Introduktion til kunstig intelligens i advokatbranchen

Kunstig intelligens er udset til at blive den store game changer i advokatbranchen. Men hvad er det egentlig? Og hvordan kan det bruges? LegalTechWeekly giver en (relativt) kort introduktion til kunstig intelligens i den juridiske industri.
‍

De fleste danskere bruger kunstig intelligens hver eneste dag. Bruger du Gmail, har Google eksempelvis introduceret AI-værktøjet Smart Compose, som kommer med foreslag til ord, der kan færdiggøre dine sætninger. Der går samtidig ikke en dag, hvor den nye teknologi ikke har gjort sig bemærket ved alt fra at redde liv til at producere kunst. På den ene side hører man nervøse røster, om at advokater skal føle sig truet i den fjerde industrielle revolutions AI-apokalypse. På den anden kan læse om, at kunstig intelligens kan styrke de innovative advokater. En ting er sikkert; den kunstige intelligens' evne til at automatisere videnssektoren kommer også til at ændre den juridiske industri.

LegalTechWeekly giver her en nem og overskuelig introduktion til kunstig intelligens i advokatbranchen.

‍
Hvad er kunstig intelligens?

‍Kunstig intelligens er maskiner, som mimer den menneskelige intelligens. De kan derfor ræsonnere, generalisere, selvkorrigere eller lære sig selv egenskaber. Definitionen er ganske løs, men angives ofte som maskiner, der udfører opgaver, som hidtil kun mennesker har været i stand til. Problemet med den definition er, at man derved kan kalde en simpel regnemaskine for kunstig intelligens.

Derfor skal kunstig intelligens i moderne forstand være i stand til at udføre opgaver, som den ikke er blevet forprogrammeret til. Det vil sige, at den skal kunne udføre opgaver og genkende mønstre på selvstændig hånd og lære sig selv nye ting. En kunstig intelligens kræver derfor processorkraft, algoritmer og ikke mindst data for at fungere.

Der er generelt store forskelle i kompleksitetsgraden ved kunstige intelligenser. Der findes således systemer, som kan løse enkle opgaver, eksempelvis de instruktioner du giver Siri på din Iphone. Og mere komplekse former, der kan navigere i avancerede datasæt og træffe sine beslutninger baseret på et væld af determinanter. Det kunne eksempelvis være den teknologi, der kan navigere en førerløs bil og tage ved lære af trafikken i en given by.

Maskinlæring: Det er i bund og grund, når en kunstig intelligens kan lære nye ting ved erfaring.

Artificielt neuralt netværk: Det er en ramme, der er inspireret af hjernens neurale netværksstruktur. Den gør det muligt for forskellige maskinlærings-algoritmer kan spille sammen og løse opgaver, som de ikke er programmerede til i forvejen. Det skal dog med, at neurale netværk kun baserer sig på, hvordan vi tror, hjernen fungerer.

‍

Kunstig intelligens i advokatbranchen

‍Det er svært at forstå de tekniske egenskaber ved kunstig intelligens, men det er primært deres evne til at genkende mønstre i store mængder data, som gør dem i stand til at tilføje værdi til et hvert advokatselskab. Først og fremmest er de til for at løse arbejdstunge, repetitive opgaver og dermed spare tusindvis af arbejdstimer. Dermed kan den menneskelige advokat fokusere på mere analytiske og strategiske opgaver. Kunstig intelligens er altså både en reel konkurrent og et produktivitetsforøgende supplement, der understøtter advokaten ved at muliggøre bedre beslutningstagning.  

Kunstig intelligens vil med tiden udkonkurrere advokaterne i diverse opgaver af lav kompleksitet, for teknologien er utvivlsomt bedre til rutineopgaver, som at scanne store mængder data. For nyligt lavede LegalGeex et forsøg, hvor de satte en kunstig intelligens til at konkurrere mod en række dygtige advokater i at identificere risici i en bunke fortrolighedsaftaler (NDA's). Den kunstige intelligens var ikke bare mere præcis, den var også 100 gange hurtigere.

Kunstig intelligens er altså den klassiske advokat overlegen, hvis man skal gennemse store lovsamlinger, domssamlinger eller tusindvis af kontrakter (se eksempelvis JPMorgans COIN). Derudover kan man bruge kunstig intelligens til chatbots, som selv kan udforme sætninger og besvare simple juridiske spørgsmål. Kunstig intelligens kan også være med til at minimere decision fatigue, ligesom maskinerne heller ikke har følelsesmæssige udsving.

