E-Discovery: یافتن شواهد مرتبط در داده های شرکتی

سود:

• توانایی درک گردش کار EDRM و مفهوم کدگذاری TAR/پیش‌بینی و تسریع مرحله بررسی با هوش مصنوعی
• توانایی درک تعادل فراخوانی و دقت و اطمینان از عدم از دست دادن اسناد مربوطه با اولویت دادن به فراخوان بالا در زمینه پزشکی قانونی
• درک این موضوع که مسئولیت قانونی برای تصمیمات مربوط به امتیازات و داده های شخصی بر عهده وکیل انسانی است و شفافیت روش مورد نیاز است.

در یک دعوای مدنی یا تحقیقات نظارتی، یکی از طرفین اسناد الکترونیکی را درخواست می کند که طرف دیگر نگهداری می کند: ایمیل ها، قراردادها، گزارش های چت، فایل ها. فرآیند جمع‌آوری این اسناد طبق قانون، بررسی، تفکیک مدارک مربوط و تحویل آن به طرف/دادگاه را کشف الکترونیکی – یافتن، بررسی و ارائه مدارک الکترونیکی در محدوده دعوای حقوقی می‌گویند. کشف الکترونیکی حوزه ای است که پزشکی قانونی کامپیوتری با قانون در هم آمیخته است و شاید بالغ ترین و گسترده ترین استفاده از هوش مصنوعی باشد. در این بخش، گردش کار EDRM، مفهوم کدگذاری TAR/پیش‌بینی و اینکه چگونه هوش مصنوعی این فرآیند را تغییر می‌دهد را یاد خواهید گرفت.

EDRM: گردش کار استاندارد کشف الکترونیکی

کشف الکترونیکی در جهان تا حد زیادی در چارچوب EDRM (Electronic Discovery Reference Model - مدل مرجعی که مراحل استاندارد فرآیند کشف الکترونیکی را تعریف می کند) عمل می کند. مراحل اصلی:

1. Information management and identification: Determining what data is where.
2. حفظ و جمع‌آوری: جلوگیری از حذف داده‌های مرتبط (حفظ قانونی - تعهد به توقف حذف داده‌ها در پیش‌بینی دعوی قضایی) و جمع‌آوری آن با صداقت.
3. پردازش: جستجوی داده ها، حذف موارد تکراری، تبدیل فرمت.
4. بررسی: تصمیم گیری در مورد حساس یا ممتاز بودن اسناد - تحت پوشش امتیاز وکیل-موکل است و تحویل داده نخواهد شد.
5. تولید: تحویل مدارک مربوطه به طرف مقابل/دادگاه.

پرهزینه ترین و نیاز به نیروی انسانی مرحله بررسی است. خواندن صدها هزار سند یک به یک وکلا بسیار پرهزینه و بسیار کند است. این دقیقاً همان جایی است که هوش مصنوعی انقلابی ایجاد می کند.

TAR و کدنویسی پیشگو

فناوری کلیدی که بررسی را تسریع می کند، TAR (تکنولوژی با کمک بررسی) است. رایج‌ترین شکل، کدگذاری پیش‌بینی‌کننده است: یک وکیل متخصص، اسناد نمونه را به‌عنوان «مرتبط/بی‌ربط» برچسب‌گذاری می‌کند. سیستم از این نمونه ها یاد می گیرد و صدها هزار سند باقی مانده را به طور خودکار طبقه بندی می کند. بنابراین شخص فقط محتمل ترین اسناد مربوطه را می خواند و بقیه را با نمونه گیری بررسی می کند.

هوش مصنوعی مدرن (مدل های زبان بزرگ) این را یک گام فراتر می برد: می تواند توضیح دهد که چرا سند مرتبط است، خلاصه موضوع، پرچم امتیاز، نه فقط «مرتبط/بی ربط». اما اصل اساسی تغییر نمی کند: AI پیشنهاد می کند، مسئولیت قانونی تصمیم مربوط به ارتباط و امتیاز با وکیل است.

قابلیت دفاع TAR به فرآیند قابل ممیزی بودن بستگی دارد. نمونه های آموزشی برچسب گذاری شده توسط وکیل متخصص، یادگیری سیستم از این نمونه ها و طبقه بندی اسناد باقی مانده در یک چرخه تکرار می شود. دقت با نمونه گیری در هر دور اندازه گیری می شود. این چرخه پاسخ‌های مستندی به سؤالات «ماشین به چه چیزی نگاه کرد، چه چیزی یاد گرفت، چقدر دقیق بود؟» ارائه می‌کند. طرف مقابل اغلب این روش شناسی را زیر سوال می برد. بنابراین، اندازه مجموعه آموزشی، آستانه تصمیم گیری و نرخ نمونه اعتبارسنجی از ابتدا ثبت می شود. هر چه فرآیند شفاف تر و تکرارپذیرتر باشد، احتمال پذیرفته شدن نتیجه در دادگاه بیشتر خواهد بود.

