تصور کنید وکیلی باشید که به‌جای صرف ساعت‌ها وقت برای به‌روزرسانی دستی پرونده‌ها، تنها یک دستور می‌دهد و تمام داده‌های مالی و ارتباطات موکلان به‌طور خودکار مدیریت می‌شوند. این دیگر یک رویای آینده‌نگرانه نیست، بلکه واقعیت جدیدی است که با ورود دسترسی «نوشتن» به هوش مصنوعی در صنعت حقوق ایجاد شده است.
در حالی که ابزارهای حقوقی اولیه هوش مصنوعی به عصر «جعبه چت» (Chat Box) محدود بودند، اکنون تغییری بنیادین به سمت «عامل‌هایی» (Agents) در حال رخ دادن است که واقعاً کارها را اجرا می‌کنند. شرکت Litify که در سال ۲۰۱۶ تأسیس شد، با معرفی Litify Agentic Case Expert (ACE)، عصر چت‌بات‌های ساده را به پایان رساند. طبق اعلام این شرکت، ACE یک لایهٔ عامل‌محور (Agentic) است که فراتر از دادن توصیه عمل می‌کند و می‌تواند مستقیماً داده‌ها را وارد سیستم کرده و فیلدهای پرونده را به‌روزرسانی کند. این رویکرد در حالی اهمیت می‌یابد که بسیاری از سازمان‌ها با چالش‌های اجرایی مواجه‌اند و باید بررسی کرد که چرا برخی عامل‌های هوش مصنوعی در محیط‌های واقعی با شکست مواجه می‌شوند تا نقاط ضعف احتمالی در مقیاس سازمانی شناسایی شود.
این پلتفرم یک زیرساخت بومی هوش مصنوعی (AI-native) برای دفاتر حقوقی و بخش‌های حقوقی شرکت‌های بزرگ فراهم می‌کند. این سیستم که بر زیرساخت‌های ابری سازمانی از جمله Salesforce بنا شده، تمام مراحل مدیریت پرونده (Matter Management)، مدیریت اسناد، پذیرش موکل (Intake)، تحلیل‌ها، صورت‌حساب‌ها و اتوماسیون جریان کاری را یکپارچه می‌کند. این تحول در زمانی رخ می‌دهد که دفاتر حقوقی با «خستگی از راهکارهای تک‌منظوره» (Point Solution Fatigue) دست‌وپنجه نرم می‌کنند؛ وضعیتی که در آن ابزارهای پراکنده هوش مصنوعی باعث تکه‌تکه شدن جریان‌های کاری می‌شوند. اکثر ابزارهای هوش مصنوعی حقوقی تاکنون صرفاً یک «سیستم ثبت» (System of Record) بوده‌اند؛ یعنی مکانی برای ذخیره و جستجوی داده‌ها. Litify تلاش می‌کند این مدل را به یک «پلتفرم عملیاتی» (Platform of Action) تبدیل کند که در آن هوش مصنوعی به‌طور بومی در موتور عملیاتی روزانه جاسازی شده است.
زمینه: رهبری و چشم‌انداز
لورن روت‌راک (Lauren Rothrock)، مدیر ارشد محصول Litify، استراتژی محصول و نوآوری شرکت را رهبری می‌کند. او در سال ۲۰۲۳ به Litify پیوست و پیشینه‌ای متنوع در محیط‌های با ریسک بالا و تحت نظارت (Regulated Environments) را به همراه آورد. او پیش از این به عنوان نایب رئیس استراتژی و نوآوری در Insight Partners فعالیت می‌کرد و در آنجا با شرکت‌های فناوری روی رشد و ابتکارات استراتژیک کار می‌کرد.
تجربیات او همچنین شامل بیش از شش سال فعالیت در TravelClick است. در طول دوران حضورش در آنجا، او نقش‌های رهبری محصول را بر عهده داشت تا اینکه در نهایت به مقام نایب رئیس و مدیر کل راهکارهای وب و ویدئو رسید.
