Mikhail Yatsuha, CaseCraft.AI के CEO और सह-संस्थापक

Mikhail Yatsuha, CaseCraft.AI के CEO और सह-संस्थापक, एक यूके सॉलिसिटर और कानूनी प्रौद्योगिकी उद्यमी हैं जिनके पास कानूनी सेवाओं में एक दशक से अधिक का अनुभव है। उन्होंने इंटर्न और प्रशिक्षु सॉलिसिटर से लेकर Sterling Law में पार्टनर तक की प्रगति की, जहाँ उन्होंने वाणिज्यिक विभाग का नेतृत्व किया और बार-बार ऐसे व्यावहारिक कम-मूल्य वाले विवाद देखे जो पारंपरिक कानूनी लागतों को शामिल करने पर आर्थिक रूप से अस्थिर हो जाते थे। 2023 के अंत में, उन्होंने CaseCraft.AI की सह-स्थापना की ताकि नागरिक दावों का मूल्यांकन, तैयारी और प्रगति को AI-सक्षम कार्यप्रवाहों के माध्यम से पुनः विचार किया जा सके, न कि केवल कानूनी ड्राफ्टिंग पर AI लागू किया जाए।

CaseCraft.AI एक यूके कानूनी प्रौद्योगिकी कंपनी है जो नागरिक मुकदमेबाजी के लिए AI-नेटिव प्लेटफ़ॉर्म बना रही है। यह प्लेटफ़ॉर्म केस मूल्यांकन, साक्ष्य प्रसंस्करण, पूर्व-क्रिया पत्राचार, दस्तावेज़ निर्माण, प्रक्रिया ट्रैकिंग और मानव कानूनी समीक्षा को एक ही कार्यप्रवाह में लाता है, व्यक्तिगत दावेदारों को नो-विन-नो-फ़ी आधार पर और व्यवसायों को सदस्यता-आधारित बल्क‑क्लेम और केस‑मैनेजमेंट टूल्स के माध्यम से सेवा देता है। कंपनी ने तीन फंडिंग राउंड में लगभग £1.8m जुटाए और अगस्त 2026 तक 4,562 मामलों का निर्माण किया, कुल मूल्य £14.9M, 51% मामलों का निपटारा या डिफ़ॉल्ट जजमेंट द्वारा जीत हासिल की गई, और 373 मामले सक्रिय कानूनी कार्य में हैं; यह अपनी पहली एंटरप्राइज़ डिप्लॉयमेंट का पायलट भी चला रही है और एक रोजगार कानून MVP का परीक्षण कर रही है।

आपने इंटर्न और प्रशिक्षु सॉलिसिटर से लेकर Sterling Law में पार्टनर तक कई सालों तक प्रगति की, फिर 2023 में CaseCraft.AI की सह-स्थापना की। आपने कानूनी अभ्यास में बार-बार क्या देखा जो आपको यह विश्वास दिलाया कि छोटे दावों की प्रक्रिया को AI के साथ मूल रूप से पुनः डिज़ाइन किया जा सकता है, न कि केवल बेहतर कानूनी सॉफ़्टवेयर से अधिक कुशल बनाया जा सकता है?

मुझे यह विश्वास नहीं था कि वकीलों को बेहतर ड्राफ्टिंग टूल की आवश्यकता है। बल्कि, कई कम-मूल्य वाले विवादों में आर्थिक स्थिति वकील की मदद से पहले ही बिगड़ जाती है। प्रतिनिधित्व की लागत दावे की राशि के बराबर या उससे अधिक हो सकती है, और अधिकांश कानूनी लागतें छोटे दावों में सामान्यतः वसूली योग्य नहीं होतीं। मैंने Sterling Law में ऐसे व्यावहारिक दावों को त्यागते देखा, और बाद में व्यवसायों में अनभुगतान चालानों को लिखते हुए वही गणित देखा। यह डिलीवरी मॉडल की समस्या थी, ड्राफ्टिंग की नहीं। AI ने यह संभव बना दिया कि यात्रा को दावे करने वाले व्यक्ति के आसपास अधिक पुनः डिज़ाइन किया जाए, न कि केवल वकील को थोड़ा तेज़ बनाया जाए।

CaseCraft.AI अब तक हजारों कानूनी मामलों को बनाने के लिए उपयोग किया गया है, जिसमें सैकड़ों मामलों ने सक्रिय कानूनी कार्य में प्रगति की है। वास्तविक मामलों में AI चलाने से आपने क्या सीखा, जो आप प्रोटोटाइप, सिमुलेशन या बेंचमार्क परीक्षण से कभी नहीं जान पाते थे?

