Szerző: HOMOKI Péter
Affiliáció: ügyvéd
Rovat: Az információs társadalom jogi kérdései
Rovatszerkesztő: TÖRÖK Bernát, ZŐDI Zsolt
Lezárás dátuma: 2025.05.20.
Idézési javaslat: HOMOKI Péter: "Jogászi munkák automatizálása" in JAKAB András - KÖNCZÖL Miklós - MENYHÁRD Attila - SULYOK Gábor (szerk.): Internetes Jogtudományi Enciklopédia (Az információs társadalom jogi kérdései rovat, rovatszerkesztő: TÖRÖK Bernát, ZŐDI Zsolt) http://ijoten.hu/szocikk/jogaszi-munkak-automatizalasa (2025). Konkrét szöveghelyre való hivatkozáshoz javasoljuk a szövegbeli bekezdésszámok használatát, pl. [8] vagy [12]-[18].
Az automatizálás célja a jogászi munkák esetén is az, hogy növelje a feladatot ellátó szakemberek munkájának hatékonyságot, csökkentse a rutinszerű feladatokra fordított időt. A közelmúltban tömegek számára elérhetővé vált új technológiai képességek miatt időszerűvé vált annak a felülvizsgálata, hogy a változások mennyiben érintik strukturálisan a jogi hivatás végzőit. Az automatizálási eszközök fókusza irányulhat az egyes jogi folyamatok eredményeire vagy magukra a jogi folyamatokra, alkalmazásuk pedig nagyban függ a szervezeti mérettől és a jogi munka típusától. A sokoldalú, mesterséges neurális hálókra épülő új automatizálási eszközök révén jóval szélesebb körben vált gyakorlati lehetőséggé a jogászi tudás rögzítése és a jogi folyamatok egyes lépéseinek átláthatóbbá tétele. Ugyanezen újfajta eszközök azonban azt is kiemelik, hogy az automatizálásnak vannak technológiai, gazdasági és stratégiai korlátai is. Nem minden jogi feladat automatizálható, egyes esetekben pedig, ha a feladat valamilyen formában technikailag megoldható volna is, a társadalmi elvárások vagy az alapjogok védelme miatt ezt nem szabad megvalósítani. Tehát miközben az automatizációs eszközök a jogászi munka támogatásának egészen új szintjét teszik elérhetővé, a jelenleginél tudatosabban fel kell vállalni azt, hogy bizonyos területeken az emberi szakértelem és az ember bevonása akkor sem mellőzhető, ha ez számottevően rontja a támogatott folyamat sebességét vagy költséghatékonyságát.
[1] A jelen szócikkben a jogászi munkák automatizálásával kapcsolatos tárgykört vizsgáljuk, bemutatva e szellemi tevékenység automatizálásának általános jellemzőit és sajátosságait, végül az automatizálás korlátait. E terület igen gyorsan változik, mind a jogi automatizálás eszközeinek képességei, mind az ilyen célra tipikusan használt eszközök köre terén. A kitűzött cél az, hogy a szócikk legalább az elkészítésének pillanatában legyen annyira gyakorlatias jellegű, hogy reflektálni tudjon az ezen időpontban - ha nem is feltétlenül Magyarországon - használt jogi automatizálási eszközök képességeire, tipikus funkcióira. Ennek egyedüli alternatívája az volna, ha a jogi tevékenység automatizálását csak magas absztrakciós szinten mutatná be a szócikk, megfelelő szakirodalmi-terminológiai támogatás nélkül.
[2] A szócikkben jogászi munka alatt a Magyarországon, a jogszabály alapján jogi szakvizsgát igénylő hivatások végzőinek munkáját értjük. Nem célunk az egyes hivatások speciális eszközeit (például a bírósági vagy ügyészségi irat- vagy folyamatkezelő rendszereket) bemutatni, messze túlmutatna a szócikk keretein. Nem tekintjük a szócikkhez tartozónak az olyan tevékenységek vizsgálatát sem, amelyek ugyan az egyes, elsődlegesen jogi feladatokat ellátó szervezetek működésével kapcsolatosak, de az adott tevékenységet a szervezeten belül tipikusan már nem a jogászok végzik, ha a szervezet méretéből fakadóan a munkamegosztásra lehetőség van.
[3] A jogi munkákat dominánsan szellemi tevékenységnek tekintjük, emiatt a jogászi munka automatizálásának vannak sajátos, egyedi jellemzői.
[4] Közgazdasági vagy szociológiai értelemben[1] és a mérnöki tudományok[2] keretén belül is gyakran éles különbséget tesznek a gépesítés és az automatizálás fogalma között, azonban a jogi munkák terén nincs értelme a gépesítést az automatizálástól függetlenül is vizsgálni. Az iratkezelési terminológiát használva ügyviteltechnikainak tekintett tevékenységek gépesíthetők, de kívül esnek a jogászi munka fenti definíciója alól - akkor is, ha azokat éppen egy jogász végzi.
[5] A taylorizmus hódítása óta tudni véljük, hogy a termelési folyamatok hatékonyabbá tételének feltétele a tevékenységi lépések, a folyamatok részletesebb megismerése, például a sorrend és időigény pontos mérése.[3] Bár a taylorizmus a leglátványosabb eredményeket az ipari és mezőgazdasági termelés körében érte el, elvei irányadóak a szellemi tevékenységekre is. Érdekes olvasmány például, hogy már 1921-ben a hazai sebészeti munkákban is milyen nagy jelentőséget tulajdonítottak a taylorizmus elveinek.[4] A taylorizmus modernkori reinkarnációja átfogóbb jelleggel az üzleti folyamatok átalakítását (business process reengineering) vagy irányítását (business process management) tűzi zászlajára, és kifejezetten a termeléstől független, jelentős részben szellemi folyamatokat kívánja hatékonyabbá tenni, többnyire informatikai eszközökkel.[5]
[6] Ebből a szempontból nézve a jogi munka automatizálása sem tér el más szellemi tevékenység automatizálásától: az átfogó feladatokat egyre kisebb, és egyre inkább rutinszerűbb (ügyviteli jellegű) részfeladatokra bontják, átfogó informatikai eszközök, keretrendszerek támogatására építve.[6] Ugyanígy a jogászi munka automatizálására is igaz, hogy az automatizálás nem jár szükségszerűen a folyamatban részt vevő személy képességeinek elértéktelenedésével, sok esetben inkább lehetővé teszi a résztvevők átképzését, képességeinek bővítését és rugalmasabbá tételét (upskilling).[7]
[7] A jogászi munkák automatizálásának megoldásait, stratégiáit illetően azonban már jelentős különbség van az egyes hivatások között, mert az egyes hivatások szervezetileg és gazdaságilag is alapvetően eltérő megközelítést igényelnek. Másra van szükség a nagy szervezetben dolgozó, központi informatikai büdzsével és tervezéssel rendelkező jogászi szakmák esetén (például az Országos Bírósági Hivatal vagy a Legfőbb Ügyészség szerepét a bírói, illetve ügyészi hivatás esetén), másra az erősen szabályozott háttérrel és szintén központi infrastruktúrával dolgozó, de kisebb munkaszervezetek körében (közjegyzők (->közjegyzőség), végrehajtók (->bírósági végrehajtás), másra a költségközpontnak tekintett vállalati jogi osztályok esetén, és természetesen megint másra a saját forrásból dolgozó, profitközpontként működő ügyvédi praxisok esetén (->ügyvédség).
[8] Az alábbiakban a szócikk fő témájaként a jogászi munka automatizálásának néhány tipikus automatizálási eszközét mutatjuk be. A jogászi munka tipikus eszközcsoportjainak bemutatása előtt szükség van arra, hogy általánosabb áttekintést adjunk egy olyan univerzális eszközről, amelynek fontossága 2022 óta vitathatatlan. Ez a sokoldalú feladatok ellátására képes nagy nyelvi modell, ami az MI rendelet[8] szóhasználata szerinti "általános célú MI modell" egy sajátos változata.
[9] Az automatizálási eszközök egyik része eredményfókuszú, azaz az egyes jogi munkák látható végeredménye oldaláról közelíti meg az automatizálás célját. Ennek tipikus képviselője a dokumentumautomatizálás, ahol a cél valamilyen irat (konkrét ügyirat) létrehozása, ami lehet akár ítélet, akár szerződés stb.
[10] Az eszközök másik része jogi jellegű folyamat egészének automatizálására összpontosít, egy kisebb vagy nagyobb folyamat több lépését próbálja lefedni, nyomon követve a lépések közötti átmenetet is. Ide tartoznak az olyan összetett rendszerek is, mint a magyar fizetési meghagyásos eljárás egészének vagy a cégbejegyzési eljárás automatizált támogatása, de olyan egyszerűbb folyamatokat is, mint egy adott szervezetnél az ügyintézést vagy annak lépéseit támogató rendszerek, akár egy pénzmosási vagy más megfelelőségi folyamat gépi támogatása, vagy egy konkrét típusú bírósági, hatósági, alternatív vitarendezési fórumon a döntés meghozatala is.
[11] Az eredmény- vagy folyamatorientált automatizálás közötti különbség természetesen relatív, nem érdemes túlhangsúlyozni a különbséget, mert minden eredményorientált eszköznél is az az észszerű, ha az végső soron egy folyamatorientált automatizálásba épül be.[9]
[12] A felsorolással nem kívánunk teljes körű listát adni mindazon eszközökről, amelyeket a jogászi munka automatizálására vagy gyorsítására lehet használni.
[13] A jogászi szakma számára a mesterséges intelligenciát használó eszközök köre alapvetően az ún. természetes nyelvi feldolgozással (natural language processing) foglalkozó eszközöket jelentette. Ezen a területen azonban a 2010-es évek végén olyan jelentős változások indultak meg, amelyek nemcsak a gépi nyelvi feldolgozási képességeket forradalmasították, hanem a szellemi élet minden területét alapvetően felforgatják, a programozástól kezdve a filozófiáig, a bölcsészettől a természettudományos kutatásokig.
[14] Egészen a 2022-g szinte minden nyelvi feldolgozó eszköz igen szűk körű tevékenységekre fókuszált, és mindenki úgy gondolta, hogy ez a funkcionális sokszínűség tartósan velünk is marad. A mesterséges neuronnak nevezett elemekből felépülő "neurális hálók" sokoldalú felhasználhatóságát már ekkor is minden szakember látta, mégis mindenki úgy vélte, hogy az egyes használni kívánt automatizálási lépések összecsatolása mindig specializált szaktudást fog igényelni. Külön eszközök voltak fordításra, szövegek összefoglalására, szövegek kinyerésére stb.
[15] A tipikus gyakorlati elképzelés az volt, hogy egy új feladat egy neurális háló számára mindig külön tanítást fog igényelni, amelyhez önálló tanítási adatkészletre van szükség: több száz, ezer vagy millió példa kellett arra, hogy milyen bemenetre milyen helyes kimenetet várunk el a neurális hálótól. A neurális hálók is csak ilyen specializált tanítás után voltak képesek a gyakorlatban is jól működni. Ez azonban azt is jelentette, hogy minden apró feladat megvalósítása gépi tanulási szakemberek szaktudását igényelte, és például nem csak a feladathoz illeszkedő felhasználói felület átalakítása volt a feladat. Mindez nyilván leszűkítette azt a kört, hogy reálisan ki lehetett képes ilyen új eszközöket elérhetővé tenni a piacon.
[16] A 2017. évben közzétett transzformer architektúra[10] és különösen a BERT[11] nevű, sikeres és sokoldalú nyelvi modell kapcsán jóval szélesebb körben lehetővé vált azt a megoldást alkalmazni, hogy egy drága (például tízezer dollártól kezdődő) alaptanítás (pretraining) után elegendő már egy - akár több nagyságrenddel - olcsóbb finomhangolást elvégezni. Ez esetben az egyszer már valaki által elvégzett drága tanítás után a feladatspecifikus modellek kialakításához szükséges tanítókészlet összeállítása, és a tanításhoz szükséges szakemberek költsége jelentette már csak a szűk keresztmetszetet.
[17] Az ilyen sokoldalú eszközök esetén a nyelvi modell kifejezés arra utal, hogy a használt modell a képességeit a természetes nyelvi szövegek statisztikai, valószínűségi vagy kézzel írt szabályokban (szimbolikus jelekkel) megfogalmazott összefüggéseire építik. A nagy nyelvi modell kifejezés pedig arra a gyakorlatias felismerésre épített, hogy a neurális hálókra épülő nyelvi modellek esetén jelentős teljesítményjavulást értek el, ha a modellt egyre nagyobb méretű természetes nyelvi szövegeken tanították. A kutatók pedig a teljesítményjavulást megpróbálták felskálázni az interneten elérhető legnagyobb szövegmennyiségek használatával, és akár milliós, tízmillió dolláros nagyságrendű tanítási szakaszokkal. Minél nagyobb volt az (elő)tanítási anyag, minél hosszabb ideig tanították a modellt, annál jobb eredményeket ért el a természetes nyelvi feldolgozó eszközök feladatfüggő teljesítményértékeléseiben (benchmark). Ezért lettek a nyelvi modellek ilyen nagyok.
[18] A felskálázás folyamán ráadásul újabb, váratlan eredményt értek el - azt, hogy a nagyméretű neurális háló - meghatározott felépítés, architektúra esetén - hirtelen egészen újfajta, sokoldalú tanulási képességre is szert tett. Ezt nevezték kontextuson belüli tanulásnak (in-context learning). Ez volt a Generative Pre-trained Transformer (GPT) nevű nyelvi modell nagy meglepetése,[12] amelyet a kettes változatában vették észre, 2019-ben.[13] A hatalmas adatmennyiségnek köszönhetően a modell következő változata igen sokoldalúnak bizonyult, és látványos eredményeket ért el a szövegértési és mintafelismerési feladatok széles spektrumán.
[19] Tehát a nagy tanítási szöveganyagnak köszönhetően egy úgynevezett metatanulási képességre tehet szert a nyelvi modell.[14] Ennek köszönhetően még a finomhangolás költségét is számos esetben meg lehetett takarítani, mert a modell már néhány példából, sőt példa nélkül is, pusztán a feladat nyelvtani megfogalmazásából hatékonyan felismeri, beazonosítja a helyes válasz megadásához szükséges mintákat.
[20] Azaz eltérő feladatok megvalósításához elég volt a bemenő feladat szövegét (promptot) változtatni, legfeljebb néhány példa megadásával. Már a GPT-2 nagy változatai is több százezer dolláros tanítási költséget igényeltek, az egy évvel később elkészült GPT-3[15] pedig egy egészen más nagyságrendű megoldás volt, millió dolláros nagyságrendű tanítási költséggel. Ezért cserébe a GPT-3 képességei a szakemberek számára sem hagytak kétséget afelől, hogy ezúttal eddig soha nem látott nyelvi feldolgozási módszerről van szó. A modell kontextuson belüli tanulási képessége, amikor már nem szükséges a modell súlyait utólag tanításokkal vagy finomhangolásokkal módosítani, számos területen jelentősen meghaladta a korábbi legjobb, feladatokra specializált gépi megoldásokat is.
[21] Ennek köszönhetően pedig nemcsak a feladatspecifikus tanítás lett olcsóbb, hanem olyan, gyakran változó és nehezen automatizálható területek is automatizálhatóvá váltak, mint amilyen a jogi munka is. Egy újfajta szövegelemzéshez vagy szövegkinyeréshez, szöveggeneráláshoz nem kellett újratanítani a gépi modellt, elég volt módosítani a promptot, a bemenő utasítást, amit már egy végfelhasználó is megtehet, nem csak valamely specialista. A jogi feladatok automatizálásánál ugyanis eddig komoly akadályt jelentett az, hogy maga a jogászi munkafolyamat nem volt strukturált, nem volt részekre bontva, beleértve a probléma és a feladatok (laikus általi) megfogalmazását. Minden érdemi lépés lényegében a magasan kvalifikált, specialista ügyintéző, a jogász fejében zajlott, legfeljebb olyan részeket rögzített le, ahol a jogi folyamat más szereplőivel való interakció volt szükséges (például egyik ügyintézőtől a másik ügyintézőhöz átadni, tervezetek jóváhagyása stb.).
[22] A nagy nyelvi modellek ezen sokoldalú generációjának köszönhetően még az is elvi lehetőséggé vált, hogy gazdaságos legyen egy egyszemélyes jogi munkaszervezet (akár ügyvéd) automatizálása vagy automatizálási támogatása. Az új eszköznek köszönhetően a korábban említett taylorizmus szemlélete a jogi területen is ki tudja fejteni transzformatív, átalakító hatását. Ráadásul ennek a felskálázott tanításnak az eredményessége nemcsak az angol nyelven működött eredményesen, hanem kisebb nyelveken is. Hiába van például a GPT-3 tanítóanyagában is csak kb. 1%-nyi magyar nyelvű tanítóanyag, ez már elegendő a folyékony magyar nyelvű nyelvhasználathoz is (a többi nyelvű tanítóanyag méretének is köszönhetően).
[23] A legnagyobb nyelvi modellek ma biztosan alkalmasak arra, hogy az ember által generált szövegtől nehezen megkülönböztethető minőségű szöveget hozzanak létre, illetve a megadott minták alapján nyelvileg helyesen bonyolult átalakításokat elvégezzenek egyes mintaszövegeken, legyenek azok szerződéses vagy ítéleti rendelkezések. Azonban ebből még nem következik, hogy ne lennének e modellek használatának is alapvető alkalmazási korlátai, amelyeket például a GPT modell közzétevői is oldalakon keresztül sorolnak.[16]
[24] Nézzük azonban inkább a jogi automatizálás fő használati területeit.
[25] A szöveggeneráló eszközök egyik tipikus, piacilag is a legrégebb óta létező csoportja a dokumentum összeállító eszközök köre.[17] A dokumentum összeállító eszközök között jelentős eltérés van abban, hogy milyen folyamatot céloznak, milyen szervezeti környezethez kívánnak igazodni. Ezek az eszközök megcélozhatják a magyar viszonyok között elképzelhetetlen méretű nagyvállalatokat (például heti tízezer írásban kötött szerződés támogatása), de az egyéni felhasználókat is.
[26] A nagyobb felhasználók esetén elvárás, hogy a dokumentum összeállítási funkciók integrálódjanak egy-egy speciális dokumentumtípus életciklusával kapcsolatos műveletekbe (például egy ingatlan vagy védjegy hasznosításával kapcsolatos szerződések tárgyalásának nyomon követése, majd azok életének nyilvántartása). Ilyen nagyszámú szerződéskötés esetén elkerülhetetlen, hogy a szerződéskötési folyamatban normális esetben résztvevő jogászok tudását - amennyire csak lehet - rögzítsék, "átvigyék" az eszközbe.
[27] A nagyobb felhasználók esetén a termék bevezetése szükségszerűen egy önálló projekt, ami számos professzionális üzleti elemző vizsgálatára, majd informatikai fejlesztők tevékenységére épül, az egyes sablonok tervezését is szakemberek végzik. Ezzel szemben a kisméretű felhasználókat célzó megoldások esetén mind a bevezetést, mind a tervezési fázist végtelenül le kell egyszerűsíteni, mert maguknak a jogászoknak kell tudniuk beazonosítani az automatizálási lehetőségeket és megtervezni a sablonokat.
[28] A célcsoporttól függetlenül az eszközök működése két alapvető fázisra osztható:
• egyrészről a sablonok megtervezését támogató fázisra, és
• a tervezett sablonok használatára vonatkozó fázisra.
A tervezési fázisban a használni kívánt szövegváltozatokon túl kell rögzíteni az "üzleti logikát" vagy a jogi tudást rögzítő réteget is - ez biztosítja a választható szövegváltozatok közötti kapcsolatot, és a szöveg létrehozásához szükséges változók és adatok begyűjtését is (például a használati fázis során a felhasználóval folytatott interjú során bekért adatok, vagy a külső adatkapcsolatokból nyert adatok, illetve az ezeken végzett, a sablonhoz kapcsolódóan előre meghatározott automatizált műveletek eredménye).
[29] A szöveggeneráló eszköz működési fázisától független kérdés, hogy az eszköz készítői a kívánt szöveges eredmény létrehozásával kapcsolatosan milyen problémakörre fókuszálnak, azaz milyen funkciókat kínálnak az automatizálás részeként. Egyes funkciók az interjú minél sokoldalúbb megtervezését támogatják (ami a nem szövegszerkesztőre épülő megoldások esetén az egyik elsődleges felhasználói felület), mások az üzleti logika vagy a jogi tudás eszközbeli rögzítését kívánják elősegíteni. Vannak eszközök, amelyek külön figyelmet fordítanak az így kialakított, pusztán jogi szöveg előre meghatározott arculat szerinti átalakítására, formázására. Az már az eszköz készítőinek fejlesztési és marketing döntésein múlik, hogy az eszköz a fentiek közül milyen típusú funkciókra összpontosít inkább.
[30] Szervesen illeszkedik a fenti funkciókörbe az is, ha az eszköz a szöveg elkészítésén túl a szöveg tárgyalásának a folyamatát is támogatja, vagy ha a letárgyalt szövegek jogi vagy szervezeti előírásoknak való megfelelését ellenőrzi (akár kockázatfelméréssel, akár a szervezeti szabályok betartásának ellenőrzéséhez szükséges bizonyítékok begyűjtésével). Ezeket jelenleg szerződéses tárgyalást vagy szerződéses kockázatkezelést támogató eszközöknek hívják. Ilyen esetben azonban a hangsúly a hagyományosan eredményfókuszú dokumentum összeállító eszközről már átkerül a folyamatorientált támogatásra. Ez utóbbi körbe tartoznak a tipikusan szerződés (dokumentum) életciklus kezelési rendszernek (contract lifecycle management) nevezett eszközök. Ezek a folyamattámogató eszközök pedig természetszerűleg átvezetnek az olyan, hagyományosan nem jogászok által végzett feladatok támogatásához is, mint a szerződések megszűnésének figyelése, az újratárgyalások szükségességének jelzése, vagy akár a szerződéskötés (aláírás) és tárolás technikai lépéseinek támogatása.
[31] Az utóbbi években már csak olyan dokumentum összeállító és szerződéses folyamattámogató eszközöket érdemes piacra dobni, amelyek a számítógépes nyelvfeldolgozás vívmányaival segítik a sablontervezés, a jogi tudás rögzítésének és a szöveggenerálásnak a folyamatát is. A sablontervezés és -karbantartás egyik legfáradságosabb feladata az, amikor egy adott emberi nyelvi megjelenítést próbálnak az üzleti logikához kötni. Ilyen lehet egy egyszerű egyes szám, többes szám vagy nyelvtani ragozás megfeleltetése - ha a kimeneti szöveget mindenképpen át kell olvasni, mert például a helyes névelőt a program nem tudja az adott nyelvre biztosítani, akkor az az automatizálás gazdasági akadályává is válhat.[18] Kevesen tartják a jogászi munka magas hozzáadott értékű részének, amikor például egy ingatlan adásvételi rendelkezést át kell fogalmazni egyes számból többes számba, akár azért, mert az eladók létszáma, akár azért, mert az adásvétel tárgya változott egyről kettőre. Ezt ma már nagy biztonsággal el tudják végezni a természetes nyelvfeldolgozás (natural language processing) eszközei.
[32] A nyelvi feldolgozó eszközök lehetőségei nyilvánvalóan már nem szorítkoznak az egyszerű nyelvtani átalakításokra. Számos újfajta felhasználást tesz lehetővé, ha a dokumentum összeállító funkciókat összekötik a jogi tudásbázis magasabb szintű rögzítésével. Ilyenkor a sablontervezés során nem egyszerűen nyelvtanilag megformált mondatokat rögzítenek, hanem a szöveg tárgyával kapcsolatos olyan leíró tartalmat, amelyet már a nagy nyelvi modellek magas megbízhatósággal tudnak a konkrét helyzethez - a konkrét jogterülethez, az interjú során adott válaszokhoz, változókhoz - igazítani. Így az üzleti felhasználónak elegendő az interjú során kiválasztania, hogy mi a módostandó szerződés és melyek a megállapodás szerinti új árak vagy termékek, és az adott árhoz vagy terméktípushoz nyelvileg igazított rendelkezés kerül bele a szerződésmódosításba, noha a jóváhagyott szerződéses szövegtárban elegendő egy általánosabb kockázatkezelő instrukciót rögzíteni, nem kell minden lehetséges szövegváltozatot előre leírni.
[33] Ezzel nem csak a konkrét szöveggenerálás műveletét lehet következetesebbé, kiszámíthatóbbá (és esetleg gyorsabbá) tenni, hanem lehetővé válik olyan központi tudáskezelő szervezeti egységek felállítása is, amely funkciót eddig csak vezetői körlevelek vagy leiratok tudtak biztosítani. Ilyen, a tudáskezelésért felelős szervezeti egység feladata az absztrahált jogi tudás rögzítése valamely leíró nyelven (például milyen tényállás és logikai kapcsolat esetén milyen következtetést vonjon le), amely a dokumentum összeállító eszközök számára bemenetként szolgál a végső szöveg létrehozásához. Ezáltal a dokumentum összeállító szoftverekben eredetileg egységesen az üzleti logikában megjelenő komplex feladatok egyszerűbb részfeladatokká bonthatók (például a jogi tudásmenedzsment leválasztása az üzleti szövegváltozatok megjelenítésétől), lehetővé téve több szereplő együttműködését.
[34] A dokumentum összeállító eszközökön kívül meg kell még említeni az olyan egyszerűbb eszközöket is, mint a szövegírás egyes funkcióit támogató eszközök, bővítmények. A már mindenki által jól ismert helyesírás-ellenőrzésen túl ide tartoznak a szöveggyűjtemények (klauzulák) tárolása és beillesztése is, a jogi hivatkozásokat ellenőrző eszközök, illetve újabban a használt nyelvezet stílusával szemben támasztott szervezeti követelmények teljesítését támogató eszközök.[19] Mivel ezeket a feladatokat is kiválóan ellátják a nagy nyelvi modellek, ezek a szövegírás támogatási funkciók is gyakorlatilag azonos háttérrendszerre, a nagy nyelvi modellre épülnek, csak eltérő utasításokkal és saját felhasználói felülettel.
[35] Míg a szöveggeneráló eszközök körét legalább negyven éve a kisebb jogászi szervezetekben is alkalmazzák, csak nem túl széles körben, addig a dokumentumelemzés képességei az utóbbi néhány évben nőttek meg olyan mértékben, hogy valóban újfajta piacról is beszélhessünk. Ezt a fajta forradalmi változást is a nyelvi feldolgozó eszközök képességeinek ugrásszerű megnövekedése tette lehetővé. A nyelvi feldolgozó eszközök lényegi képessége tulajdonképpen ugyanaz a dokumentumelemzések és a jogi keresők újfajta generációja esetén is - de a dokumentumelemzés tárgya a jogász által vizsgálni kívánt egyedi dokumentum vagy dokumentum halmaz, nem pedig egy hagyományos formában közzétett jogforrás vagy bírói ítélet.
[36] Ezekről az újfajta nyelvi eszközökről sem feltételezzük, hogy a szöveget emberi értelemben képesek "megérteni", de a megértésnek vannak olyan gépi közelítései, amelyek funkcionális szempontból jól használhatóak. Azaz a "megértés" kifejezésnek van egy filozófiai-társadalmi jelentősége, ami miatt soha nem lesz egyértelmű, hogy a gépi megértés mennyiben közelít az emberi megértéshez. Az automatizált szövegértés eredetileg előre meghatározott nyelvtani szabályrendszereken alapult,[20] de a nagy nyelvi modellek sikere óta ez a terület is szinte kizárólag a nagy mennyiségű szövegen betanított neurális háló modellekre épül már.
[37] A neurális hálóra épülő szövegértési megoldások esetén, ha használnak még külön tanítási lépést, akkor összegyűjtik azokat a szövegjellemzőket, amelyek alapján hasznos következtetéseket tudnak levonni magára a szöveg tartalmára (például az egyes szavak a tipikus szövegkörnyezetük alapján kapnak egy rájuk jellemző következtetési valószínűségi eredményt, "jelentést"). Ez a tanítás eredetileg jelentős emberi munkára épült (például emberek kézzel megjelölték a szöveg tanításhoz szükséges jellemzőit egy ún. annotáció során), de a nagy nyelvi modellek körében már tipikusabb a feladatoktól független szövegértési eszközök (elemző kérdések, promptok) használata.
[38] Természetesen egy dokumentumot rengeteg eltérő szempontból lehet elemezni, ezért még a sokoldalú nagy nyelvi modellek korában is hasznos, ha egy-egy eszközt egy konkrét dokumentumelemzési célhoz igazítjuk: akár feladatspecifikus példákat adnak, akár egy feladatspecifikus munkafolyamatot (workflow, pipeline) alakítanak ki: ez utóbbi jelenthet egy több, egymásra épülő kérdésből, akár több, neurális vagy nem neurális háló jellegű továbbfeldolgozási technikai lépésből álló összetett folyamatot.
[39] Ha a megszűnéssel vagy a hatállyal kapcsolatos egyedi rendelkezéseket szeretnénk kigyűjteni egy kétszázas dokumentum csomagból, akkor még ma is célszerű, ha előtte legalább néhány példával instruáljuk a feladatra használt modellt (few shot learning), például úgy, hogy egy hatállyal kapcsolatos rendelkezésnek melyek a tipikus szövegváltozatai. A legjobb teljesítmény érdekében pedig akár ún. finomhangolási módszerrel az adott modellt ma is érdemes lehet továbbtanítani. Ez esetben néhány tucat, száz vagy ezer példa alapján a neurális háló súlyait hozzáigazítják a konkrét feladathoz. (Feltéve persze, hogy a modell súlyai a rendelkezésünkre állnak vagy a modell szolgáltatója ezt a továbbtanítást más módon biztosítja, és feltéve természetesen, hogy olyan méretű modellt használunk, ahol ez gazdaságosan megvalósítható.) Ezt a felismerési feladatot osztályozási vagy klasszifikációs típusú feladatnak minősítik.
[40] Ehhez képest más jellegű a feladat, ha a célunk már nemcsak az, hogy felismerje a hatállyal kapcsolatos rendelkezéseket, hanem az is, hogy kivonatolja nekünk, hogy például mi a határozott időtartam lejártának időpontja a szerződésben. Ezt információkinyerési (szövegkinyerési) feladatnak hívják. Ez vonatkozhat időtartamra, helyszínre, összegekre (például vételárra), és ráépíthetők olyan további automatizálási lépések is, mint hogy naptári nap szerint jelenítse meg, mit jelent az adott mondatban a "tegnap" vagy a "két év múlva". Sőt, e feladattípusra ma már olyan komplex megoldásokat is építenek, hogy a tárgyalási jegyzőkönyvekből, tanúvallomásokból, szakértői véleményekből az eszköz építsen fel egy komplett idővonalat (ki szerint milyen esemény és mikor történt), esetleg emelje ki az egyes idővonalakban feltárható ellentmondásokat is.
[41] A dokumentumelemzés harmadik fő eszköze a szövegek összegzése, amikor a feladat az, hogy egy hosszabb kijelölt szöveg tartalmát tömörítse össze egy adott terjedelemre, és emelje ki belőle a lényegesebb pontokat. E területen a külön betanításnak akkor van haszna, ha az adott felhasználási körben sajátos jelentése van annak, hogy mi is a szöveg "lényege", és melyek azok a részletek, amelyeket indokolt szó szerint megjeleníteni a kivonatban.
[42] Bár ma a dokumentumelemző eszközök tipikusan nagy nyelvi modelleket használnak "motorként", de ettől még a dokumentumelemzés nem egyszerűsíthető le a nagy nyelvi modell felé megfogalmazott egyetlen kérdéssé (prompttá). Az önálló feladatokat ma is célszerű önálló lépésekre bontani, a konkrét lépéshez igazodó egyedi felhasználói felülettel (front enddel), akár a bemenő adatok megadása, akár a végeredmény értékelése oldaláról. Így a mai, mesterséges intelligenciára épülő dokumentumelemző eszközök is a fenti funkciókból rakják össze a saját képességeiket, kínálatukat, az önálló funkciókat egy támogatott folyamatban kapcsolják össze. Lehetőség van arra is, hogy egy hétköznapi nagy nyelvi modell átlagos chat felhasználói felületére feltöltjük az elemezni kívánt dokumentumokat, és közvetlen kérdéseket teszünk fel, azért a kifejezetten dokumentumelemző eszközök a konkrét feladatra fókuszáló plusz felülettel rendelkeznek. Például egy kifejezetten szerződéselemző eszköznél táblázatos formában kapjuk meg a kérdésekre a válaszokat, vagy egyes kérdések megválaszolásának teljesítményét előzetes tanítással javítják az általános nyelvi modellek teljesítményéhez képest.
[43] A chatbot kategóriába azokat az eszközöket soroljuk, amelyek elsődleges célja az emberi párbeszédes kommunikáció szimulációja, közelítése.[21] Míg korábban a chatbottal kapcsolatos problémák meghatározó része a telefóniához kapcsolódott (telefonos chatbotok, beszélt szöveg megértése), addig a digitális csatornák (web, közösségi média, üzenetküldő alkalmazások, virtuális valóságok) használatának bővülésével a chatbottal kapcsolatosan is ezek a digitális párbeszédi felhasználások helyeződtek előtérbe. A beszédgeneráló és beszédértő (leiratozó) rendszerek utóbbi években bekövetkezett ugrásszerű fejlődése miatt a hang- és szöveges alapú chatbot alkalmazások között már ritkán kell éles különbséget tenni.
[44] Ahogyan erről már részletesen írtunk, elsődlegesen nem a "chatbot" funkció az, ami a jogi munka automatizálásának lehetőségeit jelentősen kiszélesíti, hanem a chatbotok mögött működő nagy nyelvi modellek képességei. A chatbot eszközök azonban így is alkalmasak arra, hogy közelebb hozza, láthatóvá és elérhetővé tegye ezeket a nagy nyelvi modelleket is a nagyközönség számára: a chatbotok elsődleges használata már inkább az, hogy közvetlen felhasználói felületet biztosít a sokoldalú nyelvi modellek képességeihez.[22] Ezt meghaladóan a chatbotok inkább az ügyfélszolgálati és PR-kapcsolati tevékenységet segítik, mintsem a jogászi munkák automatizálását.
[45] Az ilyen szűkebb értelemben vett chatbot használatában megkülönböztethetünk
• külsős, az ügyfelekkel, a szervezeten kívüli szereplőkkel való kapcsolattartási célú használatot, és
• belsős használatot, amikor a párbeszédes képességek az egyes munkaköri feladatok ellátását szolgálják.
[46] Azt, hogy egy külsős felhasználásban indokolt-e chatbotot használni, elsődlegesen gazdaságossági kérdés, a kiváltandó kommunikáció mennyiségétől és jellemzőitől függ, de alapvetően nem a jogászi munkakörökhöz kapcsolódó automatizálási feladat, hanem ügyfélszolgálati probléma, így nem is tartozik a jelen szócikk tárgykörébe. Így is érdemes azonban a lehetséges felhasználások körét jelezni: automatizálhatók egyes ügykezelési folyamatok, mint a beküldések átadás-átvételének igazolása, időpontok foglalása, a gyakori kérdések megválaszolása egy tudásbázisból, vagy az ügyfelek megismerésével, átvilágításával kapcsolatos műveletek. Ezeknél a felhasználásoknál is láthatjuk, hogy önmagában a chatbot nem használható még automatizálásra, mert a chatbot csak egy párbeszédes réteget biztosít az üzleti (jelen esetben ügyviteli) rétegekhez. Tehát a chatbot feladata a megadott szöveg (beszéd, szándék) további, folyamatba épülő automatizáláshoz szükséges megértése, valamint adott szövegtípusok esetén az olyan részletek kinyerése, mint például milyen típusú ügyben vagy milyen időpontra is szeretne időpontot foglalni az illető (és mit ért például a tegnap alatt), de a további automatizálás rétegek nélkül legfeljebb marketing vagy PR-kapcsolati célokra használható.
[47] A chatbotok kommunikációs fókusza nemcsak az ügyfelekkel való kapcsolattartásban jelenthet előnyt, hanem a belsős, jogászi munkahelyen belüli használat szempontjából is. Az egyik ilyen lehetséges felhasználás a felhasználói felületek egyszerűsítése és homogenizálása. Például egy nagyobb méretű szervezet és nagyobb tudásbázisok esetén komoly előnyt jelenthet, ha a belső tudásmenedzsment részeként a tudásbázisokból való lekérdezést chatbotok is tudják támogatni. Ezek a tudásbázisok szolgálhatnak akár képzési, betanítási célokat is, de segíthetik a már tapasztalt felhasználókat is, amikor a minél következetesebb, egységes használatot kell biztosítani.
[48] Természetesen a tudásbázisból való lekérdezés megvalósítható számtalan más technikai módon is, tárgymutatóval vagy szöveges kereséssel, de már évek óta minden nagyobb kereső természetes nyelvi modellek segítségével próbálja a keresések találatait minél relevánsabbá tenni. Azaz nem egyszerűen a keresendő szavak, kifejezések tárgymutató szerinti kikeresésével és a találatok súlyozásával próbálja szűkíteni a találatok körét, hanem a 3.2. pontban leírt szövegértési módszerekkel: a saját "gépi megértési" módszertanával a feltett kérdést kiértékeli, majd a kiértékelés eredménye alapján keresi meg az ahhoz hasonló szöveghelyeket, és ezeket dobja ki találatként.
[49] Ugyanez az előny a belső felhasználásoknál is megjelenik, ha kellően nagy szöveghelyről van szó. Így egy nagyobb méretű tudásbázis tartalmára nem csak szerkezetében vagy szövegesen lehet rákeresni, hanem párbeszédes formában is, visszautalva akár korábbi kérdésekre is a keresések pontosítása során.
[50] A chatbot párbeszédes jellege abban is segítheti a felhasználókat, hogy egy egységes, és fejlesztési szempontból rugalmasan alakítható felületen keresztül érhet el több heterogén belső rendszert (például a dokumentumtár kezelését, az informatikai ügyfélszolgálatot, munkaügyi nyilvántartásokat is).
[51] Bár a chatbot által jellemzett megoldások a tudás minél egyszerűbb rögzítésében és absztrahálásában is segíthetnek (például a tudásbázisba tartozó szöveg megadásával és átalakításával), de az érdemi munkát itt nem a chatbot végzi, hanem az a szövegértést és összefoglalást, átalakítást végző nyelvi modell, amelyhez a chatbot integrálva van.
[52] Míg a dokumentum létrehozásával és elemzésével kapcsolatos automatizálás elsősorban egy-egy folyamati eredményre összpontosít, addig a jogászi munkák automatizálásának másik nagy területe a jogi folyamatok egészének automatizálása.
[53] Az egyik szakirodalmi forrás szerint a folyamat fogalma a következőként határozható meg:
munkatevékenységek idő és hely szerinti meghatározott sorba rendezése, amely rendelkezik kezdéssel, befejezéssel és világosan meghatározott be- és kimenetekkel, a tevékenység egy szerkezetét jelenti.[23]
A folyamatok automatizálását szolgáló eszközök tehát feltételezik, hogy az azt bevezető szervezetnél, működési egységnél már léteznek - ha nem is dokumentáltan, de legalább a gyakorlatban - kialakított önálló folyamatok, és az automatizálás az egyes folyamati lépések közötti átmenetet vagy a folyamatok során rögzítendő, módosítandó be- vagy kimeneti adatokat érinti.
[54] A folyamati automatizálás nem digitális folyamatok esetén is megvalósítható, csak arányaiban költséges, mert feltételezi a működő folyamat adatainak kézi rögzítését és gépi nyomon követését (például papír alapú iratok iktatása, posta- és átadókönyvbeli rögzítése), azaz a manuális (a gyakorlatban többnyire egységesen működő) folyamatoknak fenn kell tartani egy digitális "ikerpárját".
[55] Az egyes jogászi munkafolyamatokat minél inkább digitális környezetben végzik, informatikailag annál egyszerűbb lesz a munkafolyamattal kapcsolatos adatok széles körű kinyerése, és a munkafolyamat pontos nyomon követése, valamint az egyes folyamatok gépi (emberi adatrögzítés nélküli) összekötése. Ettől függetlenül a kis szervezetek a folyamatautomatizálás szempontjából számottevő hátrányban vannak a nagyobb szervezetekhez képest, hiszen, mint fentebb írtuk, a folyamatautomatizálás feltételezi a kialakított, standardizált folyamatokat, amely kis üzemméretek esetén akkor sem feltétlenül gazdaságos, ha már eleve, minden lépését illetően elektronikus. A kis üzemméret esetén a folyamati szabályozottság kikényszerítése ugyanis már önmagában többlet adminisztrációs terhet jelent.
[56] A hazai nagyméretű munkaszervezetek esetén ennek a digitalizáció első lépései már a XX. század derekán megkezdődtek a nyilvántartások elektronikus vezetésével, és ez teljesedik ki lassan-lassan az elektronikus ügyintézésre való belső, folyamati átállásokban is (amikor nemcsak az ügyfélkapcsolat elektronikus, hanem egyre szélesebb körben a belső működés is).
[57] Említettük, hogy kisebb üzemméretű szervezetek vagy egyszemélyes működés esetén az operatív folyamatok jóval egyszerűbbek és egyúttal kevésbé dokumentáltak is. Számos esetben a belső adminisztrációs igények önmagukban nem kényszerítenék ki a folyamatok elkülönülését, szabályozottságát, így nyomon követhetőséget sem, és ezért magától az automatizálás igénye sem merülne fel e körben. Azonban a szervezetek méretétől függetlenül gyakran külső okok kényszerítik ki a folyamatbeli szabályozottságot, és egyúttal az új folyamatok automatizálását. Ilyen külső okok lehetnek
• a szabályozási elvárások, vagy
• a jogi szervezetek egymás közötti szabályozott kapcsolattartása.
Például azáltal, hogy az ügyvédek hozzáférhetnek a személyiadat- és lakcímnyilvántartási adatokhoz a pénzmosás elleni küzdelemhez szükséges ellenőrzések végett, új nyilvántartási kötelezettségeket kell teljesíteniük, hogy így ki lehessen szűrni a visszaélésszerű lekérdezéseket is. Az új nyilvántartási kötelezettségek köre az elektronikus ügyintézés szélesedésével egyre bővül, és amikor már például három eltérő nyilvántartást kellene vezetni az ügyfelek adatairól, akkor gazdaságilag is észszerűvé válik az, hogy akár egy egyszemélyes ügyvédi praxis folyamatait is elkezdjék automatizálni.
[58] Az ügynyilvántartásokon túl szükségessé válik az ügyfelekre és más személyekre vonatkozó törzsadatbázisok vezetése, az ügyfél felvételével kapcsolatos folyamatok szabályozása, és biztosítani kell az egyes nyilvántartások közötti automatikus adatáramlást, adatkapcsolatot.
[59] Hasonló hatással bírt az elektronikus ügyintézés kötelezővé tétele a legkisebb közhatalmi vagy hatósági szervezetek esetén is. Például a hatósági hatáskörrel rendelkező kis területi kamarák adminisztratív terhei is jelentősen megnőttek az elektronikus ügyintézés kötelezővé válásával. Bár a köziratokról szóló szabályozás alapján az iktatásra és iratkezelésre eddig is kötelesek voltak, de a 2015. évi CCXXII. törvény előírásai miatt kötelessé váltak hivatali kapu nyitására, csatlakozni kellett a rendelkezési nyilvántartáshoz és az összerendelési nyilvántartáshoz, hatósági célra minősített elektronikus aláírást kellett beszerezniük stb. Míg korábban az ilyen szervezeti méret esetén jól működhetett a folyamatok nem szabályozott követése (pusztán az ügyintézők vagy ügykezelők "fejében"), addigra az új szabályozások egyfajta folyamati szabályozottságot, sőt, automatizációt is kikényszerítettek.
[60] A jogászi munkafolyamatok automatizálásában is fontos szerepet töltenek be azok az eszközök, amelyek kifejezetten a folyamatszabályozás megvalósítását támogatják, akárcsak nagyon alacsony, technikai szinten is. Ilyen lehet az egyes folyamatok, feladatok nyomon követésére szolgáló nyilvántartás vagy az egymással informatikailag együtt nem működő rendszerek közötti adatáramlás "kierőszakolása", lehetővé tétele. Számos alkalmazás esetén azok fejlesztői nem tudtak más hasonló alkalmazásra figyelemmel fejleszteni, így nem egyszerű az alkalmazások közötti együttműködés biztosítása. Noha a helyi eszközön tárolt állományokban, adatbázisban tárolt adatokhoz technikailag gyakran hozzá is férhetnek más alkalmazások, ez a fajta rugalmas együttműködés lehet, hogy mindkét alkalmazásból hiányzik. Ilyenkor lesz jelentősége a köztes, összekapcsoló rétegeknek, alkalmazásoknak. Végső esetben ilyen jellegű köztes réteg az is, amikor az ügyintézőnél futó számítógépen egy háttér alkalmazás megpróbálja beazonosítani az egyszerre futó felhasználói felületi elemek tartalmát (akár az adott esetben használt weboldal tartalmának feltérképezésével, a képernyő tartalmának "letapogatásával", akár a futtatási környezeten keresztül elérhető, az aktuális alkalmazásokról rendelkezésre álló operációs rendszerben elérhető adatok beolvasásával), és elküldi más alkalmazásoknak. Ezt az eszköztípust nevezik jelenleg robotic process automation eszközöknek, amelyeknek a fő célja, hogy bármilyen eszközzel is, de elérje az egyes programok közötti együttműködést, akár akkor is, ha az alkalmazások eredeti fejlesztője ezt szándékosan, saját piaci érdekeinek védelme érdekében próbálta elkerülni.
[61] A folyamatok összeillesztését szolgáló rugalmas eszközöket általában egy adott (nagyobb méretű) operatív szervezet konkrét folyamataihoz kell igazítani, mint például egy ügyféltől beérkező emailt annak bizonyos mezői alapján be tud sorolni valamelyik folyamatba, és a folyamathoz egyedileg meghatározott tartalmat kinyeri az e-mailből, azt rögzíti egy nyilvántartásában, és a javasolt műveletet elküldi jóváhagyásra egy megadott szereplőhöz.
[62] A folyamatautomatizálási eszközök tehát igen sokfélék, alapvetően a szervezettől és annak működési folyamataitól, meglévő eszközeitől függ a használhatóságuk. Ügyvédi irodák esetén ezeket tipikusan praxis- vagy ügykezelő rendszereknek nevezik (ha használnak ilyet egyáltalán, ami jelenleg nem tipikus Magyarországon), nem piaci szervezeteknél az automatizálási funkciókat pedig gyakran több, egymástól külön kifejlesztett rendszerek közötti kapcsolat kiépítésével lehet csak megvalósítani (például ügyviteli alkalmazások, ügyintézési rendszerek, iratkezelési és folyamattámogatási rendszerek, dokumentumkezelő rendszerek stb. között).
[63] A folyamatautomatizálási eszközök körébe sorolhatjuk még az olyan automatizálási eszközöket is, amelyek a jelen szócikkben külön kategóriát nem kaptak. Így például ide tartozhatnak azok a közel teljesen automatizált döntési folyamatok is, ahol megmaradt az az elvárás, hogy legyen a folyamatba beépítve egy jogászi személyes felülvizsgálat, legyen szó akár online vitarendezésről vagy hatósági tömeges döntéshozatalról. Persze a teljesen automatikus döntési folyamatok is folyamatautomatizálási eszközöknek tekinthetők, csak ott már nem biztos, hogy érdemes a jogászi munka automatizálásáról beszélni.
[64] A folyamatautomatizálási eszközökben tehát csak az a közös, hogy egy meghatározott, egyszerűbb vagy komplexebb szervezeti-működési folyamat szempontjából próbálják támogatni a jogászi munka automatizálását. Eszközeinek köre azonban elsődlegesen a mindenkori működési szervezethez és annak folyamataihoz kell, hogy igazodjon, így az eszközök oldaláról egyedi sajátosságot nem lehet találni - legfeljebb a kifejezetten integrációs célokat szolgáló, ún. robotic process automation típusú eszközök körét lehet ilyen sajátos csoportként kiemelni.
[65] A jogászi munka automatizálásának korlátaira három fő csoportban mutatunk példákat:
• műszaki-folyamati akadály;
• gazdasági (költséghatékonysági) akadály;
• stratégiai akadály (az automatizálás társadalmilag nem kívánatos vagy fogalmilag kizárt).
[66] A folyamatközpontú automatizálás fogalmi feltétele, hogy a folyamat egy bemeneti információból előállítson egy elvárt kimenetet. Ebből kifolyólag az automatizálás egyik tipikus technikai akadálya éppen az, hogy egy adott jogászi munka kapcsán az elvégzendő tevékenység nincsen olyan részletességgel leírva, meghatározva, hogy az előállítható legyen egy automatizmus segítségével, akár csak az elvárt végeredmény felől nézve.
[67] Ha az automatizálás műszaki-folyamati akadályait az emberek (ügyfelek, jogkeresők) életében felmerülő "jogi problémák" oldaláról nézzük,
• az első akadály az szokott lenni, hogy sok esetben nem is tudatosul az emberekben, hogy az adott probléma, gond jogi jellegű probléma, és a jogászi hivatás művelőjéhez kellene fordulniuk (és például nem a rendőrséghez);[24]
• a második akadály pedig az, hogy a jogi nyelv sajátosságai miatt az életbeli problémát nem tudják úgy megfogalmazni, hogy az a döntéshozatalhoz szükséges információkat tartalmazza.
A köznyelvi kifejezések, a jogkereső személlyel és szituációjával összefüggő kontextuális információk, és az ezekből a gyakorlat és a "józan gondolkodás" útján levonható következtetésekből lehet csak a valóban megoldandó jogi problémát diagnosztizálni, így a konkrét ellátandó jogi feladatot meghatározni. Hasonlóan az orvosi esetekhez, itt is gyakori, hogy presztízs- vagy más okokból az ügyfél a jogi problémáját illetően már kész és téves "diagnózissal" (prekoncepcióval) érkezik, és a jogászi munka részét képezi e prekoncepció felülvizsgálata, beleértve azt az érzékeny tevékenységet is, hogy az ügyfelet a tévedéséről úgy tudja meggyőzni, hogy a méltósága a legkevésbé sérüljön. Ez igazából minden olyan jogászi hivatás sajátossága, ahol van közvetlen ügyfélkapcsolat.
[68] Ettől függetlenül természetesen igen nagy számban vannak olyan jogi problémák, amit megbízhatóan le lehet fedni tipikus esetekkel, amelyek jól felismerhetők, akár csak statisztikai (valószínűségi) alapokon. Az emberek és a vállalkozások jogi problémáinak azonban jelentős része emiatt mindaddig - mondhatni műszaki okokból - kívül esik az automatizálhatóságon, amíg szükséges lehet erre a fajta, a szakértői munkára jellemző humán felülbírálatra. Az ilyen típusú problémák esetén az automatizálhatóság első lépése mindig a jogász bevonása, és csak ő döntheti el az elindítandó, már automatizált folyamatot, nem pedig maga a jogkereső személy, például egy legaltech portálon egy menüpontra kattintva.
[69] Szintén műszaki-folyamati jellegű akadályt okoz a még XXI. században is meghatározó jogrendszeri esetlegesség, partikularitás. A jogbiztonság ma sem jelenti azt, hogy minden jogi kérdésben feltétlenül automatizálható döntést lehet hozni. Egy döntéshozatalra jogosult szervezet nem feltétlenül tudja vagy kívánja a döntéshozatalának szabályozási pontjait meghatározni vagy közzétenni, és emiatt eltérések lehetnek a döntéshozatalban akár az egyes szervezetek között, akár szervezeten belül eltérő ügyintézők között, vagy akár ugyanazon ügyintéző gyakorlatában is. E sajátosság azon jogászi hivatások esetén jelentkezik műszaki-folyamati akadályként, akiknek az a feladata, hogy az ügyfeleket az ilyen döntéshozók előtti eljárásban támogassák. Természetesen az automatizálás lehet részleges, és lehet tudásbázist gyűjteni az egyes döntéshozói gyakorlatról, és lehet valószínűség szerint kezelni ezeket az eseteket - de attól ez még jelentős, az automatizálást nehezítő tényező.
[70] A nagy nyelvi modellekre és más, gépi tanulásra épülő automatizálási megoldások kapcsán komoly műszaki akadályt jelent az egyes államok által használt eltérő nyelvek, szuverén jogrendek, eltérő bírói gyakorlatok és nem rögzített "szabályok" (->szokásjog, ->jogi kultúra). Hiába van több tucat vagy száz milliárd paraméterrel tanított óriási nyelvmodell, és hiába jár ez "józan ész" jellegű megértési képességekkel,[25] a jogi problémák megértése és megoldása nem fordítható le pusztán nyelvi eszközökkel. Az általános képességű modellek gyártói és az ilyen modelleket használó - tipikusan minimális hozzáadott értéket jelentő - viszonteladók ma is szívesen hangsúlyozzák, hogy az ő eszközük számos hivatás specialistáit meghazudtoló teljesítménnyel bír, és megválaszolja a laikus felhasználó kérdését. Ez az állítás azonban a jog partikularitása miatt nem lehet általánosságban igaz.
[71] A nagy nyelvi modellek sem rendelkeznek a mindentudás képességével, és csak arról rendelkezhetnek tudással, amire tanították (amit "látott"), vagy ha a tanultakból ki lehet következtetni a helyes választ. A jog természetét illetően nem ilyen jelenség. Egy nagy nyelvi modell egy közzétett jogszabály tartalmát tökéletesen vissza tudja adni, ha az a rendelkezésére áll vagy arra tanították, de minden nyelvi modell tanítása mennyiségében is véges. Még az Egyesült Államok szövetségi jogszabályaira és bírósági döntéseire épülő modellek sem használhatók minden tagállami jogi kérdés pontos megválaszolására. Hacsak külön nem tanították az angol jogra, jó eséllyel téves vagy használhatatlan eredményeket adnak akár az angol jogra vonatkozó részletes kérdésekre is. Ugyanígy egy német jogi kérdést sem lehet az angol jogból kikövetkeztetni, és a legtöbb, gyakorlati jellegű magyar kérdés sem vezethető le helyesen német vagy osztrák jogból.[26] Ha az adott nyelvi modell esetén arra is volt forrás (->jogforrások) vagy lehetőség, hogy az adott ország teljes joganyagát és közzétett gyakorlatát tanításra és finomhangolásra használják, még abból sem következik, hogy például a le nem írt földhivatali gyakorlatot helyesen fogja értelmezni. Minél gyakorlatiasabb kérdésre keressük a választ, annál nagyobb lesz a válasz pontatlansága, főleg, ha az adott terület még nem teljesen automatizált. Ez a hiányosság, a tökéletlenség természetesen igaz az emberi jogász válaszadókra is, de legalább a laikus felhasználók a hús-vér emberek esetén már kellően szkeptikusak a szédítő feldicséréssel szemben, ami nem feltétlenül igaz a misztikusnak tűnő mesterséges intelligencia eszközökre.
[72] A jogászi munkák automatizálásának korlátai nagyon gyakran gazdasági jellegűek. Minél kisebb a jogászi munkát végző üzemméret, tipikusan annál kisebb a lehetőség a specializációra, annál nagyobb az eltérés az egyes végzett tevékenységek között, annál sokoldalúbbnak kell lennie a jogászi munkát végző személynek. Az automatizálás azonban mindig valamilyen költséggel jár, mert nem tipikus, hogy az egyik jogászi "üzemben" (például praxisban) alkalmazható eszközt minimális változtatással lehessen használni egy másik üzemben is. Emiatt minél sokoldalúbb és olcsóbban használható, olcsóbban testre szabható automatizálási eszközökre van szükség ahhoz, hogy az automatizálási tevékenység gazdaságilag is lehetséges legyen. Történelmi távlatokban az ilyen jellegű automatizálási akadályokról James R. Bright 1958-as könyvét érdemes idézni:[27] bemutatta, hogy miért lehetett gazdaságosan automatizálni az izzógyártást már a XX. század elején és az milyen fejlődésen ment keresztül mintegy ötven év alatt, ezzel szemben miért nem lehetett jól (legalábbis a könyv megírásáig, 1958-ig) automatizálni a cipőgyártást.[28] Az ilyen természetű gazdasági akadályok ma is beazonosíthatók, és a jogászi munka informatikai jellegű automatizálására is komoly kihatással vannak.
[73] Az automatizálás másik gazdasági korlátját az okozza, ha az automatizálás jogi végeredménye csak egy bemenet egy tágabb jogi folyamatba. Minden automatizálás esetén irányadó kockázat, hogy a megnövekedett sebességű "termelés" esetén a termelés fokozásával együtt nő a minőségbiztosítás relatív költsége is.
[74] Ez jogi folyamatok esetén akkor jelent gazdasági akadályt, ha a munkafolyamat egyik lépésében gyorsan előálló jogi "terméket" etikai vagy jogi okokból szigorú felülvizsgálatnak kell alávetni, mert az automatizálási folyamatban nem lehet garantálni a "hibamentességet". Tehát hiába biztosítják az informatikai eszközök egy-egy jogászi munkakör kapcsán a dokumentumok nagy tömegű előállítását, ha a folyamat végeredménye még olyan, hogy annak hibamentessége nem garantálható egy társadalmilag elfogadható szinten. Ilyen esetben az automatizálás előnyei csak akkor érvényesülhetnek, ha az egész jogi folyamat feldolgozási kapacitása is megnő.
[75] Lehet, hogy az automatizált kimenet csak nyelvezetében igénytelen, de inkább az jelent nehézséget, hogy az automatizált szöveg tartalmában hátrányosan érintheti a jogkeresők alkotmányos jogait: első ránézésre ugyan értelmes, de tartalmában helytelen vagy igazságtalannak vélt eredményre vezet. Akkor is, ha egészen hasonló jellegű hibák azonos arányban fordulnak elő tisztán emberi döntések esetén is: egy automatizált jogi folyamat esetén valószínűleg mindig magasabb lesz az a mérce, amit az automatizált folyamattól elvárnak, és mindig magát az automatizálást fogják hibásnak látni.
[76] A felülvizsgálatra rendelkezésre álló szűkös erőforrások egyrészről kizárhatják az automatizálást, de másrészről ez a hiány lehet, hogy csak csökkenti a jogi szolgáltatás vállalási minőségét: a rendelkezésre álló erőforrásokhoz igazítják például a válaszidőre vonatkozó vállalást.
[77] Végül nézzünk néhány példát az automatizálás stratégiai akadályai körében. Az egyik, amikor bizonyos jogászi munka automatizálása fogalmilag kizárt. Nem tipikus, de érdekes eset, hogy az Amerikai Egyesült Államok egyik szövetségi körzetében a szövetségi fellebbviteli bíróság olyan véleményt rögzített, hogy az "ügyvédi tevékenység szükségszerűen feltételez valamilyen minimális önálló jogi döntéshozatali képességet".[29] Ebből a konkrét ügyben az is következett, hogy ha egy ügyvédi tevékenységet tökéletesen automatizálni lehet, akkor azt már nem védi a szabályozás az ügyvédek számára kizárólagosságot biztosító "ügyvédi tevékenységként", ebből következően jogi szolgáltatásként sem. (Ezzel kapcsolatosan érdemes röviden utalni arra is, hogy az Amerikai Egyesült Államokban ez az ügyvédi kizárólagossági kör tagállamonként változó, és európai szemmel nézve az ottani ügyvédek hihetetlenül aktívak e tevékenységi kör védelmében.[30])
[78] Az is egy lehetséges jövőbeli gondolkodási irány, miszerint a megbízható automatizálási képességek növekedésével nemcsak a kizárólagos ügyvédi szolgáltatási kör szűkül, hanem az is, hogy mit tekintünk egyáltalán jogi jellegű tevékenységnek. Az alábbi példák pedig azzal kapcsolatosak, hogy az automatizálás a jog sajátos jellege miatt társadalmilag nem is mindig lehet kívánatos.
[79] Ez utóbbira először az Európai Ügyvédi Kamarák Tanácsa (CCBE) tárgybeli álláspontját emelném ki, amelyet az MI rendelet tervezete kapcsán fogalmazott meg élesen:
A bírónak semmilyen körülmények között sem szabadna döntési jogkörét teljes egészében vagy részben átruháznia egy mesterséges intelligencia eszközre. Nem szabad megengedni, hogy az AI-eszközök korlátozzák vagy szabályozzák a bírói döntéshozatalt, például azáltal, hogy automatizált döntés meghozatalára használják őket. A rendelkezéseknek azt is meg kell akadályozniuk, hogy az MI-rendszerek olyan döntéseket készítsenek elő, amelyekre az emberi bíráknak csak rá kell ütniük a pecsétjüket. Ha a bíró döntésének a része olyan elemekre is épül, amelyeket egy mesterséges intelligencia eszköz használatával hoztak létre, akkor magában az ítéletben megfelelően meg kell indokolni és magyarázni az eszköz használatát, a kimeneteinek a relevanciáját és azok alkalmazhatóságát.[31]
[80] Nemcsak arról van szó, hogy a nem megfelelően betanított, nem megfelelőn ismert működésű (fekete dobozként működő) rendszerek az alapvető jogok és a tisztességes eljáráshoz való jog sérelmét jelentik, hanem arról, hogy a jogbiztonság, az alapvető jogok és a tisztességes eljáráshoz való jog semmilyen mértékben nem csorbulhat amiatt, hogy az automatizált döntéshozatal eszközeivel költségmegtakarítási vagy hatékonysági célokat próbálunk megvalósítani.[32] Legyen szó akár a polgári, akár a büntető igazságszolgáltatásról, a technikai jellegű megtakarítások nem szolgáltathatnak alapot a felsorolt elvek sérelmére.[33] Mindez általánosságban is óvatosságra int a jogászi munka automatizálhatósága kapcsán - mindazok az alapjogi aggályok, amelyeket mostanában a mesterséges intelligencia kapcsán megfogalmazódnak, általánosságban a jogászi munka automatizálhatóságára is változatlanul irányadóak.[34]
[81] Kevésbé uniós alapjogi jellegű a megközelítés, de attól még érdemes Pasquale néhány stratégiai jellegű érvét is kiemelni azzal kapcsolatosan, hogy mikor és miért nem kívánatos a jogi munka automatizálása. Az egyik szentenciózus megállapítása érdekes összefoglalása az e téren hallható jogászi álláspontoknak:
A jogi automatizálás azonban azzal is járhat, hogy fontos emberi értékeket, szükségszerű improvizációkat fog [...] korlátozni vagy kizárni. A tisztességes eljárás (due process) feltételezi, hogy egy narratív módon értelmezhető közlést fog küldeni az egyik ember más emberek számára, és ezek a fajta közlések nem redukálhatóak szoftverekre. [...] Az elszámoltathatóság és az emberséges jogrend megőrzése érdekében ezeket az értékeket egy felelős emberi személynek kell nyelvileg kifejezésre juttatnia.[35]
Az automatizálás eredményét tekintve pedig kiemeli, hogy
sok esetben a jogi szolgáltatások automatizálása elfedi annak tényét, hogy a költségeket és a kockázatokat a felhasználókra vagy üzleti vetélytársakra hárítják. Míg a személyi jellegű kiadásokon nyilvánvaló megtakarítást lehet elérni az automatizálással, addig a hosszú távú kockázatok csak valószínűsíthetőek - bár ugyanúgy valósak.[36]
Végül a jog rugalmas természetét illetően is kiemeli a következőt, ami gyakran a jogi automatizálás kiterjesztésének akadályát is jelenti:
[...] míg első ránézésre számos probléma esetén egyszerűnek tűnik, hogy egy jogi problémának a nyelvi megfogalmazását programkódba alakítsák át, sokszor kiderül, hogy a vizsgált jogi probléma egy jóval összetettebb szociális és politikai viszonyrendszeren múlik. A nyelv rugalmassága és nyitottsága lehetővé tesz olyan improvizációkat is, amelyek ahhoz szükségesek, hogy az ilyen viszonyrendszerek fennmaradjanak.[37]
[82] Ez utóbbival függ össze a Pagallo és Durante által említett akadályok köre is:[38] ők a könnyű és nehéz jogi esetek körét megkülönböztetve kiemelik, hogy ez utóbbi esetekben az ember általi értelmezés elengedhetetlen, és ezeket nem lehet gépekre és automatizálásra bízni, akkor sem, ha maga a probléma műszakilag megoldható lenne. Az ilyen esetek eldöntése nem egyszerűen meglévő jogi szövegek értelmezését kívánja meg, hanem össze kell vetni egymással a vizsgált szövegkörnyezet eltérő értékeit és alapelveit.[39] Maga a társadalmi automatizáció folyamata pedig azzal jár, hogy egyre több ilyen, nehéznek tekinthető jogi esettel találkozunk, a könnyű esetek megszűnnek problémának lenni.■
[1] Lásd VARGA György: "S. Lilley: Az automatizálás és a társadalom" Közgazdasági Szemle, 1958, 1207. "Gépesítés esetén ugyanis szintén a gép végzi el a munkát, de csak ember tudja a gép működését részletesen irányítani, minden fázisban pontosan megfigyelni és meghatározni, mit kell a gépnek a következőkben tennie. Az automatizálás megszünteti az irányításnak ezt a fajtáját. Ideális esetben a gép teljes mértékben irányítja saját működését; elejétől végig, emberek közvetlen segítsége nélkül elvégez egy gyártási folyamatot, s az emberi munkás csak arra kell, hogy gondoskodjék a gép karbantartásáról." Lásd FARKAS János: "Úton az ipari társadalomból az információ alapú társadalom felé" Info-Társadalomtudomány, 2001/53, 28.
[2] Serope KALPAKJIAN - Steven R. SCHMID: Manufacturing Engineering and Technology, Prentice Hall, 6 2010, 1052.
[3] Frederick Winslow TAYLOR: The Principles of Scientific Management, New York, London, Harper & Brothers 1911, 24.
[4] Lásd például HÜLTL Hümér: "Taylorismus jelentősége a sebészetben" Gyógyászat, 1921/40, 484.
[5] Thomas H. DAVENPORT: Process Innovation - Reengineering Work Through Information Technology, Harvard Business School Press, 1992, 51.
[6] Michael B. MCNALLY: "Enterprise Content Management Systems and the Application of Taylorism and Fordism to Intellectual Labour" Ephemera: theory & politics in organization, 2010/3-4, 366-368.
[7] MCNALLY (6. j.) 68.
[9] Az egyes kategóriák meghatározásánál lásd HOMOKI Péter: Guide on the Use of Artificial Intelligence-Based Tools by Lawyers and Law Firms in the EU, Council of Bars and Law Societies of Europe, 2022, 22. Az elérhető jogi automatizálási eszközök köréről nem nagyon lehet naprakész és átfogó listát adni, és nincsen olyan lista, amely nem marketing igénnyel készülne, és aktív szerkesztői tevékenységet is ellátnának benne. Jobb híján az ilyen listát keresőknek a következő oldalt tudjuk javasolni: CodeX TechIndex, de a lista automatikus, a beküldőktől függ, és nem törlik a már nem aktív szolgáltatásokat. A legaltech piac sajátosságai miatt így az ilyen lista gyakorlati használhatósága minimális.
[10] Ashish VASWANI et al.: "Attention Is All You Need" arXiv, 5 December 2017.
[11] Jacob DEVLIN et al.: "BERT: Pre-Training of Deep Bidirectional Transformers for Language Understanding" arXiv, 24 May 2019.
[12] Ez a neurális hálózat alapú modell is a 2017. évi transzformer architektúrára épült, de a BERT-tel ellentétben csak dekódoló blokkot használó (autoregresszív) változat volt.
[13] Lásd Alec RADFORD et al.: "Language Models Are Unsupervised Multitask Learners" 2019.
[14] RADFORD et al. (13. j.) 6.
[15] Tom B. BROWN et al.: "Language Models Are Few-Shot Learners" arXiv, 22 July 2020.
[16] Lásd BROWN et al. (15. j.) 33-34; Long OUYANG et al.: "Training Language Models to Follow Instructions with Human Feedback" arXiv, 4 March 2022, 19; Sébastien BUBECK et al.: "Sparks of Artificial General Intelligence: Early Experiments with GPT-4" arXiv, 22 March 2023.
[17] A piacon 2022-ben elérhető szöveggeneráló eszközök áttekintése ügyében lásd HOMOKI Péter: "Miként lehet a szöveggeneráló eszközöket a jogászi hivatások körében hasznosítani?" in ZŐDI Zsolt (szerk.): Jogi technológiák: digitális jogalkalmazás, Ludovika Egyetemi Kiadó, 2022, 185-205.
[18] Lásd a 46. bekezdést.
[19] További példákat lásd a HOMOKI (9. j.) 20-21.
[20] Például reguláris kifejezéseken.
[21] HOMOKI (9. j.) 34.
[22] Péter HOMOKI - Zsolt ZŐDI: "Large Language Models and Their Possible Uses in Law" Hungarian Journal of Legal Studies, 2024/3, 435-455.
[23] DAVENPORT (5. j.) 5.
[24] Pascoe PLEASENCE - Nigel BALMER - Stian REIMERS: "What Really Drives Advice Seeking Behaviour? Looking Beyond the Subject of Legal Disputes" Onati Socio-Legal Series, 2011/6, 10.
[25] Yian ZHANG et al.: "When Do You Need Billions of Words of Pretraining Data?" arXiv, 10 November 2020.
[26] VADÁSZ Pál et al.: A Report on the Barriers and Opportunities in the Use of Natural Language Processing Tools in Small Legal Offices.
[27] James R. BRIGHT: Automation and Management, Harvard University Graduate School of Business Administration, 1958, 22-25.
[28] A cipőgyártást persze azóta már egész jól lehet automatizálni, de ez jelentős részben 1958 óta bekövetkezett informatikai és folyamatirányítási fejlődéseknek köszönhető.
[29] No. 14-3845-cv, 2015 WL 4476828 (2d Cir. July 23, 2015): "at least a modicum of independent legal judgment", idézi: "Lola v. Skadden, Arps, Slate, Meagher & Flom LLP. Second Circuit Holds that Document Review Is Not Per Se Practice of Law Under the FLSA. Comment on: No. 14-3845-cv, 2015 WL 4476828 (2d Cir. July 23, 2015)" Harvard Law Review, 2016/3.
[30] Lásd például az ún. "self-help" végrendelettel kapcsolatos kiadvánnyal szembeni fellépést (például Palmer v. Unauth'zd, 438 S.W.2d 374. Tex. Civ. App. 1969), vagy ugyanennek a szoftveres változatával szembeni fellépést (Unauthorized Practice of Law Comm. v. Parsons Tech., Inc., 179 F.3d 956. 5th Cir. 1999).
[31] COUNCIL OF BARS AND LAW SOCIETIES OF EUROPE: CCBE Position Paper on the Proposal for a Regulation Laying down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act).
[32] COUNCIL OF BARS AND LAW SOCIETIES OF EUROPE (31. j.) 3.
[33] Maria DYMITRUK: "The Right to a Fair Trial in Automated Civil Proceedings" Masaryk University Journal of Law and Technology, 2019/27.
[34] THE COMMITTEE OF EXPERTS ON INTERNET INTERMEDIARIES (MSI-NET): Algorithms and Human Rights: Study on the Human Rights Dimensions of Automated Data Processing Techniques and Possible Regulatory Implications, Council of Europe, 2018, 11-12. Továbbá AD HOC COMMITTEE ON ARTIFICIAL INTELLIGENCE (CAHAI) COUNCIL OF EUROPE: Feasibility Study, 2020, 43.
[35] Frank PASQUALE: "A Rule of Persons, Not Machines: The Limits of Legal Automation" The George Washington Law Review, 2019/1, 1.
[36] PASQUALE (35. j.) 18.
[37] PASQUALE (35. j.) 6.
[38] Ugo PAGALLO - Massimo DURANTE: "The Pros and Cons of Legal Automation and Its Governance" European Journal of Risk Regulation, 2016/7, 11.
[39] PAGALLO-DURANTE (38. j.) 10.
Visszaugrás
