详细内容或原文请订阅后点击阅览
为什么合法人工智能的采用在试点之后会放缓
作者：Damien Riehl，Clio 解决方案冠军。如果我们在过去三年中没有经历过任何其他事情，那么我们肯定听到过一个熟悉的问题，并且这个问题仍在继续......
来源:Artificial Lawyer作者：Damien Riehl，Clio 解决方案冠军。
如果我们在过去的三年里没有经历过任何其他事情，我们肯定听到过一个经常出现的熟悉的问题：我们的人工智能策略是什么？这个措辞意味着对工具的有限决策。但实际上，这主要是组织性的。
关于法律人工智能的公众讨论仍然经常集中在模型性能、幻觉率或起草质量上。在公司内部，进步往往取决于更具操作性的东西。一个系统可以产生一个可信的答案，但公司如何将这种能力整合到其法律工作中——对于该执业团队，由该律师进行。
这种区别通常会影响公司的采用。组织的工作流程、控制和职责如何演变通常比选择的特定软件更重要。当飞行员转而从事实际工作时，这一点就变得显而易见。
早期试点可能会建立信心。它们可以表明系统可以适当地处理信息，并且其输出是可用的（有时甚至令人惊叹）。一旦相同的功能出现在活跃的事务中，注意力可能会转移到公司如何使用它：事务上下文出现在工作流程中的何处，谁支持结果，以及它的使用如何与系统、人员配置、计费和客户期望相适应。上下文就是一切：对于人来说是这样，对于工作流程来说是这样，对于人工智能来说也是如此。
早期势头与运营现实的结合
实施往往遵循可预测的模式。从澄清信息的管理和记录方式开始的公司可以更加谨慎地扩张。只有建立这些基础后，注意力才会转向日常工作流程。当律师可以使用熟悉的系统来处理事务时，采用率就会增加。当采用需要走出熟悉的系统时，无论技术质量如何，使用都可能会断断续续。当然，“熟悉”的是移动的球门柱。每一个“熟悉”的工具以前都是“陌生的”。使用可以加速熟悉度。
—