BLOGG

All AI-profilering är inte likadan: Varför de flesta juridiska sökningar fortfarande misslyckas

Jared Beckstead

Jared Beckstead

Senior produktmarknadschef – AI

När en affär är på väg att avslutas och en partner inte kan hitta det tidigare exempel som behövs, är det ingen som diskuterar jämförelser mellan olika funktioner. Istället förklarar de för kunden varför byrån måste börja om från början med ett arbete som man redan har utfört tidigare.

När jurister inte hittar det de söker skyller många på sökfunktionen. Men sökresultaten speglar kvaliteten på det underliggande materialet, och det är därför AI-profilering har väckt stor uppmärksamhet inom branschen.

Men all AI-profilering är inte likadan. En modell som tränats på generiska juridiska dokument och som fryses vid implementeringen kommer bara att ta en byrå en viss väg – den kan inte anpassa sig till era ärendetyper, era verksamhetsområden eller det sätt på vilket era jurister faktiskt beskriver sitt arbete. De luckor i metadata som detta lämnar efter sig är kumulativa och kostsamma.

En bättre sökfunktion kan kompensera för en del av det som en bristfällig profilering missar. Men de företag som får ut mest av sin sökfunktion – och av AI i stort – är de som först och främst fokuserar på att lägga en solid grund.

Allt börjar uppströms, i det ögonblick ett dokument sparas och beskrivs. Det är ett problem med profilering. Och de flesta företag har ett sådant problem.

All AI-profilering är inte likadan

Flera stora DMS-leverantörer kallar sin profilering för AI. Titta närmare på det. Du kanske upptäcker att det handlar om maskininlärningsbaserad klassificering som bygger på fasta, förtränade modeller.  

Leverantören:

  • Tränade dessa modeller på generiska juridiska dokument,
  • Beslutade vilka dokumenttyper som ska kännas igen,
  • Och skickade samma modell till alla kunder.

Modellen lärde sig om juridiska dokument i allmänhet redan innan den kom i kontakt med er byrå.

Den kan inte anpassas efter dina dokumenttyper, dina verksamhetsområden eller dina specifika dokumentstrukturer.

De metadatafält som dessa modeller kan fylla i är begränsade. De kan inte kopplas samman på ett meningsfullt sätt. Och strukturen är identisk för alla företag, oavsett hur olika deras verksamhet ser ut.

Den är utformad för en allmän juridisk värld och kommer aldrig att förstå just din.

Hur de flesta företag och juridiska avdelningar hamnade här

När profilering baserad på maskininlärning lanserades på marknaden innebar det ett verkligt framsteg jämfört med manuell datainmatning. Juristerna tog till sig tekniken, sökfunktionerna förbättrades och diskussionen gick vidare.

Det som ingen riktigt hade räknat med var att modellen låg fast redan när den infördes. Taket var inbyggt redan från början. De flesta företag börjar först nu känna av det.

Vad det faktiskt kostar

Tänk dig hur det ser ut när e-postmeddelanden skickas ut till hela byrån. En seniorjurist behöver ett prejudikat för bildandet av en fond eller ett avtal om gränsöverskridande utstationering som byrån med största sannolikhet har hanterat tidigare. Istället för att söka upp det i systemet skickar hen ett e-postmeddelande till 30 kollegor. Svaren dröjer i två dagar. Tre olika versioner. Ingen vet säkert vilken som är aktuell.

Det är inget undantagsfall. För många företag är det något som inträffar varje vecka.

Samma problem förekommer även inom företagens juridiska avdelningar. En chefsjurist som förbereder styrelsematerial kan inte hitta den version som godkändes förra kvartalet. Ett internt team som förhandlar om ett leverantörsavtal som omfattar tre olika jurisdiktioner kan inte hitta den mall som redan anpassats efter respektive tillämplig lagstiftning. Kostnaden består inte bara av dubbelarbete, utan även av inkonsekventa villkor, ökad risk och längre tid fram till genomförande.

Bakom det där mejlet döljer sig ett större mönster. Delägare återskapar avtal som redan finns. Biträdande jurister skriver utkast från grunden istället för att bygga vidare på byråns bästa arbete. Nyanställda från andra byråer tar med sig exempel utifrån eftersom de inte kan hitta det som byrån redan har. Den institutionella kunskapen som det tagit år att bygga upp finns i systemet, osynlig för just dem som behöver den mest.

Så ser bättre AI-profilering ut

En bättre AI-profilering anpassas efter hur dina jurister faktiskt söker, utan de konstgjorda begränsningar som förtränade modeller medför.

Så här ser det ut i praktiken.

Anpassad efter ditt företags arbetsflöden

NetDocuments AI-profilering anpassas redan från första dagen efter varje organisations specifika arbetsflöden. Oavsett om din advokatbyrå använder en taxonomi för verksamhetsområden som utvecklats under årtionden eller om din företagsjuridiska avdelning organiserar arbetet efter affärsenhet, produktlinje och jurisdiktion, anpassar sig systemet efter hur era team faktiskt arbetar. Det finns inga kompromisser mellan vad programvaran möjliggör och vad era medarbetare behöver.

