De “e” toevoegen aan Discovery

Ik herinner me mijn eerste eDiscovery-project in 2001, waar discussies werden gevoerd over de manier waarop elektronische informatie van een laptop kon worden verzameld en of en hoe we die informatie moesten afdrukken om deze ‘bruikbaar’ te maken.

Langzaam begon iedereen in de rechtszaken te worstelen met de “e” maar zij deden dit op inconsistente wijze van advocatenkantoor tot advocatenkantoor. Ten slotte werden in december 2006 de federale regels gewijzigd om een ​​eerste poging te doen om de problemen aan te pakken “e” door het definiëren en standaardiseren van verschillende processen. Wat was gemakkelijk toegankelijk? Wat was proportioneel? Hoe ver terug zou je moeten kijken en hoe breed zou de zoekopdracht zijn?

We hadden al eerder soortgelijke vragen gesteld, maar dan meer omdat het betrekking had op archiefkasten en archiefruimten in opslagfaciliteiten. Nu worstelden we met back-uptapes, servers en diskettes.

De introductie van machinaal leren

Ik heb lang gezegd dat je technologische problemen aanpakt door technologie te gebruiken. Toen de hoeveelheid gegevens menselijkerwijs onbeheersbaar werd, zagen we dat de proceswereld nieuwe veranderingen doormaakte op het gebied van het gebruik van technologie. Machine studying werd geïntroduceerd op verschillende beoordelingsplatforms. Mensen namen beslissingen die computer systems vervolgens zouden verbeteren en soortgelijke documenten zouden vinden.

De acceptatie van dergelijk machinaal leren is niet universeel. In het tijdperk van steeds veranderende technologie lijkt het juridische landschap de zakelijke realiteit nooit bij te houden. Mobiele apparaten, werken op afstand en alle implicaties ervan worden dagelijks behandeld in de zakenwereld en in rechtszaken. Advocaten beschikken echter, zowel qua opleiding als qua ervaring, niet altijd over de kennis of de vaardigheden om de vragen te beantwoorden die onvermijdelijk rijzen. We moeten die kenniskloof dichten.

AI neemt het over

​Nu, in 2024, beginnen we niet te worstelen met de “e” in ontdekking, maar met kunstmatige intelligentie (AI) en de affect ervan op het eDiscovery-proces. We zullen kijken naar vier gebieden die onvermijdelijk zullen worden beïnvloed door het gebruik van AI en andere hulpmiddelen voor machinaal leren. Eerst kijken we naar de affect op het verzamelen van information. Vervolgens kijken we naar de affect op het doorzoeken van die gegevens, vooral als het gaat om beschermde inhoud. Ten derde zullen we kijken naar de groeiende affect op het beoordelingsproces. En tot slot de affect van AI op de analyse van de gegevens die we nodig hebben voor afzetting of berechting (dat wil zeggen, het gebruik van de gegevens).

Gegevens verzamelen

Je kunt niet langer alles verzamelen. Er is gewoon te veel. Gegevens zijn misschien goedkoop om op te slaan, maar het is niet goedkoop om ze te verzamelen, te doorzoeken en te beoordelen. We moeten een betere manier vinden, zodat de kosten de waarde van de zaak niet overstijgen.

Ook het aantal databronnen neemt toe. Naast gedeelde schijven en harde schijven. We hebben nu meerdere sociale-mediaplatforms en web sites (die meestal video bevatten in plaats van alleen tekstgegevens). Dit maakt het gebruik van AI van cruciaal belang om alleen de benodigde gegevens te verzamelen. En om het proces van het ene proces naar het andere te verbeteren. AI kan de gegevens verzamelen, bewaren en voorbereiden voor zoeken.

Zoeken

AI heeft een ongelooflijk zoekvermogen. Niet alleen met verouderde zoekwoorden die al meer dan tien jaar worden gebruikt, maar met genuanceerd zoeken naar vooral beschermde inhoud. Zaken als advocaat-cliënt privilege, werkproducten of, in gereguleerde sectoren, further privileges met betrekking tot bankieren en rapporten over verdachte activiteiten. Of, in de gezondheidszorg, alles wat te maken heeft met beschermde gezondheidsinformatie, persoonlijk identificeerbare informatie, HIPAA of een van een aantal andere privileges die van toepassing kunnen zijn op uw specifieke branche.

