ماذا يحدث قبل أن يجيب الذكاء الاصطناعي القانوني عن سؤالك

كل محامٍ يقوم بتقييم Legal AI يطرح نفس السؤال في النهاية، وعادة ما يكون بعد حوالي ثماني دقائق من العرض التوضيحي: كيف يختلف هذا عن مجرد استخدام ChatGPT؟

إنه السؤال الصحيح، ومعظم البائعين يجيبون عليه بشكل سيء. يتحدثون عن بيانات التدريب، أو مجموعة خاصة، أو ضبط دقيق. من الصعب التحقق من تلك الإجابات، وفي معظم الأحيان، ليس هذا هو المكان الذي يكمن فيه الاختلاف.

الإجابة الصادقة معمارية، وتتلخص في شيء واحد: أين يحدث التفكير؟

مشكلة الغلاف حقيقية، وغير مرئية من الخارج

تعمل نسبة كبيرة من منتجات Legal AI بهذه الطريقة. تكتب سؤالاً. يقوم المنتج بلفه في قالب مطالبة، وبعض التعليمات حول كونه مساعدًا قانونيًا مفيدًا، وربما بعض الأمثلة، ويرسل كل شيء إلى نموذج للأغراض العامة. يجيب النموذج. يقوم المنتج بتنسيق الإجابة بشكل جيد ويعرضها لك.

لا يوجد شيء غير نزيه في هذا. يمكن أن يكون مفيدًا حقًا. ولكنه يعني أن جودة المنتج هي تقريبًا جودة النموذج بالكامل، والنموذج هو نفسه الذي يمكن لمحاميك المعارض الوصول إليه مقابل عشرين دولارًا شهريًا.

الجزء غير المريح للمشتري هو أنك لا يمكنك معرفة ذلك من الواجهة. يبدو الغلاف والمحرك المصمم خصيصًا متطابقين: مربع نص، استجابة متدفقة، بعض الاستشهادات أدناه. الفرق يكمن في المنبع، حيث لا يمكن لأحد رؤيته، وهذا هو بالضبط سبب عدم تعرض عدد قليل جدًا من البائعين للضغط بشأنه.

أين يكمن الاستدلال حقًا

عندما يصل سؤال إلى HAQQ، فإنه لا يذهب إلى نموذج عام أولاً. بل يمر بخطوة نمتلكها ونتحكم فيها، وتتمثل مهمتها بالكامل في معرفة ماهية الطلب بالفعل وتكوين كل ما يحدث بعد ذلك.

تلك الخطوة تحل الأمور التي يحددها مساعد كفؤ قبل بدء العمل، وتحلها كبيانات منظمة بدلاً من كونها نصًا نثريًا:

• ما هو المطلوب فعليًا. ليس الكلمات التي تم كتابتها في الساعة 11 مساءً بين مكالمتين، بل السؤال الكامن تحتها، معاد صياغته بدقة واكتمال. يعمل هذا بشكل طبيعي باللغتين العربية والفرنسية بالإضافة إلى الإنجليزية، بدلاً من أن يكون ترجمة ملحقة لاحقًا.
• ما هو نوع العمل القانوني هذا. صياغة، بحث، مراجعة، مقارنة، مسألة إجرائية. كل منها يتطلب شكلًا مختلفًا من الإجابة، واتخاذ القرار مسبقًا يختلف تمامًا عن الأمل في أن يستنتجه نموذج عام.
• أي ولاية قضائية هي المعنية، وبشكل منفصل، ما هي اللغة التي كتب بها القانون المنظم. غالبًا ما لا يكون الاثنان متطابقين، ومعاملتهما كواحد هو مصدر صامت وشائع للخطأ.
• الحقائق، ككائنات. الأطراف، التواريخ، الالتزامات، المبالغ، القانون الحاكم، نوع الوثيقة، المستخرجة من النص النثري وتحويلها إلى بيانات منظمة قبل أن يقرأها أي شيء مكلف.
• ما يحتاجه السؤال، وما لا يحتاجه. ما هي القدرات المتخصصة التي يجب تطبيقها، وكم عمق الاستدلال الذي يستلزمه السؤال بالفعل، وما إذا كان يقع ضمن النطاق على الإطلاق.

عندها فقط يعمل النموذج العام. ويصل وهو مستعد بالفعل: القدرات ذات الصلة محملة، الحقائق مستخرجة، الولاية القضائية محددة، النطاق مقرر.

النموذج هو الخطوة الأخيرة في السلسلة، وليس الأولى.

لماذا ينتج هذا إجابة أفضل، وليس أرخص فقط

آليتان، والثانية فاجأتنا أكثر من الأولى.

التركيز ميزانية

نافذة سياق النموذج محدودة، وكل ما تضعه فيها يتنافس على تركيز النموذج. تحميل كل إمكانية يمتلكها النظام في كل طلب يستهلك حصة كبيرة من تلك النافذة قبل أن يتم النظر في وثيقة المحامي الفعلية. ترك العناصر ذات الصلة فقط يفسح المجال للشيء المهم: العقد، القانون، الحقائق.

التحليل ليس استنتاجًا

هذا هو التأثير الأكبر. عندما يتلقى النموذج فقرة نثرية، يذهب جزء مهم من عمله إلى معرفة ما تحتويه الفقرة. عندما يتلقى حقائق منظمة، هذه الأطراف، هذا القانون الحاكم، هذا الالتزام، هذا التاريخ، يكون هذا العمل قد تم بالفعل، وتذهب الميزانية بأكملها إلى المسألة القانونية.

النتيجة العملية هي أن نفس النموذج العام ينتج عملًا قانونيًا أفضل بكثير داخل نظام مثل هذا مما يفعله داخل غلاف. النموذج لم يتغير. ما سلمناه له هو الذي تغير.

الأجزاء التي لا يضعها أحد في العرض التوضيحي

شيئان لا يصلان أبدًا إلى عرض المبيعات، وكلاهما يقرران ما إذا كان المنتج يعمل في يوم ثلاثاء حقيقي.

إدخال المستندات. جزء كبير من العمل القانوني لا يصل كنص نظيف. يصل كصورة لوثيقة مختومة، أو مسح لفاكس، أو ملف PDF قام شخص بطباعته وإعادة مسحه بشكل مائل. نحن نتعامل مع قراءة هذه المستندات كمشكلة هندسية من الدرجة الأولى بدلاً من كونها فكرة لاحقة للمعالجة المسبقة، لأنه إذا تم قراءة رقم بند خطأ عند الإدخال، فلن يستعيده أي قدر من الاستنتاج اللاحق. سيقوم النظام بالاستنتاج بشكل لا تشوبه شائبة حول الرقم الخاطئ.

الذاكرة كهيكل، وليست نسخة طبق الأصل. يحتفظ المحرك بالعلاقات بين أمورك بمرور الوقت ويعتمد عليها عندما يتطلب السؤال ذلك. هذا يختلف عن لصق آخر عشرين رسالة في المطالبة. هذا ما يتيح للنظام معرفة أن الطرف المقابل في اتفاقية عدم الإفصاح التي تراجعها اليوم هو نفسه من نزاع قبل شهرين.

ما لا يصلحه هذا التصميم

نفضل أن نقول هذا بدلاً من أن تكتشفه بنفسك.

إنه لا يزيل الخطأ. يمكن لأي نظام مبني على نموذج لغوي أن ينتج إجابة خاطئة، والبائع الذي يخبرك بخلاف ذلك إما أنه لا يتوخى الحذر في كلماته أو يأمل ألا تتحقق. ما تفعله الهندسة المعمارية الجيدة هو جعل الأخطاء نادرة وقابلة للكشف: المطالبات الناتجة عن مصادر مسترجعة، والاستشهادات التي يمكنك فتحها، والأعلام الصريحة حيث يكون القانون غامضًا حقًا بدلاً من حل واثق لشيء غير محسوم.

