سرمایه‌گذاری یک میلیارد دلاری برای هوش مصنوعی حقوقی

مؤسسهٔ حقوقی Morgan & Morgan می‌گوید طی ده سال آینده یک میلیارد دلار برای توسعهٔ هوش مصنوعی در خدمات حقوقی سرمایه‌گذاری خواهد کرد. این شرکت تاکنون حدود ۳۰۰ میلیون دلار از این برنامه را هزینه کرده و ابزار داخلی خود با نام MX2 را به نزدیک پنج هزار کاربر ماهانه رسانده است. MX2 برای استخراج اطلاعات پزشکی، تهیهٔ پیش‌نویس اسناد پرونده و آماده‌سازی مراحل دادگاه استفاده می‌شود. این خبر نشان می‌دهد هوش مصنوعی از اتاق‌های تحقیق و شرکت‌های نرم‌افزاری وارد کسب‌وکارهای خدمات حرفه‌ای شده است؛ حوزه‌ای که دقت، محرمانگی و مسئولیت حقوقی در آن اهمیت بالایی دارد.

MX2 چه کاری انجام می‌دهد؟

پرونده‌های حقوقی معمولاً مجموعه‌ای بزرگ از گزارش پزشکی، صورت‌جلسه، قرارداد، ایمیل، عکس و فرم اداری هستند. وکیل باید اطلاعات کلیدی را پیدا کند، تاریخ‌ها و نام‌ها را با هم تطبیق دهد و از میان اسناد، خط زمانی قابل اتکایی بسازد. MX2 می‌تواند متن اسناد را استخراج و دسته‌بندی کند، نکات مرتبط را کنار هم بگذارد و برای کارهای تکراری پیش‌نویس تولید کند. این قابلیت به معنی تصمیم‌گیری خودکار دربارهٔ نتیجهٔ پرونده نیست. خروجی مدل باید توسط وکیل بررسی شود، زیرا حذف یک جمله یا اشتباه در تاریخ می‌تواند مسیر استدلال را تغییر دهد.

استخراج داده از مدارک پزشکی یکی از دشوارترین کاربردهاست. نام آزمایش، واحد اندازه‌گیری، دارو، تاریخ مراجعه و نظر پزشک ممکن است در قالب‌های متفاوت نوشته شده باشد. فایل اسکن‌شده به تشخیص متن نیاز دارد و یک واژهٔ ناخوانا می‌تواند معنای گزارش را عوض کند. سامانه باید منبع هر نتیجه را نشان دهد تا کاربر بتواند به صفحه و پاراگراف اصلی برگردد. همچنین اطلاعات سلامت، دادهٔ بسیار حساس محسوب می‌شود و دسترسی به آن باید بر اساس نقش، پرونده و هدف کاری محدود شود. ثبت لاگ و رمزگذاری در انتقال و ذخیره‌سازی برای چنین ابزارهایی ضروری است.

چرا شرکت حقوقی سرمایه‌گذاری بزرگ می‌کند؟

پرونده‌های آسیب شخصی حجم زیادی از کار اداری و ارتباط با موکل دارند. شرکت حقوقی می‌تواند با خودکارسازی جست‌وجو، خلاصه‌سازی و آماده‌سازی فرم، زمان وکلا را به گفت‌وگو، مذاکره و استدلال اختصاص دهد. در مقیاس بزرگ، حتی کاهش چند دقیقه در هر پرونده به صرفه‌جویی قابل توجه تبدیل می‌شود. سرمایه‌گذاری یک میلیارد دلاری فقط برای خرید اشتراک یک مدل عمومی نیست؛ شرکت باید زیرساخت داده، سامانهٔ امنیت، ابزار اختصاصی، آموزش کارکنان و تیم ارزیابی کیفیت بسازد. همچنین لازم است مدل با گردش‌کار حقوقی و مقررات نگه‌داری اسناد سازگار شود.

ابزار تخصصی می‌تواند نسبت به یک چت‌بات عمومی مزیت داشته باشد، چون قالب‌های پرونده، واژگان حقوقی و روش ارجاع به سند را می‌شناسد. شرکت می‌تواند دسترسی مدل را به مخزن داخلی محدود کند و قواعدی برای جلوگیری از خروج اطلاعات وضع کند. با این حال، تخصصی بودن تضمین نمی‌کند که پاسخ همیشه درست باشد. مدل ممکن است در خلاصه‌سازی جزئیات را جا بیندازد یا از یک سند نتیجه‌ای بیش از شواهد موجود بگیرد. کنترل کیفیت باید شامل نمونه‌برداری، بازبینی انسانی و مقایسه با منبع باشد. معیار موفقیت، تعداد جملات تولیدشده نیست، بلکه کاهش کار تکراری بدون افزایش خطا است.

درس پرونده‌های ساختگی

صنعت حقوقی پیش‌تر با نمونه‌هایی روبه‌رو شده که وکیل یا کارمند از ابزار هوش مصنوعی استفاده کرده و ارجاع‌های ساختگی در پرونده وارد شده است. چنین خطایی نشان می‌دهد مدل می‌تواند متن بسیار قانع‌کننده تولید کند، بدون آنکه منبع واقعی داشته باشد. Morgan & Morgan نیز در برنامهٔ خود بر بازبینی انسانی قوی‌تر تأکید کرده است. هر ارجاع قانونی، تاریخ پزشکی یا ادعای عددی باید به سند قابل مشاهده پیوند داشته باشد. اگر مدل نتواند منبع پیدا کند، باید صریحاً اعلام کند که اطمینان کافی ندارد. طراحی سامانه باید کاربر را به راستی‌آزمایی تشویق کند، نه اینکه با ظاهر قطعی او را از بررسی منصرف سازد.

بازبینی انسانی هزینه و زمان دارد، اما برای پرونده‌های با ریسک بالا حذف‌شدنی نیست. وکیل باید بداند کدام بخش را مدل تولید کرده، کدام بخش از متن اصلی استخراج شده و کجا سامانه عدم اطمینان دارد. نمایش نقل‌قول و نشانی سند در کنار خلاصه به کشف خطا کمک می‌کند. ثبت نسخهٔ مدل و دستور استفاده نیز مهم است، زیرا خروجی یک پرونده باید در آینده قابل بازسازی و توضیح باشد. اگر یک تصمیم حرفه‌ای بر پایهٔ متن تولیدشده گرفته شود، سازمان باید بتواند نشان دهد چه کنترل‌هایی پیش از استفاده انجام شده است.

عرضه برای شرکت‌های دیگر

Morgan & Morgan قصد دارد نسخه‌ای از MX2 را در اواخر ۲۰۲۷ به‌صورت دعوتی در اختیار شرکت‌های حقوقی دیگر قرار دهد. این اقدام می‌تواند یک پروژهٔ داخلی را به کسب‌وکار نرم‌افزاری تبدیل کند. اما فروش ابزار به شرکت‌های دیگر، نیازمند جداسازی کامل داده‌ها و مدل‌های مشتریان است. هر دفتر حقوقی باید مطمئن باشد پرونده‌هایش برای آموزش مشتری دیگر استفاده نمی‌شود. مدیریت هویت، پاک‌سازی داده، محل ذخیره و سیاست حذف باید در قرارداد روشن باشد. مشتریان همچنین دربارهٔ اتصال ابزار به سیستم مدیریت پرونده و امکان انتقال داده هنگام پایان قرارداد سؤال خواهند کرد.

عرضهٔ بیرونی فرصت درآمدی ایجاد می‌کند، اما ریسک شهرت نیز بالا می‌رود. وقتی ابزار فقط در یک سازمان استفاده می‌شود، تیم سازنده به محیط و قواعد آن آشناست. در بازار عمومی، پرونده‌ها، قوانین ایالتی و شیوهٔ کار دفاتر متفاوت هستند. مدل باید امکان تنظیمات محلی و نظارت مدیر را فراهم کند. آموزش کاربر نیز ضروری است؛ نرم‌افزار باید توضیح دهد که پیش‌نویس، نظر حقوقی نهایی نیست و مسئولیت بررسی بر عهدهٔ وکیل باقی می‌ماند. پشتیبانی برای رخدادهای خطا باید سریع و مستند باشد.

اثر بر نقش وکیل

هوش مصنوعی احتمالاً بخشی از کار ابتدایی را تغییر می‌دهد، اما مهارت انسانی در مصاحبه با موکل، مذاکره، انتخاب استراتژی و سنجش اعتبار شاهد همچنان اهمیت دارد. وکیلی که از ابزار استفاده می‌کند باید بتواند خروجی آن را نقد کند و پرسش درست بپرسد. آموزش نسل جدید حقوق‌دانان نیز باید خواندن داده، شناخت محدودیت مدل و امنیت اطلاعات را دربر بگیرد. اگر شرکت فقط روی سرعت تولید سند تمرکز کند، خطر انباشت متن‌های کم‌کیفیت افزایش می‌یابد. هدف بهتر، استفاده از مدل برای دسترسی سریع‌تر به واقعیت پرونده و آزاد کردن زمان برای قضاوت حرفه‌ای است.

مشتری نیز باید از استفادهٔ هوش مصنوعی آگاه باشد و بداند اطلاعاتش چگونه پردازش می‌شود. برخی موکلان ممکن است با ارسال پروندهٔ پزشکی به سامانهٔ ابری موافق نباشند. گزینهٔ پردازش داخلی، کنترل نگه‌داری و محدودیت دسترسی می‌تواند اعتماد را بیشتر کند. شرکت باید برای اصلاح یا حذف دادهٔ نادرست مسیر مشخص داشته باشد. شفافیت در برابر موکل و دادگاه، بخشی از کیفیت خدمت است و نباید به متن قراردادهای فنی محدود شود.

اقتصاد و آیندهٔ ابزار

یک میلیارد دلار سرمایه‌گذاری رقم بزرگی است، اما بازگشت آن به میزان کاهش زمان، افزایش ظرفیت پرونده و کیفیت خدمات وابسته است. اگر ابزار بتواند پرونده‌های بیشتری را بدون استخدام متناسب نیروی اداری مدیریت کند، صرفه‌جویی ایجاد می‌شود. اگر خروجی‌های نادرست نیازمند بازبینی طولانی باشند، بخشی از منفعت از بین می‌رود. شرکت باید شاخص‌هایی مانند زمان جست‌وجوی سند، نرخ اصلاح پیش‌نویس، خطای استخراج و رضایت وکلا را اندازه بگیرد. گزارش چنین شاخص‌هایی به تصمیم‌گیری دربارهٔ توسعهٔ قابلیت‌ها کمک می‌کند.

ورود Morgan & Morgan به هوش مصنوعی حقوقی نمونه‌ای از گذار شرکت‌های خدماتی به زیرساخت‌های اختصاصی است. MX2 می‌تواند کارهای تکراری را سریع‌تر کند، اما ارزش آن در کنترل منبع، محرمانگی و بازبینی انسانی تعیین می‌شود. عرضهٔ دعوتی در سال ۲۰۲۷ فرصتی برای آزمودن مدل تجاری خواهد بود. اگر شرکت بتواند خطا را پایین نگه دارد و اعتماد دفاتر حقوقی را به دست آورد، ابزارهای تخصصی هوش مصنوعی از یک پروژهٔ داخلی به بخشی از نرم‌افزار حرفه‌ای تبدیل خواهند شد.

تاریخ انتشار: ۲۴ شهریور ۱۴۰۵

منبع: Reuters