فائدہ:
- EDRM ورک فلو اور TAR/پیش گوئی کوڈنگ کے تصور کو سمجھنے اور مصنوعی ذہانت کے ساتھ جائزہ کے مرحلے کو تیز کرنے کی صلاحیت
- یادداشت اور درستگی کے توازن کو سمجھنے کی صلاحیت اور فرانزک سیاق و سباق میں اعلیٰ یاد کو ترجیح دے کر متعلقہ دستاویزات سے محروم نہ ہونے کو یقینی بنانا
- یہ سمجھنا کہ استحقاق اور ذاتی ڈیٹا کے فیصلوں کی قانونی ذمہ داری انسانی وکیل کی ہے اور طریقہ کار کی شفافیت کی ضرورت ہے۔
دیوانی مقدمہ یا ریگولیٹری تفتیش میں، ایک فریق دوسرے کے پاس موجود الیکٹرانک دستاویزات کی درخواست کرتا ہے: ای میلز، معاہدے، چیٹ لاگ، فائلیں۔ قانون کے مطابق ان دستاویزات کو جمع کرنے، ان کی جانچ پڑتال، متعلقہ دستاویزات کو چھانٹ کر دوسرے فریق/عدالت تک پہنچانے کے عمل کو ای ڈسکوری کہا جاتا ہے - قانونی تنازعہ کے دائرہ کار میں الیکٹرانک شواہد تلاش کرنا، جائزہ لینا اور پیش کرنا۔ ای ڈسکوری وہ علاقہ ہے جہاں کمپیوٹر فرانزک سب سے زیادہ قانون کے ساتھ جڑا ہوا ہے اور شاید AI کا سب سے زیادہ پختہ اور وسیع استعمال ہے۔ اس یونٹ میں، آپ EDRM ورک فلو، TAR/پیش گوئی کوڈنگ کا تصور اور AI اس عمل کو کیسے تبدیل کرتا ہے سیکھیں گے۔
EDRM: ای ڈسکوری کا معیاری ورک فلو
دنیا میں ای ڈسکوری بڑی حد تک EDRM کے فریم ورک کے اندر کام کرتی ہے (الیکٹرانک ڈسکوری ریفرنس ماڈل - حوالہ ماڈل جو ای ڈسکوری کے عمل کے معیاری مراحل کی وضاحت کرتا ہے)۔ اہم مراحل:
- معلومات کا انتظام اور شناخت: اس بات کا تعین کرنا کہ کون سا ڈیٹا کہاں ہے۔
- تحفظ اور جمع کرنا: متعلقہ ڈیٹا کو حذف کرنے سے روکنا (قانونی ہولڈ - قانونی چارہ جوئی کی توقع میں ڈیٹا کو حذف کرنے سے روکنے کی ذمہ داری) اور اسے دیانتداری کے ساتھ جمع کرنا۔
- پروسیسنگ: ڈیٹا کو قابل تلاش بنانا، ڈپلیکیٹس کو ہٹانا، فارمیٹ کی تبدیلی۔
- جائزہ: یہ فیصلہ کرنا کہ آیا دستاویزات حساس ہیں یا مراعات یافتہ — اٹارنی کلائنٹ کے استحقاق کے تحت ہیں اور ان کے حوالے نہیں کیے جائیں گے۔
- پیداوار: متعلقہ دستاویزات دوسرے فریق/عدالت کو پہنچانا۔
سب سے مہنگا اور افرادی قوت کی ضرورت کا مرحلہ جائزہ ہے۔ وکلاء کا ایک ایک کرکے لاکھوں دستاویزات پڑھنا بہت مہنگا اور بہت سست ہے۔ یہ وہ جگہ ہے جہاں AI ایک انقلاب پیدا کرتا ہے۔
TAR اور پیشن گوئی کوڈنگ
