Sarah Webb, Giám đốc vận hành (COO) kiêm đồng sáng lập LawVu – Loạt bài phỏng vấn

Sarah Webb là Giám đốc vận hành (COO) kiêm đồng sáng lập LawVu, với nền tảng chuyên môn về kỹ thuật và lãnh đạo các nhóm phát triển phần mềm, từng đảm nhiệm nhiều vị trí tại LOVEFiLM và Amazon. Bà gia nhập LawVu với vai trò Giám đốc công nghệ (CTO) vào năm 2015 và trở thành Giám đốc vận hành vào năm 2020, kết hợp kinh nghiệm trong lĩnh vực công nghệ, vận hành, bảo mật và quản trị. Công việc của bà tập trung vào việc giúp các nhóm pháp lý kết nối dữ liệu và quy trình làm việc, đồng thời cân bằng giữa đổi mới AI và rủi ro đối với doanh nghiệp.

LawVu cung cấp một nền tảng vận hành pháp lý dành cho các nhóm pháp lý nội bộ, tích hợp việc tiếp nhận yêu cầu, quản lý vụ việc, hợp đồng, chi tiêu và tri thức vào một nền tảng kết nối. Các năng lực AI và khả năng tích hợp của nền tảng giúp các nhóm làm việc với những công cụ hiện có mà vẫn duy trì quyền truy cập và hoạt động giám sát. Trong cuộc phỏng vấn này, Webb trao đổi về AI ngầm, quy trình làm việc dựa trên tác nhân AI, tri thức tổ chức và những nền tảng doanh nghiệp cần có để ứng dụng AI một cách có quản trị.

Bà đồng sáng lập LawVu sau nhiều năm xây dựng và lãnh đạo các nhóm phần mềm, trong đó có thời gian làm việc tại LOVEFiLM và Amazon. Điều gì khiến bà nhận ra hoạt động pháp lý trong doanh nghiệp là một vấn đề đáng giải quyết, và tầm nhìn ban đầu của bà về LawVu đã thay đổi ra sao khi AI làm biến đổi bối cảnh công nghệ?

Phần lớn những năm đầu sự nghiệp của tôi gắn với các vị trí trong lĩnh vực kỹ thuật và công nghệ, bao gồm cả tại LOVEFiLM và Amazon. Tôi không chủ định chuyển sang công nghệ pháp lý; việc đó đến với tôi phần nhiều do hoàn cảnh. Đến nay, tôi đã làm việc tại LawVu gần 11 năm, ban đầu với vai trò CTO, nhưng khá nhanh chóng chuyển sang làm COO. Chỉ riêng sự thay đổi đó cũng đã ảnh hưởng nhiều đến cách tôi nhìn nhận hoạt động kinh doanh.

Trong những ngày đầu, vấn đề đầu tiên chúng tôi giải quyết là khả năng nắm bắt tổng quan. Hầu hết khách hàng trước đó sử dụng Outlook và bảng tính Excel; chỉ cần tập hợp mọi thứ vào một nơi đã là một bước tiến đáng kể. Sau đó, các nhóm chuyển sang làm việc từ xa, và việc cộng tác càng trở nên khó khăn hơn khi không có một nền tảng tập trung. Điều đó càng khẳng định điều chúng tôi vốn đã nhận thấy: phần lớn công việc pháp lý lặp đi lặp lại không được doanh nghiệp coi trọng, thậm chí còn không được nhìn thấy, vì không có nơi nào thể hiện công việc đó. Giai đoạn ấy thôi thúc chúng tôi thực sự hướng dẫn khách hàng cách sắp xếp dữ liệu và quản lý thay đổi trong nội bộ, chứ không chỉ đơn thuần trao cho họ một công cụ.

Ngay từ đầu, chúng tôi cũng xây dựng các tích hợp với nhiều ứng dụng trong bộ Microsoft, bởi mục tiêu luôn là hỗ trợ doanh nghiệp ngay trong những công cụ họ sử dụng hằng ngày, thay vì yêu cầu các nhóm từ bỏ những gì họ đã quen dùng. Điều thay đổi kể từ đó là quy mô mà ý tưởng ấy hiện đòi hỏi. Trước đây, việc hạ thấp rào cản để có được một tập dữ liệu hữu ích chủ yếu nhằm tạo thuận tiện. Giờ đây, đó là yếu tố quyết định AI có thể thực sự xử lý công việc pháp lý hay chỉ phản chiếu lại tình trạng phân mảnh vốn có.

Bà từng cho rằng “AI ngầm” thường là vấn đề về quy trình làm việc chứ không phải vấn đề từ phía nhân viên. Trên thực tế, điều đó có nghĩa là gì, và các tổ chức có thể rút ra bài học gì khi nhân viên bỏ qua những công cụ hoặc hệ thống AI được phê duyệt để sử dụng giải pháp riêng?

Nếu không cung cấp nội bộ những công cụ phù hợp, mọi người sẽ tự tìm công cụ riêng để làm việc hiệu quả hơn. Đó là nguyên nhân cốt lõi. Khi ai đó bỏ qua một hệ thống đã được phê duyệt, phản ứng thường thấy là xem đó như một vi phạm tuân thủ, rồi tìm cách siết chặt hoặc ban hành chính sách để ngăn chặn. Trên thực tế, việc đó thường cho thấy có vấn đề trong chính quy trình làm việc: con đường được phê duyệt chậm hơn hoặc phiền hà hơn giải pháp thay thế, nên mọi người tự tìm cách đi đường vòng.

Đó chính là lý do AI ngầm gây ra rủi ro lớn hơn nhiều so với CNTT ngầm trước đây. Các sự cố liên quan đến AI ngầm hiện chiếm 20% số vụ rò rỉ dữ liệu, với chi phí trung bình là 10,2 triệu đô la, bởi mọi người không chỉ sử dụng một công cụ chưa được phê duyệt mà còn trực tiếp đưa vào đó những tài liệu nhạy cảm như ngôn ngữ trong hợp đồng, điều khoản thương vụ và lập luận nội bộ.

Điều các tổ chức thực sự nên rút ra từ việc này là cần xác định khoảng trống nằm ở đâu. Việc thiếu một giải pháp thay thế an toàn, có cơ sở không ngăn được mọi người tìm đến AI; nó chỉ khiến họ sử dụng AI ở nơi tổ chức không thể nhìn thấy. Bên dưới đó còn có một rủi ro sâu xa hơn, vượt ra ngoài vấn đề bảo mật. Khi công việc bị phân tán trên các công cụ AI cá nhân thay vì nằm trong một hệ thống chung, có cấu trúc, doanh nghiệp sẽ đưa ra quyết định dựa trên bức tranh không đầy đủ mà thậm chí không nhận ra rằng một phần thông tin đang bị thiếu. Nếu một công cụ AI chỉ có thể xem 60% dữ liệu liên quan vì phần còn lại nằm trong tài khoản riêng của ai đó, độ chính xác của công cụ sẽ giảm và nguy cơ đưa ra quyết định sai sẽ tăng. Cấm cách làm đường vòng không giải quyết được những vấn đề đó. Cung cấp cho mọi người một giải pháp tốt hơn mới làm được điều đó.

Qua quá trình LawVu làm việc với hàng trăm nhóm pháp lý tại các doanh nghiệp lớn, những sai lầm phổ biến nhất mà bà thấy các tổ chức mắc phải khi xây dựng cơ chế quản trị AI là gì, nhất là khi nhân viên ngày càng được tiếp cận với các công cụ AI đa dụng mạnh mẽ hơn?

Sai lầm phổ biến nhất là nhầm lẫn giữa chính sách bằng văn bản với biện pháp kiểm soát thực tế. Hiện nay, nhiều tổ chức đã có tài liệu quy định AI nên và không nên được sử dụng như thế nào. Nhưng rất ít tổ chức xây dựng các cơ chế vận hành đi kèm để thực sự quản lý những gì một công cụ có thể truy cập, ghi lại những việc công cụ đã làm và cho phép tái dựng lại các hoạt động đó sau này nếu cần.

Sai lầm thứ hai là không tính đến mức độ rủi ro tăng thêm khi mỗi công cụ được đưa vào sử dụng. Mỗi giải pháp chuyên biệt mà một nhóm áp dụng, dù dành cho hợp đồng, chi tiêu hay tiếp nhận yêu cầu, đều cần tích hợp riêng, có quy trình xác thực riêng và lưu giữ bản sao dữ liệu nhạy cảm riêng. Xét riêng lẻ, mỗi giải pháp dường như đều dễ quản lý. Nhưng khi kết hợp, chúng biến hệ thống công nghệ pháp lý thành một mạng lưới rủi ro phân mảnh; hơn một phần ba số vụ vi phạm có nguồn gốc từ chính kiểu truy cập của bên thứ ba này. Hầu hết các nhóm không nhận ra tổng rủi ro lớn đến đâu cho đến khi chính họ bị rà soát sau khi sự cố xảy ra.

Sai lầm thứ ba là đối xử với các công cụ AI đa dụng khác với mọi phần mềm khác có tiếp xúc với dữ liệu nhạy cảm. Kể từ ngày đầu tiên, tất cả khách hàng mà chúng tôi hợp tác, bao gồm cả khách hàng chính phủ, đều trải qua quy trình đánh giá bảo mật toàn diện cùng chúng tôi, bởi hệ thống như của chúng tôi lưu trữ một số thông tin nhạy cảm nhất của doanh nghiệp: bí mật thương mại, dữ liệu M&A, thông tin nhận dạng cá nhân (PII). Mỗi ngày, nhân viên vẫn cung cấp loại thông tin tương tự cho các công cụ AI công khai mà không hề bị xem xét kỹ lưỡng ở mức tương đương, bởi việc đó không giống như tiếp nhận một nhà cung cấp mới mà chỉ giống như sử dụng một công cụ. Khoảng cách giữa những gì được kiểm toán và những gì thực sự tiềm ẩn rủi ro chính là nơi hầu hết các chương trình quản trị thất bại.

LawVu đã và đang tích hợp các tác nhân AI và quy trình làm việc dựa trên tác nhân vào hoạt động pháp lý. Làm thế nào để xác định quy trình pháp lý nào phù hợp với việc thực thi tự động bằng AI, và quy trình nào luôn cần con người rà soát hoặc phê duyệt?

Chúng tôi xem xét mức độ tác động và khả năng đảo ngược hơn là quy trình đó trông phức tạp đến mức nào trên lý thuyết. Nếu dễ phát hiện một sai sót và dễ khắc phục, thì quy trình đó thường phù hợp để tự động hóa. Vì vậy, những công việc có khối lượng lớn và được xác định rõ như tiếp nhận yêu cầu và phân loại thường rất phù hợp.

Bất cứ việc gì liên quan đến cam kết với bên ngoài, rủi ro pháp lý hoặc quyết định khó đảo ngược đều cần có con người tham gia, bất kể tác nhân có vẻ chính xác đến đâu trong quá trình thử nghiệm. Đó cũng là logic định hướng cách chúng tôi nhìn nhận mức độ chấp nhận rủi ro nói chung tại LawVu. Chúng tôi xác định mức rủi ro mà một nhóm có thể chấp nhận, thiết lập các biện pháp kiểm soát phù hợp, rồi mới mở rộng phạm vi sử dụng. Phép thử thực sự không phải là độ chính xác, mà là liệu chúng ta có thể xác định tác nhân đã truy cập những gì, vì sao nó thực hiện hành động đó, hành động ấy có được cho phép hay không, và liệu sau đó chúng ta có thể chứng minh được điều đó hay không. Nếu không thể trả lời những câu hỏi này, quy trình vẫn chưa sẵn sàng để tự vận hành.

Những quyết định này không phải là chuyện quyết định một lần rồi thôi; một quy trình an toàn để tự động hóa hôm nay có thể không còn an toàn khi mức độ sử dụng tăng lên hoặc quy trình bắt đầu tiếp xúc với nhiều thông tin nhạy cảm hơn so với ban đầu. Vì vậy, cần xem xét lại ranh giới này, chứ không chỉ xác định nó một lần.

Máy chủ MCP của LawVu cho phép các tổ chức kết nối trực tiếp những công cụ như ChatGPT, Claude và Microsoft Copilot với môi trường vận hành pháp lý của họ. Làm thế nào các doanh nghiệp có thể cấp cho những hệ thống AI bên ngoài quyền truy cập hữu ích vào dữ liệu doanh nghiệp mà vẫn duy trì được quyền hạn, khả năng kiểm toán, quyền riêng tư và quyền kiểm soát?

Mọi người thường nghĩ rằng khả năng kết nối và tính bảo mật mâu thuẫn với nhau, nhưng không nhất thiết phải như vậy. Nền tảng phải tiếp tục là nguồn thông tin chuẩn về quyền hạn, chứ không phải công cụ AI chạy trên nền tảng đó. Dù ai đó bắt đầu cuộc trò chuyện trên ChatGPT, Claude hay Copilot, những gì họ được phép xem và thực hiện không nên thay đổi tùy theo giao diện họ tình cờ mở vào ngày hôm đó.

Điều đó chỉ hiệu quả nếu môi trường ở đầu bên kia đã có sẵn các biện pháp kiểm soát phù hợp trước khi bạn kết nối bất cứ thứ gì; đây chính là khâu chuẩn bị mà hầu hết doanh nghiệp bỏ qua. Ai cũng xem MCP là một lợi ích bảo mật tự động vì lượng dữ liệu luân chuyển ít hơn, và điều đó đúng, nhưng chỉ khi hệ thống tiếp nhận có thể xác định dữ liệu nào đã được truy cập, vì sao, bởi tác nhân nào và thay mặt cho ai, đồng thời có thể chứng minh điều đó sau này.

Điều này cũng có lợi về mặt kinh doanh. Nếu công cụ AI trung tâm có thể nhận ra yêu cầu nào liên quan đến pháp lý và tự động chuyển yêu cầu đó vào LawVu, nhân viên sẽ không còn phải mất thời gian trao đổi qua lại để tự tìm hiểu ngay từ đầu nên sử dụng hệ thống nào. Điều đó cũng đồng nghĩa họ sẽ không tìm đến một công cụ AI cá nhân hoàn toàn không có quyền truy cập vào bộ dữ liệu đáng tin cậy và bảo mật. Cung cấp cho mọi người một điểm khởi đầu duy nhất được quản trị tốt rốt cuộc sẽ thúc đẩy việc ứng dụng hiệu quả hơn nhiều so với việc khóa chặt mọi thứ.

Các mô hình AI đa dụng có thể rất mạnh mẽ, nhưng thường thiếu hiểu biết tích lũy của tổ chức, các quyết định trong quá khứ và hồ sơ rủi ro đặc thù. Cần có những thông tin và cơ sở hạ tầng nào xung quanh một mô hình AI để mô hình đó thực sự hữu ích cho công việc doanh nghiệp có mức độ rủi ro cao?

Tôi hình dung AI đa dụng như một người lạ tài giỏi: người đã đọc một lượng tài liệu đáng kinh ngạc, viết lách rất hay và có thể trò chuyện về hầu như mọi thứ. Nhưng người đó chưa từng gặp khách hàng của bạn. Chưa từng tham gia các cuộc đàm phán của bạn. Không biết tổ chức của bạn cân bằng rủi ro như thế nào. Và cũng chưa từng chứng kiến những cuộc trò chuyện dẫn đến các ngoại lệ mà nhóm của bạn đã thống nhất cách đây sáu tháng.

Đó là lý do vì sao một trong những việc đầu tiên mà nhiều nhóm pháp chế làm là kết nối AI với cẩm nang hướng dẫn; cần nói rõ rằng việc này vô cùng hữu ích. Khi được tiếp cận với các điều khoản ưu tiên, phương án dự phòng, ngưỡng phê duyệt và hướng dẫn đàm phán của bạn, mô hình AI có thể mang lại hiệu quả gần như ngay lập tức. Thách thức nằm ở chỗ những quyết định pháp lý quan trọng nhất thường xuất hiện khi phương án tiêu chuẩn không còn phù hợp: một khách hàng chiến lược cần được ngoại lệ, một cơ hội tăng trưởng cao đủ sức biện minh cho việc chấp nhận thêm rủi ro, hoặc một cuộc đàm phán đi đến thời điểm mà ưu tiên thương mại quan trọng hơn điều khoản ưu tiên.

Đó là lúc khả năng phán đoán pháp lý bắt đầu bộc lộ. Một số kiến thức giá trị nhất nằm trong những trường hợp ngoại lệ, chứ không phải trong cẩm nang. Vì sao chúng ta chấp thuận ngoại lệ cho khách hàng này? Lần gần nhất đàm phán điều khoản này với cùng một bên đối tác đã diễn ra thế nào? Doanh nghiệp đã chấp nhận rủi ro này ở nơi khác chưa? Vấn đề này từng được chuyển lên cấp cao hơn để xem xét chưa, và cuối cùng đã được quyết định ra sao?

Câu trả lời hiếm khi chỉ nằm trong một tài liệu; chúng rải rác trong hợp đồng, phê duyệt, email, hồ sơ vụ việc, ghi chú cuộc họp và kinh nghiệm tích lũy của những người tham gia vào thời điểm đó. Tài liệu chỉ ghi lại kết quả, còn tổ chức lưu giữ lập luận ở nơi khác.

Một người xa lạ xuất chúng có thể nhanh chóng học các quy tắc, nhưng hiểu được vì sao ngay từ đầu người ta phải linh hoạt áp dụng các quy tắc ấy lại là một thách thức hoàn toàn khác. Điều thường tạo nên khác biệt giữa AI hữu ích và AI mang tính đột phá là mức độ tổ chức lưu giữ kinh nghiệm của chính mình để AI học hỏi.

Nhiều công ty đã tích lũy các hệ thống hợp đồng rời rạc, công cụ quản lý vụ việc, bảng tính, kho lưu trữ email và những nguồn tri thức doanh nghiệp khác. Nền tảng dữ liệu thống nhất quan trọng đến mức nào trước khi triển khai các tác tử AI, và tổ chức cần làm gì để dữ liệu thực sự sẵn sàng cho AI?

Pháp chế là ví dụ điển hình cho thấy điều này quan trọng ra sao: hợp đồng được chỉnh sửa trong Word với các thay đổi được đánh dấu, yêu cầu phê duyệt được gửi qua email, quyết định được đưa ra trên Slack, rồi AI được bổ sung vào kho tài liệu thay vì thực sự kết nối các quy trình công việc. Đưa AI vào một hệ thống phân mảnh chỉ giúp tiếp cận sự hỗn loạn nhanh hơn.

Những công ty đã dành nhiều năm xây dựng hạ tầng dữ liệu thực chất và sắp xếp hệ thống của mình trước khi AI xuất hiện là những công ty hiện đã thu được lợi ích từ AI. Đó thực sự là cốt lõi của vấn đề. Bạn không thể mở rộng quy mô tác tử trên nền các hệ thống hợp đồng rời rạc, công cụ quản lý vụ việc, bảng tính và kho lưu trữ email mà vẫn kỳ vọng có được kết quả đáng tin cậy. Trước hết cần có nền tảng vững chắc: các hệ thống được kết nối, cơ chế kiểm soát quyền truy cập rõ ràng và mức độ chấp nhận rủi ro được xác định; chỉ khi đó bạn mới có thể nghĩ đến việc mở rộng quy mô AI.

Khi cân nhắc nên tự xây dựng ứng dụng AI, mua các nền tảng AI chuyên biệt hay kết nối mô hình đa dụng với hệ thống hiện có, các nhà lãnh đạo công nghệ nên nhìn nhận quyết định tự xây dựng, mua hay tích hợp như thế nào?

Tự xây dựng hay mua nghe có vẻ là một quyết định về công nghệ. Theo kinh nghiệm của tôi, đây thực chất là câu chuyện về mức độ trưởng thành trong vận hành pháp chế. Vấn đề là nhóm pháp chế coi trọng đến đâu vai trò của mình như một bộ phận chức năng với quy trình công việc, dữ liệu và mô hình vận hành riêng. Nếu đạt được mức độ trưởng thành phù hợp, chiến lược AI pháp lý thích hợp thường sẽ tự nhiên theo sau.

Về việc tự xây dựng: điều này có thể hợp lý với một số ít nhóm đủ nguồn lực để hoạt động như một công ty phần mềm. Các mô hình phát triển, hạ tầng thay đổi và công việc gần như không bao giờ thực sự kết thúc. Với phần lớn các nhóm, thách thức không phải là xây dựng một lần, mà là duy trì mãi mãi.

Về việc mua: phần lớn các nhóm chọn hướng này, nhưng “mua” không chỉ có một lựa chọn. Có ít nhất ba phương án khác nhau thường bị gộp chung. AI đa dụng như ChatGPT, Copilot và Claude rất mạnh, nhưng vốn không hiểu cấu trúc vụ việc, quy trình tiếp nhận yêu cầu hay quy trình phê duyệt. Kết nối AI với một giải pháp chuyên biệt thông qua một công nghệ như MCP là bước tiến đáng kể, nhưng phạm vi hiểu biết của AI vẫn bị giới hạn ở những gì có trong hệ thống duy nhất đó.

Cơ hội lớn hơn nằm ở AI hiểu được cách công việc pháp lý liên kết trong toàn bộ bộ phận, chứ không chỉ những gì diễn ra bên trong một công cụ cụ thể. Khi hoạt động tiếp nhận yêu cầu, vụ việc, hợp đồng, chi tiêu và tri thức được tập hợp trong cùng một nơi, AI có thể lập luận dựa trên toàn cảnh thay vì chỉ một phần riêng lẻ.

Bạn từng đảm nhiệm cả vai trò CTO lẫn COO tại LawVu, với trách nhiệm bao quát công nghệ, vận hành, bảo mật và triển khai sản phẩm. Sự kết hợp này đã định hình cách bạn cân bằng giữa đổi mới AI nhanh chóng với bảo mật, tuân thủ, độ tin cậy và rủi ro doanh nghiệp như thế nào?

Tôi gia nhập LawVu với vai trò CTO vào năm 2015 và đảm nhiệm vai trò COO vào năm 2020, vì vậy tôi đã làm việc ở cả hai lĩnh vực công nghệ và vận hành trong hơn một thập kỷ.

Sự kết hợp đó làm thay đổi cách nhìn nhận mối quan hệ giữa đổi mới AI với bảo mật và tuân thủ, bởi bạn không xem chúng là những cuộc thảo luận tách biệt. Khi chịu trách nhiệm về quản trị, rủi ro và tuân thủ trong nội bộ, đồng thời xây dựng một nền tảng giúp khách hàng quản lý chính những chức năng đó, tôi không thể xem đổi mới và bảo mật là những bước nối tiếp nhau: bước này không diễn ra sau bước kia; chúng phải diễn ra đồng thời, nếu không thì sẽ chẳng bước nào diễn ra cả. Ngay từ ngày đầu tiên, mọi khách hàng của chúng tôi đều trải qua quá trình đánh giá bảo mật toàn diện; mỗi khi bổ sung một công cụ mới vào hệ sinh thái, bạn lại làm gia tăng phạm vi rủi ro liên quan đến dữ liệu đó. Điều này đúng với chúng tôi trong nội bộ cũng như với khách hàng. Vì vậy, việc xây dựng nền tảng và chịu trách nhiệm về cách quản trị nền tảng buộc bạn phải cân nhắc đồng thời cả hai khía cạnh.

Nhìn về phía trước, chị dự đoán AI tác tử sẽ thay đổi vai trò của các nhóm pháp chế doanh nghiệp như thế nào? Chị cho rằng các phòng pháp chế chủ yếu sẽ sử dụng AI như một công cụ nâng cao năng suất, hay về sau họ có thể trở thành người giám sát các quy trình làm việc phần lớn tự động, vận hành trên toàn doanh nghiệp?

AI tạo sinh đã chuyển trọng tâm thảo luận từ việc nâng cao hiệu suất từng bước sang suy nghĩ lại căn bản về cách thực hiện công việc pháp lý và mô hình vận hành cần có trong một thế giới đang nhanh chóng tiến tới năng lực AI tác tử. Tôi nhìn nhận AI tác tử không phải là lời thổi phồng, mà là một tầng thực thi có thể giúp bộ phận pháp chế chuyển từ quản lý công việc sang trực tiếp thực hiện công việc, với các biện pháp kiểm soát và giới hạn phù hợp.

Hiện nay, các tổ chức đang chứng kiến sự chuyển dịch sang mô hình “cửa ngõ”: người dùng trong doanh nghiệp ngày càng bắt đầu bằng những công cụ như Microsoft Copilot hoặc Claude, và câu hỏi đặt ra là làm thế nào để bộ phận pháp chế bảo đảm những tương tác đó được kết nối với đúng hệ thống, đúng dữ liệu và đúng quy trình làm việc.

Vì vậy, tôi không xem đây là lựa chọn giữa công cụ nâng cao năng suất và vai trò giám sát, mà là một quá trình phát triển. Ban đầu, bộ phận pháp chế sử dụng AI để xử lý nhanh hơn từng nhiệm vụ riêng lẻ; nhưng khi năng lực AI tác tử ngày càng hoàn thiện, cơ hội thực sự là để bộ phận pháp chế làm chủ chính tầng thực thi, chủ động triển khai công việc thông qua các hệ thống được quản trị, thay vì chỉ tạo ra những bản nháp đầu tiên nhanh hơn.

Cảm ơn chị về cuộc phỏng vấn tuyệt vời này. Độc giả muốn tìm hiểu về hoạt động pháp lý được kết nối và các quy trình làm việc AI có cơ chế quản trị có thể truy cập LawVu.