Το Astra for Law της OpenAI είναι νομικό σύστημα AI, όχι νέο μοντέλο

Σύμφωνα με το SiliconANGLE, το Astra for Law εμφανίζεται σε επιλεγμένες εταιρείες μέσω ενός προγράμματος Trusted Access στο ChatGPT και το Codex, όπου παρατίθεται στον επιλογέα μοντέλου ως GPT-6 Astra Law. Έχει προγραμματιστεί μια έκδοση API με όνομα gpt-6-astra-law, αλλά το ρεπορτάζ αναφέρει ότι η OpenAI δεν έχει συνδέσει ημερομηνία ή τιμολόγηση με αυτήν την κυκλοφορία API.

Το νομικό ευρετήριο είναι ευρύ. Το SiliconANGLE αναφέρει ότι καλύπτει νομολογία των ΗΠΑ, νόμους, κανονισμούς, δικαστικούς κανόνες και διοικητικές αποφάσεις σε περισσότερα από 230 εκατομμύρια URLs, με πηγές να προστίθενται καθημερινά. Η βάση δεδομένων CourtListener του μη κερδοσκοπικού Free Law Project παρέχει τη νομολογία.

Το λανσάρισμα περιλαμβάνει επίσης ένα οικοσύστημα συνεργατών. Σύμφωνα με το ρεπορτάζ, 26 plugins που δημιουργήθηκαν από συνεργάτες λανσαρίστηκαν μαζί με το μοντέλο, συνδέοντας το ChatGPT με νομικά εργαλεία όπως τα Relativity, Clio, iManage και DeepJudge. Η Thomson Reuters φέρνει το πλαίσιο υποθέσεων του HighQ στο ChatGPT και παρουσιάζει σε προεπισκόπηση έναν connector για το CoCounsel Legal. Άλλα εννέα plugins προήλθαν από δικηγόρους και legal engineers εκτός του συνόλου των προμηθευτών, μεταφέροντας 47 προσαρμοσμένες δεξιότητες.

Το ChatGPT for Word έγινε επίσης γενικά διαθέσιμο την ίδια ημέρα, σύμφωνα με το ρεπορτάζ. Αυτή η λεπτομέρεια είναι εύκολο να περάσει απαρατήρητη, αλλά είναι σημαντική: η νομική εργασία εξακολουθεί να γίνεται σε έγγραφα. Αν η έρευνα, η σύνταξη, η επισήμανση αλλαγών και το πλαίσιο της υπόθεσης συναντιούνται όλα μέσα στα εργαλεία που ήδη χρησιμοποιούν οι δικηγόροι, η υιοθέτηση παύει να είναι μόνο ζήτημα ποιότητας μοντέλου και γίνεται ζήτημα ροής εργασίας.

Το benchmark που επέλεξε η OpenAI, όπως περιγράφεται από το SiliconANGLE, επιβραβεύει την εύρεση της σωστής νομικής αυθεντίας και του σωστού αποσπάσματος μέσα σε αυτήν. Το Astra for Law πέρασε τον συνολικό έλεγχο ορθότητας στο 54% των 200 ερωτήσεων που αντλήθηκαν από το ιδιωτικό σύνολο επικύρωσης του Legal Research Bench της Vals AI. Το GPT-6 Astra μόνο με web search έφτασε στο 38,7% στις ίδιες ερωτήσεις, με τα δύο συστήματα να εκτελούνται στο υψηλότερο επίπεδο προσπάθειας συλλογισμού τους.

Στις ερωτήσεις νομολογίας, το Astra for Law βρήκε 24% περισσότερες υποθέσεις αναφοράς. Σε ένα ξεχωριστό ελεγμένο σύνολο, ανέκτησε έως και 54% περισσότερα από τα στοχευμένα αποσπάσματα από τις σωστές αποφάσεις.

Αυτοί οι αριθμοί υποστηρίζουν μια στενή ανάγνωση: η ποιότητα ανάκτησης και η νομικά εξειδικευμένη συσκευασία βελτίωσαν την απόδοση στις δοκιμασμένες εργασίες. Δεν αποδεικνύουν ότι το σύστημα είναι έτοιμο να αντικαταστήσει τη νομική κρίση στην έρευνα, ότι λειτουργεί εξίσου καλά εκτός benchmark ή ότι κάθε απάντηση θα είναι ασφαλές να χρησιμοποιηθεί χωρίς έλεγχο.

Αυτό δεν είναι κριτική. Είναι ο κανονικός τρόπος ανάγνωσης των benchmarks νομικής AI. Η νομική έρευνα δεν συγχωρεί, επειδή το σχεδόν σωστό μπορεί να εξακολουθεί να είναι λάθος. Ένα σύστημα μπορεί να βρει μια σχετική υπόθεση αλλά να χάσει την δεσμευτική αυθεντία. Μπορεί να εντοπίσει τη σωστή απόφαση αλλά να παραθέσει το λάθος απόσπασμα. Μπορεί να διατυπώσει έναν κανόνα που αργότερα περιορίστηκε. Τα benchmarks που ελέγχουν τόσο την ανάκτηση αυθεντίας όσο και την ανάκτηση αποσπασμάτων είναι πιο κοντά στην πραγματική εργασία από τις γενικές δοκιμές web search, αλλά η χρήση στην παραγωγή εξακολουθεί να εξαρτάται από έλεγχο, επαλήθευση παραπομπών και εταιρικά πρότυπα.

Για τους builders, το μάθημα είναι γνώριμο από τα συστήματα RAG: το μοντέλο είναι μόνο ένα μέρος του συστήματος. Το επίπεδο ανάκτησης, η ποιότητα του σώματος κειμένων, η κατάταξη, οι παραπομπές και το σύνολο αξιολόγησης συχνά καθορίζουν αν η τελική απάντηση μπορεί να θεωρηθεί αξιόπιστη. Οι ομάδες που δημιουργούν τους δικούς τους νομικούς, πολιτικούς ή συμμορφωτικούς βοηθούς θα πρέπει να ξεκινήσουν με ένα domain-specific golden set προτού συζητήσουν ποιο μοντέλο είναι το καλύτερο. Ο οδηγός μας για RAG chunking και παραπομπές καλύπτει το ίδιο μοτίβο παραγωγής εκτός του νομικού τομέα.

Το λανσάρισμα δεν αφορά μόνο την αναζήτηση. Το SiliconANGLE αναφέρει ότι, για επιλέξιμες εταιρείες, η προσφορά φέρει μηδενική διατήρηση δεδομένων στο API, ενώ η χρήση του ChatGPT Enterprise εξαιρείται από ανθρώπινο έλεγχο από προεπιλογή. Η Latham & Watkins συνεργάζεται με την OpenAI στον σχεδιασμό διακυβέρνησης για δικαιώματα πληροφόρησης, δεοντολογικά τείχη και οδηγίες πελατών.

Αυτές οι λεπτομέρειες δεν είναι διακοσμητικές. Οι δικηγορικές εταιρείες είναι ασυνήθιστα ευαίσθητες στο ποιος μπορεί να δει ποια υπόθεση, ποιες οδηγίες πελάτη ισχύουν και αν δύο ομάδες πρέπει να απομονώνονται η μία από την άλλη. Ένα σύστημα νομικής AI που αγνοεί τα δεοντολογικά τείχη δεν είναι απλώς άβολο. Μπορεί να δημιουργήσει προβλήματα επαγγελματικού κινδύνου και εμπιστευτικότητας.

Εδώ είναι που τα γενικής χρήσης εργαλεία AI συχνά αποτυγχάνουν μέσα στις επιχειρήσεις. Μπορούν να συνοψίζουν, να συντάσσουν και να αναζητούν αρκετά καλά σε ένα demo, αλλά δεν κατανοούν φυσικά τα εταιρικά δικαιώματα, τα όρια υποθέσεων, τους κανόνες έγκρισης ή τις πολιτικές διατήρησης. Αυτοί οι έλεγχοι πρέπει να σχεδιαστούν μέσα στο περίβλημα γύρω από το μοντέλο.

Ο Joel Hron, chief technology officer της Thomson Reuters, το έθεσε καθαρά στο ρεπορτάζ του SiliconANGLE: «Καθώς η AI γίνεται πιο ανοιχτή και διαλειτουργική, η αξία δεν βρίσκεται μόνο στη συνδεσιμότητα. Οι επαγγελματίες του νομικού κλάδου χρειάζονται κάτι περισσότερο από πρόσβαση σε πληροφορίες. Χρειάζονται αξιόπιστη νοημοσύνη, σχετικό επιχειρησιακό και υποθεσιακό πλαίσιο, νομικές δυνατότητες σχεδιασμένες για συγκεκριμένο σκοπό και τη διακυβέρνηση που απαιτείται για εργασία υψηλού διακυβεύματος.»

Αυτή η πρόταση ισχύει και πέρα από τη νομική. Ομάδες στην υγεία, τα χρηματοοικονομικά, τις ασφάλειες, τις προμήθειες και τον δημόσιο τομέα έχουν το ίδιο βασικό σχήμα προβλήματος: ιδιωτικό πλαίσιο, ρυθμιζόμενες αποφάσεις, πρόσβαση σε εργαλεία, δυνατότητα ελέγχου και ανθρώπινη λογοδοσία. Η νομική αγορά μπορεί απλώς να αναγκάζει αυτές τις απαιτήσεις να βγουν στην επιφάνεια νωρίτερα.

Αν σχεδιάζετε ροές εργασίας AI σε περιβάλλον υψηλού διακυβεύματος, αντιμετωπίστε τη διακυβέρνηση ως λειτουργία, όχι ως εκ των υστέρων σκέψη. Κλήσεις εργαλείων που αλλάζουν εγγραφές, στέλνουν μηνύματα, καταθέτουν έγγραφα ή εκθέτουν δεδομένα πελατών θα πρέπει να περνούν από ρητές διαδρομές ελέγχου. Συστήματα human-in-the-loop όπως οι εγκρίσεις ενεργειών AI δεν είναι απλώς προστατευτικά όρια· είναι ο τρόπος με τον οποίο οι οργανισμοί κρατούν την AI χρήσιμη χωρίς να της δίνουν ανεξέλεγκτη εξουσία.

Το ότι το Astra for Law είναι διαμόρφωση του GPT-6 Astra είναι το πιο χρήσιμο μέρος της ανακοίνωσης για τους builders AI. Δείχνει προς τα πού φαίνεται να κατευθύνεται η enterprise AI: όχι ένα μονολιθικό μοντέλο για κάθε κλάδο, αλλά επαναχρησιμοποιήσιμα frontier models συσκευασμένα με σώματα κειμένων ανά τομέα, οδηγίες, εργαλεία, δικαιώματα και αξιολόγηση.

Αυτή η αρχιτεκτονική είναι πιο πρακτική από την εκπαίδευση ενός νέου μοντέλου για κάθε επάγγελμα. Η νομική εργασία χρειάζεται νομολογία και πλαίσιο υπόθεσης. Η υποστήριξη πελατών χρειάζεται tickets, πολιτικές και ενέργειες CRM. Οι engineering agents χρειάζονται repos, issue trackers και εργαλεία deployment. Οι χρηματοοικονομικές ομάδες χρειάζονται καθολικά, εγκρίσεις και audit trails. Το βασικό μοντέλο παρέχει γλώσσα, συλλογισμό και ικανότητα χρήσης εργαλείων· το περιβάλλον σύστημα παρέχει τον τομέα.

