Deep Research AI от Thomson Reuters для юридических задач
Что если будущее корпоративного ИИ заключается не в скорости, а в глубине?
На это делает ставку платформа Thomson Reuters Westlaw; её инструмент Deep Research был специально разработан так, чтобы не спешить, затрачивая на задачу в среднем 10 минут.
Это позволяет многоэтапному исследовательскому агенту планировать, выполнять задачи и использовать глубокий, тщательно отобранный набор данных, насчитывающий более 20 миллиардов документов: актуальные прецедентное право, статуты, административные постановления, вторичные источники и структурированные юридические материалы. На стороне бэкенда платформа соединяется с высокоразвитым набором инструментов, которые юристы могут использовать для проверки выводов и более глубокого изучения юридических сценариев.
В отличие от стандартных систем генерации с дополненной выборкой (RAG), Deep Research создана для устранения ошибок и галлюцинаций, предоставляя прямые цитаты из обширной базы данных Thomson Reuters. В результате получается ИИ-агент, который отражает всю тщательность человеческих юридических исследований, обеспечивая учет правовых нюансов и сокращая время, которое юристы тратят на сбор доказательств и подготовку.
Для бизнеса за пределами юриспруденции эта система служит примером того, как ИИ может выйти за рамки простой скорости и обрести содержательность, показывая, что замедление работы ИИ способно принести реальную ценность для бизнеса.
«Мы идем гораздо глубже с помощью этого итеративного агентского процесса — не просто чтобы быстро ответить на вопрос, а чтобы дать юристу точку зрения обеих сторон, что действительно помогает им понять все тонкости проблемы», — рассказал VentureBeat Майк Дан (Mike Dahn), руководитель направления продуктов Westlaw.
RAG был началом, но он недостаточно глубок
Функция Deep Research в CoCounsel встроена в Westlaw — платформу для юридических исследований компании Thomson Reuters, которой пользуются более 12 000 юридических фирм, свыше 4 000 корпоративных юридических отделов, а также большинство ведущих судов и адвокатских контор США.
Глубоко аналитический, многоэтапный исследовательский процесс системы потребовал выхода за рамки более простых инструментов RAG. Команда создала модель, которая систематически разбивает гипотезы на части, анализирует ответы, а не просто извлекает их, «следует по цепочке подсказок к следующему делу, затем итеративно обновляет план исследования и выполняет его», — пояснил Дан.
Хотя люди могут наблюдать за процессом поиска, он полностью выполняется агентом. «Это следующий уровень агентского процесса по сравнению с простым использованием RAG в качестве готового решения», — отметил Дан.
Ранее в Westlaw уже использовались инструменты на базе RAG, которые выдавали длинные списки судебных прецедентов, статутов, нормативных актов, статей и глав книг, которые людям приходилось просеивать самостоятельно. «Юристы говорили нам, что эти ответы полезны и дают отличный старт для исследования, но обычно им хочется копнуть гораздо глубже», — сказал Дан.
По сути, они ищут не просто общую правовую информацию, а репрезентативные дела в поддержку определенных законов, для выстраивания аргументации и предоставления «самого убедительного авторитетного источника» для цитирования в конкретной юрисдикции.
Ведь, если разобраться, в законе много серой зоны, и дела можно успешно аргументировать как в одну, так и в другую сторону. Deep Research помогает юристам проводить аналогии с предыдущими делами и извлекать из них факты, доказывая, что их клиент больше подпадает под «дело X», чем под «дело Y», и подкрепляя свои утверждения доказательствами или опровергая чужие.
Например, юрист может спросить систему, может ли список клиентов быть защищен в качестве коммерческой тайны в определенном сценарии и в определенной юрисдикции. Система выдаст аргументы и прецеденты, когда коммерческая тайна признавалась защищенной, а также те, где в защите было отказано.
«Мы создали продукт, который погружается в нюансы и глубже исследует позиции обеих сторон закона», — заявил Дан.
Обычно юристы тратят от 10 до 20 часов на проведение исследований по сложным юридическим вопросам. Хотя у Westlaw пока нет точных цифровенных показателей, Deep Research «драматически» сокращает это время, говорит Дан, одновременно предоставляя актуальные материалы для консультирования клиентов, составления более качественных процессуальных документов и ходатайств, а также более эффективного ведения судебных дел.
Хотя вариантом по умолчанию для Deep Research являются 10 минут, также доступны версии на семь и три минуты; команда работает и над более длительной 20-минутной версией. Дан отметил, что, хотя разработчики или исследователи в лабораториях часто стремятся сделать модели как можно быстрее, юристы не ищут мгновенного результата; они предпочитают варианты с более длительной генерацией.
«Мы обнаруживаем, что чем больше времени мы даем агентам на поиск правильного закона, чем больше времени даем им на осмысление, тем лучшие ответы мы можем предоставить, — сказал Дан. — Нас вполне устраивает идея сделать работу системы медленнее, если это позволит выполнить задачу еще лучше для пользователя».
