Roderick Lucas ผู้ร่วมก่อตั้งและซีอีโอของ Moonlit – ซีรีส์สัมภาษณ์

Roderick Lucas เป็นผู้ร่วมก่อตั้งและซีอีโอของ Moonlit โดยมีประสบการณ์ด้านปัญญาประดิษฐ์ วิทยาการข้อมูล และเทคโนโลยีกฎหมาย เขาทำงานที่ Deloitte เกือบหนึ่งทศวรรษ โดยดำรงตำแหน่งหัวหน้าฝ่ายปัญญาประดิษฐ์ และยังสอนหลักสูตรด้านเทคโนโลยีที่ Vrije Universiteit Amsterdam และ Tilburg University งานของเขามุ่งทำให้การค้นคว้าข้อมูลทางกฎหมายเข้าถึงได้ง่ายขึ้น ด้วยข้อมูลที่จัดโครงสร้างไว้ แหล่งข้อมูลที่ตรวจสอบยืนยันได้ และปัญญาประดิษฐ์

Moonlit ให้บริการโครงสร้างพื้นฐานด้านข้อมูลกฎหมายและเครื่องมือค้นคว้าที่เชื่อมโยงกฎหมายที่ประกาศใช้อย่างเป็นทางการ คำวินิจฉัยของศาล และข้อมูลด้านกฎระเบียบในเขตอำนาจศาลต่าง ๆ ทั่วยุโรป แพลตฟอร์ม Data API และเซิร์ฟเวอร์ MCP ช่วยให้นักวิจัยและผู้ช่วยปัญญาประดิษฐ์เข้าถึงแหล่งข้อมูลกฎหมายที่จัดโครงสร้างไว้ ขณะที่คลัง Commentaries ผสานการวิเคราะห์ที่สร้างด้วยปัญญาประดิษฐ์เข้ากับการตรวจทานโดยผู้เชี่ยวชาญกฎหมายที่ระบุชื่อได้ ในบทสัมภาษณ์นี้ Lucas พูดถึงภาพหลอนทางกฎหมาย การค้นคว้าข้ามพรมแดน การตรวจสอบโดยผู้เชี่ยวชาญ และการเข้าถึงข้อมูลเชิงลึกทางกฎหมายที่เชื่อถือได้

คุณทำงานที่ Deloitte เกือบหนึ่งทศวรรษ จนได้ดำรงตำแหน่งหัวหน้าฝ่ายปัญญาประดิษฐ์ พร้อมกับสอนหลักสูตรด้านเทคโนโลยีที่ Vrije Universiteit Amsterdam และ Tilburg University ด้วย เดิมที Moonlit เริ่มต้นจากโครงการภายใน Deloitte ก่อนจะก่อตั้งเป็นบริษัทอิสระในปี 2024 อะไรเป็นแรงบันดาลใจให้คุณพัฒนาแพลตฟอร์มนี้ และอะไรทำให้คุณเชื่อว่าการค้นคว้าข้อมูลทางกฎหมายจำเป็นต้องใช้แนวทางที่แตกต่างไปอย่างสิ้นเชิง?

Moonlit เริ่มต้นขึ้นภายใน Deloitte เพราะปัญหานี้อยู่ตรงหน้าอย่างชัดเจน คำถามสำคัญด้านกฎหมายหรือภาษีทุกข้อในยุโรปย่อมเกี่ยวข้องกับหลายประเทศในบางช่วง แต่แหล่งข้อมูลที่จำเป็นกลับกระจัดกระจายอยู่ตามพอร์ทัลระดับประเทศหลายสิบแห่ง ซึ่งแต่ละแห่งใช้รูปแบบ ภาษา และรูปแบบการอ้างอิงของตนเอง ผู้เชี่ยวชาญใช้เวลาส่วนใหญ่ในการค้นคว้าไปกับการรวบรวมข้อมูลและตรวจสอบว่าไม่มีสิ่งใดตกหล่น ขณะเดียวกัน เครื่องมือที่สร้างขึ้นเพื่อช่วยเหลือพวกเขากลับไม่มีประสิทธิภาพเมื่อต้องทำงานข้ามพรมแดน เครื่องมือเหล่านี้คิดค่าบริการตามจำนวนผู้ใช้และประเทศ และกำหนดให้เข้าสู่ระบบแยกกัน เพียงเพื่อเปรียบเทียบว่าเขตอำนาจศาลต่าง ๆ จัดการกับประเด็นเดียวกันอย่างไร

เมื่อโมเดลภาษามาถึง ก็เห็นได้ชัดพร้อมกันสองประการว่า โมเดลเหล่านี้ให้เหตุผลเกี่ยวกับข้อความทางกฎหมายได้ดีกว่าที่ใครคาดไว้มาก แต่กลับไม่มีข้อมูลที่เชื่อถือได้ให้ใช้เป็นพื้นฐานในการให้เหตุผล การดึงข้อความจากพอร์ทัลศาลสาธารณะโดยตรงทำให้ได้ข้อมูลที่ยุ่งเหยิงและไม่สอดคล้องกัน ขณะที่สำนักพิมพ์กฎหมายเชิงพาณิชย์จำกัดการเข้าถึงแบบอัตโนมัติด้วยข้อจำกัดด้านลิขสิทธิ์และใบอนุญาต เทคโนโลยีกฎหมายยังขาดรากฐานร่วมกัน นั่นคือแหล่งข้อมูลอย่างเป็นทางการจากหลายเขตอำนาจศาล ซึ่งจัดให้อยู่ในโครงสร้างข้อมูลเดียวกันที่สะอาด มีการเชื่อมโยงอ้างอิงระหว่างกัน และปรับปรุงทุกวัน

