האם אפשר לסמוך על בוטים משפטיים?
האם אפשר לסמוך על בוטים משפטיים?
לאחרונה, חברות משפטיות ובתי תוכנה בישראל השיקו בוטים מבוססי LLM (Large Language Models) כמו OPENAI, אנתרופיק וגוגל, המיועדים לשמש כתחליף לחיפושים המורפולוגיים המסורתיים, לחם חוקם של עורכי ועורכות הדין. בוטים אלה עושים שימוש במאגרי הפסיקה הרשמיים, על מנת להשיב על אחת השאלות המרכזיות בכל תיק משפטי והיא "מה היא עמדת הפסיקה במקרה שהעובדות הן X?".
מהו חיפוש משפטי?
המטרה של חיפוש משפטי עבור עו"ד העוסקים בליטיגציה היא איתור של מידע מתוך מסמכים משפטיים כגון חוק ופסיקה, על מנת לאשש או להפריך טענות בתיקים משפטיים, במטרה לשכנע את השופט/ת. האסמכתאות שעולות בחכת המחפש הן כלי רב עוצמה עבור המתדיינים ויכולים לפעמים לעשות את ההבדל בין זכיה להפסד בתיק.
חיפוש מסורתי מול חיפוש סמנטי
חיפוש מסורתי מתבסס על התאמת מילות מפתח, כלומר, על המחפש להקליד מילים רלונטיות לשאלה המשפטית המבוקשת והמערכת תמצא את אותן מילים בתוספות שונות במאגר המסמכים. חיפוש מסורתי מתקשה בהבנת ההקשר או המשמעות מאחורי המילים. חיפוש סמנטי, לעומת זאת, מבוסס על טכניקות עיבוד שפה טבעית (NLP) ולמידת מכונה, או בהכללה - טכניקות AI, ומטרתו להבין את כוונת המחפש, ולשלוף מסמכים שעוסקים באותו הקשר. משום כך חיפוש סמנטי מאפשר גם לחפש קטעי טקסט דומים מבחינת משמעותם לקטע טקסט שהוקלד, אף אם מנוסחים בשפה שונה, אך הם בעלי משמעות דומה או העוסקים באותו נושא. התפתחות זו פותחת תיבת פנדורה עצומה, לטוב ולמוטב.
על פניו, יש יתרון משמעותי לחיפוש מבוסס AI. חיפוש זה מאחזר מסמכים לפי המשמעות המבוקשת ולא רק לפי המילים המדויקות. לדוגמה, חיפוש אחרי "רכישת נכס" יחזיר גם תוצאות שמדובר בהן על "קניית קרקע". בנוסף, החיפוש המסורתי דרש מיומנות גבוהה בניבוי מילות המפתח הרלוונטיות ולעיתים גזל זמן רב שבו המחפש עבר על מאות תוצאות על מנת לברור את המוץ מן התבן ועלול להחמיץ מידע חשוב כגון אינדיקציות כי הפסיקה נהפכה בערכאה גבוהה יותר. המיומנות הגבוהה והניסיון הרב הנדרשים בחיפוש המסורתי הקשו על משתמשים חדשים או פחות מנוסים וביזבזו את זמנם של עו"ד מנוסים ומוכשרים, זמן שיכל להיות בשימוש עבור מטלות גבוהות יותר. בחיפוש מבוסס AI טמונים כאמור יתרונות רבים אך גם מוקשים שיש לנהל אותם נכון על מנת ליהנות מההתפתחות הטכנולוגית שהביאו איתם.
מה הטכנולוגיה הנוכחית מאפשרת?
Retrieval-Augmented Generation) RAG), ומודלי Generative Pre-trained Transformer - GPT, מייצגים גישות שונות ליצירת טקסט דמוי אנושי, כל אחד עם היתרונות והשימושים שלו.
RAG משלב מערכת אחזור עם מודל יצירתי. כאשר ניתנת שאילתא, הוא תחילה מאחזר מסמכים רלוונטיים ממאגר ידע, ואז משתמש במסמכים אלה כדי לנסח את התגובה. גישה זו מעגנת את תוצאות המודל במקורות ספציפיים וניתנים לאחזור, מה שיכול להיות קריטי ליישומים הדורשים אימות כמו בתחום המשפטי.
לעומת זאת, מודלי GPT הם מודלי שפה גדולים שאומנו על כמויות עצומות של נתוני טקסט. הם מייצרים תגובות על בסיס דפוסים שנלמדו במהלך האימון, מבלי לאחזר במפורש מסמכים חיצוניים. בעוד שהם ורסטיליים להפליא, מודלי GPT יכולים לפעמים לייצר מידע שנשמע הגיוני אך שגוי לחלוטין. שילוב של טכנולוגיות אלה יכול להיות בסיס לפתרון ביישומים משפטיים.
האם ניתן לסמוך על בוטים משפטיים?
נכון לכרגע התשובה היא חד משמעית שלילית. חברות ותיקות שבונות את מנועי הAI שלהן כבר שנים רבות כמו Lexisnexis ו-Westlaw לא מגיעות ליותר מ42-65% דיוק וודאי שבעברית, שפה שהמנוע לא אומן עליה מלכתחילה, המצב גרוע אף יותר.
על מנת להכריע האם ניתן לסמוך על תשובת הבוט בנוגע לעמדת הפסיקה במקרה שהעובדות הן X, צריך קודם כל לוודא שפסקי הדין שנשלפו זהים לאלו שהמערכת המסורתית היתה שולפת. זאת עוד מבלי להתייחס לתשובה המסונתזת, שאופן בדיקתה מורכב יותר.
נושא האמינות בבוטים משפטיים הוא קריטי שכן עורכי הדין לא "חונכו" עדין כיצד להשתמש בהם וחלקם מסתמכים עליהם כפי שהם רגילים להסתמך על קביעה בפסק דין. ישנם מקרים לא מעטים בהם עורכי דין הציגו פסקי דין שלא היו ולא נבראו, ש"אותרו" על ידי בוטים משפטים, ללא בדיקה נוספת, למותב המשפטי. כמובן שהתנהלות זו גררה אנדרלמוסיה ואף הסתכנות בהפרת חובות אתיות.
עו"ד-עו"ס בת-חן שלזינגר, מייסדת ומנכ"לית עמותת JustLaw Israel. עמית שקולניק הוא מומחה בינה מלאכותית ויועץ לרשות החדשנות
