Astra for Law ของ OpenAI คือระบบ AI ด้านกฎหมาย ไม่ใช่โมเดลใหม่

ตามรายงานของ SiliconANGLE, Astra for Law จะปรากฏให้บริษัทที่ได้รับเลือกผ่านโปรแกรม Trusted Access ใน ChatGPT และ Codex โดยจะแสดงในตัวเลือกโมเดลในชื่อ GPT-6 Astra Law มีแผนสำหรับเวอร์ชัน API ชื่อ gpt-6-astra-law แต่รายงานระบุว่า OpenAI ยังไม่ได้ระบุวันที่หรือราคาให้กับการเปิดตัว API นั้น

ดัชนีกฎหมายนี้ครอบคลุมกว้าง SiliconANGLE รายงานว่าดัชนีเข้าถึงคำพิพากษา กฎหมายลายลักษณ์อักษร กฎระเบียบ ระเบียบศาล และคำวินิจฉัยทางปกครองของสหรัฐฯ จาก URL มากกว่า 230 ล้านรายการ โดยมีการเพิ่มแหล่งข้อมูลทุกวัน ฐานข้อมูล CourtListener ขององค์กรไม่แสวงหากำไร Free Law Project เป็นผู้จัดหาคำพิพากษา

การเปิดตัวยังรวมถึงระบบนิเวศของพาร์ตเนอร์ด้วย มีรายงานว่า plugin ที่พัฒนาโดยพาร์ตเนอร์ 26 รายการเปิดตัวพร้อมกับโมเดล โดยเชื่อม ChatGPT เข้ากับเครื่องมือกฎหมาย เช่น Relativity, Clio, iManage และ DeepJudge ส่วน Thomson Reuters กำลังนำบริบทคดีของ HighQ เข้าสู่ ChatGPT และพรีวิว connector สำหรับ CoCounsel Legal อีก 9 plugin มาจากทนายความและวิศวกรกฎหมายนอกกลุ่มผู้จำหน่าย พร้อมทักษะกำหนดเอง 47 รายการ

ChatGPT for Word ยังเปิดให้ใช้งานทั่วไปในวันเดียวกันตามรายงาน รายละเอียดนี้อาจถูกมองข้ามได้ง่าย แต่สำคัญ: งานกฎหมายยังคงเกิดขึ้นในเอกสาร หากงานวิจัย การร่าง การแก้ไขแบบ redline และบริบทคดีทั้งหมดมาบรรจบกันในเครื่องมือที่ทนายใช้อยู่แล้ว การยอมรับก็จะไม่ใช่แค่คำถามเรื่องคุณภาพโมเดล แต่กลายเป็นคำถามเรื่องเวิร์กโฟลว์

เบนช์มาร์กที่ OpenAI เลือก ตามที่ SiliconANGLE อธิบาย ให้รางวัลกับการค้นหาแหล่งอำนาจทางกฎหมายที่ถูกต้องและข้อความที่ถูกต้องภายในแหล่งนั้น Astra for Law ผ่านการตรวจความถูกต้องโดยรวมใน 54% ของคำถาม 200 ข้อที่ดึงจากชุดตรวจสอบความถูกต้องส่วนตัวของ Legal Research Bench ของ Vals AI ส่วน GPT-6 Astra ที่ใช้เพียงการค้นหาเว็บทำได้ 38.7% ในคำถามชุดเดียวกัน โดยทั้งสองระบบทำงานที่ระดับความพยายามในการให้เหตุผลสูงสุด

ในคำถามเกี่ยวกับคำพิพากษา Astra for Law พบคดีอ้างอิงมากขึ้น 24% ในชุดที่ผ่านการตรวจสอบแยกต่างหาก ระบบดึงข้อความเป้าหมายจากคำวินิจฉัยที่ถูกต้องได้มากขึ้นสูงสุด 54%

