Imesasishwa kwa 2026
Njia Mbili za Kushindwa kwa Ufutaji
Timu za kisheria zinakabiliwa na njia mbili za kushindwa. Zote mbili zinaunda dhima halisi.
Ufutaji mdogo sana unafichua data ya haki au taarifa za kibinafsi ambazo lazima zibaki zimefichwa. Mhusika anafichua nyenzo aliyokuwa na haki -- na mara nyingi wajibu -- wa kuilinda.
Ufutaji mkubwa mno unafunika ukweli ambao wakili wa upande wa pili ana haki ya kuuona. Mahakama inachukulia hili kama kizuizi. Ni ukiukaji wa ugunduzi unaostahili adhabu.
Zana za AI zinazopendelea urejeshaji badala ya usahihi husababisha tatizo la pili kwa muundo. Injini ya AI inayofuta 80% ya hati inaepuka kukosa chochote. Lakini matokeo hayafai kitu. Pia yanaweza kuleta adhabu za mahakama.
Njia zote mbili za kushindwa zinaelekea sehemu moja: hakimu, maelezo, na gharama.
Kesi ya Schnitzer Steel (2024)
Kesi ya 2024 ya Athletics Investment Group dhidi ya Schnitzer Steel inaonyesha jinsi mahakama zinavyoshughulikia uzuiaji usiofaa wa nyaraka.
Mhusika mmoja alitoa nyaraka zenye alama pana. Wakili wa upande wa pili alipinga. Mahakama iliangalia nyenzo. Iligundua alama zilizopita kiasi zaidi ya kile sheria iliruhusia.
Matokeo: adhabu chini ya Kanuni ya 37 ya Kanuni za Shirikisho za Utaratibu wa Madai. Mhusika aliyetoa nyaraka alilipa kwa mchakato wenye kasoro.
Adhabu kama hizi si mpya. Mahakama zimezitumia kwa miaka. Kinachofanya kesi hii kuonekana ni muda wake. Mapitio yanayosaidiwa na AI sasa ni ya kawaida katika mshtakiwa. Kesi inauliza swali muhimu: je, timu za kisheria zimekagua usahihi wa zana zao za AI kabla ya kuzitumia katika uzalishaji?
Jibu ni muhimu. Zana yenye usahihi mbaya itaainisha mengi sana. Mwanasheria anayetegemea matokeo yake bila kuangalia anabeba hatari.
Kwa uchambuzi kamili wa kesi, angalia uchambuzi wa E-Discovery LLC wa kuzuia kulingana na umuhimu.
Tatizo la Usahihi wa 22.7%
Presidio ni injini ya ugunduzi wa PII ya chanzo huria iliyojengwa na Microsoft. Inatumika sana katika zana za mapitio ya nyaraka. Majaribio kwenye mawasilisho ya mahakama na mikataba inampa kiwango cha usahihi wa 22.7%.
Usahihi unapima mara ngapi bendera chanya ni sahihi. Kwa asilimia 22.7, kwa kila bendera 100, karibu 77 ni makosa chanya. Vitu hivyo si nyeti kwa kiwango chochote kinachoweza kutumika.
Kwa e-discovery, hesabu ni moja kwa moja. Seti ya hati 10,000 zinazosindikwa kwa kiwango hicho itakuwa na alama nyingi zisizo na msingi. Mhusika anayetoa nyaraka anakabiliwa na hatari ile ile kama mshtakiwa wa Schnitzer Steel: uzalishaji uliowekwa changamoto, mapitio ya mahakama, na adhabu zinazowezekana.
Takwimu hii ni ya mpangilio wa kawaida wa Presidio kwenye maudhui ya makampuni ya sheria. Zana zote za AI hazifanyi kazi kwa kiwango hiki. Lakini injini hii ndiyo chaguo la chanzo huria linalotumiwa zaidi kwa mapana katika uwanja.
Sababu ni ya kimuundo. Mifumo ya NLP inafunzwa kwenye maandishi ya kawaida. Lugha ya chumba cha mahakama ni tofauti. Inatumia maneno ya sanaa, muundo wa marejeo, na sheria za uandishi ambazo zinatofautiana na data ya mafunzo. Zana inayofanya kazi vizuri kwenye rekodi za matibabu inaweza kufanya vibaya zaidi kwenye maandishi ya uamuzi.