Γι’ αυτό έχουν επίσης σημασία το model routing και η ενορχήστρωση. Διαφορετικά βήματα σε μια ροή εργασίας μπορεί να χρειάζονται διαφορετικές δυνατότητες: βαθύ συλλογισμό για νομική ανάλυση, γρήγορη ανάκτηση για αναζήτηση παραπομπών, δομημένη έξοδο για έναν πίνακα ρητρών σε προσχέδιο ή ένα ασφαλέστερο περιορισμένο μοντέλο για μορφοποίηση. Μια πλατφόρμα που μπορεί να επιλέγει ανάμεσα σε πολλαπλά μοντέλα AI προσαρμόζεται ευκολότερα από ένα stack ενός μοντέλου, ειδικά όταν το κόστος, η καθυστέρηση και η αξιοπιστία διαφέρουν ανά εργασία.

Το ίδιο μοτίβο ισχύει και για τα εργαλεία. Ένα μοντέλο που μπορεί να απαντά σε ερωτήσεις είναι χρήσιμο. Ένα μοντέλο που μπορεί να ανακτά από μια γνωσιακή βάση με δικαιώματα, να καλεί ένα σύστημα εγγράφων, να ανοίγει ένα πλαίσιο υπόθεσης και να παράγει προτεινόμενες αλλαγές είναι ροή εργασίας. Οι builders μπορούν να προσεγγίσουν αυτή τη δομή με API connectors, γνωσιακές βάσεις και περιβλήματα agents, αλλά πρέπει να δοκιμάζουν κάθε σύνδεση ως μέρος του προϊόντος, όχι ως πρόσθετο demo.

Το SiliconANGLE αναφέρει ότι μηχανικοί της OpenAI που είχαν ενσωματωθεί σε μεμονωμένες εταιρείες έχουν επίσης δημιουργήσει εργαλεία ανά εταιρεία πάνω στο ChatGPT Enterprise. Η Sullivan & Cromwell διαθέτει έναν αναλυτή συμφωνιών που αντλεί negotiating playbooks και επιλεγμένα προηγούμενα στη διαδικασία ελέγχου μιας νέας συμφωνίας, και στη συνέχεια μετατρέπει όσα βρίσκει σε προτεινόμενες αλλαγές. Η Ropes & Gray εστίασε στο deal diligence. Το GO Public της Cooley χειρίζεται την προετοιμασία αρχικής δημόσιας προσφοράς, συμπεριλαμβανομένης της σύνταξης του φακέλου κατάθεσης.

Αυτά τα παραδείγματα είναι πιο συγκεκριμένα από το «AI για δικηγόρους». Δείχνουν πού πιθανότατα βρίσκεται η βραχυπρόθεσμη αξία: σε επαναλαμβανόμενη εργασία με πολλά έγγραφα και επίγνωση προηγουμένων, όπου η εταιρεία έχει ήδη μια διαδικασία και ένα σώμα εσωτερικών παραδειγμάτων.

Ένας αναλυτής συμφωνιών μπορεί να οριοθετηθεί. Μπορεί να συγκρίνει ένα προσχέδιο με playbooks. Μπορεί να παραθέτει προηγούμενα. Μπορεί να προτείνει αλλαγές για να τις αποδεχθεί, να τις απορρίψει ή να τις αναθεωρήσει ένας δικηγόρος. Οι ροές diligence μπορούν να αποσυντεθούν σε λίστες ελέγχου, έλεγχο εγγράφων, εξαγωγή ζητημάτων και περιλήψεις. Η προετοιμασία IPO έχει γνωστά τεκμήρια και υψηλή ένταση εγγράφων.

Αυτό δεν κάνει τη δουλειά εύκολη. Την κάνει ορίσιμη. Τα συστήματα AI αποδίδουν καλύτερα όταν η ροή εργασίας έχει όρια, πηγαίο υλικό, κριτήρια αποδοχής και βήματα ελέγχου. Οι ασαφείς agents τύπου «κάντε νομική εργασία» είναι πολύ πιο δύσκολο να εμπιστευθεί κανείς σε σχέση με στενά συστήματα που συντάσσουν με βάση ένα γνωστό playbook.

Για ομάδες εκτός νομικού κλάδου, αυτό είναι το καλύτερο πρότυπο. Μην ξεκινάτε με τον ευρύτερο δυνατό βοηθό. Ξεκινήστε με μία ροή εργασίας που έχει γνωστές εισόδους, γνωστές εξόδους και έναν reviewer που μπορεί να πει αν η δουλειά είναι καλή. Αν η εργασία εκτείνεται σε πολλαπλούς ρόλους ή εργαλεία, ένα σχεδιασμένο σύστημα πολλαπλών agents μπορεί να βοηθήσει, αλλά μόνο αφού γίνει κατανοητή η ίδια η ροή εργασίας.

Για δικηγορικές εταιρείες με πρόσβαση στο Astra for Law, το πρώτο ερώτημα δεν είναι αν το benchmark είναι εντυπωσιακό. Το πρώτο ερώτημα είναι πού μπορεί το σύστημα να δοκιμαστεί με ασφάλεια απέναντι σε υπάρχουσα εργασία. Καλοί υποψήφιοι είναι τα ερευνητικά σημειώματα, η αρχική συλλογή νομικών αυθεντιών, η σύγκριση προηγουμένων, οι περιλήψεις diligence και ο έλεγχος προσχεδίων με βάση εσωτερικά playbooks. Κακοί υποψήφιοι είναι οι μη επιβλεπόμενες τελικές συμβουλές, οι αποφάσεις κατάθεσης χωρίς έλεγχο ή οποιαδήποτε ροή εργασίας όπου η πηγή αυθεντίας δεν μπορεί να ελεγχθεί.

Οι ομάδες θα πρέπει να χτίσουν αξιολόγηση γύρω από τις δικές τους υποθέσεις. Ένα δημόσιο ή ιδιωτικό benchmark μπορεί να δείξει γενική ικανότητα, αλλά μια εταιρεία πρέπει να γνωρίζει αν το σύστημα αποδίδει στους τομείς πρακτικής της, στις προτιμώμενες αυθεντίες, στις συμβάσεις εγγράφων και στην ανοχή κινδύνου της. Παρακολουθήστε όχι μόνο την ορθότητα των απαντήσεων, αλλά και την ποιότητα παραπομπών, τις χαμένες αυθεντίες, την ψευδή αυτοπεποίθηση, τον χρόνο που εξοικονομείται, τις επεξεργασίες από reviewer και το ποσοστό κλιμάκωσης.

Για τους προμηθευτές νομικής AI, η ανακοίνωση ανεβάζει τον πήχη. Ένα λεπτό wrapper γύρω από ένα μοντέλο chat θα είναι πιο δύσκολο να υποστηριχθεί αν οι πάροχοι πλατφορμών προσφέρουν νομικά ευρετήρια, επιχειρησιακούς ελέγχους, plugins και πρόσβαση API. Οι προμηθευτές θα πρέπει να κερδίσουν με ιδιόκτητο βάθος ροής εργασίας, πλαίσιο υποθέσεων, ενσωματώσεις, UX, διακυβέρνηση και εμπιστοσύνη πελατών.

Για όλους τους άλλους που χτίζουν με AI, το Astra for Law είναι μια μελέτη περίπτωσης στη συσκευασία. Το moat δεν είναι απλώς ένα prompt. Είναι ο συνδυασμός μοντέλου, ανάκτησης, δικαιωμάτων, εργαλείων, αξιολόγησης και του τόπου όπου ήδη γίνεται η εργασία.

