ই-ডিসকভারি: কর্পোরেট ডেটাতে প্রাসঙ্গিক প্রমাণ খোঁজা

লাভ:

• EDRM ওয়ার্কফ্লো এবং TAR/ভবিষ্যদ্বাণীমূলক কোডিং ধারণা বোঝার ক্ষমতা এবং কৃত্রিম বুদ্ধিমত্তার সাথে পর্যালোচনা পর্বকে ত্বরান্বিত করা
• প্রত্যাহার এবং নির্ভুলতার ভারসাম্য বোঝার ক্ষমতা এবং ফরেনসিক প্রসঙ্গে উচ্চ প্রত্যাহারকে অগ্রাধিকার দিয়ে প্রাসঙ্গিক নথিগুলি মিস না করা নিশ্চিত করা
• বিশেষাধিকার এবং ব্যক্তিগত ডেটার সিদ্ধান্তের জন্য আইনী দায়িত্ব বোঝা মানব আইনজীবীর উপর নির্ভর করে এবং সেই পদ্ধতির স্বচ্ছতা প্রয়োজন

দেওয়ানী মামলা বা নিয়ন্ত্রক তদন্তে, এক পক্ষ অন্য পক্ষের কাছে থাকা ইলেকট্রনিক নথির অনুরোধ করে: ইমেল, চুক্তি, চ্যাট লগ, ফাইল। আইন অনুসারে এই নথিগুলি সংগ্রহ করার প্রক্রিয়া, সেগুলি পরীক্ষা করা, প্রাসঙ্গিকগুলি বাছাই করা এবং সেগুলিকে অন্য পক্ষ/আদালতে সরবরাহ করাকে ই-আবিষ্কার বলা হয় - একটি আইনি বিরোধের সুযোগের মধ্যে ইলেকট্রনিক প্রমাণ খুঁজে পাওয়া, পর্যালোচনা করা এবং উপস্থাপন করা। ই-আবিষ্কার হল সেই ক্ষেত্র যেখানে কম্পিউটার ফরেনসিক সবচেয়ে বেশি আইনের সাথে জড়িত এবং সম্ভবত AI এর সবচেয়ে পরিপক্ক এবং ব্যাপক ব্যবহার। এই ইউনিটে, আপনি EDRM কর্মপ্রবাহ, TAR/ভবিষ্যদ্বাণীমূলক কোডিংয়ের ধারণা এবং কীভাবে AI এই প্রক্রিয়াটিকে রূপান্তরিত করে তা শিখবেন।

EDRM: ই-আবিষ্কারের আদর্শ কর্মপ্রবাহ

বিশ্বে ই-আবিষ্কার মূলত EDRM এর কাঠামোর মধ্যে কাজ করে (ইলেকট্রনিক আবিষ্কার রেফারেন্স মডেল - রেফারেন্স মডেল যা ই-আবিষ্কার প্রক্রিয়ার মানক ধাপগুলিকে সংজ্ঞায়িত করে)। প্রধান পর্যায়:

1. তথ্য ব্যবস্থাপনা এবং সনাক্তকরণ: কোন ডেটা কোথায় তা নির্ধারণ করা।
2. সংরক্ষণ এবং সংগ্রহ: প্রাসঙ্গিক ডেটা মুছে ফেলা রোধ করা (আইনি হোল্ড - মামলার প্রত্যাশায় ডেটা মুছে ফেলা বন্ধ করার বাধ্যবাধকতা) এবং এটি সততার সাথে সংগ্রহ করা।
3. প্রক্রিয়াকরণ: ডেটা অনুসন্ধানযোগ্য করা, সদৃশ অপসারণ, ফর্ম্যাট রূপান্তর।
4. পর্যালোচনা: দস্তাবেজগুলি সংবেদনশীল বা বিশেষাধিকারযুক্ত কিনা তা নির্ধারণ করা — অ্যাটর্নি-ক্লায়েন্ট বিশেষাধিকার দ্বারা আচ্ছাদিত এবং হস্তান্তর করা হবে না।
5. উত্পাদন: অন্য পক্ষ/আদালতে প্রাসঙ্গিক নথি সরবরাহ করা।

