لاکھوں دستاویزات پر مشتمل 90 دن کے ‘ڈسکوری’ کے عمل (یعنی شواہد کی جانچ پڑتال اور تبادلے کے مرحلے) میں ناکامی شاذ و نادر ہی اس وجہ سے ہوتی ہے کہ ٹیم پڑھ نہیں سکتی۔ ناکامی کی وجہ اکثر یہ ہوتی ہے کہ ٹیم دستاویزات کی جانچ (review) کے فیصلوں کو اتنی تیزی سے ترجیح دینے، جانچنے اور ان کی وضاحت کرنے سے قاصر رہتی ہے کہ مطلوبہ تاریخوں پر دستاویزات کی فراہمی (production) اور قانونی دفاع کے تقاضوں کو پورا کیا جا سکے۔ ایسے حالات میں، AI تب سب سے زیادہ مفید ثابت ہوتا ہے جب یہ ٹھوس درمیانی نتائج (intermediate work products) فراہم کرے جنہیں قانونی ٹیم آگے بھیج سکے، ان کے نمونے (samples) لے سکے اور ان کی تصدیق کر سکے۔ مثال کے طور پر: ای میل اور چیٹ تھریڈز پر AI کے ذریعے لگائے گئے ‘ایشو ٹیگز’ (موضوعاتی نشانات)؛ فوری آگاہی کے لیے AI کی تیار کردہ شقوں یا مواصلات کی خلاصہ رپورٹیں؛ کیس کے ابتدائی جائزے کے لیے AI کی تجویز کردہ متعلقہ شخصیات (custodians) اور ادارے؛ اور AI کی تیار کردہ ٹائم لائنز جو مختلف ذرائع سے حاصل ہونے والے واقعات کو ایک مربوط ترتیب میں جوڑتی ہیں۔ دستاویزات کی فراہمی، انہیں روکنے (یا ظاہر نہ کرنے)، اور اس عمل کی دستاویز سازی کے حوالے سے وکیل ہی جوابدہ رہتا ہے۔
عدالتیں ‘ٹیکنالوجی کی مدد سے جانچ’ (TAR) کو AI کی معاونت سے ہونے والی ‘ای-ڈسکوری’ (eDiscovery) کے لیے ایک قابلِ قبول طریقہ کار تسلیم کرتی ہیں، بشرطیکہ اس کا کام کا طریقہ کار (workflow) قانونی طور پر قابلِ دفاع ہو۔ اس کورس میں، ہم TAR کو کسی نامعلوم یا پیچیدہ عمل (black box) کے بجائے ‘ڈسکوری’ کی تیاری کے ایک حصے کے طور پر دیکھتے ہیں۔ مقصد جانچ کے عمل کو ختم کرنا نہیں ہے، بلکہ وکیل کی کوششوں کو زیادہ اہم کاموں کی طرف منتقل کرنا ہے، جیسے کہ جانچ کے مقاصد کا تعین کرنا، ماڈل کی تربیت اور بہتری (iteration) کا عمل، اور نمونوں (sampling) کے ذریعے نتائج کی تصدیق کرنا تاکہ دستاویزات کی فراہمی کے فیصلوں کا دفاع کیا جا سکے۔ ہم ان چیزوں پر توجہ مرکوز رکھیں گے جن پر ٹیم انحصار کرتی ہے۔ اس میں AI کی جانب سے دستاویزات کے متعلقہ ہونے (responsiveness) کی پیش گوئیاں، استحقاق (privilege) سے متعلق خطرات کی نشاندہی، اور جانچ کے لیے AI کی تجویز کردہ دستاویزات کے گروپس (batches) شامل ہیں۔ ان میں سے ہر نتیجے کی تصدیق کی گہرائی اس کے خطرے کی سطح اور اس بات پر منحصر ہوتی ہے کہ اس پر کس حد تک انحصار کیا جائے گا۔
دستاویزات کی فراہمی کے علاوہ کیس کی تیاری کے مرحلے میں، AI تب سب سے زیادہ مفید ہوتا ہے جب یہ غیر منظم شواہد کو قانونی کارروائی کے لیے تیار ڈھانچے (scaffolding) میں تبدیل کر دیتا ہے۔ اس کا مطلب ہے: ‘بیٹس اسٹیمپڈ’ (Bates stamped) دستاویزات سے منسلک AI کیس ٹائم لائن کا اقتباس؛ مخصوص شواہد (exhibits) پر مبنی AI کی جانب سے تیار کردہ بیانات (depositions) کے خاکہ جات؛ اور AI کی تیار کردہ ‘خلاؤں کی فہرستیں’ (gap lists) جو نشاندہی کرتی ہیں کہ موجودہ ریکارڈ سے ابھی تک کیا ثابت نہیں ہو سکا۔ اس کے بعد ٹیم ایسے فالو اپ کام تفویض کر سکتی ہے جن پر عملی کارروائی ممکن ہو؛ جیسے کہ گمشدہ دستاویزات کا مطالبہ کرنا، ہدف پر مبنی (targeted) تلاش کرنا، یا متعلقہ شخص (custodian) کا انٹرویو کرنا۔ یہاں آپ جو مہارت سیکھیں گے وہ محض ایک عام خلاصہ طلب کرنے کی نہیں ہے، بلکہ ماڈل کو ایسی جانچ کی مصنوعات (artifacts) تیار کرنے کی ہدایت دینا ہے جو آپ کے موجودہ کام کے طریقہ کار اور ریکارڈ رکھنے کے نظام سے ہم آہنگ ہوں۔ آئیے کیس کی ابتدائی تیاری میں ٹیموں کی جانب سے استعمال کی جانے والی AI ٹائم لائن کی ایک ٹھوس مثال پر نظر ڈالتے ہیں۔
مقدمہ بازی (litigation) کے دوران، پیشہ ورانہ فرائض اس وقت عملی تقاضوں میں تبدیل ہو جاتے ہیں جب AI کلائنٹ کے ڈیٹا تک رسائی حاصل کرتا ہے یا دستاویزات کی فراہمی (production) کے فیصلے پر اثر انداز ہوتا ہے۔ ‘اہلیت کے فرض’ (duty of competence) کا مطلب ہے کہ آپ کو یہ سمجھنا ہوگا کہ AI کا آؤٹ پٹ (نتیجہ) کیا ہے اور کیا نہیں۔ اگر آپ یہ وضاحت نہیں کر سکتے کہ TAR (ٹیکنالوجی اسسٹڈ ریویو) کے طریقہ کار کو کیسے تربیت دی گئی اور اس کی توثیق کیسے کی گئی، تو چیلنج کیے جانے کی صورت میں آپ اس کا دفاع نہیں کر سکیں گے۔ ‘رازداری کے فرض’ (duty of confidentiality) کا مطلب ہے کہ ٹول کی حدود (boundary) اہمیت رکھتی ہیں۔ فرم کے ماحول سے کیا باہر جا رہا ہے، اسے کہاں محفوظ کیا جا رہا ہے، کون اس تک رسائی حاصل کر سکتا ہے، اور کیا اسے ماڈل کی تربیت کے لیے برقرار رکھا جا رہا ہے—یہ محض تکنیکی ضمنی نکات نہیں ہیں۔ یہ چیزیں اس بات کا تعین کرتی ہیں کہ آیا استحقاق (privilege) یا رازداری کے حامل مواد کو ظاہر (expose) تو نہیں کیا گیا۔ ‘نگرانی کے فرض’ (duty to supervise) کا مطلب ہے کہ آپ فیصلے کرنے کا اختیار ٹول یا وینڈر کے سپرد نہیں کر سکتے۔ آپ جائزے کے مقاصد کی رہنمائی کرتے ہیں، پروٹوکول کی منظوری دیتے ہیں، اور اس بات کو یقینی بناتے ہیں کہ کوالٹی کنٹرول کے چیک کیے جائیں اور ان کا ریکارڈ (دستاویزی ثبوت) رکھا جائے۔
پیشہ ورانہ ذمہ داری کا جائزہ (چیک پوائنٹ)
کلائنٹ کے استحقاق یا رازداری کے حامل مواد کو ایسے AI ٹولز میں نہ ڈالیں جو ‘انٹرپرائز’ (ادارے کی منظور شدہ) سطح کے نہ ہوں۔ ایسے ریویو پلیٹ فارمز استعمال کریں جو ادارے کے منظور شدہ ہوں اور جن میں رسائی کے واضح کنٹرولز، ڈیٹا کو برقرار رکھنے (retention) کے اصول، اور کلائنٹ کے ڈیٹا کے وینڈر کے استعمال پر معاہدے کی حدود موجود ہوں۔ اگر ڈیٹا گورننس (انتظام و انصرام) غیر واضح ہو، تو اپ لوڈ یا تجزیہ کرنے سے پہلے عمل روک دیں اور ٹول کے انتخاب کا معاملہ نگران وکیل (supervising attorney) کے سامنے پیش کریں۔
اس معاملے پر غور کرنے کا ایک عملی طریقہ یہ ہے کہ ‘ڈسکوری AI’ (مقدمے کے لیے شواہد کی چھان بین کرنے والا AI) یا تو کسی کنٹرولڈ ریویو سسٹم کے اندر ہوتا ہے یا اس سے باہر۔ ریویو پلیٹ فارم کے اندر، TAR کے نتائج کو ڈیٹا کے مجموعوں (collections)، کسٹوڈین (ڈیٹا کے ذمہ داروں) کی فہرستوں، آڈٹ ٹریلز، اور کوڈنگ کے فیصلوں کے ساتھ منسلک کیا جا سکتا ہے۔ اس کے برعکس، باہر موجود ‘کنزیومر AI’ ٹول پرامپٹس (صارف کی ہدایات) اور نتائج کو محفوظ کر سکتا ہے، انہیں اپنے ماڈلز کو بہتر بنانے کے لیے استعمال کر سکتا ہے، یا ڈیٹا کو برقرار رکھنے اور حذف کرنے کی تصدیق کو مشکل بنا سکتا ہے۔ یہی وہ خلا (gap) ہے جہاں استحقاق کا افشا ہونا مقدمے کے حتمی نتیجے پر فیصلہ کن اثر ڈال سکتا ہے۔ آپ اب بھی AI کا بھرپور استعمال کر سکتے ہیں، لیکن ایسا وہاں کریں جہاں کنٹرولز (حفاظتی اقدامات) معاملے کی اہمیت اور خطرات کے مطابق ہوں۔ اگلا مرحلہ دو ٹول سیٹ اپس کا موازنہ کرنا ہے، بالکل اسی طرح جیسے مقدمہ لڑنے والی ٹیم کسی معاملے پر AI کو استعمال کرنے سے پہلے ان کا جائزہ لیتی ہے۔