Josephine Petrick, sjef for AI-produkter i BriefCatch – Intervju-serie

Josephine Petrick som sjef for AI-produkter i BriefCatch bringer en sjelden kombinasjon av erfaring fra appelldomstoler, AI-produktomdømme og hånd-til-hånd juridisk skriveekspertise til en av de mest spesialiserte skriveplattformene i jurabransjen. I sin rolle leder hun AI-produktstrategi for BriefCatch, og har ansvar for utviklingen av generative og baserte verktøy for å forbedre måten advokater og dommere utarbeider, redigerer og forbedrer juridiske dokumenter. Hennes bakgrunn inkluderer å ha vært partner i The Norton Law Firm, seniorrådgiver og appelladvokat i Hanson Bridgett, og dommerfullmektig for dommer James L. Dennis i USAs appelldomstol for femte krets. Denne blanding av erfaring fra rettssalen, appell og rådgivning gir henne en praktisk tilnærming til å bygge AI-verktøy som løser reelle juridiske skriveutfordringer fremfor abstrakte produktivitetsproblemer.

BriefCatch er en AI-drevet juridisk skrive- og redigeringsplattform bygget spesifikt for advokater, dommere, advokatfirmaer, domstoler og regjeringsetater. Grunnlagt i 2017 og bygget rundt den juridiske skriveekspertisen til Ross Guberman, hjelper plattformen juridiske fagfolk med å forbedre klarhet, presisjon, overtaleevne og troverdighet direkte i deres skrivearbeidsflyt. BriefCatch hevder å støtte over 300 advokatfirmaer, inkludert 45+ Am Law 200-firmaer, samt 80+ domstoler, og deres nyeste produkt, BriefCatch Next, kombinerer ekspert juridisk skriveveiledning med valgfrie AI-verktøy som er ment å forbedre, ikke erstatte, juridisk dømmekraft.

Du har nylig sluttet deg til BriefCatch som sjef for AI-produkter etter å ha vært appelladvokat, sertifisert appellspesialist og bygger av juridiske teknologiprodukter. Hvordan har din erfaring i skjæringspunktet mellom appellrett, juridisk strategi og teknologi formet din visjon for AI i den juridiske profesjonen?

Etter å ha studert lingvistikk ved Cal, var jeg fascinert av AI og ønsket å gå inn i feltet. Jeg ble advokat av lignende grunner. Min mor var en konstitusjonell advokat, og fra henne lærte jeg at loven kunne brukes til å hjelpe mennesker effektivt, på en stor skala. Da jeg praktiserte, antok jeg at veien til en karriere i AI var stengt. Så det er litt ironisk, og dypt tilfredsstillende, at min juridiske karriere har ført meg tilbake til spørsmålene som interesserte meg fra første sted: Hvordan bruker vi teknologi til å gjøre ekspertise mer tilgjengelig, mer nyttig og mer menneskelig?

Jeg har eksperimentert med store språkmodeller siden før de ble pakket som chatboter, tilbake når OpenAI tilbød produktet som en sandkasse. Fra begynnelsen kunne jeg se potensialet for praktisk problemløsning. Kunne dette hjelpe med rekordgjennomgang? Kunne det gjøre lokal-regel-forskning mindre smertefullt? Kunne det hjelpe med å spore ventende California Supreme Court-saker, anslå hvor lenge anker vil ta, eller strømlinje post-rettssak-praksis? Kunne det hjelpe noen å komme ut av en vanskelig situasjon?

En av mine favoritt-eksempler på det siste spørsmålet, kommer fra min far, en pensjonert tallteoretiker som fortsatt arbeider med åpne problemer. Jeg overbeviste ham til å prøve en pro-LGM-konto, og han har brukt det til å bevise teorier og gjøre fremgang på problemer han hadde tenkt på i årevis. En av grunnene til at LGM er så effektive til å løse åpne matematikk-problemer, som Erdős-problemene, er at de har trening i mange områder av matematikk, og kan overføre disse teknikker fra ett domene til å løse problemer i et annet (for eksempel, bruke teknikker fra algebraisk tallteori til å løse et problem i elementær geometri). Denne erfaringen fanget noe viktig for meg: AI kan utvide vår kreative rekkevidde, hjelpe oss å trekke på en bredere kropp av menneskelig kunnskap og ekspertise enn vi kan holde i våre hoder individuelt, og bruke det til å gjøre fremgang i menneskelig kunnskap og bestrebelser som ellers ville ha tatt mye lenger tid.

