Mikhail Yatsuha, CEO และผู้ร่วมก่อตั้งของ CaseCraft.AI

Mikhail Yatsuha, CEO และผู้ร่วมก่อตั้งของ CaseCraft.AI, เป็นทนายความในสหราชอาณาจักรและผู้ประกอบการเทคโนโลยีกฎหมายที่มีประสบการณ์ด้านบริการกฎหมายมากกว่าสิบปี เขาเริ่มจากการเป็นนักศึกษาฝึกงานและทนายฝึกหัดจนได้เป็นหุ้นส่วนที่ Sterling Law ซึ่งรับผิดชอบแผนกพาณิชย์และพบกับข้อพิพาทมูลค่าต่ำที่ยังคุ้มค่าแต่กลายเป็นไม่คุ้มค่าเมื่อคำนึงถึงค่าใช้จ่ายทางกฎหมายแบบดั้งเดิม ในช่วงปลายปี 2023 เขาได้ร่วมก่อตั้ง CaseCraft.AI เพื่อทบทวนวิธีการประเมิน เตรียมและดำเนินคดีแพ่งโดยใช้กระบวนการทำงานที่ขับเคลื่อนด้วย AI แทนการเพียงแค่ใช้ AI ในการร่างเอกสารกฎหมาย.

CaseCraft.AI เป็นบริษัทเทคโนโลยีกฎหมายของสหราชอาณาจักรที่สร้างแพลตฟอร์ม AI‑native สำหรับการดำเนินคดีแพ่ง แพลตฟอร์มนี้รวมการประเมินคดี การประมวลผลหลักฐาน การสื่อสารก่อนดำเนินการ การสร้างเอกสาร การติดตามกระบวนการและการตรวจสอบโดยทนายมนุษย์ไว้ในกระบวนการทำงานเดียว ให้บริการผู้ฟ้องบุคคลธรรมดาแบบไม่มีค่าใช้จ่ายหากไม่ชนะและให้บริการธุรกิจผ่านเครื่องมือการเรียกร้องแบบกลุ่มและการจัดการคดีแบบสมัครสมาชิก บริษัทได้ระดมทุนประมาณ £1.8 ล้านในสามรอบการระดมทุน และจนถึงเดือนสิงหาคม 2026 มีคดีสร้างขึ้นทั้งหมด 4,562 รายการมูลค่ารวม £14.9 ล้าน, 51% ได้รับการไกล่เกลี่ยหรือชนะโดยคำสั่งศาลตามค่าเริ่มต้น, และมีคดี 373 รายการอยู่ในขั้นตอนการทำงานทางกฎหมาย; นอกจากนี้ยังกำลังทดลองใช้งานการปรับใช้ระดับองค์กรครั้งแรกและกำลังทดสอบ MVP ด้านกฎหมายแรงงาน.

คุณใช้เวลาหลายปีในการก้าวจากนักศึกษาฝึกงานและทนายฝึกหัดจนเป็นหุ้นส่วนที่ Sterling Law ก่อนจะร่วมก่อตั้ง CaseCraft.AI ในปี 2023 สิ่งที่คุณพบซ้ำ ๆ ในการปฏิบัติงานกฎหมายคืออะไรที่ทำให้คุณเชื่อว่ากระบวนการคดีมูลค่าน้อยสามารถถูกออกแบบใหม่อย่างพื้นฐานด้วย AI แทนที่จะเพียงทำให้มีประสิทธิภาพมากขึ้นด้วยซอฟต์แวร์กฎหมายที่ดีกว่า?