اہم ٹیکنالوجی جو جائزہ کو تیز کرتی ہے TAR (ٹیکنالوجی اسسٹڈ ریویو) ہے۔ سب سے عام شکل پیشین گوئی کوڈنگ ہے: ایک ماہر اٹارنی نمونے کی دستاویزات کو "متعلقہ/غیر متعلقہ" کے طور پر لیبل کرتا ہے۔ سسٹم ان مثالوں سے سیکھتا ہے اور خود بخود باقی سینکڑوں ہزاروں دستاویزات کی درجہ بندی کرتا ہے۔ اس طرح کوئی صرف سب سے زیادہ ممکنہ متعلقہ دستاویزات کو پڑھتا ہے اور باقی کو نمونے لے کر چیک کرتا ہے۔
جدید AI (بڑے زبان کے ماڈل) اس کو ایک قدم آگے بڑھاتے ہیں: یہ وضاحت کر سکتا ہے کہ دستاویز کیوں متعلقہ ہے، موضوع کا خلاصہ، استحقاق کا جھنڈا، نہ صرف "متعلقہ/غیر متعلقہ"۔ لیکن بنیادی اصول تبدیل نہیں ہوتا: AI تجویز کرتا ہے، مطابقت اور استحقاق کے فیصلے کی قانونی ذمہ داری وکیل پر عائد ہوتی ہے۔
TAR کی حفاظت کا انحصار اس عمل پر ہے کہ قابل سماعت ہے۔ ماہر وکیل کے لیبل کردہ تربیتی مثالیں، ان مثالوں سے سیکھنے والا نظام اور باقی دستاویزات کی درجہ بندی ایک چکر میں دہرائی جاتی ہے۔ درستگی ہر دور میں نمونے لینے سے ماپا جاتا ہے۔ یہ سائیکل ان سوالات کے قابل دستاویزی جوابات فراہم کرتا ہے "مشین نے کیا دیکھا، اس نے کیا سیکھا، کتنا درست تھا؟" دوسرا فریق اکثر اس طریقہ کار پر سوال اٹھاتا ہے۔ لہذا، تربیت کے سیٹ کا سائز، فیصلے کی حد اور توثیق کے نمونے کی شرحیں شروع سے ہی ریکارڈ کی جاتی ہیں۔ یہ عمل جتنا زیادہ شفاف اور دہرایا جا سکتا ہے، عدالت میں نتیجہ کو قبول کرنے کا امکان اتنا ہی زیادہ ہوگا۔
ٹپ: اپنے TAR کے عمل کو قابل دفاع بنانے کے لیے، اپنے "ٹریننگ" کے نمونے، توثیق کے میٹرکس (ریکال/پریزیشن) اور فیصلے کی حد کو دستاویز کریں۔ دوسرا فریق پوچھتا ہے "مشین میں کیا کمی ہوئی؟" وہ پوچھ سکتا ہے شفاف طریقہ کار اعتماد کو یقینی بناتا ہے۔
دو میٹرکس: یاد کرنا اور درستگی
ای ڈسکوری میں دو تصورات اہم ہیں۔ یاد کریں (حساسیت — آپ واقعی کتنی متعلقہ دستاویزات تلاش کرنے کے قابل تھے) گم ہونے کے خطرے کی پیمائش کرتی ہے۔ یہ قانونی طور پر اہم ہے کیونکہ متعلقہ دستاویز جمع کرانے میں ناکامی کے نتیجے میں پابندیاں لگ سکتی ہیں۔ درستگی - آپ کو جو کچھ ملتا ہے اس میں سے کتنا متعلقہ ہے - پڑھنے کے غیر ضروری بوجھ کو ماپتا ہے؛ لاگت کو متاثر کرتا ہے۔ دونوں کے درمیان ایک توازن ہے: اگر آپ حد میں نرمی کرتے ہیں، تو یادداشت بڑھ جاتی ہے، لیکن غیر ضروری دستاویزات بھی بڑھ جاتی ہیں۔ فرانزک/قانونی سیاق و سباق میں، زیادہ یاد کرنے کو اکثر ترجیح دی جاتی ہے — غائب نہ ہونا زیادہ پڑھنے سے زیادہ اہم ہے۔
