Roderick Lucas, Moonlitin perustajajäsen ja toimitusjohtaja – haastattelusarja

Roderick Lucas on Moonlitin perustajajäsen ja toimitusjohtaja, ja hänellä on kokemusta tekoälystä, datatieteestä ja oikeusteknologiasta. Hän työskenteli lähes vuosikymmenen Deloitte-yhtiössä, jossa hän toimi tekoälyjohtajana, ja on opettanut teknologia-aiheisia kursseja Vrije Universiteit Amsterdamissa ja Tilburg Universityssä. Hänen työnsä keskittyy tekemään oikeudellisesta tutkimuksesta helpommin saavutettavaa jäsennellyn datan, todennettavien lähteiden ja tekoälyn avulla.

Moonlit tarjoaa oikeudellisen datan infrastruktuuria ja tutkimustyökaluja, jotka yhdistävät virallisen lainsäädännön, tuomioistuinten ratkaisut ja sääntelytiedot Euroopan eri oikeusjärjestelmissä. Sen alusta, Data API ja MCP-palvelin tarjoavat tutkijoille ja tekoälyavustajille pääsyn jäsenneltyihin oikeuslähteisiin, ja sen Commentaries-kirjasto yhdistää tekoälyn tuottaman analyysin nimettyjen oikeudellisten asiantuntijoiden tekemään tarkistukseen. Tässä haastattelussa Lucas keskustelee oikeudellisista hallusinaatioista, rajat ylittävästä tutkimuksesta, asiantuntijoiden tekemästä tarkistuksesta ja luotettavan oikeudellisen tiedon saatavuudesta.

Työskentelit lähes vuosikymmenen Deloitte-yhtiössä ja toimit lopulta tekoälyjohtajana. Samalla opetit teknologia-aiheisia kursseja Vrije Universiteit Amsterdamissa ja Tilburg Universityssä. Moonlit sai alun perin alkunsa Deloitten sisäisenä hankkeena, ennen kuin siitä tuli itsenäinen yritys vuonna 2024. Mikä sai sinut kehittämään alustan, ja mikä vakuutti sinut siitä, että oikeudellinen tutkimus tarvitsi perustavanlaatuisesti toisenlaisen lähestymistavan?

Moonlit käynnistettiin Deloitten sisällä, koska ongelma oli aivan siinä silmien edessä. Euroopassa jokainen merkittävä oikeudellinen tai verotukseen liittyvä kysymys ylittää jossain vaiheessa valtioiden rajat, mutta tarvittavat lähteet ovat hajallaan kymmenissä kansallisissa portaaleissa, joista jokaisella on oma muotonsa, kielensä ja viittaustyylinsä. Asiantuntijat käyttävät suurimman osan tutkimukseen käyttämästään ajasta aineiston kokoamiseen ja sen tarkistamiseen, ettei mitään puutu. Samaan aikaan heitä auttamaan tarkoitetut työkalut eivät sovellu rajat ylittävään työhön. Niistä veloitetaan erikseen käyttäjän ja maan mukaan, ja jo pelkkä eri oikeusjärjestelmien saman kysymyksen käsittelytapojen vertaaminen edellyttää erillisiä kirjautumistunnuksia.

Kun kielimallit tulivat, kaksi asiaa kävi heti selväksi: mallit pystyivät päättelemään oikeudellisista teksteistä paljon paremmin kuin kukaan oli odottanut, mutta niillä ei ollut käytettävissään luotettavaa aineistoa. Tekstin poimiminen julkisista tuomioistuinten portaaleista tuottaa sekavaa ja epäyhtenäistä dataa, kun taas kaupalliset oikeustiedon kustantajat rajoittavat automaattista käyttöä lisenssiehdoilla. Oikeusteknologialta puuttui yhteinen perusta: useiden oikeusjärjestelmien viralliset lähteet, jotka olisi muunnettu samaan selkeään datarakenteeseen, linkitetty toisiinsa ja päivitetty päivittäin.

Tämän tietokerroksen rakentamiseen ryhdyimme, ja siksi Moonlitistä tuli vuonna 2024 yritys eikä vain yhden asianajotoimiston työkalu. Tällaisen perustan arvo kasvaa jokaisen sitä käyttävän ja siihen sisältöä tuottavan ihmisen ja järjestelmän myötä. Taustalla oleva vakaumus ei ole muuttunut: laki on julkinen, ja siihen perustuvan tiedon pitäisi olla kohtuuhintaista kaikille, joiden on noudatettava lakia.

Moonlit perustettiin uskomuksesta, että oikeudellisen tiedon saatavuus on oikeudenmukaisuuden edellytys. Lainsäädäntö ja tuomioistuinten ratkaisut ovat usein julkisesti saatavilla, mutta niiden merkitystä selittävät asiantuntijakommentaarit ovat usein edelleen kalliiden maksumuurien takana. Miten Moonlit pyrkii demokratisoimaan pääsyn tähän tulkintakerrokseen, ja miksi se on erityisen tärkeää luotettavan oikeudellisen tekoälyn kehittämiselle?

Alankomaissa valtiolle menee noin 40 senttiä jokaisesta ansaitsemastasi eurosta, ja osa tästä rahoittaa julkisia yliopistoja ja oikeusjärjestelmää. Suuren osan lakia selittävistä kommentaareista kirjoittavat julkisella palkalla työskentelevät tutkijat. Kaupalliset kustantajat, kuten Wolters Kluwer ja Thomson Reuters, kokoavat nämä analyysit ja myyvät ne edelleen niitä tarvitseville tuomioistuimille, ministeriöille, yliopistoille ja oikeusalan ammattilaisille. Kommentaaripalvelun tilaus maksaa satoja euroja käyttäjää kohden kuukaudessa. Näiden tilausten myötä yleisö maksaa käytännössä kahdesti laista, jota sen on noudatettava. Oikeudenmukaisen oikeusjärjestelmän ei pitäisi maksaa kuukaudessa enempää kuin Netflix-tilauksen.

Rakensimme Commentaries-palvelun avoimeksi vaihtoehdoksi: se tarjoaa artikkelikohtaisen kirjaston oikeudellista analyysia, johon pääsee maksuttomalla Moonlit-tilillä. Jokainen kommentaari laaditaan ensisijaisista lähteistä tekoälymalliemme avulla, ja oikeusalan asiantuntijat tarkistavat sen ennen julkaisua. Jokainen viittaus tarkistetaan, ja se johtaa suoraan viranomaisen tai tuomioistuimen viralliseen asiakirjaan. Jos lukija huomaa, että jokin olennainen näkökulma puuttuu tai että asiassa on tapahtunut hiljattain jotakin uutta, hän voi ehdottaa muutosta suoraan sivulla olevalla lomakkeella toimituksellista tarkistusta varten. Toimitus voi sen jälkeen tarkistaa ehdotuksen ja julkaista päivitetyn version. Tietääksemme yksikään toinen kustantaja ei tarjoa tätä kokonaisuutta. Julkaisuhetkellä saatavilla olevat kommentaarit käsittelevät välillistä verotusta (arvonlisäveroa), ja tietosuojaa käsitteleviä kommentaareja valmistellaan.

Tämä tulkintakerros on aivan yhtä tärkeä oikeudelliselle tekoälylle. Mallit voivat käsitellä julkisia säädöksiä ja tuomioistuinten ratkaisuja, mutta ne eivät pysty lukemaan toissijaisia kommentaareja, joissa selitetään, miten sääntö toimii käytännössä tai missä sen poikkeukset ovat. Ilman tätä asiayhteyttä mallit tekevät omia yleistyksiään ja tuottavat epäluotettavia vastauksia. Suunnittelimme Commentaries-palvelun niin, että jokainen väite on nimenomaisesti yhdistetty tulkittavaan säännökseen ja sitä tukevaan ratkaisuun. Oikeusalan ammattilainen voi tarkistaa lähteen yhdellä napsautuksella, ja tekoälytyönkulku voi käsitellä luotettavaa dataa Moonlit Data API:n ja MCP-liittimen kautta.