สิ่งที่ทำให้ผมเชื่อไม่ใช่ว่านักกฎหมายต้องการเครื่องมือร่างเอกสารที่ดีกว่า แต่คือสำหรับข้อพิพาทมูลค่าต่ำหลายกรณี เศรษฐศาสตร์ล้มเหลวก่อนที่ทนายจะเข้ามาช่วย ค่าใช้จ่ายในการเป็นตัวแทนอาจเท่ากับหรือเกินมูลค่าที่เกี่ยวข้อง และค่าใช้จ่ายทางกฎหมายส่วนใหญ่ไม่สามารถเรียกคืนได้ในคดีมูลค่าน้อย ผมเห็นข้อเรียกร้องที่ยังคุ้มค่าแต่ถูกละทิ้งด้วยเหตุผลนี้ที่ Sterling Law และต่อมาก็เห็นคณิตศาสตร์เดียวกันกับธุรกิจที่ต้องเขียนค่าบริการที่ไม่ได้รับชำระ นั่นเป็นปัญหาโมเดลการให้บริการ ไม่ใช่ปัญหาเครื่องมือร่าง AI ทำให้เราสามารถออกแบบเส้นทางของผู้ฟ้องใหม่ทั้งหมด แทนที่จะทำให้ทนายที่ทำงานเร็วขึ้นเล็กน้อย.

CaseCraft.AI ได้ถูกใช้สร้างคดีกฎหมายหลายพันคดี โดยมีหลายร้อยคดีเข้าสู่การทำงานทางกฎหมายที่ดำเนินอยู่ คุณได้เรียนรู้อะไรจากการใช้ AI กับคดีจริงที่ไม่สามารถค้นพบจากต้นแบบ การจำลอง หรือการทดสอบเบนช์มาร์คได้เพียงอย่างเดียว?

มีสองประเด็นที่โดดเด่น ประการแรก การสร้างเอกสารเป็นส่วนที่ง่าย; การจัดการคดีเป็นส่วนที่ท้าทาย คดีที่ดำเนินอยู่หมายถึงต้องมีหลักฐาน การชำระเงิน กำหนดเวลา การตอบกลับและขั้นตอนต่อไปที่ต้องสอดคล้องกันเป็นเดือน ๆ ตั้งแต่เดือนสิงหาคม 2026 มีคดีที่สร้างผ่าน CaseCraft มากกว่า 4,500 รายการ, มากกว่า 400 รายการได้เข้าสู่การทำงานทางกฎหมายที่ดำเนินอยู่, และมีการยื่นข้อเรียกร้องต่อศาล 130 รายการ.

ประการที่สอง ผู้คนทำพฤติกรรมต่างออกไปเมื่อใช้ AI พวกเขาอาจเปิดเผยความจริงมากขึ้น ซึ่งช่วยให้ข้อมูลสำคัญปรากฏเร็วขึ้น แต่ระบบก็ต้องกำหนดขอบเขตและรู้ว่าเมื่อใดที่มนุษย์ควรเข้ามาแทรกแซง เราได้เรียนรู้โดยตรงว่าการเพิ่มการโทรหามนุษย์ในขั้นตอนที่ต้องการความเชื่อถือสูงทำให้อัตราการแปลงเพิ่มอย่างน้อย 15%.

คลื่นแรกของ AI สร้างสรรค์ส่วนใหญ่มุ่งเน้นที่การผลิตข้อความ แต่ CaseCraft.AI ต้องรวบรวมหลักฐาน กำหนดคุณสมบัติ การปฏิบัติตามกฎระเบียบ เริ่มกระทำการ และติดตามคดีตามเวลา การสร้าง workflow แบบเอเจนต์เช่นนี้แตกต่างจากการสร้าง AI ผู้ช่วยหรือแชทบอทอย่างไร?

แชทบอทตอบคำถาม; workflow แบบเอเจนต์ต้องรักษาสถานะของคดีจริงตลอดเวลา – สิ่งที่เกิดขึ้นแล้ว, หลักฐานที่มี, สิ่งที่ขาดหายและสิ่งที่อาจเกิดขึ้นต่อไป ดังนั้นเราจึงมองระบบเป็นส่วนประกอบเฉพาะแทนการใช้โมเดลเดียวทำทุกอย่าง: บางส่วนทำการเก็บและตรวจสอบข้อมูล, ส่วนอื่นทำการให้เหตุผลทางกฎหมายหรือประมวลผลเอกสารที่เข้ามา เป้าหมายไม่ใช่ย่อหน้าที่ดีที่สุด แต่เป็นลำดับการตัดสินใจและการกระทำที่เชื่อถือได้ซึ่งนำคดีไปสู่ผลลัพธ์ที่ดีที่สุดที่เป็นไปได้.

ใน workflow ทางกฎหมาย โมเดลอาจสร้างผลลัพธ์ที่ฟังดูน่าเชื่อถือแต่ยังคงผิดพลาดเชิงกระบวนการหรือข้อเท็จจริงได้อย่างไร คุณได้ออกแบบ CaseCraft.AI อย่างไรเพื่อแยกแยะระหว่างผลลัพธ์ AI ที่ดูสมเหตุสมผลกับข้อมูลที่จริง ๆ แล้วเชื่อถือได้พอที่จะใช้ในคดีกฎหมาย?

หลักการสำคัญคือโมเดลไม่ควรสร้างสรรค์จักรวาลกฎหมายของตนเอง เราจำกัดระบบให้ทำงานบนหลักฐานในคดีและแหล่งข้อมูลกฎหมายที่มีอำนาจแทนที่จะให้โมเดลทั่วไปตอบจากความจำ CaseCraft.AI สามารถเข้าถึงการเปลี่ยนแปลงล่าสุดของกฎหมาย, คดีอ้างอิงที่เกี่ยวข้องและแนวปฏิบัติที่ดีที่สุดผ่าน API ของรัฐบาลและแหล่งข้อมูลอำนาจอื่น ๆ ทำให้บริบททางกฎหมายเป็นปัจจุบัน.

เรายังแยกการสร้างจากการตรวจสอบและรักษาการตรวจสอบโดยผู้เชี่ยวชาญภายในกรอบการให้บริการกฎหมายที่ได้รับการควบคุม การทดสอบไม่ได้อยู่ที่ว่าเอาต์พุตฟังดูเหมือนทนายเขียนหรือไม่ แต่ที่ว่าต้นทาง, หลักฐานและขั้นตอนกระบวนการสามารถตรวจสอบได้หรือไม่.

คุณเคยพูดถึงความสำคัญของ “การตรวจสอบโดยมนุษย์ที่วัดผลได้” สิ่งนี้หมายความว่าอย่างไรในทางปฏิบัติ และคุณกำหนดว่าการตัดสินใจใดที่ระบบ AI สามารถทำได้โดยอัตโนมัติและการตัดสินใจใดที่มนุษย์ต้องรับผิดชอบต่อผลลัพธ์?

การตรวจสอบโดยมนุษย์ที่วัดผลได้หมายถึงการมีส่วนร่วมของมนุษย์ที่เชื่อมโยงกับความเสี่ยงที่ระบุได้ และเราสามารถเห็นว่าการแทรกแซงเกิดขึ้นที่ไหนและทำไม ‘Human in the loop’ ไม่ควรเป็นแค่วลีให้ความมั่นใจ; เราต้องสามารถชี้ไปที่สัญญาณ, การตรวจสอบและการตัดสินใจที่ตามมา.

เรายังคงสร้างฐานข้อมูลหลักฐานสำหรับการกำหนดขอบเขตเหล่านั้น หนึ่งในมาตรการที่เราสามารถชี้ได้คือเวลาในการตรวจสอบ: ตั้งแต่เปิดตัว เวลาในการตรวจสอบโดยมนุษย์ลดลงสี่เท่าเมื่อระบบพัฒนาขึ้น เมื่อเวลาผ่านไป เป้าหมายคือทำให้การตรวจสอบเป็นแบบอิงความเสี่ยงมากขึ้น ในขณะเดียวกันก็ยังคงรักษาการตัดสินใจของผู้เชี่ยวชาญที่ต้องรับผิดชอบตามกฎหมายไว้.

หลักฐานเป็นหัวใจของคดีมูลค่าน้อย แต่หลักฐานอาจมาจากสัญญา, ใบแจ้งหนี้, อีเมล, ข้อความ, ภาพถ่าย และข้อมูลที่ไม่มีโครงสร้างอื่น ๆ คุณจะจัดการแปลงวัสดุนั้นเป็นข้อมูลที่มีโครงสร้างสำหรับระบบ AI อย่างไรในขณะที่รักษาต้นกำเนิดและหลีกเลี่ยงข้อสรุปที่ไม่มีการสนับสนุน?

