એક ભાગીદારે તાજેતરમાં અમને જણાવ્યું હતું કે તેણીએ જુનિયર એસોસિએટ્સને પ્રમાણભૂત વ્યાપારી પત્રોના પ્રથમ ડ્રાફ્ટ્સ બનાવવાનું કહેવાનું બંધ કરી દીધું છે. મોડેલે તે ઝડપથી કર્યું, અને — સારા દિવસે — વધુ સારું. પછી તેણીએ વિરામ લીધો. "સમસ્યા," તેણીએ કહ્યું, "મને હવે ખબર નથી કે કયો દિવસ સારો દિવસ છે."
તે વાક્ય એઆઈ કાનૂની ડ્રાફ્ટિંગમાં વર્તમાન ક્ષણને મોટાભાગના વિક્રેતા ડેક કરતાં વધુ પ્રમાણિકતાથી મેળવે છે. ટેક્નોલોજી ખરેખર ઉપયોગી છે. તે અસમાન રીતે ભરોસાપાત્ર પણ છે, અને અસમાનતા એ એક એવો ભાગ છે જે ઘરની ટીમો અને કંપનીઓ તેને કેવી રીતે અપનાવે છે તે આકાર લેવો જોઈએ.
જ્યાં AI ડ્રાફ્ટિંગ ખરેખર મજબૂત છે
મોટા ભાષાના મોડલ હવે કાનૂની કાર્યના સાંકડા પરંતુ વ્યવસાયિક રીતે નોંધપાત્ર બેન્ડમાં સક્ષમ છે. તેઓ એવા કાર્યોમાં સારા છે જે માળખાકીય રીતે પુનરાવર્તિત હોય, ભાષાકીય રીતે ગાઢ હોય અને માનવ બીજા પાસને માફ કરી દે.
વ્યવહારમાં, તેનો અર્થ છે:
- પ્રમાણભૂત પત્રવ્યવહારનો પ્રથમ ડ્રાફ્ટ — ક્રિયા પહેલાંના પત્રો, ચેઝર લેટર્સ, મૂળભૂત માંગ પત્રો, સૂચના નોંધો. રચના સારી રીતે રિહર્સલ કરવામાં આવે છે; મોડેલ ભાગ્યે જ ફોર્મેટની શોધ કરે છે.
- કલાજ નિષ્કર્ષણ અને સરખામણી — સપ્લાયર કોન્ટ્રાક્ટના પોર્ટફોલિયોમાં ક્ષતિપૂર્તિ, મર્યાદા અથવા સમાપ્તિની જોગવાઈઓ ખેંચવી અને તેમને સાથે-સાથે રજૂ કરવી.
- ગાઢ મુસદ્દાનો સાદો-અંગ્રેજી અનુવાદ — એક હેડ-ઓફ-ટર્મ્સ અથવા સેટલમેન્ટ ડીડને ક્લાયન્ટ દ્વારા વાંચી શકાય તેવા સારાંશમાં ફેરવવું.
- શેડ્યુલ અને ટેબલ એસેમ્બલી — નુકસાનના હાડપિંજરનું શેડ્યૂલ, એક ડિસ્ક્લોઝર ઇન્ડેક્સ અથવા કાચા દસ્તાવેજોમાંથી ઘટનાક્રમ બનાવવું.
- બહુભાષી હેન્ડલિંગ — યુકેના કાયદા હેઠળ અંગ્રેજીમાં ડ્રાફ્ટિંગ જ્યારે બિન-અંગ્રેજી બોલતા ક્લાયન્ટને તેમની પોતાની ભાષામાં દસ્તાવેજ સમજાવે છે. આ તે છે જ્યાં ઉત્પાદકતા ગેઇન સૌથી મોટો અને સૌથી વધુ બચાવપાત્ર છે.
આમાંથી કોઈ લાયક સોલિસિટરનું સ્થાન લેતું નથી. તે બધા ખાલી પૃષ્ઠ અને સમીક્ષા કરી શકાય તેવા ડ્રાફ્ટ વચ્ચેનું અંતર ઘટાડે છે, જ્યાં સૌથી વધુ બિલ કરી શકાય તેવું ઘર્ષણ બેસે છે.