ชั้นข้อมูลดังกล่าวคือสิ่งที่เราตั้งใจสร้างขึ้น และเป็นเหตุผลที่ Moonlit ก่อตั้งเป็นบริษัทในปี 2024 แทนที่จะเป็นเพียงเครื่องมือสำหรับสำนักงานกฎหมายแห่งเดียว รากฐานเช่นนี้จะยิ่งมีคุณค่ามากขึ้นเมื่อมีผู้คนและระบบต่าง ๆ เข้ามาอ่านและมีส่วนร่วมมากขึ้น ความเชื่อมั่นที่อยู่เบื้องหลังแนวคิดนี้ไม่เคยเปลี่ยนแปลง นั่นคือกฎหมายเป็นข้อมูลสาธารณะ และความรู้ที่สร้างขึ้นบนพื้นฐานดังกล่าวควรมีราคาที่ทุกคนซึ่งจำเป็นต้องปฏิบัติตามกฎหมายเข้าถึงได้

Moonlit ก่อตั้งขึ้นบนความเชื่อที่ว่าการเข้าถึงความรู้ทางกฎหมายเป็นสิ่งจำเป็นต่อความยุติธรรม แม้กฎหมายและคำพิพากษาของศาลมักเปิดเผยต่อสาธารณะ แต่บทวิเคราะห์จากผู้เชี่ยวชาญที่อธิบายผลกระทบของเอกสารเหล่านั้นกลับมักถูกกั้นไว้หลังระบบชำระเงินราคาแพง Moonlit มีเป้าหมายอย่างไรในการทำให้ทุกคนเข้าถึงชั้นการตีความนี้ได้อย่างทั่วถึง และเหตุใดเรื่องนี้จึงสำคัญเป็นพิเศษต่อการพัฒนาปัญญาประดิษฐ์ทางกฎหมายที่เชื่อถือได้?

ในเนเธอร์แลนด์ เงินทุก 1 ยูโรที่คุณมีรายได้ประมาณ 40 เซนต์จะถูกส่งให้รัฐ โดยเงินส่วนหนึ่งนำไปสนับสนุนมหาวิทยาลัยของรัฐและระบบกฎหมาย บทวิเคราะห์จำนวนมากที่อธิบายกฎหมายเขียนโดยนักวิชาการซึ่งได้รับเงินเดือนจากภาครัฐ สำนักพิมพ์เชิงพาณิชย์อย่าง Wolters Kluwer และ Thomson Reuters นำบทวิเคราะห์เหล่านั้นมาจัดชุดและขายคืนให้แก่ศาล กระทรวง มหาวิทยาลัย และผู้ประกอบวิชาชีพที่ต้องใช้ข้อมูลดังกล่าว ค่าสมัครสมาชิกเพื่อเข้าถึงบทวิเคราะห์อยู่ที่หลายร้อยยูโรต่อผู้ใช้หนึ่งคนต่อเดือน เมื่อสมัครใช้บริการเหล่านี้ ประชาชนจึงแทบต้องจ่ายเงินซ้ำสองสำหรับกฎหมายที่ตนต้องปฏิบัติตาม ระบบกฎหมายที่เป็นธรรมไม่ควรมีค่าใช้จ่ายรายเดือนสูงกว่าค่าสมัครสมาชิก Netflix ของคุณ

เราสร้าง Commentaries ขึ้นเพื่อเป็นทางเลือกแบบเปิด โดยเป็นคลังบทวิเคราะห์กฎหมายที่เรียงตามรายมาตราและเข้าถึงได้ด้วยบัญชี Moonlit ฟรี บทวิเคราะห์แต่ละชิ้นสร้างขึ้นจากแหล่งข้อมูลปฐมภูมิโดยใช้โมเดลปัญญาประดิษฐ์ของเรา และผ่านการตรวจสอบโดยผู้เชี่ยวชาญกฎหมายก่อนเผยแพร่ มีการตรวจสอบข้อมูลอ้างอิงทุกรายการ และเชื่อมโยงไปยังระเบียนอย่างเป็นทางการของรัฐบาลหรือศาลโดยตรง หากผู้อ่านพบว่ามีประเด็นละเอียดอ่อนตกหล่นหรือมีพัฒนาการใหม่ ก็สามารถเสนอแก้ไขผ่านแบบฟอร์มบนหน้าเว็บได้โดยตรงเพื่อให้กองบรรณาธิการตรวจสอบ จากนั้นบรรณาธิการสามารถตรวจทานและเผยแพร่ฉบับปรับปรุงได้ เท่าที่เราทราบ ยังไม่มีสำนักพิมพ์รายอื่นให้บริการในรูปแบบผสมผสานเช่นนี้ เมื่อเริ่มให้บริการ บทวิเคราะห์ที่มีอยู่จะมุ่งเน้นภาษีทางอ้อม (VAT) ส่วนบทวิเคราะห์เกี่ยวกับการคุ้มครองข้อมูลกำลังอยู่ระหว่างการจัดทำ

ชั้นการตีความนี้มีความสำคัญไม่แพ้กันต่อปัญญาประดิษฐ์ทางกฎหมาย โมเดลสามารถรับข้อมูลจากกฎหมายและคำพิพากษาของศาลที่เปิดเผยต่อสาธารณะได้ แต่ไม่สามารถอ่านบทวิเคราะห์ประกอบที่อธิบายว่ากฎเกณฑ์นั้นใช้จริงอย่างไร หรือมีข้อยกเว้นตรงไหน เมื่อขาดบริบทดังกล่าว โมเดลก็อนุมานต่อและสร้างคำตอบที่ไม่น่าเชื่อถือ เราออกแบบ Commentaries ให้ทุกข้อความอ้างอิงอย่างชัดเจนถึงบทบัญญัติที่นำมาตีความและคำวินิจฉัยที่เป็นหลักรองรับ ผู้ประกอบวิชาชีพสามารถตรวจสอบแหล่งที่มาได้ในคลิกเดียว และเวิร์กโฟลว์ปัญญาประดิษฐ์สามารถใช้ข้อมูลที่เชื่อถือได้ในการให้เหตุผลผ่าน Moonlit Data API และตัวเชื่อมต่อ MCP