หลักการสำคัญคือการแยกการสกัดข้อมูลออกจากการสรุป หากผู้ใช้อัปโหลดข้อความแชท WhatsApp กับผู้รับเหมา วันที่, ราคาที่เสนอ, และคำพูดที่ใช้จะถูกสกัดเป็นข้อเท็จจริง; การสรุปเกี่ยวกับความสำคัญทางกฎหมายของการแลกเปลี่ยนนั้นเป็นการสรุปผล การสองอย่างนี้ไม่ควรถูกนำเสนอเป็นสิ่งเดียวกัน เราจัดโครงสร้างเอกสารเพื่อให้ workflow ใช้งานได้พร้อมกับรักษาลิงก์กลับไปยังหลักฐานต้นฉบับ หากลิงก์นั้นหายไป คุณอาจสร้างไฟล์คดีที่อ่านดูดีแต่พอถูกท้าทายก็จะพัง.

หนึ่งในปัญหาที่ยากที่สุดสำหรับระบบอัตโนมัติคือการรู้ว่าเมื่อใดไม่ควรทำการใด ๆ สัญญาณใดบ่งบอกว่า CaseCraft.AI เห็นว่าการเรียกร้องนั้นมีความคลุมเครือ, ซับซ้อน หรือเสี่ยงเกินกว่าที่ระบบอัตโนมัติจะจัดการและควรส่งต่อให้ผู้เชี่ยวชาญด้านกฎหมาย?

หนึ่งในมาตรการป้องกันของเราคือการสังเกตที่ไม่เป็นธรรมชาติ: เราให้ความสนใจไม่เพียงแต่คดีที่ AI ต้องการดำเนินต่อ แต่ยังรวมถึงคดีที่ AI มีแนวโน้มจะปฏิเสธ การตรวจสอบโดยมนุษย์ไม่ใช่แค่การหยุด AI ไม่ให้ทำงานเกินไป; มันยังสามารถหยุดระบบจากการเป็นแบบอนุรักษ์เกินไปและละทิ้งข้อโต้แย้งที่สมเหตุสมผลได้.

สัญญาณการส่งต่อที่ชัดเจนที่สุดในวันนี้คือการขาดหลักฐาน ผู้อาจไม่อัปโหลดเอกสารที่เกี่ยวข้อง, อาจสูญเสียไปตามเวลา, หรืออาจไม่รู้ว่าหลักฐานใดสำคัญต่อการเรียกร้อง หากคดีไม่ชัดเจนหรือไม่ครบถ้วน ขั้นตอนต่อไปอาจเป็นการตรวจสอบโดยมนุษย์แทนการดำเนินการอัตโนมัติ ทนายยังคงจัดการบริบทและพื้นที่สีเทาได้สม่ำเสมอกว่าระบบปัจจุบัน.

เมื่อระบบ AI เริ่มทำหน้าที่ที่เคยทำโดยทนายมากขึ้น คุณคิดว่าขอบเขตระหว่างการทำงานอัตโนมัติของซอฟต์แวร์และบริการกฎหมายที่ได้รับการควบคุมจะพัฒนาอย่างไร?

ขอบเขตจะเคลื่อนที่ แต่ช้ากว่าที่หลายคนในวงการเทคโนโลยีคาดไว้ ระบบที่มีความเสี่ยงสูงไม่สามารถพึ่งพาสัญญาว่าโมเดลต่อไปจะดีกว่า; ความเชื่อถือได้ต้องพิสูจน์ผ่านแหล่งข้อมูลอำนาจ, การตรวจสอบ, การควบคุมและการตรวจสอบโดยมนุษย์ที่รับผิดชอบ เมื่อเวลาผ่านไป ผมคาดว่า AI จะกลายเป็นสิ่งที่ผู้เชี่ยวชาญพึ่งพาได้ภายในขอบเขตที่กำหนดอย่างชัดเจน, แต่ความเป็นอิสระต้องได้รับการพิสูจน์จากผลการทำงานและผลลัพธ์จริง คำถามที่สำคัญไม่ใช่ ‘ซอฟต์แวร์หรือทนาย?’ แต่คือกิจกรรมใดที่กำลังทำ, หลักฐานอะไรสนับสนุน, และใครยังคงรับผิดชอบ.

