【Lawsnote 觀點】生成式 AI 與法律應用(2)_為什麼生成式 AI 是法律服務的工業革命?

穿越到 300 年前的律師

嚴格來說,人類歷史上經歷了三次的工業革命,300 年前,由於蒸汽機和紡織機的發明,開啟了人類利用自動化機具取代大量人力作業的社會活動。19 世紀末的電氣革命,因為電力和內燃機的應用,擴大了自動化的可能性,解放了大量依賴勞力活動的勞動力。第三次工業革命從半導體延續到電腦,進一步將自動化從實體的勞力活動延伸到腦力活動。

這些新的發明和技術解放了大量的勞動力,可以說整個工業革命的進程,就是透過科技來將社會活動自動化的進程,包含了生產製造的自動化,以及資訊處理的自動化。

然後在過去 300 年,人類社會發生翻天覆地的變革時,法律服務,作為人類社會歷史最悠久的工作之一,其實並沒有太大的改變。除了從手寫進入到打字,從飛鴿傳書進階到 Email,法律服務的核心,包含處理、交付以及資源分配的本質上並沒有太大的改變。

我們甚至可以合理假設,現代的律師,穿越時空回到 300 年前,在那個沒有電燈的時代,可能仍然可以勝任當時的法律專業工作。而這個假設在任何從事「製造」的工作中,可能都無法成立。

流程自動化和認知自動化

2016 年,Google 發表的 AlphaGO 人工智慧在圍棋上打敗了全世界的人類,與此同時,全球的媒體都在猜測 AI 將對那些工作帶來衝擊,而這次,法律工作者完全無法置身事外,首當其衝被認為是「最可能被 AI 取代的工作之一」。

甚麼原因讓這些 300 年來不受科技發展影響的法律專業工作者,一時被推上風口浪尖?

回首整個工業革命歷史,可以看成是一個自動化的歷史,更精確地說,是一個「流程自動化」的過程,水力紡織機將紡織流程自動化,電動機將生產流程進行自動化,半導體可以預寫入各種流程反覆作業,一封 Email 的傳輸作業,也將資訊傳輸的繁瑣流程,透過各種通訊協定自動完成了。

在這條巨大的自動化長河中,涉及人類的「認知」(Cognition)行為,則一直處在過去流程自動化無法涉足的高地。Email 的傳輸作業可以自動化,但撰寫 Email 本身則依賴人類的高度認知,在過去的科技中不存在被自動化的可能。

然而 AI 打破了這個限制。

就如同佐為可以在平安時代下圍棋,到了現代也可以用一樣的方式(或是在網路上)下圍棋,圍棋棋士是一個全然依賴高度複雜「認知」的職業,就像法律工作一般,從來沒有受到工業革命的影響,因此當 AlphaGO 成功證明 AI 能夠完成複雜認知作業時,也意味著工業革命從「流程自動化」進入到「認知自動化」的時代來臨了。

單一認知到複雜認知:智慧湧現

然而 AlphaGO、AI 或是深度學習在過去 8 年內,並未如大眾預期對於法律工作帶來嚴重的衝擊,儘管在 eDiscovery 流程已經大量採用 AI 進行,然而大多法律工作者實際上並未感受到他們在工作上涉及的「認知」,處在「自動化」的進程中。

圍棋和法律工作雖然同樣涉及高度的人類認知,但受到 AI 衝擊天差地遠,關鍵在於過去 AI 擅長的認知作業仍含有所限制。

圍棋是個困難的單一任務,下出最好的一步棋,並持續這麼進行,而我們知道 AI 已經在這個領域表現得非常優秀,但是當認知任務的複雜性提高的時候,例如需要更多的領域知識、背景事實、外部資料乃至人生經驗,AI 的表現便會指數下降,即便這個複雜的認知對人類來說並不困難。

AI 在處理困難的單一認知時做的很好,從下圍棋到預測蛋白質結構,我們可以將其視為單一任務的天才,但法律工作涉及的認知非常複雜,也因此 AI 對於「認知自動化」在法律領域的影響遠僅限於單一認知任務,例如 eDiscovery 的分類資料。