Takwimu za Matumizi ya AI Zinaonyesha Nini
Hapa kuna kumbukumbu ya pili: 27.4% ya maudhui ya chatbot ya AI ni nyeti, kulingana na uchambuzi huru wa matumizi ya AI ya biashara.
Hii inaelezea kinachopelekwa na wafanyakazi wakati wa kazi za kawaida. Si data waliyokusudia kushiriki -- maudhui yaliyojumuishwa kwa mazoea au kwa bahati mbaya. Mawakili wanaotumia AI kuandaa barua, kukagua mikataba, au kufupisha maelezo ya mshahidi wanaTuma maudhui nyeti kwenye seva za muuzaji wa AI kama athari ya kazi ya kawaida.
Karibu mtu mmoja kati ya watatu katika mazungumzo yanajumuisha data ya mteja, taarifa za haki, au mkakati wa kesi. Maudhui hayo yanafikia seva za muuzaji wa AI katika hali inayoweza kutumika isipokuwa udhibiti unaizuia kwanza.
Kwa makampuni ya sheria yanayokagua hatari zao za AI, asilimia 27.4 si tatizo dogo. Ni kiwango cha msingi. Karibu theluthi moja ya matumizi ya AI katika kampuni inajumuisha maudhui yanayohitaji ulinzi.
Mnyororo wa Dhima
Uzuiaji mkubwa na uvujaji wa data ya AI huunda njia tofauti lakini zilizounganishwa za hatari. Zote mbili zinaanza na uamuzi mmoja: kutumia zana ya AI bila tathmini sahihi.
Njia ya ugunduzi: AI inaainisha maudhui kwa upana -> mwanasheria anategemea matokeo bila kuangalia sampuli -> uzalishaji una alama ambazo hazijathibitishwa -> wakili wa upande wa pili anapinga -> mahakama inakagua -> adhabu.
Njia ya uvujaji wa data: Mwanasheria anatumia AI kwa kazi ya kesi -> AI inapokea mawasiliano ya haki -> muuzaji wa AI anapata uvunjaji -> data ya mteja inafichuka -> madai ya uzembe yanafuata.
Kianzio ni sawa katika hali zote mbili. Makampuni yanatumia zana za AI bila kujua zana hizo zinafanya nini hasa. Hakuna udhibiti unaowekwa kwa kazi.
Mapitio ya Kwanza ya Usahihi kwa Uzalishaji
Mahakama zinauliza swali finyu zinapokagua alama zilizopingwa. Je, kila moja ilitegemea haki, kanuni ya usiri, au amri ya mahakama? Mahakama haziulizi kama mhusika aliyetoa nyaraka alitumia zana yake kuainisha iwezekanavyo.
Alama bila msingi sahihi ni ukiukaji wa ugunduzi. Haijalishi kama binadamu au AI ilifanya. Uchunguzi ni wa kila alama kwa kila alama.
Kwa mawakili, hii inamaanisha zana za mapitio ya AI zinahitaji kupimwa kwa usahihi -- sehemu ya bendera ambazo kweli zina haki. Si urejeshaji tu. Zana inayofikia urejeshaji wa 90% kwa usahihi wa 22.7% inakamata maudhui zaidi nyeti. Lakini inaunda mzigo wa mapitio kwa asilimia 77.3 ya bendera za makosa. Wakati mapitio hayo hayafanyiki, uzuiaji mkubwa wa kupita kiasi unafuata.
Kila alama katika uzalishaji ni dai kwa mahakama. Inasema: maudhui haya yamezuiwa kwa haki. Baada ya Schnitzer Steel, dai hilo lazima lishike.
Kwa zaidi kuhusu jinsi zana za kutokujulikana zinavyotofautiana na ugunduzi wa kawaida wa PII, angalia mwongozo wetu wa usahihi wa AI katika mapitio ya nyaraka za kisheria. Kwa muktadha wa kumbukumbu za haki na zana za AI, angalia makala yetu kuhusu haki ya mwanasheria-mteja na AI.