Als je denkt aan een innovatieve en disruptieve groep gebruikers van moderne technologie, kom je al gauw uit bij advocaten. Ze zijn van nature risicomijdend, voorzichtig en punctueel en wegen hun woorden heel zorgvuldig af. Een perfecte match met technologieën als Artificial Intelligence (AI) en machine learning zou je denken. Er is dan ook geen andere beroepsgroep die op dit moment beter gebruik maakt van de nieuwe technische mogelijkheden.
Van oudsher staan advocaten niet bepaald bekend om hun grote voorsprong op technologisch gebied. Sterker nog, meestal lopen ze een stap (of twee) achter op hun klanten. Toch zijn het de vooruitstrevende advocatenkantoren en de grotere corporate juridische afdelingen die de laatste tien jaar al bezig zijn geweest met het verkennen van de mogelijkheden van AI. Intussen is er dan ook geen advocaat meer die niet gehoord heeft van predictive coding of technology assisted review.
Het IDG Contributor Network geeft jou als IT-professional of opiniemaker een platform als je je kennis of mening wil delen met collega's via de websites van IDG: CIO.nl, CSO.nl, Computerworld.nl, Webwereld.nl en CxO.nl.
Analisten, experts en IT-professionals kunnen deelnemen aan het platform als zij hun collega's van originele content kunnen voorzien. We accepteren geen promotionele bijdragen of herschreven content. Deelname kan worden aangevraagd via contributor@idg.nl
Predictive coding en technology assisted review zijn voorbeelden van machine learning-toepassingen die het beslissingsproces van een advocaat nabootsen. Er worden, geautomatiseerd, miljoenen documenten geïdentificeerd en beoordeeld, om te bepalen welke gebruikt kunnen worden in een proces of onderzoek. Als het op de juiste manier wordt ingezet, zorgt deze technologie voor een drastische verbetering in snelheid én feitelijkheid van de review van documenten voor verscheidene juridische en compliance-processen.
Waarom zijn advocaten zo snel met AI?
De volgende factoren hebben samen geleid tot deze innovatie uit onverwachte hoek:
1. Big data
Dagelijks worden er explosieve hoeveelheden data geproduceerd binnen bedrijven. In on-premise software, cloud apps, chatprogramma's, gedeelde werkomgevingen en ga zo maar door. Dit betekent een steeds grotere uitdaging voor juridische medewerkers: al deze data is tenslotte mogelijk bewijs in onderzoeken en rechtszaken.
2. Hoge kosten
Document review brengt enorme kosten met zich mee. In de Verenigde Staten is onderzocht dat jaarlijks maar liefst 70 procent van het totale budget voor het juridisch doorzoeken van digitale data wordt besteed aan document review. Hoe meer er bespaard kan worden op dit gebied, hoe beter.
3. Behoefte aan snel inzicht
Schikking is in de advocatuur nog altijd een populaire uitweg om een verder proces te voorkomen. Het scheelt tenslotte een heleboel kosten. Het vinden van het juiste bewijs is essentieel om tot een schikking te komen. Worden er sneller middelen gegeven om de onderhandeling een boost te geven, dan kunnen er ook meer kosten en ellenlange processen worden bespaard.
4. Afkeer tegen document review
Niemand vindt het leuk om irrelevante content door te spitten. Een voorselectie kan ervoor zorgen dat advocaten alleen maar content door hoeven te nemen die er wel toe doet en dat maakt het een stuk interessanter. Bovendien verbetert het hun accuraatheid en productiviteit.
Zo past de advocatuur AI toe
Predictive coding start met een statistische analyse van miljoenen documenten, waarbij wordt bekeken in welke van deze documenten bepaalde woorden samen voorkomen. Het systeem creëert vervolgens een verfijnd model van een aantal documenten die volgens advocaten relevant kunnen zijn voor de zaak. Er wordt binnen de totale dataset gekeken of er meer documenten zijn die gerelateerd zijn aan de desbetreffende zaak. Die documenten worden voorgelegd aan advocaten voor review.
Op de volgende pagina: Intelligent zoeken is anders dan Google Search.
Predictive coding is in feite 'vind meer zoals dit', waarbij 'dit' een stuk ongestructureerde data is (een e-mail, presentatie, brief, memo, enz.) en 'meer zoals' documenten zijn die inhoudelijk vergelijkbaar zijn - al dan niet met dezelfde letterlijke woorden. Netflix werkt op eenzelfde manier om aanbevelingen te doen.
Dat de inhoud niet dezelfde letterlijke woorden hoeft te bevatten is extreem belangrijk. Documenten die een vergelijkbare inhoud hebben, kunnen hele andere woorden bevatten maar tegelijkertijd even belangrijk zijn in een proces of onderzoek. Met de meer traditionele zoekopdrachten op basis van de booleaanse zoekmethode , die dus zoeken op bepaalde trefwoorden, zouden onderzoekers jaren zoet zijn en nog steeds niet tot het gewenste resultaat komen. Het zoeken op trefwoorden is simpel gezegd zwart-wit en juist daarom is het nauwelijks in te zetten in de context van juridisch onderzoek.
Technologie verbetert zichzelf
De machine learning-technologie verbetert zichzelf continu. Zodra advocaten documenten als relevant of irrelevant bestempelen, wordt het systeem slimmer en verfijnt de zoekactie om tot nog betere resultaten te komen. Deze methode is zo efficiënt dat juridische teams meestal maar 10 tot 30 procent van de data hoeven te reviewen om daarna alle relevante content geautomatiseerd te kunnen vinden. Dit zorgt niet alleen voor een besparing in tijd en werk, het maakt het bewijs om de zaak te kunnen winnen ook sterker.
Omdat de achterliggende analyse werkt op basis van statistiek, hoeft het systeem de woorden niet te 'begrijpen' of te 'lezen'. Toch kan het systeem gerelateerde documenten heel goed opsporen en de kwaliteit van deze zoekactie overstijgt zoekopdrachten op basis van boolean ruimschoots.
Een ander voordeel van statistische analyse is dat het niet gebonden is aan taal; vrijwel alle talen kunnen profiteren van de methode zolang de documenten die gebruikt worden om het systeem te trainen, maar dezelfde taal hebben als de documenten die doorzocht moeten worden.
Een blik vooruit
Advocaten zijn al ver met AI, machine learning en predictive coding, maar ook steeds meer andere beroepsgroepen krijgen ermee te maken. De komende tijd zal dan ook in het teken staan van business transformatie onder invloed van deze technologieën in alle sectoren. Advocaten laten zien dat nieuwe technologieën, mits goed toegepast, veel werk en tijd kunnen besparen, maar daarnaast ook veel strategische waarde toe kunnen voegen. De belangrijkste les is dan ook dat er voor elk bedrijf met een significante dataset kansen liggen te wachten.
Hal Marcus is eDiscovery advocaat en Director of Product Marketing bij OpenText
Reageer
Preview