Josephine Petrick, Chief of AI Products at BriefCatch – Haastattelusarja

Josephine Petrick BriefCatchin AI-tuotteiden johtajana yhdistää oikeudellisen asioiden käsittelyn, tuotehakemuksen ja oikeudellisen kirjoittamisen asiantuntemuksen yhteen. Hänen roolissaan hän johtaa BriefCatchin AI-tuotteiden strategiaa, johon kuuluu generatiivisten ja hakemisperusteisten työkalujen kehittäminen, joiden tarkoituksena on parantaa asianajajien ja tuomareiden oikeudellisten asiakirjojen laatimista, muokkaamista ja tarkastamista. Taustalla hänellä on kokemus The Norton Law Firmin kumppanina, Hanson Bridgettin vanhempana neuvonantajana ja valamiehenä Yhdysvaltain vetoomustuomioistuimessa. Tämä kokemus antaa hänelle käytännön näkökulman siitä, miten AI-työkalut voivat ratkaista oikeudellisia kirjoittamisen haasteita.

BriefCatch on AI-pohjainen oikeudellinen kirjoittaminen ja muokkaaminen, joka on suunniteltu erityisesti asianajajille, tuomareille, lakitoimistoille, tuomioistuimille ja hallituksille. Perustettu vuonna 2017 ja rakennettu Ross Gubermanin oikeudellisen kirjoittamisen asiantuntemuksen ympärille, alusta auttaa oikeudellisia ammattilaisia parantamaan selkeyttä, tarkkuutta, vakuuttavuutta ja uskottavuutta suoraan kirjoitustyössään. BriefCatch ilmoittaa tukeneensa yli 300 lakitoimistoa, mukaan lukien 45+ Am Law 200 -toimistoa, sekä 80+ tuomioistuinta, ja sen uusi BriefCatch Next -tuote yhdistää asiantuntijoiden oikeudellisen kirjoittamisohjeistuksen valinnaisiin AI-työkaluihin, joilla pyritään parantamaan, ei korvaamaan, oikeudellista arviointia.

Viimeksi liityit BriefCatchiin AI-tuotteiden johtajaksi oltuaan aikaisemmin valittuna asianajajana, sertifioituna valittuna erityisasiantuntijana ja oikeudellisen teknologian tuotteiden kehittäjänä. Miten kokemuksesi risteyksessä valittuna oikeudenkäynneillä, oikeudellisilla strategioilla ja teknologialla on muovannut näkemystäsi AI:sta oikeudellisessa ammatissa?

Kun olin opiskelija Kalifornian yliopistossa, olin kiinnostunut AI:sta ja toivoin, että olisin valinnut sen alaksi. Olin viehättynyt sen potentiaalista laajentaa ihmisen älykkyyttä ja auttamaan käytännön ongelmien ratkaisemisessa laajassa mittakaavassa. Tulin asianajajaksi samasta syystä. Äitini oli perustuslakiasianajaja, ja hän opetti minulle, että lakia voidaan käyttää ihmisten auttamiseen tehokkaasti ja laajassa mittakaavassa. Kun harjoittelin lakia, oletin, että polku uraan AI:ssa oli suljettu. Joten on ironista ja syvästi tyydyttävää, että lakialani on johdattanut minut takaisin niihin kysymyksiin, jotka kiinnostivat minua alun perin: Miten käytämme teknologiaa asiantuntemuksen tekemiseksi saatavammaksi, käyttökelpoisemmaksi ja inhimillisemmäksi?

Olen kokeillut suuria kielen malleja ennen kuin ne pakattiin chatboteiksi, kun OpenAI tarjosi tuotetta hiekkalaatikkona. Alusta lähtien näin sen käytännön ongelmanratkaisun potentiaalin. Voisiko se auttaa asiakirjojen tarkastusprosessissa? Voisiko se tehdä paikallisten sääntöjen tutkimisen vähemmän vaikeaksi? Voisiko se auttaa jäljittämään odottavien Kalifornian korkeimman oikeuden tapauksia, arvioida, kuinka kauan valitukset kestävät, tai suoristaa post-trial -liikkeen harjoittamista? Voisiko se auttaa jonkun pääsemään eteenpäin?

Yksi lempiesimerkeistäni viimeksi mainitusta kysymyksestä tulee isältäni, joka on eläkkeellä oleva lukuteoreetikko, joka edelleen työskentelee avoimissa ongelmissa. Vakuutin hänet kokeilemaan Pro LLM -tiliä, ja hän on käyttänyt sitä todistamaan teoreemoja ja edistämään ongelmia, joihin hän on ajatellut vuosia. Yksi syy, miksi LLM:t ovat niin tehokkaita ratkaisemassa avoimia matemaattisia ongelmia, kuten Erdős -ongelmia, on, että niillä on koulutus monilla matematiikan alueilla, ja ne voivat siirtää nämä tekniikat toisesta alueesta ratkaisemaan ongelmia toisella (esim. käyttämällä algebraisten lukuteorian tekniikoita ratkaisemaan ongelman elementaarissa geometriassa). Tämä kokemus sai minut ymmärtämään jotain tärkeää: AI voi laajentaa luovaa ulottuvuuttaamme, auttaa meitä hyödyntämään laajempaa inhimillistä tietopohjaa ja asiantuntemusta kuin mitä yksilöllisesti voimme hallita, ja käyttää sitä edistäämään inhimillistä tietoa ja pyrkimyksiä, jotka muuten vaatisivat paljon enemmän aikaa.