علاوه بر این، سوابق حرفه‌ای او شامل نقش‌هایی در استراتژی و برنامه‌ریزی مالی در The Leading Hotels of the World است. او همچنین مدتی را در بخش بانکداری و بازارهای سرمایه در PwC گذرانده است. این مسیر شغلی به او دیدگاهی گسترده در زمینه‌های توسعه محصول، استراتژی فناوری، امور مالی و نرم‌افزارهای سازمانی بخشیده است.
روت‌راک اشاره می‌کند که شروع دوران حرفه‌ای‌اش به عنوان یک حسابدار رسمی (CPA)، احترامی عمیق برای اخلاق، انطباق (Compliance) و دقت در او ایجاد کرده است. این پیشینه دقیقاً با الزامات دنیای حقوق مطابقت دارد و به او اجازه می‌دهد فناوری‌هایی بسازد که چالش‌های سخت عملیاتی را حل کنند و در عین حال حاکمیت سخت‌گیرانه (Strict Governance) را حفظ نمایند. او معتقد است نقطه قوت اصلی او در مدیریت محصول، پرسیدن سؤالات درست و گوش دادن عمیق به نقاط درد مشتریان است تا راهکارهایی برای سخت‌ترین چالش‌های عملیاتی آن‌ها ساخته شود. ظهور هوش مصنوعی این کار را به‌طور تصاعدی هیجان‌انگیزتر کرده و به تیم او اجازه داده است تا نقاط درد با ارزش بالا را سریع‌تر و مؤثرتر هدف قرار دهند.
مکانیسم عامل‌محور (Agency)
به نقل از مصاحبه با لورن روت‌راک، تفاوت بنیادین یک چت‌بات با یک عامل واقعی در «قابلیت‌های خواندن و نوشتن» (Read-Write Capabilities) است. در حالی که اکثر مدل‌های هوش مصنوعی فقط می‌توانند داده‌ها را بخوانند تا به سؤالات پاسخ دهند، ACE می‌تواند در سیستم بنویسد:
- دسترسی خواندن: ACE دقیقاً همان دسترسی‌های خاص کاربر را بازتاب می‌دهد. اگر یک وکیل اجازه دیدن جزئیات یک پرونده، یک سند یا داده‌های متقاطع بین پرونده‌ها را داشته باشد، هوش مصنوعی نیز همین دسترسی را دارد.
- اتصال خارجی: این سیستم از طریق مشارکت‌ها و پروتکل زمینهٔ مدل (MCP) — شبیه به یک مترجم جهانی که اجازه می‌دهد نرم‌افزارهای مختلف بدون تغییر زبان با هم حرف بزنند — به سیستم‌های حسابداری خارجی، پایگاه‌های دانش حقوقی و مخازن اسناد شخص ثالث متصل می‌شود تا تصویری کامل از زمینه (Context) به دست آورد. این قابلیت اجازه می‌دهد سیستم بدون نیاز به پروژه‌های عظیم جابه‌جایی یا تکثیر داده‌ها، محتوای اسناد مورد نیاز را به‌صورت آنی بازیابی کند. این معماری یادآور رویکرد SoftSync AI در اتصال LLMها به CRM است که بر اهمیت اتصال امن و بهینه مدل‌های زبانی به داده‌های سازمانی تأکید دارد.
- هوش تخصصی: Litify برای تقویت این قابلیت‌ها، لایه‌های پیشرفته‌ای از مدل‌های زبانی بزرگ (LLM) را اضافه کرد و سیستم را در کنار متخصصان حقوقی آموزش داد تا هوش تخصصی دامنه حقوق (Legal Domain Intelligence) را مستقیماً در تجربه کاربری جاسازی کند.
- دسترسی نوشتن: این عامل می‌تواند اشیاء (Objects) جدید بسازد، فیلدها را به‌روزرسانی کند و گردش‌کارهای چندمرحله‌ای را اجرا کند. ACE صرفاً در یک نوار کناری (Sidebar) نمی‌نشیند، بلکه مانند یکی از اعضای تیم عمل می‌کند.
- اجرای واقعی: ACE می‌تواند یک صورت‌حساب ورودی را با دستورالعمل‌های پرداخت تطبیق دهد و اقدام لازم را انجام دهد. این سیستم می‌تواند ردیابی کند که یک موکل در کجای برنامه درمانی خود قرار دارد و به‌طور خودکار یک پیامک یا ایمیل به‌روزرسانی ارسال کند. حتی می‌تواند برای یادآوری یک قرار ملاقات آتی، تماسی را آغاز کند.
استدلال در سطح پورتفولیو
علاوه بر پرونده‌های تکی، ACE اکنون می‌تواند روی کل پورتفولیو یا مجموعه پرونده‌ها استدلال کند، به‌جای آنکه به یک موضوع واحد محدود شود. این قابلیت به مالکان دفاتر اجازه می‌دهد از حالت «بررسی واکنشی» به «اجرای پیش‌دستانه» حرکت کنند و از هوش مصنوعی به عنوان یک شریک استراتژیک فکری استفاده کنند.
برای مثال، یک کاربر می‌تواند از ACE بخواهد تمام موکلانی را که ۳۰ روز است با آن‌ها تماس گرفته نشده شناسایی کند. ACE به‌جای ارائه یک لیست ساده، می‌تواند برای تمام آن موکلان به‌طور هم‌زمان، پیامک‌های پیگیری شخصی‌سازی‌شده و متناسب با زمینه (Context-aware) بر اساس مرحلهٔ خاص پرونده‌شان بنویسد و ارسال کند.
سایر قابلیت‌های سطح پورتفولیو عبارتند از:
- بینش‌های پیش‌بینانه: ACE می‌تواند نتایج احتمالی را ارزیابی کند، پیش‌بینی‌های پرونده را تولید کند و مجموعه‌های پرونده‌های مشابه (Comps) بسازد تا بر اساس داده‌های تاریخی و عملکرد گذشته، تخمین بزند که یک پرونده جدید احتمالاً به کجا ختم می‌شود.
- مدیریت منابع: مدیران می‌توانند بپرسند: «کدام اعضای تیم در حال حاضر بیش از حد درگیر یا بیکار هستند و چگونه باید پرونده‌ها را توزیع کنیم تا حجم کاری متوازن شود؟»
- تطبیق استراتژیک: سیستم می‌تواند بر اساس نتایج تاریخی، بهترین تیم یا وکیل همکار (Co-counsel) را برای یک پرونده جدید و حساس تعیین کند.
- تحلیل ریسک: ACE می‌تواند تحلیل‌هایی در سطح کل پورتفولیو اجرا کند تا شناسایی کند که ریسک‌ها در هزاران پرونده در کجا متمرکز شده‌اند، دلیل آن را توضیح دهد و گام‌های بعدی پیشنهادی را ارائه کند.
- تکلیف‌های دسته‌ای: کاربران می‌توانند تمام پرونده‌های فعال مرتبط با یک پزشک یا تأمین‌کننده خاص را شناسایی کرده و به‌طور خودکار تسک‌های پیگیری را برای کل آن گروه به‌صورت یک‌جا ایجاد کنند.
یکپارچگی و حاکمیت داده‌ها
برای جلوگیری از اجبار دفاتر به جابه‌جایی‌های سنگین داده یا پروژه‌های تکثیر، Litify از پروتکل زمینهٔ مدل (MCP) استفاده می‌کند. در حالی که بسیاری از مشتریان از سیستم مدیریت اسناد داخلی Litify یعنی Docrio برای دستیابی به عمیق‌ترین قابلیت‌های خواندن و نوشتن استفاده می‌کنند، MCP به ACE اجازه می‌دهد به‌صورت آنی به مخازن خارجی مانند Google Drive، SharePoint و iManage متصل شود.
