സള്ളിവൻ & ക്രോംവെൽ: കരാർ പരിശോധനയിൽ നിയമവൈദഗ്ധ്യം
കരാറിന്റെ കരടിലെ പ്രശ്നങ്ങൾ കണ്ടെത്താനുള്ള നിർമിതബുദ്ധി ഉപകരണമായ അഗ്രിമെന്റ് അനലൈസർ, OpenAI-യുമായി സഹകരിച്ച് സള്ളിവൻ & ക്രോംവെൽ വികസിപ്പിച്ചു.
സള്ളിവൻ & ക്രോംവെലിലെ അഭിഭാഷകർ ഒരു കരാറിന്റെ കരട് പരിശോധിക്കുമ്പോൾ, അതിലെ വ്യവസ്ഥകൾ പ്രസക്തമായ മുൻകരാറുകളുമായി താരതമ്യം ചെയ്യുന്നു. സ്ഥാപനത്തിന്റെ അനുഭവസമ്പത്തിൽ അധിഷ്ഠിതമായ സമീപനങ്ങൾ സ്വീകരിക്കുന്നതിനൊപ്പം കക്ഷിയുടെ മുൻഗണനകളും കണക്കിലെടുക്കുന്നു. സ്ഥാപനത്തിന്റെ അഗ്രിമെന്റ് അനലൈസർ ഇവയെല്ലാം ഒരൊറ്റ പരിശോധനാ പ്രക്രിയയിൽ സംയോജിപ്പിച്ച്, അഭിഭാഷകർക്ക് പരിശോധിക്കാനും മെച്ചപ്പെടുത്താനും കഴിയുന്ന വിശകലനവും നിർദിഷ്ട മാറ്റങ്ങളും തയ്യാറാക്കുന്നു.
“എന്റെ അഭിപ്രായത്തിൽ നിർമിതബുദ്ധി . . . അഭിഭാഷകർക്ക് സ്വന്തം വിവേചനശേഷി ഏറ്റവും പ്രധാനമാകുന്ന മേഖലകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ അവസരമൊരുക്കും . . . അതുവഴി തങ്ങളുടെ കക്ഷികൾക്ക് ഏറ്റവും നിർണായകമായ വിഷയങ്ങളിൽ അവർക്ക് ശ്രദ്ധ കേന്ദ്രീകരിക്കാനാകും.”
ഇമെയിൽ മറുപടികൾ തയ്യാറാക്കുക, കലണ്ടറുകൾ പരിശോധിക്കുക തുടങ്ങിയ ആവർത്തനസ്വഭാവമുള്ള ഭരണപരമായ ജോലികൾക്കാണ് ആദ്യകാലത്ത് നിർമിതബുദ്ധി കൂടുതലായി ഉപയോഗിച്ചിരുന്നത്. എന്നാൽ നിർമിതബുദ്ധി മോഡലുകളുടെ വിശകലനശേഷിയിൽ അടുത്തിടെ ഉണ്ടായ പുരോഗതി അവയുടെ ഉപയോഗത്തിൽ മാറ്റം വരുത്തിയതായി സാവ്വ നിരീക്ഷിക്കുന്നു. “സങ്കീർണമായ കരാറുകളുടെ ആഴത്തിലുള്ള വിശകലനം പോലുള്ള വെല്ലുവിളി നിറഞ്ഞ നിയമജോലികളിൽ ഇത് ഉപയോഗിക്കാൻ ഇപ്പോൾ കൂടുതൽ അവസരങ്ങൾ കാണുന്നു,” അദ്ദേഹം പറയുന്നു.
മുൻകരാറുകളിലെ സമാന വ്യവസ്ഥകൾ താരതമ്യം ചെയ്യാനും അവ പരസ്പരം എങ്ങനെ സ്വാധീനിക്കുന്നുവെന്ന് നിരീക്ഷിക്കാനും അഗ്രിമെന്റ് അനലൈസർ അഭിഭാഷകരെ സഹായിക്കുന്നു.
