示意圖,與新聞事件無關。

圖片來源: 

維基共享資源;作者:Marcus Hansson from Göteborg, Sweden

Deloitte曾在2016年預估將有11.4萬個法務相關工作將在未來20年內消失,如今這個趨勢已經走出敲門階段,人工智慧(AI)等各種新形態法律科技(lawtech)已經開始進入律師事務所,或影響委託人決策,對律師產業開始產生實質影響。 

傳統上,律師事務所的營運模式多半是由薪水驚人的合夥律師,帶領低薪的法務助理、新進律師來處理案件,但自從2008年金融危機後,企業法務預算降低,連帶使得事務所傳統的獲利模式遭受挑戰,如今人工智慧科技的出現,更促使事務所更樂意透過新科技來取代重複性高的工作。 

舉例來說,英國的Berwin Leighton Paisner法律事務所,便利用人工智慧(AI)系統Ravn來處理房地產權爭議案件,該系統會自動從英國房地註冊系統擷取資訊,一旦有與案件相關的註冊變動,便會主動通知承辦律師。 

傳統上,律師事務所遇到相關案件,多半會召集初階律師與法務助理,以人力的方式,耗費數天從數百上千頁的文件中,找出可利用的證據、法條、案例等。 

國際連鎖律師事務所Baker McKenzie東京分所合夥律師井上朗(Akira Inoue),亦自2015年開始在該所啟用AI系統來輔助相關法律工作。他當時受到一家汽車零組件業者委託,處理該公司遭美國司法部指控違反美國反壟斷法的案件,工作必須分析大量該公司內部文書、信件、會議紀錄以及員工資料等,透過AI系統,他得以快速找到可能的證據。 

他表示,通常在處理跨國反壟斷法案件時,相關文件量可能高達1億筆之多,透過AI系統,目前得以過濾到1%約100萬筆,儘管仍然不少,但相較於過去需要40個人力、每天工作12小時、需時3個月後,才能找出1萬筆有用的資訊來說,已經省時太多。該公司目前在AI過濾後,只需要4名員工進行後續資料審閱。 

不過井上朗強調,在實際使用前,AI系統需要經過訓練,才能真正符合需求。他表示,在判斷企業是否涉及聯合行為時,常常會需要找出企業間私下協議的證據,在這種狀況下,AI系統必須要能夠辨別員工對外通聯紀錄中「今晚要一起喝點啤酒嗎?」和「我訂了一間包廂」、「今晚除了你我之外還有別的人會參與嗎?」這些話語間的細微差異。 

該公司需要先餵給AI系統大量資料,然後由律師挑選出可能有問題的資料,供AI系統學習,並逐步提高其運作效果。他強調,進行訓練時,必須挑出真實資料中有問題的部分,若是由律師自己草擬可能有問題的內容,對AI系統的訓練並無助益。 

另家國際事務所Orrick, Herrington & Sutcliffe東京分所合夥律師高取芳宏(Yoshihiro Takatori)亦表示,一家客戶因為他們採用AI系統,得以將人工處理文件數量由200萬筆降至15萬筆,光律師費就省下21萬美元。 

不過律師事務所也擔心,目前有經驗豐富的律師能夠訓練AI系統,但當今的資淺律師未來升為合夥人後,他們實際過濾分析文件的經驗較前輩少了許多,能否更有效地訓練未來的「AI夥伴」,可能將會是新的問題。


Advertisement

更多 iThome相關內容