概述
然後律師驗證結果。問題發現的提示模式、簡單語言的客戶信件和文件摘要可以節省起草時間。只有當它們與保密保護措施和模型絕不是法律權威來源的嚴格規則相結合時,這一點才成立。
深入探討
大多數有效的法律提示都包含相同的要素。角色告訴模型要採取的觀點,例如協助租戶方律師。上下文提供了事實和管轄權。該任務指定了一項特定的工作。約束說明了要避免什麼。格式指定輸出的結構,例如表格、標題部分或簡短的字母。模糊的提示會產生通用的答案。具體提示會產生律師可以檢查的草稿。當模型被要求組織分析而不是得出結論時,問題發現效果最好。詢問每一種可能的主張的要素、支持或削弱每一種主張的事實以及仍然需要的事實,將輸出變成一份清單。告訴模型不要引用案例很重要。正如在 Mata v. Avianca (2023) 案中受到製裁的律師所了解到的那樣,一般聊天機器人可以創造權威。法律權威應來自研究資料庫並由律師閱讀。簡單語言的客戶信函受益於目標閱讀程度和不得更改的項目清單:截止日期、金額和義務。要求模型列出它簡化的內容會暴露簡單措辭可能改變法律含義的地方。當模型必須用章節或頁面引用引用關鍵語言並寫「未找到」而不是猜測時,文件摘要會更可靠。然後律師可以在幾秒鐘內根據來源檢查每個點。保密是第一位的。 ABA 正式意見 512 表示,律師在將機密資訊輸入可能暴露該資訊的工具之前通常需要獲得知情同意。實際的保護措施包括刪除名稱和識別詳細資訊、使用條款不包括輸入培訓的企業帳戶以及檢查資料設定。一個常見的誤解是,一個巧妙的提示就能產生可靠的法律工作。品質來自於背景、狹窄的任務和驗證。
現實世界的實施
问题发现:“您正在协助加州就业律师。从这些匿名事实中,列出可能的索赔和辩护、每个要素的要素、哪些事实支持或削弱每个要素,以及我仍然需要哪些事实。不要引用案例。”
通俗易懂的信件:“为没有法律背景的客户重写和解条款的解释,大约八年级的阅读水平。保持每个截止日期、金额和义务不变,并列出您简化的任何可能改变含义的内容。”
文件摘要:“从租户方面总结此租约:当事人、期限、租金上涨、转让、终止和赔偿。对于每一项,请给出章节编号并引用关键句子。如果缺少条款,请写下“未找到”。”
自我檢查:起草論證後,“列出該論證中的三個最弱點以及對方律師最有可能提出的反駁。”
ChatGPT的未來對律師的提示
提示正在從鍵入指令轉變為內建工作流程。法律研究平台、文档管理系统和文字处理器越来越多地将经过测试的提示打包在按钮后面,并且公司维护共享的提示库。模型在遵循結構和處理長文件方面變得越來越好,這可能會減少對詳細提示措辭的需求。基本原則不太可能很快改變:刪除識別細節,提供精確的背景,要求可追蹤的報價並驗證結果。律師指南繼續將輸出的責任歸咎於律師,無論使用什麼工具或提示產生輸出。
付諸實踐
為什麼這很重要
- 配裝選擇. 應用級設計決定了人工智慧是否能改善實際結果。
- 團隊與工作流程. 良好的工作流程整合可以創造使用者值得信賴的生產力效益。
- 風險與安全. 範圍明確的用例可以減少變更疲勞和實施風險。
留意
- 將損壞的流程自動化可能會加劇現有問題。
- 團隊可能會過度自動化並消除所需的人工判斷。
- 如果不持續評估輸出,品質可能會出現偏差。
後續步驟
- 繪製目前工作流程並確定摩擦最大的步驟。
- 在完全自動化之前定義人工檢查點。
- 對使用者進行提示、升級路徑和品質標準的訓練。
- 追蹤任務級結果以確認持續價值。
不斷探索
常見問題
ChatGPT 給律師的提示是什麼?
有效的 ChatGPT 提示律師為模型賦予角色、刪除了識別細節的相關事實、管轄權、精確的任務和輸出格式。然後律師驗證結果。問題發現的提示模式、簡單語言的客戶信件和文件摘要可以節省起草時間。只有當它們與保密保護措施和模型絕不是法律權威來源的嚴格規則相結合時,這一點才成立。
為什麼問題發現提示模式告訴模型「不要引用案例」?
通用聊天機器人可以偽造引文,例如馬塔訴阿維安卡案。此提示使模型能夠組織分析,並將權限留給經過驗證的研究工具。
在簡單語言的客戶信函模式中,模型必須保持什麼不變?
簡化措詞不得改變實質內容。截止日期、金額和義務是客戶採取行動的細節。
為什麼摘要模式要求模型引用有章節編號的關鍵句子?
與部分編號相關的引號使每個聲明都可追踪,因此驗證只需幾秒鐘,而不是重新閱讀整個文件。
當某個術語遺失時,告訴模型寫「未找到」的目的是什麼?
如果沒有允許說某些東西不存在,模型可能會用看似合理的發明來填補這個空缺。 「未找到」給了它一個真實的選擇。
使用 ChatGPT 時哪種做法最能保護客戶機密?
刪除名稱和識別詳細資訊會限制暴露,而業務術語則排除了資料流向的培訓控制。提示中的標籤不會改變資料的處理方式。