Näin saman mallin oikeudellisessa harjoittamisessa. Valittuna asianajajana samat menettely- ja strategiatilanteet toistuivat jatkuvasti. Joten rakensin tietokantoja, seurantaa, infografiikkaa, asiakasresursseja, valitusaikatauluja, post-trial -ajankohtaisia työkaluja ja lopulta auttin rakentamaan oikeudellisen sääntöjen tietokannan. Yhteinen näkökulma oli aina sama: tieto oli olemassa, mutta se oli loukussa PDF-tiedostossa, kirjassa, seminaarissa, sisäisissä muistiinpanoissa tai jonkin asiantuntijan päässä. Tulin pakkomielteiseksi ongelmaan, jota AI on erityisen hyvä ratkaisemaan: miten tehdä tietoa ja asiantuntemusta saatavaksi silloin, kun sitä tarvitaan.

Se muovasi näkemystäni oikeudellisesta AI:sta. Useimmat oikeudelliset teknologiatuotteet lupaavat, että AI automatisoi rutiinin työn, jotta asianajajat voivat keskittyä strategiaan. Se on totta ja arvokasta, mutta se on vasta alku. Mihin olen eniten kiinnostunut nyt, on asiantuntemuksen aktivoiminen. Asianajaja saattaa olla lukenut oikean kirjan, osallistunut oikeaan CLE:hen, tallentanut oikean postauksen tai oppinut oikean oppitunnin harjoittelusta, mutta se tieto on usein latenttia, kun asianajaja on todella laatimassa, tutkimassa tai neuvomassa asiakasta.

BriefCatch sijaitsee suoraan tämän mahdollisuuden kohdalla. Oikeudellinen kirjoittaminen ei ole vain hienostuneisuutta. Se on siellä, missä oikeudellinen arviointi, strategia ja vakuuttaminen muuttuvat toisen ihmisen käytettäviksi. Olen innoissani tulevaisuudesta, jossa AI auttaa asianajajia hakemaan ja soveltamaan oikeaa sääntöä, tekniikkaa, strategiaa, varoitusta tai strategista oivallusta silloin, kun se on tärkeintä, säilyttäen ammattimaisen arvion ja vastuun. Ajattelen sitä asiantuntemuksen eksoskeletonina: teknologiana, joka auttaa asianajajia kantamaan enemmän tietoa, näkemään selkeämmin, välttämään estettäviä virheitä ja soveltamaan parasta arviointiaan silloin, kun se on tärkeintä. Jos rakennamme nämä järjestelmät hyvin, yhteiskunta hyötyy, koska oikeudellinen asiantuntemus muuttuu vähemmän kalliista yksilöllistä kanavaa ja enemmän saatavilla ihmisille, yrityksille, tuomioistuimille ja instituutioille, jotka riippuvat siitä.

BriefCatch esitteli äskettäin RealityCheck -työkalun, jonka tarkoituksena on tunnistaa hallusinoituneita tai tuevia oikeudellisia viittauksia ennen tiedoston lähettämistä. Mitä katsoit suurimmaksi aukoksi olemassa olevissa oikeudellisissa AI-työkaluissa, joka teki tämän ominaisuuden välttämättömäksi, ja kuinka merkittävä on viittauksen luotettavuuden ongelma tänään?

Suurin aukko on, että liian monet työkalut on edelleen optimoitu generaattorin sijaan verifioinnin suhteen. Ne voivat auttaa tuottamaan tekstiä nopeasti, mikä näyttää vaikuttavalta, mutta oikeudellinen työ ei pääty plausibeliin tekstiin. Se ei edes ala siitä. Meidän oikeusjärjestelmämme perustuu perustavasti tuomarien ja asianajajien uskolliseen kuvaamiseen ja soveltamiseen. Mikä tahansa oikeudellinen työkalu on aloitettava oikeuksista, jotka todella ovat olemassa, ja ne on kuvattava tarkasti, mitä ne sanovat, miten ne on sovellettu ja onko väittämä, jota niitä käytetään, tuettu siinä asiayhteydessä, jossa oikeus perustettiin. Mitään vähempää kuin tämä on oikeudellinen fantasia. On olemassa karkeampia sanoja siitä, mutta jätän sen tuomareille, jotka ovat käsitelleet sitä oikeussaleissaan.

