هوش مصنوعی در حقوقی: تحلیل قرارداد

هزینهٔ یک قرارداد معمولاً روز امضا معلوم نمی‌شود؛ دو سال بعد معلوم می‌شود، آن هم وقتی کسی به یاد بند تمدید خودکار یا سقف مسئولیت می‌افتد. ریشهٔ ماجرا هم کم‌دقتی وکیل نیست، حجم است: وقتی صد صفحه متن و پیوست باید در دو روز خوانده شود، توجه انسان ناگزیر سطحی می‌شود و بندهای کم‌پیدا از دید می‌افتند.

تحلیل زبانی قرارداد این گلوگاه را با عوض کردن ترتیب کار برمی‌دارد. نرم‌افزار نخست کل سند را می‌خواند، بندهای پرریسک، تعهدهای زمان‌دار و مغایرت‌های درونی را بیرون می‌کشد و فهرستی مرتب پیش روی وکیل می‌گذارد. اختیار تصمیم همان‌جا که بود می‌ماند؛ تنها تفاوت این است که بازبینی از صفحهٔ اول آغاز نمی‌شود، از فهرست نکته‌های مشکوک آغاز می‌شود.

آنچه در عمل خودکار می‌شود

هر آنچه در بازبینی قرارداد تکرارشدنی و قاعده‌مند است، نامزد واگذاری است؛ آنچه به تفسیر و مصلحت‌سنجی تجاری نیاز دارد، نه.

• نشانه‌گذاری بند پرریسک: بیرون کشیدن مفادی مانند تمدید خودکار، جریمهٔ تأخیر، سقف مسئولیت و اختیار فسخ یک‌طرفه، همراه با ارجاع به صفحهٔ هر مورد.
• استخراج تعهد و مهلت: تبدیل تعهدهای پراکنده در متن به یک جدول تاریخ‌دار، تا هیچ مهلتی بیرون از تقویم نماند.
• کشف مغایرت درونی: یافتن جاهایی که یک بند با بند دیگر یا متن اصلی با پیوست همان قرارداد نمی‌خواند.
• مقایسه با نسخهٔ مرجع: سنجیدن سند دریافتی با الگوی تأییدشدهٔ سازمان و نشان دادن هر انحراف.
• تهیهٔ پیش‌نویس: ساختن نسخهٔ نخست از قراردادهای پرتکرار، تا وکیل به‌جای نوشتن، ویرایش کند.

مرزهایی که نباید جابه‌جا شوند

• امضای انسانی: خروجی سامانه در حکم نظر مشورتی است، نه تأیید حقوقی؛ مسئولیت نهایی نزد وکیل می‌ماند.
• محرمانگی سند: پیش از هر آزمایشی روشن کنید متن قرارداد کجا پردازش و چه مدت نگه‌داری می‌شود؛ در پرونده‌های حساس، پردازش درون‌سازمانی تنها گزینهٔ پذیرفتنی است.
• دامنهٔ روشن: سامانه‌ای که برای قرارداد پیمانکاری تنظیم شده، در قرارداد تأمین بین‌المللی همان دقت را ندارد؛ دامنه را صریح بنویسید.
• ثبت رد پا: نگه‌داشتن اینکه هر هشدار از کدام بخش متن آمده، تا خودِ خروجی هم قابل بازبینی باشد.

چرا برای دفاتر و شرکت‌های ایرانی اهمیت دارد

در بسیاری از دفاتر حقوقی کوچک و واحدهای حقوقی شرکت‌های ایرانی، یک یا دو نفر پاسخگوی همهٔ قراردادها هستند؛ گلوگاه نه دانش است و نه انگیزه، بلکه ساعت کاری. هر سندی که در نوبت می‌ماند، ریسکی است که ناگزیر پذیرفته می‌شود. سامانه‌ای که خواندن نخست را بردارد، همان ساعت‌ها را به کار تخصصی برمی‌گرداند. راه‌اندازی‌اش هم به بودجهٔ کلان نیاز ندارد؛ به یک نوع سند پرتکرار، آرشیوی مرتب از قراردادهای گذشته و یک تصمیم‌گیر در سطح مدیریت نیاز دارد.