જ્યાં AI ડ્રાફ્ટિંગ શાંતિથી નિષ્ફળ જાય છે
નિષ્ફળતા મોડ્સ એ મહત્વનો ભાગ છે, કારણ કે તે ડેમોમાં દેખાતા નથી.
પ્રથમ, ઉદ્ધરણ બનાવટ. મોડલ્સ હજુ પણ કેસ નામો, ફકરા નંબરો અને વૈધાનિક સંદર્ભોની શોધ કરે છે જે બુદ્ધિગમ્ય લાગે છે. જોખમ સૌથી વધુ હોય છે જ્યારે મોડેલને તટસ્થ રીતે કંઈક સારાંશ આપવાને બદલે, તે તરફ ધકેલવામાં આવેલી સ્થિતિને સમર્થન આપવા માટે કહેવામાં આવે છે. યુકેના પ્રેક્ટિશનરો પહેલેથી જ અસ્તિત્વમાં ન હોય તેવા સત્તાવાળાઓ ધરાવતી ફાઇલિંગ માટે ન્યાયિક ટીકાનો સામનો કરી ચૂક્યા છે; નિયમનકારી મૂડ અક્ષમ્ય છે.
બીજું, અધિકારક્ષેત્રીય ડ્રિફ્ટ. મુખ્યત્વે યુએસ સામગ્રી પર પ્રશિક્ષિત મોડેલ, બિન-પ્રોમ્પ્ટેડ, યુએસ કોન્ટ્રાક્ટ સંમેલનો સુધી પહોંચશે - "પ્રતિનિધિત્વ અને વોરંટ" સ્ટેક્સ, નુકસાનની ભરપાઈની ભાષા, કાયદાની પસંદગીની શબ્દસમૂહ જે અંગ્રેજી કાયદાના કરારમાં સારી રીતે બેસતી નથી. મુસદ્દો અસ્ખલિતપણે વાંચે છે. તે સૂક્ષ્મ રીતે ખોટું પણ છે.
ત્રીજું, મૌન અવગણના. તમે જે માગો છો તેનું ઉત્પાદન કરવામાં મૉડલ્સ સારા છે અને તમે જે માગવાનું ભૂલી ગયા છો તે ફ્લેગ કરવામાં નબળા છે. એક કલમમાં આખું અંગ ખૂટે છે — કહો કે, મર્યાદા કલમમાં છેતરપિંડી માટે કોતરવામાં આવે છે — અને આઉટપુટ સંપૂર્ણ દેખાશે. એક જુનિયર વકીલ, આ જ પ્રશ્ન પૂછે છે, તે વધુ વખત કહેશે કે "શું આપણે પણ વિચારવું જોઈએ...".
ચોથું, ગોપનીયતા મુદ્રા. ઘણા ટૂલ્સ તૃતીય-પક્ષ ઇન્ફ્રાસ્ટ્રક્ચર દ્વારા રીટેન્શન વિન્ડો સાથે પ્રોમ્પ્ટ કરે છે જે હંમેશા પારદર્શક હોતી નથી. વિશેષાધિકૃત સામગ્રી માટે, પ્રશ્ન એ નથી કે વિક્રેતા પ્રતિષ્ઠિત છે કે કેમ પરંતુ ડેટા પાથ એક નિયમનકાર, ક્લાયન્ટ અથવા વીમાદાતા નિરીક્ષણ પર સ્વીકારશે કે કેમ તે છે.
પાંચમું, કેલિબ્રેશન સમસ્યા. જ્યારે તે અનિશ્ચિત હોય ત્યારે મોડેલને ખબર નથી. ત્યાં કોઈ પ્રમાણિક "હું અહીં અનુમાન લગાવી રહ્યો છું" સંકેત નથી. દરેક આઉટપુટ આત્મવિશ્વાસના સમાન સ્તર સાથે આવે છે, જે કાનૂની કાર્ય માટે બરાબર ખોટું UX છે.
દત્તક લેવા પર યુકે-લો લેન્સ
SRA ને AI પર પ્રતિબંધિત કરવાને બદલે માપવામાં આવ્યું છે. તેની પ્રકાશિત વિચારસરણી - અને નિયમન પ્રેક્ટિસમાં AI ઉપયોગ પર SRA માર્ગદર્શનની વ્યાપક દિશા - ભારપૂર્વક જણાવે છે કે વર્તમાન ફરજો પહેલાથી જ મોટાભાગના પ્રદેશોને આવરી લે છે: યોગ્યતા, ગોપનીયતા, દેખરેખ અને કોર્ટને ગેરમાર્ગે દોરતા નથી. રેગ્યુલેટર કંપનીઓને નવી નૈતિકતા શોધવાનું કહેતું નથી. તે તેમને જૂનાને નવા ટૂલ પર લાગુ કરવા કહે છે.
તે ફ્રેમિંગ ઉપયોગી છે, કારણ કે તે દ્વિસંગી દ્વારા "આપણે AI નો ઉપયોગ કરવો જોઈએ કે નહીં" ચર્ચાને કાપી નાખે છે. પ્રામાણિક જવાબ એ છે કે મોટાભાગની કંપનીઓ પહેલેથી જ, ઘણીવાર અનૌપચારિક રીતે છે, અને શાસન પ્રશ્ન એ છે કે તે ઉપયોગ માળખાગત છે કે પડછાયો છે.
રક્ષણાત્મક સ્થિતિમાં ઓછામાં ઓછું શામેલ છે:1. એક લેખિત AI ઉપયોગ નીતિ, મંજૂર સાધનો અને પ્રતિબંધિત ઉપયોગના કિસ્સાઓનું નામકરણ (ઉદાહરણ તરીકે, ભાગીદારની સાઇન-ઓફ વિના કાયદાના વિવાદિત મુદ્દાઓ પર મંતવ્યો તૈયાર કરવા). 2. ક્લાયન્ટ સામગ્રીને સ્પર્શતા કોઈપણ ટૂલ માટે એક સ્પષ્ટ ડેટા પાથ — જ્યાં પ્રોમ્પ્ટ જાય છે, તે કેટલા સમય સુધી જાળવી રાખવામાં આવે છે, શું તેઓ ભાવિ મોડલ્સને તાલીમ આપે છે. 3. એક સુપરવિઝન મોડલ કે જે AI આઉટપુટને પેરાલીગલ દ્વારા તેમના પ્રથમ સપ્તાહમાં ઉત્પાદિત કરવામાં આવ્યું હોય તે રીતે વર્તે છે: ઉપયોગી, પરંતુ લાયક સમીક્ષા વિના ક્યારેય ફાઇલ કરવામાં, મોકલવામાં કે તેના પર આધાર રાખ્યો નથી. 4. ક્લાયન્ટ પારદર્શિતા જોડાણ માટે યોગ્ય. દરેક બાબતમાં એઆઈએ ડ્રાફ્ટમાં મદદ કરી હોય તેવી જાહેરાતની જરૂર નથી; કેટલાક ગ્રાહકો અને કેટલીક બાબતો કરે છે. 5. એક લોગીંગ શિસ્ત જેથી કરીને, જો ડ્રાફ્ટને પાછળથી પડકારવામાં આવે, તો પેઢી મોડેલે શું બનાવ્યું અને માનવે શું બદલ્યું તેનું પુનઃનિર્માણ કરી શકે.
વર્કફ્લોનું નિર્માણ
AI કાનૂની ડ્રાફ્ટિંગથી મૂલ્ય મેળવનારી કંપનીઓ સૌથી મોંઘા લાઇસન્સ ધરાવતી નથી. તેઓ તે છે જેમણે તેમના કાર્યને તબક્કામાં વિઘટિત કર્યું છે અને પ્રામાણિકપણે પૂછ્યું છે કે, મોડેલને કયા તબક્કાને સ્પર્શવું જોઈએ.