Jeg så det samme mønsteret i juridisk praksis. Som appelladvokat, kom de samme prosedyremessige og strategiske spørsmålene opp igjen og igjen. Så bygde jeg databaser, sporingsverktøy, infografikk, kunderesurser, ankevarighet-kalkulatorer, post-rettssak-tidsverktøy og til slutt hjalp jeg med å bygge en juridisk regel-database. Gjennomgangen var alltid den samme: kunnskapen eksisterte, men den var fanget i PDF-er, bøker, seminarer, interne notater eller noen eksperts hode. Jeg ble besatt av et problem som AI er usedvanlig godt egnet til å løse: hvordan gjøre kunnskap og ekspertise tilgjengelig i øyeblikket mennesker trenger det.

Det formet min visjon for juridisk AI. De fleste juridiske teknologiprodukter lover at AI vil automatisere kjedsomhet så advokater kan fokusere på strategi. Det er sant og verdifullt, men det er bare begynnelsen. Det jeg er mest interessert i nå, er å aktivere ekspertise. En advokat kan ha lest den riktige boken, deltatt i det riktige CLE, lagret den riktige posten eller lært den riktige lekten fra praksis, men den kunnskapen er ofte latent når advokaten faktisk utarbeider, forsker eller rådgir en klient.

BriefCatch sitter direkte i den muligheten. Juridisk skriving er ikke bare polering. Det er der juridisk dømmekraft, strategi og overtaleevne blir brukbar for en annen sinn. Jeg er spennende på en fremtid hvor AI hjelper advokater med å hente og anvende den riktige regelen, teknikken, strategien, advarselen eller den strategiske innsikten i øyeblikket, samtidig som det bevares profesjonell dømmekraft og ansvar. Jeg tenker på det som et ekspertise-eksoskjelett: teknologi som hjelper advokater med å bære mer kunnskap, se mer klart, unngå forebyggelige feil og anvende sin beste dømmekraft når det er viktigst. Hvis vi bygger disse systemene godt, vil samfunnet dra nytte av det, fordi juridisk ekspertise blir mindre fanget i dyre en-til-en-kanaler og mer tilgjengelig for mennesker, bedrifter, domstoler og institusjoner som avhenger av det.

BriefCatch har nylig lansert RealityCheck, et verktøy designet for å identifisere hallucinerte eller usikrede juridiske sitater før innlevering. Hva så du som de største gapene i eksisterende juridiske AI-verktøy som gjorde denne funksjonaliteten nødvendig, og hvor signifikant er sitat-pålitelighetsproblemet i dag?

Det største gapet er at for mange verktøy fortsatt er optimert rundt generering fremfor verifisering. De kan hjelpe med å produsere tekst raskt, som ser imponerende ut, men juridisk arbeid slutter ikke med plausibel tekst. Det begynner ikke engang der. Vår rettsystem er fundamentalt avhengig av at dommere og advokater trofast gjengir og anvender myndighet. Ethvert juridisk verktøy må starte med myndigheter som faktisk eksisterer, må nøyaktig beskrive hva disse myndighetene sier, hvordan de har blitt anvendt og om påstanden for hvilken de blir innkalt, er støttet når myndigheten ble avgjort. Alt mindre enn det er juridisk fantasi. Det finnes mindre politiske ord for det enn det, men jeg lar det være til dommere som har håndtert det i sine rettssaler.

Det er derfor et verktøy som RealityCheck er så viktig. Problemet er ikke begrenset til fullstendig fabrikkerte saker, selv om de er åpenbart alarmerende. Det finnes mer subtile og vanligere feilmodi: en ekte sak sitert for feil påstand, en avgjørelse overdratt, et sitat noe endret, en parentes som glatter over en ubehagelig distinksjon eller et sitat som ser ut til å være ansiktet, men ikke faktisk støtter setningen det følger.

Disse er ikke nye problemer i juridisk praksis, men de er nå forsterket. Advokater har alltid vært ansvarlige for å sjekke sitt arbeid, men skalaen og hastigheten til AI-assistert utarbeidelse gjør verifisering enda viktigere. Spørsmålet er ikke bare “Har AI hallucinert?” Det er “Inneholder den innleverte dokumentet juridiske påstander som er nøyaktige, støttede og profesjonelt forsvarbare?”