استحقاق اور رازداری: سرخ لکیر
ای-دریافت میں سب سے خطرناک غلطی غلطی سے ایک مراعات یافتہ دستاویز دوسرے فریق کے حوالے کرنا ہے (استحقاق چھوٹ)۔ ایک بار جب اٹارنی کلائنٹ کی خط و کتابت پہنچ جاتی ہے، تو اسے بازیافت کرنا بہت مشکل ہوتا ہے۔ AI پرچم استحقاق میں مدد کرتا ہے، لیکن ہر استحقاق کے فیصلے کی تصدیق انسانی وکیل سے ہونی چاہیے۔ مزید برآں، ذاتی ڈیٹا (KVKK/GDPR اسکوپ) پر مشتمل دستاویزات کے لیے ترمیم کی ضرورت ہو سکتی ہے۔ AI پرچموں کو ماسک کرنے والے امیدواروں کو، حتمی کنٹرول انسان کے پاس ہے۔
احتیاط: خام کارپوریٹ ڈیٹا کو AI میں لوڈ کرتے وقت ڈیٹا کی رازداری اور دائرہ اختیار (کس ملک کا ڈیٹا، کہاں جاتا ہے) کے قواعد کا مشاہدہ کریں۔ مراعات یافتہ اور ذاتی ڈیٹا کو ان گاڑیوں پر پروسیس کیا جانا چاہیے جن کا ڈیٹا ماڈل ٹریننگ، معاہدے کے تحت اور مناسب دائرہ اختیار میں نہیں جاتا ہے۔
تین چھوٹے مقدمات
کیس 1 - TAR کم لاگت۔ 1.3 ملین دستاویزات کے تجارتی معاملے میں، کلاسک لکیری جائزہ کا تخمینہ 14 ماہ تھا۔ پیشن گوئی کوڈنگ کے ساتھ، وکلاء نے 8,000 دستاویزات کو ٹیگ کیا۔ سسٹم نے بقیہ کی درجہ بندی کی اور انسانی جائزہ 90,000 دستاویزات تک رہ گیا۔ اس عمل کو 6 ہفتوں تک کم کر دیا گیا، 92 فیصد کی تصدیق نمونے لینے سے ہوئی۔
کیس 2 - استحقاق محفوظ کر لیا گیا۔ پری پروڈکشن AI نے "ممکنہ طور پر مراعات یافتہ" کے بطور ڈیلیوری سیٹ میں 240 دستاویزات کو جھنڈا لگایا۔ وکیل ٹیم نے جانچ پڑتال کی؛ 210 اصل میں اٹارنی کلائنٹ کے خط و کتابت تھے اور ڈیلیور نہیں کیے گئے تھے۔ AI کے بغیر، یہ دستاویزات غلطی سے دوسرے فریق کے پاس جا سکتے تھے۔
کیس 3 - حد سے زیادہ اعتماد کا خطرہ۔ ایک ٹیم نے اعلیٰ درستگی کے لیے TAR کی حد کو مضبوطی سے طے کیا۔ سسٹم نے بغیر نمونے کے ان لوگوں کو ختم کر دیا جو اسے "غیر متعلقہ" سمجھتے تھے۔ بعد کے آڈٹ میں پتا چلا کہ سخت حد کی وجہ سے کئی اہم ای میلز چھوٹ گئیں۔ غلطی دیر سے محسوس ہوئی کیونکہ کال سیمپلنگ نہیں کی گئی تھی۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) جائزہ پروٹوکول کا مسودہ:
آپ کا کردار: ای ڈسکوری کنسلٹنٹ۔ کیس کا موضوع: [معاہدے کی خلاف ورزی]۔ میرے لیے ایک جائزہ پروٹوکول کا مسودہ تیار کریں: جوابی معیار، استحقاق کے جھنڈے، ذاتی ڈیٹا ماسکنگ کے اصول اور TAR تصدیقی اقدامات (ریکال/پریزیشن سیمپلنگ)۔ بیان کریں کہ ہر فیصلہ اٹارنی کی تصدیق سے مشروط ہے۔
2) مطابقت کی ابتدائی درجہ بندی:
موضوع اور متعلقہ معیار: [یہاں]۔ میں آپ کو دستاویز کے خلاصے دوں گا۔ ہر دستاویز کے لیے: متعلقہ/غیر متعلقہ/غیر یقینی اور ایک مختصر جواز پیش کریں۔ "غیر واضح" کو نمایاں کریں؛ یہ اٹارنی ریویو میں جائیں گے۔ جنہیں آپ غیر متعلقہ کہتے ہیں ان کا نمونہ لے کر جانچ پڑتال کی جائے گی، یہ کوئی حتمی خاتمہ نہیں ہے۔
3) استحقاق سکیننگ:
درج ذیل دستاویزات پر نشان لگائیں جو ممکنہ طور پر اٹارنی کلائنٹ کا استحقاق رکھتے ہیں: اٹارنی کے نام، "خفیہ/مراعات یافتہ" زبان، قانونی رائے کا مواد۔ یہ حتمی فیصلے نہیں ہیں، یہ ایسے امیدوار ہیں جن کی کسی وکیل سے تصدیق کی جائے۔ ہر ایک نشان کے لیے جواز اور متعلقہ لائن دیں۔
4) ذاتی ڈیٹا ماسکنگ کے امیدوار:
ذاتی ڈیٹا کے امیدواروں کی فہرست بنائیں جنہیں پروڈکشن سے پہلے ڈیلیور کرنے کے لیے ان دستاویزات میں نقاب پوش ہونا ضروری ہے: TR، IBAN، صحت، تیسرے فریق کا نجی ڈیٹا۔ صرف امیدوار کے طور پر نشان زد کریں؛ میں ماسکنگ کا حتمی فیصلہ کروں گا۔ متن تبدیل کریں۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
ان دستاویزات میں سے، وہ منتخب کریں جو کیس سے متعلق ہوں۔
کوئی متعلقہ معیار، کوئی خصوصیت اور کوئی تصدیق نہیں؛ AI موضوعی فیصلے کرتا ہے، اہم دستاویز سے محروم ہو سکتا ہے یا مراعات یافتہ لیک ہو سکتا ہے۔
طاقتور اشارہ:
آپ کا کردار: ای ڈسکوری ریویو اسسٹنٹ۔ کیس: یہ الزام کہ کمپنی X نے Y. متعلقہ معیار کے ساتھ سپلائی کے معاہدے کی خلاف ورزی کی ہے: ڈیلیوری کی تاریخیں، قیمت میں تبدیلی، معیار کی شکایات، برطرفی کے مذاکرات۔ میں آپ کو دستاویز کے خلاصے دوں گا۔ ہر دستاویز کے لیے متعلقہ/غیر متعلقہ/غیر یقینی + جواز پیش کریں۔ وکیل کا نام یا قانونی رائے رکھنے والوں کو "ممکنہ طور پر مراعات یافتہ" کے طور پر بھی نشان زد کریں۔ کسی بھی فیصلے کو حتمی نہ سمجھیں۔ سبھی اٹارنی کی تصدیق سے مشروط ہیں۔
بنیادی معیار، استحقاق کی اسکریننگ، اور "وکیل کی تصدیق" کی رکاوٹ اس عمل کو قابلِ دفاع بناتی ہے۔
EDRM مراحل اور AI ٹیبل
اسٹیج
AI کی شراکت
انسانی ذمہ داری
مجموعہ
