人工智能（AI）公司继续寻找开发技术的方法，以便更好地管理不同行业的繁重任务，提高速度和准确性。在法律行业，人工智能已经找到了支持律师和客户的方法。
越来越多的人对将人工智能应用于法律领域的兴趣正在慢慢改变这一职业，并逐渐接近律师、法律研究人员和诉讼律师的工作。
在人工智能颠覆的时代，想要为自己的业务做出最佳决策的律师事务所和专业服务公司，会利用Emerj AI机会景观来评估人工智能在哪些方面可以增加其专业人员的工作流程。在这篇文章中，我们讨论了从我们的研究中获得的见解，揭示了人工智能目前在法律行业中应用的不同方式，以及技术提供商如何试图简化工作流程。我们打破AI目前的法律应用到以下类别的应用程序:
- 帮助律师进行尽职调查和研究
- 通过分析提供额外的见解和“捷径”
- 使法律工作中的创造性过程(包括一些写作)自动化
由于我们的研究范围很广(因此本文的篇幅也很长)，我们鼓励读者随意跳过对他们最感兴趣的应用领域。
我们将通过对人工智能在法律行业的前景和局限性的一些思考来总结这篇文章。
在AI目前的事态发展在法律实践中有各种应用。理查德·萨斯坎德，在法律和技术的交叉点是英国最受人尊敬的思想家之一，他认为这种趋势将继续在未来几年持续增长。
从冠瘿人工智能和其他技术正使机器能够完成许多过去许多人认为需要人类律师才能完成的任务，而这并不是停滞不前的。它似乎正在以相当快的速度发生。根据Susskind的说法，这些发展最终将在2020年升温。
法律中的人工智能:当前的应用——预先洞察
基于我们对公司和在法律领域的产品进行评估，AI的电流应用可能落入六大类：
- 尽职调查-诉讼律师在人工智能工具的帮助下进行尽职调查，以揭露背景信息。我们决定在这一部分包括合同审查、法律研究和电子证据开示。
- 预测技术-人工智能软件产生的结果，预测诉讼结果。
- 法律分析-律师可以利用过去判例法的数据点、胜诉/败诉率和法官的历史来判断趋势和模式。
- 文档自动化- 律师事务所使用软件模板来创建基于数据输入填写的文件。
- 知识产权-人工智能工具指导律师分析大型知识产权投资组合，并从内容中获取见解。
- 电子账单-律师的计费时间自动计算。
接下来，我们将分别深入探讨当前人工智能在法律上的主要应用领域:
(我们尽了最大努力将公司归入最能代表其产品的类别，但需要注意的是，我们选择的许多类别都存在重叠。)
尽职调查
其中一个主要的任务是执行律师o他们的客户正代表事实和数字，并彻底评估法律地位的确认。这尽职调查过程中需要的智能建议客户在什么他们的选择是，他们应该采取什么行动。
W广泛的尽职调查可以对股东的长期回报产生积极的影响研究这个过程也可能非常耗时和乏味。律师需要进行全面的调查以获得有意义的结果。因此，律师在进行抽查时也容易出错和出错。
基拉系统
诺亚Waisberg他曾是一名并购律师，创办了软件公司Kira Systems。认为通过初级律师尽职调查的错误经常出现的几个原因。这些措施包括在夜间或周末前夕很晚的工作，忘记了工作周结束前进行尽职调查，并未能就此采取行动时，交易结构进行了全面修改。
他补充道:“许多员工对手工尽职调查的效果抱有一定的负面情绪。律师是人，他们会感到疲倦和暴躁，这对并购领域的大量尽职调查产生了不幸的影响。”
基拉系统声称其软件能够通过执行更精确的尽职调查合同审查的搜索,高亮和提取相关内容进行分析。谁需要执行内容的多个评论可以搜索链接到使用该软件的原始来源提取的信息其他团队成员。该公司声称，它的系统可以使用它在第一次当完成任务高达40％的速度，而对于那些更有经验的高达90％。
LEVERTON
LEVERTON，德国研究所的人工智能的一个分支，还采用了AI来提取相关数据，管理在房地产交易文件和编译租赁。基于云的工具，被认为是能够以20种语言在高速阅读合同。
2015年，IT公司Atos向房地产公司高力国际(Colliers International)寻求帮助，高力国际利用LEVERTON对一家IT公司即将收购的公司进行尽职调查。通过使用LEVERSON的人工智能，诸如应付租金、维护费用和到期日期等信息从数千个文档中提取出来，然后组织在一个电子表格中。
