ריאן מקדונה (Ryan McDonough) פרסם ב-9 ביולי מאמר שטוען כי AI לא חוסך זמן לעורכי דין, אלא מייצר בחירה. גם אם הכלים מחזירים לעורך דין חמישית מהשבוע, לדבריו הזמן הזה ייבלע מעצמו בעוד עבודה, אלא אם המשרד יחליט במפורש מה לעשות איתו.
מקדונה מציג את עצמו באתר האישי שלו כראש הנדסת טכנולוגיה משפטית ב-KPMG Law. המאמר לא מתווכח עם נתוני הפרודוקטיביות שהספקים מפרסמים. הוא מקבל לצורך הדיון את ההנחה של 20% זמן פנוי, ושואל מה קורה לו בפועל. על הטענה הקודמת שלו, שמערכת AI משפטית יכולה להפיק תוצר טוב ועדיין להתנהג רע, דיווחנו במאי.
היסטוריה של יעילות שלא הקטינה עומס
נקודת המוצא של מקדונה היא שטכנולוגיות קודמות לא הקלו על עורכי דין. הדואר האלקטרוני העלה את ציפיות הלקוחות לזמני תגובה, המחקר המקוון הרחיב את רמת היסודיות שמצופה מחוות דעת, ואוטומציה של מסמכים הגדילה את כמות המסמכים. לטענתו, כעשרים שנה של טכנולוגיה משפטית השאירו את המשרדים עסוקים בערך כמו קודם.
כדי להסביר את הדפוס הוא נשען על פרדוקס ג'בונס. הכלכלן האנגלי ויליאם סטנלי ג'בונס הראה בספרו The Coal Question מ-1865 שצריכת הפחם באנגליה עלתה ככל שמנועי הקיטור נעשו יעילים יותר. היעילות הוזילה את השימוש, והביקוש גדל יותר מהחיסכון. מקדונה מסכם שיעילות נוטה לייצר תיאבון גדול יותר, לא קיבולת פנויה.
צוואר הבקבוק זז, הוא לא נעלם
הכלי השני הוא תורת האילוצים של אליהו גולדרט, שלפיה כל מערכת מוגבלת על ידי מספר קטן של אילוצים, והשיפור צריך להתמקד באילוץ שקובע את קצב התפוקה. מקדונה מיישם את זה על עבודה משפטית: כשהניסוח מתקצר, התור עובר למקום אחר. סקירה של השותף, החלטות של הלקוח, אישורים פנימיים, ממשל וניהול ידע.
לטענתו, רוב העבודה על AI משפטי היום משפרת שלבים בודדים בלי למפות את המערכת כולה. התוצאה היא שהמשרד מייצר את אותה עבודה מהר יותר, והתורים פשוט עוברים לנקודת החסימה הבאה.
מה אפשר ללמוד מהנדסת תוכנה
ההשוואה המרכזית במאמר היא לעולם פיתוח התוכנה, שלפי מקדונה הקדים את המשפט בכעשור במעבר הזה. הפרודוקטיביות של מהנדסים עלתה בזכות שפות, ספריות ותשתיות ענן, ולאחרונה גם AI. הארגונים החזקים, לדבריו, השקיעו חלק מהרווח בחזרה במערכת הייצור עצמה: כלים פנימיים, בדיקות אוטומטיות, ניטור ותיעוד. חלק מהמהנדסים הבכירים הפסיקו לפתח פיצ'רים כדי לשפר את הפלטפורמה לכולם.
המקבילות המשפטיות שהוא מציע הן הנדסה משפטית (Legal Engineering), עיצוב תהליכי עבודה, ממשל, הערכה של כלי AI ותיעוד ידע. הוא מוסיף נקודה שנוגעת לבכירים: ייתכן ש-AI יפנה לעורכי דין מנוסים זמן לתכנן מחדש תהליכים בזמן שהם עדיין קרובים לעבודה עצמה. לדבריו, מומחיות וקשב פנוי כמעט אף פעם לא נמצאים אצל אותו אדם.
קיבולת שנצרכת מול קיבולת שמצטברת
מקדונה מבחין בין שני מסלולים. קיבולת שנצרכת הולכת לעוד תיקים ולניצולת גבוהה יותר, וזה מה שקורה כברירת מחדל. קיבולת שמצטברת הולכת לתהליכים טובים יותר, למאגרי הערכה, לנכסי ידע, להכשרה ולהבנה עמוקה יותר של הלקוח. שעת החיוב, הוא כותב, מודדת היטב את הראשון ולא מודדת בכלל את השני, ולכן המסלול השני קורה רק אם בוחרים בו.
הוא נמנע מלהציע יחס קבוע בין השניים, כי החלוקה הנכונה תלויה במשרד. במקום זאת הוא מציע שאלות להנהלה: לאן ילך הזמן שהתפנה ומי מחליט על כך, מה יהיה האילוץ החדש, ולאילו אנשים מנוסים צריך להגן על זמן לשיפור העבודה. המאמר נחתם בשאלה מה בעצם השתנה, אם עורכי הדין חוזרים לניצולת מלאה.
עוד בנושא
- ריאן מקדונה: מערכת AI משפטית יכולה להפיק תוצר טוב ועדיין להתנהג רע
- Ryan McDonough: כשחוזה עם הספק לא מספיק, Private Inference מחליף אמון בבידוד טכני
- OpenMandate: מסגרת קוד פתוח שמעבירה את הכללים לסוכני AI מהפרומפט לקובץ מדיניות