Tekoälyn tuottamista virheellisistä oikeudellisista tiedoista on tullut kasvava huolenaihe, kun asianajajat ja tuomioistuimet kohtaavat keksittyjä oikeustapausviittauksia ja virheellisiä lain tulkintoja. Miksi kehittyneilläkin suurilla kielimalleilla on vaikeuksia tuottaa oikeudellisesti täsmällistä sisältöä, ja miten jäsennelty, varmennettu oikeudellinen konteksti auttaa ratkaisemaan näitä ongelmia?

Kielimallien vaikeudet lain käsittelyssä johtuvat syistä, joilla on vain vähän tekemistä älykkyyden kanssa. Oikeudellinen päättely perustuu täysin todennettavissa oleviin oikeuslähteisiin. Päätelmä on vain niin hyvä kuin säännös tai ratkaisu, johon se perustuu, mutta malli käsittelee asianumeroita ja lakiviittauksia todennäköisyyksiin perustuvina tekstimalleina eikä luotettavina tietokantatietueina. Se tuottaa uskottavilta vaikuttavia viittauksia, koska se ennustaa, miltä viittauksen pitäisi näyttää, ei siksi, että se olisi tarkistanut todellisen asiakirjan. Tällä on hyvin konkreettisia seurauksia: tämän tekstin kirjoitushetkellä oli kirjattu yli 2 100 tuomioistuinten ratkaisua, joissa oli kyse tekoälyn tuottamista virheellisistä tiedoista, ja yli 800 niistä liittyi suoraan oikeudellisiin ammattilaisiin.

Myös lainsäädäntö muuttuu jatkuvasti. Mallin tiedot ulottuvat vain sen koulutuksen katkaisupisteeseen asti, kun taas verotusta koskevia ratkaisuja ja muutoksenhakutuomioistuinten päätöksiä päivitetään joka viikko. Kun sääntöjen merkitystä selittävä kommentaari on kustantajan maksumuurin takana, mallilla on käytettävissään pelkkä säädösteksti, mutta ei sen soveltamiseen tarvittavaa kontekstia. Siksi se keksii uskottavilta kuulostavia selityksiä täyttääkseen aukon.

Jäsennelty ja varmennettu konteksti muuttaa tehtävän perusteellisesti. Moonlitissa malli hakee lain tiedon muistista palauttamisen sijaan ja työskentelee suoraan virallisten asiakirjojen pohjalta. Haku palauttaa virallisista lähteistä peräisin olevia asiakirjoja, joista jokaisessa on viittaus ja linkki. Viiteverkko näyttää, mihin ratkaisussa viitataan ja mitkä myöhemmät asiakirjat viittaavat siihen. Viittaus joko johtaa tietovarastossamme olevaan aitoon asiakirjaan tai sitä ei näytetä lainkaan. Näin keksityt viittaukset poistuvat. Pelkkä puhdas data ei kuitenkaan estä väärinymmärryksiä, minkä vuoksi Commentaries-palvelussa luonnoksen ja lukijan välissä on aina nimetty oikeudellinen asiantuntija.

Moonlit kokoaa lainsäädäntöä, tuomioistuinten ratkaisuja ja sääntelytietoa kymmeniltä oikeudenkäyttöalueilta ja yhdistää oikeudelliset asiakirjat laajan viiteverkon avulla. Voitko selittää, miten tekoäly- ja data-arkkitehtuuri toimii, erityisesti miten alusta tunnistaa oikeuslähteiden välisiä yhteyksiä, sovittaa yhteen eri kielet ja oikeusjärjestelmät sekä tarjoaa nämä tiedot tekoälymallien käyttöön?

Ajattele sitä yhtenä katkeamattomana ketjuna virallisesta julkaisusta aina varmennettuun viittaukseen asti.

Yhdistämme jokaisella oikeudenkäyttöalueella suoraan virallisiin portaaleihin, kuten säädöskokoelmiin, tuomioistuinten tietokantoihin, valvontaviranomaisten portaaleihin ja EU-lainsäädännön osalta EUR-Lexiin. Jokaisella portaalilla on omat erikoisuutensa ja muotonsa, ja ne voivat muuttua ilman ennakkovaroitusta. Siksi merkittävä osa teknisestä kehitystyöstämme kohdistuu portaalikohtaiseen valvontaan ja automaattiseen palautumiseen häiriöistä. Jokaisessa tuomassamme asiakirjassa säilyvät sen alkuperätiedot ja pysyvä linkki viralliseen hallituksen asiakirjaan. Tämä linkki on kaiken muun perusta.

Kaikki kootaan yhteen eri oikeudenkäyttöalueet kattavaan tietomalliin, joka sisältää lainsäädännön, oikeuskäytännön, parlamenttiasiakirjat, viranomaispäätökset ja ohjeistuksen. Lainsäädäntö jaetaan yksittäisiin artikloihin, jotta yksittäinen säännös voidaan hakea ja siihen voidaan viitata täsmällisesti. Alankomaalaisessa tuomioistuinratkaisussa ja saksalaisessa ratkaisussa säilyvät niiden kansallisten järjestelmien edellyttämät erityiskentät, mutta asiakirjojen tunnistamis-, luokittelu- ja linkitystavat yhdenmukaistetaan yli rajojen.

Oikeudellisissa teksteissä viitataan jatkuvasti toisiinsa. Tuomioistuinratkaisussa viitataan sovellettaviin artikloihin ja aiempiin ratkaisuihin, kun taas laissa viitataan muihin säädöksiin. Moottorimme tunnistaa nämä oikeudenkäyttöalueittain hyvin eri muodoissa esiintyvät viittaukset, yhdistää ne Data Layer -kerroksessa oleviin aitoihin asiakirjoihin ja tallentaa linkit kaksisuuntaisesti. Oikeusteknologian asiantuntijat tarkistavat viittausten poimintamallit. Tuloksena on viiteverkko, jossa on satoja miljoonia linkkejä. Näin mistä tahansa asiakirjasta näkee, mihin siinä viitataan ja mitkä asiakirjat viittaavat siihen.

Kielet käsitellään puolestaan säilyttämällä lähdeasiakirjat alkuperäisinä. Emme käännä ensisijaisia lähdetekstejä. Belgialainen ratkaisu pysyy ranskankielisenä tai hollanninkielisenä, ja haut tehdään suoraan alkuperäiskielellä. Yhdistämme avainsanahaun ja semanttisen haun, järjestämme tulokset uudelleen ja rajaamme kunkin kyselyn koskemaan kyseistä oikeudenkäyttöaluetta. Tutkimusavustajamme Luna vastaa haluamallasi kielellä ja tekee haut kunkin lähdeasiakirjan alkuperäiskielellä.

Moonlit-alusta, Data API -rajapintamme ja MCP-palvelin käyttävät kaikki samaa Data Layer -kerrosta. Rajapinta tarjoaa ohjelmallisen pääsyn hakutoimintoihimme, viiteverkkoon ja kokotekstihakuun, kun taas MCP-palvelin tarjoaa mitkä tahansa ulkoiset tekoälyavustajat käyttöön yhdeksän vain lukuun tarkoitettua työkalua. Kun parannamme taustalla olevaa dataa, parannus tulee kerralla käyttöön kaikissa palveluissa.

Moonlit on julkaissut tekoälyn tuottamia oikeudellisia kommentaareja, jotka nimetyt oikeudelliset asiantuntijat tarkistavat. Niissä yhdistyvät automaattinen luonnostelu ja ihmisen tekemä varmennus. Miten prosessi toimii käytännössä, ja millä suojatoimilla varmistetaan, että tekoälyn tuottamat tulkinnat ovat täsmällisiä, avoimia ja jäljitettävissä auktoritatiivisiin oikeuslähteisiin?

Kommentaarin lähtökohtana on itse laki. Järjestelmämme laatii luonnoksen Data Layerin alkuperäislähteiden pohjalta. Näihin kuuluvat lainsäädäntö, oikeuskäytäntö, direktiivit ja lainkohdan taustalla oleva eduskuntakäsittely. Järjestelmä voi viitata vain hallussamme oleviin asiakirjoihin, joten jokainen väite linkittyy sekä tulkittavaan lainkohtaan että sitä tukevaan lähteeseen. Esimerkiksi yksi julkaisuun valmiista kommentaareistamme linkittyy 165 varmennettuun lähteeseen.

Ennen kommentaarin julkaisemista kyseisen alan oikeudellinen asiantuntija tarkistaa luonnoksen alkuperäislähteitä vasten. Toimittajamme ovat tutkijoita ja käytännön työssä toimivia kirjoittajia, joille maksetaan heidän työstään. Ensimmäiseen ryhmään kuuluu asiantuntijoita yliopistoista, tuomioistuimista, julkishallinnon elimistä, konsulttiyrityksistä ja asianajotoimistoista. He korjaavat luonnoksen, poistavat siihen kuulumattoman sisällön ja täydentävät puuttuvat kohdat. Heidän nimensä näkyvät suoraan sivulla.

Varmennetun tarkastuksen merkit osoittavat toimittajan vahvistamat tekstikohdat, joten on aina selvää, minkä osioiden sisällöstä ihmisenä toimiva asiantuntija vastaa.

Jokaisessa kommentaarissa ilmoitetaan myös viitepäivä, joka kertoo täsmälleen, missä tilassa olevaan lainsäädäntöön kommentaari perustuu. Data Layer päivittyy päivittäin ja merkitsee toimittajan huomioitavaksi uudet asiaankuuluvat ratkaisut. Toimittaja päivittää sen jälkeen tekstin ja siirtää viitepäivää eteenpäin.

Kaiken taustalla oleva varmistuskeino on linkki. Jos johtopäätöstä tukevaan ratkaisuun ei pääse linkistä, lukijaa pyydetään vain uskomaan johtopäätös. Rakensimme Commentaries-palvelun, jotta kenenkään ei tarvitsisi tehdä niin.

Model Context Protocol (MCP) -integraatioiden avulla Moonlit voi tuoda oikeudellisen tiedon suoraan tekoälyavustajiin, kuten ChatGPT:hen, Claudeen ja Microsoft Copilotiin. Mitä tällainen arkkitehtuuri mahdollistaa sellaista, minkä kanssa perinteisillä tiedonhakuun perustuvilla generointijärjestelmillä voi olla vaikeuksia, ja miten varmistatte, että avustajat käyttävät haettua oikeudellista tietoa vastuullisesti?

Perinteinen RAG ottaa tilannekuvan joistakin asiakirjoista, pilkkoo ne osiin, muuntaa ne upotuksiksi ja antaa mallille ne osat, jotka saavat korkeimmat samankaltaisuuspisteet. Oikeudellisessa käytössä tämä epäonnistuu kolmella tavalla. Tilannekuva vanhenee. Samankaltaisuuteen perustuva haku ei ole riittävän luotettava, jotta se löytäisi täsmällisen artiklan tai asianumeron. Yksittäinen tekstiosa ei myöskään kerro, mihin asiakirjassa viitataan tai miten myöhemmät ratkaisut ovat vaikuttaneet siihen.

MCP-palvelimen avulla avustaja tekee tutkimustyön itse. Se voi hakea merkityksen perusteella tai täsmällisillä hakusanoilla ja viittauksilla Boolen operaattoreita käyttäen, seurata asiakirjojen välisiä viittauksia, lukea kokonaisia tekstejä ja hakea yksittäisiä lainkohtia. Se voi myös tarkistaa, mitkä oikeudenkäyttöalueet ja viralliset portaalit ovat käytettävissä. Malli päättää, mitä se tarvitsee, lukee saamansa tulokset ja tekee uusia hakuja, kunnes vastaus kestää tarkastelun. Juuri tämä hakukierros tekee eron. Luna siirtyi samalle MCP-palvelimelle syyskuussa, ja vastauksista tuli samalla kertaa sekä nopeampia että parempia. Myös tiedot ovat ajantasaisia: avustaja lukee Data Layeria sellaisena kuin se on tänään.

Vastuullinen käyttö alkaa selkeistä rajoista. Työkalumme ovat vain luku -tilassa, ja tulokset linkitetään takaisin viralliseen lähteeseen. Julkaisemme myös selkeät tutkimusohjeet, joita avustajat voivat noudattaa. Niissä kerrotaan, miten lähteitä haetaan niiden alkuperäiskielellä, miten tekstikohta tarkistetaan ennen siihen viittaamista ja miten version oikeellisuus varmistetaan. Ohjeissa neuvotaan myös kertomaan selvästi, jos käytettävissä olevissa lähteissä on aukko.

Eri avustajat esittävät päättelynsä eri tavoin, emmekä voi vaikuttaa siihen. Voimme kuitenkin tehdä lähteiden tarkistamisesta helppoa. Jokainen viittaus johtaa asiakirjaan, ja jokainen asiakirja puolestaan sen viralliseen julkaisuun.

Oikeudellinen tieto muuttuu jatkuvasti, kun uusia ratkaisuja julkaistaan, säädöksiä muutetaan ja voimassa olevia ennakkoratkaisuja kyseenalaistetaan. Miten Moonlitin automaattinen seurantajärjestelmä tunnistaa nämä muutokset ja ottaa ne huomioon, ja miten alusta estää tekoälyjärjestelmiä tukeutumasta vanhentuneeseen lainsäädäntöön tai syrjäytyneisiin oikeudellisiin tulkintoihin?

Tekoälyn tai tutkijan estäminen tukeutumasta virheelliseen tai vanhentuneeseen oikeustietoon perustuu asiakirjojen välisiin yhteyksiin. Heti kun järjestelmään tulee uusi tuomio tai lakimuutos, viitegraafi linkittää sen aiempiin lainkohtiin ja ratkaisuihin, joihin siinä viitataan. Jos muutoksenhakutuomioistuin kumoaa aiemman ratkaisun tai rajaa sen soveltamisalaa, tieto tästä liitetään suoraan alkuperäiseen ratkaisuun siihen viittaavana ratkaisuna. Graafia seuraava malli havaitsee myöhemmän kehityksen heti eikä käsittele vanhentunutta ennakkoratkaisua edelleen voimassa olevana oikeutena. Alustan käyttäjät voivat muuttaa saman saapuvan tietovirran aktiivisiksi Monitors-seurannoiksi, jotka koskevat heidän seuraamiaan lakeja, tuomioistuimia tai aiheita.

Kommentaarien ajantasaisuudesta huolehtiminen on perinteisesti ollut merkittävä katvealue. Kaupallisia kommentaarisarjoja tarkistetaan päivitysten varalta usein vain kerran tai kahdesti vuodessa. Nopeasti muuttuvilla aloilla, kuten välillisessä verotuksessa tai tietosuojassa, viive aiheuttaa vakavia vaatimustenmukaisuusriskejä. Data Layer arvioi päivittäin saapuvia julkaisuja suhteessa kommentaareihimme, joten uudet ratkaisut merkitään kirjoittavalle toimittajalle heti. Toimittaja päivittää analyysin ja siirtää viitepäivää eteenpäin, jotta sekä käytännön juristit että tekoälymallit perustavat työnsä lainsäädännön todelliseen nykytilaan eivätkä 12 kuukautta vanhaan tilannekuvaan.

