שותפה אמרה לנו לאחרונה שהיא הפסיקה לבקש משותפים זוטרים להפיק טיוטות ראשונות של מכתבים מסחריים סטנדרטיים. הדגם עשה זאת מהר יותר, וביום טוב - טוב יותר. ואז היא עצרה. "הבעיה", אמרה, "היא שאני כבר לא יודעת איזה יום הוא יום טוב".
המשפט הזה לוכד את הרגע הנוכחי בניסוח משפטי בינה מלאכותית בצורה כנה יותר מרוב חפיסות הספקים. הטכנולוגיה באמת שימושית. זה גם אמין בצורה לא אחידה, והחוסר אחידות הוא החלק שאמור לעצב את האופן שבו צוותים וחברות פנימיות מאמצים את זה.
היכן שרטוט AI חזק באמת
מודלים גדולים של שפה מוכשרים כעת בקבוצה מצומצמת אך משמעותית מבחינה מסחרית של עבודה משפטית. הם טובים במשימות שחוזרות על עצמן מבניות, צפופות מבחינה לשונית וסלחניות למעבר שני אנושי.
בפועל, זה אומר:
- טיוטות ראשונות של התכתבות סטנדרטית - מכתבים לפני פעולה, מכתבי צ'ייסר, מכתבי דרישה בסיסיים, הערות הוראות. המבנה מתוכנן היטב; המודל ממציא רק לעתים רחוקות את הפורמט.
- חילוץ והשוואה של סעיפים - משיכת הוראות שיפוי, הגבלה או סיום על פני פורטפוליו של חוזי ספקים והצגתם זה לצד זה.
- תרגום לאנגלית פשוטה של ניסוח צפוף - הפיכת ראשי תנאים או שטר פשרה לסיכום הניתן לקריאה על ידי הלקוח.
- הרכבת לוח זמנים וטבלה - בניית שלד של Schedule of Loss, אינדקס גילוי או כרונולוגיה ממסמכים גולמיים.
- טיפול רב-לשוני - ניסוח באנגלית לפי החוק בבריטניה תוך הסבר על המסמך ללקוח שאינו דובר אנגלית בשפתו. זה המקום שבו הרווח בפריון הוא הגדול ביותר והכי ניתן להגנה.
כל זה לא מחליף עורך דין מוסמך. כל זה מקצר את המרחק בין דף ריק לטיוטה שניתנת לביקורת, שם יש רוב החיכוך שניתן לחיוב.
היכן שרטוט AI נכשל בשקט
מצבי הכשל הם החלק שחשוב, כי הם לא נראים בהדגמה.
ראשית, המצאת ציטוטים. מודלים עדיין ממציאים שמות מקרים, מספרי פסקאות והפניות סטטוטוריות שנראים סבירים. הסיכון הוא הגבוה ביותר כאשר המודל מתבקש לתמוך בעמדה שאליו נדחף, במקום לסכם משהו באופן ניטרלי. מתרגלים בבריטניה כבר התמודדו עם ביקורת שיפוטית על הגשות המכילות רשויות לא קיימות; מצב הרוח הרגולטורי לא סלחן.
שנית, סחף שיפוט. מודל שהוכשר בעיקר על חומר אמריקאי יגיע, ללא הנחיה, למוסכמות חוזים בארה"ב - ערימות "מייצג ומתחייב", שפת שיפוי, ניסוח ברירת חוק שאינו מתאים בחוזה חוק אנגלי. הניסוח קורא בצורה שוטפת. זה גם שגוי בעדינות.
שלישית, השמטה שקטה. דוגמניות טובות לייצר את מה שאתה מבקש ודלות בלסמן את מה ששכחת לבקש. ייתכן שחסר לסעיף איבר שלם - נניח, סתירה להונאה בסעיף הגבלה - והפלט ייראה שלם. עורך דין זוטר, ששאל את אותה שאלה, היה אומר לעתים קרובות יותר "האם עלינו לשקול גם...".
רביעית, תנוחת סודיות. כלים רבים מנתבים הנחיות דרך תשתית של צד שלישי עם חלונות שמירה שאינם תמיד שקופים. לגבי חומר חסוי, השאלה היא לא אם הספק בעל מוניטין, אלא האם נתיב הנתונים הוא נתיב שרגולטור, לקוח או מבטח יקבלו בבדיקה.
חמישית, בעיית הכיול. הדגם לא יודע מתי זה לא בטוח. אין אות "אני מנחש כאן" כנה. כל פלט מגיע באותה רמת ביטחון, וזה בדיוק ה-UX הלא נכון לעבודה משפטית.
עדשת חוק בריטניה בנושא אימוץ
ה-SRA נמדד ולא מגביל על AI. החשיבה שפורסמה שלה - והכיוון הרחב יותר של הנחיות SRA על שימוש ב-AI בפרקטיקה מוסדרת - מדגישה שהחובות הקיימות כבר מכסות את רוב השטח: כשירות, סודיות, פיקוח ואי הטעיית בית המשפט. הרגולטור לא מבקש מחברות להמציא אתיקה חדשה. הוא מבקש מהם להחיל את הישנים על כלי חדש.
המסגור הזה שימושי, מכיוון שהוא חוצה את הדיון הבינארי "האם נשתמש ב-AI או לא". התשובה הכנה היא שרוב החברות כבר, לעתים קרובות באופן לא פורמלי, והשאלה הממשלתית היא האם השימוש הזה הוא מובנה או צל.
עמדה הניתנת להגנה כוללת לפחות:1. מדיניות שימוש כתובה בבינה מלאכותית, מתן שמות לכלים מאושרים ומקרי שימוש אסורים (לדוגמה, ניסוח חוות דעת על נקודות חוק שנויות במחלוקת ללא חתימת שותף). 2. נתיב נתונים ברור לכל כלי הנוגע בחומר הלקוח - לאן ההנחיות עוברות, כמה זמן הן נשמרות, האם הן מכשירות מודלים עתידיים. 3. מודל פיקוח שמתייחס לפלט AI כאילו הוא הופק על ידי עורך דין בשבוע הראשון שלהם: שימושי, אך מעולם לא הוגש, נשלח או הסתמך עליו ללא סקירה מוסמכת. 4. שקיפות לקוח המתאימה להתקשרות. לא כל עניין דורש גילוי ש-AI סייעה בטיוטה; חלק מהלקוחות וחלק מהעניינים כן. 5. דיסציפלינת רישום כך שאם טיוטה תערער מאוחר יותר, החברה תוכל לשחזר את מה שהדגם יצר ואת מה שהאדם שינה.
בניית זרימת העבודה
החברות שמקבלות ערך מניסוח משפטי בינה מלאכותית אינן אלה עם הרישיונות היקרים ביותר. הם אלה שפירקו את עבודתם לשלבים ושאלו, בכנות, באיזה שלב הדוגמנית צריכה לגעת.
דפוס בר ביצוע נראה כך. המודל מייצר טיוטה ראשונה מובנית מתבנית מוגדרת ודפוס עובדה מוגדר. עורך דין סוקר מול רשימת בדיקה שבודקת במפורש את מצבי הכישלון הידועים - ציטוטים מפוברקים, סחף בארה"ב, חסרים תוצאות, שפה שיפוטית. הטיוטה הנבדקת עוברת לאדם שני לצורך חתימה מהותית, היכן שהעניין מצדיק זאת. שום דבר לא משאיר את המשרד בלי שם נגדו.
זה לא זוהר. עם זאת, זו הגרסה של אימוץ בינה מלאכותית של משרד עורכי דין ששורדת תלונה, ביקורת או שאלת שיפוי מקצועי. אוטומציה של מסמכים תמיד תגמלה חברות שמשקיעות בתבניות שלהן ובמשמעת הביקורת שלהן; ניסוח בינה מלאכותית היא אותה מציאה, עם הפוך חד יותר וחיסרון חד יותר.
הכלים מוכנים לעבודה רצינית. זרימת העבודה היא זו שמחליטה אם העבודה הזו בטוחה.
שאלות נפוצות
האם עלינו לספר ללקוחות מתי נעשה שימוש בבינה מלאכותית בניסוח המסמכים שלהם? אין כלל כללי בבריטניה הדורש גילוי, אך התפקיד תלוי במכתב ההתקשרות, ברגישות העניין ובמה שהלקוח היה מצפה באופן סביר. עבור עבודה בהימור גבוה או בהתאמה אישית, שקיפות היא בדרך כלל ברירת המחדל הבטוחה יותר.
האם אנחנו יכולים להשתמש בכלי בינה מלאכותית למטרות כלליות, או שאנחנו צריכים כלי ספציפי לחוק? כלים כלליים יכולים להתמודד עם משימות בסיכון נמוך אם נתיב הנתונים והמדיניות שלך ברורים, אבל פלטפורמות ספציפיות לחוק מציעות בדרך כלל ביסוס שיפוט טוב יותר, משמעת ציטוט ומצב סודיות - מה שמפחית באופן מהותי את עומס הביקורת.
מהי הטעות הנפוצה ביותר שחברות עושות כשהן מאמצות ניסוח בינה מלאכותית? התייחסות אליו כאל כלי פרודוקטיבי ולא כמנסח בפיקוח. החברות שנקלעות לצרות הן אלו שמדלגות על שלב הביקורת המובנית כי התפוקה "נראה בסדר".
לניסוח החוק בבריטניה עם סקירת עורך דין אנושית מובנית בתהליך העבודה - מכתבים לפני פעולה, חוזים, לוחות זמנים של אובדן וסקירת מסמכים - ראה JustiScript.