MI eszközök használata az ügyvédi munkában – 3. rész
Ez a cikk több mint egy éve került publikálásra. A cikkben szereplő információk a megjelenéskor pontosak voltak, de mára elavultak lehetnek.
Cikksorozatunk harmadik részében az szövegkeresésről, a szövegelemzésről a beszédet szöveggé alakító eszközökről, a chatbotokról és az adminisztrációs teher MI-vel való csökkentéséről olvashatnak. A cikk az Európai Ügyvédi Kamarák Tanácsa (CCBE) és az Európai Ügyvédek Alapítványa (ELF) által bemutatott, az Európai Bizottság által finanszírozott AI4Lawyers projekt keretében megalkotott útmutató alapján készült.
2018-ban az Európai Bizottság európai kezdeményezést indított, amelynek célja, hogy felkészüljön a mesterséges intelligencia által előidézett társadalmi-gazdasági változásokra, többek között az oktatás korszerűsítésének ösztönzése és a munkaerő-piaci átmenet támogatása
Az Európai Ügyvédi Kamarák Tanácsa (CCBE) és az Európai Ügyvédek Alapítványa (ELF) közösen mutatták be az Európai Bizottság által finanszírozott AI4Lawyers projekt keretében megalkotott útmutatót (a továbbiakban: Útmutató). Az Útmutató elkészítésében dr. Homoki Péter ügyvéd is részt vett.
Az útmutatóból részleteket közlő cikksorozat első részét itt, második részét pedig itt olvashatják.
- Szövegkeresés és az ítélkezési gyakorlat és a jogszabályok elemzése
A számítógéppel támogatott jogi kutatás, szövegkeresés az 1960-as évek vége óta kereskedelmileg elérhető szolgáltatás, és az EU országaiban legalább a 90-es évek eleje óta széles körben használják is. A jogi szövegek indexelésének hagyományos technikáit és az esetjog hivatkozási rendszereinek használatát szintén a számítógépes környezethez igazították, és ez a terület azóta is él és virul.
A gépi tanulás és a természetes nyelvi feldolgozás új vívmányai lehetővé tették, hogy ezekre a nagyban változó igényekre is megoldásokat kínáljanak. Ugyanezek a technikák azt is lehetővé teszik, hogy az eddiginél jóval több ügyvéd hozzáférjen a jogi szövegek (különösen az esetjog) elemzéséhez, méréséhez.
Mindez korábban egyszerűen nem volt megvalósítható, vagy terjedelme jóval szűkebb volt a szükséges kézi megoldások (annotációk, vizsgálatok) magas fajlagos költsége miatt. A költséges kézi annotáció korábban a legtöbb gépi tanulási megoldás használatának előfeltétele volt, de az NLP-technikák (különösen az alapmodellek) számos területen lehetővé tették, hogy az emberi annotáció helyettesítsék vagy legalábbis minimalizálják, és így új utakat nyissanak a gépi tanulás használatában.
A jogi elemzés minden eszközének van egy fontos előfeltétele: legyen elegendő mennyiségű elektronikus formátumú jogi szöveg az elemzéshez, beleértve a jogszabályokat és az ítélkezési gyakorlatot is. Éppen ezért érdemes hangsúlyozni, hogy a jogi információhoz való hozzáférés nem feltétlenül szimmetrikus: egyes szervezetek méretükben vagy minőségükben is sokkal bővebb információhoz hozzáférhetnek, mint mások.
A jogi elemzések területén nem mindegy, hogy egy ügy elemzése során valaki csak a kiválasztott és kézzel
anonimizált bírósági határozatokra támaszkodhat-e, közzétett és szerkesztett formában, vagy a teljes bírósági aktához hozzáférhet, hasonlóan például az Egyesült Államokban működő „Public Access to Court Electronic Records” (PACER) rendszerhez. Ez különösen azért is fontos, mert a vizsgálható adatmennyiség alapvetően befolyásolja az előrejelző eszközök pontosságát.