Rajojen yli ulottuva oikeudellinen tutkimus on monimutkaista muustakin syystä kuin asiakirjojen kääntämisestä, varsinkin kun eri maat tulkitsevat samankaltaisia säädöksiä eri tavoin tai panevat ne täytäntöön eri tavoin. Miten Moonlitin tekoäly erottaa toisistaan eri oikeudenkäyttöalueiden erot, ja miten toimitte, jos arvovaltaiset oikeuslähteet näyttävät olevan keskenään ristiriidassa?

EU-direktiivi ja sitä täytäntöön paneva kansallinen laki ovat eri asiakirjoja, jotka linkitetään toisiinsa silloin, kun niissä viitataan toisiinsa. Kansallinen ratkaisu, jossa sovelletaan Euroopan unionin tuomioistuimen tuomiota, linkitetään kyseiseen tuomioon. Siksi Commentaries alkaa arvonlisäverosta. Säännöt on pitkälti yhdenmukaistettu EU-tasolla, minkä jälkeen niitä tulkitaan kussakin jäsenvaltiossa.

Ristiriidat ovat oikeudessa tavallisia, emmekä peittele niitä. Kun kaksi auktoritatiivista lähdettä vaikuttaa olevan keskenään ristiriidassa, lukija näkee molemmat. Tällöin lähteiden hierarkia ratkaisee pitkälti asian: myöhempi ratkaisu syrjäyttää aiemman, Euroopan unionin tuomioistuin kansallisen tuomioistuimen EU-oikeutta koskevassa kysymyksessä, ja sovellettava on viittauspäivänä voimassa ollutta säännöstä. Commentaries-palvelussa toimittaja tekee tämän ratkaisun avoimesti, ja lähteet esitetään sen rinnalla.

Moonlitin teknologiaa käyttävät muun muassa Alankomaiden korkein oikeus, Deloitte sekä muut oikeusalan ja julkisen sektorin organisaatiot. Voitko kertoa käytännön esimerkin siitä, miten alusta on muuttanut oikeudellisen tutkimuksen työnkulkua ja miten mittaatte tutkimuksen tarkkuuden, kattavuuden tai tehokkuuden paranemista perinteisiin menetelmiin verrattuna?

Fintech-alalla esimerkiksi Quantoz Paymentsin lakitiimi yhdisti Moonlit MCP -palvelimen Claudeen ja otti sen rinnalle käyttöön räätälöityjä työnkulkuja rajat ylittäviä maksuja koskevan sääntelyn käsittelyyn. Tämä korvaa perinteisen toimintatavan, joka on käytössä kaikkialla Euroopassa. Asianajajan on tavallisesti avattava useiden maiden portaaleja, tehtävä hakuja useilla kielillä, kopioitava viittaukset muistioon ja toivottava, ettei mitään olennaista paikallista ennakkoratkaisua ole jäänyt huomaamatta. Nyt heidän järjestelmänsä tekee hakuja eri lainkäyttöalueilla samanaikaisesti, seuraa viittausverkostoa ja palauttaa alkuperäisasiakirjat sekä niiden viralliset lähdelinkit. Yrityksen oman lakitiimin hyödyt ovat selvät. Järjestelmä poistaa vaaran siitä, että ulkomaisia ratkaisuja jää huomaamatta, ja siirtää työaikaa mekaanisesta tiedonkeruusta varsinaiseen oikeudelliseen analyysiin ja riskien arviointiin.

