Sarah Webb, LawVu-yhtiön operatiivinen johtaja ja toinen perustaja – haastattelusarja

Sarah Webb on LawVu-yhtiön operatiivinen johtaja ja toinen perustaja. Hänellä on taustaa insinöörityöstä ja ohjelmistokehityksen johtamisesta, ja hän on työskennellyt muun muassa LOVEFiLMillä ja Amazonilla. Hän aloitti LawVun teknologiajohtajana vuonna 2015 ja siirtyi operatiiviseksi johtajaksi vuonna 2020. Näin hän on kartuttanut kokemusta teknologiasta, operatiivisesta toiminnasta, tietoturvasta ja hallinnosta. Hänen työnsä keskittyy auttamaan lakitiimejä yhdistämään tietonsa ja työnkulkunsa sekä tasapainottamaan tekoälyinnovaatioita ja yritystason riskejä.

LawVu tarjoaa yritysten omille lakitiimeille lakitoimintojen hallintajärjestelmän, joka kokoaa yhteen pyyntöjen vastaanoton, oikeudelliset asiat, sopimukset, kulut ja tietämyksen. Sen tekoälyominaisuudet ja integraatiot auttavat tiimejä työskentelemään nykyisillä työkaluillaan käyttöoikeudet ja valvonta säilyttäen. Tässä haastattelussa Webb puhuu varjoälystä, agenttipohjaisista työnkuluista, organisaation tietämyksestä sekä niistä edellytyksistä, joita yritykset tarvitsevat tekoälyn hallittuun käyttöönottoon.

Perustit LawVun yhdessä toisen perustajan kanssa vietettyäsi suuren osan urastasi ohjelmistotiimien rakentamisen ja johtamisen parissa muun muassa LOVEFiLMillä ja Amazonilla. Mikä sai sinut näkemään yritysten lakitoiminnot ratkaisemisen arvoisena ongelmana, ja miten alkuperäinen visiosi LawVusta on kehittynyt tekoälyn muuttaessa teknologiakenttää?

Työskentelin urani alkuvaiheessa enimmäkseen insinööri- ja teknologiatehtävissä muun muassa LOVEFiLMillä ja Amazonilla. Siirtyminen lakiteknologian pariin ei ollut suunnitelmissani, vaan tapahtui pikemminkin sattumalta. Olen ollut LawVulla jo lähes 11 vuotta. Aloitin teknologiajohtajana, mutta siirryin melko nopeasti operatiiviseksi johtajaksi. Pelkästään tämä muutos on vaikuttanut paljon siihen, miten ajattelen liiketoiminnasta.

Alkuaikoina pyrimme ennen kaikkea ratkaisemaan tiedon näkyvyyteen liittyvän ongelman. Useimmat asiakkaat käyttivät Outlookia ja Excel-taulukoita, ja jo se tuntui merkittävältä edistysaskeleelta, että kaikki saatiin samaan paikkaan. Sitten siirryttiin aikaan, jolloin tiimit alkoivat työskennellä etänä. Ilman keskitettyä alustaa yhteistyö vaikeutui entisestään. Tämä vahvisti jo aiemmin havaitsemaamme asiaa: suuri osa toistuvasta lakityöstä jäi liiketoiminnan muilta osilta arvostamatta tai jopa huomaamatta, koska sitä ei voinut tuoda näkyviin. Tämän vuoksi aloimme todella perehdyttää asiakkaita siihen, miten tiedot kannattaa jäsentää ja miten muutosta voidaan hallita organisaation sisällä – sen sijaan, että olisimme vain antaneet heille työkalun.

Rakensimme jo varhain integraatioita myös Microsoftin ohjelmistopakettiin, sillä tavoitteena oli aina sovittaa ratkaisut siihen, miten yrityksessä jo työskenneltiin päivittäin, eikä pyytää tiimejä luopumaan tutuista toimintatavoistaan. Sittemmin on muuttunut se, missä mittakaavassa sama ajatus on nyt toteutettava. Aiemmin käyttökelpoisen tietoaineiston saamisen esteiden madaltamisessa oli kyse lähinnä käyttömukavuudesta. Nyt kyse on erosta sen välillä, pystyykö tekoäly todella käsittelemään lakityötä vai heijastaako se vain samaa pirstaleisuutta takaisin käyttäjälle.