Az NLP és a gépi tanulás új technológiáinak köszönhetően a jogi szövegkeresési szolgáltatások kínálata igen sokoldalúvá vált. A felhasználó számára már nem csak a bírósági határozat vagy a jogszabály nyers szövegét lehet megjeleníthetővé tenni. Egyre több információ kereshető a szövegben található kulcsszavakon túl is. Ide tartoznak például az olyan információk, mint a határozatot hozó bíróság, az érintett jogterületek, a határozat eredményei (a döntés iránya) vagy a határozat keltezése. Már a határozatok közötti kapcsolatokat is meg lehet jeleníteni, így nyomon követhető egy ítélet útja a fellebbezéseken keresztül (ilyen például a Jogtár Döntvénygráf funkciója), és látható az is, hogy hány másik ítélet hivatkozott pontosan erre a határozatra, és hogy azok ugyanarra az eredményre vezettek-e vagy sem (a Jogtáron a Döntvénykeresőben ez a funkció is megtalálható).
Egy jogi szövegből azonban nem csak a bíróság neve és a határozat dátuma olvasható ki. Ennél jóval izgalmasabb új funkciókkal találkozhatunk, ha az ítéletből olyan számszerűsíthető adatokat is ki tudunk nyerni, mint például a személyi sérüléses ügyekben megítélt kártérítés összege, a családjogban megítélt gyermek vagy házastársi tartásdíj összege, a versenyhatóság által kiszabott bírságok összege, vagy akár a bérbeadó és a bérlő közötti lakásbérleti jogviták, esetleg a munkavállaló tisztességtelen elbocsátása esetén fizetendő munkajogi kártérítések összege.
Ha minden ítéletről van már ilyen ilyen számszerűsíthető adatunk, akkor indokolt további kapcsolódó információkat is keresni és rögzíteni. Ezek a gyakran bányászott jellemzők ugyanis lényeges adatokkal járulhatnak hozzá az adathalmaz értékéhez: például érdemes rögzíteni a személyi sérüléses ügyekben az elszenvedett károk típusát, vagy a felmondással érintett munkavállalók vagy házastársaik jövedelmi adatait stb. Természetesen az, hogy az ilyen adatok kinyerhetők-e az adott döntésből vagy sem, nemcsak a ravasz gépi tanulási algoritmusokon múlik, hanem azon is, hogy a közzétett ügyekben vannak-e ilyen adatok. Tekintettel arra, hogy a common law bírósági határozatok egy része általában hosszabb, több idézettel és hivatkozással, mint a kontinentális jog országaiban hozott hasonló ügyekben hozott határozatok, ezek a jogi hagyományok is fontos hatással vannak arra, hogy mi mindent lehet elérni a jogi analitikában. Bár az anonimizálásra és az adatvédelemre egységesen egy rendelet van hatályban az EU-ban, ennek értelmezésében még mindig jelentős eltérések vannak, számos követelmény nagyon is országspecifikus, és ezek a látszatra apró eltérések is jelentősen befolyásolhatják az NLP és a gépi tanulás lehetőségeit. Ugyanazon országon belül is a közzétett ügyekben szereplő információk jelentősen függenek a regionális vagy helyi szokásoktól, a bírák egyéni stílusától vagy az érintett jogterülettől.
A harmadik szint az előrejelző vagy becslő AI-eszközök szintje, amelyek hasznos segítői lehetnek az ügyvédi praxisnak. Az angol nyelvű országokban ezeket az eszközöket gyakran „prediktív igazságszolgáltatási” eszközöknek nevezik.
Ebben az értelemben még az adatbázisból előhívott jogi szövegek relevancia szerinti rangsorolása is önmagában már egy előrejelzés (prediction of relevancy), így a prediktív igazságszolgáltatás ebben az összefüggésben az ítélet várható feltételeire vagy egy bírósági eljárás kimenetelére vonatkozó, historikus adatokon alapuló kimenetet jelent. (Nem pedig azt, hogy a bíróság helyett a gép javaslatot ad a döntésre).