Siksi työkalu kuten RealityCheck on erittäin tärkeä. Ongelma ei rajoitu pelkästään keksittyihin tapauksiin, vaikka ne ovat selvästi hälyttäviä. On olemassa hienovaraisempia ja yleisempiä epäonnistumisen malleja: todellinen tapaus, jota viitataan väärään väittämään, ylimitoitettuun pidätykseen, muutettuun lainaukseen, sulkuihin, jotka sileävät epämukavan eron, tai viittaukseen, joka näyttää kasvojen edessä oikein, mutta ei todella tue lausetta, jota se seuraa.

Nämä eivät ole uusia ongelmia oikeuden harjoittamisessa, mutta ne ovat nyt vahvistuneet. Asianajajat ovat aina olleet vastuussa työnsä tarkastamisesta, mutta AI:n nopeus ja skaala tekevät verifioinnin entistä tärkeämmäksi. Kysymys ei ole vain “Onko AI hallucinoitunut?” Kysymys on “Sisältää tämä toimitettu asiakirja oikeudellisia väittämiä, jotka ovat tarkkoja, tuettuja ja ammattimaisten puolustettavissa?”

Myös varoitan, että ihmisten työtä ei pidä pitää kultaisena standardina. Ihmiset virheellisesti lainaavat, ylimitoittavat ja puuttuvat asioita, erityisesti aikapaineen alla. Riippumatta siitä, onko teksti peräisin ihmisestä vai koneesta, paras käytäntö on kerroksellinen tarkastelu: ihmisen arviointi, lähdeperustaisten työkalujen tarkastelu, deterministiset tarkastukset, kun ne ovat tarpeen, ja verifioivat työvirrat, jotka tekevät virheiden havaitsemisen helpommaksi ennen kuin ne muuttuvat osoitukseksi.

Monet asianajajat ovat edelleen epäluottaisia generatiivista AI:ta kohtaan johtuen tarkkuuden, eettisyyden ja ammattimaisen vastuun huolenaiheista. Mitä käytännön toimia oikeudelliset teknologiayritykset voivat tehdä luomaan luottamusta ja edistää vastuullista omaksumista?

Luotettavat tuotteet tulisi tehdä näkyviksi. Ne tulisi osoittaa lähteitä, kun lähteet ovat tärkeitä. Ne tulisi osoittaa, milloin järjestelmä luo kieltä verrattuna verifioi viittauksen tai soveltaa determinististä sääntöä. Ne tulisi myös olla rehellisiä rajoituksista, koska yli-ilmoittaminen on yksi nopeimmista tavoista menettää asianajajien luottamus.

Vastuullinen omaksuminen on rakennettava työvirran yhteyteen. Asianajajien ei tarvitse tulla ohjelmointikielen insinööreiksi tai AI-riskejä arvioiviksi, jotta he voivat käyttää näitä työkaluja hyvin. Hyvät tuotteet tulisi ohjata käyttäjiä vastuulliseen käyttöön suunnittelun kautta: säilyttäen luottamuksellisuutta, tukeakseen valvontaa, mahdollistaen tarkastelun ja säilyttäen audit-merkintöjä, kun se on tarpeen, ja tehdessä verifioinnin helpoksi.

Olet työskennellyt laajasti retrieval-augmented generation (RAG) ja muiden tekniikoiden parissa, jotka on suunniteltu parantamaan AI-järjestelmien luotettavuutta. Missä nykyiset oikeudelliset AI-tuotteet edelleen epäonnistuvat, ja mitä teknisiä edistysaskeleita tarvitaan näiden aukkojen sulkemiseen?

Oikeudelliset AI-tuotteet ovat jo vaikuttavia asiakirjojen laatimisessa, tiivistämisessä, ideoinnissa ja hakemisessa. Jotkut ovat edelleen epäonnistuneet yhdessä tärkeässä mittarissa: oikeudellisen käytännön vaativassa tarkkuudessa. (Meidän oikeusjärjestelmämme perustuu siihen!)

Ajattelen luotettavuuden aukkoa järjestelmänä, ei yksittäisen mallin ongelmana. Paremmat mallit auttavat, mutta oikeudellisen luokan luotettavuus tulee useista kerroksista, jotka toimivat yhdessä: hakeminen ja priorisointi, verifioivat silmukat, muisti, työvirran suunnittelu ja hybridideterministinen/LLM-arkkitehtuuri.

Hakemisen perusmekaniikka on melko hyvin ymmärretty, mutta se vaatii paljon testausta ja iterointia saadakseen takaisinsoiton ja priorisoinnin oikein. Vastustavat agentit ja agenteille ominaiset silmukat tulevat yleisemmäksi, mutta suunnitteluhalli on tekeminen näistä tarkastuksista periaatteellisista eikä luomisesta kalliista, viiveellisiä “tarkastuslaajennuksia”. LLM-muistin tekniset haasteet ovat siinä, mihin muisti kuuluu (yleinen muisti vs. tietylle työvirralle; muistijärjestelmät voivat tuntua melko kiinni) ja muodon, jossa se varmistaa, että agentti pääsee siihen, kun se on tarpeen. Työvirran suunnittelu on edelleen tärkeää; jos järjestelmälle annetaan yksi pitkä, epämääräinen ohje, se tuottaa epätäydellisiä tai yleisiä tuloksia. Oikeudellinen AI tarvitsee enemmän rakennettuja työvirtoja, jotka rikkovat tehtävän tarkoituksellisiin vaiheisiin, varmistaakseen, että sillä on konteksti, jota se tarvitsee, ja menee läpi kaikki vaiheet, jotka vaaditaan tuottamaan tarkat ja erinomaiset oikeudelliset työt.

Toinen vipu on sekoitus deterministisiä sääntöjä, kuten regexeja, ja todennäköisyyksellisiä malleja. LLM:t ovat erittäin hyödyllisiä prototyyppivaiheessa, koska ne auttavat löytämään ongelman muodon. Mutta kun sinulla on hyvä toimiva prototyyppi ja ymmärrät mallin, sinun voi haluta palauttaa osia työvirrasta takaisin deterministiseen logiikkaan. Ja vaikka LLM:t voivat olla epäjohdonmukaisia, ne ovat erinomaisia täydentämään sitä, mitä deterministiset säännöt eivät ole joustavia tarpeeksi, ja hyödyntämään deterministisiä sääntöjä/koodeja itse. Vahvimmat järjestelmät eivät ole pelkästään deterministisiä tai pelkästään LLM-pohjaisia. Ne käyttävät deterministisiä sääntöjä, kun ongelma on ymmärretty, ja LLM:itä, kun epävarmuus, arviointi tai kontekstisensitiivinen kielen ymmärrys on tarpeen. Kysymys on, missä raja on: missä säännöt loppuvat ja missä malli tulisi ottaa ylitys?

Kun aloitetaan kerrosten lisääminen, voidaan saavuttaa suuria parannuksia luotettavuuden aukossa, mutta vastineena on insinöörien monimutkaisuus, token-kustannukset ja viive. Odotan, että nämä paranevat teknisen edistyksen myötä ja kun muisti ja pakkaus tulevat tehokkaammaksi ja helpommin sisäänrakennettavaksi perusmalliin.

Oikeudellinen kirjoittaminen vaatii usein hienovaraisuutta, vakuuttavuutta ja huolellista tulkintaa. Mitkä oikeudellisen kirjoittamisen osa-alueet luotatte, että AI voi parantaa tänään, ja mitkä osa-alueet edellyttävät edelleen yksinomaan inhimillistä arviointia?

AI voi jo parantaa paljon oikeudellista kirjoittamista, erityisesti kun tehtävä on hyvin määritelty. Se voi auttaa tunnistamaan epäselvät lauseet, haudatut kohdat, epäjohdonmukaisuuden, turhautta, heikon järjestämisen, tuevia faktatodistuksia, viittausongelmia ja kohtia, joissa luonnos ei ohjaa lukijaa hyvin. Se voi myös auttaa asianajajia keksiä luovasti, testata argumentteja ja soveltaa tunnettuja kirjoittamisen ja vakuuttamisen periaatteita silloin, kun he ovat laatimassa, eikä vain luottaen muistiin.

Se on erityisesti minulle mielenkiintoinen osa. Asianajaja saattaa tietää teoreettisesti, että asiakirjaan tarvitaan vahvempi johdanto, puhtaampi sääntölauselma tai lukijaystävällisempi tosiasialainen lauselma. Mutta kun olet laatimassa paineen alla, tietäminen ja soveltaminen eivät ole samaa asiaa. AI voi auttaa tuomaan asiantuntijoiden kirjoittamisohjeistuksen työvirran aikana, kun se voi parantaa asiakirjaa.

Hyvä oikeudellinen kirjoittaminen ei kuitenkaan ole vain taitoa tai tekstioptimointia. Se on myös kyky tunnistaa merkittävimmät, mielenkiintoisimmat ja tapauskohtaiset yksityiskohdat ja muuttaa ne teoriaksi, joka saa lukijan ymmärtämään, miksi tämä riita on merkittävä. Kokemukseni mukaan se on edelleen alue, jolla ihmiset ovat vahvempia kuin LLM:t. Ehkä se on maku, ehkä se on kokemus, ja ehkä se on jotain syvemmänlaatuista siinä, miten nämä järjestelmät toimivat. LLM:t on koulutettu tuottamaan todennäköisiä jatkoja tekstille, mikä luo painovoiman kohti tilastollisesti tavallista kuulostavaa tekstiä. Monissa oikeudellisissa asiayhteyksissä se on hyödyllistä. Usein et halua, että oikeudellinen kirjoittaminen kiinnittää itseensä huomiota. Haluat, että ideat, faktat ja viranomaiset loistavat läpi.

mutta vakuuttava oikeudellinen kirjoittaminen usein riippuu siitä, mitä on erityistä. Mikä on yksityiskohta, joka tekee tapauksesta elävän? Mikä fakta muuttaa riidan emotionaalisia sävyjä? Mikä oikeudellinen kohta saa tuomarin istumaan ja tunnistamaan ongelman? Asianajajana se on usein se niitti, jota yrität löytää. Yrität löytää tapauksen version, joka on tarpeeksi ainutlaatuinen ja vakuuttava saada tribunaaliin kiinnostumaan.