We naderen snel de mogelijkheid om een ​​zoekopdracht te typen of uit te spreken met behulp van AI die in slechts enkele seconden door het universum van gegevenstypen zoekt die u heeft verzameld. Vervolgens wijzigt of bewerkt u die zoekopdracht en voert u deze internet zo snel opnieuw uit. Elke keer krijgt u een beter beeld van de beschikbare gegevens, in plaats van te zoeken naar trefwoorden of advocaten elke set te laten bekijken om te zien wat er in de gegevens staat.

Recensie verandert

Toen ik als babyadvocaat begon met het bekijken van documenten, hadden we stukjes papier en hadden we een dossierkamer waar dat papier werd bewaard. Er waren mensen die naar elke pagina keken en zich afvroegen wat we zouden kunnen ontdekken als we iemands file doorzochten. Geleidelijk aan zijn we de laptop gaan gebruiken voor het taggen en consistentie tussen verschillende producties op verschillende locaties.

De industrie ging uiteindelijk over op machinaal leren, waarbij individuele advocaten beslissingen konden nemen die de laptop vervolgens zou proberen te repliceren en rationeel te verbeteren om soortgelijke documenten op te nemen. (Internet als hoe streamingdiensten movies voor je proberen te vinden die lijken op de movies die je leuk vond of eerder hebt bekeken.)

De groei van AI in de reviewruimte is nog niet voorbij. In plaats van de advocaat alleen maar te helpen bij die eerste beoordeling om responsief, vertrouwelijk of bevoorrecht materiaal te vinden, zie ik dat AI die stap snel volledig laat verdwijnen.

In plaats daarvan zal een ervaren beoordelingsadvocaat van een hoger niveau, die gespecialiseerd is in kwaliteitscontrole of in die specifieke sector, zich concentreren op het trainen van de AI en vervolgens doorzoeken wat de technologie heeft geïdentificeerd als responsief, vertrouwelijk of bevoorrecht. Die kwaliteitsstap is noodzakelijk, maar zal waarschijnlijk ook beperkt zijn naarmate AI geavanceerder en genuanceerder wordt en advocaten zich meer op hun gemak voelen met de resultaten ervan.

Analyse

​Dit omvat zowel documenten die u voor de andere kant maakt als documenten die u van de andere kant ontvangt.

AI kan in korte tijd een enorme hoeveelheid informatie verwerken. Het kan documenten aanzienlijk sneller categoriseren en in onderwerpcategorieën plaatsen dan een mens dat kan. Het kan ook zijn analyse uitspugen van wat het heeft gecategoriseerd.

AI zal ongetwijfeld in toenemende mate voor deze stap worden gebruikt, waardoor mogelijk de behoefte aan een jonge medewerker bij de externe raadsman wordt weggenomen, en internet zoals in de beoordelingswereld waar alleen kwaliteitsbeoordelaars overblijven, zullen alleen degenen die zich bezighouden met de feitelijke rechtszaak naar die zaken hoeven te kijken. documenten.

Omarm het

Technologie heeft de afgelopen twintig jaar een grote invloed gehad op het juridische vakgebied. De snelheid van de affect zal alleen maar toenemen. Zowel wat betreft de beschikbare banen als de diepgaande analyse die nu beschikbaar is, zou het een mens vele, vele uren hebben gekost om dit te absorberen en te begrijpen.

Ik ben ervan overtuigd dat we de technologische vooruitgang niet moeten bestrijden. Hoewel de geldautomaat voor een verschuiving in de werkgelegenheidssector in de bancaire sector heeft gezorgd, ga ik veel liever naar een geldautomaat om contant geld te halen dan in de rij te staan ​​voor een balie. Ook eating places werden getroffen door de pandemie en de drang naar drive-thru en bezorging versus klanten die binnen dineren. Ze moesten hun businessmodel aanpassen. Dat zullen advocaten ook doen.

We moeten het omarmen, we moeten het begrijpen, en we moeten leren het te gebruiken in plaats van wegversperringen op te werpen om te proberen te behouden wat eerder is gebeurd.