ภาพหลอนทางกฎหมายที่สร้างโดย AI กลายเป็นข้อกังวลที่เพิ่มขึ้นเรื่อย ๆ โดยทนายความและศาลพบทั้งการอ้างอิงคดีที่ไม่มีอยู่จริงและการตีความกฎหมายที่ไม่ถูกต้อง เหตุใดแม้แต่โมเดลภาษาขนาดใหญ่ที่ซับซ้อนก็ยังมีปัญหาเรื่องความแม่นยำทางกฎหมาย และการจัดเตรียมบริบททางกฎหมายที่มีโครงสร้างและผ่านการตรวจสอบแล้วช่วยแก้ไขข้อจำกัดเหล่านี้ได้อย่างไร

โมเดลภาษาประสบปัญหาในการทำงานกับกฎหมายด้วยเหตุผลที่แทบไม่เกี่ยวข้องกับความฉลาด การให้เหตุผลทางกฎหมายต้องอาศัยหลักฐานอ้างอิงที่ตรวจสอบได้อย่างเคร่งครัด ข้อสรุปจะมีคุณภาพได้เท่ากับบทบัญญัติหรือคำวินิจฉัยที่รองรับข้อสรุปนั้นเท่านั้น แต่โมเดลกลับมองหมายเลขคดีและการอ้างอิงบทกฎหมายเป็นรูปแบบข้อความที่มีความน่าจะเป็น แทนที่จะมองเป็นระเบียนฐานข้อมูลที่เชื่อถือได้ โมเดลสร้างรายการอ้างอิงที่ดูน่าเชื่อถือ เพราะคาดเดาว่าการอ้างอิงควรมีหน้าตาอย่างไร ไม่ใช่เพราะตรวจสอบเอกสารจริงแล้ว เรื่องนี้ส่งผลกระทบอย่างเป็นรูปธรรมอย่างยิ่ง ณ เวลาที่เขียน มีคำวินิจฉัยของศาลที่บันทึกไว้มากกว่า 2,100 คดีซึ่งเกี่ยวข้องกับภาพหลอนจาก AI โดยมีมากกว่า 800 คดีที่เกี่ยวข้องกับผู้ประกอบวิชาชีพกฎหมายโดยตรง

กฎหมายยังเปลี่ยนแปลงอยู่ตลอด ความรู้ของโมเดลสิ้นสุดลง ณ วันที่ตัดข้อมูลสำหรับการฝึก ขณะที่คำวินิจฉัยด้านภาษีและคำตัดสินของศาลอุทธรณ์มีการปรับปรุงทุกสัปดาห์ เมื่อคำอธิบายที่ช่วยให้เข้าใจความหมายของกฎเหล่านั้นอยู่หลังกำแพงการชำระเงินของสำนักพิมพ์ โมเดลจึงเข้าถึงได้เพียงตัวบทกฎหมาย แต่ไม่มีบริบทการนำไปใช้จริง ทำให้แต่งคำอธิบายที่ฟังดูเป็นไปได้ขึ้นมาเพื่อเติมเต็มช่องว่าง

บริบทที่มีโครงสร้างและผ่านการตรวจสอบแล้วเปลี่ยนลักษณะพื้นฐานของงาน ที่ Moonlit โมเดลดึงข้อมูลกฎหมายมาใช้ แทนที่จะพยายามเรียกคืนจากความทรงจำ และทำงานกับบันทึกทางการโดยตรง การค้นหาจะแสดงเอกสารจากแหล่งข้อมูลทางการ พร้อมรายการอ้างอิงและลิงก์ของแต่ละฉบับ แผนผังการอ้างอิงแสดงให้เห็นว่าคำวินิจฉัยอ้างถึงอะไร และเอกสารฉบับหลังใดบ้างที่อ้างถึงคำวินิจฉัยนั้น รายการอ้างอิงแต่ละรายการจะเชื่อมโยงไปยังเอกสารจริงในคลังข้อมูลของเรา หรือไม่เช่นนั้นก็จะไม่ปรากฏขึ้น วิธีนี้ช่วยขจัดการอ้างอิงที่แต่งขึ้น อย่างไรก็ตาม ข้อมูลที่สะอาดเพียงอย่างเดียวยังป้องกันการอ่านความหมายผิดไม่ได้ นี่จึงเป็นเหตุผลที่ Commentaries ยังคงให้ผู้เชี่ยวชาญด้านกฎหมายที่ระบุชื่อเป็นผู้ตรวจทานระหว่างร่างกับผู้อ่าน

Moonlit รวบรวมกฎหมาย คำวินิจฉัยของศาล และข้อมูลด้านกฎระเบียบจากเขตอำนาจศาลหลายสิบแห่ง พร้อมเชื่อมโยงเอกสารทางกฎหมายผ่านแผนผังการอ้างอิงที่ครอบคลุม คุณช่วยอธิบายสถาปัตยกรรมพื้นฐานด้าน AI และข้อมูลได้ไหม โดยเฉพาะวิธีที่แพลตฟอร์มระบุความสัมพันธ์ระหว่างแหล่งข้อมูลทางกฎหมาย จัดการความแตกต่างของภาษาและระบบกฎหมาย และทำให้โมเดล AI เข้าถึงข้อมูลเหล่านี้ได้