Azonban a jogi elemzés eme harmadik [prediktív] szintjén már komoly problémát okozhat az, hogy a kiadott eredményeket nem lehet könnyen megmagyarázni, illetve hogy az adatkészlet vagy betanítás módja is torzításokat okozhat. Az ilyen eszközt használó ügyvédnek így tisztában kell lennie a kockázatok növekedésével, és megfelelő lépéseket is kell tenniük, hogy ezt ellensúlyozhassák.
Ahhoz, hogy az ügyvédek az ilyen eszközök működését a szükséges mértékben megértsék, egyrészről speciális oktatásra, képzésre is szükségük lesz. Másrészről azonban azt is biztosítani kellene számukra, hogy megfelelő szakemberektől is választ kaphassanak a feltett kérdéseikre.
Azok az átfogó magyarázatok is veszélyesek lehetnek, amelyek túlságosan építenek az MI és a tényleges személyek, valós életbeli folyamatok közötti analógiákra, mert az ilyen magyarázatok a hagyományos társadalmi szerepekbe és folyamatokba vetett bizalmat mintegy átruházzák az MI-eszközökre.
Olvassa el hogyan segíti a mesterséges intelligencia a Jogtáron a bírósági határozatok kivonatainak elkészítését. Cikksorozatunkat itt találja
- Fejlett keresési technikák a szövegen túl: szemantikus keresés és az érvelésbányászat
A szemantikus keresés egy újfajta technika, amellyel a szöveg felszíni megjelenésén túli jelentésrétegek alapján lehet keresni. A megoldásnak ehhez meg kell találnia egy adott kifejezés szinonimáit (ami természetesen a jogban terület-specifikus kérdés, mivel ugyanazoknak a szavaknak ugyanazon jogrendszer más területein is eltérő jelentései lehet), de ki kell zárnia azokat a találatokat, amelyek nem kapcsolódnak az adott keresés céljához.
Ezeket a szemantikus kereséseket manapság jellemzően kétféleképpen valósítják meg: az egyik az, amikor a felhasználó megadja a mintaszöveget, és a helyes válaszhoz a mintaszöveghez hasonló szövegeket keresnek az adatbázisban. A másik megközelítés az, amikor felteszünk egy konkrét kérdést, és az eszköz megkeresi az adatbázisban a kérdés szempontjából releváns eseteket és válaszokat (ezek az ún. kérdések megválaszolására épülő technikák).
Az [érvelésbányászati] eszközök segíthetnek abban, hogy megtaláljuk a természetes nyelven írt beadványokban és bírósági határozatokban szereplő érvelési irányokat. Segíthet továbbá feltárni a bírósági határozatok mélyebb szerkezetét, például azt, hogy milyen bizonyítékokra van szükség egy adott tény állításának bizonyításához.
Ez a kutatási terület magában foglalja azt is, hogy miként azonosítjuk be a természetes nyelvű szövegekben az egyes érveket, magában foglalja az érvelések tipikus sémáinak feltárását a szövegben, valamint az érvelések ábrás megjelenítését, vizualizálását is. Ezen túl e kutatási terület kiterjed arra is, hogy egy-egy érvelési láncolatokat ellenőrizzenek azok helyessége vagy gyengéi szempontjából, vagy, hogy az érvelésekről egy összefoglalót készítsenek.
- A résztvevők tevékenységének elemzése az esetjog alapján
Az Egyesült Államokban rengeteg, a bírákkal kapcsolatos információ nyilvánosan hozzáférhető. Rendelkezésre állnak adatok a bírák karrierjéről, a bírói pályafutásról, az eldöntött indítványtípusokról, hozzáférhető az ügyek története, sok szempontból nagyon finom részletekben, így különösen a különféle indítványoknak milyen arányban adnak helyt, mennyi ideig tart bizonyos beadványokat elintézni, és hogy viszonyul mindez az átlagos adatokhoz. Az Egyesült Államokban az ügyvédekre vonatkozóan hozzáférhető, nyilvános elemzések tartalmazzák az ügyvédek által képviselt ügyfeleket, a bírósági megjelenéseket, azoknak az ügyeknek a típusát, amelyen dolgoztak, és természetesen a megnyert és elvesztett ügyeket, valamint a tendenciákat stb. is.