ตัวเลขเหล่านี้สนับสนุนการตีความแบบแคบ: คุณภาพการค้นคืนและการจัดแพ็กเกจเฉพาะด้านกฎหมายช่วยเพิ่มประสิทธิภาพในงานที่ทดสอบ แต่ไม่ได้พิสูจน์ว่าระบบพร้อมแทนที่วิจารณญาณด้านงานวิจัยกฎหมาย ว่าทำงานได้ดีเท่าเดิมนอกเบนช์มาร์ก หรือว่าทุกคำตอบจะปลอดภัยพอใช้งานได้โดยไม่ต้องตรวจทาน

นี่ไม่ใช่คำวิจารณ์ แต่เป็นวิธีอ่านเบนช์มาร์ก AI ด้านกฎหมายตามปกติ งานวิจัยกฎหมายไม่มีพื้นที่ให้พลาดมากนัก เพราะการเกือบถูกก็ยังอาจผิดได้ ระบบอาจพบคดีที่เกี่ยวข้องแต่พลาดแหล่งอำนาจที่มีผลควบคุม อาจระบุคำวินิจฉัยที่ถูกต้องแต่ยกข้อความผิดตอน หรืออาจระบุหลักเกณฑ์ที่ภายหลังถูกตีกรอบให้แคบลง เบนช์มาร์กที่ทดสอบทั้งการค้นคืนแหล่งอำนาจและข้อความใกล้เคียงกับงานจริงมากกว่าการทดสอบค้นหาเว็บทั่วไป แต่การใช้งานจริงยังขึ้นอยู่กับการตรวจทาน การตรวจสอบการอ้างอิง และมาตรฐานเฉพาะของแต่ละสำนักงาน

สำหรับผู้สร้าง บทเรียนนี้คุ้นเคยจากระบบ RAG: โมเดลเป็นเพียงส่วนหนึ่งของระบบ ชั้นการค้นคืน คุณภาพคลังข้อมูล การจัดอันดับ การอ้างอิง และชุดประเมินมักเป็นตัวกำหนดว่าคำตอบสุดท้ายเชื่อถือได้หรือไม่ ทีมที่สร้างผู้ช่วยด้านกฎหมาย นโยบาย หรือ compliance ของตนเองควรเริ่มจาก golden set เฉพาะโดเมนก่อนจะถกกันว่าโมเดลใดดีที่สุด คู่มือของเราเรื่อง การแบ่ง chunk และการอ้างอิงใน RAG ครอบคลุมรูปแบบการใช้งานจริงแบบเดียวกันนอกโดเมนกฎหมาย

การเปิดตัวนี้ไม่ได้เกี่ยวกับการค้นหาเท่านั้น SiliconANGLE รายงานว่าสำหรับบริษัทที่มีสิทธิ์ ข้อเสนอนี้มีการเก็บรักษาข้อมูลเป็นศูนย์บน API และการใช้งาน ChatGPT Enterprise จะถูกยกเว้นจากการตรวจทานโดยมนุษย์เป็นค่าเริ่มต้น Latham & Watkins กำลังทำงานกับ OpenAI ในการออกแบบการกำกับดูแลสำหรับสิทธิ์ข้อมูล กำแพงจริยธรรม และคำสั่งของลูกความ

รายละเอียดเหล่านี้ไม่ใช่แค่เรื่องตกแต่ง สำนักงานกฎหมายไวเป็นพิเศษต่อคำถามว่าใครเห็นคดีใดได้บ้าง คำสั่งของลูกความใดมีผลใช้ และทีมสองทีมควรถูกแยกออกจากกันหรือไม่ ระบบ AI ด้านกฎหมายที่เพิกเฉยต่อกำแพงจริยธรรมไม่ได้แค่สร้างความไม่สะดวก แต่สามารถสร้างความเสี่ยงทางวิชาชีพและปัญหาด้านความลับได้

นี่คือจุดที่เครื่องมือ AI ทั่วไปมักล้มเหลวภายในองค์กร เครื่องมือเหล่านี้อาจสรุป ร่าง และค้นหาได้ดีพอในการสาธิต แต่ไม่ได้เข้าใจสิทธิ์ของสำนักงาน ขอบเขตคดี กฎการอนุมัติ หรือนโยบายการเก็บรักษาข้อมูลโดยธรรมชาติ การควบคุมเหล่านั้นต้องถูกออกแบบเข้าไปในโครงครอบรอบโมเดล

Joel Hron ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Thomson Reuters กล่าวประเด็นนี้ไว้อย่างชัดเจนในรายงานของ SiliconANGLE: “เมื่อ AI เปิดกว้างและทำงานร่วมกันได้มากขึ้น คุณค่าไม่ได้อยู่ที่การเชื่อมต่อเพียงอย่างเดียว ผู้เชี่ยวชาญด้านกฎหมายต้องการมากกว่าการเข้าถึงข้อมูล พวกเขาต้องการ intelligence ที่เชื่อถือได้ บริบทองค์กรและบริบทคดีที่เกี่ยวข้อง ความสามารถด้านกฎหมายที่สร้างขึ้นเพื่อวัตถุประสงค์เฉพาะ และการกำกับดูแลที่จำเป็นสำหรับงานเดิมพันสูง”

ประโยคนี้ใช้ได้ไกลกว่าวงการกฎหมาย ทีมด้านสุขภาพ การเงิน ประกันภัย จัดซื้อ และภาครัฐมีรูปแบบปัญหาพื้นฐานแบบเดียวกัน: บริบทส่วนตัว การตัดสินใจภายใต้กฎระเบียบ การเข้าถึงเครื่องมือ ความสามารถในการตรวจสอบย้อนหลัง และความรับผิดชอบของมนุษย์ ตลาดกฎหมายอาจเป็นเพียงพื้นที่ที่บังคับให้ข้อกำหนดเหล่านี้ปรากฏชัดเร็วกว่า

หากคุณกำลังออกแบบเวิร์กโฟลว์ AI ในสภาพแวดล้อมที่มีเดิมพันสูง ให้มองการกำกับดูแลเป็นฟีเจอร์ ไม่ใช่สิ่งที่ค่อยคิดทีหลัง การเรียกใช้เครื่องมือที่เปลี่ยนระเบียน ส่งข้อความ ยื่นเอกสาร หรือเปิดเผยข้อมูลลูกความควรผ่านเส้นทางการตรวจทานที่ชัดเจน ระบบ human-in-the-loop เช่น การอนุมัติการกระทำของ AI ไม่ใช่แค่ราวกันตกด้านความปลอดภัย แต่เป็นวิธีที่องค์กรทำให้ AI มีประโยชน์โดยไม่ให้สิทธิ์แบบไร้การควบคุม

การที่ Astra for Law เป็นการกำหนดค่าของ GPT-6 Astra คือส่วนที่มีประโยชน์ที่สุดของประกาศนี้สำหรับผู้สร้าง AI เพราะชี้ให้เห็นว่า AI สำหรับองค์กรน่าจะกำลังมุ่งไปทางไหน: ไม่ใช่โมเดลขนาดใหญ่ก้อนเดียวสำหรับทุกอุตสาหกรรม แต่เป็น frontier model ที่นำกลับมาใช้ซ้ำได้และถูกจัดแพ็กเกจด้วยคลังข้อมูลโดเมน คำสั่ง เครื่องมือ สิทธิ์ และการประเมิน

สถาปัตยกรรมนี้ใช้งานได้จริงกว่าการฝึกโมเดลใหม่สำหรับแต่ละวิชาชีพ งานกฎหมายต้องการคำพิพากษาและบริบทคดี งานสนับสนุนลูกค้าต้องการ ticket นโยบาย และการกระทำใน CRM เอเจนต์วิศวกรรมต้องการ repo ระบบติดตาม issue และเครื่องมือ deploy ทีมการเงินต้องการบัญชีแยกประเภท การอนุมัติ และ audit trail โมเดลฐานให้ความสามารถด้านภาษา การให้เหตุผล และการใช้เครื่องมือ ส่วนระบบรอบข้างให้โดเมน

นี่จึงเป็นเหตุผลที่ model routing และ orchestration สำคัญ ขั้นตอนต่าง ๆ ในเวิร์กโฟลว์อาจต้องใช้ความสามารถต่างกัน: การให้เหตุผลเชิงลึกสำหรับการวิเคราะห์กฎหมาย การค้นคืนที่รวดเร็วสำหรับการค้นหาการอ้างอิง output แบบมีโครงสร้างสำหรับตารางข้อสัญญาฉบับร่าง หรือโมเดลที่ปลอดภัยและถูกจำกัดมากขึ้นสำหรับการจัดรูปแบบ แพลตฟอร์มที่เลือกจาก โมเดล AI หลายโมเดล ได้จะปรับตัวได้ง่ายกว่า stack แบบโมเดลเดียว โดยเฉพาะเมื่อค่าใช้จ่าย latency และความน่าเชื่อถือแตกต่างกันตามงาน

รูปแบบเดียวกันนี้ใช้กับเครื่องมือด้วย โมเดลที่ตอบคำถามได้มีประโยชน์ แต่โมเดลที่ค้นคืนจากฐานความรู้ที่ควบคุมสิทธิ์ได้ เรียกใช้ระบบเอกสาร เปิดบริบทคดี และสร้าง redline ได้คือเวิร์กโฟลว์ ผู้สร้างสามารถประมาณโครงสร้างนั้นได้ด้วย API connectors ฐานความรู้ และโครงครอบเอเจนต์ แต่ต้องทดสอบทุกการเชื่อมต่อในฐานะส่วนหนึ่งของผลิตภัณฑ์ ไม่ใช่ส่วนเสริมสำหรับเดโม

SiliconANGLE รายงานว่าวิศวกรของ OpenAI ที่ฝังตัวอยู่ในแต่ละสำนักงานยังได้สร้างเครื่องมือเฉพาะสำนักงานบน ChatGPT Enterprise ด้วย Sullivan & Cromwell มีตัววิเคราะห์ข้อตกลงที่ดึง playbook การเจรจาและแบบอย่างที่เลือกไว้เข้ามาในการตรวจทานดีลใหม่ จากนั้นแปลงสิ่งที่พบเป็น redline ที่เสนอ Ropes & Gray มุ่งเน้นงาน diligence ของดีล ส่วน GO Public ของ Cooley จัดการการเตรียมเสนอขายหุ้นต่อประชาชนครั้งแรก รวมถึงการร่างเอกสารยื่น

ตัวอย่างเหล่านี้เป็นรูปธรรมมากกว่า “AI สำหรับทนายความ” เพราะแสดงให้เห็นว่าคุณค่าในระยะใกล้น่าจะอยู่ตรงไหน: งานที่ทำซ้ำได้ หนักด้านเอกสาร รับรู้แบบอย่างเดิม และสำนักงานมีทั้งกระบวนการกับชุดตัวอย่างภายในอยู่แล้ว

ตัววิเคราะห์ข้อตกลงสามารถกำหนดขอบเขตได้ สามารถเปรียบเทียบร่างกับ playbook ได้ สามารถอ้างอิงแบบอย่างได้ สามารถเสนอ redline ให้ทนายยอมรับ ปฏิเสธ หรือแก้ไขได้ เวิร์กโฟลว์ diligence สามารถแยกย่อยเป็น checklist การตรวจทานเอกสาร การสกัดประเด็น และสรุป การเตรียม IPO มีสิ่งส่งมอบที่รู้กันอยู่แล้วและมีความเข้มข้นของเอกสารสูง

นั่นไม่ได้ทำให้งานง่าย แต่ทำให้นิยามได้ ระบบ AI ทำงานได้ดีขึ้นเมื่อเวิร์กโฟลว์มีขอบเขต วัสดุต้นทาง เกณฑ์การยอมรับ และขั้นตอนการตรวจทาน เอเจนต์แบบกว้าง ๆ ที่ “ทำงานกฎหมาย” ได้นั้นไว้ใจได้ยากกว่าระบบขอบเขตแคบที่ร่างงานตาม playbook ที่รู้จัก

สำหรับทีมนอกวงการกฎหมาย นี่คือแม่แบบที่ดีกว่า อย่าเริ่มด้วยผู้ช่วยที่กว้างที่สุดเท่าที่เป็นไปได้ ให้เริ่มด้วยเวิร์กโฟลว์หนึ่งที่มี input ที่รู้จัก output ที่รู้จัก และผู้ตรวจทานที่บอกได้ว่างานนั้นดีหรือไม่ หากงานครอบคลุมหลายบทบาทหรือหลายเครื่องมือ ระบบ multi-agent ที่ออกแบบไว้อาจช่วยได้ แต่ต้องหลังจากเข้าใจเวิร์กโฟลว์นั้นแล้วเท่านั้น

สำหรับสำนักงานกฎหมายที่เข้าถึง Astra for Law ได้ คำถามแรกไม่ใช่ว่าเบนช์มาร์กน่าประทับใจหรือไม่ คำถามแรกคือระบบนี้สามารถทดสอบกับงานที่มีอยู่ได้อย่างปลอดภัยตรงไหน ตัวเลือกที่ดีคือบันทึกงานวิจัย การรวบรวมแหล่งอำนาจรอบแรก การเปรียบเทียบแบบอย่าง สรุป diligence และการตรวจทานร่างเทียบกับ playbook ภายใน ตัวเลือกที่ไม่ดีคือคำแนะนำสุดท้ายแบบไม่มีผู้กำกับดูแล การตัดสินใจยื่นเอกสารที่ไม่มีการตรวจทาน หรือเวิร์กโฟลว์ใด ๆ ที่ตรวจสอบแหล่งอำนาจไม่ได้

ทีมควรสร้างการประเมินรอบคดีของตนเอง เบนช์มาร์กสาธารณะหรือส่วนตัวอาจแสดงความสามารถทั่วไปได้ แต่สำนักงานจำเป็นต้องรู้ว่าระบบทำงานได้ดีในสาขาปฏิบัติ แหล่งอำนาจที่นิยมใช้ แบบแผนเอกสาร และระดับความเสี่ยงที่ยอมรับได้ของตนหรือไม่ ไม่ควรติดตามเฉพาะความถูกต้องของคำตอบ แต่รวมถึงคุณภาพการอ้างอิง แหล่งอำนาจที่พลาด ความมั่นใจผิด ๆ เวลาที่ประหยัดได้ การแก้ไขของผู้ตรวจทาน และอัตราการยกระดับ

สำหรับผู้จำหน่าย AI ด้านกฎหมาย ประกาศนี้ยกระดับมาตรฐาน wrapper บาง ๆ รอบโมเดลแชตจะปกป้องได้ยากขึ้น หากผู้ให้บริการแพลตฟอร์มนำเสนอดัชนีกฎหมาย การควบคุมระดับองค์กร plugin และการเข้าถึง API ผู้จำหน่ายจะต้องชนะด้วยความลึกของเวิร์กโฟลว์เฉพาะทาง บริบทคดี การเชื่อมต่อ UX การกำกับดูแล และความไว้วางใจของลูกค้า

สำหรับคนอื่น ๆ ที่สร้างด้วย AI, Astra for Law คือกรณีศึกษาด้านการจัดแพ็กเกจ คูเมืองไม่ใช่แค่ prompt แต่คือการผสมผสานระหว่างโมเดล การค้นคืน สิทธิ์ เครื่องมือ การประเมิน และสถานที่ที่งานเกิดขึ้นอยู่แล้ว

OpenAI อธิบายการเปิดตัวนี้ว่าเป็นจุดเริ่มต้นของการลงทุนระยะยาวในกฎหมาย ตามรายงานของ SiliconANGLE การตีความที่ปลอดภัยที่สุดก็เป็นการตีความที่มีประโยชน์ที่สุดเช่นกัน: AI เฉพาะโดเมนกำลังเกี่ยวข้องกับการถามคำถามที่ยากขึ้นกับ chatbot ทั่วไปน้อยลง และเกี่ยวข้องกับการสร้างระบบที่รู้ว่าต้องไปดูที่ไหน แตะอะไรได้บ้าง เมื่อใดต้องขออนุมัติ และจะส่งมอบงานที่ตรวจสอบได้ให้ผู้ตรวจทานอย่างไร มากขึ้น

หากต้องการข่าว AI และคู่มือเชิงปฏิบัติเพิ่มเติม สมัครรับ จดหมายข่าว LIA

• Astra for Law ถูกอธิบายว่าเป็นการกำหนดค่าของ GPT-6 Astra สำหรับงานวิจัยและร่างเอกสารกฎหมาย ไม่ใช่โมเดลฐานรากแยกต่างหาก
• ผลเบนช์มาร์กที่รายงานชี้ให้เห็นคุณค่าของการค้นคืนเฉพาะด้านกฎหมาย คุณภาพคลังข้อมูล และการประเมินที่เน้นการอ้างอิง
• การกำกับดูแลเป็นหัวใจของผลิตภัณฑ์ เพราะ AI ด้านกฎหมายต้องเคารพสิทธิ์ของคดี กำแพงจริยธรรม นโยบายการเก็บรักษาข้อมูล และเส้นทางการตรวจทาน
• การเปิดตัวนี้บ่งชี้รูปแบบองค์กรที่กว้างขึ้น: frontier model ที่ถูกจัดแพ็กเกจด้วยข้อมูลโดเมน เครื่องมือ สิทธิ์ และการประเมิน
• use case ที่ชัดที่สุดคือเวิร์กโฟลว์ที่มีขอบเขต หนักด้านเอกสาร เช่น บันทึกงานวิจัย การเปรียบเทียบแบบอย่าง สรุป diligence และการตรวจทานร่าง

มีรายงานว่า Astra for Law คือการกำหนดค่าของโมเดล GPT-6 Astra จาก OpenAI สำหรับงานวิจัยและร่างเอกสารกฎหมาย โดยเพิ่มดัชนีค้นหากฎหมาย คำสั่งสำหรับการวิเคราะห์กฎหมาย และการเชื่อมต่อรอบโมเดลฐาน

ไม่ใช่ บทความนี้อธิบายว่าเป็นการกำหนดค่าของ GPT-6 Astra มากกว่าจะเป็นโมเดลฐานรากแยกต่างหาก ซึ่งเป็นเหตุผลว่าทำไมการค้นคืน เครื่องมือ และการกำกับดูแลรอบข้างจึงสำคัญมาก

ตามรายงาน Astra for Law ผ่านการตรวจความถูกต้องโดยรวมใน 54% ของคำถาม Legal Research Bench จำนวน 200 ข้อ เทียบกับ 38.7% สำหรับ GPT-6 Astra ที่ใช้เพียงการค้นหาเว็บ

ระบบ AI ด้านกฎหมายอาจแตะคดีลับ คำสั่งของลูกความ และเอกสารที่มีการกำหนดสิทธิ์ หากไม่มีการควบคุม เช่น กำแพงจริยธรรม นโยบายการเก็บรักษาข้อมูล และขั้นตอนการตรวจทาน ระบบอาจสร้างความเสี่ยงทางวิชาชีพและปัญหาด้านความลับได้

รูปแบบที่มีประโยชน์คือการจัดแพ็กเกจโมเดลที่แข็งแกร่งพร้อมข้อมูลเฉพาะโดเมน เครื่องมือ สิทธิ์ การประเมิน และการตรวจทานโดยมนุษย์ จากนั้นนำไปใช้กับเวิร์กโฟลว์ที่มีขอบเขต พร้อม input และ output ที่ชัดเจน