সবচেয়ে ব্যয়বহুল এবং জনবল-প্রয়োজন পর্যায় হল পর্যালোচনা। আইনজীবীদের একের পর এক কয়েক হাজার নথি পড়া খুবই ব্যয়বহুল এবং খুব ধীর। ঠিক এখানেই এআই একটি বিপ্লব তৈরি করে।

TAR এবং ভবিষ্যদ্বাণীমূলক কোডিং

মূল প্রযুক্তি যা পর্যালোচনার গতি বাড়ায় তা হল TAR (টেকনোলজি অ্যাসিস্টেড রিভিউ)। সবচেয়ে সাধারণ ফর্ম হল ভবিষ্যদ্বাণীমূলক কোডিং: একজন বিশেষজ্ঞ অ্যাটর্নি নমুনা নথিগুলিকে "প্রাসঙ্গিক/অপ্রাসঙ্গিক" হিসাবে লেবেল করেন; সিস্টেম এই উদাহরণগুলি থেকে শেখে এবং স্বয়ংক্রিয়ভাবে অবশিষ্ট কয়েক হাজার নথির শ্রেণীবিভাগ করে। এইভাবে একজন শুধুমাত্র সবচেয়ে সম্ভাব্য প্রাসঙ্গিক নথিগুলি পড়ে এবং বাকিগুলি নমুনা দ্বারা পরীক্ষা করে।

আধুনিক এআই (বড় ভাষার মডেল) এটিকে আরও এক ধাপ এগিয়ে নিয়ে যায়: এটি ব্যাখ্যা করতে পারে কেন নথিটি প্রাসঙ্গিক, বিষয়ের সংক্ষিপ্তসার, বিশেষাধিকার পতাকা, শুধু "প্রাসঙ্গিক/অপ্রাসঙ্গিক" নয়। তবে মূল নীতিটি পরিবর্তিত হয় না: এআই পরামর্শ দেয়, প্রাসঙ্গিকতা এবং বিশেষাধিকারের সিদ্ধান্তের জন্য আইনী দায়িত্ব আইনজীবীর উপর বর্তায়।

TAR-এর প্রতিরক্ষাযোগ্যতা নির্ভর করে প্রক্রিয়াটি নিরীক্ষাযোগ্য হওয়ার উপর। বিশেষজ্ঞ আইনজীবী দ্বারা লেবেল করা প্রশিক্ষণ উদাহরণ, এই উদাহরণগুলি থেকে সিস্টেম শেখা এবং অবশিষ্ট নথিগুলিকে শ্রেণীবদ্ধ করা একটি চক্রে পুনরাবৃত্তি হয়; নির্ভুলতা প্রতিটি রাউন্ডে নমুনা দ্বারা পরিমাপ করা হয়। এই চক্রটি "মেশিনটি কী দেখেছিল, এটি কী শিখেছিল, এটি কতটা সঠিক ছিল?" প্রশ্নগুলির নথিযোগ্য উত্তর সরবরাহ করে। অন্য পক্ষ প্রায়ই এই পদ্ধতি প্রশ্ন; অতএব, প্রশিক্ষণ সেট আকার, সিদ্ধান্ত থ্রেশহোল্ড এবং বৈধতা নমুনা হার শুরু থেকে রেকর্ড করা হয়. প্রক্রিয়াটি যত বেশি স্বচ্ছ এবং পুনরাবৃত্তিযোগ্য, আদালতে ফলাফল গ্রহণ করার সম্ভাবনা তত বেশি।

