نگاهی به کمک هوش مصنوعی در چهار نظرسنجی جدید در مورد اتخاذ هوش مصنوعی در قانون: چگونه می توانید مقایسه کنید؟ متفاوت؟

طی شش هفته گذشته ، چهار نظرسنجی جداگانه منتشر شده است ، و کلیه گزارش ها در مورد پذیرش اطلاعات مصنوعی ،ن و زایمان در حرفه حقوقی. من این چهار را به طور جداگانه گزارش کردم ، اما تعجب کردم که چگونه می توان نتایج حاصل از آنها را هنگام جمع شدن در برابر یکدیگر مقایسه کرد.

برای کمک به من در این مورد ، من به – من آن را حدس زده ام – کاشی. با استفاده از ChatGPT 4.5 ، چهار گزارش شناسایی را بارگیری کردید و درخواست کردید که یک تحلیل مقایسه ای ایجاد کنید.

از آنجا که این گزارش ها بیش از اتخاذ هوش مصنوعی را در بر می گیرد ، دستور داده شد تا مقایسه مسئله هوش مصنوعی را حفظ کند. من از این درخواست کردم تا به ،، که در گزارش ها ، چه چیزی پیدا کرده اند و چگونه نتایج آنها با آنها مطابقت دارد ، نگاه کند.

براساس مقایسه ای که ایجاد شده است ، وی پس از آن تصویب و تأیید اجماع خود را با آنچه مطالعات تحقیقاتی قبلاً گفته است تأیید کرد. پس از انجام این کار ، من مقایسه را ویرایش کردم و آن را به منظور انتشار آن در اینجا اقتباس کردم.

چهار گزارشی که من تجزیه و تحلیل کردم عبارتند از:

بنابراین چگونه این مطالعات تحقیق را در نتایج آنها مقایسه کردید؟ در ادامه بخو،د تا دریابید که دوست من و دوستم چتپپ چه چیزی پیدا کرده اند.

،، که آنها را پاک ،د

• گزارش دودیشرکت ها و پزشکان کوچک با تمرکز بر شرکت ها ، وکلا و مدیران اداری به صورت جداگانه در سراسر ایالات متحده پاک شدند.
• گزارش ABA: من در بین وکلا از ABA در تمرینات خصوصی در حجم شرکت های در حال تغییر شرکت ها ، از جمله افراد ، کوچک ، 2-9 ، متوسط ​​(10-49) و شرکت های بزرگ (100+ وکیل) انجام شد. متوسط ​​پاسخ دهندگان در عمل 28 سال بود ، عمدتا مسن (به طور متوسط ​​57 سال).
• گزارش Affinipayبهینه سازی بیش از 2،800 متخصص حقوقی ، با پاسخ دهندگان در زمینه های مختلف عمل ، اندازه شرکت ، نقش ها ، از جمله بخش قابل توجه مهاجرت ، آسیب شخصی ، حقوق خانواده ، حقوق جزا و برنامه ریزی املاک و مستغلات توزیع شده است. این درصد زیادی از پاسخ دهندگان شرکت های کوچک یا پزشکان فردی بود ، اما شرکت های بزرگتر (51+ وکیل) را نیز شامل می شد.
• گزارش تامسون رویترز: 1702 متخصص در بخش های حقوقی ، مالیات ، شرکت ها و ،ت در سراسر جهان (42 ٪ در ایالات متحده) ، از جمله وکلا در شرکت ها ، ادارات داخلی و ادارات حقوقی ،ت.