ลองนึกภาพว่าเป็นห่วงโซ่ต่อเนื่องเส้นเดียว ตั้งแต่เอกสารเผยแพร่ทางการไปจนถึงรายการอ้างอิงที่ผ่านการตรวจสอบแล้ว

สำหรับเขตอำนาจศาลทุกแห่ง เราเชื่อมต่อโดยตรงกับพอร์ทัลทางการต่าง ๆ รวมถึงราชกิจจานุเบกษาด้านกฎหมาย ฐานข้อมูลศาล หน่วยงานกำกับดูแล และ EUR-Lex สำหรับกฎหมายของสหภาพยุโรป พอร์ทัลแต่ละแห่งมีรูปแบบและลักษณะเฉพาะของตนเอง ซึ่งอาจเปลี่ยนแปลงได้โดยไม่มีการแจ้งเตือน ดังนั้นงานด้านวิศวกรรมส่วนสำคัญของเราจึงมุ่งไปที่การเฝ้าติดตามและการกู้คืนระบบอัตโนมัติสำหรับแต่ละพอร์ทัล เอกสารทุกฉบับที่เรานำเข้ายังคงระบุแหล่งที่มาและมีลิงก์ถาวรกลับไปยังระเบียนทางการของรัฐบาล ลิงก์นั้นเป็นรากฐานของทุกสิ่งที่ตามมา

ข้อมูลทั้งหมดถูกรวบรวมไว้ในโมเดลเดียวที่ครอบคลุมหลายเขตอำนาจศาล ทั้งกฎหมาย คำพิพากษาคดี เอกสารรัฐสภา คำวินิจฉัยของหน่วยงาน และแนวทางต่าง ๆ เราแยกกฎหมายออกเป็นรายมาตรา เพื่อให้ค้นคืนและอ้างอิงบทบัญญัติแต่ละข้อได้อย่างแม่นยำ คำพิพากษาของเนเธอร์แลนด์และคำวินิจฉัยของเยอรมนียังคงมีฟิลด์เฉพาะที่ระบบภายในประเทศของตนกำหนดไว้ ขณะเดียวกัน เราก็ปรับมาตรฐานวิธีระบุประเภท จัดหมวดหมู่ และเชื่อมโยงเอกสารเหล่านั้นข้ามพรมแดน

เอกสารทางกฎหมายอ้างอิงถึงกันอยู่ตลอด คำพิพากษาอ้างถึงมาตราที่นำมาใช้และคำวินิจฉัยที่ยึดถือเป็นแนวทาง ขณะที่กฎหมายก็อ้างถึงกฎหมายฉบับอื่น ๆ เอ็นจินของเรารู้จำรายการอ้างอิงเหล่านี้ ซึ่งมีรูปแบบแตกต่างกันมากตามเขตอำนาจศาล จากนั้นจะจับคู่รายการอ้างอิงกับเอกสารจริงใน Data Layer และจัดเก็บลิงก์แบบสองทิศทาง วิศวกรด้านกฎหมายตรวจสอบรูปแบบการดึงข้อมูล ผลลัพธ์คือแผนผังการอ้างอิงที่มีลิงก์หลายร้อยล้านรายการ ทำให้คุณเห็นได้ว่าเอกสารแต่ละฉบับอ้างถึงอะไร และมีเอกสารใดอ้างถึงฉบับนั้นบ้าง

ส่วนเรื่องภาษา เราจัดการด้วยการคงเอกสารต้นฉบับไว้ตามเดิม เราไม่แปลเนื้อหาต้นฉบับ คำวินิจฉัยของเบลเยียมจึงยังคงเป็นภาษาฝรั่งเศสหรือภาษาดัตช์ และการค้นหาก็ทำในภาษาต้นฉบับ เราผสานการค้นหาด้วยคำสำคัญและการค้นหาเชิงความหมาย จัดอันดับผลลัพธ์ใหม่ และจำกัดขอบเขตของแต่ละคำค้นให้อยู่ในเขตอำนาจศาลที่เกี่ยวข้อง Luna ผู้ช่วยงานวิจัยของเรา ตอบเป็นภาษาใดก็ได้ตามที่คุณร้องขอ ขณะเดียวกันก็ค้นหาจากแหล่งข้อมูลต้นทางแต่ละแห่งในภาษาต้นฉบับ

แพลตฟอร์ม Moonlit, Data API ของเรา และเซิร์ฟเวอร์ MCP ต่างอ่านข้อมูลจาก Data Layer เดียวกัน API เปิดให้เข้าถึงรูปแบบการค้นหาของเรา แผนผังการอ้างอิง และการดึงข้อมูลฉบับเต็มผ่านโปรแกรม ส่วนเซิร์ฟเวอร์ MCP ทำให้ผู้ช่วย AI ภายนอกทุกตัวใช้เครื่องมือแบบอ่านอย่างเดียวได้ 9 รายการ เมื่อเราปรับปรุงข้อมูลพื้นฐาน การปรับปรุงนั้นจะส่งผลถึงทุกช่องทางพร้อมกัน

Moonlit เปิดตัวคำอธิบายกฎหมายที่สร้างโดย AI และผ่านการตรวจทานจากผู้เชี่ยวชาญด้านกฎหมายที่ระบุชื่อ โดยผสานการร่างเอกสารอัตโนมัติเข้ากับการตรวจสอบโดยมนุษย์ ในทางปฏิบัติ กระบวนการนี้ทำงานอย่างไร และมีมาตรการคุ้มครองใดบ้างเพื่อให้การตีความที่สร้างโดย AI มีความถูกต้อง โปร่งใส และตรวจสอบย้อนกลับไปยังแหล่งข้อมูลทางกฎหมายที่เชื่อถือได้

