|
律师如何提升竞争力？iCourt 法学院研发的系统性法律实务课程，帮助律师在【核心业务能力】【市场开拓能力】【法律新科技】三个维度全面精进，用技术驱动法律，实现职业突破。
作者：古城 “颠覆”这个词来源于克里斯坦森的《创新者的窘境》。许多人一听到“颠覆”这个词，感觉一下就不好了。其实克里斯坦森提出“颠覆”这个词汇本意是一种边缘化的过程，即新兴行业或者业务的崛起，造成传统行业、业务的边缘化，颠覆并非消灭而是更迭。 相对于法律行业来说，什么样的“东西”会带来这个行业的颠覆呢？这恐怕是进入网络时代，众多法律从业人员都会考虑的一个问题，原因很简单：担心自己会不会被边缘化。 基于这个疑问，不同的人做出了不同的选择，有人革掉自己的命，投身新兴法律行业，探索颠覆之路。不过这个行业尚处在初期，还没有一个大家普遍认可的模式；有的人会默默静观，觉得时机未到，等形势明朗了再进去；也有人说互联网再怎么发展，也不会对法律行业造成冲击，毕竟法律行业仍然是“以人为本”。 其实不论做出怎样的选择都是基于自身的环境限制，传统业务的大伽们对新兴法律业务并不感冒，原因在于他们已经形成基于传统业务的生态模式。在这种生态模式下，案源、业务、名誉、收入自成一个封闭的系统。新兴业务，如果适应原有的封闭系统的话，可以考虑；如果在这个系统之外，那么必然不为所动。 那么我们就从这个封闭系统出发，来看看可能颠覆法律行业的三大技术： 一、认知计算 第一项当然是认知计算。对普遍文科背景的律师来说，这个术语有点陌生。但说到认知计算的案例—AI律师Ross，各位恐怕就不会陌生了。Ross所采用的是IBM Watson认知计算系统。 认知计算最早也是IBM提出的概念，在这个概念的基础上，IBM研发出Watson系统，其原理可以通过下面的图示来理解： 从我们的角度来看，这个原理很简单，不就是我们日常的人类思维吗？先对文本或者语言做出理解，而后在理解的基础上结合已有的知识框架或者检索新的知识做出推理，形成结论，并对结论做进一步学习整理，提升认知水平。但大家需要注意的是这个主体并非人类，而是一台机器，而且是一台可以高效运转的机器。机器和人类的最主要区别在于效率。 举个简单的例子，AI律师Ross和一个人类律师做一个案卷资料分析，Ross所能处理的信息量远超过人类律师。对人类律师来说，从上千册的文本中提取有用信息绝对是一种重负，但这也是我们日常案件处理中会遇到的场景。而Ross完全通过设定检索模型，在几秒之内就能完成对这些文本的分析。同时只要我们建立起相对应的案例数据库、裁判模型，Ross甚至可以在文本分析的基础上，给出可行性法律方案。 认知计算技术的产生会将传统业务中的文本审查、法律检索、简易案件分析、法律文书生成自动化，如目前是法律助理的话，那么一个不吃不喝、工作高效的智能助理是不是比一个要工资、有脾气的人类助理，哪个更受欢迎呢！ 二、大数据量化分析 我们还原一个场景来看看这项技术的应用：小a是某公司的员工，因为怀孕受到老板的处处刁难，小a咨询律师。律师从法律角度对小a做出建议，老板刁难你估计是不想承担女职工三期待遇，想逼迫小a离职（这是一个好律师）。 当然这只是原因分析，分析清楚原因后我们该如何做应对呢？律师建议三种方案：1.如果公司本身存在未缴纳社保等方面的过错，小a以此为由主动离职，并要求经济补偿金；2.如果公司没有过错，和公司协商解除，但补偿数额不好确定；3.和公司耗着，一直耗到三期结束。小a听了觉得很有道理，但她问律师那种方案最好，律师说最好结合自身的情况自行决定。 这个场景恐怕是我们实际中经常发生的，律师提供多种可行性方案，由当事人做出选择，但问题在于律师提出的方案仅仅是定性方案，而不涉及定量分析。三种方案成本收益比对、耗时长短、胜诉几率这些量化的指标均为出现。相当于问题换了一种方式抛回当事人。 而借助大数据分析技术，尤其是企业历史数据和区域裁判数据挖掘分析，我们就可以向客户提供量化后的方案，帮助律师和客户做出更为优化的决策。 也许有人会说成本收益、时间消耗这种量化分析容易做，但胜诉几率这是千古难题，哪有那么容易量化！确实，法律诉讼异常复杂，需要考虑的变数太多，同时还涉及人的心理、情感等诸多不可预测的因素，机器预判难度很大。 的确，机器预判不可能适用于法律诉讼的每个领域，但是在道路交通、劳动争议、债务等类型化且简单的纠纷中仍然有很大的作用空间。裁判文书本身就包含了法律法规、诉讼类型、诉讼主体、诉讼方略、情感倾向，通过智能系统对裁判文书加以解构，我们是有可能做出诉讼结果的预测系统。这也是成都斯沃茨公司正在研发的一个项目，针对婚姻、道交、劳动领域做智能诉讼预判。 如果这个系统完成，当事人发生纠纷后，第一时间不是找律师，而是通过预测系统做个核算，如果收益大于成本、胜诉几率高才会选择下一个环节。这就让智能诉讼预判系统成为了一个端口，而端口聚集的众多用户必然会实现对法律资源的重新分配，从而打破传统生态模式下法律资源的配置方式。 三、专家系统 专家系统技术和认知计算技术有相似之处，但二者的着眼点不同。认知计算技术着眼于人工智能，是对人类认知的模仿；专家系统技术着眼于整理，是对知识的组合重整。 专家系统的知识的来源是“专家”，但我们知道作为专家尤其是普遍文科背景的法律专家往往不了解计算机技术，专家提供知识、解决问题会按照自身的知识结构、思维习惯、语言风格来运作。而这种运作方式并不能直接为系统（机器）所识别，所以我们需要法律知识工程师作为接口，实现专家和系统之间的对接。这里的法律知识工程师也就是萨斯金《明日世界律师》中提到的法律新型职业之一。 一般的流程是法律专家提供解决实际问题的基本知识和经验，知识工程师按照系统推理架构对知识进行整理，建立知识库，并利用编码语言设立推理机等模块，形成可以“自动”解决法律问题智能系统。 专家系统的应用有对内对外两个方面：对外是作为智能咨询系统，国内如推之，国外如Ross，均具有智能咨询的功能；对内是作为法律人的决策辅助系统，可以自助实现法律人知识管理、相关法律法规和案件检索、费率核算、法律文书自动推送。 专家系统相对于前两种技术是一种“温和”的技术，目前技术条件已经成熟，也是三大技术中最容易实现的技术。某种程度上可以说，我们和专家系统之间只缺一群“法律知识工程师”。 三种技术都有成型的范例，认知计算中的Ross，大数据技术中美国劳动部elaw系统，专家系统中的推之应用。但是，为什么这些技术目前没有造成法律行业的“颠覆”呢？ 原因只有一个：技术奇点。这些新型的技术都是呈现指数发展的模式，而这种指数发展必然会呈现为一种曲线态势，曲线与现实业务线交汇的那个点我们称为技术奇点。只有曲线超过了这个技术奇点，才能引发颠覆性的效应。所以应了中国的一句古话：不是不变，时候未到！ iCourt 与众不同的法学院 本文经授权转载，来源于微信公众号“法律技术”（falvjishu）。 |
|
|