نکته: برای اینکه فرآیند TAR قابل دفاع باشد، نمونه‌های آموزشی، معیارهای اعتبارسنجی (یادآوری/دقت) و آستانه‌های تصمیم‌گیری را مستند کنید. طرف مقابل می پرسد "ماشین چه چیزی را از دست داده است؟" او ممکن است بپرسد؛ روش شناسی شفاف اعتماد را تضمین می کند.

دو معیار: یادآوری و دقت

دو مفهوم در کشف الکترونیکی حیاتی هستند. به یاد بیاورید (حساسیت - چه مقدار از تمام اسناد مرتبط را واقعاً توانستید پیدا کنید) خطر گم شدن را اندازه می گیرد. از نظر قانونی بسیار مهم است زیرا عدم ارائه سند مربوطه ممکن است منجر به تحریم شود. دقت - چه مقدار از چیزهایی که پیدا می‌کنید واقعاً مرتبط هستند - بار خواندن غیرضروری را اندازه‌گیری می‌کند. روی هزینه تاثیر می گذارد. بین این دو تعادل وجود دارد: اگر آستانه را کاهش دهید، یادآوری افزایش می یابد، اما اسناد غیر ضروری نیز افزایش می یابد. در زمینه پزشکی قانونی/قانونی، یادآوری بالا اغلب در اولویت قرار می گیرد - از دست ندادن مهمتر از خواندن بیش از حد است.

امتیاز و حریم خصوصی: خط قرمز

خطرناک ترین اشتباه در کشف الکترونیکی، تحویل تصادفی یک سند ممتاز به طرف مقابل است (اصلاح امتیاز). هنگامی که مکاتبات وکیل و مشتری تحویل داده می شود، بازیابی آن بسیار دشوار است. هوش مصنوعی به پرچم گذاری کمک می کند، اما هر تصمیم امتیاز باید توسط یک وکیل انسانی تایید شود. علاوه بر این، ممکن است برای اسناد حاوی داده های شخصی (حوزه KVKK/GDPR) نیاز به ویرایش باشد. هوش مصنوعی نامزدها را پوشانده است، کنترل نهایی با انسان است.

احتیاط: هنگام بارگیری داده‌های شرکتی خام در هوش مصنوعی، حریم خصوصی داده‌ها و قوانین قضایی (داده‌های کدام کشور، کجا می‌رود) را رعایت کنید. داده‌های ممتاز و شخصی باید در خودروهایی که داده‌های آنها به آموزش مدل نمی‌رود، تحت قرارداد و در حوزه قضایی مناسب پردازش شود.

سه کیف کوچک

مورد 1 - TAR هزینه را کاهش داد. در یک مورد تجاری از 1.3 میلیون سند، برآورد خطی کلاسیک 14 ماه بود. وکلا با کدگذاری پیشگویانه 8000 سند را برچسب گذاری کردند. سیستم باقیمانده را طبقه بندی کرد و بررسی انسانی به 90000 سند کاهش یافت. این فرآیند به 6 هفته کاهش یافت که 92٪ با نمونه گیری به یاد آوردن تایید شد.

مورد 2 - امتیاز ذخیره شد. هوش مصنوعی پیش از تولید، 240 سند را در مجموعه تحویل به‌عنوان «احتمالاً ممتاز» علامت‌گذاری کرد. تیم وکیل بررسی کردند؛ 210 در واقع مکاتبات وکیل و موکل بود و تحویل داده نشد. بدون هوش مصنوعی، این اسناد ممکن است به طور تصادفی به طرف مقابل برسد.

مورد 3 - خطر اعتماد بیش از حد. یک تیم آستانه TAR را محکم برای دقت بالا تنظیم کرد. این سیستم آنهایی را که «بی ربط» می دانست بدون نمونه برداری حذف کرد. ممیزی بعدی نشان داد که چندین ایمیل مهم به دلیل آستانه سخت از دست رفته است. این خطا دیر متوجه شد زیرا نمونه گیری تماس انجام نشد.

چهار قالب قابل کپی

1) پیش نویس پروتکل بررسی:

نقش شما: مشاور کشف الکترونیکی. موضوع پرونده: [نقض قرارداد]. یک پروتکل بازبینی برای من پیش‌نویس کنید: معیارهای پاسخگو، پرچم‌های امتیاز، قوانین پوشش داده‌های شخصی و مراحل تأیید TAR (نمونه‌گیری دقیق/ فراخوان). بیان کنید که هر تصمیمی منوط به تایید وکیل است.

2) طبقه بندی اولیه مرتبط:

موضوع و معیارهای مرتبط: [اینجا]. خلاصه اسناد را به شما خواهم داد. برای هر سند: مرتبط/نامربوط/نامشخص و یک توجیه مختصر ارائه دهید. موارد "نامشخص" را برجسته کنید. اینها به بررسی وکیل خواهند رفت. کسانی که نامربوط می نامید با نمونه گیری بررسی می شوند، حذف قطعی نیست.

