如何在法律行业中使用AI

文章 (223) 2021-03-26 11:04:58

流行文化已经极大地影响了我们对人工智能(AI)的一般概念,从像特工史密斯这样的反派人物到像Wall-E这样的有益健康的机器人。好莱坞喜欢夸大戏剧性的效果,但是仍然存在一些真理,将这些未来派人物与我们目前的现实联系在一起。我们对AI的尝试充其量仍然是最基本的,但是许多行业都在通过采用AI消除多余的手动任务来利用我们所知道的好处。对于法律行业,通过自动化例行的,繁重的任务(例如法律研究,调查,文件起草和电子发现),有望显着提高效率。

但是,一项研究表明,超过90%的受访者在被问及自己的律师事务所是否使用AI时说“不”或“不知道”。首先令人惊讶,但是如果您问为什么,那么就不那么令人惊讶了。另一项调查确实询问了原因,并且答复显示,超过80%的律师事务所担心新技术将永久替代人力资源,或者他们客户的新技术工具会减少对律师和律师助理的需求。

在采用创新技术方面,法律行业通常被称为发展缓慢的行业之一,并且大多数律师事务所本质上更喜欢跟随而不是领导。但是,正如时间一次又一次向我们展示的那样,我们越踩越深,我们越沉下去。因此,让我们看看人工智能将取代什么样的法律工作,以及公司法律部门和律师事务所如何为破坏做好准备。

该领域的进展显然不是一朝一夕的事。询问仍在努力使用AI解决我们可能认为的“简单”问题的任何开发人员。另外,在组织中实施AI变得比我们想象的要困难得多。

自上而下的问题解决

不久前,人们认为只有例行任务可以自动化。可以通过参考一组规则来指定的任务。在这种自上而下的方法中,起点是企业的问题/问题。让我们想象一下,公司法务部门最初有一个信念,即某些供应商或律师事务所对某些未经批准的费用或收费多收了该笔费用。

通过这种方法,需要选择那些可疑的供应商,并根据合同和/或开票指南仔细检查其发票行项目,以检查发票是否正确,是否存在未批准或过多的费用。

当然,了解所有规则后,您可以编写程序来验证数据中的规则。数十年来,计算机程序员编写了数百万行代码,以验证业务规则并自动执行组织的工作流程。但是,随着规则数量的增加,程序变得越来越复杂,维护成本也越来越高。

自下而上的问题解决

另一个想法是从数据开始,逐步建立有价值的见解和规则。在这种方法中,机器学习算法用于海量数据和计算机功能,以学习和构建指导业务规则。这消除了对如何解决复杂问题或如何使上下文解决方案自动化的任何考虑。

通过这种方法,您可以从所有发票数据开始,然后使用算法来查看订单项中是否有任何有趣的趋势或异常情况。在筛选了不同的见解之后,系统可以注意到高峰,例如通常不需要旅行的案件类型的旅行费用。发票审查员会发现它对于审计很有价值。

AI的局限性

努力研究AI算法的人都知道,理论远非现实生活。在具有真实数据的组织中实施AI极为困难。这是三个挑战:

•标签数据困难且成本高昂。在数据有限或收集成本昂贵的情况下,现有的基于规则的工作流引擎应用程序比AI解决方案更有效。

•它需要大量的数据进行训练。数据越多,机器的响应越准确。在数据有限或收集成本昂贵的情况下,现有的基于规则的引擎应用程序比AI解决方案更有效。

•可解释性存在问题。AI产品天生就是一个“黑匣子”,在业务中大多数决策流程中,重要的因素之一就是要明确解决问题的步骤。

最后的想法

解决需要全方位智能的问题仍然超出了当前AI系统的范围。人脑能够同时使用自上而下和自下而上的方法(连接点并执行任务,例如向多样化的陪审团展示具有凝聚力和说服力的案例)的能力是一种独特的智慧,即机器可能无法完全发挥作用。在不久的将来效仿。传统上,法律服务包含一些可以自动化的任务和一些不能自动化的任务的混合,例如需要独特的经验知识的那些任务。

令人激动的是,人工智能在未来十年将如何继续发展。过去的一年告诉我们,落后有多么容易,法律部门和律师事务所应该记住这一点,并可以接受法律技术以保持领先地位。精明的律师采用技术并尽早过渡到混合法律技术文化可以收获丰厚的回报。无论何种情况,AI的可扩展性都可以确保他们能够更好地适应未来,继续提供独立的专业判断,专注于为其客户提供有意义,复杂且关键任务的工作。

律师迟早会告别长时间的工作和繁琐的任务,而是将这段时间用于他们的业务和客户,进行战略规划并提出复杂的论点。

THE END

发表回复