تصور کنید وکیلی هستید که بهجای ساعتها جستوجو در هزاران سند قدیمی، یک دستیار هوشمند دارد که تمام پروندههای سالهای گذشته را میشناسد و استدلالهای حقوقی پیچیده میسازد. گوگل کلود در ۲۵ اوت ۲۰۲۶ با معرفی Gemini Enterprise for Legal، دقیقاً همین تجربه را برای دفاتر وکالت بزرگ و بخشهای حقوقی شرکتها به ارمغان آورده است. در حالی که شرکتهای حقوقی جهانی و بخشهای حقوقی شرکتی دو سال را صرف ارزیابی ابزارهای پراکنده و تکمنظوره هوش مصنوعی کردهاند، گوگل تلاش میکند با این عرضه، این چرخه را دور بزند.
این اقدام گوگل تلاشی است برای عبور از چرخه ابزارهای پراکنده. گوگل میداند که صنعت حقوق به دلیل ریسکپذیری بسیار پایین، به امنیت سختگیرانه و یکپارچگی عمیق نیاز دارد. بنابراین، بهجای فروش یک مدل ساده، پلتفرمی را ارائه داده که مستقیماً با یکپارچگیهای خاصی عرضه میشود که تیمهای IT حقوقی در غیر این صورت مجبور به ساخت دستی آنها بودند. هدف گوگل کاهش اصطکاک برای پذیرش هوش مصنوعی در سطح تولید (Production-grade) در صنعتی است که با ریسکگریزی شدید شناخته میشود.
در دنیای حقوق، کار بر پایه «دیوارهای اخلاقی» (Ethical Walls) و کنترلهای دسترسی سختگیرانه در سطح هر پرونده (Matter-level) استوار است. همانطور که در پوشش پیشین ما دربارهی امنیت مدلهای زبانی و تلاش ۱۰ میلیون دلاری گوگل برای تصاحب دادههای Spirit Airlines اشاره کردیم، مدیریت دادههای حساس همواره چالشبرانگیز بوده است. اما طبق اعلام گوگل، این پلتفرم ایزولاسیون کامل دادههای خصوصی را تضمین میکند. بر اساس مستندات این شرکت، دادههای مشتریان، دستورالعملهای داخلی دفاتر (Playbooks)، عاملهای سفارشی و خروجیهای مدل هرگز برای آموزش یا تنظیم دقیق (Fine-tuning) — که شبیه دادن تخصص پوست به یک پزشک عمومی است تا در یک حوزه دقیق شود — مدلهای بنیادی گوگل استفاده نمیشوند.
حاکمیت و امنیت
برای مدیریت این ریسکها، پلتفرم روی یک صفحه کنترل مدیریتی (Governed Control Plane) اجرا میشود. این داشبورد واحد به تیمهای IT و مدیریت ریسک اجازه میدهد سیاستهای امنیتی را اعمال کنند و از مبنیسازی (Grounding) — یعنی متصل کردن جواب مدل به منابع واقعی برای جلوگیری از توهم — با ارجاعات قابل ردیابی و استنادهای دقیق مطمئن شوند.
به گزارش گوگل، دسترسیها از طریق رابطها (Connectors) کاملاً تابع مجوزهای مبتنی بر نقش (Role-based controls) و مجوزهای سطح سند است که پیش از این در سیستمهای زیرساختی وجود داشتهاند. برای مثال، شرکت Relativity تأیید کرده است که دادههای حساس هرگز پلتفرم RelativityOne را ترک نمیکنند و تحلیلهای ماهوی در لایه aiR همان پلتفرم باقی میمانند.
موتور یکپارچهسازی
ارزش اصلی این پلتفرم در رابطهای آن است که از پروتکل زمینهٔ مدل (Model Context Protocol - MCP) استفاده میکنند تا عاملهای (Agents) — شبیه کارمندانی دیجیتال که میتوانند کارهای خاصی را بهطور مستقل انجام دهند — به دادهها در محل واقعی ذخیرهسازی دسترسی داشته باشند. Gemini Enterprise for Legal بهجای اجبار به مهاجرت دادهها، مستقیماً به زیرساختهای زیر متصل میشود:
- مدیریت اسناد: iManage و NetDocuments.
- کشف الکترونیکی (e-Discovery) و دادرسی: Everlaw و RelativityOne.
- مخازن قرارداد: Docusign (که متادیتای توافقنامهها و مخازن آنها را پوشش میدهد).
- تحقیق حقوقی و همکاری: CourtListener متعلق به Free Law Project (برای دسترسی به پروندههای PACER و نظرات دادگاههای فدرال و ایالتی) و Thomson Reuters HighQ.
- جریانهای کاری تخصصی: Harvey (برای ایجاد پل ارتباطی قابلیتهای استدلالی در پروژههای Vault)، Solve Intelligence (برای ادبیات ثبت اختراع و پیشینه فنی یا Prior Art) و Legora (برای جریانهای کاری تحقیق و پیشنویسنویسی).