Jeg mener også at vi må være forsiktige med å ikke behandle menneske-arbeid som gullstandarden. Mennesker misiterer, overdriver og glemmer også, spesielt under tidspress. Uansett kilde til teksten, er beste praksis laget gjennomgang: menneskelig dømmekraft, kilde-grunnlagte verktøy, deterministiske sjekker der det er passende og verifiseringsarbeidsflyt som gjør feil lettere å fange før de blir en ordre til å vise.

Mange advokater er fortsatt skeptiske til generativ AI på grunn av bekymringer om nøyaktighet, etikk og profesjonell ansvar. Hva praktiske skritt kan juridiske teknologiselskaper ta for å bygge tillit og oppmuntre til ansvarlig innføring?

Tillitsfulle produkter bør gjøre grensene synlige. De bør vise kilder når kilder er viktige. De bør gjøre det klart når et system genererer språk versus verifiserer et sitat eller anvender en deterministisk regel. De bør også være åpne om begrensninger, fordi over påstand er en av de raskeste måtene å tape advokat-tillit på.

Ansvarlig innføring må bygges inn i arbeidsflyten. Advokater bør ikke måtte bli prompt-injegører eller AI-risikoffiserer for å bruke disse verktøyene godt. Gode produkter bør guide brukere mot ansvarlig bruk ved design: bevare konfidensialitet, støtte tilsyn, aktivere gjennomgang, beholde audittspor der det er passende og gjøre verifisering enkelt.

Du har arbeidet omfattende med retrieval-augmented generation (RAG) og andre teknikker designet for å forbedre påliteligheten til AI-systemer. Hvor mener du at nåværende juridiske AI-produkter fortsatt mangler, og hva tekniske fremskritt er nødvendige for å lukke disse gapene?

Juridiske AI-produkter er allerede imponerende på utarbeidelse, sammenfatting, brainstorming og henting. Noen mangler fortsatt på en viktig målestokk: den nøyaktige nøyaktigheten som juridisk praksis krever. (Vår rettssystem er avhengig av det!)

Jeg ville tenke på pålitelighetsgapet som et systemsproblem, ikke et enkelt-modell-problem. Bedre modeller vil hjelpe, men juridisk-nivå-pålitelighet kommer fra flere lag som arbeider sammen: henting og rangering, verifiseringsløkker, minne, arbeidsflyt-design og hybrid deterministisk/LLM-arkitektur.

De grunnleggende mekanismene for henting er ganske godt forstått, men det tar mye testing og iterasjon for å få recall og rangering riktig. Adversarielle agenter og agente-løkker blir mer vanlige, men design-utfordringen er å gjøre disse sjekkene prinsipielle fremfor å skape dyre, latency-tyngde “double-check-spreder”. Med LLM-minne er de tekniske utfordringene hvor minnet hører hjemme (generell minne versus en spesifikk arbeidsflyt; minnesystemer kan føles ganske boltet på) og formen det tar for å sikre at agenten får tilgang til det når det er passende. Arbeidsflyt-design er fortsatt viktig; hvis systemet får en enkelt lang, vag prompt, vil det produsere ufullstendig eller generisk resultater. Juridisk AI trenger mer strukturerte arbeidsflyter, brytende oppgaven ned i bevisste trinn for å sikre at det har konteksten det trenger og går gjennom alle trinnene nødvendige for å generere nøyaktig, fremragende juridisk arbeid.

Et annet grep å trekke, er blandingen mellom deterministiske regler som regex og probabilistiske modeller. LLM-er er usedvanlig nyttige i prototyp-fasen fordi de hjelper deg med å oppdage formen på problemet. Men når du har en god arbeidende prototype og forstår mønsteret, kan du ønske å fjerne deler av arbeidsflyten tilbake til deterministisk logikk. Og selv om LLM-er kan være inkonsistente, er de fremragende til å supplere hva deterministiske regler ikke er fleksible nok til å fange, og til å bruke deterministiske regler/kode selv. De sterkeste systemene vil ikke være ren deterministisk eller ren LLM-basert. De vil bruke deterministiske regler der problemet er forstått, og LLM-er der usikkerhet, dømmekraft eller kontekst-følsom språkforståelse er nødvendig. Spørsmålet er hvor grensen sitter: hvor slutter regler, og hvor bør modellen ta over?

Når du begynner å lagre disse teknikker, kan du gjøre store forbedringer i pålitelighetsgapet, men kompromisset er ingeniør-kompleksitet, token-kostnad og latency. Jeg forventer at disse vil forbedres med tekniske fremskritt og når minne og kompresjon blir mer effektive og lett bygget inn i grunnmodeller.

Juridisk skriving krever ofte nuanser, overtaleevne og omsorgsfull tolkning av presedens. Hvilke aspekter av juridisk skriving mener du at AI kan virkelig forbedre i dag, og hvilke elementer krever fortsatt unikt menneskelig dømmekraft?

AI kan allerede forbedre mye juridisk skriving, spesielt når oppgaven er godt definert. Det kan hjelpe med å identifisere uklare setninger, begravde punkter, inkonsistens, redundant, svak organisasjon, usikrede faktiske påstander, mismatchede definerte termer, sitat-problemer og steder hvor utkastet ikke guider leseren godt.

Det siste punktet er spesielt spennende for meg. En advokat kan vite, i teorien, at en innleggelse trenger en sterkere introduksjon, en renere regel-erklæring eller en mer leservennlig uttalelse av fakta. Men når du utarbeider under press, er å vite og å anvende ikke det samme. AI kan hjelpe med å bringe ekspert skriveveiledning inn i arbeidsflyten når det kan faktisk forbedre dokumentet.

Men god juridisk skriving er ikke bare håndverk eller tekst-optimisering. Det er også evnen til å identifisere de mest relevante, interessante og sak-spesifikke detaljene, og deretter omdanne dem til en teori som gjør leseren forstå hvorfor denne tvisten er viktig. I min erfaring er det fortsatt hvor menneskelige advokater er mye sterkere enn LLM-er. Kanskje er det smak, kanskje er det erfaring, og kanskje er det noe dypere om hvordan disse systemene fungerer. LLM-er er trent til å generere sannsynlige tekst-videreforlengelser, som skaper en gravitasjonskraft mot statistisk vanlig-lydende tekst. I mange juridiske sammenhenger er det nyttig. Du ønsker ofte ikke at juridisk skriving skal trekke oppmerksomhet til seg selv. Du ønsker tankene, faktene og myndighetene å skinne gjennom.

Men virkelig overbevisende juridisk skriving avhenger ofte av å finne hva som er forskjellig. Hva er detaljen som gjør saken levende? Hva er faktum som endrer den emosjonelle valensen av tvisten? Hva er det juridiske punktet som vil gjøre en dommer sitte opp og erkjenne problemet? Som appelladvokat er det ofte den tråden du prøver å finne. Du leter etter versjonen av saken som er unik og overbevisende nok til å gjøre tribunalen bry seg.

Det er den delen jeg ikke ville ønske AI å bland-bias bort. Et system kan foreslå klarere formuleringer, flagge svakheter, trykke på sitater, eller minne en advokat på overbevisende teknikker. Men advokaten må fortsatt bestemme hva som er viktig, hva å gi opp, hvordan å være aggressiv, hva ikke å si, hvordan å forklare den emosjonelle og etiske hjertet av saken.

Jeg er forsiktig med å si “AI vil aldri kunne gjøre dette”, fordi disse forutsagnene har vært feil mange ganger. AI gjør allerede mange diskrete oppgaver raskere og mer nøyaktig enn mennesker, og jeg mener ikke det har mening å føle seg truet av det. Det er et verktøy. Men minst nå, er de viktigste delene av juridisk overtaleevne fortsatt avhengig av menneskelig dømmekraft: å velge de riktige detaljene, å forstå hvorfor de er viktige, og å bygge en historie som er emosjonelt resonant.

Ettersom AI blir mer integrert i juridiske arbeidsflyter, hvordan ser du på utviklingen av rollen til medarbeidere og junior-advokater? Kan AI fundamentalt endre hvordan den neste generasjonen av advokater utvikler juridisk skrive- og forskningsferdigheter?

Ja, og vi bør være bevisste på det. Junior-advokater har tradisjonelt lært ved å gjøre vanskelig arbeid sakte: forskning, utarbeidelse, revisjon, mottakelse av kommentarer og gradvis utvikling av dømmekraft. AI vil endre den veien, men det behøver ikke å svekke den. Brukt riktig, kan det gjøre trening mer eksplisitt og mer effektiv.

Risikoen er at junior-advokater hopper over kampen som bygger dømmekraft. Hvis et verktøy produserer en plausibel utkast for raskt, kan en ny advokat ikke lære hvordan argumentet ble bygget, hvor svakhetene er eller hvorfor en ramme er bedre enn en annen. Det ville være et virkelig tap.

