تصور کنید ChatGPT را خودکار کنید تا اطلاعات قراردادی را که برایتان مهم است بازیابی کنید – شرایطی مانند تمدید خودکار، شرایط پرداخت، حقوق فسخ – به جای اینکه از مدیران قرارداد یا وکلا بخواهید که قراردادها را برای یافتن همان اطلاعات ورق بزنند. پتانسیل صرفه جویی در هزینه ها چشمگیر است.
بنابراین من آن را امتحان کردم. با استفاده از GPT-4، من ChatGPT را به چند قرارداد فروشنده در دسترس عموم دادم و مجموعه ای از سوالات را از آن پرسیدم که معمولاً از یک مدیر قرارداد یا وکیل به عنوان بخشی از فرآیند بررسی قرارداد فروشنده می پرسیدم.
- آیا قرارداد به صورت خودکار تمدید می شود؟
- آیا قرارداد جریمه دیرکرد دارد؟
- شرایط پرداخت خالص 30 چیست؟
- آیا قرارداد برای سهولت فسخ دارد؟
- آیا قرارداد ضمانت‌نامه‌ای برای محصول می‌دهد؟
- آیا قرارداد آی پی انتقال می دهد؟ آیا محدودیت های مسئولیت متقابل هستند؟
- آیا محدودیت های تعهدی غرامت IP را ایجاد می کند؟
- قانون حاکم چیست؟
- آیا فروشنده داده های شخصی را پردازش می کند؟
- فروشنده از داده های مشتری برای چه استفاده می کند؟
این چیزی است که من پیدا کردم.
توهمات
مدل گاهی اوقات چیزهایی را در قرارداد پیدا می کند که وجود ندارد.
برای مثال، وقتی از GPT-4 پرسیده شد که قرارداد در مورد محدودیت‌های استفاده چه می‌گوید، «نمایش B – خط‌مشی استفاده قابل قبول» را پیدا کرد که در هیچ کجای قرارداد واقعی که ارائه کردم یافت نشد.
وقتی از شما خواسته شد، ChatGPT اشتباه خود را تشخیص داد.
خطاها
مدل گاهی اوقات نمی تواند چیزهایی را در قرارداد پیدا کند که آنها آنجا هستند.
به عنوان مثال، هنگامی که در مورد قانون حاکم پرسیده شد، GPT-4 ادعا کرد که قرارداد حاوی اطلاعاتی در مورد قوانین حاکم نیست، حتی اگر کلمات “قانون حاکم” به کلمه در قرارداد ظاهر شوند.
وقتی از شما خواسته شد، ChatGPT دوباره اشتباه خود را تشخیص داد. آنچه در ادامه می آید تبادل ماست.
عدم دقت
مدل گاهی اوقات عبارات یا مفاهیم مشابه، اما متفاوت را با هم اشتباه می گیرد.
به عنوان مثال، در جایی که محدودیت تعهدات قراردادی ادعاهای IP مستقیم بین طرفین را مستثنی می‌کند اما ادعاهای IP شخص ثالث (یعنی تعهدات غرامت IP) را حذف نمی‌کند، مدل نمی‌تواند این دو را از هم جدا کند. تحلیل آن به جای متن واقعی به تعاریف «عمومی» و «معمولی» متوسل می شود.
وقتی از شما خواسته شد، ChatGPT خطای آن را تشخیص داد و تجزیه و تحلیل آن را اصلاح کرد.
پتانسیل
با وجود کاستی های آن، این مدل پتانسیل را نشان می دهد. گاهی اوقات درست جواب می دهد. وقتی این کار را می کند، کاملاً چشمگیر و مفید است.
به عنوان مثال، هنگامی که از فروشنده در مورد جمع آوری و استفاده از داده ها پرسیده شد، مدل با استخراج و استناد به بخش های مختلف قرارداد، پاسخ های دقیق و جامعی داد.
این با ارزش است زیرا حتی برای بازبینان باتجربه قرارداد، اغلب مشخص نیست که کجا باید اطلاعات مربوط به جمع آوری و استفاده از داده ها را پیدا کرد. اغلب، چندین بخش مختلف به انواع مختلف داده های جمع آوری شده همراه با اهداف و کاربردهای مختلف می پردازد. ChatGPT می‌تواند اطلاعات بخش‌های مختلف را بسیار سریع‌تر از بررسی دستی جمع‌آوری و ترکیب کند.
غذای آماده
GPT-4 هنوز برای بررسی قرارداد قابل اعتماد نیست. این مانند یک بازبین قرارداد بد یا مبتدی است که گاهی اوقات چیزهایی را از دست می دهد، چیزهایی را اشتباه می گیرد، یا به سادگی همه چیز را جبران می کند.
اما، وقتی همه چیز درست شد، توانست اطلاعات مدفون شده در مکان‌های مختلف را سریع‌تر از یک بازبین انسانی، معمولاً در عرض یک دقیقه، جمع‌آوری کند.
امروزه بخشی از دشواری استفاده از ChatGPT برای بررسی قرارداد این است که مشخص نیست که ChatGPT در پاسخ به چه نوع سؤالاتی خوب یا بد است. من هیچ الگویی برای انواع سؤالاتی که ChatGPT به طور قابل اعتماد به درستی یا نادرست پاسخ داده است، پیدا نکردم. ChatGPT غیر قابل پیش بینی است.
ممکن است تعجب کنید که آیا مهندسی سریع بهتر پاسخ های بهتری به همراه خواهد داشت. امکانش وجود دارد. وقتی تغییرات را در انتخاب کلمه و عبارت سوالاتم آزمایش کردم، نتایج به طور معنی‌داری تغییر نکرد.
دو استراتژی، هر چند بی‌خطا نبود، اما دقت GPT-4 را بهبود بخشید.
ابتدا، می‌توانید از ChatGPT بخواهید تا با پرسیدن «مطمئن هستید؟» پاسخ‌هایش را دوباره بررسی کند. با این کار، ChatGPT اغلب اشتباهات خود را اصلاح می کرد. این تاکتیک چند بار جواب داد، البته نه هر بار.
دوم، می توانید از یک برنامه کاربردی هوش مصنوعی استفاده کنید که به طور خاص برای تجزیه و تحلیل قراردادها طراحی شده است. آزمایش اولیه من با استفاده از برنامه ای مانند این نتایج بهتری نسبت به ChatGPT نشان داد، اما همچنان توهم و عدم دقت داشت.
این مقاله لزوماً منعکس کننده نظر گروه صنعتی بلومبرگ، شرکت، ناشر قانون بلومبرگ و مالیات بلومبرگ، یا صاحبان آن نیست.
اطلاعات نویسنده
Tammy Zhu یک وکیل فناوری است که به شرکت ها کمک می کند تا محصولات هوش مصنوعی بسازند و از آنها استفاده کنند و عملکردهای تجاری را مقیاس کنند. او معاون حقوقی در Sourcegraph, Inc.
برای ما بنویسید: رهنمودهای نویسنده
