Sarah Webb ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการและผู้ร่วมก่อตั้ง LawVu – ซีรีส์บทสัมภาษณ์

Sarah Webb เป็นประธานเจ้าหน้าที่ฝ่ายปฏิบัติการและผู้ร่วมก่อตั้ง LawVu โดยมีพื้นฐานด้านวิศวกรรมและการเป็นผู้นำด้านซอฟต์แวร์ ซึ่งรวมถึงการทำงานในตำแหน่งต่าง ๆ ที่ LOVEFiLM และ Amazon เธอเข้าร่วม LawVu ในตำแหน่งประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีเมื่อปี 2015 และขึ้นเป็นประธานเจ้าหน้าที่ฝ่ายปฏิบัติการในปี 2020 โดยนำประสบการณ์ด้านเทคโนโลยี การดำเนินงาน ความมั่นคงปลอดภัย และธรรมาภิบาลมาประยุกต์ใช้ งานของเธอมุ่งช่วยให้ทีมกฎหมายเชื่อมโยงข้อมูลและขั้นตอนการทำงานเข้าด้วยกัน พร้อมสร้างสมดุลระหว่างนวัตกรรม AI กับความเสี่ยงระดับองค์กร

LawVu ให้บริการระบบปฏิบัติการด้านกฎหมายสำหรับทีมกฎหมายภายในองค์กร โดยรวบรวมการรับเรื่อง งานด้านกฎหมาย สัญญา ค่าใช้จ่าย และองค์ความรู้ไว้บนแพลตฟอร์มเดียวที่เชื่อมโยงถึงกัน ความสามารถด้าน AI และการผสานการทำงานกับระบบอื่นช่วยให้ทีมทำงานผ่านเครื่องมือที่ใช้อยู่เดิมได้ พร้อมคงไว้ซึ่งการกำหนดสิทธิ์และการกำกับดูแล ในบทสัมภาษณ์นี้ Webb พูดคุยถึง AI เงา ขั้นตอนการทำงานที่ขับเคลื่อนด้วยเอเจนต์ องค์ความรู้ขององค์กร และรากฐานที่องค์กรจำเป็นต้องมีเพื่อปรับใช้ AI ภายใต้การกำกับดูแล

คุณร่วมก่อตั้ง LawVu หลังจากใช้เวลาส่วนใหญ่ในอาชีพสร้างและนำทีมซอฟต์แวร์ รวมถึงที่ LOVEFiLM และ Amazon อะไรทำให้คุณมองเห็นว่าการดำเนินงานด้านกฎหมายขององค์กรเป็นปัญหาที่ควรแก้ไข และวิสัยทัศน์ดั้งเดิมที่คุณมีต่อ LawVu เปลี่ยนแปลงไปอย่างไรบ้าง เมื่อ AI เข้ามาพลิกโฉมภูมิทัศน์ด้านเทคโนโลยี

ช่วงต้นของอาชีพ ฉันทำงานส่วนใหญ่ในสายวิศวกรรมและเทคโนโลยี รวมถึงที่ LOVEFiLM และ Amazon การย้ายมาทำงานด้านเทคโนโลยีกฎหมายไม่ใช่สิ่งที่ฉันวางแผนไว้ แต่เกิดขึ้นจากสถานการณ์มากกว่า ตอนนี้ฉันอยู่ที่ LawVu มาเกือบ 11 ปีแล้ว โดยเริ่มจากตำแหน่งประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี ก่อนจะย้ายมารับตำแหน่งประธานเจ้าหน้าที่ฝ่ายปฏิบัติการในเวลาไม่นาน และการเปลี่ยนแปลงนี้เพียงอย่างเดียวก็ทำให้มุมมองที่ฉันมีต่อธุรกิจเปลี่ยนไปมาก

ในช่วงแรก ปัญหาแรกที่เราพยายามแก้คือการทำให้มองเห็นข้อมูลได้ชัดเจน ลูกค้าส่วนใหญ่กำลังเปลี่ยนผ่านจาก Outlook และสเปรดชีต Excel การรวบรวมทุกอย่างไว้ในที่เดียวจึงถือเป็นความสำเร็จอย่างแท้จริง จากนั้นทีมต่าง ๆ ก็เริ่มทำงานทางไกล และเมื่อไม่มีแพลตฟอร์มส่วนกลาง การทำงานร่วมกันก็ยิ่งยากขึ้น เรื่องนี้ยิ่งตอกย้ำสิ่งที่เราเห็นอยู่แล้วว่า งานกฎหมายที่ทำซ้ำ ๆ จำนวนมากไม่ได้รับการเห็นคุณค่า หรือแม้แต่ไม่ได้เป็นที่รับรู้ของส่วนอื่น ๆ ในธุรกิจ เพราะไม่มีพื้นที่ให้แสดงให้เห็นว่ามีงานเหล่านี้อยู่ ช่วงเวลานั้นทำให้เราต้องให้ความรู้แก่ลูกค้าอย่างจริงจังเกี่ยวกับวิธีจัดโครงสร้างข้อมูลและบริหารการเปลี่ยนแปลงภายในองค์กร ไม่ใช่แค่มอบเครื่องมือให้พวกเขา

