سارة ويب، الرئيسة التنفيذية للعمليات والمؤسِّسة المشاركة في LawVu – سلسلة مقابلات

سارة ويب هي الرئيسة التنفيذية للعمليات والمؤسِّسة المشاركة في LawVu، ولديها خلفية في الهندسة وقيادة فرق البرمجيات، شملت مناصب في LOVEFiLM وAmazon. انضمت إلى LawVu عام 2015 بصفتها الرئيسة التقنية، ثم أصبحت الرئيسة التنفيذية للعمليات عام 2020، جامعةً بين خبرات في التكنولوجيا والعمليات والأمن والحوكمة. وينصبّ عملها على مساعدة الفرق القانونية في ربط بياناتها وسير عملها، مع الموازنة بين الابتكار في الذكاء الاصطناعي ومخاطر المؤسسات.

توفّر LawVu نظام تشغيل قانونيًا للفرق القانونية الداخلية، يجمع استقبال الطلبات وإدارة المسائل والعقود والإنفاق والمعرفة ضمن منصة مترابطة. وتساعد إمكاناتها في الذكاء الاصطناعي وتكاملاتها الفرق على العمل عبر أدواتها الحالية، مع الحفاظ على الأذونات والإشراف. وفي هذه المقابلة، تناقش ويب الذكاء الاصطناعي الخفي، وسير العمل القائم على الوكلاء، والمعرفة المؤسسية، والأسس التي تحتاج إليها المؤسسات لاعتماد الذكاء الاصطناعي على نحو خاضع للحوكمة.

شاركتم في تأسيس LawVu بعد أن أمضيتم جانبًا كبيرًا من مسيرتكم المهنية في بناء فرق البرمجيات وقيادتها، بما في ذلك في LOVEFiLM وAmazon. ما الذي دفعكم إلى اعتبار العمليات القانونية للشركات مشكلة تستحق الحل؟ وكيف تطورت رؤيتكم الأصلية لـLawVu مع التحولات التي أحدثها الذكاء الاصطناعي في مشهد التكنولوجيا؟

أمضيت معظم بدايات مسيرتي المهنية في أدوار هندسية وتقنية، من بينها مناصب في LOVEFiLM وAmazon. ولم يكن انتقالي إلى التكنولوجيا القانونية أمرًا خططت له؛ بل حدث إلى حد كبير بحكم الظروف. أعمل في LawVu منذ ما يقرب من 11 عامًا، وبدأت فيها رئيسةً تقنية، لكنني انتقلت سريعًا نسبيًا إلى منصب الرئيسة التنفيذية للعمليات، وقد غيّر هذا التحول وحده كثيرًا من طريقة تفكيري في العمل.

في البدايات، كانت المشكلة الأولى التي نسعى إلى حلها هي غياب الوضوح. كان معظم العملاء ينتقلون من Outlook وجداول بيانات Excel، وكان جمع كل شيء في مكان واحد مكسبًا حقيقيًا بحد ذاته. ثم دخلنا فترة انتقلت فيها الفرق إلى العمل عن بُعد، وأصبح التعاون أصعب من ذي قبل في غياب منصة مركزية. وعزز ذلك أمرًا كنا نلاحظه بالفعل، وهو أن كثيرًا من الأعمال القانونية المتكررة لم تكن تحظى بالتقدير، بل لم تكن مرئية لبقية أقسام المؤسسة أصلًا، لعدم وجود مكان يُظهرها. ودفعنا ذلك إلى العمل جديًا مع العملاء على توعيتهم بكيفية تنظيم بياناتهم وإدارة التغيير داخليًا، بدلًا من الاكتفاء بتسليمهم أداة.

كما أنشأنا مبكرًا تكاملات تشمل مجموعة Microsoft، لأن هدفنا كان دائمًا تلبية احتياجات المؤسسة في بيئة العمل التي تستخدمها يوميًا، بدلًا من مطالبة الفرق بالتخلي عما اعتادت عليه. وما تغيّر منذ ذلك الحين هو حجم المتطلبات التي تفرضها الفكرة نفسها الآن. كان خفض عتبة الدخول للحصول على مجموعة بيانات قابلة للاستخدام مسألةَ تيسير في السابق. أما اليوم، فهو ما يحدد الفرق بين ذكاء اصطناعي يستطيع بالفعل تنفيذ الأعمال القانونية، وآخر لا يفعل سوى أن يعكس إليك التجزؤ نفسه.