Franciaországban is, ahol törvény tiltja, hogy konkrét bírák egyéni tevékenységét elemezzék, az ügyvédi analitika ott is még alapvető életrajzi adatokat is tartalmaz, így arról, hogy hány eljárásban vettek részt, mi volt az eljárás tárgya és milyen területeken lehet tapasztalatuk (szakértelmük), sőt, még a gazdálkodó szervezetek ügyfeleinek nevét is.
Magyarországon azonban, ahol a bírósági határozatokban a bírák és az ügyvédek nevén kívül minden név anonimizálva van, nyilvánvalóan még a gazdálkodó szervezetek ügyfeleinek személyazonossága sem lehet az elemzés tárgya.
- Beszédet szöveggé alakító eszközök
Megbízható, a beszédet szöveggé alakító szoftverek már az EU valószínűleg valamennyi hivatalos nyelvén léteznek.
A Wolters Kluwer által kínált Globalspeech magyar nyelven működik. A beszédfelismerő szakszótár ügyvédi irodák, közjegyzői irodák, bíróságok és ügyészségek által rendelkezésre bocsátott dokumentumokból „tanult”, amelyhez adaptálta a teljes hatályos magyar jogszabálygyűjteményt, a kommentárok szóanyagát és a bírósági határozatokat is.
A diktáláson kívül még számos olyan felhasználási terület is van, ahol a technikai további fejlesztésére nyílik lehetőség. Ilyen például a zajos beszéd felismerése vagy a nem meghatározott személyek beszédének átírása (pl. tanúvallomásokhoz), az egyszerre több beszélő azonosítása és az ilyen valós beszélgetések szöveggé alakítása.
A hangfelismerő eszközök a chatbotokkal kombinálva már praktikus kiegészítőjévé válhatna az ügyvédi irodának.
Legyen szó akár diktálásról, átírásról vagy hangalapú asszisztensről, mielőtt egy ügyvéd bevezetné ezeket az AI-eszközöket, meg kell értenie, hogy a hívó fél hangját miként dolgozzák fel. Ezek az adatok személyes adatok, és valószínűleg olyan ügyféladatok is egyben, amelyekre kiterjed az ügyvédi titok megtartásának kötelezettsége is, így amelyek továbbításához az ügyfelek külön hozzájárulására is szükség lehet.
HIRDETÉS
A Wolters Kluwer Hungary kiemelt digitális termékei:
- Szakmai Jogtárak
- Praetor – Az ügyvédi irodák számára kifejlesztett praxis-menedzsment szoftver
- Complist – Egy szoftver, mely hatékony segítséget nyújt a jogszabályi megfelelés biztosításában
- Chatbotok
A chatbotok párbeszéd- vagy társalgási célú rendszerek, amelyek bizonyos mértékig képesek utánozni az ember társalgási képességeit.
A chatbotokat integrálhatják egy ügyvédi iroda weboldalába is, de az is előfordul, hogy az ügyvéd valamely közösségi média- vagy üzenetküldő platformon lévő kapcsolattartási pontjához kapcsolódik.
A chatbotok használata két fő módon történik: a felhasználó vagy választ egy sor lehetséges menüpont közül, vagy megad egy konkrét kérdést. (Ha a chatbotot integrálják valamely, a beszédből szöveggé alakító megoldással, akkor a chatbotot úgy is lehetne használni, hogy egy virtuális asszisztenshez beszél a felhasználó, de ez ügyvédi körben jelenleg nem túl gyakori felhasználási eset).
