Mga nadagdag:
- Kakayahang maunawaan ang EDRM workflow at TAR/predictive coding concept at mapabilis ang yugto ng pagsusuri gamit ang artificial intelligence
- Kakayahang maunawaan ang balanse ng recall at katumpakan at tiyaking hindi makaligtaan ang mga nauugnay na dokumento sa pamamagitan ng pagbibigay-priyoridad sa mataas na recall sa isang forensic na konteksto
- Ang pag-unawa na ang legal na responsibilidad para sa mga desisyon sa pribilehiyo at personal na data ay nakasalalay sa abogado ng tao at ang transparency ng pamamaraan ay kinakailangan
Sa isang sibil na demanda o pagsisiyasat sa regulasyon, humihiling ang isang partido ng mga elektronikong dokumento na hawak ng isa: mga email, kontrata, mga log ng chat, mga file. Ang proseso ng pagkolekta ng mga dokumentong ito alinsunod sa batas, pagsusuri sa mga ito, pag-uuri ng mga nauugnay at paghahatid ng mga ito sa kabilang partido/hukuman ay tinatawag na e-discovery - paghahanap, pagsusuri at pagpapakita ng elektronikong ebidensya sa loob ng saklaw ng isang legal na pagtatalo. Ang e-discovery ay ang lugar kung saan ang computer forensics ay pinakaintertwined sa batas at marahil ang pinaka-mature at malawakang paggamit ng AI. Sa unit na ito, matututunan mo ang daloy ng trabaho sa EDRM, ang konsepto ng TAR/predictive coding at kung paano binabago ng AI ang prosesong ito.
EDRM: karaniwang daloy ng trabaho ng e-discovery
Ang e-discovery sa mundo ay higit na gumagana sa loob ng balangkas ng EDRM (Electronic Discovery Reference Model - ang reference model na tumutukoy sa mga karaniwang yugto ng proseso ng e-discovery). Pangunahing yugto:
- Pamamahala ng impormasyon at pagkakakilanlan: Pagtukoy kung saan ang data.
- Pagpapanatili at pangongolekta: Pag-iwas sa pagtanggal ng may-katuturang data (legal na pag-hold — ang obligasyon na ihinto ang pagtanggal ng data sa pag-asam ng paglilitis) at pagkolekta nito nang may integridad.
- Pagproseso: Ginagawang nahahanap ang data, nag-aalis ng mga duplicate, conversion ng format.
- Pagsusuri: Pagpapasya kung ang mga dokumento ay sensitibo o may pribilehiyo — saklaw ng pribilehiyo ng abogado-kliyente at hindi ibibigay.
- Produksyon: Paghahatid ng mga nauugnay na dokumento sa kabilang partido/hukuman.
Ang pinakamahal at nangangailangan ng lakas-tao yugto ay ang pagsusuri. Ang pagkakaroon ng mga abogado na basahin ang daan-daang libong mga dokumento nang paisa-isa ay parehong napakamahal at napakabagal. Ito ay eksakto kung saan ang AI ay lumilikha ng isang rebolusyon.
TAR at predictive coding
Ang pangunahing teknolohiya na nagpapabilis ng pagsusuri ay ang TAR (Technology Assisted Review). Ang pinakakaraniwang anyo ay predictive coding: Ang isang ekspertong abogado ay naglalagay ng mga sample na dokumento bilang "kaugnay/hindi nauugnay"; Natututo ang system mula sa mga halimbawang ito at awtomatikong inuuri ang natitirang daan-daang libong mga dokumento. Kaya ang isa ay nagbabasa lamang ng pinaka-malamang na may-katuturang mga dokumento at sinusuri ang iba sa pamamagitan ng sampling.
Ang modernong AI (malalaking modelo ng wika) ay nagpapatuloy na hakbang: maaari nitong ipaliwanag kung bakit nauugnay ang dokumento, buod ng paksa, bandila ng pribilehiyo, hindi lang "kaugnay/hindi nauugnay". Ngunit ang pangunahing prinsipyo ay hindi nagbabago: iminumungkahi ng AI, ang ligal na responsibilidad para sa desisyon ng kaugnayan at pribilehiyo ay nakasalalay sa abogado.
