Quando o renomado jurista Roscoe Pound escreveu: “A lei deve ser estável, mas não pode ficar parada”, ele pouco sabia das gigantes mudanças que aguardavam a indústria. Além do crescente volume de leis referentes à IA, é provável que a forma como os advogados abordam seu trabalho diário seja muito diferente nos próximos anos.
A inteligência artificial generativa e os grandes modelos de linguagem (LLMs) têm o potencial de redefinir a eficiência e o serviço na indústria jurídica.
Todos os aspectos do trabalho – pesquisa, descoberta, criação de documentos, revisão e processos de gerenciamento – podem ser otimizados e aprimorados usando esses modelos. E aqueles que agirem primeiro podem esperar aumentar sua vantagem competitiva em relação àqueles que adotam uma abordagem de esperar para ver.
No entanto, há histórias de destaque de GenAI que deram errado em contextos como, por exemplo, o legal. De informações de casos imprecisas e fictícias fornecidas por LLMs de propósito geral até LLMs de código aberto divulgando inadvertidamente informações confidenciais foram contratempos vistos.
Essas situações estão fazendo desenvolvedoras de soluções de IA generativa pararem para refletir. A ameaça de processos alegando violações de direitos de propriedade intelectual por parte dos provedores de LLMs apenas aumenta a compreensível ansiedade.
Para uma indústria que constantemente avalia riscos – tanto para os clientes quanto para as empresas – fica uma pergunta.
Como aproveitar a enorme oportunidade que essa tecnologia traz, evitando um deslize que ganhe as manchetes?
A crescente oportunidade para fornecedores de tecnologia jurídica e escritórios de advocacia
A GenAI está avançando significativamente a tecnologia jurídica moderna e vemos dois grupos principais a utilizando para construir novas soluções.
O primeiro, como era de se esperar, é o mercado de tecnologia jurídica, que se estima ultrapassar os 45 bilhões de dólares até 2030. As empresas da área podem fornecer aos advogados autônomos e pequenos escritórios o impulso tecnológico necessário para competir com seus maiores concorrentes. O segundo grupo de usuários são os grandes escritórios de advocacia. Eles possuem os recursos necessários para implementar soluções de inteligência artificial generativa por conta própria.
Então, como esses grupos estão usando LLMs hoje?
Os provedores de tecnologia no setor jurídico estão utilizando a IA generativa para melhorar a precisão dos sistemas existentes de gestão de documentos, pesquisa jurídica e análise de contratos, e para possibilitar novas capacidades para grandes e pequenas empresas.
A Employer of Record e agora startup de tecnologia jurídica, Borderless AI, desenvolveu um assistente de conhecimento em leis trabalhistas com modelos da Cohere. A ferramenta, chamada Alberni, é a primeira a permitir que advogados obtenham rapidamente respostas sobre leis trabalhistas e regulamentações locais em todo o mundo. Alberni também pode analisar rapidamente contratos de trabalho existentes e redigir novos contratos em vários idiomas.
Grandes escritórios de advocacia globais estão rapidamente adotando LLMs e inteligência artificial generativa, com quase metade dos principais escritórios de advocacia dos Estados Unidos e um número semelhante no Reino Unido relatando que utilizam essa tecnologia.
Um caso de uso significativo para LLM é a otimização de tarefas demoradas, como resumir ou revisar documentos extensos. Isso libera os advogados para trabalhos mais estratégicos, permitindo que entreguem um maior valor aos seus clientes.
Por exemplo, os advogados de um grande escritório de advocacia podem esboçar suas estratégias de litígio e argumentos legais mais rapidamente usando a IA para resumir as declarações de testemunhas. Outra empresa usa a IA para resumir insights de audiências governamentais e criar alertas relevantes sobre novas políticas, regulamentos e riscos para seus clientes. Em um terceiro escritório, os parceiros estão implantando a tecnologia para ajudar na “varredura do horizonte” – identificando proativamente projetos de lei, mudanças regulatórias, notícias e outros desenvolvimentos relevantes para seus clientes. Veja a tabela abaixo para mais casos de uso principais.
Exemplos de casos de uso para IA generativa na indústria jurídica
Formas de garantir precisão e privacidade
Por mais impressionante que a tecnologia possa ser, é melhor pensar nas aplicações de LLM como ferramentas que podem apoiar os trabalhadores de várias maneiras em toda a estrutura organizacional – desde um estagiário de direito aprendendo as cordas até um consultor mais experiente.
Ao escolher um LLM, considere como a aplicação será utilizada e quais níveis de desempenho e segurança serão necessários para atender aos seus requisitos, a fim de fornecer resultados precisos e proteger a privacidade do cliente.
Entrevistando fornecedores de LLM
Uma vez que você tenha um caso de uso em mente, você vai querer entrevistar fornecedores de LLM para alinhar seus requisitos com a tecnologia certa e a infraestrutura de suporte. Aqui estão três perguntas importantes para fazer:
1. Quais métodos de implantação você suporta?
A forma como você implanta um aplicativo baseado em LLM afetará os controles de privacidade e segurança. A maioria das grandes empresas de advocacia global e empresas de tecnologia jurídica provavelmente precisarão usar uma combinação de abordagens para atender aos diferentes requisitos e casos de uso dos clientes. Isso inclui o uso de nuvens privadas e serviços de nuvem gerenciados.
- Uma nuvem privada virtual oferece a uma empresa seu próprio espaço para implantar e gerenciar uma instância dedicada do LLM. Com nuvens privadas virtuais, os especialistas em TI e IA da empresa controlam os sistemas, os controles de acesso e os recursos de segurança de dados.
- Os serviços de nuvem gerenciados requerem menos suporte técnico e supervisão por parte da empresa. É possível nos casos em que os dados do cliente não são usados, como ao resumir documentos públicos, ou quando os clientes têm requisitos de dados menos rigorosos.
2. Quais são as capacidades estratégicas e técnicas que você fornece internamente ou por meio de parceiros?
A evolução tecnológica está acontecendo rapidamente e poucas empresas — mesmo provedores de tecnologia jurídica — terão o talento para acompanhar. É uma situação em que será necessário “um vilarejo” para se manter atualizado sobre os últimos avanços tecnológicos e como eles podem afetar a privacidade, a precisão e os riscos de propriedade intelectual. Quais recursos um provedor de LLM pode fornecer para ajudá-lo a personalizar sua solução jurídica e se manter atualizado sobre as mudanças neste cenário em rápida evolução?
Considere a experiência interna do provedor de LLM, bem como suas parcerias, para ajudá-lo a passar com sucesso e segurança de uma prova de conceito para a produção.
3. Que proteções vocês oferecem em relação aos direitos de propriedade intelectual?
Além da privacidade e precisão, as empresas também devem examinar como os provedores de LLM indenizam as organizações em caso de reclamações de propriedade intelectual (PI). Embora muitos provedores de LLM ofereçam algum nível de indenização, os provedores frequentemente adotam abordagens diferentes.
Orientando e Treinando seu LLM
As empresas e fornecedores de tecnologia jurídica precisarão fornecer orientação e treinamento para LLMs a fim de obter o nível de precisão necessário nos resultados do modelo. Você pode usar várias técnicas para fornecer esse treinamento aos LLMs, incluindo:
1. Dê acesso ao seu LLM a fontes de dados confiáveis em tempo real.
Uma técnica popular de processamento de linguagem natural, chamada geração aprimorada por recuperação (RAG), permite que os LLMs acessem informações de fontes de dados confiáveis além de seus dados de treinamento inicial em tempo real. Essa infusão de dados específicos do contexto garante que os modelos possam fornecer respostas mais precisas e oportunas às perguntas, ao mesmo tempo em que reduzem as alucinações.
Essas fontes de dados podem incluir registros públicos – por exemplo, bancos de dados e bibliotecas jurídicas, registros governamentais e bancos de dados comerciais – e sistemas internos, como sistemas de gerenciamento de documentos e contratos.
A Borderless AI, por exemplo, usa o Cohere Command R com RAG para permitir que seu assistente de conhecimento pesquise seu repositório de documentos legais sobre leis de imigração, autorizações de trabalho, regulamentos fiscais e contratos de trabalho, para que possa redigir contatos de forma eficaz, analisar acordos legais e responder a perguntas em segundos.
2. Preparando seu LLM para uma melhor recuperação.
Uma maneira de fazer isso é simplesmente usando um modelo de reclassificação com os sistemas de busca legados existentes.
Esses modelos podem reordenar os pares de consulta-resposta de IA para fornecer respostas significativamente mais relevantes. O Cohere Rerank, por exemplo, pode melhorar a relevância dos documentos recuperados em até 50% em alguns casos.
Outra maneira de melhorar a compreensão das consultas de pesquisa é implementar capacidades de pesquisa semântica em vez de pesquisa por palavras-chave.
Por exemplo, uma pesquisa semântica sobre “rescisão de contrato” iria além das palavras exatas da frase e forneceria uma gama mais ampla de documentos relevantes relacionados a casos em que indivíduos não cumpriram os termos contratuais. Isso permite que um advogado tenha uma visão mais abrangente do problema.
Ao usar o Cohere Embed para transformar texto não estruturado em vetores numéricos (chamados de embeddings), a ferramenta da Borderless AI, por exemplo, pode avaliar semanticamente a relevância dos documentos para fornecer resultados contextualmente relevantes aos seus usuários. Aplicando as habilidades multilíngues do Embed, os usuários também podem pesquisar e receber resultados em mais de 100 idiomas. Da mesma forma, um grande escritório de advocacia poderia usar o Cohere Embed para tornar a descoberta eletrônica mais rápida e eficiente, trazendo informações do grande volume de documentos que deve reter para cada caso. Essas capacidades são cruciais para permitir que as práticas jurídicas globais compartilhem informações e acessem documentos relevantes em qualquer uma de suas práticas.
3. Educando seu LLM sobre jargão jurídico.
LLMs de propósito geral que podem responder perguntas sobre uma ampla gama de tópicos frequentemente precisam de personalização (também conhecida como ajuste fino) para adquirir um conhecimento aprofundado da linguagem da indústria e conhecimento específico do domínio. Esse ajuste fino pode incluir ensinar terminologia jurídica, jurisprudência, estatutos, raciocínio jurídico ou conhecimento interno específico de um determinado campo de atuação.
Um escritório de advocacia, por exemplo, pode treinar um LLM em materiais de treinamento internos, perguntas frequentes de clientes e arquivos de casos internos para reunir insights de colegas em qualquer lugar do mundo.
Um exemplo de caso de uso:
Uma empresa planeja treinar o Cohere Command R em exemplos de cláusulas contratuais que podem ser mais ou menos favoráveis aos seus clientes. Isso permitirá que a empresa desenvolva uma solução de IA que possa identificar as áreas de um contrato extenso que seus advogados possam considerar problemáticas.
Lembre-se, ao criar conjuntos de dados de treinamento, as empresas devem identificar dados relevantes e representativos para uma determinada tarefa ou função, treinar o modelo e, em seguida, avaliar os resultados.
Embora muitas empresas ainda sejam céticas em relação aos LLMs e à GenAI, fugir da tecnologia não é a resposta.
Os ganhos de produtividade são enormes e aqueles que lideram com IA sempre terão uma vantagem.
Para construir confiança, as organizações devem começar a testar os modelos.
Desenvolver uma compreensão profunda de quaisquer preocupações potenciais de privacidade, precisão e propriedade intelectual (e soluções) para casos de uso jurídicos requer experiência prática.
A DNX Brasil ajudou uma startup de tecnologia jurídica a simplificar a criação de petições legais com GenAI
Em uma parceria de sucesso, criamos uma solução de abordagem holística com uso de LLMs para nosso cliente.
Conheça os detalhes do projeto aqui!
Este artigo foi adaptado a partir do Blog da Cohere.
Artigos relacionados
12
abr
