Юридические компании во многих странах мира все чаще привлекают к своей работе роботов. Искусственный интеллект работает с базами данных и прогнозируют результат на основании вопросов, которые ему задают. О принципах работы таких компьютерных программ рассказал профессор финансов Университета Фейрфилда (Fairfield University) в Коннектикуте Майкл Макдональд.

О методе

Метод, основанный на анализе данных, становится все более популярным для всего бизнес-сообщества. И юрбизнес – не исключение. Аналитика играет всё более важную роль в принятии ключевых решений и разработке бизнес-стратегий.

Анализ данных – о чем это вообще?

Это процесс обработки данных и бизнес-информации, который состоит из 5 шагов:

1. Постановка задачи (вопроса);
2. Сбор соответствующих данных;
3. Отбор и структурирование информации;
4. Анализ и проверка гипотез;
5. Решение.

Максимальный эффект достигается при прохождении всех 5 этапов.

А как применяется этот метод на практике?

Анализ данных, включая бизнес-прогнозирование, полезен для юристов в самых различных областях, к примеру,

• Небольшие юридические фирмы могут использовать эти процессы для оптимизации цен и скидок для клиентов;
• Крупные юридические компании могут помочь корпоративным клиентам спрогнозировать риски судебных разбирательств и вероятность потерь;
• Фонды, занимающиеся финансированием представительства в судебных процессах, с помощью таких программ могут оценивать и изучать конкретные требования истцов;
• Юристы по ценным бумагам могут помочь клиентам понять риски, связанные с регуляторами, и т.п.

Ограничить анализ данных могут только вопросы, которые задают роботу. Для наглядности сравним две задачи:

Первая задача: существует компания XYZ. Учитывая особенности ее работы, может ли она получить судебный иск?

Вторая задача: что у меня будет сегодня на ужин?

С помощью рассмотренного выше механизма анализа данных можно составить прогноз по первой задаче. И никогда – по второй.

Где брать данные для анализа?

Самой большой проблемой для фирм является то, что они не знают точно, где брать необходимые данные.

Тем не менее, источники таких данных есть. При этом они либо бесплатны, либо стоят очень недорого. Например, сервисы FRED (принадлежит службе Федерального резерва США) и Data Ferret, относящийся к Бюро переписей США. Разумеется, есть много и платных источников данных (Thomson Reuters, рейтинговое агентство Standard and Poors). Данные, которые могут быть полезными адвокатам, можно найти и в специализированных источниках, таких как Lawyers.com и Litigation Finance Journal.

Какие данные используются для анализа?

Процесс отбора данных требует подготовки и опыта. Неспециалист может задавать интересующие его вопросы, но для ответа на вопрос необходим тщательный отбор данных. Наиболее важным инструментом является статистический метод исследования, который называется регрессионным анализом.

Регрессионный анализ позволяет анализировать ситуацию, учитывая разнообразные многочисленные факторы. Например, какова вероятность выиграть/проиграть судебный процесс, учитывая следующие данные: участники процесса, судья, география, экономическая ситуация и т.д. и т.п.

В дальнейшем, регрессионный анализ может являться опорной точкой для объективных рекомендаций в различных ситуациях.

Почему так важен этот метод?

Многие ключевые бизнес-решения сегодня принимаются на основании мнения высокооплачиваемых специалистов. Однако эта модель несовершенна. В её основе лежит субъективное мнение, которое может привести к принятию ошибочных решений. А это сопряжено с высокими рисками для развития бизнеса.

Напротив, объективные методы анализа данных в нашем непредсказуемом мире могут помочь в выборе последовательной бизнес-стратегии и снизить риски в работе.

Пример работы робота-аналитика в Британии

Британское бюро Serious Fraud Office (SFO), ведущее борьбу с крупными преступлениями в сфере мошенничества и коррупции, приняли на работу робота, сообщила британская Financial Times.

Робот создан компанией RAVN (https://www.ravn.co.uk/). В его задачи входит работа следователя: отбор информации, ее структурирование и подготовка выводов.

Робот справляется со своими задачами, в отличие от человека, намного быстрее и без ошибок.

Впервые SFO использовало программу, созданную RAVN, в расследовании по делу Роллс-Ройс. Крупнейшего автопроизводителя подозревали в коррупции. Робот помог следственной группе изучить 30 миллионов документов, обрабатывая по 600000 штук каждый день. Программа отсортировала документы по двум «стопкам»: относящиеся и не относящиеся к делу.

Исполнительный директор RAVN David Lumsden признался, что, благодаря программе скорость обработки документов выросла в геометрической прогрессии. У людей ушли бы месяцы на такую сортировку!

В результате, следователи смогли «расколоть» это дело гораздо быстрее, чем если бы занимались вручную.

Более того, как заявил Генеральный директор SFO David Green, робот обладает способностью к самообучению и поддержанию базы знаний для распознавания нужных и относящихся к делу материалов.

Derek Southall, партнер британской юридической фирмы Gowling WLG, которая пока не использует программы RAVN, сказал, что «эта технология освобождает адвокатов от большого числа рутинной работы и дает возможность решать более важные профессиональные задачи». И добавил: «Не думаю, что в результате многие адвокаты останутся без работы».

Бюро планирует использовать искусственный интеллект робота–«сыщика» и в будущих расследованиях. Это намного сократит время, необходимое для работы с документами. Например, в расследовании по фактам мошенничества, взяточничества и коррупции компании Airbus. Это уголовное дело SFO возбудило в августе прошлого года.

 Алгоритмы RAVN

Алгоритмы глубокого поиска, которые могут индексировать данные, например, электронная почта и презентации PowerPoint - не новы. Но алгоритмы машинного обучения RAVN пошли дальше - это ПО может понимать и извлекать информацию из текста, таблиц и даже изображений:

Например, компании могут проиндексировать все свои многонациональные хранилища, включая слова, таблицы, валюты, числа и изображения в Excel, Word, PDF, PowerPoint и т.д. Если мы хотим найти паспортные данные из 10 000 записей о занятости, ИИ сделает это автоматически, даже если у нас есть только изображение паспорта. В противном случае вам бы пришлось списывать номер паспорта с изображения вручную.

RAVN – самоокупаемая компания. У нее около 60 клиентов, в том числе несколько крупных британских и американских юридических фирм, четыре лучшие компании бухгалтерского учета и несколько крупнейших британских банков. В компании работает 47 сотрудников. Выручка компании за прошлый год составила 3 миллиона долларов. Ожидается, что в 2017 году эта цифра удвоится.