إنه لا يلغي دور المحامي. كل شيء هنا مصمم حول افتراض أن محترفًا يراجع المخرجات ويوقع عليها. هذا ليس قيدًا نعتذر عنه. إنه قيد التصميم، وهو السبب في أن الهندسة المعمارية تبدو بالشكل الذي هي عليه.

إنه لا يجعل التغطية عالمية. تختلف جودة Legal AI باختلاف الولاية القضائية، ومدى رقمنة القانون المصدر بشكل جيد، ومدى توفره للجمهور بشكل عام. يجب أن يُسأل أي شخص يذكر لك رقم تغطية عالمي واحد عما يحسبه. يُسألنا هذا كثيرًا، ونفضل الإجابة عليه فيما يتعلق بولايتك القضائية بدلاً من إلقاء رقم عليك.

كيفية اختبار أي بائع لهذا في عرض توضيحي

لا تحتاج إلى رؤية مخطط هندسي لأي شخص. أربعة أسئلة، حوالي عشر دقائق، وهي تعمل مع كل بائع في هذه الفئة، بما في ذلك نحن.

1. اسأله شيئًا خارج نطاق القانون

سيعطي النموذج العام المغلف بموجه قانوني عادةً إجابة على سؤال طبي أو مالي، لأنه في الأساس، هو نموذج عام. يجب على النظام الذي يحدد النية قبل التوليد أن يرفض، وأن يوضح السبب.

2. اسأل نفس السؤال بلغتين

ليس نسخة مترجمة. نفس السؤال القانوني، مرة باللغة الإنجليزية ومرة ​​بالعربية أو الفرنسية. إذا تغير جوهر الإجابة، يتم التعامل مع اللغة بعد الاستدلال وليس قبله.

3. أعطه مسحًا ضوئيًا سيئًا

صوّر مستندًا بزاوية مائلة، في إضاءة خافتة، وقم بتحميله. هذا هو الاختبار الأكثر تنبؤًا في العرض التوضيحي بأكمله، لأنه الإدخال الحقيقي الأكثر شيوعًا والأقل عرضًا.

4. اسأل عما لا يعرفه

ادفع باتجاه منطقة قانونية غامضة، غير مستقرة، أو ذات مصادر ضعيفة. النظام الأمثل لإنتاج إجابة دائمًا سينتج واحدة. النظام المصمم للعمل الاحترافي سيخبرك أن الأرض غير مؤكدة، وسيوضح لك السبب.

إذا كان البائع مرتاحًا لجميع النقاط الأربع، فمن المحتمل أن تكون البنية حقيقية. إذا كان العرض التوضيحي يتجنبها، فهذه معلومة أيضًا.

نقاط رئيسية

• الفرق الهام بين منتجات Legal AI هو معماري وغير مرئي من الواجهة. اسأل أين يحدث الاستنتاج.
• إن القيام بعمل منظم قبل استدعاء النموذج يحسن جودة المخرجات، وليس فقط التكلفة. النموذج الذي يتلقى حقائق مستخرجة ينفق ميزانيته على القانون بدلاً من التحليل.
• المكونات غير الجذابة هي التي تحدد الأداء في العالم الحقيقي. جودة استيعاب المستندات أكثر تنبؤًا بما إذا كانت الأداة تعمل في يوم الثلاثاء من أي درجة معيارية.
• أربعة أسئلة توضيحية، خارج الموضوع، بلغتين، مسح ضوئي سيئ، ومنطقة قانونية غير مستقرة، ستخبرك عن نوع النظام الذي يتم بيعه لك.

• محرك Justinian وكيفية استدلاله
• 45 علامة حمراء عند تقييم بائع Legal AI
• الذكاء الاصطناعي القانوني مع تدخل بشري
• هندسة السياق لـ Legal AI