Scott Stevenson, medstifter og administrerende direktør for Spellbook – Interview Series

Scott Stevenson, er medstifter og administrerende direktør for Stavebog, et værktøj til at automatisere juridisk arbejde, der er bygget på OpenAI's GPT-4 og andre store sprogmodeller (LLM'er). Det er blevet trænet på et massivt datasæt på 42 terabyte tekst fra internettet som helhed, kontrakter, bøger og Wikipedia. Spellbook tuner modellen yderligere ved hjælp af proprietære juridiske datasæt.

Hvad tiltrak dig oprindeligt til computerteknik?

Jeg elskede videospil som barn og blev inspireret til at lære at lave dem som teenager – det satte mig på vej til at blive softwareingeniør. Jeg er tiltrukket af professionens iboende kreativitet og sætter også pris på hardwareaspektet, der er flettet sammen i computerteknik.

Kan du diskutere, hvordan din oplevelse med GitHub Copilot var den første inspiration til Spellbook?

Vi havde arbejdet med advokater i årevis og forsøgt at hjælpe dem med at automatisere udarbejdelsen af ​​rutinekontrakter ved hjælp af avancerede skabeloner. De ville ofte sige det samme: "Skabeloner er fantastiske, men mit arbejde er for skræddersyet til dem." 

GitHub Copilot var den første generative AI-assistent for softwareingeniører - du kan begynde at skrive kode, og den vil "tænke forud" på dig og foreslå store bidder af kode, som du måske vil skrive næste gang. Vi så med det samme, hvordan dette kunne hjælpe advokater med at udarbejde skræddersyede aftaler, samtidig med at det hjalp dem intelligent at "autofuldføre" kontrakter.

Hvordan foreslår Spellbook sprog til juridiske kontrakter?

I den første version af vores produkt tilbød vi en sofistikeret autofuldførelsesfunktion, der ligner Github Copilot. Nu har vi en række andre mekanismer:

1. Spellbook Anmeldelser kan tage en instruktion som "aggressivt forhandle denne aftale for min klient" og foreslå ændringer på tværs af en hel aftale.
2. Spellbook Insights finder automatisk risici og foreslåede klausuler på tværs af en aftale.

Spellbook gennemgår også kontrakter, hvilken type indsigt tilbyder den juridiske fagfolk?

Stavebog tilbyder en række forskellige indsigter under kontraktgennemgange for juridiske fagfolk. Disse indsigter kan skræddersyes ved hjælp af forskellige "linser". Vi leverer standardlinser til opgaver som kontraktforhandlinger, men advokater kan også give brugerdefinerede instruktioner, såsom "Gennemgå denne kontrakt for at sikre, at den overholder Californiens kundekrav."

Spellbook kan afdække potentielle risici, identificere forglemmelser, lokalisere uoverensstemmelser og modtage værdifulde forslag til forbedring og forbedring af kontrakter.

Kan du beskrive, hvordan Spellbook overvinder de tokenstørrelsesgrænser, der tilbydes af LLM'er?

Dette er en væsentlig del af det, der adskiller os og udgør vores unikke tilgang. Håndtering af lange kontrakter, der kan være på mere end hundredvis af sider, kan lægge pres på en advokats båndbredde, men Spellbooks teknologi udmærker sig ved at håndtere dem effektivt. Selvom vi ikke vil dykke ned i detaljerne i vores metoder i øjeblikket, er det her, vores ekspertise virkelig skinner.

Hvordan hentes dataene til at træne AI-modellerne?

Vi har benyttet os af offentlige datasæt som EDGAR, såvel som proprietære kontraktdatasæt, vi byggede i vores virksomheds første fase kl. www.rallylegal.com. Vi mener dog, at RAG-baserede tilgange er den bedste måde at inkorporere nøjagtige juridiske data i genereret tekst. RAG gør det muligt at referere til mange datakilder, såsom en klients egne dokumenter.

Love og regler ændrer sig hurtigt, hvordan holder AI'en sig ajour med de seneste nyheder og udviklinger?

Vi finder ud af, at RAG-tilgange (retrieval-augmented generation) er ekstremt effektive til dette. Vi tænker mere på sprogmodeller som en "menneskelig ræsonnement"-teknologi. Vi bør generelt ikke behandle LLM'er som "databaser", og i stedet tillade dem at hente pålidelig information fra pålidelige kilder.

Hvordan mildner eller reducerer Spellbook AI-hallucinationer?

Vi har ubønhørligt justeret hver funktion i Spellbook for at give de bedste resultater for advokater. Som nævnt ovenfor hjælper RAG også med at holde resultaterne relevante og opdaterede. Til sidst kaldes vores tilgang til AI "Assistive AI": Vi holder altid advokaten i førersædet, og de skal gennemgå eventuelle forslag, før de bliver handlet. Dette er centralt for alt, hvad vi gør.

I øjeblikket er kontraktudformning og -gennemgang den primære brugssag, hvad er nogle yderligere use cases, som Spellbook planlægger at tilbyde?

Vi er ret fokuserede på at være det bedste værktøj for kommercielle/kontraktlige advokater lige nu. En naturlig forlængelse af det er at hjælpe advokater med juridisk omhu under en kompleks transaktion. Ofte vil advokatfirmaer sammensætte et aftalerum, der indeholder alle væsentlige juridiske dokumenter i en organisation, og gennemgår for risici og uoverensstemmelser på tværs af korpuset. Spellbook arbejder på at implementere denne use case!

Hvad er din vision for fremtiden for kunstig intelligens i advokatbranchen?

Vores "Assistive AI"-vision er, at enhver advokat skal have en "elcykel", som hjælper dem med at udføre deres arbejde meget hurtigere, samtidig med at de producerer arbejde af højere kvalitet og bruger mere tid på at tilføje strategisk værdi til kunderne i stedet for at kopiere og indsætte. Vi mener, at kunstig intelligens bør komme til advokater og være en "vind i ryggen" uden at kræve meget vaneændring. Vi tror, ​​at enhver advokat snart vil have en AI tændt "til" i hver time af deres arbejde, uanset om de er i Word, e-mail eller til et kundemøde.

Det betyder i sidste ende, at de 70 % af potentielle juridiske klienter, som ikke har råd til juridiske ydelser, endelig vil kunne serviceres. Det er vi også rigtig glade for.

Tak for det gode interview, læsere, der ønsker at lære mere, bør besøge Stavebog.