نرخ پذیرش هوش مصنوعی

• توپ دود:
  • پذیرش هوش مصنوعی از 27 ٪ (2023) به 53 ٪ (2024) در بین شرکت های کوچک به طرز چشمگیری افزایش یافته است.
  • شور و شوق شخصی قوی برای یادگیری ابزارهای هوش مصنوعی.
• ABA:
  • افزایش قابل توجه در پذیرش هوش مصنوعی ، از 11 ٪ در سال 2023 به 30 ٪ در سال 2024.
  • وابستگی عالی به شرکت های بزرگ (39 ٪ برای شرکت هایی که 51+ وکیل دارند) ، کمتر در بین شرکت های کوچک (حدود 20 ٪).
• Affinipay:
  • هوش مصنوعی شخصی به 31 ٪ افزایش یافته است که در سال گذشته 27 درصد افزایش یافته است. فرزندخواندگی در سطح شرکت 21 ٪ پایین تر بود ، که کاهش نسبت به 24 ٪ نسبت به سال گذشته بود.
  • رشد در پذیرش محتاطانه و تدریجی ، با 29 ٪ از افراد غیر کاربران قصد دارند طی یک سال وابسته باشند.
• رویترز تام،:
  • جهش بزرگی در استفاده از عفو بین الملل توسط سازمان های حقوقی: اکنون 26 ٪ توسط ژنرال AI استفاده می شود که در سال 2024 14 ٪ افزایش یافته است.
  • 41 ٪ شخصاً با استفاده از ابزارهای Gen AI (Chatgpt و غیره) ، 17 ٪ با استفاده از ابزارهای صنعت.
  • 95 ٪ بر این باورند که Gen AI ظرف پنج سال در گردش کار ضروری خواهد بود.

استفاده مش، از عفو بین الملل

• توپ دود:
  • در وهله اول ، تحقیقات حقوقی (78 ٪) ، اسناد (75 ٪) و کشف الکترونیکی ایجاد کنید.
• ABA:
  • تحقیقات حقوقی کاربرد غالب ابزارهای هوش مصنوعی است که توسط 35 ٪ از پاسخ دهندگان استفاده می شود. متداول بعدی توسعه استراتژی یا ماده (23 ٪) ، درک قضات (17 ٪) و پیش بینی نتایج (13 ٪) است.
• Affinipay:
  • پیش نویس مکاتبات (54 ٪) ، طوفان مغزی (47 ٪) ، تحقیقات عمومی (46 ٪) و پیش نویس اسناد (40 ٪).
• رویترز تام،:
  • مصارف بالاتر شامل بررسی اسناد (77 ٪) ، تحقیقات حقوقی (74 ٪) ، خلاصه (74 ٪) ، فرمول/یادداشت مختصر (59 ٪) و فرمول قرارداد (58 ٪) است.

در مقابل اتخاذ هوش مصنوعی می سوزد

• در همه گزارش ها مش،: نگر، های اخلاقی ، مسائل اعتماد به نفس و صحت ، نگر، های محرمانه و عدم اطمینان سازم،.
• توپ دود: ترس های اخلاقی (53 ٪) ، به اندازه عدم اطمینان سازم،.
• ABA: صحت هوش مصنوعی بالاترین عملکرد (75 ٪) و پس از آن قابلیت اطمینان (56 ٪) و حریم خصوصی و ایمنی داده ها (47 ٪) بود.
• Affinipay: MJard با اعتماد (42 ٪) ، مسائل اخلاقی (42 ٪) ، منافع امتیاز (36 ٪) ، بلوغ فن آوری (41 ٪) موانع اصلی هستند.
• رویترز تام،: صحت و گمراه کننده اطلاعات بالا ؛ همچنین به دلیل سطح بلوغ فناوری و احتمال سوء استفاده یا “توهم” مکرر است.

احساسات و نگرش به هوش مصنوعی

• Smokeball و Affinipay: به طور کلی ، مثبت ، به ویژه بین شرکت های کوچکتر و کوچکتر ، با تمرکز بر کارآیی و بهبود بهره وری.
• ABA: احساسات مختلط با احتیاط قابل توجه ، در مقایسه با شرکت های کوچکتر موجود در Smokball ، کمتر مشتاق است.
• رویترز تام،:
  • افزایش مثبت: 55 ٪ از پاسخ دهندگان نسبت به سال قبل احساس هیجان یا امید می کنند. ترس و تردید کم
  • متخصصان بر این باورند که Gen AI Transform ، قادر به افزایش بهره وری و نوآوری است.

سیاست های سازم، و آموزش

• توپ دود: برخی از جزئیات ، اما حاکی از تمایل فردی قوی برای شناسایی هوش مصنوعی است.
• ABA: تمرکز کمی بر روی سیاست و آموزش ، در درجه اول تجربه وکالت فردی.
• Affinipay: سیاست و آموزش تا حد زیادی وجود ندارد. 60 ٪ مطمئن نیستند که شرکت های آنها به دلیل آموزش شکاف و سیاست ، هوش مصنوعی را اتخاذ می کنند.
• رویترز تام،:
  • شکاف های مهم باقی مانده است. 52 ٪ گزارش دادند كه سیاست های عفو بین الملل در حال اجرا نیست.
  • آموزش قابل توجه. 64 ٪ هر آموزش Gen AI را در محل کار دریافت می ،د.
  • این امر خواستار افزایش مدیریت و آموزش سیستماتیک با گسترش اعتباربخشی است.

تأثیر بر روابط تجاری و مشتری

• Smokeball و ABA: بحث مستقیم محدود در مورد تأثیر مشتری ، تا حد زیادی بر کارآیی داخلی متمرکز شده است.
• Affinipay: شرکت ها نسبت به ادغام هوش مصنوعی در کار مشتری محتاط هستند ، در مورد پتانسیل ها می آموزند ، اما از تعامل مستقیم مشتری مطمئن نیستند.
• رویترز تام،:
  • بسیاری از شرکت ها با تأثیر هوش مصنوعی بر قیمت گذاری مشتری یا درآمد اندازه (تنها 20 ٪ بازده سرمایه گذاری) برخورد نکرده اند.
  • بیشتر مشتریان (71 ٪ قانون ، 59 ٪ مالیات) در صورتی که شرکت های آنها از Gen AI استفاده می کنند ، غافل هستند. شکاف بزرگی در بحث های عفو بین الملل.
  • این نشانگر اصطکاک احتمالی آینده یا فرصت های گمشده در روابط مشتری به دلیل عدم شفافیت در استفاده از هوش مصنوعی است.

تراز از طریق مطالعات تحقیق

• پذیرش افزایش: تمام مطالعات تحقیقاتی دائماً افزایش آشنایی و ادغام هوش مصنوعی در گردش کار قانونی را نشان می دهد.
• موارد استفاده مداومتحقیقات حقوقی ، اسناد و کارهای اداری در سطح جهان به ،وان برنامه های پیشرو تعریف می شود.
• نگر، های جامع اخلاقیاخلاق ، محرمانه بودن و قابلیت اطمینان موانع مداوم و برجسته است.

تفاوت ها از طریق مطالعات تحقیق

• سرعت فرزندخواندگیتامسون رویترز و اسكبال رشد سریعتر و خوش بینانه ، به ویژه بین ،یب جمعیت كوچكتر و كوچكتر را به تصویر می کشند ، در حالی که ABA پذیرش کندتر و محتاط تر را نشان می دهد.
• بی ثباتیداده های تامسون رویترز نشان می دهد که خوش بینی به سرعت در حال افزایش است ، در حالی که پاسخ دهندگان در ABA هنوز شک و تردید دارند یا تا حدودی محتاط هستند.
• تعامل مشتریتامسون رویترز شکاف زیادی در ارتباطات در مورد هوش مصنوعی بین شرکت ها و مشتریان را برجسته می کند – موضوعی که در سایر نظرسنجی ها عمیقاً مورد بررسی قرار نگرفته است.

خلاصه مقایسه ای

به طور کلی ، چهار مطالعه پیمایشی تصویری منسجم از یک حرفه حقوقی را نشان می دهند که به طور پیوسته هوش مصنوعی را در گردش کار ادغام می کند ، در حالی که شرکت های کوچکتر و پزشکان جوان معمولاً به سرعت بیشتری بستگی دارند و شور و شوق بیشتری نشان می دهند. نگر، های اخلاقی و سازم، موانع مداوم در همه بخش ها است. در حالی که گزارش های تامسون رویترز و دودی در حال افزایش هیجان و پذیرش شدید ، ABA پاک ، روایتی از احتیاط و مکمل کندتر در بین وکلا و شرکت های بزرگ را حفظ می کند.

مهمتر از همه ، تام، رویترز چشم انداز بی نظیری را در مورد پویایی کار مشتری اضافه می کند ، که یک شکاف مهم را تأیید می کند که ممکن است بر استراتژی های پذیرش آینده و انتظارات مشتری تأثیر بگذارد. هنگامی که هوش مصنوعی به طور فزاینده ای محوری می شود ، اجرای استراتژیک ، آموزش جامع ، سیاست های روشن و شفافیت با مشتریان با مراحل زیر لازم از طریق حرفه تعیین می شود.

این دیدگاه مقایسه ای نشان می دهد که اگرچه پذیرش گسترش می یابد ، ادغام در استراتژی های شرکت و پیشنهادات ارزشی که مشتری با آن روبرو است ، هنوز زمینه مهمی برای رشد و بهبود است.