Olet esittänyt, että ”varjoälyssä” on usein kyse työnkulkuun liittyvästä ongelmasta eikä työntekijöistä. Mitä tämä tarkoittaa käytännössä, ja mitä organisaatiot voivat oppia tilanteista, joissa työntekijät ohittavat hyväksytyt tekoälytyökalut tai -järjestelmät ja käyttävät niiden sijaan omia ratkaisujaan?

Jos organisaatio ei tarjoa työntekijöille oikeita työkaluja, he etsivät omat ratkaisunsa tehokkuuden parantamiseksi. Siitä tässä pohjimmiltaan on kyse. Kun joku ohittaa hyväksytyn järjestelmän, ensimmäinen reaktio on usein tulkita se vaatimustenmukaisuuden laiminlyönniksi – asiaksi, joka pitää estää tai josta pitää laatia käytön kieltävä ohje. Käytännössä kyse on yleensä viestistä, jonka työnkulku antaa: hyväksytty toimintatapa oli hitaampi tai hankalampi kuin vaihtoehto, joten ihmiset löysivät oman reittinsä sen ohi.

Juuri siksi varjoäly aiheuttaa suuremman vastuun kuin varjo-IT koskaan aiheutti. Varjoälyyn liittyvien tietomurtojen osuus kaikista tietomurroista on nyt 20 prosenttia, ja niiden keskimääräinen kustannus on 10,2 miljoonaa dollaria. Syynä on se, etteivät ihmiset ainoastaan ota käyttöön hyväksymätöntä työkalua, vaan syöttävät sille suoraan arkaluonteista aineistoa, kuten sopimustekstiä, kauppojen ehtoja ja sisäisiä perusteluja.

Organisaatioiden pitäisi ennen kaikkea oppia tunnistamaan, missä puute on. Turvallisen ja luotettavan vaihtoehdon puuttuminen ei estä ihmisiä käyttämästä tekoälyä, vaan ajaa heidät tekemään niin paikassa, jota organisaatio ei näe. Tämän taustalla on myös tietoturvaa syvempi riski. Kun työ hajautuu henkilökohtaisiin tekoälytyökaluihin yhteisen, jäsennellyn järjestelmän sijaan, yritys tekee päätöksiä puutteellisten tietojen pohjalta edes huomaamatta, että osa tiedoista puuttuu. Jos tekoälytyökalu näkee vain 60 prosenttia olennaisista tiedoista, koska loput ovat jonkun henkilökohtaisella tilillä, sen tarkkuus heikkenee ja virheellisen päätöksen riski kasvaa. Oikotien kieltäminen ei ratkaise mitään tästä. Ratkaisu on tarjota ihmisille oikotietä parempi vaihtoehto.

LawVun satojen yritysten lakitiimien kanssa tekemän työn perusteella, mitkä ovat yleisimmät virheet, joita organisaatiot tekevät tekoälyn hallintamallia luodessaan – etenkin nyt, kun työntekijöillä on käytössään yhä tehokkaampia yleiskäyttöisiä tekoälytyökaluja?

Yleisin virhe on luulla, että kirjallinen ohjeistus on sama asia kuin käytännön valvonta. Monilla organisaatioilla on nykyään asiakirja, jossa kerrotaan, miten tekoälyä pitäisi ja ei pitäisi käyttää. Hyvin harvat ovat kuitenkaan rakentaneet sen tueksi mitään toiminnallista: järjestelmää, joka todella määrittää, mitä työkalu saa käyttää, kirjaa sen tekemiset ja mahdollistaa tapahtumien jälkikäteisen selvittämisen tarvittaessa.

Toinen virhe on se, ettei oteta huomioon, kuinka paljon riskiä jokainen uusi työkalu tuo mukanaan. Jokainen tiimin käyttöön ottama yksittäisratkaisu – liittyipä se sopimuksiin, kulujen hallintaan tai asioiden vastaanottoon – vaatii oman integraationsa, käyttää omaa todennusprotokollaansa ja säilyttää oman kopionsa arkaluonteisista tiedoista. Yksittäin tarkasteltuna jokainen niistä vaikuttaa hallittavalta. Yhdessä ne tekevät lakiteknologian kokonaisuudesta pirstaleisen riskien solmukohdan, ja yli kolmannes tietomurroista johtuu juuri tällaisesta kolmannen osapuolen pääsystä. Useimmat tiimit eivät ymmärrä, kuinka suureksi kokonaisuus kasvaa, ennen kuin ne itse joutuvat tarkastelun kohteeksi jonkin pieleen menneen jälkeen.

