจับสิทธิ์ของ AI จะส่งสัญญาณการสื่อสารระหว่างทนายความและลูกค้า ดังนั้นจึงไม่ถูกส่งต่อไปยังฝ่ายตรงข้ามโดยไม่ได้ตั้งใจ

รูปแบบการดำเนินงาน

AI ในการค้นพบทางกฎหมายในทางปฏิบัติ

ในกรณีต่อต้านการผูกขาดหรือการฉ้อโกงขนาดใหญ่ การเข้ารหัสแบบคาดเดาจะจัดอันดับอีเมลหลายล้านฉบับ ดังนั้นทนายความจะตรวจสอบอีเมลที่น่าจะเกี่ยวข้องมากที่สุดก่อน เพื่อลดเวลาในการตรวจสอบลงอย่างมาก

ในกรณีต่อต้านการผูกขาดหรือการฉ้อโกงขนาดใหญ่ การเข้ารหัสแบบคาดการณ์จะจัดอันดับอีเมลหลายล้านฉบับ ดังนั้นทนายความจะตรวจสอบอีเมลที่น่าจะเกี่ยวข้องมากที่สุดก่อน เพื่อลดชั่วโมงการตรวจสอบลงอย่างมาก ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการค้นพบทางกฎหมายในทางปฏิบัติ

การค้นหาแนวคิด NLP ค้นหาเอกสารเกี่ยวกับหัวข้อ (เช่น 'การกำหนดราคา') แม้ว่าจะไม่เคยใช้คำเหล่านั้นก็ตาม

การค้นหาแนวคิด NLP จะค้นหาเอกสารเกี่ยวกับหัวข้อ (เช่น 'การกำหนดราคา') แม้ว่าพวกเขาจะไม่เคยใช้คำที่ตรงกันเลยก็ตาม ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการค้นพบทางกฎหมายในทางปฏิบัติ

เธรดอีเมลและการตรวจจับที่เกือบจะซ้ำกันจะยุบสำเนาที่ซ้ำซ้อนนับพันรายการให้เหลือเพียงรายการที่ไม่ซ้ำกันจำนวนหนึ่งที่ต้องตรวจสอบ

เธรดอีเมลและการตรวจจับที่ซ้ำซ้อนจะยุบสำเนาที่ซ้ำซ้อนหลายพันชุดลงในรายการที่ไม่ซ้ำกันจำนวนหนึ่งเพื่อตรวจสอบ โดยปกติแล้วทีมจะได้รับผลลัพธ์ที่ดีขึ้น เมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการค้นพบทางกฎหมายในทางปฏิบัติ

การตรวจจับสิทธิ์ของ AI จะส่งสัญญาณการสื่อสารระหว่างทนายความและลูกค้า ดังนั้นจึงไม่ถูกส่งต่อไปยังฝ่ายตรงข้ามโดยไม่ได้ตั้งใจ

การตรวจจับสิทธิพิเศษของ AI มีแนวโน้มว่าการสื่อสารระหว่างทนายความ-ลูกค้า ดังนั้นจึงไม่ถูกส่งต่อไปยังฝ่ายตรงข้ามโดยไม่ได้ตั้งใจ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

ความเสี่ยงและรั้ว

!

ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้

!

ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง

!

ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

แผนงานการดำเนินงาน

1

ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน

ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

2

ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว

ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

3

ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ

ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

4

เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

สำรวจต่อไป