ਈ-ਡਿਸਕਵਰੀ: ਕਾਰਪੋਰੇਟ ਡੇਟਾ ਵਿੱਚ ਸੰਬੰਧਿਤ ਸਬੂਤ ਲੱਭਣਾ

ਲਾਭ:

• EDRM ਵਰਕਫਲੋ ਅਤੇ TAR/ਅਨੁਮਾਨੀ ਕੋਡਿੰਗ ਸੰਕਲਪ ਨੂੰ ਸਮਝਣ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਸਮੀਖਿਆ ਪੜਾਅ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਰੀਕਾਲ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੇ ਸੰਤੁਲਨ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਇੱਕ ਫੋਰੈਂਸਿਕ ਸੰਦਰਭ ਵਿੱਚ ਉੱਚ ਰੀਕਾਲ ਨੂੰ ਤਰਜੀਹ ਦੇ ਕੇ ਸੰਬੰਧਿਤ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਨਾ ਗੁਆਉਣ ਦੀ ਸਮਰੱਥਾ
• ਇਹ ਸਮਝਣਾ ਕਿ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਦੇ ਫੈਸਲਿਆਂ ਲਈ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮਨੁੱਖੀ ਵਕੀਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਅਤੇ ਕਾਰਜਪ੍ਰਣਾਲੀ ਦੀ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ

ਸਿਵਲ ਮੁਕੱਦਮੇ ਜਾਂ ਰੈਗੂਲੇਟਰੀ ਜਾਂਚ ਵਿੱਚ, ਇੱਕ ਧਿਰ ਦੂਜੀ ਦੁਆਰਾ ਰੱਖੇ ਗਏ ਇਲੈਕਟ੍ਰਾਨਿਕ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਬੇਨਤੀ ਕਰਦੀ ਹੈ: ਈਮੇਲ, ਇਕਰਾਰਨਾਮੇ, ਚੈਟ ਲੌਗ, ਫਾਈਲਾਂ। ਕਾਨੂੰਨ ਦੇ ਅਨੁਸਾਰ ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ, ਉਹਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ, ਸੰਬੰਧਿਤ ਵਿਅਕਤੀਆਂ ਨੂੰ ਛਾਂਟਣ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਦੂਜੀ ਧਿਰ/ਅਦਾਲਤ ਨੂੰ ਸੌਂਪਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਈ-ਡਿਸਕਵਰੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ - ਕਾਨੂੰਨੀ ਵਿਵਾਦ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਇਲੈਕਟ੍ਰਾਨਿਕ ਸਬੂਤ ਲੱਭਣਾ, ਸਮੀਖਿਆ ਕਰਨਾ ਅਤੇ ਪੇਸ਼ ਕਰਨਾ। ਈ-ਡਿਸਕਵਰੀ ਉਹ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਕੰਪਿਊਟਰ ਫੋਰੈਂਸਿਕ ਕਾਨੂੰਨ ਨਾਲ ਸਭ ਤੋਂ ਵੱਧ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਅਤੇ ਸ਼ਾਇਦ ਏਆਈ ਦੀ ਸਭ ਤੋਂ ਵੱਧ ਪਰਿਪੱਕ ਅਤੇ ਵਿਆਪਕ ਵਰਤੋਂ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ EDRM ਵਰਕਫਲੋ, TAR/ਅਨੁਮਾਨੀ ਕੋਡਿੰਗ ਦੀ ਧਾਰਨਾ ਅਤੇ AI ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ ਬਾਰੇ ਸਿੱਖੋਗੇ।

EDRM: ਈ-ਖੋਜ ਦਾ ਮਿਆਰੀ ਵਰਕਫਲੋ

ਦੁਨੀਆ ਵਿੱਚ ਈ-ਖੋਜ ਵੱਡੇ ਪੱਧਰ 'ਤੇ EDRM (ਇਲੈਕਟ੍ਰਾਨਿਕ ਡਿਸਕਵਰੀ ਰੈਫਰੈਂਸ ਮਾਡਲ - ਇੱਕ ਹਵਾਲਾ ਮਾਡਲ ਜੋ ਈ-ਖੋਜ ਪ੍ਰਕਿਰਿਆ ਦੇ ਮਿਆਰੀ ਪੜਾਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ) ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਦਾ ਹੈ। ਮੁੱਖ ਪੜਾਅ:

1. ਜਾਣਕਾਰੀ ਪ੍ਰਬੰਧਨ ਅਤੇ ਪਛਾਣ: ਪਤਾ ਕਰਨਾ ਕਿ ਕਿਹੜਾ ਡੇਟਾ ਕਿੱਥੇ ਹੈ।
2. ਸੰਭਾਲ ਅਤੇ ਸੰਗ੍ਰਹਿ: ਸੰਬੰਧਿਤ ਡੇਟਾ ਨੂੰ ਮਿਟਾਉਣ ਤੋਂ ਰੋਕਣਾ (ਕਾਨੂੰਨੀ ਹੋਲਡ - ਮੁਕੱਦਮੇਬਾਜ਼ੀ ਦੀ ਉਮੀਦ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਮਿਟਾਉਣਾ ਬੰਦ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ) ਅਤੇ ਇਸ ਨੂੰ ਇਮਾਨਦਾਰੀ ਨਾਲ ਇਕੱਠਾ ਕਰਨਾ।
3. ਪ੍ਰੋਸੈਸਿੰਗ: ਡੇਟਾ ਨੂੰ ਖੋਜਣ ਯੋਗ ਬਣਾਉਣਾ, ਡੁਪਲੀਕੇਟਸ ਨੂੰ ਹਟਾਉਣਾ, ਫਾਰਮੈਟ ਪਰਿਵਰਤਨ।
4. ਸਮੀਖਿਆ: ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਕਿ ਕੀ ਦਸਤਾਵੇਜ਼ ਸੰਵੇਦਨਸ਼ੀਲ ਹਨ ਜਾਂ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ — ਅਟਾਰਨੀ-ਕਲਾਇੰਟ ਦੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੁਆਰਾ ਕਵਰ ਕੀਤੇ ਗਏ ਹਨ ਅਤੇ ਸੌਂਪੇ ਨਹੀਂ ਜਾਣਗੇ।
5. ਉਤਪਾਦਨ: ਸਬੰਧਤ ਦਸਤਾਵੇਜ਼ ਦੂਜੀ ਧਿਰ/ਅਦਾਲਤ ਨੂੰ ਸੌਂਪਣਾ।

ਸਭ ਤੋਂ ਮਹਿੰਗਾ ਅਤੇ ਮਨੁੱਖੀ ਸ਼ਕਤੀ ਦੀ ਲੋੜ ਵਾਲਾ ਪੜਾਅ ਸਮੀਖਿਆ ਹੈ। ਵਕੀਲਾਂ ਨੂੰ ਇਕ-ਇਕ ਕਰਕੇ ਹਜ਼ਾਰਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਪੜ੍ਹਨਾ ਬਹੁਤ ਮਹਿੰਗਾ ਅਤੇ ਬਹੁਤ ਹੌਲੀ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI ਇੱਕ ਕ੍ਰਾਂਤੀ ਪੈਦਾ ਕਰਦਾ ਹੈ।

TAR ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕੋਡਿੰਗ

ਮੁੱਖ ਤਕਨੀਕ ਜੋ ਸਮੀਖਿਆ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ TAR (ਟੈਕਨਾਲੋਜੀ ਅਸਿਸਟਡ ਰਿਵਿਊ) ਹੈ। ਸਭ ਤੋਂ ਆਮ ਰੂਪ ਭਵਿੱਖਬਾਣੀ ਕੋਡਿੰਗ ਹੈ: ਇੱਕ ਮਾਹਰ ਅਟਾਰਨੀ ਨਮੂਨੇ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ "ਸੰਬੰਧਿਤ/ਅਪ੍ਰਸੰਗਿਕ" ਵਜੋਂ ਲੇਬਲ ਕਰਦਾ ਹੈ; ਸਿਸਟਮ ਇਹਨਾਂ ਉਦਾਹਰਣਾਂ ਤੋਂ ਸਿੱਖਦਾ ਹੈ ਅਤੇ ਬਾਕੀ ਸੈਂਕੜੇ ਹਜ਼ਾਰਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਹੀ ਵਰਗੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ ਕੋਈ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਿਤ ਸੰਬੰਧਿਤ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ ਅਤੇ ਨਮੂਨੇ ਲੈ ਕੇ ਬਾਕੀ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ।

ਆਧੁਨਿਕ AI (ਵੱਡੇ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ) ਇਸ ਨੂੰ ਇੱਕ ਕਦਮ ਹੋਰ ਅੱਗੇ ਲੈ ਜਾਂਦੇ ਹਨ: ਇਹ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਦਸਤਾਵੇਜ਼ ਕਿਉਂ ਢੁਕਵਾਂ ਹੈ, ਵਿਸ਼ਾ ਸੰਖੇਪ, ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਫਲੈਗ, ਨਾ ਕਿ ਸਿਰਫ਼ "ਪ੍ਰਸੰਗਿਕ/ਅਪ੍ਰਸੰਗਿਕ" ਹੈ। ਪਰ ਮੂਲ ਸਿਧਾਂਤ ਨਹੀਂ ਬਦਲਦਾ: ਏਆਈ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਪ੍ਰਸੰਗਿਕਤਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੇ ਫੈਸਲੇ ਲਈ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਵਕੀਲ ਦੀ ਹੈ।

TAR ਦੀ ਰੱਖਿਆਯੋਗਤਾ ਪ੍ਰਕਿਰਿਆ ਦੇ ਆਡਿਟ ਹੋਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਮਾਹਰ ਵਕੀਲ ਦੁਆਰਾ ਲੇਬਲ ਕੀਤੀਆਂ ਸਿਖਲਾਈ ਦੀਆਂ ਉਦਾਹਰਣਾਂ, ਇਹਨਾਂ ਉਦਾਹਰਣਾਂ ਤੋਂ ਸਿੱਖਣ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਅਤੇ ਬਾਕੀ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਵਰਗੀਕਰਨ ਇੱਕ ਚੱਕਰ ਵਿੱਚ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ; ਸ਼ੁੱਧਤਾ ਹਰ ਦੌਰ ਵਿੱਚ ਨਮੂਨੇ ਦੁਆਰਾ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਚੱਕਰ ਸਵਾਲਾਂ ਦੇ ਦਸਤਾਵੇਜ਼ੀ ਜਵਾਬ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ "ਮਸ਼ੀਨ ਨੇ ਕੀ ਦੇਖਿਆ, ਇਸ ਨੇ ਕੀ ਸਿੱਖਿਆ, ਇਹ ਕਿੰਨੀ ਸਹੀ ਸੀ?" ਦੂਸਰਾ ਪੱਖ ਅਕਸਰ ਇਸ ਵਿਧੀ 'ਤੇ ਸਵਾਲ ਉਠਾਉਂਦਾ ਹੈ; ਇਸ ਲਈ, ਸਿਖਲਾਈ ਸੈੱਟ ਦਾ ਆਕਾਰ, ਫੈਸਲੇ ਦੀ ਥ੍ਰੈਸ਼ਹੋਲਡ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਨਮੂਨਾ ਦਰਾਂ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਰਿਕਾਰਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪ੍ਰਕਿਰਿਆ ਜਿੰਨੀ ਪਾਰਦਰਸ਼ੀ ਅਤੇ ਦੁਹਰਾਉਣ ਯੋਗ ਹੋਵੇਗੀ, ਅਦਾਲਤ ਵਿੱਚ ਨਤੀਜਾ ਸਵੀਕਾਰ ਕੀਤੇ ਜਾਣ ਦੀ ਸੰਭਾਵਨਾ ਓਨੀ ਹੀ ਜ਼ਿਆਦਾ ਹੋਵੇਗੀ।

ਸੁਝਾਅ: ਆਪਣੀ TAR ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸੁਰੱਖਿਅਤ ਬਣਾਉਣ ਲਈ, ਆਪਣੇ "ਸਿਖਲਾਈ" ਦੇ ਨਮੂਨੇ, ਪ੍ਰਮਾਣਿਕਤਾ ਮੈਟ੍ਰਿਕਸ (ਯਾਦ/ਸ਼ੁੱਧਤਾ), ਅਤੇ ਫੈਸਲੇ ਦੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ। ਦੂਜੀ ਧਿਰ ਪੁੱਛਦੀ ਹੈ "ਮਸ਼ੀਨ ਵਿੱਚ ਕੀ ਖੁੰਝ ਗਿਆ?" ਉਹ ਪੁੱਛ ਸਕਦਾ ਹੈ; ਪਾਰਦਰਸ਼ੀ ਕਾਰਜਪ੍ਰਣਾਲੀ ਭਰੋਸੇ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ।

ਦੋ ਮੈਟ੍ਰਿਕਸ: ਯਾਦ ਅਤੇ ਸ਼ੁੱਧਤਾ

ਈ-ਖੋਜ ਵਿੱਚ ਦੋ ਧਾਰਨਾਵਾਂ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਯਾਦ ਕਰੋ (ਸੰਵੇਦਨਸ਼ੀਲਤਾ — ਤੁਸੀਂ ਅਸਲ ਵਿੱਚ ਕਿੰਨੇ ਸੰਬੰਧਿਤ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਲੱਭਣ ਦੇ ਯੋਗ ਸੀ) ਗੁੰਮ ਹੋਣ ਦੇ ਜੋਖਮ ਨੂੰ ਮਾਪਦਾ ਹੈ; ਇਹ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਨਾਜ਼ੁਕ ਹੈ ਕਿਉਂਕਿ ਸੰਬੰਧਿਤ ਦਸਤਾਵੇਜ਼ ਜਮ੍ਹਾ ਕਰਨ ਵਿੱਚ ਅਸਫਲਤਾ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਪਾਬੰਦੀਆਂ ਲੱਗ ਸਕਦੀਆਂ ਹਨ। ਸ਼ੁੱਧਤਾ—ਤੁਹਾਨੂੰ ਜੋ ਵੀ ਮਿਲਦਾ ਹੈ, ਉਹ ਅਸਲ ਵਿੱਚ ਕਿੰਨਾ ਢੁਕਵਾਂ ਹੈ—ਬੇਲੋੜੇ ਰੀਡਿੰਗ ਲੋਡ ਨੂੰ ਮਾਪਦਾ ਹੈ; ਲਾਗਤ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਦੋਵਾਂ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਹੈ: ਜੇ ਤੁਸੀਂ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਢਿੱਲ ਦਿੰਦੇ ਹੋ, ਤਾਂ ਯਾਦ ਵਧਦਾ ਹੈ, ਪਰ ਬੇਲੋੜੇ ਦਸਤਾਵੇਜ਼ ਵੀ ਵਧ ਜਾਂਦੇ ਹਨ। ਫੋਰੈਂਸਿਕ/ਕਾਨੂੰਨੀ ਸੰਦਰਭ ਵਿੱਚ, ਉੱਚ ਰੀਕਾਲ ਨੂੰ ਅਕਸਰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ — ਗੁੰਮ ਨਾ ਹੋਣਾ ਓਵਰ-ਰੀਡਿੰਗ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਮਹੱਤਵਪੂਰਨ ਹੈ।

ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਅਤੇ ਗੋਪਨੀਯਤਾ: ਲਾਲ ਲਾਈਨ

ਈ-ਖੋਜ ਵਿੱਚ ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਗਲਤੀ ਗਲਤੀ ਨਾਲ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ ਦਸਤਾਵੇਜ਼ ਦੂਜੀ ਧਿਰ ਨੂੰ ਸੌਂਪਣਾ ਹੈ (ਪ੍ਰੀਵਿਲੇਜ ਵੇਵਰ)। ਇੱਕ ਵਾਰ ਅਟਾਰਨੀ-ਕਲਾਇੰਟ ਪੱਤਰ-ਵਿਹਾਰ ਡਿਲੀਵਰ ਹੋ ਜਾਂਦਾ ਹੈ, ਇਸ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। AI ਫਲੈਗ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੀ ਮਦਦ ਕਰਦਾ ਹੈ, ਪਰ ਹਰੇਕ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੇ ਫੈਸਲੇ ਦੀ ਪੁਸ਼ਟੀ ਮਨੁੱਖੀ ਅਟਾਰਨੀ ਦੁਆਰਾ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਨਿੱਜੀ ਡੇਟਾ (KVKK/GDPR ਸਕੋਪ) ਵਾਲੇ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਸੋਧ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ; AI ਫਲੈਗ ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਮਾਸਕਿੰਗ ਕਰਦਾ ਹੈ, ਅੰਤਮ ਨਿਯੰਤਰਣ ਮਨੁੱਖ ਕੋਲ ਹੈ।

ਸਾਵਧਾਨ: AI ਵਿੱਚ ਕੱਚਾ ਕਾਰਪੋਰੇਟ ਡੇਟਾ ਲੋਡ ਕਰਦੇ ਸਮੇਂ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਅਤੇ ਅਧਿਕਾਰ ਖੇਤਰ (ਕਿਸ ਦੇਸ਼ ਦਾ ਡੇਟਾ, ਇਹ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ) ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ। ਉਨ੍ਹਾਂ ਵਾਹਨਾਂ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਡੇਟਾ ਇਕਰਾਰਨਾਮੇ ਦੇ ਅਧੀਨ ਅਤੇ ਉਚਿਤ ਅਧਿਕਾਰ ਖੇਤਰ ਵਿੱਚ ਮਾਡਲ ਸਿਖਲਾਈ ਲਈ ਨਹੀਂ ਜਾਂਦਾ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - TAR ਘਟੀ ਲਾਗਤ। 1.3 ਮਿਲੀਅਨ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਇੱਕ ਵਪਾਰਕ ਮਾਮਲੇ ਵਿੱਚ, ਕਲਾਸਿਕ ਰੇਖਿਕ ਸਮੀਖਿਆ ਦਾ ਅਨੁਮਾਨ 14 ਮਹੀਨੇ ਸੀ। ਭਵਿੱਖਬਾਣੀ ਕੋਡਿੰਗ ਦੇ ਨਾਲ, ਵਕੀਲਾਂ ਨੇ 8,000 ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਟੈਗ ਕੀਤਾ; ਸਿਸਟਮ ਨੇ ਬਾਕੀ ਬਚੇ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਅਤੇ ਮਨੁੱਖੀ ਸਮੀਖਿਆ 90,000 ਦਸਤਾਵੇਜ਼ਾਂ ਤੱਕ ਘੱਟ ਗਈ। ਪ੍ਰਕਿਰਿਆ ਨੂੰ 6 ਹਫ਼ਤਿਆਂ ਤੱਕ ਘਟਾ ਦਿੱਤਾ ਗਿਆ, 92% ਰੀਕਾਲ ਸੈਂਪਲਿੰਗ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ।

ਕੇਸ 2 - ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਸੁਰੱਖਿਅਤ। ਪ੍ਰੀ-ਪ੍ਰੋਡਕਸ਼ਨ AI ਨੇ "ਸੰਭਵ ਤੌਰ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ" ਦੇ ਤੌਰ 'ਤੇ ਡਿਲੀਵਰੀ ਸੈੱਟ ਵਿੱਚ 240 ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਫਲੈਗ ਕੀਤਾ। ਵਕੀਲ ਟੀਮ ਨੇ ਜਾਂਚ ਕੀਤੀ; 210 ਅਸਲ ਵਿੱਚ ਅਟਾਰਨੀ-ਕਲਾਇੰਟ ਪੱਤਰ-ਵਿਹਾਰ ਸਨ ਅਤੇ ਡਿਲੀਵਰ ਨਹੀਂ ਕੀਤੇ ਗਏ ਸਨ। AI ਤੋਂ ਬਿਨਾਂ, ਇਹ ਦਸਤਾਵੇਜ਼ ਗਲਤੀ ਨਾਲ ਦੂਜੀ ਧਿਰ ਕੋਲ ਜਾ ਸਕਦੇ ਸਨ।

ਕੇਸ 3 - ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਤਮਵਿਸ਼ਵਾਸ ਦਾ ਜੋਖਮ। ਇੱਕ ਟੀਮ ਨੇ ਉੱਚ ਸ਼ੁੱਧਤਾ ਲਈ TAR ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਕੱਸ ਕੇ ਸੈੱਟ ਕੀਤਾ; ਸਿਸਟਮ ਨੇ ਬਿਨਾਂ ਨਮੂਨੇ ਦੇ "ਅਪ੍ਰਸੰਗਿਕ" ਸਮਝੇ ਉਹਨਾਂ ਨੂੰ ਖਤਮ ਕਰ ਦਿੱਤਾ। ਬਾਅਦ ਦੇ ਆਡਿਟ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ ਸਖਤ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੇ ਕਾਰਨ ਕਈ ਨਾਜ਼ੁਕ ਈਮੇਲਾਂ ਖੁੰਝ ਗਈਆਂ ਸਨ। ਗਲਤੀ ਦੇਰ ਨਾਲ ਨੋਟ ਕੀਤੀ ਗਈ ਕਿਉਂਕਿ ਕਾਲ ਸੈਂਪਲਿੰਗ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) ਡਰਾਫਟ ਸਮੀਖਿਆ ਪ੍ਰੋਟੋਕੋਲ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਈ-ਡਿਸਕਵਰੀ ਸਲਾਹਕਾਰ। ਕੇਸ ਦਾ ਵਿਸ਼ਾ: [ਇਕਰਾਰਨਾਮੇ ਦੀ ਉਲੰਘਣਾ]। ਮੇਰੇ ਲਈ ਇੱਕ ਸਮੀਖਿਆ ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ: ਜਵਾਬਦੇਹ ਮਾਪਦੰਡ, ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਫਲੈਗ, ਨਿੱਜੀ ਡੇਟਾ ਮਾਸਕਿੰਗ ਨਿਯਮ ਅਤੇ TAR ਪੁਸ਼ਟੀਕਰਨ ਕਦਮ (ਯਾਦ/ਸ਼ੁੱਧਤਾ ਨਮੂਨਾ). ਦੱਸੋ ਕਿ ਹਰ ਫੈਸਲਾ ਅਟਾਰਨੀ ਦੀ ਪੁਸ਼ਟੀ ਦੇ ਅਧੀਨ ਹੈ।

2) ਪ੍ਰਸੰਗਿਕਤਾ ਸ਼ੁਰੂਆਤੀ ਵਰਗੀਕਰਨ:

ਵਿਸ਼ਾ ਵਸਤੂ ਅਤੇ ਪ੍ਰਸੰਗਿਕਤਾ ਮਾਪਦੰਡ: [ਇੱਥੇ]। ਮੈਂ ਤੁਹਾਨੂੰ ਦਸਤਾਵੇਜ਼ ਦੇ ਸਾਰ ਦੇਵਾਂਗਾ। ਹਰੇਕ ਦਸਤਾਵੇਜ਼ ਲਈ: ਢੁਕਵਾਂ/ਅਪ੍ਰਸੰਗਿਕ/ਅਨਿਸ਼ਚਿਤ ਅਤੇ ਇੱਕ ਸੰਖੇਪ ਜਾਇਜ਼ਤਾ ਦਿਓ। "ਅਸਪਸ਼ਟ" ਲੋਕਾਂ ਨੂੰ ਹਾਈਲਾਈਟ ਕਰੋ; ਇਹ ਅਟਾਰਨੀ ਸਮੀਖਿਆ ਲਈ ਜਾਣਗੇ। ਜਿਨ੍ਹਾਂ ਨੂੰ ਤੁਸੀਂ ਅਪ੍ਰਸੰਗਿਕ ਕਹਿੰਦੇ ਹੋ ਉਨ੍ਹਾਂ ਦੀ ਸੈਂਪਲਿੰਗ ਦੁਆਰਾ ਜਾਂਚ ਕੀਤੀ ਜਾਵੇਗੀ, ਇਹ ਇੱਕ ਨਿਸ਼ਚਿਤ ਖਾਤਮਾ ਨਹੀਂ ਹੈ।

3) ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਸਕੈਨਿੰਗ:

ਹੇਠਾਂ ਦਿੱਤੇ ਦਸਤਾਵੇਜ਼ਾਂ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਜੋ ਸੰਭਵ ਤੌਰ 'ਤੇ ਅਟਾਰਨੀ-ਕਲਾਇੰਟ ਦੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਨੂੰ ਪੇਸ਼ ਕਰਦੇ ਹਨ: ਅਟਾਰਨੀ ਦੇ ਨਾਮ, "ਗੁਪਤ/ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ" ਭਾਸ਼ਾ, ਕਾਨੂੰਨੀ ਰਾਏ ਸਮੱਗਰੀ। ਇਹ ਅੰਤਿਮ ਫੈਸਲੇ ਨਹੀਂ ਹਨ, ਇਹ ਵਕੀਲ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਉਮੀਦਵਾਰ ਹਨ। ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ ਉਚਿਤਤਾ ਅਤੇ ਸੰਬੰਧਿਤ ਲਾਈਨ ਦਿਓ।

4) ਨਿੱਜੀ ਡਾਟਾ ਮਾਸਕਿੰਗ ਲਈ ਉਮੀਦਵਾਰ:

ਉਹਨਾਂ ਨਿੱਜੀ ਡੇਟਾ ਉਮੀਦਵਾਰਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਤਪਾਦਨ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਦਾਨ ਕੀਤੇ ਜਾਣ ਲਈ ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਮਾਸਕ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ: TR, IBAN, ਸਿਹਤ, ਤੀਜੀ ਧਿਰ ਦਾ ਨਿੱਜੀ ਡੇਟਾ। ਸਿਰਫ਼ ਉਮੀਦਵਾਰ ਵਜੋਂ ਮਾਰਕ ਕਰੋ; ਮੈਂ ਅੰਤਿਮ ਮਾਸਕਿੰਗ ਦਾ ਫੈਸਲਾ ਕਰਾਂਗਾ। ਟੈਕਸਟ ਬਦਲੋ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚੋਂ, ਉਹਨਾਂ ਨੂੰ ਚੁਣੋ ਜੋ ਕੇਸ ਨਾਲ ਸੰਬੰਧਿਤ ਹਨ।

ਕੋਈ ਪ੍ਰਸੰਗਿਕਤਾ ਮਾਪਦੰਡ, ਕੋਈ ਵਿਸ਼ੇਸ਼ਤਾ ਅਤੇ ਕੋਈ ਤਸਦੀਕ ਨਹੀਂ; AI ਵਿਅਕਤੀਗਤ ਫੈਸਲੇ ਲੈਂਦਾ ਹੈ, ਨਾਜ਼ੁਕ ਦਸਤਾਵੇਜ਼ ਗੁਆ ਸਕਦਾ ਹੈ ਜਾਂ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਲੀਕ ਹੋ ਸਕਦਾ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਈ-ਖੋਜ ਸਮੀਖਿਆ ਸਹਾਇਕ। ਕੇਸ: ਇਲਜ਼ਾਮ ਹੈ ਕਿ ਕੰਪਨੀ X ਨੇ Y. ਪ੍ਰਸੰਗਿਕਤਾ ਮਾਪਦੰਡ ਦੇ ਨਾਲ ਸਪਲਾਈ ਇਕਰਾਰਨਾਮੇ ਦੀ ਉਲੰਘਣਾ ਕੀਤੀ: ਡਿਲੀਵਰੀ ਤਾਰੀਖਾਂ, ਕੀਮਤ ਵਿੱਚ ਬਦਲਾਅ, ਗੁਣਵੱਤਾ ਦੀਆਂ ਸ਼ਿਕਾਇਤਾਂ, ਸਮਾਪਤੀ ਗੱਲਬਾਤ। ਮੈਂ ਤੁਹਾਨੂੰ ਦਸਤਾਵੇਜ਼ ਦੇ ਸਾਰ ਦੇਵਾਂਗਾ। ਹਰੇਕ ਦਸਤਾਵੇਜ਼ ਲਈ ਢੁਕਵਾਂ/ਅਪ੍ਰਸੰਗਿਕ/ਅਨਿਸ਼ਚਿਤ + ਉਚਿਤਤਾ ਦਿਓ। ਵਕੀਲ ਦਾ ਨਾਮ ਜਾਂ ਕਾਨੂੰਨੀ ਰਾਏ ਰੱਖਣ ਵਾਲਿਆਂ ਨੂੰ "ਸੰਭਵ ਤੌਰ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ" ਵਜੋਂ ਵੀ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਕਿਸੇ ਵੀ ਫੈਸਲੇ ਨੂੰ ਅੰਤਿਮ ਨਾ ਸਮਝੋ; ਸਾਰੇ ਵਕੀਲ ਦੀ ਪੁਸ਼ਟੀ ਦੇ ਅਧੀਨ ਹਨ.

ਅਸਲ ਮਾਪਦੰਡ, ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਸਕ੍ਰੀਨਿੰਗ, ਅਤੇ "ਵਕੀਲ ਤਸਦੀਕ" ਦੀ ਰੁਕਾਵਟ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਚਾਅ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ।

EDRM ਪੜਾਅ ਅਤੇ AI ਸਾਰਣੀ

ਸਟੇਜ

AI ਯੋਗਦਾਨ

ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ

ਸੰਗ੍ਰਹਿ

ਨਮੂਨਾ, ਯੋਜਨਾ

ਕਾਨੂੰਨੀ ਪਕੜ, ਇਕਸਾਰਤਾ

ਪ੍ਰੋਸੈਸਿੰਗ

ਡੀ-ਡੁਪ, ਫਾਰਮੈਟ, ਡਾਇਰੈਕਟਰੀ

ਗੁਣਵੱਤਾ ਕੰਟਰੋਲ

ਸਮੀਖਿਆ

TAR, ਪ੍ਰਸੰਗਿਕਤਾ ਦੀ ਸਿਫਾਰਸ਼

ਪ੍ਰਸੰਗਿਕਤਾ ਦਾ ਫੈਸਲਾ

ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ

ਉਮੀਦਵਾਰ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ

ਅੰਤਿਮ ਫੈਸਲਾ, ਪੁਸ਼ਟੀ

ਉਤਪਾਦਨ

ਮਾਸਕਿੰਗ ਉਮੀਦਵਾਰ

ਅੰਤਮ ਜਾਂਚ, ਸਪੁਰਦਗੀ

ਆਮ ਗਲਤੀਆਂ

• TAR ਨੂੰ ਅਣਗੌਲਿਆ ਛੱਡਣਾ। ਇਹ ਕਹਿਣਾ ਕਿ "ਮਸ਼ੀਨ ਨੇ ਕਿਹਾ ਕਿ ਇਸ ਵਿੱਚ ਕੋਈ ਦਿਲਚਸਪੀ ਨਹੀਂ ਹੈ" ਇੱਕ ਕਾਲ ਨਮੂਨਾ ਕੀਤੇ ਬਿਨਾਂ ਹਾਈਜੈਕਿੰਗ ਦਾ ਕਾਰਨ ਬਣੇਗਾ।
• ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦਾ ਫੈਸਲਾ AI 'ਤੇ ਛੱਡਣਾ। ਇੱਕ ਗਲਤ ਡਿਲੀਵਰੀ ਅਟੱਲ ਛੋਟ ਨੂੰ ਖਤਰੇ ਵਿੱਚ ਰੱਖਦੀ ਹੈ।
• ਯਾਦ ਕਰਨ ਦੀ ਬਜਾਏ ਸਿਰਫ ਸ਼ੁੱਧਤਾ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਨਾ. ਤੰਗ ਥ੍ਰੈਸ਼ਹੋਲਡ ਸੰਬੰਧਿਤ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਖੁੰਝਾਉਂਦਾ ਹੈ; ਕਾਨੂੰਨ ਵਿੱਚ, ਯਾਦ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।
• ਕਾਰਜਪ੍ਰਣਾਲੀ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਨਹੀਂ। ਦੂਜੀ ਧਿਰ TAR ਪ੍ਰਕਿਰਿਆ 'ਤੇ ਸਵਾਲ ਕਰ ਸਕਦੀ ਹੈ; ਪਾਰਦਰਸ਼ਤਾ ਜ਼ਰੂਰੀ ਹੈ।
• ਕਿਸੇ ਅਣਉਚਿਤ ਟੂਲ 'ਤੇ ਨਿੱਜੀ/ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ ਡੇਟਾ ਨੂੰ ਅਪਲੋਡ ਕਰਨਾ। ਅਧਿਕਾਰ ਖੇਤਰ ਅਤੇ ਗੁਪਤਤਾ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਸੰਖੇਪ ਵਿੱਚ

ਈ-ਡਿਸਕਵਰੀ ਕਾਨੂੰਨੀ ਤਰੀਕੇ ਨਾਲ ਕਾਰਪੋਰੇਟ ਇਲੈਕਟ੍ਰਾਨਿਕ ਡੇਟਾ ਤੋਂ ਸੰਬੰਧਿਤ ਸਬੂਤ ਲੱਭਣ ਅਤੇ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ ਅਤੇ EDRM ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਦੀ ਹੈ। AI ਸਭ ਤੋਂ ਮਹਿੰਗੇ ਪੜਾਅ ਨੂੰ ਬਦਲਦਾ ਹੈ, ਸਮੀਖਿਆ ਕਰਨਾ, TAR/ਅਨੁਮਾਨੀ ਕੋਡਿੰਗ ਨਾਲ: ਮਨੁੱਖ ਸਿਰਫ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਿਤ ਢੁਕਵੇਂ ਅਤੇ ਅਸਪਸ਼ਟ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ। ਪਰ ਪ੍ਰਸੰਗਿਕਤਾ ਅਤੇ ਖਾਸ ਤੌਰ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੇ ਫੈਸਲੇ ਲਈ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਵਕੀਲ ਦੀ ਹੈ; ਰੀਕਾਲ ਸੈਂਪਲਿੰਗ, ਕਾਰਜਪ੍ਰਣਾਲੀ ਦੀ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਸੁਰੱਖਿਆ ਨੂੰ ਮਨੁੱਖੀ ਅਨੁਸ਼ਾਸਨ ਦੁਆਰਾ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਫਰਜ਼ੀ ਕੇਸ ਅਤੇ ਪ੍ਰਸੰਗਿਕਤਾ ਦੇ ਮਾਪਦੰਡ ਦੀਆਂ 4-5 ਆਈਟਮਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। 20-25 ਦਸਤਾਵੇਜ਼ ਸਾਰਾਂਸ਼ ਤਿਆਰ ਕਰੋ (ਕੁਝ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ, ਕੁਝ ਅਸਪਸ਼ਟ)। "ਪ੍ਰਸੰਗਿਕਤਾ ਪੂਰਵ-ਵਰਗੀਕਰਨ" ਅਤੇ "ਪ੍ਰੀਵਲੇਜ ਸਕ੍ਰੀਨਿੰਗ" ਟੈਂਪਲੇਟਸ ਨੂੰ ਲਾਗੂ ਕਰੋ; ਫਿਰ "ਅਪ੍ਰਸੰਗਿਕ" ਸੈੱਟ ਤੋਂ ਨਮੂਨਾ ਲੈ ਕੇ ਹੱਥੀਂ ਰੀਕਾਲ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ AI ਦੁਆਰਾ ਫਲੈਗ ਕੀਤੇ ਗਏ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਉਮੀਦਵਾਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ EDRM ਪੜਾਵਾਂ ਅਤੇ ਕਾਨੂੰਨੀ ਹੋਲਡ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨੂੰ ਦੇਖਿਆ।
• [ ] ਮੈਂ ਰੀਕਾਲ ਸੈਂਪਲਿੰਗ ਦੇ ਨਾਲ TAR/ਪੂਰਵ-ਵਰਗੀਕਰਨ ਨਤੀਜੇ ਦੀ ਜਾਂਚ ਕੀਤੀ।
• [ ] ਮੈਂ ਹਰ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਫੈਸਲੇ ਨੂੰ ਮਨੁੱਖੀ ਅਟਾਰਨੀ ਦੀ ਪੁਸ਼ਟੀ ਨਾਲ ਜੋੜਿਆ ਹੈ।
• [ ] ਮੈਂ ਅੰਤਿਮ ਜਾਂਚ ਦੇ ਨਾਲ ਪਰਸਨਲ ਡਾਟਾ ਮਾਸਕਿੰਗ ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇ ਦਿੱਤੀ ਹੈ।
• [ ] ਮੈਂ ਵਰਤੀ ਗਈ ਕਾਰਜਪ੍ਰਣਾਲੀ ਅਤੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕੀਤਾ ਹੈ।