เรายังพัฒนาการผสานการทำงานกับชุดผลิตภัณฑ์ Microsoft ตั้งแต่ช่วงแรก เพราะเป้าหมายของเราคือการทำให้ธุรกิจใช้งานได้ในสภาพแวดล้อมที่ทำงานอยู่แล้วในแต่ละวัน แทนที่จะขอให้ทีมละทิ้งสิ่งที่คุ้นเคย สิ่งที่เปลี่ยนไปนับแต่นั้นคือขนาดและระดับของสิ่งที่แนวคิดเดียวกันนี้ต้องรองรับ ในอดีต การลดอุปสรรคในการเริ่มต้นเพื่อให้ได้ชุดข้อมูลที่นำไปใช้ได้จริงเป็นเรื่องของความสะดวกสบาย แต่ตอนนี้ นี่คือสิ่งที่แบ่งแยก AI ที่ลงมือจัดการงานกฎหมายได้จริง ออกจาก AI ที่เพียงสะท้อนความกระจัดกระจายแบบเดิมกลับมา

คุณเคยกล่าวว่า “AI เงา” มักเป็นปัญหาของขั้นตอนการทำงาน มากกว่าจะเป็นปัญหาของพนักงาน ในทางปฏิบัติหมายความว่าอย่างไร และองค์กรจะเรียนรู้อะไรได้บ้างเมื่อพนักงานข้ามเครื่องมือหรือระบบ AI ที่ได้รับอนุมัติ แล้วหันไปใช้ทางเลือกของตนเอง

หากองค์กรไม่มีเครื่องมือที่เหมาะสมให้ใช้ภายใน พนักงานก็จะไปหาเครื่องมือของตนเองเพื่อให้ทำงานได้มีประสิทธิภาพขึ้น นั่นคือต้นตอของปัญหา เมื่อมีคนข้ามระบบที่ได้รับอนุมัติ สัญชาตญาณแรกมักเป็นการมองว่าเป็นการละเมิดข้อกำหนด ซึ่งต้องควบคุมให้เข้มงวดหรือออกนโยบายห้าม แต่ในทางปฏิบัติ พฤติกรรมนี้มักกำลังบอกบางอย่างเกี่ยวกับขั้นตอนการทำงาน นั่นคือช่องทางที่ได้รับอนุมัติช้ากว่าหรือยุ่งยากกว่าทางเลือกอื่น ผู้คนจึงหาวิธีเลี่ยงและทำงานในแบบของตนเอง

นี่คือเหตุผลที่ AI เงาเป็นความเสี่ยงมากกว่าไอทีเงาในอดีตอย่างมาก เหตุการณ์ที่เกี่ยวข้องกับ AI เงาคิดเป็น 20 เปอร์เซ็นต์ของการละเมิดข้อมูล โดยมีค่าใช้จ่ายเฉลี่ย 10.2 ล้าน ดอลลาร์ เพราะผู้คนไม่ได้เพียงนำเครื่องมือที่ไม่ได้รับอนุมัติมาใช้ แต่ยังป้อนข้อมูลอ่อนไหวให้เครื่องมือโดยตรง ทั้งข้อความในสัญญา เงื่อนไขข้อตกลง และเหตุผลภายในองค์กร

สิ่งที่องค์กรควรเรียนรู้จากเรื่องนี้จริง ๆ คือช่องว่างอยู่ตรงไหน การไม่มีทางเลือกที่ปลอดภัยและมีข้อมูลรองรับไม่ได้ทำให้ผู้คนเลิกหันไปใช้ AI แต่กลับผลักให้พวกเขาใช้ AI ในที่ที่องค์กรตรวจไม่เห็น ยิ่งไปกว่านั้น ยังมีความเสี่ยงที่ลึกกว่านั้น ซึ่งไม่ได้จำกัดอยู่แค่เรื่องความปลอดภัย เมื่อกระจายงานไปตามเครื่องมือ AI ส่วนตัวแทนที่จะใช้ระบบที่มีโครงสร้างและทำงานร่วมกัน ธุรกิจก็จะตัดสินใจจากข้อมูลที่ไม่ครบถ้วน โดยไม่รู้ด้วยซ้ำว่าข้อมูลบางส่วนขาดหายไป หากเครื่องมือ AI มองเห็นข้อมูลที่เกี่ยวข้องได้เพียง 60 เปอร์เซ็นต์ เพราะข้อมูลที่เหลืออยู่ในบัญชีส่วนตัวของใครบางคน ความแม่นยำก็จะลดลงและความเสี่ยงที่จะตัดสินใจผิดก็จะเพิ่มขึ้น การห้ามใช้วิธีแก้ขัดไม่ได้ช่วยแก้ปัญหาเหล่านี้ แต่การมอบทางเลือกที่ดีกว่าวิธีแก้ขัดให้ผู้คนช่วยได้

