OpenAI

17 พฤศจิกายน 2569

บริษัท

Astra for Law เป็นผู้นำด้านความสามารถทางกฎหมาย

โมเดลที่ปรับการตั้งค่าล่าสุดของเราได้อันดับหนึ่งในการประเมินช่วงเปิดตัว ซึ่งครอบคลุมกฎหมาย 24 สาขา และได้รับคะแนนประเมินคำแถลงต่อศาลสูงกว่า GPT‑6 Astra ขณะนี้ลูกค้า ChatGPT Enterprise ทุกรายสามารถขอสิทธิ์เข้าถึงได้แล้ว

วันนี้เราเปิดตัว Astra for Law รุ่นอัปเดต ซึ่งมีประสิทธิภาพระดับแนวหน้าจากการทดสอบ Harvey LAB-AA และเป็นหนึ่งในโมเดลที่ทำคะแนนได้สูงสุดในการทดสอบ LAB: USCL ที่ร่วมพัฒนาโดย Harvey⁠(เปิดในหน้าต่างใหม่) และ Grubel⁠(เปิดในหน้าต่างใหม่) รวมถึง Legal Research Bench ของ Vals AI นอกจากนี้ เรายังเปิดให้ลูกค้า ChatGPT Enterprise ทุกรายขอสิทธิ์เข้าถึงผ่าน Trusted Access Program ได้แล้ว รวมถึงการใช้งานผ่าน API

Astra for Law เป็นการกำหนดค่าโมเดลเฉพาะของ GPT‑6.2 Astra ซึ่งเป็นโมเดล AI ระดับแนวหน้ารุ่นล่าสุดและทรงประสิทธิภาพที่สุดของเรา โดยผสาน GPT‑6.2 Astra เข้ากับดัชนีการค้นหาข้อมูลทางกฎหมายโดยเฉพาะ พร้อมชุดคำสั่งที่ช่วยให้โมเดลค้นคว้าข้อมูลตามประเด็นคำถาม ประเมินน้ำหนักของแหล่งอ้างอิงทางกฎหมาย และเรียบเรียงคำตอบ ผลปรากฏว่าการกำหนดค่านี้ทำคะแนนเต็มในการประเมิน LAB-AA ได้บ่อยกว่าการใช้ GPT‑6.2 Astra เพียงอย่างเดียวเกือบ 40%

นับตั้งแต่เราเปิดตัว Astra for Law เมื่อเดือนกันยายน⁠ ให้สำนักงานกฎหมายกลุ่มเล็กๆ ได้ใช้งาน ซึ่งรวมถึง Cooley⁠, Ropes & Gray⁠ และ Sullivan & Cromwell⁠ ทีมวิจัยของเราได้พัฒนานวัตกรรมอย่างรวดเร็วเพื่อยกระดับความสามารถในการให้เหตุผลทางกฎหมายและเพิ่มจำนวนแหล่งข้อมูลทางกฎหมายขึ้นเป็นประมาณสองเท่า โดยสัดส่วนคำตอบจากการค้นคว้าข้อมูลที่ผ่านเกณฑ์การตรวจสอบทุกข้อในการทดสอบ Legal Research Bench ของ Vals AI⁠(เปิดในหน้าต่างใหม่) เพิ่มขึ้นจากประมาณ 46% เป็นเกือบ 55% เรามุ่งลงทุนด้านกฎหมายเพื่อให้ทนายความชั้นนำสามารถนำความสามารถของ AI ระดับแนวหน้าที่ดีที่สุดของเราไปใช้จัดการกับประเด็นสำคัญที่จะช่วยขับเคลื่อนความก้าวหน้าในโลกที่ซับซ้อนขึ้นทุกวัน

Astra for Law ทำคะแนนได้เป็นอันดับหนึ่งในการประเมินเปรียบเทียบ Harvey LAB-AA ที่จัดขึ้นช่วงเปิดตัว โดยครอบคลุมกฎหมาย 24 สาขา