दो बातें प्रमुख हैं। पहला, दस्तावेज़ बनाना आसान भाग है; मामला चलाना कठिन। एक लाइव केस का मतलब है साक्ष्य, भुगतान, समयसीमा, प्रतिक्रियाएँ और अगले कदम कई महीनों तक सुसंगत रहने चाहिए। अगस्त 2026 तक, CaseCraft के माध्यम से 4,500 से अधिक मामलों का निर्माण किया गया, 400 से अधिक सक्रिय कानूनी कार्य में प्रगति कर चुके, और 130 दावे अदालत में दायर किए गए।

दूसरा, लोग AI के साथ अलग व्यवहार करते हैं। वे अधिक खुलकर बात कर सकते हैं, जिससे महत्वपूर्ण तथ्यों को जल्दी उजागर करने में मदद मिलती है, लेकिन सिस्टम को सीमाएँ भी निर्धारित करनी पड़ती हैं और यह पहचानना पड़ता है कि कब मानव को हस्तक्षेप करना चाहिए। हमने सीधे देखा कि भरोसेमंद चरण में मानव कॉल जोड़ने से रूपांतरण कम से कम 15% बढ़ा।

पहली पीढ़ी के जनरेटिव AI ने मुख्य रूप से टेक्स्ट उत्पन्न करने पर ध्यान दिया। CaseCraft.AI को साक्ष्य एकत्र करना, पात्रता निर्धारित करना, प्रक्रियात्मक नियमों का पालन करना, क्रियाएँ ट्रिगर करना और समय के साथ मामले को ट्रैक करना होता है। इस प्रकार के एजेंटिक वर्कफ़्लो को AI असिस्टेंट या चैटबॉट बनाने से तकनीकी रूप से कैसे अलग है?

एक चैटबॉट प्रश्न का उत्तर देता है; एक एजेंटिक वर्कफ़्लो को वास्तविक मामले की स्थिति को समय के साथ बनाए रखना होता है – क्या हुआ है, कौन से साक्ष्य मौजूद हैं, क्या गायब है और आगे क्या हो सकता है। इसलिए हम सिस्टम को विशेष घटकों के रूप में देखते हैं न कि एक ही मॉडल को सब कुछ करने के लिए: कुछ जानकारी एकत्र और सत्यापित करते हैं, अन्य कानूनी तर्क को आधार देते हैं या आने वाले दस्तावेज़ों को प्रोसेस करते हैं। लक्ष्य सबसे अच्छा पैराग्राफ नहीं, बल्कि निर्णयों और कार्यों की विश्वसनीय श्रृंखला है जो मामले को सर्वोत्तम उपलब्ध परिणाम की ओर ले जाती है।

कानूनी वर्कफ़्लो में, एक मॉडल कुछ ऐसा उत्पन्न कर सकता है जो पूरी तरह से विश्वसनीय सुनाई देता है, फिर भी प्रक्रियात्मक या तथ्यात्मक रूप से गलत हो सकता है। आपने CaseCraft.AI को कैसे डिजाइन किया है ताकि संभावित AI आउटपुट और वास्तव में विश्वसनीय जानकारी के बीच अंतर किया जा सके जिसे कानूनी मामले में उपयोग किया जा सके?

शासकीय सिद्धांत यह है कि मॉडल को वह कानूनी ब्रह्मांड नहीं बनाना चाहिए जिसमें वह काम कर रहा है। हम सिस्टम को मामले में मौजूद साक्ष्य और प्राधिकृत कानूनी स्रोतों तक सीमित रखते हैं, बजाय इसके कि एक सामान्य-उद्देश्य मॉडल स्मृति से उत्तर दे। CaseCraft.AI को नवीनतम विधायी परिवर्तन, प्रासंगिक पूर्वनिर्णय और स्थापित सर्वोत्तम प्रथाओं तक सरकारी API और अन्य प्राधिकृत स्रोतों के माध्यम से पहुँच है, इसलिए कानूनी संदर्भ अद्यतित रहता है।

हम उत्पन्न करने को सत्यापन से अलग करते हैं और पेशेवर समीक्षा को नियामक कानूनी‑सेवा ढाँचे के भीतर रखते हैं। परीक्षण यह नहीं है कि आउटपुट वकील द्वारा लिखा गया लग रहा है, बल्कि यह कि स्रोत, साक्ष्य और प्रक्रियात्मक कदम को सत्यापित किया जा सकता है।

आपने “मापनीय मानव निगरानी” के महत्व के बारे में बात की है। इसका व्यावहारिक अर्थ क्या है, और आप कैसे निर्धारित करते हैं कि कौन से निर्णय AI स्वायत्त रूप से ले सकता है और किन पर मानव को जिम्मेदार रहना चाहिए?

मापनीय मानव निगरानी का अर्थ है कि मानव भागीदारी पहचानने योग्य जोखिम से जुड़ी हो, और हम देख सकें कि हस्तक्षेप कहाँ हुआ और क्यों। ‘ह्यूमन इन द लूप’ केवल एक आश्वस्त करने वाला वाक्य नहीं होना चाहिए; हमें ट्रिगर, समीक्षा और उसके बाद के निर्णय को दर्शा सकें।

हम अभी भी उन सीमाओं के लिए साक्ष्य आधार बना रहे हैं जहाँ यह होना चाहिए। एक माप जिसे हम पहले ही दिखा सकते हैं वह समीक्षा समय है: लॉन्च के बाद, मानव समीक्षा के लिए आवश्यक समय चार गुना घट गया है क्योंकि सिस्टम बेहतर हुआ है। समय के साथ, लक्ष्य अधिक जोखिम‑आधारित समीक्षा बनाना है, जबकि जहाँ कानूनी रूप से आवश्यक हो, पेशेवर निर्णय को उत्तरदायी रखना है।

साक्ष्य छोटे दावों के लिए केंद्रीय है, लेकिन साक्ष्य अनुबंध, चालान, ईमेल, संदेश, फ़ोटो और अन्य असंरचित जानकारी के रूप में आ सकता है। आप कैसे उस सामग्री को संरचित इनपुट में बदलते हैं जिसे AI तर्क कर सके, जबकि स्रोत की प्रमाणिकता बनाए रखते हुए असमर्थित निष्कर्षों से बचते हैं?

मुख्य सिद्धांत यह है कि निष्कर्ष से निष्कर्ष निकालने को अलग रखें। यदि उपयोगकर्ता एक बिल्डर के साथ व्हाट्सएप थ्रेड अपलोड करता है, तो तिथियाँ, उद्धृत कीमत, और उपयोग किए गए शब्द निकाले गए तथ्य हैं; उस आदान‑प्रदान की कानूनी महत्त्व पर निष्कर्ष अनुमान है। दोनों को कभी एक ही चीज़ के रूप में नहीं प्रस्तुत किया जाना चाहिए। हम दस्तावेज़ों को इस तरह संरचित करते हैं कि वर्कफ़्लो उनका उपयोग कर सके जबकि मूल साक्ष्य से लिंक बना रहे। यदि वह लिंक गायब हो जाता है, तो आप एक केस फ़ाइल बना सकते हैं जो पढ़ने में अच्छी लगती है लेकिन चुनौती पर ढह जाती है।

स्वायत्त प्रणालियों के लिए सबसे कठिन समस्याओं में से एक यह जानना है कि कब कार्य न किया जाए। कौन से संकेत CaseCraft.AI को बताते हैं कि कोई दावा बहुत अस्पष्ट, जटिल या जोखिमपूर्ण हो गया है जिससे स्वचालन नहीं किया जा सकता और इसे कानूनी पेशेवर को बढ़ाया जाना चाहिए?

हमारी एक सुरक्षा उपाय प्रतिकूल है: हम न केवल उन मामलों पर ध्यान देते हैं जिन्हें AI आगे बढ़ाना चाहता है, बल्कि उन मामलों पर भी जो वह अस्वीकार करने की प्रवृत्ति रखता है। मानव निगरानी केवल AI को बहुत आक्रामक होने से रोकने के लिए नहीं है; यह सिस्टम को बहुत रूढ़िवादी होने और वैध तर्क को त्यागने से भी रोक सकती है।

आज का सबसे स्पष्ट एस्केलेशन संकेत प्रमाण की कमी है। लोग प्रासंगिक दस्तावेज़ अपलोड नहीं कर सकते, समय के साथ उन्हें खो सकते हैं, या नहीं जानते कि कौन सा साक्ष्य दावा के लिए महत्वपूर्ण है। जहाँ मामला पर्याप्त स्पष्ट या पूर्ण नहीं है, अगला कदम मानव समीक्षा हो सकता है न कि स्वचालित प्रगति। वकील अभी भी संदर्भ और ग्रे क्षेत्रों को वर्तमान सिस्टमों की तुलना में अधिक स्थिरता से संभालते हैं।

जैसे AI सिस्टम अधिक कदम उठाते हैं जो traditionally वकीलों द्वारा किए जाते थे, आप कैसे सोचते हैं कि सॉफ़्टवेयर स्वचालन और नियामक कानूनी सेवाओं के बीच की सीमा विकसित होगी?

सीमा आगे बढ़ेगी, लेकिन तकनीकी क्षेत्र के कई लोगों की अपेक्षा से धीमी। उच्च‑दांव वाले सिस्टम इस बात पर भरोसा नहीं कर सकते कि अगला मॉडल बेहतर होगा; विश्वसनीयता को प्राधिकृत स्रोतों, सत्यापन, नियंत्रण और उत्तरदायी मानव समीक्षा के माध्यम से सिद्ध होना चाहिए। समय के साथ, मैं उम्मीद करता हूँ कि AI पेशेवरों के लिए स्पष्ट सीमाओं के भीतर भरोसेमंद बन जाएगा, लेकिन स्वायत्तता को वास्तविक प्रदर्शन और परिणामों के आधार पर अर्जित करना पड़ेगा। उपयोगी प्रश्न ‘सॉफ़्टवेयर या वकील?’ नहीं, बल्कि कौन‑सी गतिविधि की जा रही है, कौन‑से साक्ष्य उसका समर्थन करते हैं, और कौन‑जिम्मेदार रहेगा।

सामान्य‑उद्देश्य AI मॉडल बहुत तेज़ी से अधिक सक्षम होते जा रहे हैं। जब सभी के लिए उपलब्ध बुनियादी मॉडल लगातार सुधार रहे हों, तो CaseCraft.AI जैसे वर्टिकल AI कंपनी के लिए स्थायी लाभ क्या बनाता है?

हमारा लाभ कभी बुनियादी मॉडल का स्वामित्व नहीं था। बेहतर सामान्य‑उद्देश्य मॉडल हमारे लिए अच्छी खबर हैं। कठिन भाग उन सब के आसपास है: पुनः प्राप्ति, मामला डेटाबेस, कानूनी ज्ञान, कार्यप्रवाह बुनियादी ढाँचा, एकीकरण, नियंत्रण और यह समझना कि दावा शुरुआत से अंत तक कैसे चलता है। यह काम नया मॉडल आने पर भी नहीं исчезता।

उपयोगकर्ता को ऐसा महसूस होना चाहिए कि केस एक ही जगह पर हो रहा है, जबकि ऑर्केस्ट्रेशन नीचे चल रहा है। वही बुनियादी ढाँचा अब व्यक्तिगत दावेदारों और व्यवसायों दोनों को एक क्लिक में 150 तक के बैच‑क्लेम और केस‑मैनेजमेंट वर्कफ़्लो के साथ समर्थन दे रहा है। मेरा मानना है कि ऑर्केस्ट्रेशन और डोमेन निष्पादन वर्टिकल AI के लिए स्थायी किला हैं।

छोटे दावों से आगे देखते हुए, आप CaseCraft.AI से एजेंटिक AI के व्यापक भविष्य के बारे में क्या सीखा है? किन अन्य उच्च‑दांव उद्योगों को आप विशेष रूप से उन सिस्टमों के लिए उपयुक्त मानते हैं जो जटिल कार्यप्रवाहों को प्रबंधित कर सकते हैं जबकि महत्वपूर्ण निर्णयों के लिए मानव को उत्तरदायी रखते हैं?

मैं एजेंटिक AI के बारे में आशावादी हूँ, लेकिन कठिन काम मॉडल के चारों ओर रहता है: प्रक्रियाओं को पुनः डिज़ाइन करना, जानकारी को संरचित करना, यह परिभाषित करना कि सिस्टम क्या कर सकता है, और सत्यापन एवं एस्केलेशन बनाना। इसलिए नियामक उद्योग अक्सर धीमे चलते हैं—वे लोग जो कार्यप्रवाह को स्वचालित करने के लिए पर्याप्त समझ रखते हैं, अक्सर संगठन के सबसे व्यस्त विशेषज्ञ होते हैं।

सबसे बड़ी संभावनाएँ उन कार्यप्रवाहों में हैं जहाँ बहुत सारी दोहरावदार जानकारी संग्रह और दस्तावेज़ प्रसंस्करण होता है, लेकिन कुछ अपवाद होते हैं जिनमें अभी भी उत्तरदायी निर्णय की आवश्यकता होती है। CaseCraft के लिए, रोजगार कानून निकटतम विस्तार है, जिसमें एक MVP सक्रिय परीक्षण में है, और हम एक विशेष लिटिगेशन फर्म के साथ पर्सनल इन्जरी की जांच कर रहे हैं। कानून के अलावा, बीमा, वित्तीय सेवाएँ और अनुपालन भी समान रूप से आकार रखते हैं। जो सिस्टम जीतेंगे, वे न केवल बातचीत को स्वचालित करना जानेंगे, बल्कि ठीक वही समय भी पहचानेंगे जब मशीन को रोकना चाहिए और मानव को हस्तक्षेप करना चाहिए।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं उन्हें CaseCraft.AI पर जाना चाहिए।