Zyski:
- Możliwość zrozumienia przepływu pracy EDRM i koncepcji kodowania TAR/predykcyjnego oraz przyspieszenia fazy przeglądu dzięki sztucznej inteligencji
- Umiejętność zrozumienia równowagi między wycofaniem a precyzją oraz upewnieniem się, że nie przegapisz odpowiednich dokumentów, traktując priorytetowo wysoką liczbę wycofań w kontekście kryminalistycznym
- Zrozumienie, że odpowiedzialność prawna za decyzje dotyczące przywilejów i danych osobowych spoczywa na prawniku-człowieku i że wymagana jest przejrzystość metodologii
W procesie cywilnym lub dochodzeniu regulacyjnym jedna strona żąda dokumentów elektronicznych znajdujących się w posiadaniu drugiej: e-maili, umów, dzienników czatów, plików. Proces gromadzenia tych dokumentów zgodnie z prawem, ich sprawdzania, porządkowania i dostarczania drugiej stronie/sądowi nazywa się e-discovery – wyszukiwaniem, przeglądaniem i przedstawianiem dowodów elektronicznych w ramach sporu prawnego. E-discovery to obszar, w którym informatyka śledcza jest najbardziej powiązana z prawem i jest prawdopodobnie najbardziej dojrzałym i powszechnym zastosowaniem sztucznej inteligencji. W tej części poznasz przepływ pracy EDRM, koncepcję TAR/kodowania predykcyjnego oraz sposób, w jaki sztuczna inteligencja zmienia ten proces.
EDRM: standardowy przebieg procesu e-discovery
E-discovery na świecie w dużej mierze funkcjonuje w ramach EDRM (Electronic Discovery Reference Model – model referencyjny definiujący standardowe etapy procesu e-discovery). Główne etapy:
- Zarządzanie informacjami i identyfikacja: Ustalanie, jakie dane gdzie się znajdują.
- Przechowywanie i gromadzenie: Zapobieganie usuwaniu odpowiednich danych (przechowywanie prawne – obowiązek zaprzestania usuwania danych w oczekiwaniu na postępowanie sądowe) i gromadzenie ich w sposób uczciwy.
- Przetwarzanie: Możliwość wyszukiwania danych, usuwanie duplikatów, konwersja formatu.
- Recenzja: Podjęcie decyzji, czy dokumenty są poufne czy poufne – objęte tajemnicą adwokacką i nie będą przekazywane.
- Produkcja: Dostarczenie odpowiednich dokumentów drugiej stronie/sądowi.
Najdroższym i najbardziej wymagającym personelu etapem jest przegląd. Zlecanie prawnikom przeczytania setek tysięcy dokumentów jeden po drugim jest zarówno bardzo kosztowne, jak i bardzo powolne. To właśnie tam AI dokonuje rewolucji.
TAR i kodowanie predykcyjne
Kluczową technologią przyspieszającą przeglądanie jest TAR (Technology Assisted Review). Najpopularniejszą formą jest kodowanie predykcyjne: biegły prawnik oznacza przykładowe dokumenty jako „istotne/nieistotne”; System uczy się na tych przykładach i automatycznie klasyfikuje pozostałe setki tysięcy dokumentów. W ten sposób czyta się tylko najbardziej prawdopodobne, istotne dokumenty, a resztę sprawdza poprzez wybranie próbek.
Nowoczesna sztuczna inteligencja (wielkojęzyczne modele) idzie o krok dalej: może wyjaśnić, dlaczego dokument jest istotny, podsumować temat, zaznaczyć uprawnienia, a nie tylko „istotne/nieistotne”. Ale podstawowa zasada się nie zmienia: sztuczna inteligencja sugeruje, że odpowiedzialność prawna za decyzję dotyczącą znaczenia i przywileju spoczywa na prawniku.
Obronność TAR zależy od tego, czy proces podlega audytowi. Przykłady szkoleniowe oznaczone przez biegłego prawnika, system uczący się na tych przykładach i klasyfikujący pozostałe dokumenty są powtarzane w cyklu; Dokładność mierzy się poprzez pobieranie próbek w każdej rundzie. Cykl ten dostarcza udokumentowanych odpowiedzi na pytania „na co patrzyła maszyna, czego się nauczyła, jak bardzo była dokładna?” Druga strona często kwestionuje tę metodologię; Dlatego od początku rejestruje się wielkość zbioru uczącego, progi decyzyjne i częstość prób walidacyjnych. Im bardziej przejrzysty i powtarzalny proces, tym większe prawdopodobieństwo, że jego wynik zostanie zaakceptowany przez sąd.
Wskazówka: Aby proces TAR był możliwy do obrony, udokumentuj próbki „szkolące”, metryki walidacyjne (przypominanie/precyzja) i progi decyzyjne. Druga strona pyta „co przeoczyła maszyna?” może zapytać; Przejrzysta metodologia gwarantuje zaufanie.
Dwie metryki: pamięć i precyzja
W e-discovery istotne są dwie koncepcje. Przypomnienie (wrażliwość – ile ze wszystkich odpowiednich dokumentów faktycznie udało Ci się znaleźć) mierzy ryzyko zaginięcia; Ma to kluczowe znaczenie z prawnego punktu widzenia, gdyż niezłożenie odpowiedniego dokumentu może skutkować sankcjami. Precyzja – ile z tego, co znajdziesz, jest rzeczywiście istotne – mierzy niepotrzebne obciążenie związane z czytaniem; wpływa na koszt. Istnieje równowaga między nimi: jeśli zmniejszysz próg, liczba wycofanych dokumentów wzrośnie, ale wzrosną także niepotrzebne dokumenty. W kontekście kryminalistycznym/prawnym często priorytetem jest wysoka pamięć – brak braków jest ważniejszy niż nadmierne czytanie.
Przywilej i prywatność: czerwona linia
Najbardziej niebezpiecznym błędem w e-discovery jest przypadkowe przekazanie drugiej stronie uprzywilejowanego dokumentu (zrzeczenie się uprawnień). Gdy korespondencja prawnik-klient zostanie doręczona, bardzo trudno jest ją odzyskać. Sztuczna inteligencja pomaga sygnalizować przywileje, ale każda decyzja dotycząca przywilejów musi zostać potwierdzona przez ludzkiego prawnika. Dodatkowo redakcja może być wymagana w przypadku dokumentów zawierających dane osobowe (zakres KVKK/RODO); Flagi AI maskują kandydatów, ostateczna kontrola należy do człowieka.
Uwaga: podczas ładowania surowych danych korporacyjnych do sztucznej inteligencji należy przestrzegać zasad dotyczących prywatności danych i jurysdykcji (dane kraju, dokąd trafiają). Dane uprzywilejowane i osobowe muszą być przetwarzane w pojazdach, których dane nie trafiają na szkolenie modelarskie, na podstawie umowy i w odpowiedniej jurysdykcji.
trzy mini etui
Przypadek 1 – obniżony koszt TAR. W przypadku komercyjnym obejmującym 1,3 miliona dokumentów klasyczny szacunek liniowy wynosił 14 miesięcy. Dzięki kodowaniu predykcyjnemu prawnicy oznaczyli tagami 8 000 dokumentów; system sklasyfikował pozostałą część, a weryfikacja ręczna ograniczyła się do 90 000 dokumentów. Proces skrócono do 6 tygodni, 92% potwierdzono na podstawie próbek przypominających.
Przypadek 2 — Przywilej zapisany. Przedprodukcyjna sztuczna inteligencja oznaczyła 240 dokumentów w zestawie dostaw jako „prawdopodobnie uprzywilejowane”. Zespół prawników zbadał; 210 z nich stanowiło w rzeczywistości korespondencję adwokata z klientem i nie została doręczona. Bez sztucznej inteligencji dokumenty te mogłyby przypadkowo trafić do drugiej strony.
Przypadek 3 – Ryzyko nadmiernej pewności siebie. Jeden zespół ściśle ustawił próg TAR, aby zapewnić wysoką precyzję; System wyeliminował te, które uznał za „nieistotne”, bez pobierania próbek. Późniejsza kontrola wykazała, że ze względu na rygorystyczny próg pominięto kilka krytycznych e-maili. Błąd został zauważony późno, ponieważ nie wykonano próbkowania wywołań.
Cztery szablony do kopiowania
1) Projekt protokołu przeglądu:
Twoja rola: konsultant ds. e-discovery. Temat sprawy: [naruszenie umowy]. Przygotuj dla mnie protokół przeglądu: kryteria reakcji, flagi uprawnień, zasady maskowania danych osobowych i etapy weryfikacji TAR (przypomnienie/precyzyjne pobieranie próbek). Zaznacz, że każda decyzja wymaga potwierdzenia przez prawnika.
2) Wstępna klasyfikacja trafności:
Przedmiot i kryteria istotności: [tutaj]. Prześlę Ci streszczenia dokumentów. Dla każdego dokumentu: istotne/nieistotne/niepewne i podaj KRÓTKIE uzasadnienie. Podkreśl te „niejasne”; zostaną one rozpatrzone przez prawnika. Te, które uznasz za nieistotne, zostaną sprawdzone poprzez pobranie próbek, nie jest to ostateczna eliminacja.
3) Skanowanie uprzywilejowane:
Zaznacz następujące dokumenty, które MOŻLIWE stanowią tajemnicę adwokacką: nazwiska prawników, język „poufny/uprzywilejowany”, treść opinii prawnej. To nie są decyzje OSTATECZNE, to propozycje do zatwierdzenia przez prawnika. Podaj uzasadnienie i odpowiednią linię dla każdego znaku.
4) Kandydaci do maskowania danych osobowych:
Wymień potencjalne dane osobowe, które należy zamaskować w tych dokumentach, które należy dostarczyć przed produkcją: TR, IBAN, zdrowie, prywatne dane stron trzecich. Oznacz tylko jako kandydata; Podejmę ostateczną decyzję o maskowaniu. Zmień tekst.
Słaba zachęta/silna zachęta
Słaba zachęta:
Spośród tych dokumentów wybierz te, które są istotne dla sprawy.
Żadnych kryteriów istotności, żadnej wyłączności i żadnej weryfikacji; Sztuczna inteligencja podejmuje subiektywne decyzje, może przeoczyć krytyczny dokument lub uprzywilejowany wyciek.
Potężny monit:
Twoja rola: asystent przeglądu e-discovery. Sprawa: Zarzut, że firma X naruszyła umowę na dostawy z Y. Kryteria istotności: terminy dostaw, zmiany cen, reklamacje jakościowe, negocjacje w sprawie rozwiązania umowy. Prześlę Ci streszczenia dokumentów. Podaj istotne/nieistotne/niepewne + uzasadnienie dla każdego dokumentu. TAKŻE oznacz jako „prawdopodobnie uprzywilejowane” te, które zawierają nazwisko prawnika lub opinię prawną. Nie uważaj żadnej decyzji za ostateczną; Wszystkie podlegają zatwierdzeniu przez prawnika.
Kryteria merytoryczne, kontrola uprawnień i ograniczenia związane z „weryfikacją prawnika” sprawiają, że proces ten jest możliwy do obrony.
Etapy EDRM i tabela AI
Scena
Wkład AI
ludzka odpowiedzialność
kolekcja
szablon, plan
Ochrona prawna, uczciwość
Przetwarzanie
De-duplikacja, format, katalog
kontrola jakości
recenzja
TAR, zalecenie dotyczące trafności
Decyzja o znaczeniu
przywilej
Oznaczenie kandydata
ostateczna decyzja, potwierdzenie
Produkcja
maskujący kandydat
Kontrola końcowa, dostawa
Typowe błędy
- Pozostawienie TAR bez nadzoru. Powiedzenie „maszyna powiedziała, że nie jest zainteresowana” bez wykonania próbki wywołania spowoduje przejęcie kontroli.
- Pozostawienie decyzji o przywilejach AI. Błędna dostawa grozi nieodwołalnym zrzeczeniem się prawa do zapłaty.
- Koncentrując się wyłącznie na precyzji, zamiast na przypominaniu. Wąski próg pomija odpowiedni dokument; Zgodnie z prawem wycofanie ma pierwszeństwo.
- Brak dokumentowania metodologii. Druga strona może zakwestionować proces TAR; przejrzystość jest koniecznością.
- Przesyłanie danych osobowych/uprzywilejowanych do nieodpowiedniego narzędzia. Przestrzegaj zasad jurysdykcji i poufności.
Podsumowując
E-discovery to proces wyszukiwania i dostarczania odpowiednich dowodów z korporacyjnych danych elektronicznych w legalny sposób i działa w ramach EDRM. Sztuczna inteligencja przekształca najkosztowniejszą fazę, przeglądanie, za pomocą TAR/kodowania predykcyjnego: człowiek czyta tylko najbardziej prawdopodobne, istotne i niejednoznaczne dokumenty. Jednak odpowiedzialność prawna za decyzję dotyczącą znaczenia, a zwłaszcza przywileju, spoczywa na prawniku; Pobieranie próbek przywołanych, przejrzystość metodologii i ochrona danych osobowych zapewniają dyscyplina ludzka.
Zadanie aplikacji
Zdefiniuj fikcyjny przypadek i 4-5 elementów kryteriów istotności. Przygotuj 20-25 podsumowań dokumentów (kilka uprzywilejowanych, kilka mniej znanych). Zastosuj szablony „Wstępna klasyfikacja trafności” i „Kontrola uprawnień”; Następnie ręcznie sprawdź wycofanie, pobierając próbki z „nieistotnego” zestawu i potwierdź kandydatów na uprawnienia oznaczonych przez sztuczną inteligencję.
lista kontrolna
- [ ] Obserwowałem etapy EDRM i obowiązek prawnego zatrzymania.
- [ ] Sprawdziłem wynik TAR/klasyfikacji wstępnej poprzez pobieranie próbek przypominających.
- [ ] Powiązałem każdą decyzję dotyczącą przywilejów z potwierdzeniem przez adwokata.
- [ ] Zatwierdziłem maskowanie danych osobowych kandydatów podczas ostatecznej kontroli.
- [ ] Udokumentowałem zastosowaną metodologię i progi.