ઇ-ડિસ્કવરી: કોર્પોરેટ ડેટામાં સંબંધિત પુરાવા શોધવા

નફો:

• EDRM વર્કફ્લો અને TAR/પ્રેડિક્ટિવ કોડિંગ કોન્સેપ્ટને સમજવાની અને આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે સમીક્ષાના તબક્કાને વેગ આપવાની ક્ષમતા
• રિકોલ અને ચોકસાઇના સંતુલનને સમજવાની ક્ષમતા અને ફોરેન્સિક સંદર્ભમાં ઉચ્ચ રિકોલને પ્રાથમિકતા આપીને સંબંધિત દસ્તાવેજો ચૂકી ન જાય તેની ખાતરી કરવી
• વિશેષાધિકાર અને વ્યક્તિગત ડેટાના નિર્ણયો માટેની કાનૂની જવાબદારી માનવ વકીલની છે તે સમજવું અને તે પદ્ધતિની પારદર્શિતા જરૂરી છે.

નાગરિક મુકદ્દમા અથવા નિયમનકારી તપાસમાં, એક પક્ષ બીજા પાસે રાખેલા ઇલેક્ટ્રોનિક દસ્તાવેજોની વિનંતી કરે છે: ઇમેઇલ્સ, કરારો, ચેટ લોગ્સ, ફાઇલો. કાયદા અનુસાર આ દસ્તાવેજો એકત્ર કરવાની, તેની તપાસ કરવાની, સંબંધિત દસ્તાવેજોને છટણી કરીને અન્ય પક્ષ/કોર્ટમાં પહોંચાડવાની પ્રક્રિયાને ઈ-ડિસ્કવરી કહેવાય છે - કાનૂની વિવાદના દાયરામાં ઈલેક્ટ્રોનિક પુરાવા શોધવા, સમીક્ષા કરવા અને રજૂ કરવા. ઇ-ડિસ્કવરી એ એવો વિસ્તાર છે કે જ્યાં કોમ્પ્યુટર ફોરેન્સિક્સ સૌથી વધુ કાયદા સાથે જોડાયેલું છે અને કદાચ એઆઈનો સૌથી વધુ પરિપક્વ અને વ્યાપક ઉપયોગ છે. આ એકમમાં, તમે EDRM વર્કફ્લો, TAR/અનુમાનિત કોડિંગનો ખ્યાલ અને AI આ પ્રક્રિયાને કેવી રીતે પરિવર્તિત કરે છે તે શીખી શકશો.

EDRM: ઇ-શોધનો પ્રમાણભૂત વર્કફ્લો

વિશ્વમાં ઇ-ડિસ્કવરી મોટાભાગે EDRM (ઇલેક્ટ્રોનિક ડિસ્કવરી રેફરન્સ મોડલ - સંદર્ભ મોડલ જે ઇ-શોધ પ્રક્રિયાના પ્રમાણભૂત તબક્કાઓને વ્યાખ્યાયિત કરે છે) ના માળખામાં કાર્ય કરે છે. મુખ્ય તબક્કાઓ:

1. માહિતી વ્યવસ્થાપન અને ઓળખ: કયો ડેટા ક્યાં છે તે નક્કી કરવું.
2. જાળવણી અને સંગ્રહ: સંબંધિત ડેટાને કાઢી નાખવાનું અટકાવવું (કાયદેસર હોલ્ડ - મુકદ્દમાની અપેક્ષાએ ડેટા કાઢી નાખવાનું બંધ કરવાની જવાબદારી) અને તેને અખંડિતતા સાથે એકત્રિત કરવું.
3. પ્રોસેસિંગ: ડેટાને શોધી શકાય તેવું બનાવવું, ડુપ્લિકેટ્સ દૂર કરવું, ફોર્મેટ કન્વર્ઝન.
4. સમીક્ષા: દસ્તાવેજો સંવેદનશીલ છે કે વિશેષાધિકૃત છે તે નક્કી કરવું — એટર્ની-ક્લાયન્ટ વિશેષાધિકાર દ્વારા આવરી લેવામાં આવે છે અને તેને સોંપવામાં આવશે નહીં.
5. ઉત્પાદન: અન્ય પક્ષ/કોર્ટને સંબંધિત દસ્તાવેજો પહોંચાડવા.

સૌથી મોંઘા અને માનવબળની જરૂરિયાતનો તબક્કો એ સમીક્ષા છે. વકીલોને એક પછી એક હજારો દસ્તાવેજો વાંચવા એ ખૂબ ખર્ચાળ અને ખૂબ જ ધીમું છે. આ તે છે જ્યાં AI ક્રાંતિ સર્જે છે.