Kolmas virhe on yleiskäyttöisten tekoälytyökalujen käsitteleminen eri tavoin kuin muiden arkaluonteisia tietoja käsittelevien ohjelmistojen. Jokainen asiakas, jonka kanssa olemme työskennelleet alusta asti – myös julkishallinnon asiakkaat – on käynyt kanssamme läpi kattavan tietoturva-arvioinnin, sillä järjestelmäämme päätyy yrityksen arkaluonteisimpiin kuuluvia tietoja: liikesalaisuuksia, fuusio- ja yritysostotietoja sekä henkilöön yhdistettäviä tietoja (PII). Työntekijät syöttävät samanlaisia tietoja julkisiin tekoälytyökaluihin päivittäin ilman läheskään yhtä perusteellista arviointia, koska kyse ei heidän mielestään ole uuden toimittajan käyttöönotosta vaan työkalun käyttämisestä. Useimpien hallintaohjelmien ongelmat alkavat siitä kuilusta, mitä auditoidaan ja missä todellinen riski piilee.

LawVu on ottanut tekoälyagentteja ja agenttipohjaisia työnkulkuja osaksi lakitoimintoja. Miten arvioitte, mitkä oikeudelliset prosessit soveltuvat itsenäisesti suoritettaviksi tekoälyn avulla ja mitkä edellyttävät aina ihmisen tarkastusta tai hyväksyntää?

Arvioimme ensisijaisesti vaikutuksia ja peruttavuutta, emme sitä, kuinka monimutkaiselta prosessi näyttää paperilla. Jos virhe on helppo havaita ja korjata, prosessi soveltuu yleensä hyvin itsenäisesti suoritettavaksi. Siksi suuren volyymin selkeästi määritellyt tehtävät, kuten asioiden vastaanotto ja alustava arviointi, sopivat tähän yleensä hyvin.

Kaikissa asioissa, joihin liittyy ulkoinen sitoumus, oikeudellinen vastuu tai vaikeasti peruttava päätös, ihminen osallistuu käsittelyyn riippumatta siitä, kuinka tarkalta agentti testeissä vaikuttaa. Sama ajattelutapa ohjaa sitä, miten LawVu käsittelee riskinsietoa yleisemminkin. Selvitämme, millaisen riskin tiimi voi hyväksyä, asetamme asianmukaiset valvontakeinot ja laajennamme käyttöä vasta sen jälkeen. Ratkaisevaa ei ole tarkkuus, vaan se, pystymmekö kertomaan, mitä agentti käytti, miksi se toimi niin kuin toimi, oliko sillä siihen valtuudet ja pystymmekö todistamaan tämän jälkikäteen. Jos emme pysty vastaamaan näihin kysymyksiin, prosessi ei ole vielä valmis toimimaan itsenäisesti.

Näitä päätöksiä ei tehdä kerralla lopullisesti. Prosessi, jonka automatisointi on tänään turvallista, voi muuttua turvattomaksi käytön laajentuessa tai työnkulun alkaessa käsitellä aiempaa arkaluonteisempaa aineistoa. Siksi rajoja on arvioitava uudelleen, eikä niitä pidä määritellä vain kerran.

LawVun MCP-palvelimen avulla organisaatiot voivat yhdistää esimerkiksi ChatGPT:n, Clauden ja Microsoft Copilotin suoraan oikeudelliseen toimintaympäristöönsä. Miten yritykset voivat tarjota ulkoisille tekoälyjärjestelmille hyödyllisen pääsyn yrityksen tietoihin ja samalla säilyttää käyttöoikeudet, tarkastettavuuden, yksityisyyden suojan ja hallinnan?

Ensireaktio on usein ajatella, että järjestelmien yhdistäminen ja tietoturva ovat ristiriidassa keskenään, mutta niiden ei tarvitse olla. Alustan, ei sen päälle sijoitetun tekoälytyökalun, on oltava käyttöoikeuksien ensisijainen hallintalähde. Aloittipa joku keskustelun ChatGPT:ssä, Claudessa tai Copilotissa, hänen oikeutensa nähdä ja tehdä asioita eivät saisi muuttua sen mukaan, minkä käyttöliittymän hän sattuu sinä päivänä avaamaan.

