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。
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。