- دادههای دادرسی: Courtroom5 برای مجموعهدادههای دادرسی مدنی و منطق تعیین ضربالاجلها.
- بهرهوری: رابطهای کامل برای هر دو محیط Google Workspace و Microsoft 365.
قابلیتهای عاملمحور
گوگل «مهارتهایی» (Skills) را عرضه کرده است که در واقع بستههای دستوری بازاستفادهپذیر هستند و توسط متخصصان حوزه حقوق طراحی شدهاند. این مهارتها به یک عامل یاد میدهند که وظایفی تخصصی را اجرا کند و در عین حال، استایل نوشتاری هر دفتر، دستورالعملهای داخلی و قوانین استناددهی آن شرکت را رعایت کند. این مهارتها قدرتبخش عاملهای پیشساختهای هستند که بهجای ارائه پیشنهاد ساده، کار را به طور کامل اجرا میکنند.
قابلیتهای خاص این سیستم عبارتند از:
- بررسی قراردادها و اصلاح متون (Redlining).
- ایجاد دستورالعملهای عملیاتی (Playbook creation).
- پایش افقهای مقرراتی و غربالگری (Regulatory horizon scanning).
- تحقیق حقوقی و پیشنویسنویسی.
- پاسخ به درخواستهای دسترسی به دادههای شخصی (DSAR).
توماس کوریان، مدیرعامل گوگل کلود، تأکید کرد که در حالی که هوش مصنوعی عاملمحور (Agentic) اجازه میدهد متخصصان «در میان رویههای قضایی تاریخی تحقیق کنند، استدلالهای پیچیده بسازند و کارهای تکراری را خودکار کنند»، اما تضمین اینکه این جریانها «دقیق، واقعی و مبتنی بر مرجع حقوقی باشند» اهمیت حیاتی دارد.
اکوسیستم شرکا و پذیرش
چهار شرکت بزرگ حقوقی شامل Cleary Gottlieb، Freshfields، Weil و Williams & Connolly از نخستین همکاران این پلتفرم هستند. شرکت Freshfields وارد یک شراکت استراتژیک و چندساله شده است، در حالی که شرکت Weil پیش از این از این سیستم برای ساخت محصولی به نام Benchmark جهت تحلیل بینشهای قضایی استفاده کرده است. رامونا نی، شریک اجرایی آینده در Weil، اشاره کرد که این همکاری به آنها اجازه میدهد پلتفرم را بر اساس واقعیتهای پیچیده وکالت شکل دهند.
برای گسترش استقرار، گوگل اکوسیستمی باز از یکپارچهسازان سیستم و متخصصان فناوری حقوقی ایجاد کرده است که شامل موارد زیر است:
- مشاوران جهانی: Accenture، Deloitte، KPMG و Devoteam.
- متخصصان: Factor Law، Tribe.ai، Valtech، Zazmic، Zencore و 66degrees.
برخی از این شرکا در حال حاضر ابزارهای خود را ارائه میدهند؛ برای مثال، Deloitte یک عامل خلاصهساز قرارداد و یک ابزار اصلاح بندهای حقوقی را فراهم کرده است، در حالی که Eudia یک عامل دانش برای غربالگری انطباق (Compliance) و تحلیل اسناد عرضه میکند.
این استراتژی، نخستین بستهبندی صنعتمحور Gemini Enterprise است. در حال حاضر این محصول در حالت پیشنمایش (Preview) و بر اساس درخواست در دسترس است و شرکت Docusign اشاره کرده است که ویژگیهای خاص این همکاری در هفتههای آینده منتشر میشوند.
برای یک متخصص حقوق، این یعنی تغییر از «چت کردن با یک فایل PDF» به یک جریان کاری عاملمحور که میتواند در چندین سیستم مجزا و سیلو شده تحقیق کند و استدلالهای پیچیده بسازد. موفقیت این محصول به این بستگی دارد که دفاتر وکالت از مرحله پیشنمایش به استقرار کامل در محیط تولید حرکت کنند.
گوگل در حال گسترش این استراتژی عمودی است و اخیراً با Ryanair برای لجستیک خدمه و عملیات پروازی قرارداد بسته است. این همکاری که هدفگذاری برای بهینهسازی عملیات مسافربری در سالهای آینده است، نمونهای از کاربرد Gemini Enterprise در صنایع لجستیکی است. این شرکت تأیید کرد که نسخههای مربوط به بهداشت و علوم زیستی (Healthcare and Life Sciences) در صف انتشار بعدی این سری صنعتی هستند.
گام بعدی شما
- بررسی قابلیتهای MCP برای اتصال مدلهای زبانی به پایگاههای داده محلی در سازمان خود.
- مطالعه مدلهای استقرار «عاملمحور» بهجای چتباتهای ساده برای اتوماسیون فرآیندهای تکراری.
- رصد خروجیهای مدلهای تخصصی در حوزههای High-Stakes برای سنجش نرخ خطای آنها در محیطهای واقعی.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو