กำไร:
- ความสามารถในการเข้าใจเวิร์กโฟลว์ EDRM และแนวคิดการเข้ารหัส TAR/การคาดการณ์ และเร่งขั้นตอนการตรวจสอบด้วยปัญญาประดิษฐ์
- ความสามารถในการเข้าใจความสมดุลของการเรียกคืนและความแม่นยำ และให้แน่ใจว่าจะไม่พลาดเอกสารที่เกี่ยวข้องโดยจัดลำดับความสำคัญของการเรียกคืนในบริบททางนิติเวช
- การทำความเข้าใจว่าความรับผิดชอบทางกฎหมายในการตัดสินใจเกี่ยวกับสิทธิพิเศษและข้อมูลส่วนบุคคลนั้นขึ้นอยู่กับทนายความที่เป็นมนุษย์ และจำเป็นต้องมีความโปร่งใสของระเบียบวิธี
ในการฟ้องร้องคดีแพ่งหรือการสอบสวนตามกฎระเบียบ ฝ่ายหนึ่งขอเอกสารอิเล็กทรอนิกส์ที่อีกฝ่ายถืออยู่: อีเมล สัญญา บันทึกการสนทนา ไฟล์ กระบวนการรวบรวมเอกสารเหล่านี้ตามกฎหมาย ตรวจสอบ คัดแยกเอกสารที่เกี่ยวข้องและส่งมอบให้กับคู่ความ/ศาลอื่น เรียกว่า e-discovery - การค้นหา ทบทวน และนำเสนอหลักฐานทางอิเล็กทรอนิกส์ภายในขอบเขตของข้อพิพาททางกฎหมาย การค้นพบทางอิเล็กทรอนิกส์เป็นขอบเขตที่นิติคอมพิวเตอร์มีความเกี่ยวพันกับกฎหมายมากที่สุด และบางทีอาจเป็นการใช้ AI ที่เติบโตเต็มที่และแพร่หลายที่สุด ในหน่วยนี้ คุณจะได้เรียนรู้เวิร์กโฟลว์ EDRM แนวคิดของ TAR/การเข้ารหัสแบบคาดการณ์ และวิธีที่ AI เปลี่ยนแปลงกระบวนการนี้
EDRM: ขั้นตอนการทำงานมาตรฐานของ e-discovery
การค้นพบทางอิเล็กทรอนิกส์ในโลกส่วนใหญ่ดำเนินการภายใต้กรอบการทำงานของ EDRM (แบบจำลองการอ้างอิงการค้นพบทางอิเล็กทรอนิกส์ - แบบจำลองอ้างอิงที่กำหนดขั้นตอนมาตรฐานของกระบวนการการค้นพบทางอิเล็กทรอนิกส์) ขั้นตอนหลัก:
- การจัดการข้อมูลและการระบุตัวตน: การกำหนดว่าข้อมูลใดอยู่ที่ไหน
- การเก็บรักษาและการรวบรวม: การป้องกันการลบข้อมูลที่เกี่ยวข้อง (การระงับการดำเนินคดี - ภาระผูกพันในการหยุดการลบข้อมูลเพื่อรอการดำเนินคดี) และการรวบรวมด้วยความซื่อสัตย์
- การประมวลผล: การทำให้ข้อมูลสามารถค้นหาได้ การลบรายการที่ซ้ำกัน การแปลงรูปแบบ
- การตรวจสอบ: การตัดสินใจว่าเอกสารมีความละเอียดอ่อนหรือมีสิทธิพิเศษ — อยู่ภายใต้สิทธิพิเศษของทนายความ-ลูกค้า และจะไม่ถูกส่งมอบ
- การผลิต: การส่งมอบเอกสารที่เกี่ยวข้องไปยังอีกฝ่าย/ศาล
ขั้นตอนที่แพงและต้องใช้กำลังคนมากที่สุดคือการทบทวน การให้ทนายความอ่านเอกสารหลายแสนฉบับทีละฉบับมีค่าใช้จ่ายสูงและช้ามาก นี่คือจุดที่ AI ก่อให้เกิดการปฏิวัติ
TAR และการเข้ารหัสแบบคาดการณ์
เทคโนโลยีหลักที่เร่งการตรวจสอบคือ TAR (Technology Assisted Review) รูปแบบที่พบบ่อยที่สุดคือการเข้ารหัสแบบคาดเดา: ทนายความผู้เชี่ยวชาญจะติดป้ายตัวอย่างเอกสารว่า "เกี่ยวข้อง/ไม่เกี่ยวข้อง"; ระบบเรียนรู้จากตัวอย่างเหล่านี้และจัดประเภทเอกสารที่เหลือนับแสนรายการโดยอัตโนมัติ ดังนั้นเราจะอ่านเฉพาะเอกสารที่เกี่ยวข้องมากที่สุด และตรวจสอบส่วนที่เหลือโดยการสุ่มตัวอย่าง
AI สมัยใหม่ (โมเดลภาษาขนาดใหญ่) ก้าวไปอีกขั้น: สามารถอธิบายได้ว่าเหตุใดเอกสารจึงมีความเกี่ยวข้อง สรุปหัวข้อ ธงสิทธิพิเศษ ไม่ใช่แค่ "เกี่ยวข้อง/ไม่เกี่ยวข้อง" แต่หลักการพื้นฐานไม่เปลี่ยนแปลง AI แนะนำว่าความรับผิดชอบทางกฎหมายในการตัดสินใจที่เกี่ยวข้องและสิทธิพิเศษอยู่ที่ทนายความ
การป้องกันของ TAR ขึ้นอยู่กับกระบวนการที่ตรวจสอบได้ ตัวอย่างการฝึกอบรมที่มีป้ายกำกับโดยทนายความผู้เชี่ยวชาญ ระบบการเรียนรู้จากตัวอย่างเหล่านี้ และการแยกประเภทเอกสารที่เหลือจะทำซ้ำเป็นรอบ ความแม่นยำวัดจากการสุ่มตัวอย่างในแต่ละรอบ วงจรนี้ให้คำตอบที่เป็นเอกสารสำหรับคำถาม "เครื่องจักรดูจากอะไร เรียนรู้อะไร มีความแม่นยำเพียงใด" อีกฝ่ายมักตั้งคำถามถึงวิธีการนี้ ดังนั้น ขนาดชุดการฝึก เกณฑ์การตัดสินใจ และอัตราตัวอย่างการตรวจสอบจะถูกบันทึกตั้งแต่ต้น ยิ่งกระบวนการโปร่งใสและทำซ้ำได้มากเท่าไร ผลลัพธ์ก็จะยิ่งได้รับการยอมรับในศาลมากขึ้นเท่านั้น
เคล็ดลับ: เพื่อให้กระบวนการ TAR ของคุณสามารถป้องกันได้ ให้จัดทำเอกสารตัวอย่าง “การฝึกอบรม” ตัวชี้วัดการตรวจสอบ (การเรียกคืน/ความแม่นยำ) และเกณฑ์การตัดสินใจ อีกฝ่ายถามว่า “เครื่องพลาดอะไร?” เขาอาจจะถาม; วิธีการที่โปร่งใสทำให้มั่นใจได้ถึงความไว้วางใจ
สองตัวชี้วัด: การเรียกคืนและความแม่นยำ
แนวคิดสองประการมีความสำคัญในการค้นพบทางอิเล็กทรอนิกส์ Recall (ความไว — คุณสามารถค้นหาเอกสารที่เกี่ยวข้องทั้งหมดได้มากเพียงใด) วัดความเสี่ยงที่จะสูญหาย ถือเป็นสิ่งสำคัญทางกฎหมายเนื่องจากการไม่ส่งเอกสารที่เกี่ยวข้องอาจส่งผลให้เกิดการลงโทษ ความแม่นยำ—สิ่งที่คุณพบมีความเกี่ยวข้องจริงมากน้อยเพียงใด—จะวัดภาระการอ่านที่ไม่จำเป็น ส่งผลกระทบต่อต้นทุน มีความสมดุลระหว่างทั้งสอง: หากคุณผ่อนคลายเกณฑ์ การเรียกคืนจะเพิ่มขึ้น แต่เอกสารที่ไม่จำเป็นก็เพิ่มขึ้นเช่นกัน ในบริบททางนิติเวช/กฎหมาย การเรียกคืนข้อมูลในระดับสูงมักถูกให้ความสำคัญเป็นอันดับแรก การไม่พลาดมีความสำคัญมากกว่าการอ่านมากเกินไป