eBrevia
然而，律师可能会因为审查多个合同而负担过重，而且他们可能会错过一些重要的编辑工作，从而导致日后出现法律问题。这是同样的问题斯内德甘农和亚当阮的共同创始人eBrevia当他们还是初级助理时，就有了丰富的经验。他们与哥伦比亚大学(Columbia University)合作创办了一家初创公司目的是缩短文件审查过程。
eBrevia声称使用自然语言处理和机器学习来提取法律合同等文件的相关文本数据，以指导律师分析，尽职调查和租赁抽象。律师必须定制的信息的类型需要从扫描文件提取出来，然后该软件将其转换为可搜索文本。该软件将总结提取的文档转换为可共享，并以不同的格式下载报告。
下面简单介绍一下eBrevia如何捕获内容并向用户显示相关信息。
另一个简短的演示报告在用户界面上，ABA杂志提供了在线版本(但是，没有音频伴随视频)。
在它的网站eBrevia声称，它可以在不到一分钟的时间内分析50多个文档，比手动审查过程的准确率高出10%。该公司还提供定制的解决方案，通过培训其软件来定制公司的具体要求，这些公司需要成千上万的文件进行快速审查。贝克麦肯齐推出软件在亚洲，欧洲和北美在2017年八月在律师事务所这一科技创新的财务影响11个办事处，但是，仍然是未知之数，公司尚未公布其调查结果。
摩根大通
2016年6月，摩根大通(JPMorgan)等其他机构通过开发内部法律技术工具，利用了人工智能。摩根大通声称他们的名为COIN(缩写为Contract Intelligence)的程序，从12,000个商业信用协议中提取150个属性并在几秒钟内收缩。
这相当于它的律师和信贷员36,000小时的法律工作公司。之后，银行发现平均每年有明显的错误一万个二千个批发合同的COIN被开发。
ThoughtRiver
其他人工智能行业的参与者包括ThoughtRiver该公司负责处理合同、投资组合审查和调查，以改进风险管理。它的深度上下文解释引擎是与机器学习一起开发的专家当局在剑桥大学。
该公司指出，其设计的产品自动化的大批量合同的评论摘要。虽然用户用户阅读内容的精华，他们还可以读取由AI提供的条款的含义。该系统也被说成是能够自动标记的风险合同。该公司提供其在以下3分钟的视频，包括在用户界面和软件的基本功能的详细研究产品的简要介绍：
LawGeex
LawGeex宣称其如果契约在预定义的策略内，软件将验证它们。如果不符合标准，人工智能会提供编辑和批准的建议。据该公司介绍，它是通过结合机器学习、文本分析、统计基准和律师的法律知识来做到这一点的。
在这段视频中，LawGeex CEO Noory Bechor进一步解释他的产品如何能够迎合法律服务。
该公司还声称，他们的工具，律师事务所可以由90％削减成本并减少80％的合同审查和批准时间（虽然看起来这些数字没有被加上任何案例研究）。该公司列出了德勤和Sears中一些现有的客户。
合法的机器人
另一方面，合法的机器人这家总部位于旧金山的人工智能公司目前提供合同分析，这是它对日益增长的合同审查软件市场的回应。目前处于测试阶段，该公司表示，其软件能够将法律内容转换成数字形式，并通过机器学习和人工智能在文件上提出问题。
一个视频呈现软件的工作状态，它建立从数以千计的文档的法律语言模型。这方面的知识是用来评定基于语言的复杂性，法律措辞，和可执行合同。随着问题标记由软件，它就提供了有关最佳做法，风险因素和管辖权的不同评估它提高了合同的合规性，一致性和可读性的建议。
罗斯智能
每一个诉讼和法庭案例都需要勤奋的法律研究。然而，要打开的链接、要阅读的案例和要记录的信息的数量，可能会让时间有限的律师难以应付。律师可以利用自然语言的搜索能力ROSS智能软件通过提问，并接收信息，如推荐阅读，相关案例法和二次资源。
BakerHostetler似乎打破了传统，在破产部门雇佣了罗斯这家律师事务所成立100年之后。该律师事务所的董事长史蒂芬凯斯特纳，在解释访问他们决定使用这个软件来处理27tb的数据。《福布斯》的一份报告描述了罗斯在这家律师事务所的职能:“罗斯将能够在搜索了数十亿份文件后迅速回答问题。
该公司称，律师可以用简单易懂的英语向罗斯提问，比如“什么是信息自由法?”软件会给出参考和引用。像大多数机器学习系统一样，罗斯据称在使用过程中不断改进。
Casetext
另一方面，Casetext的卡拉允许律师通过查找律师以前使用过的观点来预测对方律师的论点。用户还可以检测到那些受到负面对待并被标记为律师可能认为不可靠的案件。
Casetext称，欧华(DLA Piper)和Ogletree Deakins等大型律师事务所是它的客户。
其它什锦应用
其他软件产品还结合机器学习和法律分析，协助律师进行法律研究，但覆盖面有限。例如：
织机特色赢/损失率和法官裁决信息，但只有在加拿大的一些省份的民事案件。在访问斯坦福大学法学院的Mona Datt (Loom Analytics的联合创始人)阐述道:
“律师可以使用Loom的系统来查看在给定时间跨度内发布的所有个人伤害判决，然后根据结果将其分解，而不是执行公开文本搜索，寻找个人伤害先例。”
织机的系统可以显示由该法官撰写的所有判决，并提供对其裁决历史的粗略了解，而不是对单个判决进行梳理，寻找由特定法官撰写的判决。简而言之，我们提供了加拿大判例法的定量指标。”
既判力,另一方面，仅适用于本文档撰写时的加利福尼亚州法律。它的软件，文员，据说是能够读取和分析诉讼案情摘要。它还评估其利弊，然后分配基础上的论点，起草和背景每个简短的得分。
旨在减少内容错误的建议作为用户操作项的一部分列出。在公司的博客，产品经理贝思胡佛解释说，“店员通过识别在一份简短的报价减少这些错误和交叉检查，他们对所列举的情况下，确保文本是相同的，页码是否正确。”
潜在的偏见关注
在最近的一次纸科罗拉多大学法学院的Susan Nevelow Mart测试了在线法律案件数据库是否会返回相同的相关搜索结果。她发现，为案例数据库(如Casetext、Fastcase、谷歌Scholar、Lexis Advance、Ravel和Westlaw)设计这些搜索算法的工程师，在他们各自的算法将向用户展示的相关案例上存在偏见。
例如，如Fastcase和谷歌学术新的数据库已经是旧的数据库，如万律和词汇产生不太相关的搜索结果。沃尔玛认为，搜索算法应该能够产生对任何使用法律在线数据库冗余的结果，因为律师只需要最普通的情况。然而，由于这些工程师开发自己的算法时有偏见和假设，建议用户使用多个数据库，以找出适合自己需求的情况下。
一篇论文(或十几篇论文)绝不意味着不应该使用合法的人工智能工具，而是它们的利弊还有待彻底权衡。偏见绝不是法律领域特有的，因为机器学习系统总是受到它们所训练的数据的影响。
对人工智能偏见和机器歧视的伦理考量感兴趣的读者，可以从我们最近与IEEE合作的文章中获益:是否应商业领袖在乎AI道德？
Everlaw
目前已经在电子发现产品制造商的数量线束AI和机器学习成长。Everlaw使用它的预测编码功能是根据至少300个文档创建预测模型，这些文档之前被用户分类为相关或不相关的。
人工智能会查看内容和元数据，并使用这些信息对其他文档进行分类。该公司声称，预测模型的结果可以帮助用户轻松识别哪些文档是最相关的。并就如何提高软件对模型的预测精度提出了建议。
You chan在这段视频中查看了Everlaw的预测技术特性演示:
迪斯科
迪斯科声称使用云技术在大数据量的文档搜索中提供更快的结果。到Everlaw类似，它同样采用预测技术提出哪些文件是最有可能是相关或不相关的用户。
人工智能通过给标签打分(从-100到+100)来提高预测结果。该软件显示其搜索结果与每个文件的评分，并建议哪些材料最有可能对读者有用。在下面的宣传视频中，Alan Lockett博士(DISCO的数据科学负责人)用简单的语言解释了公司的技术:
催化剂
丹佛催化剂推销其自动编校产品，以帮助律师和法律审稿人删除文件上的敏感和机密信息。该公司称，考虑到审稿人花在查找数字文档上的内容，然后在这些语句上应用黑盒子上的时间，“人工编校”是很麻烦的。
他们的工具允许用户通过搜索词或短语的文档转换为数字格式，然后执行多套删节的单个文件。用户还可以设置模式，比如被删节的软件社会安全号码。一个概述的自动编校功能，介绍其用途。