Tämä toimii vain, jos toisessa päässä olevassa ympäristössä on jo asianmukaiset valvontakeinot käytössä ennen minkään yhdistämistä. Juuri tämän perustan useimmat yritykset jättävät rakentamatta. MCP:tä pidetään automaattisena tietoturvaparannuksena, koska tietoa siirtyy vähemmän, ja se pitää paikkansa – mutta vain, jos vastaanottava järjestelmä pystyy kertomaan, mitä tietoja käytettiin, miksi niitä käytettiin, mikä agentti niitä käytti ja kenen puolesta, sekä todistamaan tämän jälkikäteen.

Tässä on myös liiketoiminnallinen peruste. Jos keskitetty tekoälytyökalu tunnistaa, että pyyntö liittyy oikeudellisiin asioihin, ja ohjaa sen automaattisesti LawVuun, työntekijän ei tarvitse ensin selvittää, mihin järjestelmään hänen pitäisi mennä. Samalla työntekijä ei turvaudu henkilökohtaiseen tekoälytyökaluun, jolla ei ole lainkaan pääsyä luotettavaan ja suojattuun tietoaineistoon. Yhden hyvin hallitun lähtöpisteen tarjoaminen edistää lopulta käyttöönottoa enemmän kuin kaiken mahdollinen rajoittaminen.

Yleiskäyttöiset tekoälymallit voivat olla tehokkaita, mutta niiltä puuttuvat usein organisaation institutionaalinen muisti, aiemmat päätökset ja erityinen riskiprofiili. Millaisia tietoja ja infrastruktuuria tekoälymallin ympärille on rakennettava, ennen kuin siitä voi olla aidosti hyötyä yrityksen vaativassa ja suuria panoksia sisältävässä työssä?

Ajattelen yleiskäyttöistä tekoälyä nerokkaana tuntemattomana: se on lukenut valtavasti, kirjoittaa kauniisti ja pystyy keskustelemaan melkein mistä tahansa. Se ei kuitenkaan ole koskaan tavannut asiakastasi. Se ei ole koskaan osallistunut neuvotteluihisi. Se ei tiedä, miten organisaatiosi tasapainottaa riskejä. Se ei ole koskaan nähnyt keskusteluja, joiden perusteella tiimisi sopi poikkeuksista kuusi kuukautta sitten.

Siksi yksi ensimmäisistä asioista, joita monet lakitiimit tekevät, on tekoälyn kytkeminen toimintakäsikirjaan – ja on syytä korostaa, että siitä on valtavasti hyötyä. Kun tekoälymallille annetaan käyttöön suositellut sopimuslausekkeet, varavaihtoehdot, hyväksyntärajat ja neuvotteluohjeet, tehokkuus paranee lähes välittömästi. Haasteena on, että tärkeimmät oikeudelliset päätökset tehdään usein silloin, kun vakiintunut linja ei enää sovi tilanteeseen: strateginen asiakas tarvitsee poikkeuksen, nopeasti kasvava liiketoimintamahdollisuus oikeuttaa lisäriskin tai neuvottelussa päädytään tilanteeseen, jossa kaupalliset tavoitteet menevät suositellun sopimuslausekkeen edelle.

Juuri tällöin oikeudellinen harkinta alkaa näkyä. Osa arvokkaimmasta tiedosta on tallessa poikkeuksissa, ei toimintakäsikirjassa. Miksi teimme tälle asiakkaalle poikkeuksen? Mitä tapahtui, kun neuvottelimme tästä samasta asiasta viimeksi saman vastapuolen kanssa? Onko yritys hyväksynyt tämän riskin muualla? Eskaloitiinko tämä asia aiemmin, ja mihin lopulta päädyttiin?

Vastaukset löytyvät harvoin yhdestä asiakirjasta. Ne ovat hajallaan sopimuksissa, hyväksynnöissä, sähköposteissa, toimeksiantojen tiedoissa ja kokousmuistiinpanoissa sekä niiden ihmisten karttuneessa kokemuksessa, jotka olivat tuolloin mukana. Asiakirjaan kirjataan vain lopputulos, ja organisaation muualla säilyy päätöksen perustelu.