Но здесь, конечно, может наблюдаться эффект убывающей отдачи, и важно не добавлять «слишком много шума». Как отметил Дан: «Мы продолжим исследовать пределы возможностей».
Множество агентов и богатый набор данных
Westlaw не привязана к какой-то одной базовой модели; команда использует многомодельную стратегию, выбирая различные модели в зависимости от их эффективности в решении конкретных задач. Westlaw использует передовые модели, а также решения от OpenAI, Anthropic и Google, пояснил Омар Бари (Omar Bari), руководитель инженерного отдела из Thomson Reuters Labs и технический архитектор Deep Research.
«Мы были ранними тестерами всех появляющихся моделей, наша общая стратегия заключается в том, чтобы иметь доступ ко всему спектру возможностей интеллекта, — сказал он. — Мы также экспериментируем с тонкой настройкой (файн-тюнингом) моделей с открытым исходным кодом».
Эти системы опираются на богатый, глубокий и тщательно курируемый набор данных, включающий мнения судов по делам, законы от законодательных собраний штатов и федеральных органов, административные постановления таких ведомств, как Комиссия по ценным бумагам и биржам (SEC) или Агентство по охране окружающей среды (EPA), а также «огромную коллекцию» вторичных источников, таких как статьи, книги и монографии практикующих юристов, ученых и сторонних издателей, пояснил Дан.
В дополнение к этому в Westlaw работает внутренняя команда из сотен юристов-редакторов, которые ежедневно отслеживают законы, принимаемые судами и законодательными органами, и размечают их в соответствии с классификационной схемой компании. Они также отмечают случаи, когда те или иные законы теряют силу.
«Наш процесс Deep Research работает с этой проверенной, актуальной и хорошо организованной коллекцией законов и вторичных источников, а не осуществляет поиск по всему интернету — в этом заключается ключевое различие между тем, что делаем мы, и тем, что вы получаете, просто используя одну из передовых моделей», — пояснил Дан.
Галлюцинации против неверных фактов
В отличие от открытых чат-интерфейсов, исследовательские отчеты в Westlaw Advantage содержат встроенные цитаты, на которые юристы могут кликнуть, чтобы перейти непосредственно к делу, что «значительно замыкает цикл верификации», говорит Дан; каждый вывод привязан к реальным правовым источникам, которые можно мгновенно проверить.
Понятие «галлюцинация» может быть неоднозначным, отметил он, поскольку оно относится к моделям, которые «просто безумно выдумывают то, чего, как вы знаете, не существует» — например, ссылаются на «подраздел четыре» закона, в котором всего три подраздела. Но в Deep Research такие ошибки легко выявляются и отмечаются.
«В нашей коллекции нет вымышленных дел и вымышленных статутов, поэтому было бы невозможно кликнуть по ссылке и перейти к чему-то, чего не существует», — пояснил Дан.
Вместо этого он видит более серьезную проблему в том, что модели совершают ошибки. Например, юрист может задать вопрос ChatGPT или Gemini («сколько людей посетило этот митинг?»). После этого модель может произвольно выбрать информацию из списка статей, причем необязательно самую свежую и из самого авторитетного источника.
«В такой ситуации модель на самом деле ничего не выдумывает, она просто берет не ту информацию, — сказал Дан. — Это гораздо большая проблема, чем галлюцинации, потому что система не может найти нужные данные».
В конце концов Дан подчеркнул, что ни одна система генеративного ИИ не защищена от галлюцинаций на 100%, и что «пройдет немало времени, прежде чем какая-либо подобная система достигнет 100% точности».
Чтобы помочь юристам в процессе верификации и минимизировать ошибки и риски в юридической работе с высокими ставками, Westlaw предоставляет юристам «очень богатый набор инструментов».
«Мы располагаем, как нам кажется, лучшей коллекцией контента для юридического рынка, которую мы развиваем уже более 100 лет, — сказал Дан. — Но у нас также есть набор инструментов, которые юристы могут использовать наряду с ручным исследованием».
Например, с помощью классификационного инструмента «West Key Number System» юрист может найти связанные дела по конкретной теме, даже если в них используется совершенно другая терминология. В то же время инструмент KeyCite связывает юристов от конкретного дела или закона с информацией об их актуальности (то есть отвечает на вопрос: «Действует ли закон в этом документе до сих пор или он был отменен последующими актами?»). Это позволяет юристам находить документы, которые ссылаются на интересующий их материал, или те, на которые он ссылается сам.
«Оба фактора служат сигналами релевантности, которые выходят далеко за рамки слов, используемых в поиске или в конкретном документе, — сказал Дан. — ИИ-агенты могут использовать эти и другие исследовательские инструменты Westlaw для итеративной проработки сложных юридических задач так, как это сделал бы опытный юрист».