Η OpenAI περιέγραψε το λανσάρισμα ως την αρχή μιας μακροπρόθεσμης επένδυσης στη νομική, σύμφωνα με το SiliconANGLE. Η ασφαλέστερη ερμηνεία είναι και η πιο χρήσιμη: η domain AI αφορά όλο και λιγότερο το να κάνετε πιο δύσκολες ερωτήσεις σε ένα γενικό chatbot, και όλο και περισσότερο το να χτίζετε συστήματα που ξέρουν πού να κοιτάξουν, τι επιτρέπεται να αγγίξουν, πότε να ζητήσουν έγκριση και πώς να αφήσουν έναν reviewer με επαληθεύσιμη εργασία.

Για περισσότερα νέα AI και πρακτικούς οδηγούς, εγγραφείτε στο newsletter της LIA.

• Το Astra for Law περιγράφεται ως διαμόρφωση του GPT-6 Astra για νομική έρευνα και σύνταξη, όχι ως ξεχωριστό θεμελιώδες μοντέλο.
• Τα αναφερόμενα κέρδη στα benchmarks δείχνουν την αξία της νομικά εξειδικευμένης ανάκτησης, της ποιότητας σώματος κειμένων και της αξιολόγησης με έμφαση στις παραπομπές.
• Η διακυβέρνηση είναι κεντρική στο προϊόν, επειδή η νομική AI πρέπει να σέβεται δικαιώματα υποθέσεων, δεοντολογικά τείχη, πολιτικές διατήρησης και διαδρομές ελέγχου.
• Το λανσάρισμα υποδηλώνει ένα ευρύτερο επιχειρησιακό μοτίβο: frontier models συσκευασμένα με δεδομένα ανά τομέα, εργαλεία, δικαιώματα και αξιολογήσεις.
• Οι πιο ξεκάθαρες περιπτώσεις χρήσης είναι οριοθετημένες ροές εργασίας με πολλά έγγραφα, όπως ερευνητικά σημειώματα, σύγκριση προηγουμένων, περιλήψεις diligence και έλεγχος προσχεδίων.

Το Astra for Law αναφέρεται ως διαμόρφωση του μοντέλου GPT-6 Astra της OpenAI για νομική έρευνα και σύνταξη. Προσθέτει ένα ευρετήριο νομικής αναζήτησης, οδηγίες νομικής ανάλυσης και ενσωματώσεις γύρω από το βασικό μοντέλο.

Όχι. Το άρθρο το περιγράφει ως διαμόρφωση του GPT-6 Astra και όχι ως ξεχωριστό θεμελιώδες μοντέλο, γι’ αυτό η περιβάλλουσα ανάκτηση, τα εργαλεία και η διακυβέρνηση έχουν τόσο μεγάλη σημασία.

Σύμφωνα με το ρεπορτάζ, το Astra for Law πέρασε τον συνολικό έλεγχο ορθότητας στο 54% των 200 ερωτήσεων του Legal Research Bench, σε σύγκριση με 38,7% για το GPT-6 Astra όταν χρησιμοποιούσε μόνο web search.

Τα συστήματα νομικής AI μπορεί να αγγίξουν εμπιστευτικές υποθέσεις, οδηγίες πελατών και έγγραφα με δικαιώματα πρόσβασης. Χωρίς ελέγχους όπως δεοντολογικά τείχη, πολιτικές διατήρησης και βήματα ελέγχου, μπορούν να δημιουργήσουν προβλήματα επαγγελματικού κινδύνου και εμπιστευτικότητας.

Το χρήσιμο μοτίβο είναι να συσκευάζετε ένα ισχυρό μοντέλο με δεδομένα ανά τομέα, εργαλεία, δικαιώματα, αξιολογήσεις και ανθρώπινο έλεγχο, και στη συνέχεια να το εφαρμόζετε σε οριοθετημένες ροές εργασίας με σαφείς εισόδους και εξόδους.