Vores nuværende AI-projekt har været i gang siden sommeren 2023. Vi har valgt at kalde projektet for KAILA. KAILA står for Karnov AI Legal Assistant, hvilket signalerer en del af den værdi, vi ønsker, at vores AI-løsninger skal tilføre kunden. Projektet har højeste prioritet i Karnov Group.
Vores kunder forventer, at vi bruger tilgængelig teknologi, herunder AI, til at levere tjenester af høj kvalitet. Inden for rammerne af projektet undersøger vi derfor forskellige juridiske processer, hvor AI-teknologi kan anvendes. Det kunne være juridisk forskning, kontraktudarbejdelse og forhandling, analyse af dokumenter, juridiske strategier og forudsigelser, overvågning og overholdelse af lovgivningen samt indholdsproduktion.
"Jeg er stolt af Karnovs digitaliseringsrejse. Vi er en innovativ og nysgerrig virksomhed, der nu fortsætter rejsen sammen med vores kunder og partnere. Uanset hvad vi gør, eller hvilken teknologi vi bruger, har vi det samme fokus som altid - at hjælpe vores kunder med at træffe sikre beslutninger i krævende situationer. Ved at arbejde med forskellige koncepter inden for AI og andre nye teknologier vil vi være i stand til at levere nye tjenester og løsninger til nuværende såvel som fremtidige kunder," siger Troels Engström, Country Manager, Karnov Group Denmark.
Vi er en innovativ og nysgerrig virksomhed, der nu fortsætter rejsen sammen med vores kunder og partnere. Uanset hvad vi gør, eller hvilken teknologi vi bruger, har vi det samme fokus som altid - at hjælpe vores kunder med at træffe sikre beslutninger i krævende situationer.
Projektorganisation med specialister i data science, LLM og machine learning
Karnovs ydelser har altid bestået af bearbejdet materiale af høj kvalitet, skræddersyet til at hjælpe advokater og andre, der har brug for adgang til juridisk information i deres professionelle praksis. Fokus for vores AI-projekt er derfor, som altid, at øge effektiviteten hos vores brugere og dermed styrke sikkerheden i deres arbejde.
”Vi har etableret en stærk projektorganisation med håndplukkede specialister inden for områder som data science, LLM (Large Language Models) og machine learning. De arbejder ekstremt tæt sammen med juridiske domæneeksperter i udviklingen. Jeg tror på, at et tæt samarbejde mellem data scientists, tekniske eksperter og eksperter inden for det juridiske område herunder juridisk metode er nøglen til succes, og årsagen til at vi vil være i stand til at levere den kvalitet og sikkerhed, vores kunder efterspørger i projektet," siger Mickael Söderqvist, projektleder på det kommende AI-produkt og Senior Product Manager, Karnov Group.
Da loven er tekstbaseret, er den velegnet til behandling og analyse af AI-algoritmer, som håndterer tekst som data. Loven har også klare rammer og strukturerede regler, som gør det muligt for AI at anvende logik og ræsonnement til at bearbejde og anvende love og regler. Derudover kræver den juridiske metode omfattende forskning og analyse. Her kan AI bidrage ved hurtigt og effektivt at analysere store mængder juridisk information og give relevante indsigter og anbefalinger.
Udviklingsproces med fokus på domæneekspertise
I traditionel teknologiudvikling er teknologien ofte koblet fra det domæne, du udvikler til. Ingeniørerne bygger en model eller service uden tæt udveksling med domæneeksperter. Her gør Karnov det modsatte; Projektorganisations- og udviklingsprocesserne involverer et stærkt samarbejde mellem juridiske domæneeksperter, udviklere og ingeniører. Det afspejles i, at de juridiske eksperter løbende rådgiver ingeniørerne og projektets data scientists om, hvordan løsningen og servicen skal behandle juridisk materiale.
"En måde at forklare det på er at sige, at vi tager vores AI-model gennem jurastudiet. Det betyder, at vores AI-model er trænet i elementer af den juridiske metode og den juridiske gennemgangsproces. Vi stiller også krav til modellen, så vi sikrer kvaliteten af de svar, den giver. Hvis den ikke kan svare korrekt, bør den præcisere dette og for eksempel svare "Jeg har ikke nok information til at besvare dette", fortsætter Mickael Söderqvist.
Professionelle juridiske standarder og definerede regler
Vi ved, at vores kunder skal forstå kilderne bag informationen og modellen bag løsningen for at kunne stole på resultaterne. Derfor ønsker vi at være åbne om vores produkters funktionaliteter, som omfatter indsigt i datakilder og beslutningsprocesser.
"Vores AI-model er baseret på en stærk sprogmodel. Sprogmodellen kan sætte ord sammen og danne sætninger, men den ved ikke, hvad der er rigtigt og forkert, sandt eller falsk. Hvad vi faktisk gør, når vi siger, at vi tager vores AI-model gennem jurastudiet, er, at vi instruerer og lærer den, hvordan man bruger indholdet til at kunne levere et resultat. De regler, som vores dataforskere og domæneeksperter definerer, danner udgangspunkt for de svar, produktet leverer. På denne måde bør AI-modellen ikke hallucinere. Resultaterne er med andre ord baseret på, hvordan forskellige typer af materiale forholder sig til hinanden og til virkeligheden," forklarer Mickael Söderqvist.
For at sikre kvaliteten skal AI-modellen trænes i, hvilket materiale der har forrang frem for andet materiale. Den juridiske metode og teorien om retskilder skal danne grundlag for hvordan de regler, maskinen trænes efter, bygges op. For eksempel skal maskinen forstå, hvad den nuværende lovgivning er, og hvordan forholdet mellem forskellige dokumenter ser ud, og hvordan de er forbundet.
"Karnov har et stort forspring her. Gennem vores historie har vi skabt sammenhæng i vores materiale, såkaldte metadata, altså information om vores data eller indhold og hvordan det relaterer til andet indhold. Det faktum, at vi har disse metadata, gør vores AI-projekt muligt. Vi har også oprettet links til andet materiale. Det har krævet et stort arbejde at få det på plads, og nu bærer det virkelig frugt," bekræfter Mickael Söderqvist.
Kundefokuseret udviklingsproces – brugerne bidrager gennem hele processen
AI-modellen testes løbende. Processen er så stærkt indarbejdet i udviklingsprocessen, at testpersonerne bliver en kombination af testere og produktudviklere. De styrer den retning, produktets udvikling går i. Tests er allerede i gang, både sammen med interne domæneeksperter, kunder og studerende.
"Vi arbejder hele tiden på at teste modellen. Det kalder vi 'udviklingstests'. Vi forsøger at fortolke, hvad testpersonerne ønsker, når de interagerer med AI-modellen. Ønsker de for eksempel at bruge løsningen på en måde, vi ikke har tænkt på? På den måde er testpersonerne med til at forme modellens formål. Vi tror på, at dette vil gøre vores AI-tjeneste endnu relevant for vores kunder. Det, vi bygger, er en service, der vil støtte vores kunder, gøre dem mere effektive og endnu mere sikre i de beslutninger, de hver dag tager. Vi ser frem til at levere en AI-service af højeste kvalitet," slutter Mickael Söderqvist.