Se on osa, jonka en halua, että AI tylsistyttää. Järjestelmä voi ehdottaa selkeämpää sanamuotoa, merkitä heikkouksia, painostaa viittauksia, muistuttaa vakuuttamisen tekniikoita. Mutta asianajajan on edelleen päättävä, mikä on tärkeää, mitä myöntää, kuinka aggressiivinen olla, mitä ei sanoa, miten selittää epävarmuutta ja miten selittää tapauksen emotionaalista ja eettistä ydintä.

Olen varovainen sanomaan, että “AI ei koskaan pysty siihen.” Koska ne ennusteet ovat usein olleet väärässä. AI tekee jo monia erillisiä tehtäviä nopeammin ja tarkemmin kuin ihmiset, ja en usko, että sillä on syytä tuntea uhkaa. Se on työkalu. Mutta ainakin tänään tärkeimmät osat oikeudellista vakuuttamista edellyttävät edelleen inhimillistä arviointia: valitseminen oikeista yksityiskohtia, ymmärtäminen, miksi ne ovat tärkeitä, ja rakentaminen tarinaa, joka on emotionaalisesti resonanssia.

Miten näet asianajajien ja nuorempien lakimiesten roolin kehittyvän, kun AI:ta integroidaan syvemmälle oikeudellisiin työvirtoihin? Voiko AI muuttaa perustavanlaatuisesti, miten seuraava sukupolvi lakimiehiä kehittää oikeudellisia kirjoittamisen ja tutkimisen taitojaan?

Kyllä, ja meidän tulisi olla tietoisia siitä. Nuoremmat lakimiehet ovat perinteisesti oppineet tekemällä vaikeita töitä hitaasti: tutkimalla, laatimalla, muokkaamalla, saamalla kommentteja ja vähitellen kehittämällä arviointiaan. AI muuttaa tämän polun, mutta se ei tarvitse heikentää sitä. Käytetty hyvin, se voi tehdä koulutuksesta selkeämmän ja tehokkaamman.

Riski on, että nuoremmat lakimiehet ohittavat kamppailun, joka rakentaa arviointia. Jos työkalu tuottaa uskottavan luonnoksen liian nopeasti, uusi lakimies saattaa ei opi, miten argumentti rakennettiin, missä heikkoudet ovat tai miksi yksi kehys on parempi kuin toinen. Se olisi todellinen tappio.

Mahdollisuus on kuitenkin valtava. AI voi toimia mentorina, simulaattorina, kirjoittamisen valmentajana ja välittömän palautteen lähteenä. Se voi osoittaa vaihtoehtoisia rakenteita, tunnistaa tuevia väittämiä, selittää, miksi viittaus ei tuke väittämää, tai verrata luonnosta periaatteisiin, jotka tekevät hyvää oikeudellista kirjoittamista. Se voi myös antaa nuoremmille lakimiehille enemmän toistoja. Saamme toistomme ja saamme palautetta, ja se on, miten opimme ja kasvamme.

Firmat ja oikeudelliset osastot, jotka tekevät tämän parhaiten, eivät vain anna nuoremmille lakimiehille AI:ta ja toivoa parasta. He suunnittelevat uudelleen koulutuksen sen ympärille. He pyytävät nuorempia lakimiehiä selittämään valintansa, verifioimaan tulosteita, vertailemaan vaihtoehtoja ja oppimaan valvomaan AI-tukea työtä samalla tavalla kuin he lopulta valvovat ihmistyötä.

Olet neuvonut asiakkaita eri aloilla, mukaan lukien kryptovaluutta ja kuluttajateknologia, monimutkaisiin kaupallisiin oikeudenkäynteihin. Onko tiettyjä aloja, joilla uskot, että oikeudellisen AI:n omaksuminen kiihtyy nopeammin, ja miksi?

Uskon, että oikeudellinen AI:n omaksuminen kiihtyy nopeammin, kun

1. Organisaatiolla on työvirrat, jotka toimivat hyvin LLM:ien kanssa,
2. Organisaatio on avoin uudelleen ja
3. Organisaatio on motivoitunut tekemään muutoksen.