บทวิเคราะห์กฎหมายเริ่มต้นจากตัวบทกฎหมายเอง ระบบของเราจัดทำร่างโดยอาศัยแหล่งข้อมูลปฐมภูมิใน Data Layer ซึ่งรวมถึงกฎหมาย คำพิพากษา คำสั่ง และประวัติการพิจารณาของรัฐสภาที่เกี่ยวข้องกับบทบัญญัตินั้น ระบบอ้างอิงได้เฉพาะเอกสารที่เรามีอยู่เท่านั้น ดังนั้น ข้อความทุกข้อจึงเชื่อมโยงกับบทบัญญัติที่นำมาตีความและแหล่งข้อมูลที่รองรับ ตัวอย่างเช่น บทวิเคราะห์กฎหมายฉบับหนึ่งที่เราเผยแพร่ตอนเปิดตัวเชื่อมโยงกับแหล่งข้อมูลที่ผ่านการตรวจสอบแล้ว 165 แหล่ง

ก่อนเผยแพร่บทวิเคราะห์กฎหมาย ผู้เชี่ยวชาญด้านกฎหมายในสาขานั้นจะตรวจร่างโดยเทียบกับแหล่งข้อมูลปฐมภูมิเหล่านี้ บรรณาธิการของเราเป็นนักวิชาการและผู้เขียนที่ปฏิบัติงานในวิชาชีพ ซึ่งได้รับค่าตอบแทนจากการทำงาน กลุ่มผู้ร่วมงานในช่วงเปิดตัวมาจากมหาวิทยาลัย ศาล หน่วยงานภาครัฐ บริษัทที่ปรึกษา และสำนักงานกฎหมาย พวกเขาแก้ไขร่าง ตัดเนื้อหาที่ไม่ควรมีออก และเพิ่มเติมส่วนที่ขาด ชื่อของพวกเขาปรากฏอยู่บนหน้าอย่างชัดเจน

ตรารับรองการตรวจสอบระบุข้อความที่บรรณาธิการตรวจสอบความถูกต้องแล้ว เพื่อให้เห็นได้ชัดเจนเสมอว่าส่วนใดได้รับการรับรองจากผู้เชี่ยวชาญที่เป็นมนุษย์

บทวิเคราะห์แต่ละฉบับยังระบุวันที่อ้างอิง เพื่อแสดงสถานะของกฎหมาย ณ เวลาที่ตรงตามวันที่ดังกล่าว Data Layer อัปเดตทุกวันและแจ้งเตือนบรรณาธิการเมื่อมีคำวินิจฉัยใหม่ที่เกี่ยวข้อง จากนั้นบรรณาธิการจะปรับปรุงเนื้อหาและเลื่อนวันที่อ้างอิงให้เป็นปัจจุบัน

กลไกคุ้มครองพื้นฐานที่อยู่เบื้องหลังทั้งหมดนี้คือลิงก์ หากคลิกไปดูคำวินิจฉัยที่รองรับข้อสรุปนั้นไม่ได้ ก็เท่ากับว่าคุณถูกขอให้เชื่อโดยไม่มีหลักฐาน เราสร้าง Commentaries ขึ้นมาเพื่อไม่ให้ใครต้องทำเช่นนั้น

การผสานการทำงานผ่าน Model Context Protocol (MCP) ช่วยให้ Moonlit นำข้อมูลเชิงลึกด้านกฎหมายไปไว้ในผู้ช่วย AI ได้โดยตรง เช่น ChatGPT, Claude และ Microsoft Copilot สถาปัตยกรรมนี้ทำอะไรได้บ้างที่ระบบสร้างผลลัพธ์ด้วยการดึงข้อมูลมาเสริมแบบเดิมอาจทำได้ยาก และคุณทำอย่างไรเพื่อให้มั่นใจว่าผู้ช่วยเหล่านี้ใช้ข้อมูลกฎหมายที่ดึงมาอย่างมีความรับผิดชอบ

ระบบ RAG แบบเดิมจะบันทึกภาพข้อมูลของเอกสารบางส่วน ตัดเอกสารออกเป็นส่วนย่อย แปลงส่วนเหล่านั้นเป็นเวกเตอร์ แล้วส่งส่วนที่ได้คะแนนความคล้ายคลึงสูงสุดให้แก่โมเดล แต่เมื่อนำมาใช้กับกฎหมาย วิธีนี้มีข้อบกพร่องอยู่สามประการ ภาพข้อมูลที่บันทึกไว้จะล้าสมัย การค้นหาด้วยความคล้ายคลึงไม่แม่นยำพอที่จะค้นหามาตราหรือหมายเลขคดีที่ตรงกันได้ และส่วนย่อยของเอกสารก็ไม่ได้บอกว่าตัวเอกสารอ้างถึงอะไร หรือคำวินิจฉัยในภายหลังส่งผลต่อเอกสารนั้นอย่างไร