Loistava tuntematon voi oppia säännöt hämmästyttävän nopeasti, mutta sen ymmärtäminen, miksi sääntöjä alun perin venytettiin, on aivan toisenlainen haaste. Hyödyllisen tekoälyn ja mullistavan tekoälyn erottaa tavallisesti se, kuinka paljon organisaatio on säilyttänyt omista kokemuksistaan, jotta tekoäly voi oppia niistä.

Monille yrityksille on kertynyt erillisiä sopimusjärjestelmiä, toimeksiantojen hallintatyökaluja, taulukkolaskentatiedostoja, sähköpostiarkistoja ja muita organisaation tietolähteitä. Kuinka tärkeää on yhtenäinen tietopohja ennen tekoälyagenttien käyttöönottoa, ja mitä organisaation on tehtävä, jotta sen data olisi aidosti tekoälyvalmista?

Oikeudellinen toiminto on täydellinen esimerkki siitä, miksi tämä on tärkeää: sopimuksia muokataan Wordissa, hyväksynnät saadaan sähköpostitse, päätökset tehdään Slackissa, ja sitten tekoäly lisätään asiakirjavaraston päälle sen sijaan, että se todella yhdistäisi työn eri vaiheet. Tekoälyn lisääminen hajanaisen järjestelmän päälle tarkoittaa vain nopeampaa pääsyä kaaokseen.

Yrityksissä, jotka rakensivat vuosien ajan kunnollista datainfrastruktuuria ja panivat järjestelmänsä kuntoon ennen tekoälyn yleistymistä, tekoäly tuottaa jo tulosta. Tämä on asian ydin. Agentteja ei voi laajentaa irrallisten sopimusjärjestelmien, toimeksiantojen hallintatyökalujen, taulukkolaskentatiedostojen ja sähköpostiarkistojen päälle ja odottaa luotettavia tuloksia. Ensin on luotava perusta: yhdistetyt järjestelmät, selkeät käyttöoikeuksien hallintakeinot ja määritelty riskinsietokyky. Vasta sen jälkeen voi edes harkita tekoälyn laajentamista.

Kun yritykset arvioivat, kannattaako niiden kehittää omia tekoälysovelluksia, hankkia erikoistuneita tekoälyalustoja vai yhdistää yleiskäyttöisiä malleja nykyisiin järjestelmiin, miten teknologiajohtajien tulisi harkita rakentamisen, ostamisen ja integroinnin välistä valintaa?

Rakentaminen tai ostaminen kuulostaa teknologiapäätökseltä. Kokemukseni mukaan kyse on todellisuudessa oikeudellisen toiminnon kypsyydestä. Olennaista on, kuinka vakavasti lakitiimi suhtautuu itseensä omana toimintonaan, jolla on omat työnkulkunsa, datansa ja toimintamallinsa. Kun tämä kypsyys on kohdallaan, oikea oikeudellisen alan tekoälystrategia löytyy yleensä itsestään.

Rakentamisesta: niille harvoille tiimeille, joilla on resurssit toimia ohjelmistoyrityksen tavoin, se voi olla järkevää. Mallit kehittyvät, infrastruktuuri muuttuu, eikä työ tule koskaan oikeastaan valmiiksi. Useimmille tiimeille haasteena ei ole rakentaa ratkaisua kerran, vaan ylläpitää sitä ikuisesti.

Ostamisesta: useimmat tiimit päätyvät tähän vaihtoehtoon, mutta ostaminen ei tarkoita vain yhtä asiaa. Sen alle niputetaan vähintään kolme eri vaihtoehtoa. Yleiskäyttöinen tekoäly, kuten ChatGPT, Copilot ja Claude, on tehokasta, mutta se ei lähtökohtaisesti ymmärrä toimeksiantojen rakenteita, vastaanottoprosesseja tai hyväksyntätyönkulkuja. Yhteen erillisratkaisuun esimerkiksi MCP:n avulla kytketty tekoäly on merkittävä askel eteenpäin, mutta sen näkymä rajoittuu silti siihen, mitä kyseisessä järjestelmässä on.

Suurempi mahdollisuus piilee tekoälyssä, joka ymmärtää, miten oikeudellisen toiminnon eri osat liittyvät toisiinsa – ei vain sitä, mitä tapahtuu yksittäisessä työkalussa. Kun toimeksiantojen vastaanotto, toimeksiannot, sopimukset, kulut ja tieto ovat kaikki yhdessä, tekoäly pystyy päättelemään kokonaiskuvan perusteella sen sijaan, että se tarkastelisi vain yhtä osaa siitä.