Problemer ved kunstig intelligens
Den kunstig intelligens som bruges i advokatbranchen i dag, er af relativt simpel karakter. Vi er endnu langt fra at have komplicerede neurale netværk, og der er sågar eksempler på, at nogle firmaer foregiver at bruge kunstig intelligens, men i virkeligheden benytter sig af manuel arbejdskraft. Givetvis på grund af den store hype.

Der er endnu en masse egenskaber, hvor kunstig intelligens er mennesket underlegent - primært er det evnen til at tænke kreativt og følge en intuition. At knytte tætte forhold til andre mennesker baseret på empati og følelsesmæssig forståelse evner kunstig intelligens heller ikke. Det er derfor stadig op til advokaten at opbygge langvarige, trygge og tillidsbaserede forhold til klienterne. De strategiske og analytiske egenskaber der kræver, at man tager stilling til mange usikre variabler, eksempelvis ved etiske overvejelser, er da også bedst løst af mennesker - indtil nu. Mckinsey & Company vurderer dog, at 45 % af alle arbejdsopgaver kan blive automatiserede af nuværende teknologier.

Det er en forudsætning for, at man kan bruge kunstig intelligens effektivt, at man har gode, store mængder digitale og maskinlæsbare data til rådighed. Derfor bemærker det amerikanske advokatselskab Baker McKenzie også, at der et “shift from scale of capital being critically important to scale of data.” En kunstig intelligens er ikke bedre, end det data den bliver fodret med. For at være effektiv må data være 1. tilgængeligt, eksempelvis ved digitale domssamlinger. 2. rent og retvisende.

I 2016 skabte Microsoft eksempelvis en chatbot ved navn Tay, som var designet til at chatte med Millennials ved at lære sig selv deres jargon. Derfor tog det ikke lang tid, før Tay begyndte at udtrykke sig i racistiske, antisemitiske og kvindehadske former og producerede tweets a la: “Hitler was right I hate the jews”. Da maskinens datasæt var racistisk, blev resultatet det ligeså. Kvaliteten af ens data er altså en vigtig forudsætning for succesfuld brug af kunstig intelligens. Der er vi stadig langt fra i dag.

Ikke desto mindre er en af de største forhindring lige nu og her, at det er dyrt at investere i kunstig intelligens. Ifølge selvsamme Baker McKenzie-rapport nævner 53 % af de adspurgte prisen som den største forhindring for at implementere i kunstig intelligens.

‍
Augmenteret intelligens  

‍En løsning på de væsentlige problemer med kunstige intelligens, er anskue og benytte kunstig intelligens som augmenteret intelligens. Arrangerer man maskinintelligens og menneskelig intelligens til at samarbejde i en hybrid intelligens, vil man opnå endnu bedre resultater. Det kan godt være, at Deepblue slog Kasparov i skak, men Deepblue i samarbejde med Kasparov udgør en endnu stærkere duo. Kentaurskak (skak hvor kunstig intelligens og menneske samarbejder) har nemlig vist sig at være den rene maskine overlegen. Mennesket bidrager med intuition, kreativitet og empati, mens computeren bruger sin evne til at huske og kalkulere på udfaldet af forskellige træk.

Kunstig intelligens er som skrevet overlegen, når det kommer til at finde mønstrer i store mængder af data, mennesket er god til at foretage en strategisk vurdering og formidle et juridisk budskab til lægmand. Derfor vil man drage fordel af at opfatte kunstig intelligens som et supplement, der kan understøtte ens juridiske evner, fremfor en direkte trussel. Advokaterne skal dog vende sig til, at deres arbejde i stigende grad kommer til at handle om at gennemlæse, verificere og formidle en proces, som er foretaget af en maskine. Man bør nemlig overvåge den kunstige intelligens' resultater ved udførlige reviews eller stikprøver, og for alt i verden undgå at kaste sin kritiske bevidsthed overbord.

Et af de største problemer med kunstig intelligens er folks manglende tillid. Så selv i tilfælde hvor en kunstig intelligens er bedre egnet, foretrækker mange mennesker, at der har været en naturlig intelligens på sagen. Ved et samarbejde får man både den kunstige intelligens og den menneskelige faktorer, som evner empatisk forståelse og kan træffe beslutninger baseret på skøn og det informationer, der ikke kan reduceres til kvantificerbare datapunkter.