سانچہ، منصوبہ
قانونی پکڑ، سالمیت
پروسیسنگ
ڈی ڈوپ، فارمیٹ، ڈائریکٹری
کوالٹی کنٹرول
جائزہ لیں
TAR، مطابقت کی سفارش
متعلقہ فیصلہ
استحقاق
امیدوار کو نشان زد کرنا
حتمی فیصلہ، تصدیق
پیداوار
ماسکنگ امیدوار
حتمی چیک، ترسیل
عام غلطیاں
- TAR کو بغیر توجہ کے چھوڑنا۔ کال کے نمونے کے بغیر "مشین نے کہا کہ اس میں کوئی دلچسپی نہیں ہے" کہنا ہائی جیکنگ کا سبب بنے گا۔
- استحقاق کا فیصلہ AI پر چھوڑنا۔ غلط ترسیل سے ناقابل واپسی چھوٹ کا خطرہ ہے۔
- یاد کرنے کے بجائے صرف درستگی پر توجہ مرکوز کرنا۔ سخت حد متعلقہ دستاویز سے محروم ہے؛ قانون میں، یاد کرنے کو ترجیح حاصل ہے۔
- طریقہ کار کی دستاویز نہیں کرنا۔ دوسرا فریق TAR کے عمل پر سوال اٹھا سکتا ہے۔ شفافیت ضروری ہے.
- کسی نامناسب ٹول پر ذاتی/مراعات یافتہ ڈیٹا اپ لوڈ کرنا۔ دائرہ اختیار اور رازداری کے قواعد کا مشاہدہ کریں۔
خلاصہ میں
E-Discovery قانونی طریقے سے کارپوریٹ الیکٹرانک ڈیٹا سے متعلقہ ثبوت تلاش کرنے اور فراہم کرنے کا عمل ہے اور EDRM کے فریم ورک کے اندر کام کرتا ہے۔ AI سب سے مہنگے مرحلے کو تبدیل کرتا ہے، جائزہ لے کر، TAR/پیش گوئی کوڈنگ کے ساتھ: انسان صرف سب سے زیادہ ممکنہ متعلقہ اور مبہم دستاویزات کو پڑھتا ہے۔ لیکن مطابقت اور خاص طور پر استحقاق کے فیصلے کی قانونی ذمہ داری وکیل پر عائد ہوتی ہے۔ یادداشت کے نمونے لینے، طریقہ کار کی شفافیت اور ذاتی ڈیٹا کے تحفظ کو انسانی نظم و ضبط کے ذریعے یقینی بنایا جاتا ہے۔
درخواست کا کام
فرضی کیس اور متعلقہ معیار کے 4-5 آئٹمز کی وضاحت کریں۔ 20-25 دستاویز کے خلاصے تیار کریں (کچھ مراعات یافتہ، چند غیر واضح)۔ "ریلیوینس پری کلاسیفیکیشن" اور "پریلیج اسکریننگ" ٹیمپلیٹس کا اطلاق کریں۔ پھر "غیر متعلقہ" سیٹ سے نمونے لے کر دستی طور پر واپسی کی جانچ کریں اور استحقاق والے امیدواروں کی تصدیق کریں جنہیں AI نے پرچم لگایا ہے۔
چیک لسٹ
- میں نے EDRM کے مراحل اور قانونی ہولڈ کی ذمہ داری کا مشاہدہ کیا۔
- میں نے TAR/پری کلاسیفیکیشن کا نتیجہ یاد کرنے کے نمونے لینے کے ساتھ چیک کیا۔
- میں نے ہر استحقاق کے فیصلے کو انسانی اٹارنی کی تصدیق سے جوڑ دیا ہے۔
- میں نے ذاتی ڈیٹا ماسک کرنے والے امیدواروں کو حتمی جانچ کے ساتھ منظور کر لیا ہے۔
- [ ] میں نے اپنے استعمال کردہ طریقہ کار اور حدوں کو دستاویز کیا۔