但這個前提隨著智慧湧現的出現而有所改變。

生成式 AI 與法律應用_系列文章(1)文章中我們介紹過「智慧湧現」(Emergent Ability)的現象,為 AI 模型的表現帶來了飛躍性的成長,更重要的是,具備智慧湧現的 AI,或是我們稱為大語言模型,具備了處理複雜認知任務的基礎能力。

在法律服務的交付中,充滿了複雜的流程作業和認知作業的混合工項,雖然透過流程自動化可以將其中部分流程交由電腦負責,但一旦涉及判斷、產出等等的行為,自動化的部分就會被切斷,造成自動化帶來的效益不高,然而生成式 AI 補足了法律服務的這個斷點。

這樣說明或許不太容易理解,以下我們以 Lawsnote 的合約生命週期管理系統為例,詳細說明單純的流程自動化,與搭配生成式 AI 的合約生命週期管理系統有甚麼差異。

合約管理的認知自動化:OCR 文字辨識+自動到期提醒

在前面我們提到,法律服務在過去 300 年來並未受到太大的科技影響,然而隨著人工智慧的發展,特別是生成式 AI 的出現,法律服務正面臨著「認知自動化」的巨大轉變。接下來我們將以 Lawsnote 的合約管理系統為例,說明單純的流程自動化與搭配 AI 的合約管理有何不同。

合約管理涵蓋了從撰寫、審閱、議約到簽署、保存及續約的整個合約生命週期。在過去流程未自動化的階段,合約用印完成後需要人工上傳歸檔,並由專人填入合約管理表單的各項欄位,如簽約主體、付款期程、合約到期日等在履約階段應注意的重要事項。在需要查閱合約條款時,也只能打開檔案逐條檢視,這個過程不但耗費人力,也容易因人為疏失而產生錯誤。

隨著 OCR(Optical Character Recognition,光學字元辨識)技術的成熟,為合約管理帶來了革命性的改變。OCR 是一種能夠將印刷或手寫的文字轉換成電子文字的技術,透過掃描或拍攝文件影像,再利用影像處理和模式辨識技術,將文字內容數位化。

當企業將 OCR 辨識系統應用到合約管理流程中,只要上傳已用印的合約影像,系統就能自動辨識並帶入對應的欄位資訊,大幅減少人工輸入的時間和錯誤率。此外,OCR 系統還能夠將合約內文轉換成可搜尋的電子檔,使用者只要輸入關鍵字,就能快速找到相關的合約條款,不必再逐頁翻閱紙本文件。

►認知自動化前後差異

認知自動化前
認知自動化後

►LLM 自動擷取合約續約資訊

LLM 自動擷取合約續約資訊

合約管理系統與生成式 AI 間的無數可能

單純仰賴 OCR 等技術,在面對複雜的法律專業工作時仍有其侷限。以審閱合約為例,系統難以判斷條款的風險或提出修訂建議,這些涉及專業知識、經驗判斷的「認知」工作,在過去都必須倚賴律師等法律工作者親自處理。

但隨著 ChatGPT  等大型語言模型展現驚人的「智慧湧現」,AI 已具備處理複雜認知任務的基礎能力。Lawsnote 的合約管理系統有效的應用了生成式 AI ,不僅將例行的作業自動化,還可以協助合約審閱並標示風險條款,甚至能夠依據過往案例提供修訂建議。藉由 AI 處理大量的認知工作,再搭配法律工作者的把關,將使合約管理的品質和效率大幅提升。

總結來說,合約管理系統經歷了從全人工、OCR 流程自動化,到引入 AI 實現認知自動化的演進過程。這個變革象徵著,在生成式 AI 的助力下,法律服務正式進入工業 4.0 的智慧化時代。在下一篇文章中,我們將進一步介紹 Lawsnote 的合約管理系統,展現法律科技創新應用結合 AI 的更多可能性。

若您的企業在法律領域、合約管理有導入生成式 AI 的需求,歡迎與我們聯絡了解更多。

分享這篇文章

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *