AI와 기계 학습이 인도 법률 서비스 시장에 미치는 영향
게시 됨: 2017-12-26AI는 법률 서비스 분야에서 잠재적인 파괴력이 되었습니다.
국가 사법 데이터 그리드(National Judicial Data Grid)에 따르면 인도의 모든 지방 법원, 지방 법원, 고등 법원과 Hon'ble 대법원에 걸쳐 2,600만 건 이상의 사건이 계류 중이며 이 중 9%에 가까운 사건이 10년 이상 계류 중입니다[1] . 매일 평균 30,000건의 사건이 접수되고 약 28,000건의 사건이 매일 판결됩니다.[1]
이는 미정 건이 2,000건이 부족 하다는 것을 의미하며, 이로 인해 매년 총 누적 백로그에 730만 건의 백로그가 추가된다.
사건의 잔고는 사법부의 행정적 기능의 범위에 속한다. 이 겉보기에 영구적인 문제에 대한 해결책은 또한 사법 기반 시설 및 법원 확장을 위한 행정부 자금의 기하급수적인 증가를 포함합니다.
정의에 대한 믿음과 약속을 지키기 위해서는 특히 10년 이상 계류 중인 사건과 계류 중인 사건에 대해 행정부와 사법부 행정부가 선의의 합의에 따라 법적 해결을 제공하는 것이 필수적입니다. 5년 이상.
법률 연구에서 판결의 관련성
관습법 관할권(인도, 영국, 캐나다, 미국 등)의 변호사는 유사하거나 동일한 상황의 다른 후속 사건에서 고등 사법부(고등 법원 및 인도 대법원)에서 결정한 판례법을 선례로 사용합니다. . 사법적 책임의 원칙에 따라 판사는 상급 또는 동일한 법원의 구속력 있는 결정을 따라야 합니다[2].
자주 인용되는 판단은 "랜드마크" 판단으로 알려져 있으며 다른 판단에 비해 매우 중요합니다. Hon'ble 판사는 판결에 포함된 법적 원칙의 관련성과 후속 사건에 대한 적용 가능성에 따라 자신의 판결을 "보고 가능" 또는 "보고 불가능" 으로 일상적으로 표시합니다.
소송을 변론하는 동안 변호사는 수백 건의 관련 소송에 대한 법률 연구를 심도 있게 조사하고 수천 페이지의 결정을 검토하여 고객의 동의 또는 신청에 유리한 올바른 사례를 추론해야 합니다. 변호사는 또한 방어적 완화 전략을 준비할 수 있도록 반대 견해와 반대 견해를 뒷받침하기 위해 제시될 수 있는 판례법 근거를 알아야 합니다.
인도 법률 연구 산업의 진화
법률 조사는 2011-12년에 61억 달러 규모인 법률 서비스 시장의 원활한 기능을 위한 필수 서비스입니다[3]. 보고되거나 결정된 사건에 대한 법률 연구는 변호사를 위한 정독을 위한 ASP 및 .NET 기반 소프트웨어 시대에 시들고 있습니다.
전통적으로 인쇄된 형태의 법률 저널은 판결의 "결정 비율" 또는 법적 비율(요약)을 압축하여 법의 원칙이 제시되고 평결이 지지되는 해당 단락과 함께 "헤드노트"에 제시합니다.
이 분석은 힘들고 법률 교정, 내용 이해 및 추상화에 정통한 경험 많은 법률 전문가의 강력한 초안 작성이 필요했습니다.
당신을 위해 추천 된:
메타버스가 인도 자동차 산업을 어떻게 변화시킬 것인가?
인도 스타트업에 대한 반 영리 조항은 무엇을 의미합니까?
Edtech Startup이 인도 인력의 기술 향상 및 미래 준비를 돕는 방법...
이번 주 새로운 시대의 기술 주식: Zomato의 문제는 계속되고 EaseMyTrip은 Str...
인도 스타트업, 자금 조달을 위해 지름길 선택
디지털 마케팅 플랫폼 Logicserve, INR 80 Cr 자금 지원, LS Dig...
1990년대와 2000년대 초 에 전자 저장 장치의 이동은 CD/DVD-ROM 및 법률 저널로 이동했으며 기타 디지털 출판사는 전자 미디어로 이동하고 변호사의 컴퓨터에서 로컬로 실행되는 소프트웨어에 대한 데이터베이스 액세스를 판매했습니다. 이러한 소프트웨어는 정적이었고 수동 프로세스를 통한 온라인 업데이트가 필요했으며 자동 분석이나 AI/머신 러닝이 없었습니다.
아이디어는 로컬 드라이브의 법적 데이터베이스에 적용된 Google 경험을 제공하는 것이었습니다. 이것은 암호화된 파일을 통해 호스트 컴퓨터로 전송되는 전자책 라이브러리의 아이디어에 더 적합했습니다. 그러나 사용자 인터페이스와 소프트웨어 및 데이터베이스는 법률 전문가의 미래 요구와 요구, 그리고 기술 환경의 변화하는 역학에 맞게 조정되지 않았습니다.
최근에는 법률 연구 업무와 요약 프로세스가 자연어 처리(NLP) 도구와 같은 컴퓨터 프로그램 및 소프트웨어에 위임되었습니다. 몬트리올 대학의 캐나다 연구원들은 2004년 학술 논문을 발표하여 법적 판단에서 레이블이 지정된 데이터를 생성하는 방법론을 설명한 다음 자동 추상 요약 시스템을 개발했습니다.
외부 테스트에 따르면 이러한 요약 패러다임의 정확도는 약 90%로 정말 좋습니다. Google은 TensorFlow라는 NLP 도구의 소스 코드를 출시하여 뉴스 및 기타 콘텐츠 사이트에서 색인이 생성된 다양한 텍스트 구절에서 Google 뉴스 헤드라인을 생성하는 데 사용합니다.
AI / 머신러닝을 활용한 새로운 스타트업과 혁신
스마트 어시스턴트(Alexa, Siri, Ello 등)와 같은 소비자 인터넷 제품의 AI 및 머신 러닝 기반 플랫폼은 소비자를 참여시키는 기존 및 정적 디지털 모드를 천천히 인수하고 있습니다. 인도 최대 소프트웨어 서비스 기업인 TCS(Tata Consultancy Services) 보고서에 따르면 인도 기업의 68%가 IT 기능에 AI를 사용하지만 70%는 2020년까지 AI의 가장 큰 영향이 마케팅과 같은 IT 외부의 기능에 있을 것이라고 믿습니다 . , 고객 서비스, 재무 및 HR.
또한 대다수의 기업은 AI를 혁신으로 보고 2020년에도 경쟁력을 유지하는 데 AI가 중요하다고 생각합니다[4]. 모든 AI 지원 혁신의 주요 목표는 인간의 노동을 최소화하고 인간의 능력을 최대한 향상시키는 것입니다.
자연어 처리의 혁신 속도가 증가함에 따라 AI는 법률 서비스 분야에서 그럴듯하고 잠재적인 파괴력이 되었습니다. Cyril Amarchand Mangaldas와 같은 최고의 법률 회사조차도 현재 계약 분석 및 검토를 위해 AI의 힘을 활용하고 있습니다[5]. 미국 투자자들이 라벨로(RavelLaw), 렉스마키나(LexMachina) 등의 스타트업에 주목하면서 법조계의 스타트업 현장이 뜨거워지기 시작했다.
미국의 새로운 시대의 법률 연구 스타트업은 빅데이터 분석을 활용하여 사건이 승소할 수 있는지 조언하고, 판단 텍스트의 감정 분석을 통해 판사의 논리를 찾고 판사가 어떻게 판결할지에 대한 논리적 추론을 활용하고 있습니다. 집에서 가까운 인도에서 스타트업은 이제 가장 관련성이 높은 사례의 순위를 매기고 표시하기 위해 기계 학습 알고리즘과 결합된 요약 알고리즘으로 구동되는 AI 지원 판례법 연구 도구를 제공하기 시작했습니다. 이러한 도구는 어떤 사건이 다른 사건보다 법원에서 인용하기에 더 적합한지 변호사에게 알리고 사건 네트워크가 어떻게 상호 관련되어 있는지에 대한 분석을 제공하는 데 도움이 됩니다.
인간 생산성에 대한 AI의 공헌: 이득인가, 재앙인가?
많은 변호사와 법률 회사가 가지고 있는 일반적인 잘못된 생각은 인공 지능 또는 기계 학습이 그들의 존재에 위협이 되거나 간단히 말해서 AI가 변호사를 대체할 것이라는 것입니다. 전자 상거래, 의료 및 회계와 같은 다른 산업 및 수직 분야의 증거는 AI/ML이 변호사와 법률 회사가 이전보다 훨씬 더 생산적으로 더 적은 자원으로 더 많은 일을 할 수 있도록 해줄 것이라는 것입니다.
비클라이언트(비핵심) 활동에 시간의 대략 30-40%를 소비하는 법률 회사의 동료 또는 파트너는 이제 NLP/AI 시스템을 사용하여 비클라이언트 활동에 5-10%만 시간을 할애합니다. . 이는 결국 로펌에 약 25-30%의 기회 비용 절감 효과를 제공하며, 이는 전체 인재 명단에 승수 효과가 있습니다.
내 희망은 NLP/AI의 사용이 전통적으로 "바"(변호사)로 알려진 것에서 시작하여 판사도 NLP의 힘을 활용할 수 있는 "벤치"(Hon'ble Judges)로 확장되는 것입니다. 원고(청구인)와 피고(피고) 양측의 주장을 종합하여 정리합니다. 법관은 법률/규정 및 분쟁과 관련된 법률 주제에 대한 최신 판례에 따라 어느 부분이 장점이 있는지 신속하게 추론할 수 있습니다.
AI/NLP가 도구가 되는 반면, 인간 정신의 재량, 경험 및 지식은 분쟁을 판결하는 데 필수적이므로 판사는 시스템의 필수적인 부분으로 남을 것입니다.
질문은 "AI/ML이 광범위한 산업에서 전문가를 대체할 것인가?"가 아니라 "AI/ML을 사용하여 직장에서 생산성을 높일 수 있는 방법은 무엇입니까?"입니다.