Ensimmäisestä näkökulmasta oikeus on luonnollinen alue LLM:ille, koska laki on monin tavoin ihmisen käyttäytymisen ja ihmisten arvojen koodaus kieleksi. Oikeudellinen työ muuttaa sekavat tosiasiat kategorioiksi, säännöiksi, velvollisuuksiksi, argumenteiksi, riskeiksi ja seurauksiksi. Se on tarkalleen se alue, jolla kielimallit voivat olla voimakkaita, edellyttäen, että ne on perustettu ja verifioitu, ja suunniteltu siten, miten asianajajat todella työskentelevät. Joten luulen, että useimmat oikeudelliset organisaatiot ovat hyviä ehdokkaita paitsi ne, joiden ensisijainen palvelumalli on ihmisten välinen vuorovaikutus. Mutta jopa organisaatioille, kuten pro bono -klinikoille, LLM:t voivat auttaa asioiden, kuten triagen ja tietohallinnon, joten en sulje heitä pois.

Toinen tekijä, avoimuus uudelleen, saattaa olla enemmän portti. Se on, miksi uskon, että sisäiset oikeudelliset tiimit ovat erityisesti hyvin asemissa. Ne sijaitsevat organisaatioissa, jotka ovat jo pyrkivät parantamaan nopeutta, vähentämään kustannuksia ja operationalisoida tietoa laajassa mittakaavassa. He hallinnoivat sopimuksia, riitoja, käytäntöjä, sääntöjä, asiakasongelmia, työsuhdeasioita, tuoteohjeita ja riskien arviointeja laajassa mittakaavassa. Nämä työvirrat ovat usein toistuvia tarpeeksi, jotta AI:n omaksuminen on tuettavissa, mutta edellyttää silti tarpeeksi oikeudellista arviointia, jotta paremmat työkalut voivat tehdä merkittävän eron.

Myös luulen, että oikeudenkäynnit, valitukset, säännellyt teollisuudet, fintech ja kryptovaluutta, kuluttajateknologia, vakuutus ja terveydenhuolto ovat tärkeitä aloja. Oikeudenkäynneissä ja valitustoiminnassa esimerkiksi AI voi auttaa asiakirjojen tarkastusprosessissa, asioiden seuraamisessa, viittauksien tarkastusprosessissa, menettelysäännöissä, varallisuuden analyysissä, argumenttien kartoittamisessa ja luonnoksen palautteessa. Panokset ovat korkeat, joten työkalut tarvitsevat vakavuutta. Mutta se ei ole syy välttää omaksumista. Se on syy rakentaa parempia tuotteita.

Kolmas kohta – motivaatio muutokseen – on myös merkittävä portti. Oikeudellinen teollisuus yleensä tulisi olla motivoitunut muutokseen. Oikeusjärjestelmä on hidas, kallis ja monille ihmisille esteellinen. Kysymys on, onko ammatti avoin muutokseen. Luulen, että se on yhä enemmän. Jotkut osat teollisuudesta ovat olleet hitaita liikkumaan, koska olemassa oleva malli oli voitollinen ja tuttu. Mutta asianajajat ovat myös ongelmanratkaisijoita. Monet meistä ovat oikeudenmukaisuuden, uudistuksen ja itsepäisen (hyvässä mielessä) koulutettuja. Olemme koulutettu argumentoimaan muutoksen puolesta, kun olemassa oleva vastaus on väärä.

Yksityinen sektori saattaa liikkua ensin, koska se on ketterämpi ja paremmin resurssoitunut. Hallitus, oikeusapu ja pro bono -organisaatiot kohtaavat erilaisia rajoituksia ja usein joutuvat keskittymään kiireiseen työhön, joka on heidän edessään. Mutta nämä sektorit eivät tulisi aliarvioida itseään. Jos AI voi auttaa tehdä oikeudellisia palveluita tehokkaammaksi, saatavammaksi ja edullisemmaksi, pitkän aikavälin mahdollisuus ei rajoitu mihinkään yksittäiseen sektoriin. Se on relevantti kaikille, jotka välittävät oikeusjärjestelmän toimimisesta paremmin.

Tuomioistuimet, sääntelijät ja asianajajaliitot tarkkailevat yhä tarkemmin AI:n käyttöä oikeudellisessa käytännössä. Mitä sääntely- tai eettisiä kehyksiä odotat nousevan seuraavien vuosien aikana, ja miten oikeudelliset teknologiayritykset tulisi valmistautua?

Meidän olemassa oleva eettinen kehys voi käsitellä useimmat näistä huolenaiheista. Asianajajat olivat aina velvollisia varmistamaan, että kaikki, mitä he edustavat tuomioistuimelle, perustuu totuuteen. Heidän on oltava rehellisiä, kun tapaus menee heidän vastaan, ja avoimia, kun he tekevät virheitä. Heidän on hallinnoitava tapauksiaan pätevästi ja valvottava nuorempia lakimiehiä ja ei-lakimiehiä, jotka auttavat heitä. Heidän on pidettävä asiakkaansa herkkää tietoa luottamuksellisena.

Ensimmäinen aalto AI-eettisyydestä ei vaadi täysin uutta moraalia. Meidän on sovellettava näitä tuttuja velvollisuuksia uudella vakavuudella. Asianajajan ei voi ulkoistaa arviointia ja sitten kieltäytyä vastuusta. Se osa ei tulisi olla kiistanalainen.

Yksi asia, jota meidän tulisi tehdä enemmän, on teknologiaan liittyvä koulutus, jotta asianajajat eivät jää hämmästyneiksi, kun he eivät riitävästi valvo tai tarkasta AI-tulosteita. Kalifornia esimerkiksi vaatii nyt teknisen osaamisen osana jatkuvaan oikeudelliseen koulutukseen, ja luulen, että se on oikea suunta. Mutta yksi tunti joka muutama vuosi ei ole tarpeeksi. Lakitoimistot, oikeudelliset osastot, tuomioistuimet ja oikeusapupalvelut tulisi kehittää omat sisäiset AI-käytäntönsä ja pakolliset koulutukset: ei vain “älä viittaa hallucinoituihin lähteisiin”, vaan milloin käyttää näitä työkaluja, milloin ei, miten verifioida tulosteita, miten suojella luottamuksellista tietoa ja miten ajatella vastuun jakamisesta ihmisen ja koneen välillä.

Oikeudellisille teknologiayrityksille eettisyys ei tulisi kohdella varoitusmerkkinä, jota liimataan tuotteeseen lopussa. Se tulisi olla tuotesuunnittelu. Parhaat työkalut tekevät vastuullisen käytön helpommaksi suunnittelun kautta: lähdeavain, luottamuksellisuuden valvonta, työvirrat, jotka mahdollistavat ihmisen tarkastelun, ja verifioivat työvirrat, jotka tekevät virheiden havaitsemisen helpommaksi.

Niin, eihän nämä ongelmat ole “uusia”. Mutta on oikeudellinen eettinen kysymys, joka on horisontissa. Tällä hetkellä melkein jokainen on samaa mieltä siitä, että AI tulisi auttaa asianajajia ja tuomareita, ei korvata heitä. Olen samaa mieltä siitä vaiston kanssa, kun otetaan huomioon, missä teknologia on tällä hetkellä. Mutta mitä tapahtuu, jos AI-järjestelmät tulevat nopeammaksi, halvemmaksi, luotettavammaksi ja vähemmän puolueellisiksi oikeudellisissa päättelytehtävissä kuin ihmiset? Sanooko me vielä, että ihminen on aina oltava silmukassa?

Se on outo ja epämukava kysymys, mutta luulen, että meidän on oltava rehellisiä ja kysyä sitä. En usko, että olemme lähellä korvaamasta tuomareita tai asianajajia ihmisten välisissä riidoissa, ja olisin syvästi epäileväinen järjestelmästä, joka väittäisi vastaan tänään. Mutta tämä on jo tapahtumassa erillissä ympäristöissä: AI ratkaisee jo tiettyjä riitoja suurella ADR-toimijalla ja X:llä Grok ratkaisee usein faktantarkistusriitoja.

Yleensä oletetaan, että ihmisen arviointi on eettinen takamuuri. Usein se on. Ihmiset tuovat moraalista vastuuta, institutionaalista legitimitettiä, empatiaa, käytännön viisautta ja ymmärrystä asiayhteydestä, mitä koneet eivät vielä omista. Mutta ihmiset myös tuovat viiveen, kustannukset, epäjohdonmukaisuuden, väsymyksen, puolueellisuuden, porttiteorian ja epätasaisen pääsyn. Jos AI-tukeinen ratkaisu tulee tarkemmaksi, edullisemmaksi ja saatavammaksi kuin status quo, eettinen kysymys ei tulisi vastata vaiston mukaan. Kysymys tulisi olla, “Mikä prosessi tuottaa reiluin, tarkin, avoimin ja vastuullisin tuloksen?”

Jos automaattiset tai AI-tuetut järjestelmät lopulta käsittelevät enemmän rutiininriitoja, ihmisen tarkastelu saattaa tulla tärkeämmäksi reunassa: epätavalliset tapaukset, epämukavat vikailmoitukset ja kohdat, joissa joustavan johdonmukaisuuden alkaa näyttää vähemmän oikeudenmukaisuudelta ja enemmän perinteiseltä oikeudelliselta formalismilta.

Se on, miten oikeudelliset teknologiayritykset tulisi valmistautua. Rakenna nykyisille eettisille säännöille, mutta myös tulevaisuuteen, jossa ammatti joutuu vertaamaan ihmisen ja koneen suorituskykyä rehellisesti. Tavoitteena ei tulisi olla säilyttää jokainen olemassa oleva oikeudellisen käytännön rituaali. Tavoitteena tulisi olla säilyttää se, mitä ne rituaalit on tarkoitettu suojelemaan: oikeudenmukaisuus, tarkkuus, vastuullisuus, legitimitetti ja pääsy oikeuteen.

BriefCatch on rakentanut maineensa oikeudellisen kirjoittamisen parantamisesta eikä ainoastaan oikeudellisen työn automatisoinnista. Miten tasapainotat tuottavuuden hyödyt AI:sta oikeudellisen kirjoittamisen yhteydessä tarpeen säilyttää kriittinen ajattelu, oikeudellinen päättely ja ammattimainen vastuullisuus?

En usko, että tuottavuus ja kriittinen ajattelu ovat ristiriidassa. Itse asiassa, kun asianajaja on tehokkaampi rutiinin tehtävissä, se luo enemmän tilaa luovalle, kriittiselle ajattelulle. Kysymys on, minkälainen tuottavuus luomme. Jos AI auttaa vain tuottamaan enemmän sanoja nopeammin, se ei välttämättä ole edistystä. Oikeudellisessa työssä on jo tarpeeksi sanoja.

Paras tavoite on auttaa asianajajia tuottamaan selkeämpää, tarkempaa, vakuuttavampaa ja puolustettavampaa työtä. Se on, miksi BriefCatchin painopiste oikeudellisessa kirjoittamisessa on tärkeää. Oikeudellinen kirjoittaminen ei ole vain koristelua oikeudellisen analyysin päällä. Se on siellä, missä analyysi muuttuu tarkaksi, testattavaksi ja lukijalle hyödylliseksi.

Tavan säilyttää vastuullisuus on suunnitella AI:ta asiantuntemuuden kerroksena, ei viranomaisen korvikkeena. Työkalu voi ehdottaa, merkitä, verifioida, verrata ja painostaa. Se voi auttaa soveltamaan kirjoittamisen periaatteita, tunnistamaan heikkoudet ja löytää ongelmat. Mutta asianajajan on tehtävä lopullinen päätös ja pysyttävä vastuullisena työstä. Kuten lempi Peloton -ohjaajani sanoo, “AI tekee ehdotuksia, sinä teet päätöksiä.”

Oman näkemykseni mukaan AI on arvokkainta, kun se tekee asianajajan osallistuneemmaksi. Hyvä järjestelmä tulisi teroittaa asianajajan huomiota. Se tulisi kysyä kysymyksiä, joita asianajaja saattaa jättää huomiotta, osoittaa viranomaisuutta, jota on tarkistettava, tai ehdottaa selkeämpää tapaa ilmaista kohdan. Se ei tulisi lullata käyttäjää ajattelemaan, että uskottava teksti on valmis työ.

Miten näet asianajajien ja AI:n välistä suhdetta viiden vuoden kuluttua? Ennustatko, että AI toimii ensisijaisesti avustajana, yhteistyökumppanina tai lähes luotettavana oikeudellisena kopilottina?

Enkä miellä sitä avustajana, vaan asiantuntemuksen eksoskeletonina. Ihannetapaus oikeudellisessa AI-järjestelmässä on se, joka auttaa asianajajia ja tuomareita tekemään sitä, mihin he ovat jo vastuussa, mutta paremmalla ulottuvuudella, paremmalla muistilla, paremmalla johdonmukaisuudella ja paremmilla verifioivilla työkaluilla.

Viiden vuoden kuluttua toivon, että asianajajat ovat syvämmin integroineet AI-järjestelmiä, jotka ovat syvämmin erikoistuneita kuin nykyiset yleispätevät chatbotit. Asianajaja, joka laittaa luonnoksen, tulisi pystyä käyttämään kirjoittamisen asiantuntemusta, oikeudellista tietoa, asiakirjoja, menettelysääntöjä, viittauksien tarkastusta, sisäistä tietoa ja strategista palautetta ilman, että joutuu poistumaan työvirrasta. Mutta järjestelmän on oltava avoin siitä, mitä se tietää, mitä se on tarkastanut, ja missä kohtaa asianajajan on tehtävä arviointi. Se on tasapainotettu luottamus. Asianajajat tulisi tietää, mitkä tehtävät järjestelmä on erittäin hyvä tekemään, mitkä tehtävät vaativat valvontaa, ja mitkä tehtävät kuuluvat yksinomaan inhimilliselle arviointille.

Jos saamme sen oikein, AI tekee asiantuntemuksen saatavammaksi. Se auttaa asianajajia kirjoittamaan paremmin, ajattelemaan huolellisemmin, välttämään estettäviä virheitä ja käyttämään enemmän aikaa työn osiin, jotka vaativat intuitiota ja arviointia. Minulle Mecha-lakimiesten legionin idea on paljon mielenkiintoisempi ja optimistisempi kuin yksinkertainen automaatio. Kiitos haastattelusta, lukijoille, jotka haluavat oppia enemmän, suosittelemme vierailemaan BriefCatchissa.