Legal Agent Benchmark (LAB) ของ Harvey เป็นการทดสอบว่าโมเดลสามารถทำงานด้านกฎหมายที่ได้รับมอบหมายได้ครบทุกขั้นตอนตั้งแต่ต้นจนจบหรือไม่ ส่วน LAB-AA⁠(เปิดในหน้าต่างใหม่) เป็นการทดสอบในรูปแบบที่ Artificial Analysis พัฒนาขึ้น โดยให้โมเดลทำงานที่ท้าทาย 120 รายการซึ่ง Harvey เป็นผู้จัดทำ ครอบคลุมตั้งแต่การร่างโครงร่างคำถามสำหรับการซักถามพยานก่อนการพิจารณาคดี การตรวจสอบสัญญาเช่าเชิงพาณิชย์ ไปจนถึงการวางกลยุทธ์เปลี่ยนแปลงโครงสร้างผู้ถือกรรมสิทธิ์ในการเข้าซื้อกิจการ โมเดลจะได้รับคะแนนเต็มก็ต่อเมื่อคำตอบเป็นไปตามข้อกำหนดทุกข้อของงานที่ได้รับมอบหมาย และไม่มีการสร้างข้อมูลที่ไม่เป็นความจริง กล่าวคือ ไม่มีการกล่าวอ้างข้อเท็จจริงที่มีสาระสำคัญโดยไม่มีเอกสารต้นฉบับรองรับ

Astra for Law ทำคะแนนได้เป็นอันดับหนึ่ง โดยได้รับคะแนนเต็มจากงาน 20.8% ของทั้งหมด นำหน้า GPT‑6.2 Astra ที่ 15.0% และ Muse Wonder Full ที่ 13.1%

แผนภูมิแท่งเปรียบเทียบสัดส่วนงานใน LAB-AA ที่ได้คะแนนเต็ม

Astra for Law ได้คะแนนเต็มใน 20.8% ของงานทั้งหมด และได้อันดับหนึ่ง

Astra for Law ทำคะแนนได้สูงสุดในการทดสอบเปรียบเทียบช่วงเปิดตัว โดยใช้โทเค็นเอาต์พุตไม่ถึงครึ่งหนึ่งของโมเดลที่ทำคะแนนสูงสุดจากผู้พัฒนารายอื่น โดย Astra for Law ใช้โทเค็นเอาต์พุตเฉลี่ยประมาณ 64,000 โทเค็นต่องาน เทียบกับ 139,000 โทเค็นของ Muse Wonder Full และได้คะแนนเต็มบ่อยกว่าที่ 20.8% เทียบกับ 13.1% สำหรับทีมกฎหมายที่จ่ายตามปริมาณการใช้งาน นั่นหมายความว่า Astra for Law ได้คะแนนเต็มบ่อยกว่า Muse Wonder Full พร้อมสร้างเอาต์พุตต่องานน้อยกว่า 54% ความแตกต่างนี้อาจเป็นปัจจัยสำคัญที่ช่วยให้ทีมควบคุมค่าใช้จ่ายให้อยู่ในงบประมาณ แทนที่จะใช้จ่ายเกินงบที่ตั้งไว้

กราฟกระจายแสดงความสัมพันธ์ระหว่างจำนวนโทเค็นเอาต์พุตเฉลี่ยในมาตราส่วนลอการิทึมกับอัตราการได้คะแนนเต็มในการทดสอบ LAB-AA

แต่ละจุดบนกราฟแสดงโมเดลที่มีการกำหนดค่าแตกต่างกัน ยิ่งจุดอยู่สูงเท่าไร แสดงว่ามีงานที่ได้รับคะแนนเต็มมากขึ้น ส่วนจุดที่อยู่ทางซ้ายมากกว่าหมายถึงการใช้โทเค็นเอาต์พุตน้อยกว่า ซึ่งรวมข้อความที่โมเดลสร้างระหว่างการให้เหตุผลและการเขียน Astra for Law ใช้โทเค็นเอาต์พุตเฉลี่ยประมาณ 64,000 โทเค็นต่องาน และได้คะแนนเต็มใน 20.8% ของงาน เทียบกับ 139,000 โทเค็นและ 13.1% ของ Muse Wonder Full ไม่มีการตั้งค่าใดที่แสดงในกราฟทำคะแนนได้เท่า Astra for Law โดยใช้โทเค็นเอาต์พุตน้อยกว่า

Astra for Law สร้างข้อมูลสำคัญที่ไม่เป็นความจริงเฉลี่ยต่องานน้อยกว่า Claude Opus 5.5 ถึง 95%

การสร้างข้อมูลที่ไม่มีหลักฐานรองรับเป็นสิ่งที่ยอมรับไม่ได้ในงานกฎหมาย เพราะแม้แต่การอ้างอิงแหล่งข้อมูลที่ไม่มีอยู่จริงเพียงครั้งเดียวก็อาจทำให้ทนายความสูญเสียความไว้วางใจจากลูกความ ความน่าเชื่อถือต่อศาล และชื่อเสียงที่สั่งสมมานานหลายปี ด้วยเหตุนี้ การลดปัญหาดังกล่าวจึงเป็นหนึ่งในสิ่งที่เราให้ความสำคัญในการพัฒนา Astra for Law ผลการทดสอบเปรียบเทียบ LAB-AA ล่าสุดของ Artificial Analysis พบว่า Astra for Law มีอัตราการสร้างข้อมูลที่ไม่มีหลักฐานรองรับในประเด็นสำคัญต่ำที่สุดร่วมกับ GPT‑6 โดยเฉลี่ยอยู่ที่ 0.03 ครั้งต่องาน เทียบกับ 0.59 ครั้งต่องานของ Claude Opus 5.5 ซึ่งเป็นโมเดลจากผู้พัฒนารายอื่นที่มีอัตราต่ำที่สุด

แผนภูมิแท่งแบบกลุ่มเปรียบเทียบการสร้างข้อมูลที่ไม่มีหลักฐานรองรับในประเด็นสำคัญและประเด็นเล็กน้อยต่องานของ LAB-AA

Astra for Law มีข้อผิดพลาดจากการสร้างข้อมูลที่ไม่มีหลักฐานรองรับในประเด็นสำคัญเฉลี่ย 0.03 ครั้งต่องาน และข้อผิดพลาดเล็กน้อย 0.06 ครั้งต่องาน ขณะที่ Claude Opus 5.5 มีข้อผิดพลาดทั้งสองประเภทเฉลี่ย 0.59 และ 0.51 ครั้งต่องานตามลำดับ หรือมากกว่า Astra for Law ประมาณ 20 เท่าสำหรับข้อผิดพลาดสำคัญ และ 8.5 เท่าสำหรับข้อผิดพลาดเล็กน้อย

จากงานทดสอบ 120 รายการ Artificial Analysis ได้ตรวจนับการกล่าวอ้างข้อมูลที่ไม่มีหลักฐานรองรับซึ่งอาจทำให้ผู้อ่านเข้าใจผิดเกี่ยวกับประเด็นสำคัญ Astra for Law มีข้อผิดพลาดเฉลี่ย 0.03 ครั้งต่องาน ซึ่งอยู่ในกลุ่มที่มีอัตราต่ำที่สุด และคิดเป็นประมาณครึ่งหนึ่งของ GPT‑6.2 Astra รุ่นปกติที่ 0.06 ครั้งต่องาน นอกจากนี้ โมเดลของ OpenAI ทุกเวอร์ชันที่นำมาทดสอบ ยังมีข้อผิดพลาดน้อยกว่า Claude Opus 5.5 ซึ่งเป็นโมเดลจากผู้พัฒนารายอื่นที่ทำผลงานได้ดีที่สุดในด้านนี้ โดย Opus มีข้อผิดพลาดสำคัญเฉลี่ย 0.59 ครั้งต่องาน หรือประมาณ 20 เท่าของ Astra for Law ที่สำคัญ Astra for Law ไม่พบข้อผิดพลาดประเภทนี้เลยในงานที่ผ่านเกณฑ์ครบทุกข้อ จึงไม่มีการหักคะแนนจากข้อผิดพลาดดังกล่าว และคะแนนประเมินของโมเดลยังคงเท่าเดิม