قلتم إن «الذكاء الاصطناعي الخفي» غالبًا ما يكون مشكلة في سير العمل، لا مشكلة تتعلق بالموظفين. ماذا يعني ذلك عمليًا؟ وما الذي يمكن للمؤسسات أن تتعلمه عندما يتجاوز الموظفون أدوات الذكاء الاصطناعي أو الأنظمة المعتمدة ويلجؤون إلى حلولهم الخاصة؟

إذا لم تتيحوا للموظفين الأدوات المناسبة داخل المؤسسة، فسيبحثون بأنفسهم عن أدوات تحقق لهم مكاسب في الكفاءة. هذا هو جوهر المشكلة. عندما يتجاوز شخص ما نظامًا معتمدًا، يكون رد الفعل الأول عادةً هو التعامل مع الأمر باعتباره إخفاقًا في الامتثال، ومحاولة تقييده أو وضع سياسة تمنعه. لكن ذلك يشير عمليًا في الغالب إلى مشكلة في سير العمل نفسه: فالمسار المعتمد كان أبطأ أو أشق من البديل، لذا وجد الناس طريقهم الخاص للالتفاف عليه.

وهذا بالضبط ما يجعل الذكاء الاصطناعي الخفي مسؤوليةً أكبر مما كانت عليه تقنية المعلومات الخفية في أي وقت. فالحوادث المرتبطة بالذكاء الاصطناعي الخفي باتت تمثل 20 بالمئة من خروقات البيانات، بمتوسط تكلفة يبلغ 10.2 مليون دولار، لأن الناس لا يكتفون بتبنّي أداة غير معتمدة، بل يزوّدونها مباشرةً بمواد حساسة، مثل نصوص العقود وشروط الصفقات والاستدلالات الداخلية.

ما ينبغي للمؤسسات أن تستخلصه من ذلك هو موضع الفجوة. فغياب بديل آمن يستند إلى بيانات موثوقة لا يمنع الناس من اللجوء إلى الذكاء الاصطناعي، بل يدفعهم إلى استخدامه في مكان لا يمكنكم رؤيته. وثمة خطر أعمق من ذلك يتجاوز الأمن. فعندما يتوزع العمل على أدوات ذكاء اصطناعي شخصية بدلًا من نظام مشترك ومنظّم، تتخذ المؤسسة قراراتها استنادًا إلى صورة غير مكتملة، من دون أن تدرك حتى أن جزءًا من الصورة مفقود. فإذا لم تتمكن أداة الذكاء الاصطناعي من الاطلاع إلا على 60 بالمئة من البيانات ذات الصلة، لأن الباقي محفوظ في حساب شخص ما، تراجعت دقتها وازداد خطر اتخاذ قرار خاطئ. وحظر الحل الالتفافي لا يعالج أيًا من ذلك؛ أما تزويد الناس بخيار أفضل منه فيفعل.

استنادًا إلى عمل LawVu مع مئات الفرق القانونية في المؤسسات، ما الأخطاء الأكثر شيوعًا التي ترون المؤسسات ترتكبها عند وضع حوكمة للذكاء الاصطناعي، ولا سيما مع إتاحة أدوات عامة الأغراض متزايدة القوة للموظفين؟

أشيع هذه الأخطاء هو الخلط بين وجود سياسة مكتوبة ووجود ضوابط فعلية. فلدى كثير من المؤسسات الآن وثيقة توضّح كيفية استخدام الذكاء الاصطناعي وما ينبغي تجنبه. لكن عددًا قليلًا جدًا منها أنشأ إجراءات تشغيلية فعلية لتنفيذ تلك السياسة؛ إجراءات تضبط ما يمكن للأداة الوصول إليه، وتسجّل ما قامت به، وتتيح إعادة بناء ما حدث لاحقًا عند الحاجة.

الخطأ الثاني هو عدم احتساب مقدار المخاطر التي يضيفها كلَّما اعتمد الفريق أداة جديدة. فكل حل متخصص منفرد يعتمده الفريق، سواء أكان للعقود أم للإنفاق أم لاستقبال الطلبات، يتطلب تكاملاً خاصاً به، ويحتفظ ببروتوكول المصادقة الخاص به وبنسخة مستقلة من البيانات الحساسة. يبدو كل حل منها على حدة سهل الإدارة. لكنها مجتمعةً تحوّل مجموعة التقنيات القانونية إلى شبكة مجزأة من المخاطر، ويعود أكثر من ثلث حالات الاختراق إلى هذا النوع تحديداً من وصول الأطراف الخارجية. ولا تدرك معظم الفرق حجم هذه المخاطر المتراكمة إلا حين تخضع للمراجعة بعد وقوع مشكلة.