Metadata anpassade efter hur jurister söker

Effektiva juridiska metadata speglar hur advokater och bolagsjurister faktiskt ser på dokument – inte hur en leverantör kategoriserar dem. Med NetDocuments generativa AI-profilering är metadatafälten obegränsade och kan omfatta jurisdiktion, tillämplig lag, affärstyp, motpartens bransch, regelverk och mycket mer.

När en processadvokat i Sydney söker efter ett jämförbart expertutlåtande, en transaktionsjurist i New York behöver en specifik ansvarsfriskrivningsklausul eller en tvistadvokat i London letar efter vittnesmål från ett liknande förfarande, ser profileringssystemet till att rätt resultat visas.

Snabbare tillgång till prejudikat och tidigare arbete 

En bättre dokumentprofilering innebär direkt snabbare tillgång till prejudikat och tidigare arbetsresultat. Företagens juridiska avdelningar slösar mindre tid på att återskapa avtal som organisationen redan har förhandlat fram. Advokatbyråer kan bevara den institutionella kunskapen som annars skulle försvinna när juristerna slutar. Välprofilerade dokument innebär att svaret redan finns i systemet – och kan hittas på några sekunder.

När profileringen utformas utifrån hur din byrå arbetar blir resultaten omedelbara. Ett avtal om fondbildning registreras precis som det är. Ett avtal om utstationering dyker upp när någon söker efter det. E-postmeddelanden till hela byrån skickas inte längre, eftersom medarbetarna litar på att systemet ger svaret på frågan.

Sökningen blir bättre eftersom metadatan har förbättrats. AI-verktygen fungerar bättre eftersom de har konkret information att utgå ifrån.

Varje AI-investering som ditt företag gör beror på detta

Varje verktyg som ditt företag köper in just nu – oavsett om det gäller sökning, dokumenthantering eller kunskapshantering – läser av dina metadata. En profileringinfrastruktur som bygger på fasta, förtränade modeller med begränsade fält innebär en dold kostnad för allt detta.

Detta blir ännu mer avgörande när agentbaserad AI kommer in i bilden. När en AI-agent söker sig in i ditt system för att hitta tidigare fall eller ta fram jämförbara ärenden, läser den av dina metadata. Bristfälliga metadata ger bristfälliga resultat. I takt med att företag kopplar samman fler system ökar värdet av bra metadata, medan kostnaden för dåliga metadata ökar.

De företag som får ut mest av sina AI-investeringar är inte de som köper flest verktyg. De lägger först grunden.

Upptäck AI-profilering som verkligen fungerar

När era team letar efter tidigare utfört arbete, hittar de det då? Om svaret inte är ett klart ja, är det dags att ta en titt på NetDocuments.

Med en generativ AI-profileringsmotor som anpassas efter dina metadata, dina dokumenttyper och dina arbetsflöden får du en sökfunktion som verkligen fungerar, AI-verktyg som förvandlar dina arbetsflöden och en kunskapsbas vars värde växer med tiden.

Begär en profilanalys för att se hur dina dokument beskrivs idag – och vad dina jurister kanske missar på grund av det.


Vanliga frågor

Kan förtränade profileringsmodeller anpassa sig?
Nej – dessa system tränas en gång på ett generiskt urval av juridiska dokument och låses fast vid driftsättningen. De lär sig inte av just er organisations specifika avtal, korrespondens eller myndighetsinlämningar.

Kan leverantörstränad, generisk dokumentprofilering förstå sammanhanget?
På sätt och vis. En leverantörstränad modell kan känna igen ordet ”hyresavtal”, men kan inte skilja mellan ett hyresavtal för kommersiella fastigheter som regleras av engelsk hyresrätt, ett amerikanskt markarrendeavtal eller ett australiskt detaljhandelsavtal enligt delstatslagstiftning. Denna distinktion är viktig när en advokat eller en bolagsjurist snabbt behöver hitta rätt prejudikat.

Varför är det viktigt att ha obegränsat med metadatafält?
När ditt profileringssystem endast stöder ett fåtal fasta fält (som dokumenttyp, författare och datum) kan det inte fånga upp det rika sammanhang som gör dokumenten sökbara: jurisdiktion, tillämplig lag, affärsfas, ärendetyp, regelverk eller kundbransch. Denna brist på metadata är skillnaden mellan en sökfunktion som fungerar och en som skapar frustration.

NetDocuments använder generativ AI-profilering som är anpassad efter just er byrås specifika fält, dokumenttyper och verksamhetsområden, utan att någon förträning krävs. Obegränsat antal metadatafält. Inget leverantörsbestämt tak. Systemet beskriver dokumenten på det sätt som era jurister faktiskt söker efter dem.