Astra for Law เป็นหนึ่งในโมเดลที่ทำผลงานได้ดีที่สุดในการทดสอบความรู้ด้านคำพิพากษาของศาลสหรัฐอเมริกา

“Astra for Law 6.2 มีประสิทธิภาพดีขึ้นอย่างชัดเจนเมื่อเทียบกับ Astra รุ่นก่อนหน้าในทุกการทดสอบของเรา โดยสามารถเขียนคำแถลงต่อศาลได้ครอบคลุมและมีเหตุผลรองรับที่หนักแน่นยิ่งขึ้น ซึ่งผู้ประเมินที่เปรียบเทียบผลงานเป็นคู่ให้คะแนนคำแถลงจากรุ่นนี้สูงกว่าของ GPT‑6 Astra เกือบ 90% ของการประเมิน ที่สำคัญ แม้จะวิเคราะห์ได้ละเอียดและลึกซึ้งขึ้น แต่ความแม่นยำก็ไม่ได้ลดลงเมื่อเทียบกับรุ่นก่อนหน้า โดยเรายังคงพบว่าโมเดลตระกูล Astra มีอัตราการสร้างข้อมูลที่ไม่เป็นความจริงต่ำที่สุดกลุ่มหนึ่งในการทดสอบ LAB และการทดสอบเพิ่มเติมด้านคำพิพากษาของศาลสหรัฐอเมริกา”
Julio Pereyra หัวหน้าฝ่ายวิจัยกฎหมายของ Harvey

การเขียนคำแถลงต่อศาลเป็นหนึ่งในกระบวนการทางกฎหมายที่ซับซ้อนที่สุดและต้องใช้เวลาหลายขั้นตอน โดยต้องอาศัยทั้งการให้เหตุผลที่ชัดเจน การค้นคว้าข้อมูล และทักษะการเขียน เพื่อสร้างข้อโต้แย้งที่มีน้ำหนักและน่าเชื่อถือ

Harvey และ Grubel⁠(เปิดในหน้าต่างใหม่) ร่วมกันพัฒนาแบบทดสอบ LAB: USCL⁠(เปิดในหน้าต่างใหม่) เพื่อประเมินว่าโมเดลสามารถค้นคว้าข้อมูลและเขียนคำแถลงต่อศาลสำหรับคดีจริงในศาลรัฐบาลกลางสหรัฐอเมริกาได้หรือไม่ โดยให้แต่ละโมเดลรับช่วงงานในจังหวะก่อนที่ทนายความจะยื่นคำแถลงต่อศาล และเขียนคำแถลงในประเด็นเดียวกันเพื่อเป็นตัวแทนฝ่ายเดียวกัน การทดสอบแบ่งเป็นสองรูปแบบ รูปแบบแรก โมเดลต้องค้นหาคดีที่เกี่ยวข้องด้วยตนเอง ส่วนอีกรูปแบบหนึ่ง โมเดลจะได้รับสำนวนคดีและแนวคำพิพากษาที่ทนายความเจ้าของคดีอ้างอิง จากนั้น AI ที่ทำหน้าที่ประเมินจะเปรียบเทียบคำแถลงของแต่ละโมเดลโดยตรงตามเกณฑ์ที่ผ่านการตรวจสอบและปรับเทียบโดยทนายความ ซึ่ง Astra for Law ทำคะแนนได้ในกลุ่มอันดับต้นๆ ของการทดสอบทั้งสองรูปแบบ

ผลการทดสอบความรู้ด้านคำพิพากษาของศาลสหรัฐอเมริกาโดย Harvey พบว่า Astra for Law ได้ 1,844 คะแนน เทียบกับ Opus 5.5 ที่ได้ 1,817 คะแนนในการทดสอบที่ต้องค้นคว้าข้อมูลเอง ส่วนการทดสอบที่มีคำพิพากษาให้ใช้อ้างอิง Astra for Law ได้ 1,883 คะแนน เทียบกับ 1,882 คะแนนของ Opus 5.5 ทั้งนี้ ช่วงความไม่แน่นอนของผลคะแนนมีส่วนซ้อนทับกันทั้งสองการทดสอบ

Farther right means the briefs earned higher ratings. When the models researched the law themselves, Astra for Law scored 1,844 to Opus 5.5’s 1,817. Given the precedents, they were effectively even at 1,883 and 1,882.

ยิ่งตำแหน่งบนกราฟอยู่ทางขวามากเท่าไร คะแนนประเมินคุณภาพคำแถลงต่อศาลก็ยิ่งสูงขึ้น ในกรณีที่โมเดลต้องค้นคว้าข้อกฎหมายด้วยตนเอง Astra for Law ได้คะแนน 1,844 ส่วน Opus 5.5 ได้ 1,817 ขณะที่การทดสอบซึ่งจัดเตรียมแนวคำพิพากษาไว้ให้ ทั้งสองโมเดลมีคะแนนแทบเท่ากันที่ 1,883 และ 1,882 ตามลำดับ ทั้งนี้ ช่วงความไม่แน่นอนของค่าประมาณคะแนนมีส่วนทับซ้อนกันในการทดสอบทั้งสองรูปแบบ

ผลการทดสอบแรก (“ค้นคว้าและร่างคำแถลง” ทางด้านซ้าย) มีความสำคัญเป็นพิเศษ เพราะความสามารถในการค้นคว้าข้อมูลทางกฎหมายที่ดีขึ้นเป็นหนึ่งในการพัฒนาหลักของรุ่นนี้ เราให้ความสำคัญกับการปรับปรุงด้านนี้ เนื่องจากทนายความที่ว่าความในศาลมักไม่ได้มีรายชื่อคดีที่เกี่ยวข้องเตรียมไว้ตั้งแต่ต้น ในการทดสอบนี้ แต่ละโมเดลจึงต้องพิจารณาเองว่าคำพิพากษาใดเกี่ยวข้องกับประเด็นที่กำลังพิจารณา และนำข้อมูลเหล่านั้นมาเรียบเรียงเป็นข้อโต้แย้งที่ศาลสามารถติดตามและทำความเข้าใจได้ ผลปรากฏว่า AI ที่ Harvey ใช้ประเมินให้คะแนนคำแถลงจาก Astra for Law รุ่นปัจจุบันสูงกว่าคำแถลงจากโมเดลชั้นนำอื่นๆ เช่น Opus 5.5 และ Gemini 4 Argon ส่วนผลการประเมินของ Vals AI ที่จะกล่าวถึงในหัวข้อถัดไป แสดงให้เห็นพัฒนาการด้านการค้นคว้าข้อมูลทางกฎหมายที่ชัดเจนยิ่งขึ้น

OpenAI ให้ความสำคัญกับการวิจัยด้านกฎหมาย โดยจัดตั้งทีมนักวิจัยเฉพาะทางเพื่อเร่งพัฒนาขีดความสามารถด้านกฎหมายของ AI ระดับแนวหน้า หนึ่งในตัวชี้วัดความก้าวหน้าเบื้องต้นของทีมคือผลการทดสอบ Legal Research Bench ของ Vals AI⁠(เปิดในหน้าต่างใหม่) ซึ่งใช้คำถามเกี่ยวกับกฎหมายรัฐบาลกลางและกฎหมายระดับรัฐของสหรัฐอเมริกาที่จัดทำโดยทนายความผู้ประกอบวิชาชีพจริง คำตอบที่จะผ่านการทดสอบต้องครอบคลุมทุกประเด็นที่กำหนดและผ่านการตรวจสอบแหล่งอ้างอิง เมื่อเดือนกันยายน Astra for Law ตอบคำถามผ่านเกณฑ์ได้ประมาณ 46% ขณะที่รุ่นที่เปิดตัวในวันนี้ทำได้ 54.81% ซึ่งห่างจากคะแนนสูงสุดที่มีการเผยแพร่ไม่ถึง 1 จุดเปอร์เซ็นต์

การพัฒนา Astra for Law ในรูปแบบโมเดลที่ปรับการตั้งค่าเฉพาะช่วยให้เราปรับปรุงทั้งความสามารถในการให้เหตุผลและแหล่งข้อมูลที่โมเดลสามารถเข้าถึงได้ นับตั้งแต่เดือนกันยายน เราได้นำ GPT‑6.2 Astra มาใช้ในการกำหนดค่านี้ พร้อมปรับปรุงคำสั่งที่ใช้กำกับการวิเคราะห์ข้อกฎหมายของโมเดล นอกจากนี้ เรายังเพิ่มแหล่งข้อมูลทางกฎหมายของสหรัฐอเมริกามากกว่า 539,000 รายการ ลงในดัชนีการค้นหา รวมถึงแหล่งข้อมูลอีกกว่า 98,000 รายการจากสหราชอาณาจักร ออสเตรเลีย และแคนาดา โดยเริ่มเพิ่มแหล่งกฎหมายปฐมภูมิจากประเทศเหล่านี้ ข้อมูลใหม่ดังกล่าวช่วยขยายดัชนีการค้นหาข้อมูลทางกฎหมายที่มี URL มากกว่า 230 ล้านรายการอยู่แล้วตั้งแต่เปิดตัว⁠ ซึ่งรวบรวมมาจากชุดข้อมูลที่ครอบคลุมคำพิพากษาบรรทัดฐานที่เผยแพร่ในสหรัฐอเมริกามากกว่า 99.9%⁠(เปิดในหน้าต่างใหม่)

ในการทดสอบ Legal Agent Benchmark ของ Harvey เอง GPT‑6 Astra ทำงานได้ครบตามข้อกำหนดทุก โดยข้อคิดเป็น 4.6% ของงานทั้งหมด ขณะที่ GPT‑6.2 Astra ทำได้ 14.6% ภายใต้เงื่อนไขเดียวกัน และเมื่อใช้การกำหนดค่าเฉพาะด้านกฎหมาย อัตราดังกล่าวเพิ่มขึ้นเป็น 16.2%

สัดส่วนงานที่ผ่านเกณฑ์ทุกข้อในการทดสอบ Harvey Legal Agent Benchmark ได้แก่ GPT-6 Astra 4.6%, GPT-6.2 Astra 14.6% และ Astra for Law 6.2 16.2%

This chart shows both the rate of development in frontier intelligence, as well as the impact of the model configuration. The full-credit rate more than tripled from GPT‑6 Astra to GPT‑6.2 Astra, then rose another 11% with the legal configuration. This test comes from Harvey’s own LAB (separate from the previously discussed LAB-AA).

ยิ่งแท่งกราฟยาวมากเท่าไร แสดงว่ามีงานที่ทำได้ครบตามข้อกำหนดทุกข้อของ Harvey มากขึ้นเท่านั้น โดย Harvey ดำเนินการทดสอบนี้แยกจากการประเมิน LAB-AA ของ Artificial Analysis

ทนายความกำลังใช้ Astra for Law เพื่อทดสอบความหนักแน่นของข้อโต้แย้งและช่วยเพื่อนร่วมงานตัดสินใจในประเด็นที่ซับซ้อน