روت‌راک تأکید می‌کند که اگرچه یک ساختار بومی با Docrio بیشترین قابلیت عملیاتی را فراهم می‌کند، اما معماری MCP همچنان بسیار برتر از جستجوهای سنتی و گسسته در اسناد است.
امنیت این سیستم از طریق ادغام بومی با Salesforce تأمین می‌شود. چون Litify بر APIهای Salesforce متکی است، حاکمیت (Governance) و دسترسی‌های جزئی (Granular Permissioning) در مرکز معماری قرار دارند. ACE دقیقاً مرزهای دسترسی کاربر را به ارث می‌برد. اگر کاربر اجازه دسترسی به یک پرونده، فیلد یا سند خاص را نداشته باشد، هوش مصنوعی به‌طور فنی از خواندن، پردازش یا اقدام روی آن داده مسدود می‌شود. این امر از نشت داده‌ها بین پرونده‌ها یا نقش‌های مختلف جلوگیری کرده و به تیم‌های حقوقی سازمانی آرامش خاطر می‌دهد.
نرده‌های حفاظتی «انسان در حلقه» (Human-in-the-Loop)
شرکت Litify به دفاتر اجازه دهد آستانه‌های ریسک (Risk Thresholds) خاصی را برای اقدامات خودکار تعیین کنند. برای مثال، یک دفتر ممکن است به ACE اجازه دهد اقلام مورد مناقشه در صورت‌حساب‌های زیر ۵۰۰ دلار را به‌طور خودکار اصلاح کند، اما برای هر مبلغ بالاتر از آن، تأیید یک مدیر انسانی را الزامی نماید. این انعطاف‌پذیری به دفاتر اجازه می‌دهد سرعت را با میزان تحمل ریسک خود متوازن کنند.
برای تضمین اعتماد در محیط‌های حقوقی، Litify چندین مکانیسم تأیید را اجرا می‌کند:
- ارجاعات دقیق: هر تکه داده‌ای که توسط هوش مصنوعی استفاده می‌شود باید به‌وضوح ذکر منبع شود، مگر اینکه کاملاً بدیهی و همگانی باشد. ACE لینک‌های درون‌متنی را تا سطح فیلد، سند یا شماره صفحه ارائه می‌دهد و همچنین لینک‌های مستقیم به مراجع رسمی قانونی برای رویه‌های قضایی (Case Law) فراهم می‌کند.
- ردپای حسابرسی: تمام اقدامات خودکار در یک ردپای حسابرسی (Audit Trail) با برچسب زمانی در «خط زمانی فعالیت» (Activity Timeline) پلتفرم ثبت می‌شود.
- پرسونای عامل: یک پرسونای اختصاصی برای عامل ACE به خط زمانی اضافه شده است تا کاربران بتوانند اقدامات هوش مصنوعی را درست در کنار کارهای اعضای انسانی تیم مشاهده کنند. این امر تاریخچه کاملی از هر سند ذخیره شده، تسک به‌روزرسانی شده یا پیام ارسال شده را تضمین می‌کند.
کاهش نیاز به مهندسی پرامپت
هدف Litify این است که متخصصان حقوقی مجبور نباشند به متخصص مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن برای گرفتن بهترین جواب از مدل — تبدیل شوند. چون Litify یک موتور گردش‌کار است، ACE به‌طور بومی چرخه حیات یک پرونده، از جمله نوع پرونده، ارزش تخمینی، مرحله فعلی، تیم تعیین‌شده، ارتباطات اخیر و اسناد زیربنایی را درک می‌کند. سیستم از این زمینه غنی برای اتخاذ تصمیمات هوشمند و محلی به‌طور خودکار استفاده می‌کند.
برای ساده‌سازی تعامل، Litify یک «کتابخانه مهارت‌ها» (Skills Library) توسعه داده است. این کتابخانه شامل «مهارت‌های» پیش‌پیکربندی شده است؛ یعنی پرامپت‌های پیچیده و تخصصی که برای حوزه‌های خاص تمرین حقوقی، مراحل پرونده و پرسوناهای کاربری طراحی شده‌اند. ACE بر اساس جریان کاری، مهارت مناسب را در زمان مناسب به‌صورت پویا نمایش می‌دهد.