Exterro
Exterro的WhatSun声称将项目管理软件的功能与执行电子发现的功能结合起来。换句话说，用户可以执行他们的法律研究，然后与他人合作使用软件。
根据Exterro律师事务所的客户在美国，当他们开始使用这个系统时，他们能够将多余的员工从100名律师减少到5名。据该律师事务所称，该软件能够执行律师的电子发现任务，节省了95%的成本。该公司宣称美国在线、微软和塔吉特是它的主要客户。
脑力的发现
脑力的发现集群和各种文件要密切配合用户的文档搜索。当发现文件中，AI采用概念搜索（搜索针对的概念相似，但不一定是单词或短语的文件），词语或短语的扩展名（指示要删除的软件错误的结果相关的条款）和分类（指定另一类别细化搜索）。的话题本文对金融领域的文件数字化进行了进一步的探讨。该公司声称，通过结合这三个特点，该软件可以更好地提供文档的搜索结果更接近用户的需求。
迎合尽职调查法律专业人员其他AI供电合同评审平台包括：
- iManage RAVN的并购尽职调查机器人用于并购文件的自动化审查过程和从集群集提取数据;
- LitIQ它利用计算语言学技术来减少与合同相关的纠纷(诉讼q的创始人Gary Sangha分享了他对机器学习和法律之间关系的看法访问);
- LegalSifter该公司声称，通过在通用条款和条件以及保密协议等文件中寻找特定概念的人工智能软件，可以节省时间和财务成本;
- 密封这家公司的软件被Dropbox、贝宝(PayPal)和益百利(Experian)使用，它通过搜索数千份带有特定条款的合同，将一家公用事业公司的工作时间从255天减少到了48小时案例分析;和
- 亮度，号称是搜索和排名的律师不寻常的和异常的文件和条款的唯一工具。
尽管电子搜索工具的使用有所增长，但在加州等州，它的应用已成为一个公共问题。2015年，州律师协会发布了一份修订案提出正式的意见，要求律师对一个体面的知识，使用电子发现系统或被证实后，犯有故意或鲁莽的行为，他们将保证纪律。该州律师还认为，如果律师不称职的设施，他应该学习的技能，雇人谁是知识渊博，或只是单纯的下降表示。
预测技术
2004年，一群来自华盛顿大学的教授测试了他们算法的准确性预测最高法院的判决在所有628例辩称在2002年，他们比较了他们的算法的对一个团队的专家发现结果。通过证明研究人员的统计模型是一个更好的预测由相对于专家的59％的准确预测正确结果的75％。虽然在一个独立的产业，它有自己独立的问题，预测性分析的众多其他用途的情况下，可以发现在我们的银行对预测分析文章。这篇文章阐明了人工智能程序利用预测分析来解决现实世界的问题。
从1816年到2015年，密歇根州立大学的Daniel Katz教授和他的两位同事扩大了研究的范围，获得了a病例结果的准确率为70.2%最高法院在2017年的研究。同样，伦敦大学学院的尼古拉斯Aletras和他的团队使用机器学习分析欧洲人权法院的案例文本并报告了他们的结果预测的79％的准确性。
Daniel Kantz教授，2012年纸他说:“定量法律预测已经在某些实践领域发挥了重要作用，随着获得适当法律数据的渠道越来越多，这一作用可能会进一步加强。”
Intraspexion
事实上，一些AI公司纷纷涉足这一领域，如Intraspexion该软件系统声称，当人工智能工具检测到诉讼威胁时，会向律师提供早期预警信号。
该系统的工作方式是搜索高风险文档，并根据人工智能确定的风险级别显示它们。当用户点击一个文档时，由主题专家通过算法识别的风险术语将被突出显示。据该公司称，用户可以在使用该软件时查看哪些文件会让他们面临诉讼风险。
拉威尔法
另一种工具,拉威尔法，据说能够根据相关的判例法、法官裁决和400多家法院的参考语言来确定结果。该产品的“法官仪表盘”功能包括案件、引证、电路和特定法官的判决，据说可以帮助律师了解法官可能如何裁决案件。
该公司的首席执行官丹尼尔·刘易斯对此表示肯定访问他解释说，拉威尔法可以通过提供法官如何决策的信息来帮助诉讼策略。
Lex Machina
Lex Machina的法律分析平台有各种各样的功能，据说可以帮助律师在他们的法律策略。例如，计时分析功能使用人工智能来预测案件在特定法官面前进行审判的估计时间。
党组编辑器，在另一方面，允许用户选择律师和法官或法院和他们参与之前，在其他诉讼的数量分析之前，他们的经验。在下面的视频中，该产品的用户界面功能和样品分析结果呈现：
预感
最后,预感，号称是世界上最大的数据库诉讼，声称已经发明了通过的精度分析他的赢率，下时和类型，和他配对与法官预测律师成功的概念平均30.7%的病例结果。按照公司，该产品还可以帮助查看不同的案件，以及他们需要多长时间为每个律师。
但与任何分析平台类似，人工智能工具也能处理预测技术需要大量的数据以案例文档的形式充分按照Kantz的工作。在一篇文章中，该模型被描述为“异常复杂”。这是因为它需要近95个变量(几乎精确到小数点后4位)，以及近4000个随机决策树来预测法官的投票结果。Kratz承认，除了一些收取数据访问费用的数据库外，完全支持他的产品的数据库还没有准备好。
法律分析
案件文书和摘要为律师在诉讼过程中提供了有益的补充。目前的人工智能工具声称，今天的软件产品能够从这些文档中提取关键数据点来支持论点。
Lex Machina
Hogan Lovells的诉讼律师Chris Mammen博士用的是Lex Machina的法律分析软件找出“谁是原告，谁是他们的律师，谁都有他们表示，还有谁拥有他们起诉。”
该软件生成的数据可用于分析对方律师胜诉或败诉的可能性。他声称，在创建一个故事时，通过分析结果可以节省时间。“你给研究部门发邮件，得到第一个结果，重复这个过程——这通常需要一天或更长时间。”
知识产权律师阮大姐也使用的软件当她代表一家仿制药公司时。使用法律分析工具，她发现，法官的裁决案件的历史往往有利于像她这样的案件。双方最终达成了和解，据阮说，这是一个更好的解决办法。
拉威尔法
这些数据还可用于向潜在客户推介律师事务所的服务，包括提供对方律师的情报、生成打赢官司的可能性的价值，以及识别用于营销活动的诉讼趋势。
除了预测技术，拉威尔法的软件也宣称提供与法官律师的情况下，电路和统治他们的仪表盘，它可以在登陆新客户使用的数据。目前，公司正推行由数字化教师的美国判例法库哈佛法学院工作雷区他们的数据要在它的技术平台提供。
结算Analytics（分析）
必须指出的是，法律分析仍然有其局限性。ementanalytics的首席执行官罗伯特•帕内尔在他的博客中解释道纸这种技术在产生高精度的结果时存在不确定性。在过滤、认知偏差、将随机趋势解释为有效模式的倾向以及大量的数据噪音之后，这一结果的样本量非常小。
帕内尔认为，“总的来说，法律数据的定量分析比通常认为的更具挑战性和更容易出错。尽管将数据分析视为一种简单的工具很有吸引力，但在基本的数据科学中存在忽视科学的危险。这样做的后果可能会对决策产生不利影响。”
文档自动化
麦肯锡公司报告据估计，知识型工作自动化最有可能成为全球经济的头号颠覆者之一。
一些律师事务所也开始采用这种技术，通过自动软件起草文件。许多这样的软件公司声称，最终的文件，可能需要几天的手工起草，是在几分钟内产生的。这项技术如今在金融领域得到了应用;探索真实世界的银行部门的例子本文中概述的概念。
PerfectNDA
Neota逻辑系统声称其软件PerfectNDA通过缩短根据用户的情况下由AI选择的供应模板的保密协议（NDA）的过程。用户回答问题，然后生成一个预填充模板。此外，该软件还具有文件归档和集成的电子签名来简化参与起草NDA相关的手工流程。
知识产权
保护专利，版权和商标往往是最好留给律师的专业知识。然而，整个专利申请过程可能是漫长而艰苦的。传统的商标和专利检索，例如，涉及到寻找到数百，甚至数千，结果通过手动研究。这需要大量的时间，这是具有讽刺意味的考虑到专利申请是时间敏感。
根据美国专利律师帕特里克·理查兹，“你只有一年的时间从第一次公开披露的发明[即。提交专利申请;如果你是一名企业主，你在去年推出了一款产品，你需要立即与专利律师沟通，以确保它受到保护。”
TrademarkNow
TrademarkNow是一家利用人工智能承担部分知识产权应用的手工知识工作的公司。该公司使用一种复杂的算法，据说可以缩短使用商标清理平台搜索专利、注册产品和商标的一周时间。根据该公司的声明，该平台在不到15秒的时间内返回搜索结果。
系统对结果进行分析，并根据算法识别出的与用户的相关性进行排序。由于有这么多的电子发现应用程序，该解决方案保证了法律团队注意力的使用效率。
ANAQUA工作室
基于云计算的ANAQUA工作室另一方面，它是专门为起草专利和起诉而设计的。该公司的数据表它是第一个为律师提供的专利申请起草工具，可以节省4个小时的临时专利申请和20个小时的非临时专利申请。据说，除了自动生成文字索赔支持之外，该系统还能够检测文档错误、循环索赔引用和格式缺陷。
SmartShell
西雅图TurboPatent发布SmartShell支持律师助理执行专利申请的文件审查、起草、格式化和识别问题。该软件使用人工智能和自然语言处理协助建立合法的索赔。
在一个案例分析在TurboPatent的网站上列出，从太平洋专利组的两个律师助理所使用的软件进行文献检索，书目数据的研究，考官言论审查和拒绝的问题的发现。TurboPatent claims that Pacific’s paralegals were 500-800% more productive in their tasks when using SmartShell (thought the case study isn’t clear what exact tasks were relevant for the software, and which weren’t – we can assume that many paralegal tasks aren’t currently improvable with AI).
下面这段1分钟的视频简要介绍了该产品的功能和价值主张:
电子账单
电子账单平台提供了一种替代纸质发票的方式，其目标是减少在线项目上的争议、更准确的客户调整、(可能的)更准确的报告和跟踪，以及减少纸张成本。医疗保健领域的公司也在利用人工智能来支付医疗费用;这个概念将在我们的文章中进一步解释人工智能的医疗帐单和编码。
Brightflag
Brightflag提供一个集中的法律定价软件，自动调整每行项目。它还允许用户集中检查发票，以便将提交的所有文档直接发送给正确的审批人。此外，人工智能通过跟踪和分类所有定价数据来确定替代收费安排(AFA)和预算，从而提供分析功能。
该公司声称，其客户平均减少了使用平台的辅助审查功能的8％至12％与支付管理的行政费用。该公司列出了电信巨头Telstra和乘骑海陵公司尤伯杯当前选取框的客户。
Smokeball
Smokeball的基于云的法律实践管理工具自动的律师事务所的时间和活动的记录。这个工具的一个主要特征是跟踪包括有效期为结算电子邮件的所有活动的能力。它声称，根据其网站已经自动超过60万种形式和管理超过10万份文件。下面的视频介绍了Smokeball的软件：
意想不到的后果
但并不是所有的律师都认为这项技术很有价值。例如,马克·赫尔曼咨询公司怡安(Aon)的首席法律顾问认为，电子账单存在局限性。他指出，“……不加思索地削减账单的自动化系统可能导致意想不到的后果。”例如，一些公司客户拒绝支付单个律师一天工作超过10小时的费用，除非律师本人在审判现场。”
呼应和福的情绪，韦恩Nykyforchyn，InvoicePrep的CEO，指出电子帐单达不到上做judgmentson自己的结果。“尽职尽责，软件放一个标志包含单词，UTBMS任务代码和计时员的角色组合键的所有行项目旁边。是说明是否足够？当时的时间是否合理？实际提供了授权？该软件不知道，”他写道。正因为如此，红旗软件是否为可能作出的调整仍然需要由评审进行评估。
总结法律与法律实践中的人工智能思想
在探索数十家人工智能法律技术公司和用例的过程中，有许多与采用有关的隐现问题。换句话说:哪些公司将使用这些技术——哪些人工智能法律技术应用将在短期内变得司空见惯?
我会总结这篇文章有什么可能会有点法学“第二十二条军规”的AI和法律界的一些想法。
人工智能工具在法律实践中的最大好处似乎是提高效率。人工智能软件使用的算法在检测错误和其他问题的同时，加快了文档处理的速度。
这似乎有点违反直觉，因为法律行业长期以来一直依赖于“计费时间”，而律师通常不应该花更少的时间来完成一项任务或文件。因此，仅仅消除手工(或无聊的)任务可能不足以推动人工智能的采用。
相反，采用人工智能的压力很可能来自同行的压力。那些采用人工智能并能更快行动的法律公司可能更有可能将节省下来的资金立即转移给客户，而那些无法实现自动化的公司可能会发现，自己在法律服务方面的定价相对过高，而其他公司已经基本实现了自动化。
目前还不清楚向合法人工智能的过渡将如何进行。一方面，我们可能期望大型律师事务所推动最初的采用，因为它们最有能力为强大的基于人工智能的工具和集成买单。然而，新公司很可能会以一种精益、自动化、效率驱动的方式开始，因为他们不需要处理大公司现有的巨大开销。
Emerj首席执行官丹尼尔Faggella相信人工智能在法律上的广泛应用可能始于一个由小型、灵活的法律公司组成的生态系统——一群从一开始就专注于最大化自动化和效率的公司。
这些公司可能会将人工智能和其他软件应用到特定的法律领域(可能是遗嘱和信托、专利法或商业房地产合同审查等)，他们将能够利用技术来获取大量的每名员工的利润。
这将不会通过对他们的收费时间进行大规模的高收费来实现，而是通过低收费和自动化扩展他们的服务来实现。例如，一个专注于专利法的狭隘的新技术驱动的法律公司可能会简化他们的潜在客户的产生和销售过程，并自动化他们服务的绝大部分(或者至少是相当大的一部分)自然语言处理和人工智能。Faggella状态:
“这些小公司的出现将震惊较大的法律玩家，他们将争相保持他们的价格和服务的竞争力——就像古板的纸质报纸不得不适应数字出版一样。
通过在大，他们没有调整。相反，向上和后起之秀的干部吃了他们的午餐和大多数平庸的出版商死掉或抱着对自己的指甲与艰巨的努力。目前还不清楚类似的转变是否会以最快的速度与法律领域，因为它是与出版，但同一种巨大变化似乎正在进行“。
一些律师会说，“聪明的人不会喜欢这种技术，他们会希望用传统的方式来做。”的确，在一些法律事务上，除了利用人类的专业知识外，可能别无选择，但人工智能将极大地扩展其他流程和服务，而这一领域最终将不得不改变。
关于企业应该如何为人工智能计划做准备的进一步见解，详见AI in Industry播客，标题为:在企业中为人工智能的采用做好准备是什么样子的
法律和专业服务公司的Emerj
在Emerj，人工智能研究与咨询公司，我们帮助的法律和专业服务企业了解如何人工智能技术，如自然语言处理，可以释放他们的律师和专业人士专注于高回报率的工作，为更多的客户。管理人员和合作伙伴的专业服务公司不太可能讨论AI频繁那些在其他行业，使他们通过AI厂商易受欺诈性营销。人工智能机会风景允许法律和专业服务公司对他们所在行业的AI供应商进行排名，防止他们在那些不太可能带来ROI的供应商的试点项目上浪费数万美元。
相关面试
- 应用计算语言学来简化法律环境-与利提克的加里·桑加
- 什么都能机器做律师不能？A.I.法学应用
-与理查德唐博士从Casetext
标题图片来源：布朗和布朗保险
