到2025年,30%的新的法律技术自动化解决方案将把软件与员工“human-in-the-loop”提供,据Gartner Inc .尽管日益增长的需求更大的自动化和日益成熟的技术创新,公司法律团队将斗争与机器学习解决方案所需的高水平的专业知识和高水平的异常。

”毫无疑问,法律工作增长超过法定人数的增长,从表面上看,这可以使先进的自动化解决方案显得非常有吸引力的合法领袖,”扎克赫托说,导演,在Gartner咨询法律与合规实践。“问题是法律部门是否有定制所需的能力和配置先进的机器学习系统,这将需要使他们能够处理的独特场景和频繁出现的异常在这种类型的工作。”

推动自动化
法律部门已经落后于其他业务单位的自动化,自动化经常故意如此,但领导人的态度在法律以来软化的流行带来了两股力量急剧增加的工作负载(和它疲惫的律师)和首席财务官不愿继续增加人手。

与自动化供应商,鼓舞显著的成功在其他业务功能,热衷于促进他们的能力和开拓新的市场。然而,解决方案提供商面临阻力在合法的工作流程的复杂性,不同的风险承受力跨组织,和不一致的进程不仅削弱的回报,也阻碍了捕获培训机器学习解决方案所需的信息。

“法律部门不应避免自动化,”赫托说。“但是正确的基础必须到位。自动化,特别是复杂的AI-driven技术,不应被视为快速解决老问题。”

解决自动化挑战将需要更大的处理纪律法律团队,这样法律机器学习系统的数据是一致的和可理解的。它还需要仔细混合技术专业知识和法律知识,可以配置和培训机器学习解决方案特定上下文的一个组织。

“这种最热销的机器学习专业知识,再加上法律的理解,将是困难和昂贵的。事实上,招聘这个功能不是很可伸缩的大多数公司法律部门,”赫托说。“还有这么多的复杂性来处理法律工作,似乎不太可能会有任何广泛的,有效的“现成的”解决方案在三年内上市。”

混合模型
解决方案试图自动化法律工作现在倾向于展示相当高的错误和异常率与其他业务功能。问题的一部分是,不同用户之间的数据资产是截然不同的。机器学习解决方案在一个公司当应用到另一个公司可能是无用的。

“混合,human-in-the-loop模型,混合人员和软件,会胜出,所需的专业知识来自供给方面而不是从内部法律部门本身,”赫托说。”一个拐点的生产力在法律自动化合法企业的时候会有机器学习专家谁能真正理解上下文中的法律问题的复杂性组织。”

这种转变是明显不同于当前市场产品可能提供低收入或没有代码自动化解决方案,但是把责任放在终端用户建立自己的平台。这是一个具有挑战性的前景内部法律部门考虑到他们现有的技能和资源早已捉襟见肘。然而,需求增加从公司法律团队预计将继续,与重大并购和风险投资法律科技市场。

Gartner的客户可以找到更多细节的具体风险,影响,建议行动来管理这些热点预计到2022年:公司法律和合规科技机会在持续波动

非客户可以注册网络研讨会:Gartner高级法律和合规科技预测2022年及以后

Gartner的法律风险和合规的领导人
Gartner法律、风险和合规领导人提供专家指导和工具来帮助领导人在法律、风险、审计和合规部门更有效地管理日益复杂的风险环境和构建新一代的功能。额外的信息是可用的88亚博 和gartner.com/en/legal-compliance。遵循新闻和更新LinkedIn和推特。