TAR અને અનુમાનિત કોડિંગ

સમીક્ષાને ઝડપી બનાવતી મુખ્ય તકનીક TAR (ટેક્નોલોજી આસિસ્ટેડ રિવ્યુ) છે. સૌથી સામાન્ય સ્વરૂપ અનુમાનિત કોડિંગ છે: નિષ્ણાત એટર્ની નમૂના દસ્તાવેજોને "સંબંધિત/અપ્રસ્તુત" તરીકે લેબલ કરે છે; સિસ્ટમ આ ઉદાહરણોમાંથી શીખે છે અને બાકીના હજારો દસ્તાવેજોનું આપમેળે વર્ગીકરણ કરે છે. આમ વ્યક્તિ ફક્ત સૌથી વધુ સંભવિત સંબંધિત દસ્તાવેજો વાંચે છે અને બાકીના નમૂના લઈને તપાસે છે.

આધુનિક AI (મોટા લેંગ્વેજ મોડલ્સ) આને એક પગલું આગળ લઈ જાય છે: તે સમજાવી શકે છે કે દસ્તાવેજ શા માટે સુસંગત છે, વિષયનો સારાંશ, વિશેષાધિકાર ધ્વજ, માત્ર "સંબંધિત/અપ્રસ્તુત" નથી. પરંતુ મૂળભૂત સિદ્ધાંત બદલાતો નથી: AI સૂચવે છે, સુસંગતતા અને વિશેષાધિકારના નિર્ણયની કાનૂની જવાબદારી વકીલની છે.

TAR ની સંરક્ષણક્ષમતા ઓડિટેબલ પ્રક્રિયા પર આધાર રાખે છે. નિષ્ણાત વકીલ દ્વારા લેબલ કરાયેલ તાલીમ ઉદાહરણો, સિસ્ટમ આ ઉદાહરણોમાંથી શીખે છે અને બાકીના દસ્તાવેજોનું વર્ગીકરણ ચક્રમાં પુનરાવર્તિત થાય છે; ચોકસાઈ દરેક રાઉન્ડમાં નમૂના દ્વારા માપવામાં આવે છે. આ ચક્ર "મશીને શું જોયું, તે શું શીખ્યું, તે કેટલું સચોટ હતું?" પ્રશ્નોના દસ્તાવેજી જવાબો પ્રદાન કરે છે. બીજી બાજુ વારંવાર આ પદ્ધતિ પર સવાલ ઉઠાવે છે; તેથી, તાલીમ સેટનું કદ, નિર્ણય થ્રેશોલ્ડ અને માન્યતા નમૂનાના દરો શરૂઆતથી રેકોર્ડ કરવામાં આવે છે. વધુ પારદર્શક અને પુનરાવર્તિત પ્રક્રિયા, કોર્ટમાં પરિણામ સ્વીકારવામાં આવશે તેવી શક્યતા વધુ છે.

ટીપ: તમારી TAR પ્રક્રિયાને સુરક્ષિત બનાવવા માટે, તમારા "તાલીમ" નમૂનાઓ, માન્યતા મેટ્રિક્સ (રિકોલ/ચોકસાઇ), અને નિર્ણય થ્રેશોલ્ડનું દસ્તાવેજીકરણ કરો. બીજો પક્ષ પૂછે છે "મશીન શું ચૂકી ગયું?" તે પૂછી શકે છે; પારદર્શક પદ્ધતિ વિશ્વાસની ખાતરી આપે છે.

બે મેટ્રિક્સ: યાદ અને ચોકસાઇ

ઈ-શોધમાં બે ખ્યાલો મહત્વપૂર્ણ છે. યાદ કરો (સંવેદનશીલતા — તમે ખરેખર કેટલા સંબંધિત દસ્તાવેજો શોધી શક્યા હતા) ગુમ થવાના જોખમને માપે છે; તે કાયદેસર રીતે મહત્વપૂર્ણ છે કારણ કે સંબંધિત દસ્તાવેજ સબમિટ કરવામાં નિષ્ફળતા પ્રતિબંધોમાં પરિણમી શકે છે. ચોકસાઇ-તમે જે શોધો છો તેમાંથી કેટલું વાસ્તવમાં સુસંગત છે-બિનજરૂરી વાંચન લોડને માપે છે; ખર્ચને અસર કરે છે. બંને વચ્ચે સંતુલન છે: જો તમે થ્રેશોલ્ડમાં આરામ કરો છો, તો રિકોલ વધે છે, પરંતુ બિનજરૂરી દસ્તાવેજો પણ વધે છે. ફોરેન્સિક/કાનૂની સંદર્ભમાં, ઉચ્ચ રિકોલને ઘણી વખત પ્રાથમિકતા આપવામાં આવે છે - વધુ વાંચવા કરતાં ખૂટે નહીં તે વધુ મહત્વનું છે.

વિશેષાધિકાર અને ગોપનીયતા: લાલ રેખા

ઈ-શોધમાં સૌથી ખતરનાક ભૂલ એ છે કે આકસ્મિક રીતે કોઈ વિશેષાધિકૃત દસ્તાવેજ બીજા પક્ષને સોંપી દેવો (વિશેષાધિકાર માફી). એકવાર એટર્ની-ક્લાયન્ટ પત્રવ્યવહાર વિતરિત થઈ જાય, તે પુનઃપ્રાપ્ત કરવું ખૂબ મુશ્કેલ છે. AI ફ્લેગ વિશેષાધિકારમાં મદદ કરે છે, પરંતુ દરેક વિશેષાધિકારના નિર્ણયની પુષ્ટિ માનવ વકીલ દ્વારા થવી જોઈએ. વધુમાં, વ્યક્તિગત ડેટા (KVKK/GDPR સ્કોપ) ધરાવતા દસ્તાવેજો માટે રિડેક્શનની જરૂર પડી શકે છે; AI ફ્લેગ્સ ઉમેદવારોને માસ્ક કરે છે, અંતિમ નિયંત્રણ માનવ પાસે છે.

સાવધાન: AI માં કાચો કોર્પોરેટ ડેટા લોડ કરતી વખતે ડેટા ગોપનીયતા અને અધિકારક્ષેત્ર (કયા દેશનો ડેટા, તે ક્યાં જાય છે) નિયમોનું અવલોકન કરો. વિશેષાધિકૃત અને વ્યક્તિગત ડેટા એવા વાહનો પર પ્રક્રિયા થવી જોઈએ જેનો ડેટા કરાર હેઠળ અને યોગ્ય અધિકારક્ષેત્રમાં મોડલ તાલીમમાં ન જાય.

ત્રણ નાના કેસો

કેસ 1 - TAR ઘટાડેલી કિંમત. 1.3 મિલિયન દસ્તાવેજોના વ્યવસાયિક કિસ્સામાં, ક્લાસિક રેખીય સમીક્ષા અંદાજ 14 મહિનાનો હતો. અનુમાનિત કોડિંગ સાથે, વકીલોએ 8,000 દસ્તાવેજોને ટેગ કર્યા; સિસ્ટમે બાકીનાને વર્ગીકૃત કર્યું અને માનવીય સમીક્ષા 90,000 દસ્તાવેજો સુધી ઘટી ગઈ. પ્રક્રિયાને ઘટાડીને 6 અઠવાડિયા કરવામાં આવી હતી, 92% રિકોલ સેમ્પલિંગ દ્વારા પુષ્ટિ મળી હતી.

કેસ 2 - વિશેષાધિકાર સાચવવામાં આવ્યો. પ્રી-પ્રોડક્શન AI એ "સંભવતઃ વિશેષાધિકૃત" તરીકે ડિલિવરી સેટમાં 240 દસ્તાવેજોને ફ્લેગ કર્યા. વકીલની ટીમે તપાસ કરી; 210 વાસ્તવમાં એટર્ની-ક્લાયન્ટ પત્રવ્યવહાર હતા અને વિતરિત કરવામાં આવ્યા ન હતા. AI વિના, આ દસ્તાવેજો આકસ્મિક રીતે અન્ય પક્ષ પાસે જઈ શક્યા હોત.

કેસ 3 - વધુ પડતા આત્મવિશ્વાસનું જોખમ. એક ટીમે ઉચ્ચ ચોકસાઇ માટે TAR થ્રેશોલ્ડને ચુસ્તપણે સેટ કર્યું છે; સિસ્ટમે નમૂના લીધા વિના તેને "અપ્રસ્તુત" માનતા તેને દૂર કર્યા. અનુગામી ઓડિટમાં જાણવા મળ્યું કે કડક મર્યાદાને કારણે ઘણા મહત્વપૂર્ણ ઇમેઇલ્સ ચૂકી ગયા હતા. ભૂલ મોડેથી ધ્યાનમાં આવી કારણ કે કોલ સેમ્પલિંગ કરવામાં આવ્યું ન હતું.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) ડ્રાફ્ટ સમીક્ષા પ્રોટોકોલ:

તમારી ભૂમિકા: ઇ-ડિસ્કવરી કન્સલ્ટન્ટ. કેસનો વિષય: [કરારનો ભંગ]. મારા માટે સમીક્ષા પ્રોટોકોલનો મુસદ્દો તૈયાર કરો: પ્રતિભાવ માપદંડ, વિશેષાધિકાર ફ્લેગ્સ, વ્યક્તિગત ડેટા માસ્કિંગ નિયમો અને TAR ચકાસણી પગલાં (રિકોલ/ચોકસાઇ સેમ્પલિંગ). જણાવો કે દરેક નિર્ણય એટર્ની પુષ્ટિને આધીન છે.

2) પ્રાસંગિકતા પ્રારંભિક વર્ગીકરણ:

વિષય બાબત અને સુસંગતતા માપદંડ: [અહીં]. હું તમને દસ્તાવેજના સારાંશ આપીશ. દરેક દસ્તાવેજ માટે: સંબંધિત/અપ્રસ્તુત/અનિશ્ચિત અને સંક્ષિપ્ત સમર્થન આપો. "અસ્પષ્ટ" રાશિઓને પ્રકાશિત કરો; આ એટર્ની સમીક્ષામાં જશે. તમે જેમને અપ્રસ્તુત કહો છો તેઓને નમૂના દ્વારા તપાસવામાં આવશે, તે ચોક્કસ નાબૂદી નથી.

3) વિશેષાધિકાર સ્કેનિંગ:

એટર્ની-ક્લાયન્ટ વિશેષાધિકારને સંભવિત રૂપે રજૂ કરતા નીચેના દસ્તાવેજો પર ટિક કરો: વકીલના નામ, "ગોપનીય/વિશેષાધિકૃત" ભાષા, કાનૂની અભિપ્રાય સામગ્રી. આ અંતિમ નિર્ણયો નથી, તેઓ વકીલ દ્વારા પુષ્ટિ કરવા માટેના ઉમેદવારો છે. દરેક ચિહ્ન માટે વાજબીપણું અને સંબંધિત રેખા આપો.

4) વ્યક્તિગત ડેટા માસ્કિંગ માટેના ઉમેદવારો:

વ્યક્તિગત ડેટા ઉમેદવારોની યાદી બનાવો કે જેને ઉત્પાદન પહેલાં વિતરિત કરવા માટે આ દસ્તાવેજોમાં માસ્ક કરવાની જરૂર છે: TR, IBAN, આરોગ્ય, તૃતીય પક્ષ ખાનગી ડેટા. માત્ર ઉમેદવાર તરીકે ચિહ્નિત કરો; હું અંતિમ માસ્કિંગ નિર્ણય લઈશ. ટેક્સ્ટ બદલો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ દસ્તાવેજોમાંથી, કેસ સાથે સંબંધિત હોય તે પસંદ કરો.

કોઈ સુસંગતતા માપદંડ, કોઈ વિશિષ્ટતા અને કોઈ ચકાસણી નહીં; AI વ્યક્તિલક્ષી નિર્ણયો લે છે, મહત્વપૂર્ણ દસ્તાવેજ ચૂકી શકે છે અથવા વિશેષાધિકૃત લીક થઈ શકે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: ઇ-શોધ સમીક્ષા સહાયક. કેસ: આરોપ કે કંપની X એ Y. સુસંગતતા માપદંડ સાથે સપ્લાય કોન્ટ્રાક્ટનું ઉલ્લંઘન કર્યું છે: ડિલિવરી તારીખો, કિંમતમાં ફેરફાર, ગુણવત્તાની ફરિયાદો, સમાપ્તિ વાટાઘાટો. હું તમને દસ્તાવેજના સારાંશ આપીશ. દરેક દસ્તાવેજ માટે સંબંધિત/અપ્રસ્તુત/અનિશ્ચિત + વાજબીપણું આપો. વકીલનું નામ અથવા કાનૂની અભિપ્રાય ધરાવનારને "સંભવતઃ વિશેષાધિકૃત" તરીકે પણ ચિહ્નિત કરો. કોઈપણ નિર્ણયને અંતિમ ગણશો નહીં; બધા એટર્ની પુષ્ટિને પાત્ર છે.

મૂળ માપદંડો, વિશેષાધિકાર સ્ક્રીનીંગ અને "વકીલ ચકાસણી" અવરોધ પ્રક્રિયાને બચાવપાત્ર બનાવે છે.

EDRM સ્ટેજ અને AI ટેબલ

સ્ટેજ

AI યોગદાન

માનવ જવાબદારી

સંગ્રહ

નમૂનો, યોજના

કાનૂની પકડ, અખંડિતતા

પ્રોસેસિંગ

ડી-ડુપ, ફોર્મેટ, ડિરેક્ટરી

ગુણવત્તા નિયંત્રણ

સમીક્ષા

TAR, સુસંગતતા ભલામણ

સુસંગતતા નિર્ણય

વિશેષાધિકાર

ઉમેદવારને ચિહ્નિત કરી રહ્યાં છે

અંતિમ નિર્ણય, પુષ્ટિ

ઉત્પાદન

માસ્કીંગ ઉમેદવાર

અંતિમ ચેક, ડિલિવરી

સામાન્ય ભૂલો

• TAR અડ્યા વિના છોડીને. કૉલ સેમ્પલ કર્યા વિના "મશીને કહ્યું કે તેને રસ નથી" એમ કહેવાથી હાઇજેક થશે.
• વિશેષાધિકારનો નિર્ણય AI પર છોડીને. ખોટી ડિલિવરી અફર માફીનું જોખમ લે છે.
• યાદ કરવાને બદલે માત્ર ચોકસાઇ પર ધ્યાન કેન્દ્રિત કરવું. ચુસ્ત થ્રેશોલ્ડ સંબંધિત દસ્તાવેજ ચૂકી જાય છે; કાયદામાં, રિકોલને પ્રાથમિકતા છે.
• પદ્ધતિનું દસ્તાવેજીકરણ નથી. અન્ય પક્ષ TAR પ્રક્રિયા પર પ્રશ્ન કરી શકે છે; પારદર્શિતા આવશ્યક છે.
• વ્યક્તિગત/વિશેષાધિકૃત ડેટાને અયોગ્ય સાધન પર અપલોડ કરવો. અધિકારક્ષેત્ર અને ગોપનીયતા નિયમોનું અવલોકન કરો.

સારાંશમાં

ઈ-ડિસ્કવરી એ કોર્પોરેટ ઈલેક્ટ્રોનિક ડેટામાંથી કાનૂની રીતે સંબંધિત પુરાવા શોધવા અને પહોંચાડવાની પ્રક્રિયા છે અને EDRM ના માળખામાં કાર્ય કરે છે. AI સૌથી ખર્ચાળ તબક્કામાં પરિવર્તન લાવે છે, સમીક્ષા કરીને, TAR/અનુમાનિત કોડિંગ સાથે: માનવ ફક્ત સૌથી વધુ સંભવિત સંબંધિત અને અસ્પષ્ટ દસ્તાવેજો વાંચે છે. પરંતુ સુસંગતતા અને ખાસ કરીને વિશેષાધિકારના નિર્ણય માટેની કાનૂની જવાબદારી વકીલની છે; રિકોલ સેમ્પલિંગ, પદ્ધતિની પારદર્શિતા અને વ્યક્તિગત ડેટા સુરક્ષા માનવીય શિસ્ત દ્વારા સુનિશ્ચિત કરવામાં આવે છે.

એપ્લિકેશન કાર્ય

એક કાલ્પનિક કેસ અને સુસંગતતા માપદંડની 4-5 વસ્તુઓ વ્યાખ્યાયિત કરો. 20-25 દસ્તાવેજ સારાંશ તૈયાર કરો (થોડા વિશેષાધિકૃત, થોડા અસ્પષ્ટ). "પ્રાસંગિકતા પૂર્વ-વર્ગીકરણ" અને "વિશેષાધિકાર સ્ક્રીનીંગ" નમૂનાઓ લાગુ કરો; પછી "અપ્રસ્તુત" સેટમાંથી નમૂના લઈને મેન્યુઅલી રિકોલ તપાસો અને એઆઈએ ફ્લેગ કરેલા વિશેષાધિકાર ઉમેદવારોની પુષ્ટિ કરો.

ચેકલિસ્ટ

• [ ] મેં EDRM તબક્કાઓ અને કાનૂની હોલ્ડની જવાબદારીનું અવલોકન કર્યું.
• [ ] મેં રિકોલ સેમ્પલિંગ સાથે TAR/પૂર્વ-વર્ગીકરણ પરિણામ તપાસ્યું.
• [ ] મેં દરેક વિશેષાધિકાર નિર્ણયને માનવ વકીલની પુષ્ટિ સાથે જોડ્યો છે.
• [ ] મેં અંતિમ તપાસ સાથે ઉમેદવારોને વ્યક્તિગત ડેટા માસ્ક કરવાની મંજૂરી આપી છે.
• [ ] મેં ઉપયોગમાં લીધેલી પદ્ધતિ અને થ્રેશોલ્ડનું દસ્તાવેજીકરણ કર્યું.