เมื่อใช้เซิร์ฟเวอร์ MCP ผู้ช่วยจะค้นคว้าด้วยตัวเอง โดยค้นหาจากความหมายหรือใช้คำค้นและการอ้างอิงที่ตรงตัวร่วมกับตัวดำเนินการบูลีน ไล่ตามการอ้างอิงระหว่างเอกสาร อ่านเอกสารฉบับเต็ม และดึงบทบัญญัติแต่ละมาตราออกมาได้ นอกจากนี้ยังตรวจสอบได้ว่ามีเขตอำนาจศาลและพอร์ทัลทางการใดบ้าง โมเดลจะตัดสินใจว่าต้องใช้อะไร อ่านผลลัพธ์ที่ได้รับ แล้วค้นหาอีกครั้งจนกว่าจะได้คำตอบที่น่าเชื่อถือ วงจรการทำงานนี้เองที่สร้างความแตกต่าง Luna เปลี่ยนมาใช้เซิร์ฟเวอร์ MCP เดียวกันในเดือนกันยายน และคำตอบก็รวดเร็วขึ้นพร้อมกับมีคุณภาพดีขึ้น ข้อมูลยังเป็นปัจจุบันด้วย กล่าวคือ ผู้ช่วยอ่านข้อมูลจาก Data Layer ตามสถานะที่เป็นอยู่ในวันนี้

การใช้งานอย่างมีความรับผิดชอบเริ่มต้นจากการกำหนดขอบเขตให้ชัดเจน เครื่องมือของเราอ่านข้อมูลได้อย่างเดียว และเชื่อมโยงผลลัพธ์กลับไปยังแหล่งข้อมูลทางการ เรายังเผยแพร่คำแนะนำการค้นคว้าที่เรียบง่าย ซึ่งผู้ช่วยสามารถทำตามได้ คำแนะนำเหล่านี้อธิบายวิธีค้นหาในภาษาต้นฉบับของแหล่งข้อมูล ตรวจสอบข้อความก่อนนำไปอ้างอิง ยืนยันเวอร์ชัน และระบุให้ชัดเจนเมื่อแหล่งข้อมูลที่มีอยู่ยังไม่ครอบคลุม

ผู้ช่วยแต่ละระบบแสดงเหตุผลของตนแตกต่างกัน และเราไม่สามารถควบคุมเรื่องนั้นได้ สิ่งที่เราทำได้คือช่วยให้ตรวจสอบแหล่งข้อมูลได้ง่าย การอ้างอิงทุกแห่งนำไปยังเอกสาร และเอกสารทุกฉบับเชื่อมโยงไปยังแหล่งเผยแพร่ทางการ

ข้อมูลกฎหมายเปลี่ยนแปลงอยู่เสมอเมื่อมีการเผยแพร่คำวินิจฉัยใหม่ กฎระเบียบเปลี่ยนแปลง และมีการโต้แย้งบรรทัดฐานเดิม Moonlit ใช้โครงสร้างพื้นฐานการติดตามอัตโนมัติอย่างไรในการระบุและนำพัฒนาการเหล่านี้มาปรับใช้ และแพลตฟอร์มป้องกันไม่ให้ระบบ AI อ้างอิงกฎหมายที่ล้าสมัยหรือการตีความกฎหมายที่ถูกแทนที่ไปแล้วได้อย่างไร

การป้องกันไม่ให้ AI หรือนักวิจัยอ้างอิงกฎหมายที่ไม่ถูกต้องขึ้นอยู่กับความเชื่อมโยงระหว่างเอกสาร ทันทีที่คำพิพากษาใหม่หรือการแก้ไขกฎหมายเข้าสู่ระบบ กราฟการอ้างอิงจะเชื่อมโยงเอกสารนั้นกับบทบัญญัติและคดีเดิมที่เอกสารดังกล่าวอ้างถึง หากศาลอุทธรณ์กลับคำวินิจฉัยเดิมหรือจำกัดขอบเขตของคำวินิจฉัยนั้น พัฒนาการดังกล่าวจะเชื่อมตรงกับคำวินิจฉัยต้นฉบับในฐานะคำวินิจฉัยที่อ้างถึงคำวินิจฉัยนั้น โมเดลที่ติดตามกราฟจะเห็นผลที่เกิดขึ้นภายหลังได้ทันที แทนที่จะมองว่าบรรทัดฐานที่ล้าสมัยยังคงเป็นกฎหมายที่ใช้บังคับได้ บนแพลตฟอร์ม ผู้ใช้สามารถเปลี่ยนข้อมูลที่ไหลเข้ามาแบบเดียวกันนี้ให้เป็น Monitors ที่ทำงานอยู่ โดยกำหนดกฎหมาย ศาล หรือหัวข้อเฉพาะที่ต้องการติดตาม

การรักษาความเป็นปัจจุบันของบทวิเคราะห์กฎหมายเป็นจุดบอดสำคัญมาโดยตลอด โดยทั่วไป ชุดบทวิเคราะห์กฎหมายเชิงพาณิชย์จะได้รับการทบทวนเพื่อปรับปรุงข้อมูลเพียงปีละหนึ่งหรือสองครั้ง ในสาขาที่เปลี่ยนแปลงรวดเร็ว เช่น ภาษีทางอ้อมหรือการคุ้มครองข้อมูล ความล่าช้านี้ก่อให้เกิดความเสี่ยงด้านการปฏิบัติตามกฎระเบียบอย่างร้ายแรง เนื่องจาก Data Layer ของเราประเมินสิ่งพิมพ์ที่เข้ามาใหม่โดยเทียบกับบทวิเคราะห์ของเราทุกวัน คำวินิจฉัยใหม่จึงได้รับการแจ้งเตือนถึงบรรณาธิการผู้เขียนทันที บรรณาธิการจะปรับปรุงการวิเคราะห์และเลื่อนวันที่อ้างอิงให้เป็นปัจจุบัน เพื่อให้ทั้งผู้ประกอบวิชาชีพและโมเดล AI ใช้ข้อมูลตามสถานะที่แท้จริงของกฎหมาย แทนที่จะอาศัยมุมมองที่ล้าหลังไป 12 เดือน

