根据第一份有争议的英国法院命令,在文件审查流程中使用预测编码,诉讼和公司风险团队在 伯温·莱顿·佩斯纳 (BLP)已在针对David Brown诉BCA Trading Limited的12天高等法院审判结束时取得了成功的判决。

BCA的代理人BLP表示,这是首次对预测编码进行全面测试,这肯定是有争议的申请之后的第一次。

2016年5月,BLP获得了 地标顺序 在面对对方反对时使用预测编码。这与在Pyrrho Investments案中英国具有里程碑意义的判决不同,后者在当事各方都同意在文档审阅过程中使用预测编码的情况下达成了一致。

BLP的BCA团队由诉讼和公司风险合作伙伴Oliver Glynn-Jones领导,他对律解网 Insider表示:“在案例管理会议上,我们必须为预测性编码辩护,并且我们提供了证据表明其优于人工审核,比人工审核便宜约三分之一。法院正在寻求的所有保障措施都已经到位,我们说服法院这是正确的程序。”

他补充说:“在这种情况下,文件是判决的关键和关键–这就是预测编码练习的结果。”

预测编码是一种机器学习技术,具有极大地降低电子披露流程成本的潜力。一位资深律师审阅了少量的“种子”文件,然后由该技术对其进行分析,并用于生成进一步的示例以供审阅。通过迭代细化的过程,该算法可以达到可应用于整个数据集的审阅精度,从而以比传统文档审阅更加有效和可扩展的方式标识相关文档。

预计BCA的成功将为使用预测编码技术的更多试验铺平道路。格林·琼斯(Glynn-Jones)说:“现实是,法院已经意识到这项技术,并希望使用它。如果你有一个例子’被以一种有争议的方式使用,’如果成功,那么人们会指出它是它在实践中工作的证明。”

格林(Glynn-Jones)表示,很难确定这项工作是否便宜了三倍,但他补充说:“我非常有信心,从最初的披露与成本成本的比较来看,这将节省大量资金。”

虽然现在,最大的英国和全球律师事务所在公司尽职调查过程中广泛使用了机器学习技术,但诉讼的争议性以及在审查过程中对丢失关键案例文件的担忧,都意味着预测性编码并未做到相同进展。

不过,格林(Glynn-Jones)说:“每个人的重点始终是预测编码的成本,人们忽略了证据表明证据比人工审查更为准确这一事实。

人们担心计算机可能会丢失关键文档,但他们会意识到它’与您在人工教学算法时所做的最初工作有关:只要最初的培训质量出色,机器在八到十个小时的文件审核结束时将比律师助理提供更好的结果。”

BLP正在使用多种基于人工智能的技术,包括iManage RAVN的应用认知引擎(ACE)。它也是第一家使用Opus 2的Magnum平台进行单方面案件管理的英国律师事务所。

Glynn-Jones在今天(3月12日)发表的一份声明中说:“ BLP自豪于使用法律技术和AI来改善法律服务的交付,并且我们在拥有预测编码平台和内部的法证披露专家。使用此设置,BLP能够大大降低客户的成本。现在,该技术已经过全面测试,并且在成本和准确性方面都显示出了好处,我们预测,该技术可能会在商业诉讼中变得更加普遍。”

除了Oliver Glynn-Jones,BLP团队还包括Robin Ganguly,Rebecca Wardle和Alasdair McAlpine。该小组指示One Essex Court的Sa’ad Hossain QC和Joyce Arnold。