उद्देश्य-निर्मित उपकरण क्यों बेहतर हैं
ChatGPT या GPT-4 जैसे सामान्य AI मॉडल टेक्स्ट का सारांश तैयार कर सकते हैं और प्रश्नों के उत्तर दे सकते हैं। लेकिन उन्हें अनुबंधों की घनी भाषा — परिभाषित शब्द, संदर्भित खंड, सशर्त प्रावधानों — पर प्रशिक्षित नहीं किया गया है। Harvey AI को ऐसा ही किया गया है। इस फोकस से प्रदर्शन में बदलाव आया है। परीक्षणों में, उद्देश्य-निर्मित उपकरण सामान्य मॉडलों द्वारा छोड़ी गई त्रुटियों और छूटों को नियमित रूप से पकड़ते हैं। वे वास्तविक मौजूदा खंडों को गढ़े बिना फॉर्मेटिंग और संदर्भ परंपराओं को भी संभालते हैं।
यह लाभ सूक्ष्म नहीं है। वकीलों ने बताया कि एक ही सौदे पर समीक्षा समय कई घंटों तक कम हो गया है, जबकि ऐसे मुद्दों को पकड़ा गया जिनके लिए दोबारा पढ़ना जरूरी होता। घंटे के हिसाब से शुल्क लेने वाली फर्मों के लिए यह सीधा राजस्व संतुलन है। आंतरिक टीमों के लिए, इसका मतलब है बंदीकरण से पहले रातभर की मेहनत कम हो जाना।
समय और सटीकता में सुधार
Harvey AI का मुख्य वादा सीधा-सादा है: सटीकता को नुकसान पहुंचाए बिना समय बचाएं। प्रारंभिक उपयोगकर्ताओं ने बताया कि 50 पृष्ठ के अनुबंध की समीक्षा अब आधे दिन की बजाय कुछ मिनटों में हो जाती है। सिस्टम जोखिम भरी भाषा को चिह्नित करता है, वैकल्पिक शब्दावली का सुझाव देता है, और खंडों के बीच संगति की जांच करता है। यह वकील के निर्णय को बदलता नहीं, बल्कि उसे भारी काम से मुक्त करता है।
सटीकता बड़ी कहानी है। सामान्य AI उपकरण तथ्य गढ़ने या मानक खंडों को गलत तरीके से पढ़ने की प्रवृत्ति रखते हैं। Harvey AI के संकीर्ण प्रशिक्षण डेटा से यह जोखिम कम हो जाता है। सिस्टम क्षतिपूर्ति खंड को दायित्व-सीमा प्रावधान से भ्रमित करने की संभावना कम है। कॉर्पोरेट वकील के लिए, इस अंतर का मतलब लाखों डॉलर हो सकता है।
परिणाम एक ऐसा उपकरण है जो अधिक वरिष्ठ सहयोगी की तरह काम करता है, न कि अनुसंधान सहायक की तरह। यह जानता है कि क्या देखना है और कहां द