Ang defensibility ng TAR ay depende sa proseso na naa-audit. Ang mga halimbawa ng pagsasanay na may label ng ekspertong abogado, ang sistemang natututo mula sa mga halimbawang ito at pag-uuri ng mga natitirang dokumento ay paulit-ulit sa isang cycle; Ang katumpakan ay sinusukat sa pamamagitan ng sampling sa bawat round. Ang cycle na ito ay nagbibigay ng mga dokumentong sagot sa mga tanong na "ano ang tinitingnan ng makina, ano ang natutunan nito, gaano ito katumpak?" Ang kabilang panig ay madalas na nagtatanong sa pamamaraang ito; Samakatuwid, ang laki ng set ng pagsasanay, mga limitasyon ng desisyon at mga rate ng sample ng pagpapatunay ay naitala mula sa simula. Kung mas malinaw at nauulit ang proseso, mas malamang na ang resulta ay tatanggapin sa korte.
Tip: Upang gawing mapagtatanggol ang iyong proseso ng TAR, idokumento ang iyong mga sample ng "pagsasanay", mga sukatan ng pagpapatunay (recall/precision), at mga limitasyon ng desisyon. Ang kabilang partido ay nagtatanong "ano ang nakaligtaan ng makina?" maaaring magtanong siya; Tinitiyak ng transparent na pamamaraan ang pagtitiwala.
Dalawang sukatan: recall at precision
Dalawang konsepto ang mahalaga sa e-discovery. Pag-alala (sensitivity — kung gaano karami sa lahat ng nauugnay na dokumento ang aktwal mong nahanap) ay sumusukat sa panganib na mawala; Ito ay legal na kritikal dahil ang hindi pagsumite ng isang nauugnay na dokumento ay maaaring magresulta sa mga parusa. Ang katumpakan—kung gaano karami sa iyong nakita ang aktuwal na nauugnay—ay sumusukat sa hindi kinakailangang pag-load ng pagbabasa; nakakaapekto sa gastos. May balanse sa pagitan ng dalawa: kung irerelax mo ang threshold, tataas ang recall, ngunit tataas din ang mga hindi kinakailangang dokumento. Sa isang forensic/legal na konteksto, ang mataas na recall ay kadalasang inuuna — ang hindi nawawala ay mas mahalaga kaysa sa sobrang pagbabasa.
Pribilehiyo at privacy: ang pulang linya
Ang pinaka-mapanganib na pagkakamali sa e-discovery ay hindi sinasadyang ibigay ang isang may pribilehiyong dokumento sa kabilang partido (privilege waiver). Kapag naihatid na ang sulat ng abogado-kliyente, napakahirap na kunin ito. Tinutulungan ng AI ang pribilehiyo sa pag-flag, ngunit ang bawat desisyon sa pribilehiyo ay dapat kumpirmahin ng isang abogado ng tao. Bukod pa rito, maaaring kailanganin ang redaction para sa mga dokumentong naglalaman ng personal na data (saklaw ng KVKK/GDPR); Bina-flag ng AI ang mga kandidato, ang pangwakas na kontrol ay nasa tao.
Pag-iingat: Sundin ang mga panuntunan sa privacy at hurisdiksyon ng data (kung aling data ng bansa, saan ito pupunta) kapag naglo-load ng raw corporate data sa AI. Dapat iproseso ang pribilehiyo at personal na data sa mga sasakyan na ang data ay hindi napupunta sa pagsasanay sa modelo, sa ilalim ng kontrata at sa naaangkop na hurisdiksyon.
tatlong mini case
Case 1 — Binawasan ng TAR ang gastos. Sa isang komersyal na kaso ng 1.3 milyong mga dokumento, ang klasikong linear na pagtatantya sa pagsusuri ay 14 na buwan. Sa predictive coding, nag-tag ang mga abogado ng 8,000 na dokumento; inuri ng system ang natitira at ang pagsusuri ng tao ay bumaba sa 90,000 mga dokumento. Ang proseso ay nabawasan sa 6 na linggo, 92% ang kinumpirma ng recall sampling.