Kehitystyön puolella tehokkuus näkyy aivan eri tavalla. Oikeudellisia tekoälytuotteita kehittävät tiimit mittaavat edistymistä säästyneinä kehitystyön kuukausina. Oikeudellisen tekoälyn yritys Eudia tarvitsi tuotteensa tueksi jäsenneltyä eurooppalaista oikeudellista dataa, ja sen tuotepäällikkö kertoi, että Data API -rajapintamme tarjosi sille kattavan eurooppalaisen aineiston muutamassa päivässä. Ilman taustalla olevaa datainfrastruktuuria yrityksen pitäisi rakentaa ja ylläpitää omia tiedonkeruuohjelmiaan erikseen jokaiselle kansalliselle portaalille loputtomiin. Myös muut alustat, kuten Saga ja Legal Mind, hyödyntävät samaa perustaa, ja ne voivat nyt tarjota varmennettua Commentaries-sisältöä suoraan omille loppukäyttäjilleen.

Kun perusmallit kehittyvät yhä kyvykkäämmiksi ja tekoälyagentit ryhtyvät hoitamaan yhä vaativampia oikeudellisen tutkimuksen tehtäviä, miten näet yleiskäyttöisten tekoälymallien ja erikoistuneen oikeudellisen datainfrastruktuurin suhteen kehittyvän? Millainen on Moonlitin pitkän aikavälin visio erityisesti sen suhteen, miten luotettava oikeudellinen tieto saadaan suurten asianajotoimistojen ja instituutioiden ulkopuolistenkin käyttöön?

Tehokkaampi malli pystyy päättelemään paremmin sille toimitettujen lähteiden pohjalta, mutta se ei voi luoda luotettavia alkuperäisasiakirjoja tyhjästä. Perusmallien kehittyessä varmennetun datakerroksen arvo itse asiassa kasvaa. Kun päättely yleistyy, todellinen pullonkaula siirtyy datan laatuun, sillä agentti tarvitsee edelleen käyttöönsä täsmällistä ja jäsenneltyä oikeudellista aineistoa.

Yleiskäyttöiset mallit ja itsenäiset agentit hoitavat tekstien laatimisen, tietojen yhdistelyn ja vuorovaikutuksen keskustelun muodossa. Moonlitin kaltainen erikoistunut infrastruktuuri ratkaisee taustalla olevan vaativan dataongelman: se pitää oikeudelliset tiedot ajantasaisina, jäsenneltyinä ja todennettavina sekä toimittaa ne suoraan agenttien käyttämiä protokollia pitkin. Valmistauduimme tähän muutokseen varhain. Oma avustajamme toimii täsmälleen samalla MCP-palvelimella, johon ulkoiset agentit muodostavat yhteyden, ja tiimit käyttävät jo sen päällä omia räätälöityjä agenttejaan.

Tämä arkkitehtuuri on keskeinen myös pitkän aikavälin visiomme kannalta. Luotettava rajat ylittävä oikeudellinen tieto on perinteisesti ollut ylellisyystuote, johon on ollut varaa vain suurimmilla asianajotoimistoilla ja monikansallisilla yrityksillä, jotka pystyvät maksamaan kalliista usean maan tilauksista. Haluamme tasoittaa toimintaedellytyksiä tarjoamalla Commentaries-sisällöt luettaviksi maksutta ja avaamalla datakerroksemme kaikkien kehittäjien käyttöön nykyaikaisten rajapintojen ja liittimien avulla. Yksin toimivalla asianajajalla, joka neuvoo rajat ylittävää liiketoimintaa, tai alkuvaiheen yrityksen lakiasiainjohtajalla pitäisi olla käytössään täsmälleen yhtä tarkka tutkimustieto ja yhtä luotettavat varmennetut viittaukset kuin maailmanlaajuisella asiantuntijayrityksellä.

Kiitos hienosta haastattelusta. Lukijoiden, jotka haluavat tutustua varmennettuun oikeudelliseen dataan ja tekoälyn tukemaan rajat ylittävään tutkimukseen, kannattaa vierailla Moonlit-sivustolla.