تصور کنید وکیلی است که ساعت ۱۰:۳۰ شب است و هنوز در حال بررسی سومین قرارداد است. دو صفحه اول مشکلی ندارند، اما در صفحه هفتم یک بند مربوط به محدودیت مسئولیت ظاهر می‌شود و در صفحه یازدهم، یک بند مبهم درباره نقض قرارداد وجود دارد. در همین حال، مشتری در حال ارسال پیام است و می‌پرسد: «آیا این بند ریسکی است؟». در حالی که شاید تنها دوازده عبارت در چنین سندی نیاز به قضاوت حرفه‌ای داشته باشند، اما یافتن آن‌ها همچنان مستلزم خواندن تمام متن است. این موضوع پارادوکسِ حرفه حقوق را برجسته می‌کند: گران‌ترین منبع یک وکیل، زمان اوست، اما بخش بزرگی از روزش صرف خواندن ساختاریافته و تکراری می‌شود، نه قضاوت‌های استراتژیک و حساس.
ZGI استدلال می‌کند که کاربردی‌ترین نقش هوش مصنوعی در حقوق، جایگزینی برای وکیل نیست، بلکه یک دستیار گام اول است که بار سنگین بازیابی و سازمان‌دهی را پیش از آنکه انسانی فایل را باز کند، به دوش می‌کشد. این رویکرد در شرکت‌های حقوقی و بخش‌های قانونی سازمان‌ها — جایی که بررسی قراردادها، پژوهش‌های حقوقی، سازمان‌دهی پرونده‌ها و پاسخ به سوالات تکراری مشتریان همگی تخصص می‌طلبند اما شامل حجم زیادی از کارهای تکراری هستند — حیاتی است.
کار حقوقی به‌ندرت از یک منطق ساده «اگر الف، پس ب» پیروی می‌کند. این حرفه نیازمند درک عمیق از زبان، بستر (Context) و نقاط خاصی است که در آن‌ها نباید نتیجه‌گیری عجولانه صورت گیرد. به دلیل همین پیچیدگی، اتوماسیون‌های سنتی اغلب در بخش‌های حقوقی شرکت‌ها و دفاتر وکالت شکست می‌خورند؛ زیرا این کار نیازمند درک روابط بین بندها و ظرافت‌های زبان حقوقی است.
طبق اعلام ZGI در ۵ سپتامبر ۲۰۲۶، یک گردش‌کار تعریف شده است که در آن عامل‌های هوش مصنوعی (AI Agents) مراحل خواندن و جست‌وجوی بررسی قراردادها را مدیریت می‌کنند. این سیستم به وکلای انسانی اجازه می‌دهد صرفاً بر روی کار ارزشمند قضاوت تمرکز کنند: آیا محدودیت مسئولیت معقول است؟ آیا غرامت از آنچه شرکت می‌تواند بپذیرد فراتر می‌رود؟ یا آیا یک تعهد با نحوه واقعی عملیات کسب‌وکار در تضاد است؟ برای دستیابی به چنین دقتی، استفاده از جریان‌های کاری ساختاریافته به جای رابط‌های ساده در مقیاس سازمانی ضروری است تا خروجی‌ها قابل پیش‌بینی باشند.
مکانیزم گام اول
به جای ارائه یک خلاصه کلی از قرارداد — که صرفاً می‌گوید قرارداد شامل چه مواردی است — عامل ZGI بندهای خاصی را که نیاز به توجه فوری دارند، شناسایی می‌کند. برای یک مشاور حقوقی که روزانه سه قرارداد تدارکات بررسی می‌کند، این عامل بررسی‌های اولیه شرایط پرداخت، مفاد نقض قرارداد، مالکیت معنوی، محرمانگی، حل اختلاف و سقف‌های مسئولیت را انجام می‌دهد.
این فرآیند از یک خط لوله ساختاریافته پیروی می‌کند:
- یکپارچه‌سازی پایگاه دانش: شرکت‌ها قالب‌های قرارداد، قوانین بررسی و بندهای استاندارد خود را در یک پایگاه دانش (Knowledge Base) اختصاصی قرار می‌دهند.
- غربالگری خودکار: مدل نوع قرارداد را شناسایی کرده و با مقایسه آن با قالب‌های استاندارد و شناسایی بخش‌های مفقود، بندهای مرتبط را علامت‌گذاری می‌کند.
- خروجی ساختاریافته: این گردش‌کار گزارشی ساختاریافته از متونی که باید بررسی شوند، نقل‌قول‌های مستقیم از متن منبع و موارد خاصی که نیاز به تأیید دارند، تولید می‌کند.
حل مسئله توهمات
بازیابی دانش حقوقی با یک ریسک حیاتی روبروست: پاسخ‌هایی که واقعی به نظر می‌رسند اما کاملاً ساختگی‌اند. توهم (Hallucination) یک نگرانی اجتناب‌ناپذیر هنگام استفاده از مدل‌های زبانی در کارهای حقوقی است. یک مدل ممکن است با اطمینان کامل، پرونده‌ای را توصیف کند که اصلاً وجود ندارد یا یک قانون قدیمی را با نسخه جدیدتر آن ترکیب کند.
برای مقابله با این مشکل، ZGI عامل‌های داخلی خود را مجبور می‌کند تا پایگاه دانش سازمان، متون قانونی و مجموعه پرونده‌ها را بر داده‌های آموزشی کلی اولویت دهند. سیستم طوری طراحی شده است که منابع خود را صریحاً ذکر کند. هنگامی که مطالب ارائه شده پاسخ یک سوال را پشتیبانی نمی‌کنند، عامل برنامه‌ریزی شده است تا این موضوع را به‌وضوح بیان کند، به جای اینکه پاسخی تولید کند که صرفاً «محتمل» به نظر برسد. این رویکرد با قوانین مهندسی برای تبدیل عامل‌ها به ابزارهای قابل‌اعتماد همسو است تا ریسک خطای مدل در محیط‌های حساس کاهش یابد.
از آنجایی که سوالات حقوقی حساس به زمان همچنان نیازمند تأیید قوانین جاری، تفاسیر قضایی و پایگاه‌های داده معتبر هستند، هوش مصنوعی به عنوان یک دستیار عمل می‌کند، نه صادرکننده نظر حقوقی نهایی. در نهایت، یک انسان مسئول تصمیم‌گیری در این مورد است که آیا مطالب بازیابی‌شده، توصیه نهایی را پشتیبانی می‌کنند یا خیر.
اتوماسیون پرسش‌های تکراری مشتریان
بسیاری از سوالات مکرر مشتریان به‌شدت تکراری هستند. برای مثال، یک دفتر حقوق کار ممکن است روزانه بیست بار درباره پایان دادن به استخدام در دوره آزمایشی، محاسبه حق سنوات، شناسایی پرداخت‌های اضافه‌کار یا پاسخ به جابجایی‌های رد شده سوال شود. برای یک وکیل باسابقه، دشواری در خودِ سوال نیست، بلکه در تکرار خسته‌کننده آن است که اغلب با وقفه‌های ناشی از پذیرندگان، دستیاران و مدیران حساب که به دنبال تأیید اطلاعات روتین هستند، تشدید می‌شود.
یک عامل دانش داخلی می‌تواند با تکیه بر موارد زیر کمک کند:
- قوانین و راهنماهای اجرایی
- بخش سوالات متداول (FAQ) داخلی
- پاسخ‌های استاندارد و مطالب آموزشی
برای اطلاعات حقوقی ساده، عامل منابع را بازیابی کرده و یک توضیح آماده می‌کند. با این حال، سیستم طوری طراحی شده است که یک «دست‌به‌دست» (Hand-off) را فعال کند. هر سوالی که شامل استراتژی دادرسی، مسئولیت‌های حساس یا حقایق ناکافی باشد، به‌طور خودکار به یک وکیل انسانی ارجاع داده می‌شود تا از تخطی هوش مصنوعی از مرزهای تعیین‌شده جلوگیری شود.
پژوهش معنایی پرونده‌ها
پژوهش‌های حقوقی اغلب ناکارآمد هستند چون بسیاری از متون بازیابی‌شده در نهایت دور ریخته می‌شوند. یک جست‌وجو ممکن است ده‌ها پرونده را تولید کند، در حالی که تنها چند مورد مفید باشند. هنگامی که یک تیم به متون پرونده‌هایی دسترسی قانونی دارد که برای بازیابی داخلی مجاز هستند، عامل‌های هوش مصنوعی می‌توانند بازیابی معنایی (Semantic Retrieval) را برای محدود کردن مجموعه متون مورد مطالعه انجام دهند.
عامل‌ها می‌توانند مطالب را بر اساس موارد زیر سازمان‌دهی کنند:
- علت دعوا (Cause of action)
- موضوع مورد مناقشه
- سطح دادگاه
- استدلال حقوقی
این کار زمان مطالعه غیرمولد را کاهش می‌دهد، بدون اینکه مسئولیت نحوه استدلال در پرونده بر اساس یک حکم بازیابی‌شده را بر عهده بگیرد. وکیل همچنان منابع اصلی را می‌خواند تا پیش از استناد، استدلال‌ها را تأیید کند.
ضرورت میزبانی شخصی
حساسیت داده‌ها، مانع اصلی پذیرش هوش مصنوعی در حقوق است. قراردادها حاوی نام مشتریان، قیمت‌ها و ترتیبات تجاری هستند. پرونده‌ها ممکن است حاوی اطلاعات شخصی، اسرار تجاری و استراتژی‌های دادرسی باشند. وقتی یک عامل از نوشتن متون عادی به پردازش این مطالب منتقل می‌شود، سوال استقرار حیاتی می‌شود: فایل‌ها کجا ذخیره می‌شوند؟ چه کسی به آن‌ها دسترسی دارد؟ آیا سوابق اجرا حفظ می‌شوند؟
ZGI بر کد منبع در دسترس و میزبانی شخصی (Self-hosting) تأکید می‌کند تا شرکت‌ها بتوانند استقرار و مرزهای دسترسی خود را پیکربندی کنند. به عنوان یک محیط اجرای عامل (Agent Runtime) داخلی، ZGI مدل‌ها، پایگاه‌های دانش، دیتابیس‌ها و سیستم‌های تجاری سازمان را در محیط خودشان به هم متصل می‌کند. این قابلیت اجازه می‌دهد سیستمی که در کارهای حساس مشارکت می‌کند، درک، استقرار و گسترش یابد، به جای اینکه صرفاً هزینه یک نرم‌افزار پرداخت شود.
حفظ «مهارت‌های» تخصصی شرکت
دارایی ارزشمندترین یک شرکت حقوقی تخصصی، اغلب متدهای انباشته‌شده آن است و نه یک مدل حقوقی کلی. این شامل دانستن این است که در یک قرارداد استخدام ابتدا کدام فیلدها بررسی شوند، کدام شرایط در یک قرارداد تأمین مالی نیاز به تأیید تیم تجاری دارد، یا ده سوال ضروری که هنگام پذیرش یک نوع پرونده خاص باید پرسیده شود. این دانش اغلب در ذهن وکلای باسابقه، اسناد Word، صفحات Notion و آموزش‌های داخلی زندگی می‌کند.
ZGI اجازه می‌دهد این متدها به عنوان «مهارت‌ها» (Skills) سازمان‌دهی شوند تا به قابلیت‌های ماندگار تبدیل گردند:
- مهارت‌های غربالگری: تعریف ترتیب بررسی، فیلدهای مورد توجه و فرمت خروجی برای انواع خاص قراردادها.
- مهارت‌های سازمان‌دهی: تعیین نحوه استخراج خط زمانی، موضوعات مورد مناقشه و شکاف‌های مستنداتی از یک پرونده.
- مهارت‌های مصاحبه: راهنمایی برای جمع‌آوری واقعیات بر اساس نوع موضوع.
با کدگذاری این موارد به عنوان قطعات قابل استفاده مجدد، مالکیت معنوی و متدهای یک شرکت حتی با تغییر مدل‌های زبانی بزرگ (LLM) زیربنایی، حفظ می‌شود.
مرز خودمختاری
تصمیم‌گیری درباره اینکه آیا پرونده‌ای تسویه شود یا خیر، نمی‌تواند صرفاً بر اساس تخمین مدل از احتمال موفقیت باشد، و پذیرفتن یک بند مسئولیت ممکن است یک تصمیم تجاری باشد و نه صرفاً حقوقی. بنابراین، چارچوب ZGI صراحتاً سیستم‌ها را از صدور خودکار نظرات حقوقی منع می‌کند.
هر گردش‌کار باید شامل یک توقف اجباری برای تأیید وکیل باشد تا وظایفی که می‌توانند به‌طور خودکار پیش بروند از وظایفی که نیاز به قضاوت انسانی دارند تفکیک شوند. این رویکرد در واقع پیاده‌سازی سطوح مختلف خودمختاری برای کنترل ریسک است تا اطمینان حاصل شود که اقدامات حساس هوش مصنوعی همواره توسط انسان نظارت می‌شوند:
- غربالگری اولیه می‌تواند خودکار باشد، اما توصیه نهایی هرگز نباید بدون بررسی به مشتری برسد.
- پرونده‌ها می‌توانند به‌طور خودکار سازمان‌دهی شوند، اما متون اصلی باید پیش از استناد بررسی شوند.
- اسناد می‌توانند پیش‌نویس شوند، اما وکیل باید آن‌ها را پیش از ارسال بازبینی کند.
این تقسیم کار تضمین می‌کند که هوش مصنوعی وظیفه بازیابی، مقایسه و طبقه‌بندی را بر عهده دارد، در حالی که انسان مسئولیت قضاوت نهایی را حفظ می‌کند. کمیاب‌ترین مشارکت یک وکیل، نوشتن یک قرارداد استاندارد نیست، بلکه درک واقعیت‌های پیچیده، ارزیابی ریسک و پذیرش مسئولیت یک قضاوت است.
گام بعدی شما
- اگر در سازمان خود با حجم بالای اسناد تکراری روبروید، ابتدا یک «پایگاه دانش» از متدهای بررسی خود ایجاد کنید.
- برای کاهش توهمات، از مدل‌هایی استفاده کنید که قابلیت استناد مستقیم (Citation) به منبع دارند.
- مرز بین «کار اجرایی» (بازیابی) و «کار تخصصی» (قضاوت) را در گردش‌کارهای خود به‌طور سخت‌افزاری تعریف کنید.
اما چالش اصلی در این مسیر، مدیریت هزینه‌های استنتاج در مقیاس سازمانی است — به تحلیل ما درباره بهینه‌سازی توکن‌ها در مدل‌های تخصصی مراجعه کنید.
گفتگو