Az az informatikailag bonyolultabb megközelítés, amikor a chatbotnak a bevitt üzenetből kell kitalálnia a felhasználó szándékát. Ehhez általában a beszélgetés nyelvére jellemző természetes nyelvi feldolgozási képességekre van szükség. A legnépszerűbb nemzetközi chatbot-platformok többsége még mindig csak az angol mint nyelv feldolgozására képes.
Bár elsőre úgy tűnik, hogy a chatbot hasznosítása kiváló lehetőség az ügyvédek számára, sajnos a chatbotok tipikus felhasználási esete nem illik az átlagos kis ügyvédi irodák profiljához. Az ilyen méretű ügyvédi irodák ugyanis ritkán tudnak közvetlen értékesíteni az ügyfeleik számára, nincsen webshopjuk, és általánosságban is nehéz az ügyvédi praxis számára értékesítési lehetőséget („lead”) generálni a chatbotok viszonylag egyszerű interakciói révén.
Elméletileg a chatbotok arra is használhatók lennének, hogy statikus, többnyire előre meghatározott „jogi tanácsokat” adjanak az ügyfeleknek. Vagy képesek egy külső dokumentum-összeállító rendszert is elindítani, amely a chatbotban lefolytatott „interjú” eredménye alapján összetett dokumentumokat tud készíteni a felhasználók számára. Ez azonban a velejáró kockázatok miatt valószínűleg soha nem lesz túl népszerű, gyakorlatias megközelítés, még akkor sem, ha a jogi szolgáltatás olyan, hogy felhasználó csak a menüpontok közül választhat.
A chatbotok elviekben integrálhatóak olyan megbízható, online azonosítási eszközökbe is, amely lehetővé teszik, hogy a chatbotok segítségével kiszolgálják a meglévő (valószínűleg egyéni) ügyfeleket, tájékoztatást nyújtsanak számukra a számlájukkal kapcsolatban, kimutassák a kifizetetlen tételeket vagy a bírói eljárás állását, illetve információt adjon az ügyvéd által nyújtott bármely szolgáltatásról.
Az értékesítési nehézségektől függetlenül az ügyvédi irodák a chatbotokat marketingcélokra is használhatják.
A chatbot segíthet abban, hogy megjeleníti az ügyvédi iroda weboldalát, blogját, egyéb online jelenléteit, de a chatbot kiváló alkalmat biztosít arra is, hogy a felhasználók feliratkozzanak az ügyvédi iroda ügyféllistáira, követőikké váljanak valamilyen platformon.
Ha az ügyvédi iroda a beszélgetések során rögzítettek alapján további adatokat kíván gyűjteni a chatbot-felhasználókról, vagy a chat tartalmát is el kívánja menteni, a hozzájárulásoknak és az adatvédelmi tájékoztatóknak egyértelműen erre is ki kell terjedniük.
Adatvédelmi szempontból, ha egy ügyvédi iroda úgy dönt, hogy ügyfélszolgálati célra kíván chatbotot használni, vagy egyébként a chat során ügyféladatok is elhangzanak, akkor az ügyvédi titok megtartásának kötelezettségeinek is meg kell felelniük, beleértve a személyes adatok harmadik fél adatfeldolgozóknak történő továbbításának kérdését is (jó eséllyel az Európai Gazdasági Térségen kívülre…). Ez azért jelent különös nehézséget, mert nehéz korlátozni, hogy az ügyfelek milyen információt adnak meg a chatbotnak, beleértve az ügyvédi titoktartás hatálya alá tartozó információkat is, függetlenül attól, hogy ez mennyire állt az ügyvédi iroda szándékában.
A chatbotokat nem lehet légüres térben használni: minél erősebb az iroda online jelenléte, és minél többet költ az iroda online marketingre, annál inkább érdemes az irodának a chatbot eszközökbe is befektetnie. Ugyanakkor nem sok értelme van egy chatbotot létrehozni kizárólag azzal a céllal, hogy időpontot foglalhasson valaki az ügyvédi irodában.
