Пример 3: Outten & Golden LLP (в рейтингах не нашел, фирма специализируется на защите прав работников и подала 500+ групповых исков):

Фирма сопровождала трудовой спор. Нужно было проанализировать 12,5 тыс. документов. Вероятно, это было групповое производство, иначе мне трудно представить, что это за индивидуальный трудовой спор, где появилась необходимость анализа 12,5 тыс. документов. Может быть, решили проверить все документы, которые подписал работник-сторона спора.

С помощью ИИ удалось выбрать только 484 релевантных документа. Для этого каждый документ был классифицирован по 28 параметрам (тэгам). По этим тегам и отсеивали.

Оставшиеся 484 документа смотрели уже вручную. Результат ручной проверки показал, что 78 документов в выборку попали ошибочно. Значит, есть документы, которые НЕ попали в выборку ошибочно. Чтобы исключить эту ситуацию, оставшиеся 12 тыс. документов (или их части) снова оценили с помощью ИИ, но уже другим промптом, либо вручную (подробнее про elusion testing напишу в другой раз).

Второй раз релевантных документов не нашли и это позволило сказать, что ИИ качественно проверил всю выборку.


Хотя в отзывах и не пишут, позволил ли ИИ выиграть спор, и клиент, и фирма от использования ИИ в любом случае сэкономили сумасшедшие деньги. Примечательно, что фирмы использовали разные стратегии: в примере 1 - ручной труд исключили, а в примерах 2 и 3 настолько уменьшили объем данных, что сделали их доступным и целесообразным с т.з. затрат для дальнейшего анализа.