“เรายินดีอย่างยิ่งที่ได้ทดลอง Astra for Law รุ่นแรกๆ ซึ่งพัฒนาขึ้นโดยคำนึงถึงการใช้งานด้านกฎหมาย ทั้งในงานคดีความและงานธุรกรรม โมเดลแสดงให้เห็นถึงความลุ่มลึกในการค้นคว้าและความเข้าใจน้ำหนักของแหล่งอ้างอิงทางกฎหมายได้อย่างน่าประทับใจ แม้จะยังอยู่ในช่วงเริ่มต้น เราก็รู้สึกได้ว่านี่คือก้าวสำคัญสู่ AI ที่มุ่งเน้นงานกฎหมาย โดยยึดโยงอย่างรอบคอบกับการค้นคว้าที่ทั้งทันสมัยและครอบคลุม”
—John Savva หุ้นส่วนที่ Sullivan & Cromwell

ทนายความที่ใช้ Astra for Law ในการทำงานจริงกำลังค้นพบแนวทางการใช้งานใหม่ๆ ที่น่าสนใจ โดยผู้ใช้งานกลุ่มแรกจากสำนักงานกฎหมายที่เป็นลูกค้าและทีมกฎหมายของ OpenAI เริ่มนำเครื่องมือนี้มาใช้จัดทำแหล่งข้อมูลอ้างอิงสำหรับงานกฎหมายของตน ทดสอบความหนักแน่นของข้อโต้แย้งด้วยมุมมองที่เข้มงวดยิ่งขึ้น และค้นหาวิธีใหม่ๆ ในการวิเคราะห์และทำความเข้าใจบทบัญญัติของกฎหมาย

ตัวอย่างการนำ Astra for Law ไปใช้งานของผู้ใช้งานกลุ่มแรกที่ OpenAI ได้แก่

  • ตรวจสอบข้อโต้แย้งของคุณจากมุมมองที่เห็นต่าง ทนายความนิยมใช้ Astra for Law เป็นเครื่องมือช่วยทดสอบความหนักแน่นของเหตุผลทางกฎหมาย เช่น ทนายความด้านกฎหมายการแข่งขันทางการค้าอาจเสนอความเห็นเกี่ยวกับการตีความบทบัญญัติกฎหมาย แล้วให้ AI เสนอข้อโต้แย้งในทางตรงกันข้าม โดยอาศัยประวัติการตรากฎหมาย คำพิพากษาของศาล และตัวบทกฎหมายฉบับภาษาอื่นประกอบการวิเคราะห์ หากข้อคัดค้านนั้นมีน้ำหนักมากพอที่จะทำให้ต้องปรับคำแนะนำทางกฎหมาย ก็ถือเป็นประโยชน์สำคัญของการใช้งานลักษณะนี้

  • แยกให้ชัดว่าอะไรคือคำแนะนำ อะไรคือข้อบังคับ ทนายความด้านนโยบายที่กำลังศึกษาร่างกฎหมายกำกับดูแล AI ต้องการทราบว่าผู้ตรวจสอบอิสระมีอำนาจแค่ไหน เช่น หากผู้ตรวจสอบเรียกร้องให้แก้ไขปัญหา ผู้พัฒนาจะต้องทำตามหรือไม่ ทนายความจึงนำคำอธิบายข้อผูกพันแต่ละข้อที่เขียนด้วยภาษาทั่วไปมาเทียบกับข้อความจริงในร่างกฎหมาย เพื่อช่วยให้เพื่อนร่วมงานพิจารณาได้ว่าตัวบทกฎหมายสนับสนุนการตีความแบบใด