3) اسکن امتیاز:

اسناد زیر را که احتمالاً دارای امتیاز وکیل-موکل هستند علامت بزنید: نام وکیل، زبان "محرمانه/ممتاز"، محتوای نظر حقوقی. اینها تصمیمات نهایی نیستند، آنها کاندیدایی هستند که توسط یک وکیل تایید می شوند. برای هر علامت توجیه و خط مربوطه را ذکر کنید.

4) نامزدهای پوشش داده های شخصی:

نامزدهای داده‌های شخصی را که باید در این اسناد پوشانده شوند، فهرست کنید تا قبل از تولید تحویل داده شوند: TR، IBAN، سلامت، داده‌های خصوصی شخص ثالث. فقط به عنوان نامزد علامت گذاری کنید. من تصمیم نهایی ماسک را خواهم گرفت. تغییر متن

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

از میان این اسناد، مواردی را انتخاب کنید که مربوط به پرونده هستند.

بدون معیار مربوط، بدون انحصار و بدون تایید. هوش مصنوعی تصمیمات ذهنی می گیرد، ممکن است سند مهمی را از دست بدهد یا امتیاز نشت کند.

اعلان قدرتمند:

نقش شما: دستیار بازبینی کشف الکترونیکی. مورد: ادعای اینکه شرکت X قرارداد عرضه با Y را نقض کرده است. معیارهای مرتبط: تاریخ تحویل، تغییرات قیمت، شکایات کیفیت، مذاکرات فسخ. خلاصه اسناد را به شما خواهم داد. برای هر سند توجیهی مرتبط / نامربوط / نامشخص + ارائه دهید. همچنین مواردی را که حاوی نام وکیل یا نظر حقوقی هستند به عنوان "احتمالا ممتاز" علامت بزنید. هیچ تصمیمی را قطعی ندانید. همه منوط به تایید وکیل هستند.

معیارهای اساسی، غربالگری امتیازات، و محدودیت «تأیید وکیل» این فرآیند را قابل دفاع می‌کند.

مراحل EDRM و جدول هوش مصنوعی

مرحله

سهم هوش مصنوعی

مسئولیت انسانی

مجموعه

الگو، طرح

حفظ حقوقی، صداقت

پردازش

حذف، فرمت، دایرکتوری

کنترل کیفیت

بررسی کنید

TAR، توصیه مربوط

تصمیم مربوط

امتیاز

علامت گذاری نامزد

تصمیم نهایی، تایید

تولید

کاندید پوشاندن

بررسی نهایی، تحویل

اشتباهات رایج

• ترک TAR بدون مراقبت. گفتن "ماشین گفت علاقه ای ندارد" بدون انجام نمونه تماس باعث ربودن می شود.
• واگذاری تصمیم امتیاز به هوش مصنوعی. تحویل نادرست خطر معافیت غیر قابل برگشت را به همراه دارد.
• به جای یادآوری، فقط روی دقت تمرکز کنید. آستانه تنگ سند مربوطه را از دست می دهد. در قانون، یادآوری اولویت دارد.
• عدم مستندسازی روش. طرف مقابل ممکن است فرآیند TAR را زیر سوال ببرد. شفافیت یک امر ضروری است
• آپلود داده های شخصی/مخصوص در ابزار نامناسب. قوانین صلاحیت قضایی و رازداری را رعایت کنید.

به طور خلاصه

کشف الکترونیکی فرآیند یافتن و ارائه شواهد مرتبط از داده های الکترونیکی شرکت ها به روش قانونی است و در چارچوب EDRM عمل می کند. هوش مصنوعی گران‌ترین مرحله را تغییر می‌دهد، بازبینی، با کدگذاری TAR/پیش‌بینی‌کننده: انسان تنها محتمل‌ترین اسناد مرتبط و مبهم را می‌خواند. اما مسئولیت قانونی تصمیم مربوط به موضوع و خصوصاً امتیاز بر عهده وکیل است. نمونه برداری، شفافیت روش شناسی و حفاظت از داده های شخصی توسط نظم و انضباط انسانی تضمین می شود.

وظیفه کاربردی

یک مورد ساختگی و 4-5 مورد از معیارهای مرتبط را تعریف کنید. 20-25 خلاصه سند (چند ممتاز، چند مبهم) تهیه کنید. الگوهای «پیش طبقه‌بندی مرتبط» و «غربالگری امتیاز» را اعمال کنید. سپس با نمونه برداری از مجموعه «بی ربط»، فراخوان را به صورت دستی بررسی کنید و نامزدهای امتیازی را که هوش مصنوعی پرچم گذاری کرده است تأیید کنید.

چک لیست

• [ ] من مراحل EDRM و تعهد قانونی را رعایت کردم.
• [ ] من نتیجه TAR/پیش طبقه‌بندی را با نمونه‌گیری فراخوان بررسی کردم.
• [ ] من هر تصمیم امتیازی را به تایید وکیل انسانی گره زده ام.
• [ ] من نامزدهای پوشاندن اطلاعات شخصی را با بررسی نهایی تایید کرده ام.
• [ ] من روش شناسی و آستانه هایی را که استفاده کردم مستند کردم.