സള്ളിവൻ & ക്രോംവെലിലെ പങ്കാളിയായ ജോൺ സാവ്വ, Codex ഉപയോഗിച്ച് ഒരാൾക്കു മാത്രം ഉപയോഗിക്കാവുന്ന പരീക്ഷണ മാതൃകയായാണ് അഗ്രിമെന്റ് അനലൈസർ വികസിപ്പിച്ചത്. തുടർന്ന്, ഫലങ്ങളുടെ ഗുണനിലവാരം മെച്ചപ്പെടുത്താനും സമാന്തര പ്രോസസ്സിങ്ങിലൂടെ കാര്യക്ഷമത വർധിപ്പിക്കാനും ഒരേസമയം ഒന്നിലധികം അഭിഭാഷകർക്ക് ഉപയോഗിക്കാവുന്ന ഉപകരണമാക്കി ഇതിനെ മാറ്റാനും അദ്ദേഹം OpenAI-യുമായി സഹകരിച്ചു.
സള്ളിവൻ & ക്രോംവെലിന്റെ പ്രവർത്തനരീതികൾ, സ്ഥാപനം തിരഞ്ഞെടുത്ത മുൻകരാർ മാതൃകകൾ, ചർച്ചകൾക്കുള്ള മാർഗരേഖകൾ എന്നിവയും ChatGPT Enterprise-ഉം അഗ്രിമെന്റ് അനലൈസർ സംയോജിപ്പിക്കുന്നു. കരാറിന്റെ കരട് ഉപകരണത്തിൽ നൽകിയ ശേഷം, അഭിഭാഷകന് താൻ തിരഞ്ഞെടുത്ത മുൻകരാർ മാതൃകകളും സ്ഥാപനത്തിന്റെയും കക്ഷിയുടെയും നിലപാടുകൾ ഉൾക്കൊള്ളുന്ന മാർഗരേഖയും വിപണിയിലെ പതിവുകളെക്കുറിച്ചുള്ള വിവരങ്ങളും ചേർക്കാം. ഈ ഉപകരണം വ്യത്യസ്ത കാഴ്ചപ്പാടുകളിൽനിന്ന് പലവട്ടം പരിശോധന നടത്തി ഫലങ്ങൾ സംയോജിപ്പിക്കുകയും സാധ്യതയുള്ള പ്രശ്നങ്ങൾ കണ്ടെത്താൻ സഹായിക്കുകയും ചെയ്യുന്നു. തുടർന്ന് അഭിഭാഷകന് പരിശോധിക്കാനും പരിഷ്കരിക്കാനും തള്ളിക്കളയാനും കഴിയുന്ന ഒരു വിശദീകരണക്കുറിപ്പും മാറ്റങ്ങൾ അടയാളപ്പെടുത്തിയ കരടും നൽകുന്നു.
“അഭിഭാഷകർക്ക് പകരമാകുക എന്നതല്ല ലക്ഷ്യം. കൂടുതൽ ആഴത്തിൽ വിശകലനം നടത്താനും നിയമപരമായ കൂടുതൽ ആധാരങ്ങളും മുൻമാതൃകകളും കണ്ടെത്താനും അഭിഭാഷകർക്ക് ഒരു ഉപകരണം നൽകുക എന്നതാണ് ലക്ഷ്യം. അതുവഴി തങ്ങളുടെ കക്ഷികൾക്ക് കൂടുതൽ ഉയർന്ന നിലവാരമുള്ള സേവനം നൽകാൻ അവർക്ക് കഴിയും.”
പൂർണമായ സുതാര്യതയാണ് ഒരു നിർമിതബുദ്ധി ഉപകരണം നൽകുന്ന ഫലത്തെ വിശ്വസനീയമാക്കുന്നതെന്ന് സാവ്വ ഊന്നിപ്പറയുന്നു. “വിപണിയിലെ പതിവുകളെക്കുറിച്ച് ഒരു നിർമിതബുദ്ധി ഉപകരണം എന്തെങ്കിലും അവകാശപ്പെടുന്നുവെങ്കിൽ, ആ വിവരത്തിന്റെ സ്രോതസ്സ് നിങ്ങൾക്ക് കാണാനാകണം,” അദ്ദേഹം പറയുന്നു.
ചില ഏജന്റുകൾ നിഗമനങ്ങൾ രൂപപ്പെടുത്തുകയും മറ്റുള്ളവ അവയെ എതിർവാദങ്ങളിലൂടെ ചോദ്യം ചെയ്യുകയും ചെയ്യുന്ന ഒരു ആപ്ലിക്കേഷനെക്കുറിച്ച് സാവ്വ വിശദീകരിക്കുന്നു. ഇതിന്റെ ഒരു സാധ്യതയുള്ള ഉപയോഗത്തിൽ, വിപണിയിലെ പതിവുകളിൽനിന്നുള്ള വ്യതിയാനങ്ങൾ, നഷ്ടസാധ്യതയുടെ ബാധ്യത കക്ഷികൾക്കിടയിൽ പങ്കിടുന്ന രീതി, വ്യവസ്ഥകൾ തമ്മിലുള്ള ബന്ധം, വ്യവഹാരത്തെ ബാധിക്കാവുന്ന അവ്യക്തതകൾ തുടങ്ങിയവയ്ക്കായി പ്രത്യേക വൈദഗ്ധ്യമുള്ള ഏജന്റുകൾ കരാർ സമാന്തരമായി പരിശോധിക്കുന്നു. മറ്റ് ഏജന്റുകളുടെ ചോദ്യം ചെയ്യലിനു ശേഷവും പിന്തുണ ലഭിച്ച കണ്ടെത്തലുകൾ, തള്ളിക്കളഞ്ഞ കണ്ടെത്തലുകൾ, സ്ഥിരീകരിക്കാനാകാത്തതിനാൽ പരിമിതികൾ വ്യക്തമാക്കിക്കൊണ്ട് നിലനിർത്തിയ പ്രശ്നങ്ങൾ എന്നിവ ഫലങ്ങളിൽ വേർതിരിച്ചുകാണിക്കുന്നു. അഭിഭാഷകർക്ക് പ്രശ്നങ്ങളും അവയെ പിന്തുണയ്ക്കുന്ന വിശദീകരണങ്ങളും പ്രസക്തമായ മുൻകരാർ മാതൃകകളും പരിശോധിക്കാം. തുടർന്ന് ഏതു കണ്ടെത്തലുകളുടെ അടിസ്ഥാനത്തിലാണ് അന്തിമ കരടിൽ മാറ്റങ്ങൾ വരുത്തേണ്ടതെന്ന് തീരുമാനിക്കാം.
പ്രത്യേക നിയമജോലികൾക്കായി രൂപകൽപ്പന ചെയ്ത ഉപകരണങ്ങളുടെ സാധ്യതകൾ സള്ളിവൻ & ക്രോംവെൽ തുടർന്നും അന്വേഷിക്കുകയാണ്. ഗവേഷണത്തിന്റെയും എഴുത്തിന്റെയും കൂടുതൽ ഘട്ടങ്ങളിൽ സഹായം നൽകാനുള്ള അവസരമാണ് മെച്ചപ്പെട്ട വിശകലനശേഷി ഒരുക്കുന്നതെന്ന് സാവ്വ കരുതുന്നു.
GPT‑6 Astra-യുടെ റീസണിംഗ് ശേഷിയിലെ പുരോഗതി സാവ്വ ചൂണ്ടിക്കാട്ടുന്നു: “ലഭ്യമായ റീസണിംഗിന്റെ ഗുണനിലവാരത്തിൽ Astra വലിയ മുന്നേറ്റമാണ് കൊണ്ടുവന്നത്. മുൻപ് പുരോഗതിക്ക് തടസ്സമായിരുന്നതും അതുതന്നെയായിരുന്നു,” അദ്ദേഹം പറയുന്നു.


