Egyedi AI-elemzéseket kapott a Relativity aiR for Review
A Relativity aiR for Review új, egyedi elemzésekkel teszi lehetővé, hogy a jogi csapatok az adott ügyhöz igazítsák a dokumentumok osztályozását és adatkinyerését. A funkció a vállalat szerint a meglévő, szabványos felülvizsgálati folyamatokra épül, azok kiváltása nélkül.
- A Relativity aiR for Review egyedi elemzésekkel bővül.
- A funkció hatósági megkeresésekhez és vizsgálatokhoz szabható.
- A rendszer dokumentumszerepet, almegkeresést és korábbi átadást is azonosíthat.
- Képek, szkennelt oldalak és kézzel írt jegyzetek elemzése is támogatható.
- A Relativity strukturált, egycélú felszólításokat javasol az ellenőrizhető eredményekhez.
Az általános címkéken túl
A Relativity augusztus 11-én mutatta be a custom analyses, vagyis az egyedi elemzések használatát a Relativity aiR for Review szolgáltatásban. A vállalat szerint a jogi csapatoknak egyszerre kell gyorsabban dolgozniuk és mélyebb elemzést végezniük, miközben nő az adatmennyiség, egyre többféle formátum jelenik meg, és a vizsgálatok kérdései ritkán illeszkednek általános sablonokhoz.
Az egyedi elemzések a szabványos munkafolyamatok kiegészítő rétegeként működnek. A csapatok megtarthatják az olyan alapvető lépéseket, mint a relevancia és a kiváltságos tartalom vizsgálata, majd az adott ügyhöz illeszkedő kategóriákkal és adatkinyeréssel egészíthetik ki őket. Például kinyerhető egy hatósági megkeresés azonosítója, meghatározható a dokumentum szerepe, vagy rövid tényszerű összefoglaló készíthető a kezdeti értékeléshez.
Egy hatósági vizsgálat lehetséges menete
A Relativity példája egy hároméves időszakot és több adatgazdát érintő, széles körű hatósági megkeresés. A szabványos munkafolyamatban megtörténik az adatok betöltése és feldolgozása, majd a dokumentumok elsődleges vizsgálata. A nehézség akkor jelentkezik, amikor a hatóság tizenhét, különböző üzleti területekhez kapcsolódó almegkeresésre bontja a kérelmet.
Ilyenkor a csapatnak azt is meg kell állapítania, hogy egy dokumentum melyik almegkereséshez kapcsolódik, milyen szerepet tölt be, illetve korábban átadták-e már egy kapcsolódó ügyben. A Relativity szerint három célzott elemzés segíthet ebben: az almegkereséshez való hozzárendelés, a dokumentum szerepének osztályozása és a korábbi átadás jelzése.
A bíráló továbbra is dönthet a relevanciáról, miközben az elemzések előre strukturált adatokat szolgáltatnak az ellenőrzéshez vagy felülbíráláshoz. A vállalat példája szerint így egy almegkeresések szerint rendezett átadási index is létrehozható szűrt exporttal.
Képek és nehezen feldolgozható dokumentumok
Az egyedi elemzések képek, szkennelt oldalak, képernyőképek és kézzel írt jegyzetek vizsgálatára is használhatók. A Relativity szerint a látásalapú elemzés rövid tényszerű leírást készíthet a képen látható tartalomról, szöveget nyerhet ki, logókat vagy helyszíneket azonosíthat látható jelek alapján, illetve ellenőrzött kategóriákba sorolhat biztonsági kockázatokat.
A megbízható használathoz a vállalat szigorúan meghatározott kimeneti formátumot javasol. A felszólításnak külön kell választania a világosan látható tényeket és a lehetséges következtetéseket, továbbá kezelnie kell az olyan eseteket, amikor a szöveg olvashatatlan, tükröződés látható, vagy gyenge a képminőség. Ilyenkor a rendszernek jeleznie kell a korlátokat, és nem szabad találgatnia.
A Relativity szerint az egyedi elemzések akkor működnek jól, ha minden elemzés egyetlen célra koncentrál. Az eredményeket először kisebb fejlesztési adathalmazon lehet ellenőrizni, majd a teljes adatkészletre alkalmazni, auditálható nyomvonal mellett. Ez a megközelítés a képi és félig strukturált adatokat ugyanabba a kereshető, ellenőrizhető folyamatba illeszti, amelyben a szöveges dokumentumokat is kezelik.