مدیران دفاتر می‌توانند این کتابخانه را سفارشی‌سازی کنند تا بهترین شیوه‌ها (Best Practices) را در کل سازمان استاندارد کنند و کاربران پیشرفته (Power Users) می‌توانند پرامپت‌های موفق خود را برای استفاده‌های آتی در کتابخانه ذخیره کنند.
تأثیر عملیاتی
پذیرش اولیه نشان‌دهنده تغییر قابل‌توجهی در بازدهی (Throughput) است. یک دفتر حقوقی در فلوریدا گزارش داد پیش‌نویس اسنادی که پیش‌تر ۱.۵ ساعت زمان می‌برد، اکنون تنها ۱۰ دقیقه زمان می‌برد.
Litify گزارش می‌دهد که ۱۰ تا ۲۰ درصد از مشتریانش پیش از این راهکارهای هوش مصنوعی را پذیرفته‌اند و این رشد به‌طور چشمگیری سریع اتفاق افتاده است. شرکت اشاره می‌کند که ارزش این سیستم به چندین روش اندازه‌گیری می‌شود:
- تأثیر مستقیم بر سودآوری: برخی از مشتریان بینش‌هایی را در یک پرونده واحد کشف کرده‌اند که آن‌قدر ارزشمند بوده که هزینه کل سالانه نرم‌افزار را تنها با یک حرکت جبران کرده است.
- افزایش بازدهی: دفاتر با همان تعداد کارکنان، پرونده‌های بیشتری را حل می‌کنند و این به آن‌ها اجازه می‌دهد درآمد خود را سریع‌تر و بدون گسترش بی‌پایان تعداد کارکنان، افزایش دهند.
- بهبود تجربه موکل: با اتوماسیون کارهای اداری دستی، تیم‌های حقوقی ارتباط نزدیک‌تری با موکلان در طول پرونده‌هایشان حفظ می‌کنند که منجر به رضایت بالاتر و پیشرفت سریع‌تر پرونده‌ها می‌شود.
این انتقال نشان می‌دهد که آینده نرم‌افزارهای سازمانی در مدل‌های زبانی بزرگ‌تر (LLMs) نیست، بلکه در ادغام عمیق‌تر در «موتور گردش‌کار» است. هوش مصنوعی تنها زمانی به یک نیروی چندبرابر کننده (Force Multiplier) تبدیل می‌شود که اختیار پیشبرد کار را داشته باشد، نه اینکه فقط آن را توصیف کند.
روت‌راک استدلال می‌کند که ساخت لایه‌های عامل سفارشی با استفاده از APIهای خام LLM اغلب به دلیل هزینه‌های توکن، سربار نگهداری و پیچیدگی مهندسی، از نظر هزینه غیرمنطقی است. در عوض، سازمان‌ها به سمت پلتفرم‌های یکپارچه‌ای حرکت می‌کنند که در آن هوش مصنوعی نسبت به عملیات موجود، بومی است. انتظار می‌رود این تغییر، نرم‌افزارهای سازمانی را در هر صنعتی بازتعریف کند، زیرا سازمان‌ها از راهکارهای تک‌منظوره به سمت «پلتفرم‌های عملیاتی» حرکت می‌کنند.
گام بعدی شما
- اگر مدیر عملیاتی هستید، بررسی کنید کدام بخش‌های تکراری در جریان کاری شما قابلیت تبدیل به «دسترسی نوشتن» برای AI را دارد.
- مدل‌های «عامل‌محور» را جایگزین چت‌بات‌های ساده در سازمان خود کنید تا از خروجی‌های توصیفی به خروجی‌های عملیاتی برسید.
- استانداردهای نظارتی (Audit Trail) را برای هر اقدام خودکار هوش مصنوعی تعریف کنید تا ریسک‌های حقوقی کاهش یابد.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو