ИИ в литигационных практиках юридических фирм США. Часть 2

Сегодня поговорим про другие примеры использования ИИ при работе с делом.

Пример 1: Nixon Peabody LLP (88 место по выручке американских юр.фирм в 2025 г.):

Напомню, в прошлой части юридические команды использовали ИИ, чтобы корректно раскрыть доказательства. Команда пользовалась ИИ, он себя прекрасно показывал, доказательства раскрывались. В этом примере происходит логичное последствие выполнения этой задачи: трибунал обязал команду юристов, которая раскрыла 9 тыс документов, разметить (сгруппировать) их таким образом, чтобы было понятно, на какой именно запрос о раскрытии доказательств данный конкретный документ отвечает. Количество запросов – 30 шт, поэтому и меток 30 под каждый запрос.

Мне понравилась стратегия анализа: сначала попросили модель все разметить, т.е. на каждом документе поставить метку, к какому именно запросу относится документ. Затем по каждому документу у ИИ спрашивали, почему именно эта метка. И уже полученные ответы анализировали вручную. Уверяют, что а) такой анализ был качественный, б) понадобилось всего несколько недель на анализ.

Это, конечно, дольше, чем 3 часа из другого примера , но результат все равно впечатляет.

Пример 2: Quinn Emanuel Urquhart & Sullivan, LLP

В этот раз ИИ использовался для предварительной оценкидела о банкротстве. В модель загрузили 20 тыс. документов по делу о банкротстве от разных участников. Далее работали в двух направлениях:

1. ИИ категоризировал все эти документы на 15 категорий. Это позволило лучше структурировать массив данных.

2. Команда без какого-либо ИИ, на собственной экспертизе, выделила 25 фактов, которые важны для защиты интересов клиента. И попросила ИИ собрать под каждый из этих фактов по 10 документов, которые их подтверждают. Утверждают, что ИИ справился и с этой задачей.

Я мало знаю американский судебный процесс. Говорят, что он очень долгий. Изучение подобных примеров дает частичное объяснение этого. Мне жутко интересно, как так получается, что одна из сторон заявляет 30 (!) заявлений о раскрытии. Допустим, они были сделаны не одновременно. Но отчего так много?

Дальше – больше: другая сторона ничтоже сумнясь на эти заявления предоставила 9 тыс. документов (в прошлом примере – 50 тыс. документов). Вдумайтесь в количество. В нормальной ситуации анализ этих документов – ручной. Сколько человеко-часов занимает такой анализ?

Что касается приведенных примеров, то в каждом из них есть какая-то изюминка, не просто выгрузили все в ИИ и сказали «выиграй мне дело», а заранее проработали задачу в целом и промпты, а потом грамотно организовали ручную проверку. Что ж, добавил в свою копилку эффективного анализа данных.

Первоисточник всех примеров.