สิทธิพิเศษและความเป็นส่วนตัว: เส้นสีแดง
ข้อผิดพลาดที่อันตรายที่สุดใน e-discovery คือการส่งมอบเอกสารสิทธิพิเศษให้กับอีกฝ่ายโดยไม่ตั้งใจ (การสละสิทธิ์) เมื่อส่งจดหมายโต้ตอบระหว่างทนายความ-ลูกค้าแล้ว เป็นเรื่องยากมากที่จะเรียกคืน AI ช่วยระบุสิทธิพิเศษ แต่การตัดสินใจเกี่ยวกับสิทธิ์ทุกครั้งจะต้องได้รับการยืนยันจากทนายความที่เป็นมนุษย์ นอกจากนี้ อาจจำเป็นต้องมีการแก้ไขสำหรับเอกสารที่มีข้อมูลส่วนบุคคล (ขอบเขต KVKK/GDPR) AI ปิดบังผู้สมัคร การควบคุมขั้นสุดท้ายอยู่ที่มนุษย์
ข้อควรระวัง: ปฏิบัติตามกฎความเป็นส่วนตัวของข้อมูลและเขตอำนาจศาล (ข้อมูลของประเทศใด และไปที่ไหน) เมื่อโหลดข้อมูลดิบขององค์กรลงใน AI ข้อมูลส่วนตัวและสิทธิพิเศษจะต้องได้รับการประมวลผลบนยานพาหนะซึ่งข้อมูลไม่อยู่ในการฝึกอบรมโมเดล ภายใต้สัญญาและในเขตอำนาจศาลที่เหมาะสม
มินิเคสสามอัน
กรณีที่ 1 — TAR ลดต้นทุน ในกรณีเชิงพาณิชย์ที่มีเอกสาร 1.3 ล้านฉบับ การประเมินเชิงเส้นแบบคลาสสิกคือ 14 เดือน ด้วยการเข้ารหัสแบบคาดเดา ทนายความติดแท็กเอกสาร 8,000 ฉบับ; ระบบจำแนกส่วนที่เหลือและการตรวจสอบโดยเจ้าหน้าที่เหลือเพียง 90,000 เอกสาร กระบวนการนี้ลดลงเหลือ 6 สัปดาห์ โดย 92% ยืนยันโดยการสุ่มตัวอย่างเพื่อเรียกคืน
กรณีที่ 2 — บันทึกสิทธิ์แล้ว AI ก่อนการผลิตตั้งค่าสถานะเอกสาร 240 รายการในชุดการส่งมอบว่า “อาจได้รับสิทธิพิเศษ” ทีมทนายความได้ตรวจสอบแล้ว จริงๆ แล้ว 210 รายการเป็นจดหมายโต้ตอบระหว่างทนายความ-ลูกค้า และไม่ได้จัดส่งให้ หากไม่มี AI เอกสารเหล่านี้อาจถูกส่งไปยังอีกฝ่ายโดยไม่ได้ตั้งใจ
กรณีที่ 3 — ความเสี่ยงจากความมั่นใจมากเกินไป ทีมหนึ่งกำหนดเกณฑ์ TAR ไว้อย่างเข้มงวดเพื่อความแม่นยำสูง ระบบจะกำจัดสิ่งที่ถือว่า "ไม่เกี่ยวข้อง" ออกไปโดยไม่ต้องสุ่มตัวอย่าง การตรวจสอบภายหลังพบว่ามีการพลาดอีเมลสำคัญหลายฉบับเนื่องจากเกณฑ์ที่เข้มงวด ตรวจพบข้อผิดพลาดล่าช้าเนื่องจากไม่ได้ทำการสุ่มตัวอย่างการโทร
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
1) ระเบียบการทบทวนร่าง:
บทบาทของคุณ: ที่ปรึกษาด้านการค้นพบทางอิเล็กทรอนิกส์ เรื่องกรณี: [การผิดสัญญา] ร่างโปรโตคอลการตรวจสอบให้ฉัน: เกณฑ์การตอบสนอง ธงสิทธิพิเศษ กฎการปกปิดข้อมูลส่วนบุคคล และขั้นตอนการตรวจสอบ TAR (การเรียกคืน/การสุ่มตัวอย่างที่แม่นยำ) ระบุว่าการตัดสินใจทุกครั้งจะต้องได้รับการยืนยันจากทนายความ