Men muligheten er enorm. AI kan fungere som en tutor, en simulator, en skriveveiledning og en kilde til umiddelbar tilbakemelding. Det kan vise alternative strukturer, identifisere usikrede påstander, forklare hvorfor et sitat kanskje ikke støtter en påstand eller sammenligne et utkast mot prinsipper for effektiv juridisk skriving. Det kan også gi junior-advokater flere reps. Å få våre reps og å få tilbakemelding er hvordan vi lærer og vokser.

De firmaene og juridiske avdelingene som gjør dette best, vil ikke bare gi junior-advokater AI og håpe på det beste. De vil redesigne trening rundt det. De vil be juniorene om å forklare valgene sine, verifisere utdata, sammenligne alternativer og lære å overvåke AI-assistert arbeid på samme måte som de til slutt vil overvåke menneskelig arbeid.

Du har rådgitt klienter over flere bransjer, fra kryptokurver og forbrukerteknologi til kompleks kommersiell prosess. Er det bestemte sektorer hvor du mener at juridisk AI-adoptsjon vil akselerere raskest, og hvorfor?

Jeg mener at juridisk AI-adoptsjon vil bevege seg raskest når

1. Organisasjonen har arbeidsflyter som fungerer godt med LLM-er,
2. Organisasjonen er åpen for innovasjon, og
3. Organisasjonen er motivert for å gjøre en endring.

På det første punktet, er juridisk et naturlig domene for LLM-er fordi loven er, på mange måter, menneskelig atferd og menneskelige verdier kodet i språk. Juridisk arbeid omdanner uordnede fakta til kategorier, regler, forpliktelser, argumenter, risiko og konsekvenser. Det er akkurat det terreng hvor språkmodeller kan være kraftfulle, forutsatt at de er grunnlagt, verifiserbare og designet rundt hvordan advokater faktisk arbeider. Så jeg mener at de fleste organisasjoner i juridisk er gode kandidater, unntatt kanskje de hvis primære tjenestemodell er menneske-til-menneske-interaksjon. Men selv for organisasjoner som pro bono-klinikker, kan LLM-er hjelpe med ting som triage og kunnskapsforvaltning, så jeg ville ikke uteslutte dem.

Det andre faktumet, åpenhet for innovasjon, kan være en porter. Det er derfor jeg mener at interne juridiske team er spesielt godt posisjonert. De sitter inne i organisasjoner som allerede prøver å forbedre hastighet, redusere kostnad og operationalisere kunnskap. De håndterer kontrakter, tvister, politiske forpliktelser, kunde-problemer, ansatt-spørsmål og risiko-vurderinger i stor skala. Disse arbeidsflytene er ofte gjentakende nok til å støtte AI-adoptsjon, samtidig som de krever nok juridisk dømmekraft til at bedre verktøy kan gjøre en meningsfull forskjell.

Jeg mener også at prosess, appellpraksis, regulerte industrier, fintech og kryptokurver, forbrukerteknologi, forsikring og helsevesen vil være viktige områder. I prosess og appellpraksis, for eksempel, kan AI assistere med rekord-gjennomgang, problem-sporing, sitat-sjekking, prosedyre-regler, bevaring-analyse, argument-kartlegging og utkast-tilbakemelding. Risikoen er høy, så verktøyene må være alvorlige. Men det er ikke en grunn til å unngå innføring. Det er en grunn til å bygge bedre produkter.

Det tredje punktet – motivasjon til å endre – er også en betydelig porter. Jeg mener at den juridiske industrien som helhet bør være motivert til å endre. Rettsystemet er langsomt, dyrt og utilgjengelig for alt for mange mennesker. Det vanskelige spørsmålet er om profesjonen er åpen for å endre. Jeg mener at den er det stadig mer. Noen deler av industrien har vært sene til å flytte fordi den eksisterende modellen var lønnsom og kjent. Men advokater er også problemløsere. Mange av oss er rettferdighet-orienterte, reform-orienterte og stuborn på en nyttig måte. Vi er trent til å argumentere for endring når det eksisterende svaret er feil.

Den private sektoren kan bevege seg først fordi den er mer smidig og bedre ressurssterk. Regjering, juridisk hjelp og pro bono-organisasjoner møter andre begrensninger og må ofte fokusere på det urgente arbeidet rett foran dem. Men disse sektorene bør ikke undervurdere seg selv. Hvis AI kan hjelpe med å gjøre juridiske tjenester mer effektive, tilgjengelige og rimelige, er den lange-siktige muligheten ikke begrenset til noen enkelt sektor. Den er relevant for alle som bryr seg om å gjøre det juridiske systemet bedre.

Domstoler, regulatører og advokatforeninger er stadig mer opptatt av bruken av AI i juridisk praksis. Hva regulerings- eller etiske rammer forventer du vil oppstå de neste årene, og hvordan bør juridiske teknologileverandører forberede seg?

Vår eksisterende etiske ramme kan allerede håndtere de fleste av disse bekymringene. Advokater var alltid pålagt å sikre at alt de representerte for en domstol var grunnlagt i sannheten. De måtte være åpne når en sak gikk mot dem og åpenhjertige når de gjorde feil. De måtte håndtere sine saker kompetent og overvåke junior-advokater og ikke-advokater som hjalp dem. De måtte også holde klientens sensitive informasjon konfidensielt.

Den første bølgen av AI-etikk krever ikke et helt nytt moralsk operasjonssystem. Vi må bare anvende disse kjente pliktene med ny alvor. Advokaten kan ikke overføre dømmekraft og deretter frasi seg ansvar. Den delen bør ikke være kontroversiell.

En ting vi bør begynne å gjøre mer av, er teknologi-spesifikk trening så advokater ikke blir overrasket når de ikke tilstrekkelig overvåker eller sjekker AI-utdata. California, for eksempel, krever nå teknologi-kompetanse som en del av kontinuerlig juridisk utdanning, og jeg mener at det er rett vei. Men en time hver få år er ikke nok. Advokatfirmaer, juridiske avdelinger, domstoler og juridiske tjenesteleverandører bør utvikle sine egne interne AI-politikker og obligatorisk trening: ikke bare “ikke sitere hallucinerte kilder”, men når å bruke disse verktøyene, når ikke å bruke dem, hvordan å verifisere utdata, hvordan å beskytte konfidensielle opplysninger og hvordan å tenke om ansvarsfordelingen mellom menneske og maskin.

For juridiske teknologileverandører bør etikk ikke behandles som en advarselsetikett som er limt på produktet til slutt. Det bør være produkt-arkitektur. De beste verktøyene vil gjøre ansvarlig bruk enklere ved design: kilde-gjennomsiktighet, konfidensialitetskontroll og arbeidsflyter som fasiliteter menneskelig gjennomgang.

Så ingen av problemene vi ser nå, er hva jeg ville kalle “nye”. Men det er et virkelig uventet juridisk-etisk spørsmål på horisonten. Hva skjer hvis AI-systemer blir raskere, billigere, mer konsistente, mer objektivt pålitelige og mindre forvrengt enn mennesker på juridiske resonneringsoppgaver? Vil vi fortsatt si at et menneske alltid må være i løkken?

Det er et underlig og ubehagelig spørsmål, men jeg mener at vi må være ærlige nok til å stille det. Jeg mener ikke at vi er nær å erstatte dommere eller advokater i høyrisiko-menneskelige tvister, og jeg ville være dypt skeptisk til noe system som hevdet motsatt i dag. Men det skjer allerede i diskrete sammenhenger: AI løser allerede visse tvister med en stor ADR-leverandør og på X, Grok løser ofte faktasjekkingstvister.

Vi antar vanligvis at menneskelig dømmekraft er den etiske sikkerhetsventilen. Ofte er det. Mennesker bringer moralsk ansvar, institusjonell legitimitet, empati, praktisk visdom og en forståelse av kontekst som maskiner ikke ennå besitter. Men mennesker bringer også forsinkelse, kostnad, inkonsistens, trøtthet, forvrengning, gatekeeping og ulik tilgang. Hvis AI-assistert løsning blir mer nøyaktig, rimelig og tilgjengelig enn status quo, bør det etiske spørsmålet ikke besvares av refleks. Spørsmålet bør være: “Hvilken prosess produserer det rettferdigste, mest nøyaktige, mest gjennomsiktige og mest ansvarlige resultatet?”

Hvis automatiserte eller AI-assisterte systemer til slutt håndterer mer rutinemessige tvister, kan menneskelig gjennomgang bli viktigere på kantene: de uvanlige sakene, de ubehagelige feilmodi og stedene hvor rigid konsistens begynner å se ut som gammeldags juridisk formalisme.

Det er hvordan jeg mener at juridiske teknologileverandører bør forberede seg. Bygge for nåværende etiske regler, men også for en fremtid hvor profesjonen må sammenligne menneskelig og maskin-prestasjon ærlig. Målet bør ikke være å bevare hver enkelt eksisterende ritus i juridisk praksis. Målet bør være å bevare hva disse ritusene er ment å beskytte: rettferdighet, nøyaktighet, ansvar, legitimitet og tilgang til rettferdighet.

BriefCatch har bygget sin omdømme rundt å forbedre juridisk skriving fremfor å bare automatisere juridisk arbeid. Hvordan balanserer du produktivitetsgevinstene fra AI med behovet for å bevare kritisk tenkning, juridisk resonnering og profesjonell ansvar?

Jeg mener ikke at produktivitet og kritisk tenkning må være i spenning. I virkeligheten, når en advokat er mer effektiv på rutinemessige oppgaver, skaper det mer rom for kreativ, kritisk tenkning. Så spørsmålet er hva slags produktivitet vi skaper. Hvis AI bare hjelper advokater med å produsere mer tekst raskere, er det ikke nødvendigvis fremgang. Juridisk arbeid har allerede nok tekst.

Det bedre målet er å hjelpe advokater med å produsere klarere, mer nøyaktige, mer overbevisende og mer forsvarbare arbeid. Det er hvorfor BriefCatches fokus på skriving er viktig. Juridisk skriving er ikke bare dekorativt laget på toppen av juridisk analyse. Det er der analysen blir presis, testbar og nyttig for leseren.

Måten å bevare ansvar på er å designe AI som et ekspertise-lag, ikke en autoritets-erstatter. Verktøyet kan foreslå, flagge, verifisere, sammenligne og trykke på. Det kan hjelpe med å anvende skriveprinsipper, identifisere svakheter og fange feil. Men advokaten må fortsatt ta den endelige beslutningen og forbli ansvarlig for arbeidet. For å parafrasere min favoritt Peloton-instruktør, “AI foreslår, du tar beslutninger”.

Min egen oppfatning er at AI er mest verdifullt når det gjør advokaten mer engasjert. Et godt system bør skjerpe advokatens oppmerksomhet. Det bør stille spørsmålet advokaten måtte ha gått glipp av, overflate myndigheten som må sjekkes, eller foreslå en klarere måte å uttrykke poenget på. Det bør ikke lure brukeren til å tro at plausibel tekst er det samme som ferdig arbeid.

Ser du for deg hvordan forholdet mellom advokater og AI vil se ut om fem år? Forestiller du deg AI som hovedsakelig en assistent, en samarbeidspartner eller noe nærmere en tillitsfull juridisk co-pilot?

Jeg foretrekker “ekspertise-eksoskjelett”. Det ideelle juridiske AI-systemet bør hjelpe advokater og dommere med å gjøre hva de allerede er ansvarlige for å gjøre, men med bedre rekkevidde, bedre minne, bedre konsistens, bedre kreativitet og bedre verifiseringsverktøy.

Om fem år håper jeg at advokater vil ha AI-systemer som er dypt integrert i deres arbeidsflyt og mye mer spesialisert enn dagens generelle chatboter. En advokat som utarbeider en innleggelse bør kunne trekke på skriveekspertise, sak-rett, rekord-materiell, prosedyre-regler, sitat-sjekking, intern kunnskap og strategisk tilbakemelding uten å forlate arbeidsflyten. Men systemet bør også være åpent om hva det vet, hva det har sjekket og hvor advokaten må anvende dømmekraft.

Det ideelle forholdet er ikke delege dømmekraft. Det er kalibrert tillit. Advokater bør vite hvilke oppgaver systemet er excellent på, hvilke oppgaver krever tilsyn og hvilke oppgaver tilhører menneskelig dømmekraft.

Hvis vi gjør det riktig, vil AI gjøre ekspertise mer tilgjengelig. Det vil hjelpe advokater med å skrive bedre, resonere mer omsorgsfullt, unngå forebyggelige feil og bruke mer tid på delene av arbeidet som krever intuisjon og dømmekraft. Jeg finner tanken på en legion av “Mecha-advokater” å være mye mer interessant og optimistisk enn enkel automatisering.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke BriefCatch.