টিপ: আপনার TAR প্রক্রিয়াকে সংরক্ষিত করতে, আপনার "প্রশিক্ষণ" নমুনা, বৈধতা মেট্রিক্স (রিকল/নির্ভুলতা) এবং সিদ্ধান্তের থ্রেশহোল্ডগুলি নথিভুক্ত করুন। অন্য পক্ষ জিজ্ঞাসা করে "মেশিনটি কি মিস করেছে?" তিনি জিজ্ঞাসা করতে পারেন; স্বচ্ছ পদ্ধতি বিশ্বাস নিশ্চিত করে।

দুটি মেট্রিক্স: প্রত্যাহার এবং নির্ভুলতা

ই-আবিষ্কারে দুটি ধারণা গুরুত্বপূর্ণ। প্রত্যাহার করুন (সংবেদনশীলতা — আপনি আসলে কতটা প্রাসঙ্গিক নথি খুঁজে পেতে পেরেছিলেন) হারিয়ে যাওয়ার ঝুঁকি পরিমাপ করে; এটি আইনগতভাবে সমালোচনামূলক কারণ একটি প্রাসঙ্গিক নথি জমা দিতে ব্যর্থতার ফলে নিষেধাজ্ঞার সম্মুখীন হতে পারে। নির্ভুলতা-আপনি যা খুঁজে পান তার কতটা আসলে প্রাসঙ্গিক-অপ্রয়োজনীয় পড়ার লোড পরিমাপ করে; খরচ প্রভাবিত করে। উভয়ের মধ্যে একটি ভারসাম্য রয়েছে: আপনি যদি থ্রেশহোল্ডটি শিথিল করেন তবে প্রত্যাহার বৃদ্ধি পায়, তবে অপ্রয়োজনীয় নথিগুলিও বৃদ্ধি পায়। ফরেনসিক/আইনগত প্রেক্ষাপটে, উচ্চ প্রত্যাহারকে প্রায়ই অগ্রাধিকার দেওয়া হয় — অনুপস্থিত না হওয়াটা ওভার-রিডিংয়ের চেয়ে বেশি গুরুত্বপূর্ণ।

বিশেষাধিকার এবং গোপনীয়তা: লাল লাইন

ই-আবিষ্কারের সবচেয়ে বিপজ্জনক ভুল হল ভুলবশত একটি বিশেষাধিকারপ্রাপ্ত নথি অন্য পক্ষের কাছে হস্তান্তর করা (সুবিধা মওকুফ)। একবার অ্যাটর্নি-ক্লায়েন্টের চিঠিপত্র বিতরণ করা হলে, এটি পুনরুদ্ধার করা খুব কঠিন। AI পতাকা বিশেষাধিকার সাহায্য করে, কিন্তু প্রতিটি বিশেষাধিকার সিদ্ধান্ত একটি মানব অ্যাটর্নি দ্বারা নিশ্চিত করা আবশ্যক। উপরন্তু, ব্যক্তিগত তথ্য (KVKK/GDPR সুযোগ) ধারণকারী নথিগুলির জন্য সংশোধনের প্রয়োজন হতে পারে; AI পতাকা মাস্কিং প্রার্থী, চূড়ান্ত নিয়ন্ত্রণ মানুষের সঙ্গে.

সতর্কতা: AI-তে কাঁচা কর্পোরেট ডেটা লোড করার সময় ডেটা গোপনীয়তা এবং এখতিয়ার (কোন দেশের ডেটা, কোথায় যায়) নিয়মগুলি পর্যবেক্ষণ করুন৷ বিশেষাধিকারপ্রাপ্ত এবং ব্যক্তিগত ডেটা অবশ্যই সেই যানবাহনগুলিতে প্রক্রিয়া করা উচিত যার ডেটা মডেল প্রশিক্ষণে যায় না, চুক্তির অধীনে এবং উপযুক্ত এখতিয়ারে।

তিনটি মিনি কেস

কেস 1 - TAR কম খরচ। 1.3 মিলিয়ন নথির একটি বাণিজ্যিক ক্ষেত্রে, ক্লাসিক রৈখিক পর্যালোচনা অনুমান ছিল 14 মাস। ভবিষ্যদ্বাণীমূলক কোডিং সহ, আইনজীবীরা 8,000 নথি ট্যাগ করেছেন; সিস্টেমটি অবশিষ্টাংশকে শ্রেণীবদ্ধ করেছে এবং মানুষের পর্যালোচনা 90,000 নথিতে নেমে এসেছে। প্রক্রিয়াটি 6 সপ্তাহে হ্রাস করা হয়েছিল, 92% প্রত্যাহার নমুনা দ্বারা নিশ্চিত করা হয়েছিল।

কেস 2 — বিশেষাধিকার সংরক্ষিত। প্রি-প্রোডাকশন AI ডেলিভারিতে 240 টি নথিকে পতাকাঙ্কিত করেছে "সম্ভবত বিশেষ সুবিধাপ্রাপ্ত" হিসাবে। আইনজীবী দল পরীক্ষা করে; 210টি আসলে অ্যাটর্নি-ক্লায়েন্টের চিঠিপত্র ছিল এবং বিতরণ করা হয়নি। AI ছাড়া, এই নথিগুলি ভুলবশত অন্য পক্ষের কাছে যেতে পারত।

কেস 3 - অতিরিক্ত আত্মবিশ্বাসের ঝুঁকি। একটি দল উচ্চ নির্ভুলতার জন্য TAR থ্রেশহোল্ড শক্তভাবে সেট করেছে; সিস্টেমটি নমুনা ছাড়াই "অপ্রাসঙ্গিক" বলে বিবেচিত হয়েছে সেগুলিকে সরিয়ে দিয়েছে। পরবর্তী নিরীক্ষায় দেখা গেছে যে কঠোর থ্রেশহোল্ডের কারণে বেশ কয়েকটি সমালোচনামূলক ইমেল মিস হয়েছে। কল স্যাম্পলিং সঞ্চালিত না হওয়ায় ত্রুটিটি দেরিতে লক্ষ্য করা গেছে।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) খসড়া পর্যালোচনা প্রোটোকল:

আপনার ভূমিকা: ই-আবিষ্কার পরামর্শদাতা। মামলার বিষয়: [চুক্তি লঙ্ঘন]। আমার জন্য একটি পর্যালোচনা প্রোটোকলের খসড়া তৈরি করুন: প্রতিক্রিয়াশীল মানদণ্ড, বিশেষাধিকার পতাকা, ব্যক্তিগত ডেটা মাস্কিং নিয়ম এবং TAR যাচাইকরণ পদক্ষেপ (রিকল/নির্ভুল নমুনা)। উল্লেখ করুন যে প্রতিটি সিদ্ধান্ত অ্যাটর্নি নিশ্চিতকরণ সাপেক্ষে।

2) প্রাসঙ্গিকতা প্রাথমিক শ্রেণীবিভাগ:

বিষয় এবং প্রাসঙ্গিকতার মানদণ্ড: [এখানে]। আমি আপনাকে নথির সারাংশ দেব। প্রতিটি নথির জন্য: প্রাসঙ্গিক/অপ্রাসঙ্গিক/অনিশ্চিত এবং একটি সংক্ষিপ্ত ন্যায্যতা দিন। হাইলাইট "অস্পষ্ট" বেশী; এই অ্যাটর্নি পর্যালোচনা যেতে হবে. আপনি যাদের অপ্রাসঙ্গিক বলছেন তাদের নমুনা দ্বারা পরীক্ষা করা হবে, এটি একটি নির্দিষ্ট নির্মূল নয়।

3) বিশেষাধিকার স্ক্যানিং:

নিম্নলিখিত নথিগুলিতে টিক চিহ্ন দিন যা সম্ভবত অ্যাটর্নি-ক্লায়েন্টের বিশেষাধিকার পোজ করে: অ্যাটর্নি নাম, "গোপনীয়/সুবিধাপ্রাপ্ত" ভাষা, আইনি মতামত বিষয়বস্তু৷ এগুলি চূড়ান্ত সিদ্ধান্ত নয়, এগুলি একজন আইনজীবীর দ্বারা নিশ্চিত হওয়া প্রার্থী৷ প্রতিটি চিহ্নের জন্য ন্যায্যতা এবং প্রাসঙ্গিক লাইন দিন।

4) ব্যক্তিগত ডেটা মাস্কিংয়ের জন্য প্রার্থীরা:

প্রোডাকশনের আগে ডেলিভারি করার জন্য এই নথিগুলিতে মুখোশ থাকা প্রার্থীদের ব্যক্তিগত ডেটা তালিকাভুক্ত করুন: TR, IBAN, স্বাস্থ্য, তৃতীয় পক্ষের ব্যক্তিগত ডেটা। শুধুমাত্র প্রার্থী হিসাবে চিহ্নিত করুন; আমি চূড়ান্ত মাস্কিং সিদ্ধান্ত নেব. পাঠ্য পরিবর্তন করুন।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

এই নথিগুলি থেকে, মামলার সাথে প্রাসঙ্গিক সেগুলি নির্বাচন করুন৷

কোন প্রাসঙ্গিক মানদণ্ড, কোন এক্সক্লুসিভিটি এবং কোন যাচাইকরণ নেই; AI বিষয়ভিত্তিক সিদ্ধান্ত নেয়, সমালোচনামূলক নথি মিস করতে পারে বা বিশেষাধিকার ফাঁস করতে পারে।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: ই-আবিষ্কার পর্যালোচনা সহকারী। কেস: অভিযোগ যে কোম্পানি X Y এর সাথে সরবরাহ চুক্তি লঙ্ঘন করেছে। প্রাসঙ্গিকতা মানদণ্ড: ডেলিভারির তারিখ, মূল্য পরিবর্তন, গুণমানের অভিযোগ, সমাপ্তি আলোচনা। আমি আপনাকে নথির সারাংশ দেব। প্রতিটি নথির জন্য প্রাসঙ্গিক/অপ্রাসঙ্গিক/অনিশ্চিত + ন্যায্যতা দিন। এছাড়াও যারা আইনজীবীর নাম বা আইনি মতামত রয়েছে তাদের "সম্ভবত বিশেষাধিকারপ্রাপ্ত" হিসাবে চিহ্নিত করুন৷ কোনো সিদ্ধান্তকে চূড়ান্ত মনে করবেন না; সমস্ত অ্যাটর্নি নিশ্চিতকরণ সাপেক্ষে.

মূল মানদণ্ড, বিশেষাধিকার স্ক্রীনিং, এবং "আইনজীবী যাচাইকরণ" সীমাবদ্ধতা প্রক্রিয়াটিকে রক্ষাযোগ্য করে তোলে।

EDRM পর্যায় এবং AI টেবিল

মঞ্চ

এআই অবদান

মানুষের দায়িত্ব

সংগ্রহ

টেমপ্লেট, পরিকল্পনা

আইনি হোল্ড, সততা

প্রক্রিয়াকরণ

ডি-ডুপ, ফরম্যাট, ডিরেক্টরি

মান নিয়ন্ত্রণ

পর্যালোচনা

TAR, প্রাসঙ্গিকতার সুপারিশ

প্রাসঙ্গিক সিদ্ধান্ত

বিশেষাধিকার

প্রার্থী চিহ্নিত করা

চূড়ান্ত সিদ্ধান্ত, নিশ্চিতকরণ

উৎপাদন

মুখোশ প্রার্থী

চূড়ান্ত চেক, ডেলিভারি

সাধারণ ভুল

• টিএআরকে উপেক্ষা করা ছাড়া। কল নমুনা না করে "মেশিন বলেছে এটা আগ্রহী নয়" বললে হাইজ্যাকিং হবে।
• বিশেষাধিকারের সিদ্ধান্ত এআইয়ের উপর ছেড়ে দেওয়া। একটি ভুল ডেলিভারির ঝুঁকি অপরিবর্তনীয় মওকুফ।
• প্রত্যাহার পরিবর্তে শুধুমাত্র নির্ভুলতা উপর ফোকাস. টাইট থ্রেশহোল্ড প্রাসঙ্গিক নথি মিস; আইনে, প্রত্যাহার অগ্রাধিকার আছে.
• পদ্ধতি নথিভুক্ত না. অন্য পক্ষ টিএআর প্রক্রিয়া নিয়ে প্রশ্ন তুলতে পারে; স্বচ্ছতা একটি আবশ্যক.
• একটি অনুপযুক্ত টুলে ব্যক্তিগত/সুবিধাপ্রাপ্ত ডেটা আপলোড করা। এখতিয়ার এবং গোপনীয়তা নিয়ম পালন করুন.

সংক্ষেপে

ই-আবিষ্কার হল আইনী পদ্ধতিতে কর্পোরেট ইলেকট্রনিক ডেটা থেকে প্রাসঙ্গিক প্রমাণ খোঁজার এবং সরবরাহ করার প্রক্রিয়া এবং EDRM-এর কাঠামোর মধ্যে কাজ করে। AI TAR/ভবিষ্যদ্বাণীমূলক কোডিং সহ পর্যালোচনা করে সবচেয়ে ব্যয়বহুল পর্যায়ে রূপান্তরিত করে: মানুষ শুধুমাত্র সবচেয়ে সম্ভাব্য প্রাসঙ্গিক এবং অস্পষ্ট নথিগুলিই পড়ে। কিন্তু প্রাসঙ্গিকতা এবং বিশেষ করে বিশেষাধিকারের সিদ্ধান্তের আইনি দায়িত্ব আইনজীবীর উপর বর্তায়; প্রত্যাহার নমুনা, পদ্ধতির স্বচ্ছতা এবং ব্যক্তিগত তথ্য সুরক্ষা মানুষের শৃঙ্খলা দ্বারা নিশ্চিত করা হয়।

আবেদন টাস্ক

একটি কাল্পনিক কেস এবং প্রাসঙ্গিকতার মানদণ্ডের 4-5টি আইটেম সংজ্ঞায়িত করুন। 20-25টি নথির সারাংশ প্রস্তুত করুন (কয়েকটি বিশেষ সুবিধাপ্রাপ্ত, কয়েকটি অস্পষ্ট)। "প্রাসঙ্গিকতা প্রাক-শ্রেণীবিভাগ" এবং "প্রিভিলেজ স্ক্রীনিং" টেমপ্লেটগুলি প্রয়োগ করুন; তারপর ম্যানুয়ালি "অপ্রাসঙ্গিক" সেট থেকে স্যাম্পলিং করে প্রত্যাহার চেক করুন এবং AI ফ্ল্যাগ করা বিশেষাধিকার প্রার্থীদের নিশ্চিত করুন।

চেকলিস্ট

• [ ] আমি EDRM পর্যায়গুলি এবং আইনি হোল্ডের বাধ্যবাধকতা পর্যবেক্ষণ করেছি৷
• [ ] আমি প্রত্যাহার স্যাম্পলিং সহ TAR/প্রাক-শ্রেণীবিভাগ ফলাফল পরীক্ষা করেছি।
• [ ] আমি প্রতিটি বিশেষাধিকার সিদ্ধান্তকে মানব অ্যাটর্নি নিশ্চিতকরণের সাথে সংযুক্ত করেছি৷
• [ ] আমি চূড়ান্ত চেক সহ ব্যক্তিগত ডেটা মাস্কিং প্রার্থীদের অনুমোদন করেছি।
• [ ] আমি যে পদ্ধতি এবং থ্রেশহোল্ডগুলি ব্যবহার করেছি তা নথিভুক্ত করেছি৷