2) การจำแนกประเภทความเกี่ยวข้องเบื้องต้น:
หัวข้อเรื่องและเกณฑ์ความเกี่ยวข้อง: [ที่นี่] ฉันจะให้เอกสารสรุปแก่คุณ สำหรับเอกสารแต่ละฉบับ: เกี่ยวข้อง/ไม่เกี่ยวข้อง/ไม่แน่นอน และให้เหตุผลโดยย่อ เน้นส่วนที่ "ไม่ชัดเจน" สิ่งเหล่านี้จะไปที่การพิจารณาของทนายความ ผู้ที่คุณเรียกว่าไม่เกี่ยวข้องจะถูกตรวจสอบโดยการสุ่มตัวอย่าง ไม่ใช่การตัดออกขั้นสุดท้าย
3) การสแกนสิทธิ์:
เลือกเอกสารต่อไปนี้ที่อาจก่อให้เกิดสิทธิพิเศษของทนายความ-ลูกค้า: ชื่อทนายความ ภาษาที่ "เป็นความลับ/ได้รับสิทธิพิเศษ" เนื้อหาความคิดเห็นทางกฎหมาย สิ่งเหล่านี้ไม่ใช่คำตัดสินขั้นสุดท้าย แต่เป็นผู้สมัครที่ได้รับการยืนยันจากทนายความ ให้เหตุผลและบรรทัดที่เกี่ยวข้องสำหรับป้ายแต่ละป้าย
4) ผู้สมัครสำหรับการปกปิดข้อมูลส่วนบุคคล:
ระบุรายชื่อผู้สมัครข้อมูลส่วนบุคคลที่ต้องปกปิดในเอกสารเหล่านี้เพื่อจัดส่งก่อนการผลิต: TR, IBAN, สุขภาพ, ข้อมูลส่วนตัวของบุคคลที่สาม ทำเครื่องหมายว่าเป็นผู้สมัครเท่านั้น ฉันจะตัดสินใจปิดบังครั้งสุดท้าย เปลี่ยนข้อความ
พรอมต์อ่อน / พรอมต์แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
จากเอกสารเหล่านี้ ให้เลือกเอกสารที่เกี่ยวข้องกับกรณีและปัญหา
ไม่มีเกณฑ์ที่เกี่ยวข้อง ไม่มีการผูกขาด และไม่มีการตรวจสอบ AI ทำการตัดสินใจแบบอัตนัย อาจพลาดเอกสารสำคัญหรือรั่วไหลโดยสิทธิพิเศษ
พรอมต์อันทรงพลัง:
บทบาทของคุณ: ผู้ช่วยตรวจสอบ e-Discovery กรณี: ข้อกล่าวหาว่าบริษัท X ละเมิดสัญญาการจัดหากับ Y เกณฑ์ที่เกี่ยวข้อง: วันที่จัดส่ง การเปลี่ยนแปลงราคา การร้องเรียนด้านคุณภาพ การเจรจาเลิกจ้าง ฉันจะให้เอกสารสรุปแก่คุณ ให้ที่เกี่ยวข้อง/ไม่เกี่ยวข้อง/ไม่แน่นอน + ให้เหตุผลสำหรับแต่ละเอกสาร นอกจากนี้ ทำเครื่องหมายว่าเป็น "อาจมีสิทธิ์พิเศษ" ผู้ที่มีชื่อทนายความหรือความเห็นทางกฎหมาย อย่าถือว่าการตัดสินใจใด ๆ ถือเป็นที่สิ้นสุด ทั้งหมดอยู่ภายใต้การยืนยันของทนายความ
เกณฑ์ที่สำคัญ การคัดกรองสิทธิ์ และข้อจำกัด "การยืนยันทนายความ" ทำให้กระบวนการนี้สามารถป้องกันได้
ด่าน EDRM และตาราง AI
เวที
การมีส่วนร่วมของ AI
ความรับผิดชอบของมนุษย์
คอลเลกชัน
แม่แบบแผน
การระงับทางกฎหมายความซื่อสัตย์
กำลังประมวลผล
De-dup, รูปแบบ, ไดเร็กทอรี
การควบคุมคุณภาพ
ทบทวน
TAR คำแนะนำที่เกี่ยวข้อง
การตัดสินใจที่เกี่ยวข้อง
สิทธิพิเศษ
การทำเครื่องหมายผู้สมัคร
การตัดสินใจขั้นสุดท้าย การยืนยัน
การผลิต
ผู้สมัครที่สวมหน้ากาก
การตรวจสอบขั้นสุดท้าย, การส่งมอบ
ข้อผิดพลาดทั่วไป
- ทิ้ง TAR ไว้โดยไม่มีใครดูแล การพูดว่า "เครื่องแจ้งว่าไม่สนใจ" โดยไม่ดำเนินการตัวอย่างการโทรจะทำให้เกิดการไฮแจ็ก
- ปล่อยให้การตัดสินใจสิทธิพิเศษเป็นของ AI การจัดส่งผิดพลาดอาจเสี่ยงต่อการสละสิทธิ์ที่ไม่อาจเพิกถอนได้
- เน้นเฉพาะความแม่นยำแทนการเรียกคืน เกณฑ์ที่เข้มงวดพลาดเอกสารที่เกี่ยวข้อง ตามกฎหมาย การเรียกคืนมีความสำคัญเป็นอันดับแรก
- ไม่บันทึกวิธีการ อีกฝ่ายอาจตั้งคำถามเกี่ยวกับกระบวนการ TAR ความโปร่งใสเป็นสิ่งจำเป็น
- การอัปโหลดข้อมูลส่วนบุคคล/สิทธิพิเศษไปยังเครื่องมือที่ไม่เหมาะสม ปฏิบัติตามเขตอำนาจศาลและกฎการรักษาความลับ
โดยสรุป
การค้นพบทางอิเล็กทรอนิกส์เป็นกระบวนการในการค้นหาและส่งมอบหลักฐานที่เกี่ยวข้องจากข้อมูลอิเล็กทรอนิกส์ขององค์กรในลักษณะที่ถูกกฎหมาย และดำเนินการภายในกรอบการทำงานของ EDRM AI เปลี่ยนขั้นตอนที่มีราคาแพงที่สุด โดยการตรวจสอบด้วย TAR/การเข้ารหัสแบบคาดการณ์: มนุษย์อ่านเฉพาะเอกสารที่เกี่ยวข้องและคลุมเครือมากที่สุดเท่านั้น แต่ความรับผิดชอบทางกฎหมายสำหรับการตัดสินใจที่เกี่ยวข้องและโดยเฉพาะอย่างยิ่งสิทธิพิเศษอยู่ที่ทนายความ การสุ่มตัวอย่างการเรียกคืน ความโปร่งใสของระเบียบวิธี และการปกป้องข้อมูลส่วนบุคคลได้รับการรับรองโดยวินัยของมนุษย์
งานสมัคร
กำหนดกรณีสมมติและเกณฑ์ความเกี่ยวข้อง 4-5 รายการ เตรียมเอกสารสรุป 20-25 ฉบับ (มีสิทธิพิเศษบ้าง คลุมเครือบ้าง) ใช้เทมเพลต "การจัดประเภทล่วงหน้าที่เกี่ยวข้อง" และ "การคัดกรองสิทธิ์" จากนั้นตรวจสอบการเรียกคืนด้วยตนเองโดยการสุ่มตัวอย่างจากชุดที่ "ไม่เกี่ยวข้อง" และยืนยันผู้สมัครรับสิทธิ์ที่ AI ทำเครื่องหมายไว้
รายการตรวจสอบ
- [ ] ฉันสังเกตขั้นตอน EDRM และภาระผูกพันในการระงับการดำเนินคดี
- [ ] ฉันตรวจสอบผลลัพธ์ TAR/การจัดหมวดหมู่ล่วงหน้าด้วยการสุ่มตัวอย่างการเรียกคืน
- [ ] ฉันได้เชื่อมโยงทุกการตัดสินใจเกี่ยวกับสิทธิพิเศษเข้ากับการยืนยันทนายความของมนุษย์
- [ ] ฉันได้อนุมัติผู้สมัครที่ปกปิดข้อมูลส่วนบุคคลด้วยการตรวจสอบขั้นสุดท้ายแล้ว
- [ ] ฉันบันทึกวิธีการและเกณฑ์ที่ฉันใช้