จากการทำงานของ LawVu กับทีมกฎหมายในองค์กรหลายร้อยทีม คุณพบข้อผิดพลาดใดบ่อยที่สุดที่องค์กรทำเมื่อตั้งแนวทางกำกับดูแล AI โดยเฉพาะเมื่อพนักงานเข้าถึงเครื่องมือ AI แบบใช้งานทั่วไปที่มีความสามารถเพิ่มขึ้นเรื่อย ๆ

ข้อผิดพลาดที่พบบ่อยที่สุดคือการเข้าใจผิดว่านโยบายที่เขียนไว้เท่ากับมีมาตรการควบคุมที่ใช้งานได้จริง ปัจจุบันองค์กรจำนวนไม่น้อยมีเอกสารระบุแล้วว่าควรและไม่ควรใช้ AI อย่างไร แต่มีเพียงไม่กี่แห่งที่สร้างระบบการทำงานจริงมารองรับ เพื่อกำกับดูแลว่าเครื่องมือเข้าถึงอะไรได้ บันทึกว่าเครื่องมือทำอะไรไปบ้าง และเปิดให้ตรวจสอบย้อนกลับได้ในภายหลังหากจำเป็น

ความผิดพลาดข้อที่สองคือไม่คำนึงว่าความเสี่ยงจะเพิ่มขึ้นมากเพียงใดเมื่อทยอยนำเครื่องมือมาใช้ทีละชิ้น โซลูชันเฉพาะทางแต่ละอย่างที่ทีมเลือกใช้ ไม่ว่าจะเกี่ยวกับสัญญา ค่าใช้จ่าย หรือการรับเรื่อง ล้วนต้องมีการเชื่อมต่อระบบของตัวเอง ใช้โพรโทคอลการยืนยันตัวตนของตัวเอง และเก็บสำเนาข้อมูลละเอียดอ่อนของตัวเองไว้ด้วย แต่ละอย่างเมื่อพิจารณาแยกกันอาจดูจัดการได้ไม่ยาก ทว่าเมื่อนำมารวมกัน ก็ทำให้ระบบเทคโนโลยีด้านกฎหมายกลายเป็นเครือข่ายความเสี่ยงที่กระจัดกระจาย และเหตุละเมิดข้อมูลมากกว่าหนึ่งในสามมีต้นตอมาจากการเข้าถึงของบุคคลที่สามในลักษณะนี้โดยตรง ทีมส่วนใหญ่มักไม่รู้ว่าความเสี่ยงสะสมมากแค่ไหน จนกระทั่งต้องเป็นฝ่ายถูกตรวจสอบหลังเกิดเหตุผิดพลาดขึ้นแล้ว

ความผิดพลาดข้อที่สามคือปฏิบัติต่อเครื่องมือ AI อเนกประสงค์แตกต่างจากซอฟต์แวร์ประเภทอื่นที่เข้าถึงข้อมูลละเอียดอ่อน ลูกค้าทุกรายที่เราทำงานด้วยตั้งแต่วันแรก รวมถึงลูกค้าภาครัฐ ผ่านการประเมินความปลอดภัยอย่างครบถ้วนร่วมกับเรา เพราะข้อมูลที่อยู่ในระบบอย่างของเรานั้นเป็นข้อมูลที่ละเอียดอ่อนที่สุดประเภทหนึ่งที่บริษัทมี ทั้งความลับทางการค้า ข้อมูลการควบรวมและซื้อกิจการ และข้อมูลส่วนบุคคลที่ระบุตัวตนได้ (PII) พนักงานส่งมอบข้อมูลประเภทเดียวกันนี้ให้เครื่องมือ AI สาธารณะทุกวัน โดยไม่ได้รับการตรวจสอบอย่างเข้มงวดใกล้เคียงกันเลย เพราะไม่ได้รู้สึกเหมือนกำลังเลือกใช้ผู้ให้บริการรายใหม่ แต่รู้สึกเหมือนแค่กำลังใช้เครื่องมือ ช่องว่างระหว่างสิ่งที่ได้รับการตรวจสอบกับสิ่งที่ก่อให้เกิดความเสี่ยงจริงนี่เอง คือจุดที่โครงการกำกับดูแลส่วนใหญ่ล้มเหลว