Olet työskennellyt LawVulla sekä teknologiajohtajana että operatiivisena johtajana, ja vastannut siten teknologiasta, operatiivisesta toiminnasta, tietoturvasta ja tuotteiden toteutuksesta. Miten nämä tehtävät yhdessä ovat muovanneet lähestymistapaasi tekoälyinnovaatioiden nopeuden sovittamiseen tietoturvan, vaatimustenmukaisuuden, luotettavuuden ja yritysriskien kanssa?

Aloitin LawVulla teknologiajohtajana vuonna 2015 ja siirryin operatiiviseksi johtajaksi vuonna 2020, joten olen työskennellyt teknologian ja operatiivisen toiminnan parissa rinnakkain yli vuosikymmenen.

Tämä yhdistelmä muuttaa tapaa, jolla ajattelet tekoälyn innovoinnin ja tietoturvan sekä vaatimustenmukaisuuden välisestä suhteesta, koska et koe niitä erillisinä keskustelunaiheina. Kun vastaan yrityksen sisäisestä hallinnosta, riskienhallinnasta ja vaatimustenmukaisuudesta ja samalla rakennan alustaa, joka auttaa asiakkaita hallitsemaan samoja asioita, en voi käsitellä innovointia ja tietoturvaa peräkkäisinä vaiheina: toinen ei tule toisen jälkeen, vaan ne tapahtuvat joko samanaikaisesti tai eivät lainkaan. Jokaiselle asiakkaallemme on tehty kattava tietoturva-arviointi heti ensimmäisestä päivästä lähtien, ja joka kerta, kun ekosysteemiin lisätään uusi työkalu, kyseisiin tietoihin liittyvä riskikenttä kasvaa. Tämä pätee yhtä lailla meihin itseemme kuin asiakkaisiimme, joten kun rakennat järjestelmää ja vastaat samalla sen hallintatavasta, sinun on pidettävä molemmat näkökulmat mielessä yhtä aikaa.

Miten uskot agenttipohjaisen tekoälyn muuttavan yritysten lakitiimien roolia tulevaisuudessa? Käyttävätkö lakiosastot tekoälyä ensisijaisesti tuottavuutta lisäävänä työkaluna, vai voisivatko ne lopulta valvoa pitkälti autonomisia työnkulkuja, jotka ulottuvat koko yritykseen?

Generatiivinen tekoäly on siirtänyt keskustelun vähittäisistä tehokkuusparannuksista siihen, miten juridinen työ tehdään perustavanlaatuisesti uudella tavalla ja millaiseksi toimintamallin on muodostuttava maailmassa, jossa agenttipohjaiset valmiudet yleistyvät nopeasti. En ajattele agenttipohjaista tekoälyä hypenä, vaan toteutuskerroksena, joka voi auttaa lakitiimejä siirtymään työn hallinnoinnista sen aktiiviseen toteuttamiseen, kunhan käytössä ovat asianmukaiset kontrollit ja suojarajat.

Organisaatioissa on parhaillaan käynnissä muutos siinä, mikä toimii käyttäjien ”etuovena”: liiketoiminnan työntekijät aloittavat yhä useammin esimerkiksi Microsoft Copilotin tai Clauden kaltaisilla työkaluilla, jolloin kysymykseksi nousee, miten lakiosasto varmistaa, että nämä vuorovaikutustilanteet liittyvät oikeisiin järjestelmiin, tietoihin ja työnkulkuihin.

En siis näe asiaa vastakkainasetteluna, jossa vaihtoehtoina ovat tuottavuutta lisäävä työkalu ja valvoja, vaan kyse on kehityskulusta. Aluksi lakitiimit käyttävät tekoälyä yksittäisten tehtävien nopeampaan hoitamiseen, mutta agenttipohjaisten valmiuksien kehittyessä todellinen mahdollisuus on siinä, että lakitiimit ottavat koko toteutuskerroksen vastuulleen ja toteuttavat työtä aktiivisesti hallituissa järjestelmissä sen sijaan, että tuottaisivat vain ensimmäiset luonnokset nopeammin.

Kiitos hienosta haastattelusta! Lukijat, jotka haluavat tutustua yhteen kytkettyihin lakitoimintoihin ja hallittuihin tekoälytyönkulkuihin, voivat vierailla sivustolla LawVu.