การค้นคว้ากฎหมายข้ามพรมแดนมีความซับซ้อนมากกว่าการแปลเอกสาร โดยเฉพาะเมื่อแต่ละประเทศตีความหรือนำกฎระเบียบที่คล้ายคลึงกันไปใช้แตกต่างกัน AI ของ Moonlit แยกแยะความแตกต่างระหว่างเขตอำนาจศาลเหล่านี้อย่างไร และจะทำอย่างไรเมื่อแหล่งข้อมูลทางกฎหมายที่มีอำนาจดูเหมือนขัดแย้งกันเอง

คำสั่งของสหภาพยุโรปกับกฎหมายระดับชาติที่นำคำสั่งนั้นไปบังคับใช้เป็นเอกสารคนละฉบับกัน โดยเชื่อมโยงถึงกันในกรณีที่ฉบับหนึ่งอ้างถึงอีกฉบับหนึ่ง ส่วนคำวินิจฉัยระดับชาติที่นำคำพิพากษาของศาลยุติธรรมแห่งสหภาพยุโรปมาปรับใช้ก็เชื่อมโยงกับคำพิพากษานั้นเช่นกัน นี่จึงเป็นเหตุผลที่ Commentaries เริ่มต้นด้วยเรื่องภาษีมูลค่าเพิ่ม กฎเกณฑ์ส่วนใหญ่ได้รับการปรับให้สอดคล้องกันในระดับสหภาพยุโรป แล้วจึงมีการตีความในแต่ละประเทศสมาชิก

ความขัดแย้งเป็นเรื่องปกติในแวดวงกฎหมาย และเราไม่ปกปิดไว้ เมื่อแหล่งข้อมูลที่มีอำนาจอ้างอิงสองแหล่งดูเหมือนจะขัดแย้งกัน ผู้อ่านจะได้เห็นทั้งสองแหล่ง จากนั้นลำดับชั้นของแหล่งข้อมูลก็ช่วยตัดสินได้เป็นส่วนใหญ่ กล่าวคือ คำวินิจฉัยที่ออกภายหลังย่อมอยู่เหนือคำวินิจฉัยก่อนหน้า ศาลยุติธรรมแห่งสหภาพยุโรปย่อมอยู่เหนือศาลระดับชาติในประเด็นกฎหมายของสหภาพยุโรป และให้ยึดบทบัญญัติตามที่มีผลบังคับใช้ ณ วันที่อ้างอิง ใน Commentaries บรรณาธิการจะเปิดเผยให้เห็นว่าได้ตัดสินใจอย่างไร และแสดงแหล่งข้อมูลไว้ข้างคำตัดสินนั้น

เทคโนโลยีของ Moonlit ถูกนำไปใช้โดยองค์กรต่าง ๆ ซึ่งรวมถึงศาลฎีกาเนเธอร์แลนด์ Deloitte และสถาบันด้านกฎหมายและหน่วยงานภาครัฐอื่น ๆ คุณช่วยยกตัวอย่างการใช้งานจริงที่แสดงให้เห็นว่าแพลตฟอร์มนี้ช่วยปรับเปลี่ยนกระบวนการค้นคว้าข้อมูลทางกฎหมายอย่างไรได้ไหม และคุณวัดการพัฒนาด้านความแม่นยำ ความครบถ้วน หรือประสิทธิภาพในการค้นคว้า เมื่อเทียบกับวิธีการแบบดั้งเดิมอย่างไร

ตัวอย่างเช่น ในธุรกิจเทคโนโลยีทางการเงิน ทีมกฎหมายของ Quantoz Payments เชื่อมต่อเซิร์ฟเวอร์ MCP ของ Moonlit เข้ากับ Claude พร้อมใช้เวิร์กโฟลว์ที่พัฒนาขึ้นโดยเฉพาะสำหรับกฎระเบียบด้านการชำระเงินข้ามพรมแดน เวิร์กโฟลว์ที่ระบบนี้เข้ามาแทนที่เป็นแนวทางปฏิบัติมาตรฐานแบบดั้งเดิมทั่วทั้งยุโรป โดยทั่วไปทนายความต้องเปิดพอร์ทัลในหลายประเทศ ค้นหาข้อมูลหลายภาษา คัดลอกการอ้างอิงไปใส่ในบันทึกความเห็นทางกฎหมาย และหวังว่าจะไม่มีคำวินิจฉัยสำคัญในระดับท้องถิ่นหลุดรอดไป ตอนนี้ระบบของทีมนี้ค้นหาข้อมูลจากหลายเขตอำนาจศาลได้พร้อมกัน ติดตามแผนผังการอ้างอิง และแสดงเอกสารต้นฉบับควบคู่กับลิงก์ไปยังแหล่งข้อมูลทางการ สำหรับทีมกฎหมายภายในองค์กร ผลลัพธ์ที่ได้ชัดเจนมาก ระบบช่วยขจัดจุดบอดที่ทำให้พลาดคำวินิจฉัยจากต่างประเทศ และลดเวลาที่ต้องใช้ไปกับการรวบรวมข้อมูลแบบซ้ำ ๆ เพื่อให้มีเวลาไปกับการวิเคราะห์ทางกฎหมายและการประเมินความเสี่ยงจริง ๆ มากขึ้น

ในด้านการพัฒนาผลิตภัณฑ์ ประสิทธิภาพที่เห็นได้จะมีลักษณะแตกต่างออกไปมาก ทีมที่พัฒนาผลิตภัณฑ์ AI ด้านกฎหมายวัดการพัฒนาจากจำนวนเดือนทำงานด้านวิศวกรรมที่ประหยัดได้ Eudia บริษัท AI ด้านกฎหมาย ต้องการข้อมูลกฎหมายยุโรปที่จัดโครงสร้างไว้เพื่อใช้ขับเคลื่อนผลิตภัณฑ์ของตน และผู้จัดการผลิตภัณฑ์ของบริษัทระบุว่า Data API ของเราช่วยให้ได้คลังข้อมูลกฎหมายยุโรปที่ครบถ้วนภายในไม่กี่วัน หากไม่มีโครงสร้างพื้นฐานข้อมูลรองรับ ก็หมายถึงการต้องสร้างและดูแลโปรแกรมดึงข้อมูลเฉพาะสำหรับพอร์ทัลระดับชาติทุกแห่งไปอย่างไม่มีกำหนด แพลตฟอร์มอื่น ๆ เช่น Saga และ Legal Mind ก็ใช้โครงสร้างพื้นฐานเดียวกันนี้ และตอนนี้สามารถส่งมอบ Commentaries ที่ผ่านการตรวจสอบแล้วให้แก่ผู้ใช้ปลายทางของตนได้โดยตรงเช่นกัน

เมื่อมองไปข้างหน้า ขณะที่โมเดลพื้นฐานมีความสามารถเพิ่มขึ้นอย่างต่อเนื่อง และเอเจนต์ AI รับหน้าที่ค้นคว้าข้อมูลทางกฎหมายที่ซับซ้อนยิ่งขึ้น คุณมองว่าความสัมพันธ์ระหว่างโมเดล AI อเนกประสงค์กับโครงสร้างพื้นฐานข้อมูลกฎหมายเฉพาะทางจะพัฒนาไปอย่างไร วิสัยทัศน์ระยะยาวของคุณสำหรับ Moonlit คืออะไร โดยเฉพาะในแง่ของการทำให้ผู้คนเข้าถึงข้อมูลเชิงลึกด้านกฎหมายที่เชื่อถือได้ นอกเหนือจากสำนักงานกฎหมายและสถาบันขนาดใหญ่

โมเดลที่ทรงพลังยิ่งขึ้นย่อมให้เหตุผลจากแหล่งข้อมูลที่ป้อนให้ได้ดีขึ้น แต่ไม่อาจสร้างเอกสารต้นฉบับที่เชื่อถือได้ขึ้นมาเองจากความว่างเปล่า เมื่อโมเดลพื้นฐานมีความสามารถมากขึ้น คุณค่าของชั้นข้อมูลที่ผ่านการตรวจสอบแล้วก็ยิ่งเพิ่มสูงขึ้น เมื่อการใช้เหตุผลแพร่หลายมากขึ้น คอขวดที่แท้จริงจะเปลี่ยนไปอยู่ที่คุณภาพของข้อมูล เพราะเอเจนต์ยังต้องอาศัยข้อมูลกฎหมายที่ถูกต้องและมีโครงสร้างเพื่อนำไปใช้งาน

โมเดลอเนกประสงค์และเอเจนต์อัตโนมัติจะรับหน้าที่ร่างเนื้อหา สังเคราะห์ข้อมูล และโต้ตอบผ่านการสนทนา ส่วนโครงสร้างพื้นฐานเฉพาะทางอย่าง Moonlit จะจัดการกับปัญหาข้อมูลที่ซับซ้อนในระดับพื้นฐาน โดยดูแลให้ข้อมูลกฎหมายเป็นปัจจุบัน มีโครงสร้าง และตรวจสอบยืนยันได้ พร้อมส่งข้อมูลให้โดยตรงผ่านโปรโตคอลใดก็ตามที่เอเจนต์เหล่านั้นใช้ เราเตรียมพร้อมรับการเปลี่ยนแปลงนี้ไว้ตั้งแต่เนิ่น ๆ ผู้ช่วยของเราเองทำงานบนเซิร์ฟเวอร์ MCP เดียวกันกับที่เอเจนต์ภายนอกเชื่อมต่ออยู่ และขณะนี้ทีมต่าง ๆ ก็ใช้งานเอเจนต์เฉพาะที่พัฒนาขึ้นเองบนโครงสร้างนี้แล้ว

สถาปัตยกรรมนี้ยังเป็นหัวใจสำคัญของวิสัยทัศน์ระยะยาวของเราด้วย ในอดีต ข้อมูลเชิงลึกทางกฎหมายข้ามพรมแดนที่เชื่อถือได้เป็นสิ่งที่มีราคาแพง มีเพียงสำนักงานกฎหมายขนาดใหญ่ที่สุดและบริษัทข้ามชาติที่จ่ายค่าสมัครใช้บริการราคาแพงสำหรับหลายประเทศได้เท่านั้นที่เข้าถึงได้ การเปิดให้ใช้ Commentaries อ่านได้ฟรี และเปิดชั้นข้อมูลของเราให้นักพัฒนาทุกคนเข้าถึงผ่าน API และตัวเชื่อมต่อสมัยใหม่ ช่วยให้เราต้องการสร้างโอกาสที่เท่าเทียมกัน ผู้ประกอบวิชาชีพกฎหมายที่ทำงานเพียงลำพังและให้คำปรึกษาแก่ธุรกิจข้ามพรมแดน หรือที่ปรึกษากฎหมายภายในบริษัทระยะเริ่มต้น ควรเข้าถึงงานค้นคว้าที่แม่นยำและการอ้างอิงที่ผ่านการตรวจสอบแล้วได้เช่นเดียวกับบริษัทที่ปรึกษาระดับโลก

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการสำรวจข้อมูลกฎหมายที่ผ่านการตรวจสอบและการค้นคว้าข้ามพรมแดนโดยใช้ AI ช่วย สามารถเข้าไปที่ Moonlit ได้