LawVu ได้นำเอเจนต์ AI และเวิร์กโฟลว์แบบเอเจนต์มาใช้ในงานปฏิบัติการด้านกฎหมาย คุณพิจารณาอย่างไรว่ากระบวนการทางกฎหมายใดเหมาะกับการให้ AI ดำเนินการโดยอัตโนมัติ และกระบวนการใดควรต้องผ่านการตรวจสอบหรืออนุมัติจากมนุษย์เสมอ?

เราพิจารณาจากผลกระทบและความสามารถในการย้อนกลับมากกว่าความซับซ้อนของกระบวนการบนกระดาษ หากตรวจพบข้อผิดพลาดได้ในต้นทุนต่ำและแก้ไขได้ง่าย โดยทั่วไปก็มักเหมาะกับการทำงานอัตโนมัติ นี่จึงเป็นเหตุผลที่งานปริมาณมากและมีขอบเขตชัดเจน เช่น การรับเรื่องและการคัดแยก มักเหมาะกับแนวทางนี้

หากเรื่องใดเกี่ยวข้องกับข้อผูกพันต่อบุคคลภายนอก ความเสี่ยงทางกฎหมาย หรือการตัดสินใจที่ย้อนกลับได้ยาก จะต้องมีมนุษย์เข้ามามีส่วนร่วมเสมอ ไม่ว่าเอเจนต์จะดูแม่นยำเพียงใดในการทดสอบก็ตาม นี่คือหลักคิดเดียวกับที่เราใช้พิจารณาระดับความเสี่ยงที่ยอมรับได้ในภาพรวมของ LawVu เราจะประเมินว่าทีมรับความเสี่ยงได้แค่ไหน วางมาตรการควบคุมที่เหมาะสม แล้วจึงค่อยขยายการใช้งานต่อไป การทดสอบที่แท้จริงไม่ใช่ความแม่นยำ แต่คือเราสามารถระบุได้หรือไม่ว่าเอเจนต์เข้าถึงข้อมูลใด เพราะเหตุใดจึงดำเนินการเช่นนั้น ได้รับอนุญาตให้ทำหรือไม่ และเราสามารถพิสูจน์เรื่องนี้ได้ในภายหลังหรือไม่ หากตอบคำถามเหล่านี้ไม่ได้ กระบวนการก็ยังไม่พร้อมทำงานได้ด้วยตัวเอง

การตัดสินใจเหล่านี้ไม่ใช่เรื่องที่กำหนดครั้งเดียวแล้วจบ กระบวนการที่ปลอดภัยต่อการทำงานอัตโนมัติในวันนี้อาจไม่ปลอดภัยอีกต่อไปเมื่อมีการใช้งานขยายวงกว้าง หรือเมื่อเวิร์กโฟลว์เริ่มแตะต้องข้อมูลที่ละเอียดอ่อนกว่าตอนเริ่มต้น ดังนั้นจึงต้องกลับมาทบทวนขอบเขตอยู่เสมอ ไม่ใช่กำหนดไว้เพียงครั้งเดียว

เซิร์ฟเวอร์ MCP ของ LawVu ช่วยให้องค์กรเชื่อมต่อเครื่องมือต่าง ๆ เช่น ChatGPT, Claude และ Microsoft Copilot เข้ากับสภาพแวดล้อมการดำเนินงานด้านกฎหมายของตนได้โดยตรง บริษัทต่าง ๆ จะเปิดให้ระบบ AI ภายนอกเข้าถึงข้อมูลขององค์กรได้อย่างเป็นประโยชน์ พร้อมรักษาสิทธิ์การเข้าถึง ความสามารถในการตรวจสอบย้อนหลัง ความเป็นส่วนตัว และการควบคุมไว้ได้อย่างไร?

โดยทั่วไปผู้คนมักคิดว่าการเชื่อมต่อกับความปลอดภัยเป็นสิ่งที่ขัดแย้งกัน แต่ไม่จำเป็นต้องเป็นเช่นนั้น แพลตฟอร์มต้องยังคงเป็นแหล่งข้อมูลหลักที่ใช้กำหนดสิทธิ์ ไม่ใช่เครื่องมือ AI ที่ทำงานอยู่ด้านบน ไม่ว่าใครจะเริ่มสนทนาผ่าน ChatGPT, Claude หรือ Copilot สิ่งที่บุคคลนั้นได้รับอนุญาตให้เห็นและทำได้ก็ไม่ควรเปลี่ยนไปตามอินเทอร์เฟซที่บังเอิญเปิดใช้ในวันนั้น

แนวทางนี้จะใช้ได้ก็ต่อเมื่อสภาพแวดล้อมปลายทางมีมาตรการควบคุมที่เหมาะสมพร้อมอยู่แล้วก่อนเชื่อมต่อ ซึ่งเป็นขั้นตอนพื้นฐานที่บริษัทส่วนใหญ่มักข้ามไป ทุกคนมองว่า MCP ช่วยเพิ่มความปลอดภัยโดยอัตโนมัติ เพราะมีการเคลื่อนย้ายข้อมูลน้อยลง ซึ่งก็เป็นความจริง แต่จะเป็นเช่นนั้นได้ก็ต่อเมื่อระบบปลายทางระบุได้ว่ามีการเข้าถึงข้อมูลใด เพราะเหตุใด และโดยเอเจนต์ใดในนามของใคร รวมทั้งพิสูจน์เรื่องดังกล่าวย้อนหลังได้

เรื่องนี้ยังมีเหตุผลทางธุรกิจรองรับด้วย หากเครื่องมือ AI ส่วนกลางรู้ได้ว่าคำขอมีประเด็นด้านกฎหมายและส่งต่อไปยัง LawVu ได้โดยอัตโนมัติ ก็จะลดการโต้ตอบไปมาที่เกิดจากการที่พนักงานต้องรู้ก่อนว่าจะไปใช้ระบบใด ทั้งยังหมายความว่าพนักงานจะไม่หันไปใช้เครื่องมือ AI ส่วนตัวที่ไม่มีสิทธิ์เข้าถึงชุดข้อมูลที่ผ่านการตรวจสอบและปลอดภัยเลย การมอบจุดเริ่มต้นเพียงจุดเดียวที่มีการกำกับดูแลอย่างเหมาะสม ช่วยส่งเสริมการนำไปใช้ได้มากกว่าการปิดกั้นทุกอย่าง

โมเดล AI อเนกประสงค์อาจมีความสามารถสูง แต่บ่อยครั้งก็ขาดความทรงจำเชิงสถาบันขององค์กร บันทึกการตัดสินใจในอดีต และข้อมูลเฉพาะเกี่ยวกับระดับความเสี่ยงขององค์กร ต้องมีข้อมูลและโครงสร้างพื้นฐานใดประกอบโมเดล AI จึงจะนำไปใช้กับงานสำคัญที่มีความเสี่ยงสูงขององค์กรได้อย่างแท้จริง?

ผมมอง AI แนวราบว่าเป็นเหมือนคนแปลกหน้าที่ฉลาดเป็นเลิศ อ่านมามหาศาล เขียนได้อย่างยอดเยี่ยม และสนทนาได้แทบทุกเรื่อง แต่เขาไม่เคยพบลูกค้าของคุณ ไม่เคยเข้าร่วมการเจรจาของคุณ และไม่รู้ว่าองค์กรของคุณบริหารจัดการความเสี่ยงอย่างไร เขาไม่เคยเห็นบทสนทนาที่นำไปสู่ข้อยกเว้นซึ่งทีมของคุณตกลงกันไว้เมื่อหกเดือนก่อน

นี่จึงเป็นเหตุผลที่สิ่งแรก ๆ ที่หลายทีมกฎหมายทำคือเชื่อม AI เข้ากับคู่มือแนวทางปฏิบัติ และขอย้ำให้ชัดว่าเรื่องนี้มีคุณค่าอย่างยิ่ง การเปิดให้โมเดล AI เข้าถึงข้อสัญญาที่ต้องการ จุดยืนสำรอง เกณฑ์การอนุมัติ และแนวทางการเจรจา จะช่วยให้เห็นประสิทธิภาพที่เพิ่มขึ้นแทบจะในทันที อย่างไรก็ตาม ความท้าทายอยู่ที่การตัดสินใจทางกฎหมายที่สำคัญที่สุดมักเกิดขึ้นเมื่อจุดยืนมาตรฐานใช้ไม่ได้อีกต่อไป เช่น เมื่อลูกค้าเชิงกลยุทธ์ต้องการข้อยกเว้น โอกาสเติบโตสูงทำให้การรับความเสี่ยงเพิ่มเติมเป็นเรื่องสมเหตุสมผล หรือการเจรจาดำเนินมาถึงจุดที่ความสำคัญทางธุรกิจมีน้ำหนักเหนือกว่าข้อสัญญาที่ต้องการ

จุดนี้เองที่เริ่มเห็นบทบาทของดุลยพินิจทางกฎหมาย ความรู้ที่มีคุณค่ามากที่สุดบางส่วนอยู่ในข้อยกเว้น ไม่ใช่ในคู่มือแนวทางปฏิบัติ เราทำข้อยกเว้นให้ลูกค้ารายนี้เพราะอะไร? ครั้งล่าสุดที่เราเจรจาเงื่อนไขนี้กับคู่สัญญารายเดิมเกิดอะไรขึ้น? ธุรกิจยอมรับความเสี่ยงนี้ในกรณีอื่นหรือไม่? เคยยกระดับประเด็นนี้มาก่อนหรือไม่ และท้ายที่สุดมีการตัดสินใจอย่างไร?

คำตอบแทบไม่เคยอยู่ในเอกสารฉบับเดียว แต่กระจัดกระจายอยู่ในสัญญา การอนุมัติ อีเมล บันทึกเรื่องงานกฎหมาย บันทึกการประชุม ตลอดจนประสบการณ์ที่สั่งสมมาของผู้ที่เกี่ยวข้องในเวลานั้น เอกสารเพียงบันทึกผลลัพธ์ไว้ ส่วนองค์กรเก็บเหตุผลประกอบไว้ที่อื่น

คนแปลกหน้าที่เก่งกาจอาจเรียนรู้กฎเกณฑ์ได้อย่างรวดเร็วเป็นพิเศษ แต่การเข้าใจว่าเหตุใดจึงมีการผ่อนปรนกฎตั้งแต่แรกนั้นเป็นอีกเรื่องที่ท้าทายอย่างยิ่ง สิ่งที่มักแยก AI ที่มีประโยชน์ออกจาก AI ที่พลิกโฉมการทำงานได้ คือองค์กรเก็บรักษาประสบการณ์ของตนเองไว้ให้ AI เรียนรู้มากน้อยเพียงใด

หลายบริษัทมีระบบจัดการสัญญา เครื่องมือจัดการเรื่องงานกฎหมาย สเปรดชีต คลังอีเมล และแหล่งความรู้องค์กรอื่น ๆ ที่แยกขาดจากกัน การมีรากฐานข้อมูลที่เป็นหนึ่งเดียวก่อนนำเอเจนต์ AI มาใช้นั้นสำคัญเพียงใด และองค์กรต้องทำอะไรบ้างเพื่อให้ข้อมูลพร้อมใช้งานกับ AI อย่างแท้จริง?

ฝ่ายกฎหมายเป็นตัวอย่างที่ชัดเจนว่าทำไมเรื่องนี้จึงสำคัญ: มีการแก้ไขสัญญาด้วยการติดตามการเปลี่ยนแปลงใน Word การอนุมัติส่งผ่านอีเมล การตัดสินใจเกิดขึ้นบน Slack จากนั้นจึงนำ AI มาวางทับคลังเอกสาร แทนที่จะเชื่อมโยงกระบวนการทำงานเข้าด้วยกันจริง ๆ การนำ AI ไปวางบนระบบที่กระจัดกระจายเป็นเพียงการเข้าถึงความโกลาหลได้เร็วขึ้นเท่านั้น

บริษัทที่ใช้เวลาหลายปีสร้างโครงสร้างพื้นฐานด้านข้อมูลที่แท้จริงและจัดระบบต่าง ๆ ให้เป็นระเบียบก่อนที่ AI จะเข้ามา คือบริษัทที่ AI กำลังสร้างผลลัพธ์ให้เห็นแล้ว นี่คือหัวใจสำคัญ คุณไม่สามารถขยายการใช้งานเอเจนต์บนระบบจัดการสัญญา เครื่องมือจัดการเรื่องงานกฎหมาย สเปรดชีต และคลังอีเมลที่แยกขาดจากกัน แล้วคาดหวังผลลัพธ์ที่เชื่อถือได้ รากฐานต้องมาก่อน ได้แก่ ระบบที่เชื่อมต่อกัน การควบคุมสิทธิ์เข้าถึงที่ชัดเจน และระดับความเสี่ยงที่ยอมรับได้ซึ่งกำหนดไว้ ก่อนที่คุณจะเริ่มคิดถึงการขยายการใช้ AI ได้

เมื่อองค์กรขนาดใหญ่กำลังประเมินว่าจะสร้างแอปพลิเคชัน AI ของตนเอง ซื้อแพลตฟอร์ม AI เฉพาะทาง หรือเชื่อมต่อโมเดลอเนกประสงค์กับระบบที่มีอยู่ ผู้นำด้านเทคโนโลยีควรพิจารณาการตัดสินใจระหว่างการสร้าง การซื้อ และการผสานรวมอย่างไร?

การตัดสินใจว่าจะสร้างเองหรือซื้อฟังดูเหมือนเป็นเรื่องเทคโนโลยี จากประสบการณ์ของฉัน แท้จริงแล้วเป็นคำถามเกี่ยวกับความพร้อมของฝ่ายปฏิบัติการด้านกฎหมาย ประเด็นอยู่ที่ทีมกฎหมายให้ความสำคัญกับการมองตนเองว่าเป็นหน่วยงานที่มีบทบาทชัดเจนมากน้อยเพียงใด พร้อมด้วยกระบวนการทำงาน ข้อมูล และรูปแบบการดำเนินงานของตนเอง หากวางรากฐานด้านความพร้อมนี้ได้ถูกต้อง กลยุทธ์ AI ด้านกฎหมายที่เหมาะสมก็มักจะตามมาเอง

สำหรับการสร้างเอง: วิธีนี้อาจเหมาะกับทีมเพียงไม่กี่ทีมที่มีทรัพยากรพร้อมดำเนินงานในลักษณะเดียวกับบริษัทซอฟต์แวร์ โมเดลมีการพัฒนา โครงสร้างพื้นฐานเปลี่ยนแปลง และงานนี้ไม่มีวันเสร็จสิ้นอย่างแท้จริง สำหรับทีมส่วนใหญ่ ความท้าทายไม่ใช่การสร้างให้เสร็จสักครั้ง แต่คือการดูแลรักษาไปตลอด

สำหรับการซื้อ: ทีมส่วนใหญ่เลือกแนวทางนี้ แต่ “การซื้อ” ไม่ได้มีทางเลือกเดียว อย่างน้อยก็มีสามสิ่งที่แตกต่างกันซึ่งผู้คนมักเหมารวมเข้าด้วยกัน AI แนวราบอย่าง ChatGPT, Copilot และ Claude มีประสิทธิภาพสูง แต่ไม่ได้เข้าใจโครงสร้างงานกฎหมาย การรับเรื่อง หรือขั้นตอนการอนุมัติโดยธรรมชาติ ส่วน AI ที่เชื่อมต่อกับโซลูชันเฉพาะจุดเพียงระบบเดียวผ่านเครื่องมืออย่าง MCP ถือเป็นความก้าวหน้าที่มีนัยสำคัญ แต่มุมมองของ AI ก็ยังจำกัดอยู่เฉพาะข้อมูลที่มีอยู่ในระบบนั้น

โอกาสที่ยิ่งใหญ่กว่าคือ AI ที่เข้าใจความเชื่อมโยงของงานกฎหมายทั่วทั้งหน่วยงาน ไม่ใช่เพียงสิ่งที่เกิดขึ้นภายในเครื่องมือใดเครื่องมือหนึ่ง เมื่อการรับเรื่อง งานกฎหมาย สัญญา ค่าใช้จ่าย และองค์ความรู้อยู่รวมกัน AI ก็สามารถวิเคราะห์ภาพรวมทั้งหมดได้ แทนที่จะเห็นเพียงส่วนใดส่วนหนึ่ง

คุณเคยดำรงตำแหน่ง CTO และ COO ที่ LawVu จึงมีหน้าที่รับผิดชอบทั้งด้านเทคโนโลยี การปฏิบัติงาน ความปลอดภัย และการดำเนินงานด้านผลิตภัณฑ์ ประสบการณ์ที่ครอบคลุมบทบาทเหล่านี้ส่งผลต่อแนวทางการสร้างสมดุลระหว่างการพัฒนา AI อย่างรวดเร็วกับความปลอดภัย การปฏิบัติตามข้อกำหนด ความน่าเชื่อถือ และความเสี่ยงระดับองค์กรของคุณอย่างไร?

ฉันเข้าร่วม LawVu ในตำแหน่ง CTO เมื่อปี 2015 และรับตำแหน่ง COO ในปี 2020 จึงทำงานครอบคลุมทั้งด้านเทคโนโลยีและการปฏิบัติงานมานานกว่าทศวรรษ

การผสานบทบาทดังกล่าวเปลี่ยนวิธีคิดเกี่ยวกับนวัตกรรม AI เมื่อเทียบกับความปลอดภัยและการปฏิบัติตามข้อกำหนด เพราะคุณไม่ได้มองเรื่องเหล่านี้เป็นประเด็นที่แยกจากกัน เมื่อผมรับผิดชอบการกำกับดูแล ความเสี่ยง และการปฏิบัติตามข้อกำหนดภายในองค์กร พร้อมกับสร้างแพลตฟอร์มที่ช่วยให้ลูกค้าจัดการเรื่องเดียวกันนี้ได้ ผมจึงไม่อาจมองนวัตกรรมกับความปลอดภัยเป็นขั้นตอนที่เกิดขึ้นต่อเนื่องกัน โดยอย่างหนึ่งเกิดตามหลังอีกอย่างได้ ทั้งสองเรื่องต้องเกิดขึ้นพร้อมกัน มิฉะนั้นก็จะไม่เกิดขึ้นเลย ตั้งแต่วันแรก ลูกค้าทุกรายของเราผ่านการประเมินความปลอดภัยอย่างครบถ้วน และทุกครั้งที่เพิ่มเครื่องมือใหม่เข้าสู่ระบบนิเวศ ก็เท่ากับเพิ่มขอบเขตความเสี่ยงที่เกี่ยวข้องกับข้อมูลนั้น เรื่องนี้เป็นจริงกับการดำเนินงานภายในของเราไม่ต่างจากที่เป็นจริงกับลูกค้า ดังนั้น การสร้างสิ่งนั้นขึ้นมาและรับผิดชอบต่อการกำกับดูแลจึงบังคับให้คุณต้องคำนึงถึงทั้งสองเรื่องไปพร้อมกัน

เมื่อมองไปข้างหน้า คุณคาดว่า AI แบบเอเจนต์จะเปลี่ยนบทบาทของทีมกฎหมายองค์กรอย่างไร คุณมองว่าแผนกกฎหมายจะใช้ AI เป็นหลักในฐานะเครื่องมือเพิ่มผลิตภาพ หรือท้ายที่สุดแล้วอาจกลายเป็นผู้ควบคุมดูแลเวิร์กโฟลว์ที่ทำงานได้อย่างเป็นอิสระเป็นส่วนใหญ่และครอบคลุมทั่วทั้งองค์กรในวงกว้างหรือไม่

AI เชิงสร้างสรรค์ได้เปลี่ยนบทสนทนาจากการเพิ่มประสิทธิภาพทีละเล็กทีละน้อย ไปสู่การทบทวนพื้นฐานว่าเราจะทำงานด้านกฎหมายกันอย่างไร และรูปแบบการดำเนินงานควรเป็นเช่นไรในโลกที่กำลังก้าวสู่ขีดความสามารถแบบเอเจนต์อย่างรวดเร็ว ผมมอง AI แบบเอเจนต์ไม่ใช่กระแสเกินจริง แต่เป็นชั้นการปฏิบัติงานที่ช่วยให้ทีมกฎหมายเปลี่ยนจากการจัดการงานไปสู่การลงมือดำเนินงานเองได้ โดยมีการควบคุมและมาตรการป้องกันที่เหมาะสม

ขณะนี้องค์กรต่าง ๆ กำลังเผชิญกับการเปลี่ยนแปลงที่ทำให้เครื่องมือกลายเป็น “ประตูด่านแรก” โดยพนักงานฝ่ายธุรกิจเริ่มต้นใช้งานผ่านเครื่องมืออย่าง Microsoft Copilot หรือ Claude มากขึ้นเรื่อย ๆ จึงเกิดคำถามว่า ฝ่ายกฎหมายจะทำให้แน่ใจได้อย่างไรว่าการโต้ตอบเหล่านั้นเชื่อมโยงกับระบบ ข้อมูล และเวิร์กโฟลว์ที่ถูกต้อง

ผมจึงไม่ได้มองว่าเรื่องนี้เป็นการเลือกระหว่างการเป็นเครื่องมือเพิ่มผลิตภาพกับการเป็นผู้ควบคุมดูแล แต่มองว่าเป็นพัฒนาการที่ดำเนินไปเป็นลำดับ ฝ่ายกฎหมายเริ่มจากการใช้ AI เพื่อทำงานแต่ละอย่างได้เร็วขึ้น แต่เมื่อขีดความสามารถแบบเอเจนต์พัฒนาขึ้น โอกาสที่แท้จริงคือการที่ฝ่ายกฎหมายเป็นเจ้าของชั้นการปฏิบัติงานเอง และลงมือดำเนินงานผ่านระบบที่มีการกำกับดูแล แทนที่จะเพียงสร้างร่างแรกได้เร็วขึ้น

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการสำรวจการดำเนินงานด้านกฎหมายที่เชื่อมโยงถึงกันและเวิร์กโฟลว์ AI ที่มีการกำกับดูแล สามารถเยี่ยมชม LawVu ได้