Kaso 2 — Na-save ang pribilehiyo. Ang pre-production AI ay nag-flag ng 240 na dokumento sa set ng paghahatid bilang "posibleng may pribilehiyo." Sinuri ng pangkat ng abogado; 210 ay aktwal na sulat ng abogado-kliyente at hindi naihatid. Kung walang AI, ang mga dokumentong ito ay maaaring aksidenteng napunta sa kabilang partido.
Kaso 3 — Ang panganib ng labis na kumpiyansa. Mahigpit na itinakda ng isang koponan ang threshold ng TAR para sa mataas na katumpakan; Inalis ng system ang mga itinuring nitong "hindi nauugnay" nang walang sampling. Nalaman ng kasunod na pag-audit na ilang kritikal na email ang napalampas dahil sa mahigpit na threshold. Late nang napansin ang error dahil hindi isinagawa ang call sampling.
Apat na maaaring kopyahin na mga template
1) Draft review protocol:
Ang iyong tungkulin: consultant ng e-discovery. Paksa ng kaso: [paglabag sa kontrata]. Bumuo ng isang protocol ng pagsusuri para sa akin: tumutugon na pamantayan, mga privilege flag, mga panuntunan sa pag-mask ng personal na data at mga hakbang sa pag-verify ng TAR (recall/precision sampling). Sabihin na ang bawat desisyon ay napapailalim sa kumpirmasyon ng abogado.
2) Paunang pag-uuri ng kaugnayan:
Paksa at pamantayan ng kaugnayan: [dito]. Bibigyan kita ng mga buod ng dokumento. Para sa bawat dokumento: may-katuturan/walang-kaugnayan/hindi tiyak at magbigay ng MAIKLING katwiran. I-highlight ang mga "hindi malinaw"; mapupunta ang mga ito sa pagsusuri ng abogado. Ang mga tinatawag mong walang kaugnayan ay susuriin sa pamamagitan ng sampling, hindi ito isang tiyak na pag-aalis.
3) Pribilehiyo sa pag-scan:
Lagyan ng tsek ang mga sumusunod na dokumento na POSIBLENG nagbibigay ng pribilehiyo ng abogado-kliyente: mga pangalan ng abogado, "kumpidensyal/pribilehiyo" na wika, nilalaman ng legal na opinyon. Ang mga ito ay hindi PANGHULING mga desisyon, sila ay mga kandidato na kumpirmahin ng isang abogado. Magbigay ng katwiran at ang kaugnay na linya para sa bawat tanda.
4) Mga kandidato para sa personal na data masking:
Ilista ang mga kandidato ng personal na data na kailangang i-mask sa mga dokumentong ito upang maihatid bago ang produksyon: TR, IBAN, kalusugan, pribadong data ng third party. Markahan bilang kandidato lamang; Gagawin ko ang panghuling desisyon sa masking. Baguhin ang text.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Mula sa mga dokumentong ito, piliin ang mga nauugnay sa kaso.
Walang pamantayan sa kaugnayan, walang pagiging eksklusibo at walang pag-verify; Gumagawa ang AI ng mga pansariling desisyon, maaaring makaligtaan ang kritikal na dokumento o may pribilehiyong tumagas.
Napakahusay na prompt:
Ang iyong tungkulin: e-discovery review assistant. Kaso: Paratang na nilabag ng kumpanyang X ang kontrata ng supply sa Y. Pamantayan sa kaugnayan: mga petsa ng paghahatid, mga pagbabago sa presyo, mga reklamo sa kalidad, mga negosasyon sa pagwawakas. Bibigyan kita ng mga buod ng dokumento. Magbigay ng may-katuturan/hindi nauugnay/hindi tiyak + katwiran para sa bawat dokumento. Markahan din bilang "posibleng may pribilehiyo" ang mga naglalaman ng pangalan ng abogado o legal na opinyon. Huwag isaalang-alang ang anumang desisyon bilang pinal; Ang lahat ay napapailalim sa kumpirmasyon ng abogado.
Ang mahalagang pamantayan, pag-screen ng pribilehiyo, at "pag-verify ng abogado" na hadlang ay ginagawang maipagtatanggol ang proseso.
Mga yugto ng EDRM at talahanayan ng AI
entablado
kontribusyon ng AI
responsibilidad ng tao
koleksyon
template, plano
Legal na hawak, integridad
Pinoproseso
De-dup, format, direktoryo
kontrol sa kalidad
pagsusuri
TAR, rekomendasyon sa kaugnayan
Kaugnayang desisyon
pribilehiyo
Pagmarka ng kandidato
huling desisyon, kumpirmasyon
Produksyon
kandidatong nagmamaskara
Panghuling pagsusuri, paghahatid
Mga karaniwang pagkakamali
- Ang pag-iwan sa TAR na walang nag-aalaga. Ang pagsasabi na "sinabi ng makina na hindi ito interesado" nang hindi nagsasagawa ng sample ng tawag ay magdudulot ng pag-hijack.
- Ipaubaya sa AI ang desisyon sa pribilehiyo. Ang isang maling paghahatid ay nanganganib sa hindi na mababawi na waiver.
- Tumutuon lamang sa katumpakan sa halip na recall. Ang mahigpit na threshold ay nakakaligtaan ang nauugnay na dokumento; Sa batas, priority ang recall.
- Hindi pagdodokumento ng pamamaraan. Maaaring tanungin ng kabilang partido ang proseso ng TAR; kailangan ang transparency.
- Pag-upload ng personal/privileged data sa isang hindi naaangkop na tool. Sundin ang mga panuntunan sa hurisdiksyon at pagiging kumpidensyal.
Sa buod
Ang e-discovery ay ang proseso ng paghahanap at paghahatid ng may-katuturang ebidensya mula sa corporate electronic data sa legal na paraan at gumagana sa loob ng balangkas ng EDRM. Binabago ng AI ang pinakamahal na yugto, pagsusuri, gamit ang TAR/predictive coding: binabasa lang ng tao ang mga pinaka-malamang na nauugnay at hindi maliwanag na mga dokumento. Ngunit ang legal na responsibilidad para sa desisyon ng kaugnayan at lalo na ang pribilehiyo ay nakasalalay sa abogado; Ang recall sampling, transparency ng pamamaraan at proteksyon ng personal na data ay sinisiguro ng disiplina ng tao.
Gawain ng aplikasyon
Tukuyin ang isang kathang-isip na kaso at 4-5 aytem ng pamantayan ng kaugnayan. Maghanda ng 20-25 na mga buod ng dokumento (ilang may pribilehiyo, ilang nakakubli). Ilapat ang mga template na "Paunang pag-uuri ng kaugnayan" at "Pag-screen ng pribilehiyo"; Pagkatapos ay manu-manong suriin ang pagpapabalik sa pamamagitan ng pag-sample mula sa "hindi nauugnay" na hanay at kumpirmahin ang mga kandidato sa pribilehiyo na na-flag ng AI.
checklist
- [ ] Naobserbahan ko ang mga yugto ng EDRM at ang legal na obligasyon sa hold.
- [ ] Sinuri ko ang resulta ng TAR/pre-classification gamit ang recall sampling.
- [ ] Itinali ko ang bawat desisyon sa pribilehiyo sa kumpirmasyon ng abogado ng tao.
- [ ] Inaprubahan ko ang mga kandidato sa pag-mask ng personal na data na may huling pagsusuri.
- [ ] Naidokumento ko ang pamamaraan at mga threshold na ginamit ko.