الخطأ الثالث هو التعامل مع أدوات الذكاء الاصطناعي متعددة الأغراض على نحو يختلف عن التعامل مع أي برنامج آخر يطّلع على بيانات حساسة. فمنذ اليوم الأول، خضع كل عميل عملنا معه، بمن فيهم العملاء الحكوميون، لتقييم أمني شامل على أيدينا؛ لأن الأنظمة مثل نظامنا تضم بعضاً من أشد المعلومات حساسية التي تحتفظ بها الشركات، مثل الأسرار التجارية وبيانات عمليات الاندماج والاستحواذ والبيانات الشخصية (PII). ويُطلع الموظفون أدوات الذكاء الاصطناعي العامة يومياً على معلومات من النوع نفسه، من دون تدقيق يقترب حتى من هذا المستوى، لأن الأمر لا يبدو لهم كأنه اعتماد لمورّد جديد، بل مجرد استخدام أداة. وهذه الفجوة بين ما يخضع للتدقيق وما ينطوي فعلياً على مخاطر هي موضع انهيار معظم برامج الحوكمة.

أدرجت LawVu وكلاء الذكاء الاصطناعي وسير العمل القائم على الوكلاء في العمليات القانونية. كيف تحددون العمليات القانونية المناسبة للتنفيذ المستقل بواسطة الذكاء الاصطناعي، وتلك التي ينبغي أن تتطلب دائماً مراجعة بشرية أو موافقة؟

ننظر إلى الأثر وإمكانية التراجع عن النتائج أكثر مما ننظر إلى مدى تعقيد العملية على الورق. فإذا كان اكتشاف الخطأ قليل الكلفة والتراجع عنه سهلاً، فعادةً ما تكون العملية مرشحة جيدة للتنفيذ المستقل؛ ولهذا تلائم الأعمال الكثيفة والمتعاقبة والمحددة جيداً، مثل استقبال الطلبات وفرزها الأولي، هذا النهج.

كل ما يمس التزاماً تجاه طرف خارجي أو ينطوي على تبعات قانونية أو يتعلق بقرار يصعب التراجع عنه، يستلزم إشراك إنسان في العملية، مهما بدا أداء الوكيل دقيقاً في الاختبارات. وهذا هو المنطق نفسه الذي نستند إليه في التفكير في مدى تقبل المخاطر على نطاق أوسع في LawVu. نحدد ما يمكن للفريق تقبّله، ونضع الضوابط المناسبة، ثم نوسّع نطاق الاستخدام. والاختبار الحقيقي ليس الدقة، بل قدرتنا على تحديد ما اطّلع عليه الوكيل، وسبب اتخاذه ذلك الإجراء، وما إذا كان مخولاً باتخاذه، وما إذا كان بإمكاننا إثبات ذلك لاحقاً. وإذا لم نستطع الإجابة عن هذه الأسئلة، فالعملية ليست جاهزة بعد للعمل بشكل مستقل.

هذه القرارات ليست أمراً يُحسم مرة واحدة وينتهي؛ فالعملية التي يكون تشغيلها آلياً آمناً اليوم قد لا تظل كذلك مع اتساع نطاق استخدامها أو بدء سير العمل بالتعامل مع مواد أشد حساسية مما كان عليه في البداية، لذا ينبغي إعادة النظر في الحدود، لا الاكتفاء برسمها مرة واحدة.

يتيح خادم MCP من LawVu للمؤسسات ربط أدوات مثل ChatGPT وClaude وMicrosoft Copilot مباشرةً ببيئتها التشغيلية القانونية. كيف يمكن للشركات إتاحة وصول مفيد لأنظمة الذكاء الاصطناعي الخارجية إلى بيانات المؤسسة، مع الحفاظ في الوقت نفسه على الأذونات وقابلية التدقيق والخصوصية والتحكم؟

يميل المرء إلى الاعتقاد بأن الربط والأمان أمران متعارضان، لكن لا ضرورة لذلك. يجب أن تظل المنصة المرجع الأساسي للأذونات، لا أداة الذكاء الاصطناعي التي تعمل فوقها. وسواء بدأ أحدهم محادثة في ChatGPT أو Claude أو Copilot، ينبغي ألا يتغير ما يُسمح له برؤيته وفعله بحسب الواجهة التي صادف أن فتحها ذلك اليوم.

ولا ينجح ذلك إلا إذا كانت البيئة على الطرف الآخر مزودة مسبقاً بالضوابط المناسبة قبل ربط أي شيء، وهذا بالضبط ما تتجاهله معظم الشركات عند إعداد الأساس اللازم. يتعامل الجميع مع MCP على أنه مكسب أمني تلقائي لأن كمية البيانات المتداولة تقل، وهذا صحيح، لكن بشرط أن يتمكن النظام المستقبِل من تحديد ما جرى الوصول إليه، وسبب ذلك، والوكيل الذي قام به، والجهة التي تصرف نيابةً عنها، وأن يثبت ذلك بعد وقوعه.

وثمة مبرر تجاري أيضاً. فإذا استطاعت أداة الذكاء الاصطناعي المركزية التعرّف إلى الطلبات ذات الصلة بالمسائل القانونية وإحالتها تلقائياً إلى LawVu، فذلك يزيل ذهاب الموظف وإيابه لمعرفة النظام الذي ينبغي أن يلجأ إليه من الأساس. ويعني ذلك أيضاً أنهم لن يلجؤوا إلى أداة ذكاء اصطناعي شخصية لا تتيح لهم الوصول إلى مجموعة بيانات موثوقة وآمنة. وفي نهاية المطاف، يسهم توفير نقطة انطلاق واحدة خاضعة لحوكمة جيدة في تعزيز الإقبال على الاستخدام أكثر مما يمكن أن يحققه تقييد كل شيء.

قد تكون نماذج الذكاء الاصطناعي متعددة الأغراض قوية، لكنها غالباً ما تفتقر إلى الذاكرة المؤسسية للمنظمة وقراراتها السابقة وملف المخاطر الخاص بها. ما المعلومات والبنية التحتية التي ينبغي أن تحيط بنموذج الذكاء الاصطناعي قبل أن يصبح مفيداً حقاً في الأعمال المؤسسية عالية المخاطر؟

أفكر في الذكاء الاصطناعي الأفقي بوصفه غريباً لامعاً، شخصاً قرأ كمّاً هائلاً من المعلومات، ويكتب بأسلوب بليغ، ويستطيع خوض حوار حول أي موضوع تقريباً. لكنه لم يلتقِ بعميلك قط. ولم يشارك في مفاوضاتك قط. ولا يعرف كيف توازن مؤسستك بين المخاطر. ولم يطّلع قط على المحادثات التي أفضت إلى الاستثناءات التي وافق عليها فريقك قبل ستة أشهر.

لهذا السبب، من أولى الخطوات التي تتخذها فرق قانونية كثيرة ربط الذكاء الاصطناعي بدليل إرشادي، ومن المهم توضيح أن ذلك يحقق قيمة كبيرة للغاية. امنح نموذجًا للذكاء الاصطناعي إمكانية الاطلاع على البنود التي تفضلها، والمواقف البديلة، وحدود الموافقة، وإرشادات التفاوض، وستظهر مكاسب الكفاءة على الفور تقريبًا. لكن التحدي يكمن في أن أهم القرارات القانونية غالبًا ما تُتخذ عندما لا يعود الموقف المعتاد ملائمًا: حين يحتاج عميل استراتيجي إلى استثناء، أو تبرر فرصة نمو كبيرة تحمل مخاطر إضافية، أو يصل التفاوض إلى مرحلة ترجح فيها الأولويات التجارية على البند المفضل.

هنا يبدأ الحكم القانوني بالظهور. فبعض أثمن المعارف يكمن في الاستثناءات، لا في الدليل الإرشادي. لماذا استثنينا هذا العميل؟ ماذا حدث في المرة السابقة التي تفاوضنا فيها على هذا الموقف مع الطرف المقابل نفسه؟ هل قبلت الشركة هذه المخاطر في موضع آخر؟ هل صُعّدت هذه المسألة من قبل، وما القرار الذي اتُّخذ في نهاية المطاف؟

نادراً ما ترد الإجابات في مستند واحد؛ فهي مبعثرة بين العقود، والموافقات، ورسائل البريد الإلكتروني، وسجلات الملفات، وملاحظات الاجتماعات، والخبرة المتراكمة لدى الأشخاص الذين شاركوا في ذلك الوقت. لا يوثّق المستند سوى النتيجة، بينما تحتفظ المؤسسة بالأسباب في مواضع أخرى.

يمكن لغريب لامع أن يتعلم القواعد بسرعة لافتة، لكن فهم سبب الخروج عنها في المقام الأول يمثل تحديًا مختلفًا تمامًا. وما يميز عادةً الذكاء الاصطناعي المفيد عن الذكاء الاصطناعي التحويلي هو مقدار ما احتفظت به المؤسسة من خبراتها كي يتعلم منها الذكاء الاصطناعي.

جمعت شركات كثيرة أنظمة عقود وأدوات لإدارة الملفات وجداول بيانات وأرشيفات بريد إلكتروني ومصادر أخرى للمعرفة المؤسسية، لكنها بقيت منفصلة بعضها عن بعض. ما مدى أهمية وجود أساس موحد للبيانات قبل نشر وكلاء الذكاء الاصطناعي؟ وما الذي ينبغي للمؤسسة فعله لتصبح بياناتها مهيأة حقًا للذكاء الاصطناعي؟

يُعدّ المجال القانوني مثالًا مثاليًا على أهمية ذلك: تُراجع العقود باستخدام التعقّب في Word، وتُرسل الموافقات عبر البريد الإلكتروني، وتُتخذ القرارات عبر Slack، ثم تُضاف تقنيات الذكاء الاصطناعي إلى مستودع المستندات بدلًا من ربط سير العمل فعليًا. إن وضع الذكاء الاصطناعي فوق نظام مجزأ لا يفعل سوى إتاحة الوصول إلى الفوضى بسرعة أكبر.

الشركات التي أمضت سنوات في بناء بنية تحتية حقيقية للبيانات وترتيب أنظمتها قبل ظهور الذكاء الاصطناعي هي التي تجني ثماره بالفعل. وهذا هو جوهر المسألة. لا يمكنك توسيع نطاق عمل الوكلاء بالاعتماد على أنظمة عقود وأدوات لإدارة الملفات وجداول بيانات وأرشيفات بريد إلكتروني منفصلة بعضها عن بعض، ثم توقع نتائج جديرة بالثقة. لا بد من بناء الأساس أولًا: أنظمة مترابطة، وضوابط واضحة للوصول، ومستوى محدد لتقبّل المخاطر، قبل أن تتمكن حتى من التفكير في توسيع نطاق الذكاء الاصطناعي.

بينما تدرس المؤسسات ما إذا كان عليها بناء تطبيقاتها الخاصة للذكاء الاصطناعي، أو شراء منصات متخصصة فيه، أو ربط النماذج متعددة الأغراض بأنظمتها الحالية، كيف ينبغي لقادة التقنية التفكير في قرار البناء أو الشراء أو التكامل؟

يبدو أن قرار البناء أو الشراء قرار تقني. لكنني أرى من واقع خبرتي أنه يتعلق في جوهره بمدى نضج العمليات القانونية. فالأمر يتوقف على مدى جدية الفريق القانوني في التعامل مع نفسه بوصفه وظيفة مؤسسية لها مسارات عمل وبيانات ونموذج تشغيلي خاص بها. وإذا حققت المستوى المناسب من النضج، فغالبًا ما تتبلور استراتيجية الذكاء الاصطناعي القانونية المناسبة من تلقاء نفسها.

أما البناء، فقد يكون خيارًا مناسبًا لعدد محدود من الفرق التي تملك الموارد اللازمة للعمل على غرار شركات البرمجيات. فالنماذج تتطور، والبنية التحتية تتغير، والعمل لا ينتهي فعليًا. وبالنسبة إلى معظم الفرق، لا يكمن التحدي في بناء الحل مرة واحدة، بل في صيانته إلى الأبد.

أما الشراء، فهو الخيار الذي تستقر عليه معظم الفرق، لكن «الشراء» ليس خيارًا واحدًا؛ بل يشمل ثلاثة أمور مختلفة على الأقل يخلط الناس بينها. فالذكاء الاصطناعي متعدد الأغراض، مثل ChatGPT وCopilot وClaude، قوي، لكنه لا يفهم بطبيعته هياكل الملفات القانونية أو استقبال الطلبات أو مسارات الموافقة. أما ربط الذكاء الاصطناعي بحل أحادي النقطة، عبر MCP مثلًا، فيمثل خطوة مهمة إلى الأمام، لكن نطاق رؤيته يظل محصورًا فيما هو موجود في ذلك النظام وحده.

تكمن الفرصة الأكبر في الذكاء الاصطناعي الذي يفهم ترابط العمل القانوني عبر الوظيفة بأكملها، لا ما يجري داخل أداة بعينها فحسب. فعندما تجتمع طلبات العمل والملفات والعقود والإنفاق والمعرفة في مكان واحد، يستطيع الذكاء الاصطناعي الاستدلال انطلاقًا من الصورة الكاملة بدلًا من جزء واحد منها.

شغلت منصبي المدير التقني ومدير العمليات في LawVu، ما منحك مسؤوليات تشمل التقنية والعمليات والأمن وتنفيذ المنتجات. كيف أثّر هذا الجمع بين المنصبين في نهجك لتحقيق التوازن بين الابتكار السريع في الذكاء الاصطناعي ومتطلبات الأمن والامتثال والموثوقية ومخاطر المؤسسات؟

انضممت إلى LawVu مديرًا تقنيًا عام 2015، وتوليت منصب مدير العمليات عام 2020، لذا أمضيت أكثر من عقد من الزمن في العمل ضمن مجالي التقنية والعمليات.

يغيّر هذا المزيج طريقة تفكيرك في الابتكار في مجال الذكاء الاصطناعي مقارنةً بالأمن والامتثال، لأنك لا تتعامل معهما بوصفهما موضوعين منفصلين. فعندما أتولى داخليًا مسؤولية الحوكمة والمخاطر والامتثال، وأعمل في الوقت نفسه على بناء منصة تساعد العملاء على إدارة هذه الوظائف نفسها، لا يمكنني التعامل مع الابتكار والأمن كخطوتين متعاقبتين؛ فلا يأتي أحدهما بعد الآخر، بل يحدثان معًا أو لا يحدثان على الإطلاق. فمنذ اليوم الأول، خضع كل عميل تعاملنا معه لتقييم أمني شامل، وفي كل مرة تضيف فيها أداة جديدة إلى منظومتك، فإنك توسّع نطاق المخاطر المحيطة بتلك البيانات. وينطبق ذلك علينا داخليًا بقدر ما ينطبق على عملائنا؛ لذا فإن بناء المنصة وتحمل المسؤولية عن حوكمتها يفرضان عليك مراعاة الأمرين معًا.

بالنظر إلى المستقبل، كيف تتوقع أن يغيّر الذكاء الاصطناعي الوكيلي دور الفرق القانونية في الشركات؟ هل ترى أن الإدارات القانونية ستستخدم الذكاء الاصطناعي أساسًا لتعزيز الإنتاجية، أم أنها قد تصبح في نهاية المطاف مشرفةً على سير عمل مستقل إلى حد كبير، يمتد عبر مختلف أقسام المؤسسة؟

حوّل الذكاء الاصطناعي التوليدي النقاش من تحسين الكفاءة تدريجيًا إلى إعادة التفكير جذريًا في كيفية إنجاز العمل القانوني، وفي شكل نموذج التشغيل اللازم في عالم يتجه سريعًا نحو قدرات الذكاء الاصطناعي الوكيلي. ولا أرى الذكاء الاصطناعي الوكيلي مجرد ضجة، بل طبقة تنفيذ يمكن أن تساعد الفرق القانونية على الانتقال من إدارة العمل إلى تنفيذه فعليًا، مع وضع الضوابط والحدود الوقائية المناسبة.

يشهد العالم المؤسسي حاليًا تحولًا نحو اعتماد «بوابة أمامية»؛ إذ يتجه مستخدمو الأعمال بشكل متزايد إلى أدوات مثل Microsoft Copilot أو Claude، ويصبح السؤال هو كيف تضمن الإدارة القانونية ارتباط هذه التفاعلات بالأنظمة والبيانات وسير العمل المناسبة.

لذلك، لا أرى الأمر خيارًا بين تعزيز الإنتاجية والإشراف، بل مسارًا تطوريًا. تبدأ الفرق القانونية باستخدام الذكاء الاصطناعي لإنجاز المهام الفردية بسرعة أكبر، لكن مع نضوج قدرات الذكاء الاصطناعي الوكيلي، تتمثل الفرصة الحقيقية في أن تتولى الإدارة القانونية نفسها مسؤولية طبقة التنفيذ، وأن تنفّذ العمل فعليًا من خلال أنظمة خاضعة للحوكمة، بدلًا من الاكتفاء بإعداد مسودات أولية أسرع.

شكرًا على هذه المقابلة الرائعة. ويمكن للقراء الراغبين في استكشاف عمليات قانونية مترابطة وسير عمل للذكاء الاصطناعي خاضع للحوكمة زيارة LawVu.