કાર્યક્ષમ પેટર્ન આના જેવો દેખાય છે. મોડેલ નિર્ધારિત નમૂના અને વ્યાખ્યાયિત હકીકત પેટર્નમાંથી સંરચિત પ્રથમ ડ્રાફ્ટ બનાવે છે. એક વકીલ ચેકલિસ્ટ સામે સમીક્ષા કરે છે જે સ્પષ્ટપણે જાણીતા નિષ્ફળતા મોડ્સ માટે પરીક્ષણ કરે છે - બનાવટી ટાંકણો, યુએસ ડ્રિફ્ટ, ગુમ થયેલ કોતરણી-આઉટ, અધિકારક્ષેત્રની ભાષા. સમીક્ષા કરાયેલ ડ્રાફ્ટ નોંધપાત્ર સાઇન-ઓફ માટે બીજા માનવ પાસે જાય છે જ્યાં બાબત તેની ખાતરી આપે છે. તેની સામે નામ વગર પેઢીને કંઈ છોડતું નથી.
આ ગ્લેમરસ નથી. જો કે, તે કાયદાકીય પેઢી AI દત્તક લેવાનું સંસ્કરણ છે જે ફરિયાદ, ઑડિટ અથવા વ્યવસાયિક નુકસાનીનો પ્રશ્ન ટકી રહે છે. દસ્તાવેજ ઓટોમેશન હંમેશા તેમના નમૂનાઓ અને તેમની સમીક્ષા શિસ્તમાં રોકાણ કરતી કંપનીઓને પુરસ્કાર આપે છે; AI ડ્રાફ્ટિંગ એ જ સોદો છે, જેમાં વધુ તીક્ષ્ણ અપસાઇડ અને તીક્ષ્ણ ડાઉનસાઇડ છે.
સાધનો ગંભીર કાર્ય માટે તૈયાર છે. વર્કફ્લો એ નક્કી કરે છે કે તે કાર્ય સુરક્ષિત છે કે નહીં.
FAQ
શું અમારે ક્લાયન્ટને જણાવવું જોઈએ કે જ્યારે AIનો ઉપયોગ તેમના દસ્તાવેજોના મુસદ્દામાં કરવામાં આવ્યો હોય? જાહેરાતની આવશ્યકતા માટે કોઈ બ્લેન્કેટ યુકેનો નિયમ નથી, પરંતુ સ્થિતિ સગાઈના પત્ર, બાબતની સંવેદનશીલતા અને ક્લાયન્ટ વ્યાજબી રીતે શું અપેક્ષા રાખશે તેના પર આધાર રાખે છે. ઉચ્ચ દાવ અથવા બેસ્પોક કાર્ય માટે, પારદર્શિતા સામાન્ય રીતે સુરક્ષિત ડિફોલ્ટ છે.
શું આપણે સામાન્ય હેતુવાળા AI ટૂલનો ઉપયોગ કરી શકીએ છીએ અથવા અમને કાયદાકીય-વિશિષ્ટ સાધનની જરૂર છે? જો તમારો ડેટા પાથ અને નીતિ સ્પષ્ટ હોય તો સામાન્ય સાધનો ઓછા-જોખમના કાર્યોને હેન્ડલ કરી શકે છે, પરંતુ કાનૂની-વિશિષ્ટ પ્લેટફોર્મ સામાન્ય રીતે બહેતર અધિકારક્ષેત્ર ગ્રાઉન્ડિંગ, અવતરણ શિસ્ત અને ગોપનીયતાની મુદ્રા પ્રદાન કરે છે - જે ભૌતિક રીતે સમીક્ષાના બોજને ઘટાડે છે.
એઆઈ ડ્રાફ્ટિંગ અપનાવતી વખતે ફર્મ્સ સૌથી સામાન્ય ભૂલ શું કરે છે? નિરીક્ષિત ડ્રાફ્ટરને બદલે ઉત્પાદકતાના સાધન તરીકે તેની સારવાર કરવી. જે કંપનીઓ મુશ્કેલીમાં મુકાય છે તે એવી છે જેઓ માળખાગત સમીક્ષા સ્ટેજને છોડી દે છે કારણ કે આઉટપુટ "સારું દેખાતું હતું".
વર્કફ્લોમાં બનેલ માનવ સોલિસિટર સમીક્ષા સાથે યુકે-કાયદાના મુસદ્દા માટે — લેટર્સ બિફોર એક્શન, કોન્ટ્રાક્ટ્સ, શેડ્યૂલ્સ ઓફ લોસ અને દસ્તાવેજ સમીક્ષા — જુઓ JustiScript.