आपके सामने एक रिन्यूअल पोर्टफ़ोलियो है जिसे इस हफ़्ते पूरा करना है। इसमें पचास ‘सॉफ़्टवेयर एज़ ए सर्विस’ (SaaS) रिन्यूअल हैं, एक छोटी टीम है, और एक ऐसा क्लाइंट है जो सभी एग्रीमेंट्स में एक जैसा रिस्क एनालिसिस चाहता है। यहीं पर AI काम आता है। यह AI क्लॉज़ समरी, AI ऑब्लिगेशन एक्सट्रैक्ट और खास प्रावधानों के लिए AI रिस्क फ़्लैग बनाता है। यह AI रिस्क स्कोर भी दे सकता है जो रिव्यू के क्रम के हिसाब से एग्रीमेंट्स को रैंक करता है। आपका काम इन आउटपुट को एक सही ट्राइएज कतार और क्लाइंट के लिए तैयार प्लान में बदलना है, ताकि यह तय हो सके कि वकील का समय सबसे पहले किस पर लगाया जाए।
इस कोर्स में, हम AI को शुरुआती ट्राइएज टूल के तौर पर देखते हैं। AI रिस्क स्कोर कोई कानूनी रिस्क असेसमेंट नहीं है। यह किसी और की रिस्क सहने की क्षमता को दिखाता है, जब तक कि आप इसे क्लाइंट, डील के संदर्भ और कॉन्ट्रैक्ट के प्रकार के अनुसार एडजस्ट न करें। हम जो वर्कफ़्लो मैप करेंगे, वह प्रैक्टिकल है। एग्रीमेंट्स को सिस्टम में डालें, क्लॉज़-लेवल फ़्लैग और एक कंबाइंड स्कोर पाएँ, उसे एडजस्ट करें, और फिर टियर के हिसाब से आगे बढ़ाएँ। AI काम की मात्रा (वॉल्यूम) के मामले में आपकी रफ़्तार बढ़ाता है। वकील की समझ या फ़ैसला वहाँ ज़रूरी होता है जहाँ यह तय करना हो कि इस क्लाइंट, इस अधिकार क्षेत्र और मौजूदा बाज़ार की उम्मीदों के हिसाब से क्या ज़रूरी है, और किस चीज़ के लिए बातचीत (नेगोशिएशन) की ज़रूरत है या किसे स्वीकार कर लेना चाहिए। आगे हम देख सकते हैं कि एक आम रिस्क डैशबोर्ड का आउटपुट कैसा दिखता है।
रिन्यूअल (नवीनीकरण) के मामले में, जिन AI आउटपुट पर आप भरोसा करते हैं, वे आमतौर पर किसी खास क्लॉज़ (धारा) से जुड़े होते हैं। AI का रिस्क फ़्लैग किसी क्लॉज़ की ओर इशारा करता है और बताता है कि वह स्टैंडर्ड (मानक) क्यों नहीं हो सकता। SaaS एग्रीमेंट में इसके आम उदाहरणों में असीमित लायबिलिटी (देनदारी), बिना सीमा वाली इंडेम्निफिकेशन (हर्जाना भरने की ज़िम्मेदारी), एकतरफ़ा टर्मिनेशन (अनुबंध खत्म करना), और व्यापक इंटेलेक्चुअल प्रॉपर्टी (IP) असाइनमेंट शामिल हैं। AI का डेविएशन फ़्लैग भाषा की तुलना एक बेंचमार्क प्लेबुक से करता है और अंतर को चिह्नित करता है। AI का ऑब्लिगेशन एक्सट्रैक्ट रिन्यूअल नोटिस की तारीखें, सर्विस लेवल, ऑडिट के अधिकार और सुरक्षा से जुड़ी प्रतिबद्धताओं को अलग करता है ताकि आप ऑपरेशनल कामों को सही जगह भेज सकें। इनमें से हर आउटपुट तभी काम का है जब उसे ऐसे वर्कफ़्लो में शामिल किया जाए जिसका फ़ाइनल फ़ैसला वकील ले।
एक काम करने लायक ट्राइएज क्यू (काम की कतार) के लिए एस्केलेशन फ़्रेमवर्क की ज़रूरत होती है। कम रिस्क वाले कामों को स्टैंडर्ड फ़ॉलबैक भाषा और बिज़नेस कन्फर्मेशन के लिए भेजा जा सकता है। मध्यम रिस्क वाले काम वकील के पास जाते हैं ताकि उनमें ज़रूरी बदलाव किए जा सकें और बातचीत की योजना बनाई जा सके। ज़्यादा रिस्क वाले कामों पर तुरंत ध्यान देने की ज़रूरत होती है क्योंकि वे क्लाइंट के लिए ऐसे रिस्क पैदा कर सकते हैं जिन्हें वह बर्दाश्त नहीं कर सकता। कैलिब्रेशन की समस्या AI रिस्क स्कोर और क्यू के बीच होती है। अगर आप स्कोर को क्लाइंट की सहनशीलता के हिसाब से मैप नहीं करते हैं, तो मॉडल की रैंकिंग बेकार की जानकारी या उससे भी बुरा, गलत प्राथमिकता तय करने वाला सिस्टम बन जाती है। हम पूरे कोर्स के दौरान इस चेकपॉइंट पर वापस आते रहेंगे क्योंकि यहीं पर AI आउटपुट इस्तेमाल के लायक कानूनी काम का हिस्सा बनता है।
AI की मदद से होने वाला ट्राइएज इस बात को बदल देता है कि टीम में काम कैसे आगे बढ़ता है। यह क्लाइंट के प्रति आपकी ज़िम्मेदारियों को नहीं बदलता। क्षमता की ज़िम्मेदारी का मतलब है कि आपको यह समझना होगा कि AI आउटपुट क्या है और क्या नहीं, और सलाह या बातचीत की स्थिति पर असर डालने से पहले आपको यह देखना होगा कि उसका इस्तेमाल कैसे किया जा रहा है। गोपनीयता की ज़िम्मेदारी का मतलब है कि आप कंट्रोल करते हैं कि कौन सा डेटा AI टूल में जाता है और बाद में वह कहाँ जा सकता है। निगरानी करने की ज़िम्मेदारी का मतलब है कि आप रिव्यू गेट और एस्केलेशन नियम तय करते हैं ताकि असिस्टेंट और जूनियर वकील AI आउटपुट को फ़ाइनल न मान लें। असल में, ये ज़िम्मेदारियाँ ऑपरेशनल ज़रूरतें बन जाती हैं। आप तय करते हैं कि कौन से टूल मंज़ूर हैं, कौन से इनपुट की इजाज़त है, और फ़र्म से कोई चीज़ बाहर जाने से पहले किस तरह के रिव्यू की ज़रूरत है। अगला सिनेरियो आपसे वर्कफ़्लो के दौरान असल स्थिति में ऐसा फ़ैसला लेने के लिए कहता है।