โมเดล AI ที่ใช้ทั่วไปกำลังมีความสามารถเพิ่มขึ้นอย่างรวดเร็ว สิ่งใดทำให้บริษัท AI แนวตั้งอย่าง CaseCraft.AI มีความได้เปรียบอย่างยั่งยืนเมื่อโมเดลพื้นฐานที่ทุกคนเข้าถึงยังคงพัฒนาอยู่?

ข้อได้เปรียบของเราไม่เคยอยู่ที่การเป็นเจ้าของโมเดลพื้นฐาน โมเดลทั่วไปที่ดีขึ้นเป็นข่าวดีสำหรับเรา ส่วนที่ยากคือทุกอย่างรอบ ๆ โมเดล: การดึงข้อมูล, ฐานข้อมูลคดี, ความรู้ทางกฎหมาย, โครงสร้าง workflow, การเชื่อมต่อ, การควบคุมและความเข้าใจการดำเนินการของคดีตั้งแต่ต้นจนจบ งานเหล่านี้ไม่หายไปเมื่อมีโมเดลใหม่ออกมา.

สำหรับผู้ใช้ ควรรู้สึกว่ามีที่เดียวที่คดีเกิดขึ้นในขณะที่การประสานงานทำงานเบื้องหลัง โครงสร้างพื้นฐานเดียวกันนี้กำลังเริ่มสนับสนุนทั้งผู้ฟ้องบุคคลธรรมดาและธุรกิจที่ใช้การเรียกร้องแบบชุดสูงสุด 150 คดีด้วยคลิกเดียวและ workflow การจัดการคดี ผมคิดว่าการประสานงานและการดำเนินงานในโดเมนเป็นกำแพงป้องกันที่ยั่งยืนสำหรับ AI แนวตั้ง.

มองไกลกว่าคดีมูลค่าน้อย คุณได้เรียนรู้อะไรจาก CaseCraft.AI เกี่ยวกับอนาคตที่กว้างขวางของ AI แบบเอเจนต์? อุตสาหกรรมที่มีความเสี่ยงสูงใดบ้างที่คุณเชื่อว่ามีความเหมาะสมเป็นพิเศษกับระบบที่สามารถจัดการ workflow ซับซ้อนพร้อมกับให้มนุษย์รับผิดชอบต่อการตัดสินใจสำคัญ?

ผมมองโลกในแง่ดีเกี่ยวกับ AI แบบเอเจนต์, แต่งานที่ยากอยู่ที่รอบ ๆ โมเดล: การออกแบบกระบวนการใหม่, การจัดโครงสร้างข้อมูล, การกำหนดขอบเขตของระบบ, และการสร้างการตรวจสอบและการส่งต่อ นั่นคือเหตุผลที่อุตสาหกรรมที่ได้รับการควบคุมมักเคลื่อนที่ช้ากว่า – ผู้ที่เข้าใจกระบวนการอย่างลึกซึ้งพอที่จะทำอัตโนมัติมักเป็นผู้เชี่ยวชาญที่ยุ่งที่สุดในองค์กร.

โอกาสที่แข็งแกร่งที่สุดคือ workflow ที่มีการรวบรวมข้อมูลและประมวลผลเอกสารซ้ำหลายครั้ง, แต่มีข้อยกเว้นจำนวนเล็กน้อยที่ยังต้องการการตัดสินใจที่รับผิดชอบ สำหรับ CaseCraft, กฎหมายแรงงานเป็นการขยายที่ใกล้ที่สุด, มี MVP ที่กำลังทดสอบอย่างจริงจัง, และเรากำลังสำรวจการบาดเจ็บส่วนบุคคลร่วมกับบริษัทฟ้องร้องเฉพาะด้าน นอกเหนือจากกฎหมาย, ประกันภัย, การบริการทางการเงินและการปฏิบัติตามกฎมีรูปแบบคล้ายกัน ระบบที่ชนะจะต้องรู้ไม่เพียงแต่วิธีการทำให้การสนทนาเป็นอัตโนมัติ, แต่ยังต้องรู้ว่าตอนไหนเครื่องควรหยุดและมนุษย์ควรเข้ามาแทนที่.

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม CaseCraft.AI.