یک نمونهٔ عملی

دفتری را در نظر بگیرید که بیشتر پروندهٔ ماهانه‌اش قرارداد اجاره و خدمات با ساختاری تکراری است. با محدود کردن سامانه به همین دو نوع سند و نگه‌داشتن بازبینی نهایی نزد وکیل، نوبت بازبینی کوتاه‌تر شد و پرونده‌های پیچیده وقت بیشتری گرفتند. آنچه نتیجه داد، گستردگی ابزار نبود؛ باریک بودن دامنهٔ آغاز بود.

مسیر ۹۰ روزهٔ پیاده‌سازی

• ماه نخست: پرتکرارترین نوع سند را انتخاب کنید، سی نمونهٔ بازبینی‌شدهٔ گذشته را جمع کنید و بنویسید یک بازبینی درست چه چیزهایی را باید پیدا کند.
• ماه دوم: سامانه را روی همان نمونه‌ها بیازمایید و خروجی‌اش را با بازبینی انسانی مقایسه کنید؛ معیار سنجش، نسبت نکته‌های درست پیداشده به نکته‌های جاافتاده است.
• ماه سوم: اگر این نسبت پذیرفتنی بود، نوع سند دوم را اضافه کنید؛ اگر نه، پیش از بزرگ کردن دامنه، تعریف نکته‌ها را دقیق‌تر کنید.

خطاهایی که نتیجه را خراب می‌کنند

• سپردن قراردادهای پیچیده و تک‌نمونه به سامانه‌ای که برای اسناد قاعده‌مند ساخته شده است.
• تکیه بر خروجی به‌عنوان نظر نهایی؛ هر هشدار باید به متن اصلی ارجاع داده و همان‌جا بررسی شود.
• بی‌اعتنایی به آرشیو گذشته؛ سامانه‌ای که الگوی تأییدشدهٔ سازمان را ندیده باشد، انحراف را تشخیص نمی‌دهد.
• نداشتن معیار عددی برای موفقیت؛ بدون آن نه می‌توان ادامه داد نه با اطمینان متوقف شد.

سه اقدام فوری

• یک نوع سند را که ماهی چند بار تکرار می‌شود، نخستین دامنه بگذارید.
• فهرست بندهای پرریسک سازمان خود را پیش از راه‌اندازی بنویسید.
• اثر را با زمان بازبینی هر سند و شمار نکته‌های جاافتاده بسنجید.

پرسش‌های پرتکرار

• شروع چقدر هزینه دارد؟
  کمتر از تصور رایج؛ آزمایش روی یک نوع سند با آرشیوی که همین حالا در اختیار دارید، برای سنجیدن ارزش کافی است.
• نخستین گام عملی چیست؟
  نشانه‌گذاری بندهای پرریسک؛ کم‌ریسک‌ترین ورود این است که سامانه فقط توجه را جلب کند و تفسیر نکند.
• آیا جای وکیل را می‌گیرد؟
  خواندن نخست را برمی‌دارد و وکیل را روی تفسیر و مذاکره متمرکز می‌کند؛ در پرونده‌ای که تصمیم نهایی نزد انسان نماند، ریسک بیشتر می‌شود نه کمتر.

جمع‌بندی

بازبینی خودکار قرارداد جای قضاوت حقوقی را نمی‌گیرد؛ فقط ترتیب رسیدن به آن را عوض می‌کند. سازمانی که این کار را زودتر شروع کند، نخستین سودش دیدِ روشن‌تری است به تعهدهایی که پیش‌تر جایی در بایگانی گم می‌شدند.

واژه‌نامه

• پردازش زبان طبیعی: توانایی نرم‌افزار در فهمیدن و تولید زبان انسانی؛ پایهٔ هر تحلیل متنی.
• مدل زبانی بزرگ: موتوری که متن را می‌فهمد و متن تولید می‌کند؛ پایهٔ دستیارهای گفت‌وگومحور.
• بند قرارداد: یک ماده یا شرط مشخص در متن سند.
• نسخهٔ مرجع: الگوی قراردادی تأییدشدهٔ سازمان که اسناد دریافتی با آن سنجیده می‌شوند.
• مهلت تعهد: تاریخی که انجام یک تعهد قراردادی تا آن زمان الزامی است.
• حلقهٔ نظارت انسانی: ساختاری که در آن خروجی ماشین پیش از اثرگذاری از تأیید یک فرد می‌گذرد.