  • เริ่มต้นการปรึกษาทนายความภายนอกด้วยประเด็นสำคัญที่ต้องการคำตอบ เมื่อบริษัทกำลังพิจารณาขยายธุรกิจเข้าสู่อุตสาหกรรมที่ยังไม่คุ้นเคย ทนายความฝ่ายผลิตภัณฑ์จะใช้ Astra for Law ช่วยวิเคราะห์ว่ากฎระเบียบใดบ้างที่เกี่ยวข้องกับกิจกรรมทางธุรกิจที่วางแผนไว้ ทำให้สามารถเริ่มหารือกับทนายความผู้เชี่ยวชาญในประเด็นเฉพาะได้เลย แทนที่จะต้องใช้เวลาปรึกษาครั้งแรกไปกับการทำความเข้าใจภาพรวมของอุตสาหกรรม

  • เปลี่ยนกฎระเบียบและนโยบายมากมายให้เป็นขั้นตอนการทำงานที่ชัดเจน ผู้จัดการโครงการด้านกฎหมายใช้ Astra for Law ช่วยนำระเบียบปฏิบัติตามข้อกำหนดของหน่วยงานกำกับดูแลและนโยบายบริษัทมาจัดทำเป็นขั้นตอนการทำงานสำหรับเพื่อนร่วมงานที่รับผิดชอบเคสใหม่ๆ เพื่อให้รู้ว่าเมื่อใดควรขอข้อมูลเพิ่มเติม เมื่อใดควรปิดเคส และเมื่อใดควรส่งเรื่องต่อให้ทนายความ

  • สร้างคู่มือประกอบกฎหมายที่ตอบโจทย์การทำงานของคุณ ทนายความด้านการแข่งขันทางการค้าใช้ Astra for Law ร่วมกับเครื่องมือสร้างเว็บไซต์ของ ChatGPT เพื่อเพิ่มคำอธิบายให้กับกฎหมายที่ทีมใช้เป็นประจำ เพื่อนร่วมงานจึงสามารถวางเมาส์บนคำศัพท์เพื่อดูคำจำกัดความ เปิดลิงก์ไปยังเอกสารอธิบายที่เกี่ยวข้อง และย้อนดูคำแนะนำที่ทีมเคยให้ไว้เกี่ยวกับบทบัญญัตินั้นได้

ยกระดับการทำงานด้านกฎหมายด้วย Astra for Law

ตั้งแต่วันนี้เป็นต้นไป ลูกค้า ChatGPT Enterprise ทุกรายสามารถขอสิทธิ์เข้าถึง Astra for Law ผ่าน Trusted Access Program ในหน้าควบคุมสำหรับผู้ดูแลระบบได้ หากทีมของคุณได้รับสิทธิ์แล้ว ให้เลือก GPT‑6.2 Astra Law ใน ChatGPT หากต้องการนำ Astra for Law ไปใช้กับเครื่องมือของตนเองผ่าน API โปรดติดต่อผู้ดูแลบัญชีลูกค้าเพื่อขออนุมัติเพิ่มเติมแยกต่างหาก

วงการกฎหมายกำลังเผชิญจุดเปลี่ยนครั้งสำคัญ เทคโนโลยีทำให้ธุรกิจสามารถทำสิ่งต่างๆ ได้มากขึ้น ขณะที่โลกมีความซับซ้อนและเชื่อมโยงกันมากขึ้นตามไปด้วย ทนายความจึงมีโอกาสครั้งสำคัญในการช่วยกำหนดทิศทางที่สังคมจะทำความเข้าใจและรับมือกับโลกที่เปลี่ยนไป ไม่ใช่เพียงเพื่อธุรกิจที่ตนดูแล แต่เพื่อทุกคนที่อยู่ภายใต้กฎเกณฑ์ซึ่งทนายความมีส่วนร่วมในการกำหนด เราเชื่อว่าทนายความที่เก่งที่สุด เมื่อมี AI ที่ทรงประสิทธิภาพที่สุดเป็นเครื่องมือ ก็สามารถรับมือกับความเปลี่ยนแปลงครั้งนี้ได้

นี่เป็นเพียงจุดเริ่มต้นเท่านั้น เราตั้งตารอที่จะเห็นว่าคุณจะพาวิชาชีพนี้ไปสู่จุดใด

ผู้เขียน

OpenAI