- Belső irodai adminisztráció segítése AI-eszközökkel
Egy kis és közepes méretű amerikai ügyvédi irodákra vonatkozó jelentés szerint az ügyvédek munkaidejének átlagosan 31%-a számlázható munka (kihasználtság). Érdemes megjegyezni azt is, hogy e jelentés alapján úgy tűnik, hogy ez a szám az ügyvédi irodák automatizálásának növekedése ellenére sem növekszik az idő múlásával. A korábbi jelentések azt mutatják, hogy az ilyen nem számlázható munkaidő jelentős részét (48%) adminisztratív feladatokkal, például irodai adminisztrációval, számlázással, a technológia beállításával és a követelések behajtásával töltik az ügyvédek.
A nem számlázható idő csökkentésében az első számú eszköz célszerűen az ügyvédi irodák számára készült azon klasszikus üzleti szoftverek lennének, amelyeket általában praxiskezelő eszközöknek (vagy ERP, CRM stb.) neveznek.
Az első nagy terület, ahol az AI-eszközök segítséget nyújthatnak, az ügyvédek megfigyelése lesz – kevésbé ellentmondásos nevén az ügyvédi idő rögzítése, követése. Vannak olyan, hatékonyan működő szoftverek, amelyek automatikusan rögzítik az asztali számítógépen, laptopon vagy mobileszközön eltöltött teljes időt, a használt alkalmazások neve és az ügyvéd által feldolgozott dokumentumok adatai alapján, és mindez támaszkodhat a dokumentumkezelő rendszerben elmentett metaadatokra is vagy a munka elvégzése közben küldött e-mailekre egyes adataira. A bírósági eljárás céljára könnyedén nyomon lehet követni a mobil eszközöket, és azokból ki lehet nyerni a helymeghatározási adatokat is, ezáltal az egyes naptárbejegyzéseket és az időnyilvántartás bejegyzéseit is össze lehet kapcsolni. Ezen információk alapján az eszköz segítséget nyújthat az ügyvédeknek arra, hogy a tevékenységeiket az ügyfél számára ellátott ügyek vagy akár a számlán szereplő részletesebb tétel szerint kategorizálják.
Az automatikus munkaidő-nyilvántartó szoftverek bevezetése előtt tehát egyértelműen ki kell értékelni, hogy az eszköz milyen hatással lesz az ügyvédi titoktartásra és a magánélet védelmére, beleértve a jogos érdekek értékelését, az EGT-n kívüli adatexportok ellenőrzését is. Ezen túlmenően etikai és munkajogi aggályokkal is foglalkozni kell, így mint a felhasználók megfelelő értesítésének biztosítását.
Az AI-eszközöket azonban nem csak a kollégák és a külvilág megfigyelésére lehet használni. Igen hasznosak azok az elemző eszközök is, amelyek abban segítenek, hogy az ügyvéd által a munkaidő-nyilvántartásban rögzített időt felülvizsgálják, egységesítik és racionalizálják: kiemelik a kettős bejegyzéseket és a valószínűleg hasonló bejegyzéseket, amelyeknek eltérő a tevékenységet leíró része, vagy jelzi a hiányzó leíró részeket, vagy egyéb módon következetlenséget észlelnek a naplózott információkban. Bizonyos körben még az egyéni ügyfélelvárásokat is be lehet állítani, és az egyes elvárások be nem tartása esetén riasztásokat kapunk.
A rögzített munkaidő tételek elemzésén túl az AI-eszközök a dokumentumkezelésben is segíthetnek: megtalálják a bejövő és kimenő kommunikációkhoz tartozó ügyvédi ügyeket. Az ügyvéd-ügyfél közötti kommunikáció előzményei vagy más, előre meghatározott minták alapján az eszköz javaslatot tehet arra, hogy az adott e-mail milyen ügyhöz tartozik vagy milyen metaadatokat kell róla rögzíteni.
(forrás: ai4lawyers.eu)
A cikk a Wolters Kluwer Hungary Kft. termékeire/szolgáltatásaira vonatkozó reklámot tartalmaz. A jogaszvilag.hu kiadója a Wolters Kluwer Hungary Kft.