על Case Intelligence, חזרה למקור, הגבול בין איתור מידע למשמעות משפטית — ומה חייב להישאר בשיקול דעת של הפליליסטית
תיק פלילי יכול להכיל כמויות גדולות של מסמכים, הודעות, מזכרים, תמונות, חוות דעת וגרסאות שונות של אותו אירוע.
אבל כמות החומר אינה הבעיה היחידה.
גם כאשר כל חומר החקירה כבר נמצא מולנו, נשארת השאלה הקשה יותר:
איך הופכים את כל המידע הזה לתמונה שאפשר באמת לחשוב איתה?
זו הייתה אחת השאלות שהעסיקו אותי כשהתחלתי לבנות מערכת לעבודה עם תיק פלילי המשלבת גם יכולות AI.
קל לחשוב בתחילה שהאתגר הוא בעיקר טכנולוגי: לקרוא קבצים מהר יותר, לחלץ מידע, לחפש, לסכם או למצוא אזכורים בתוך חומר רב.
ככל שהעבודה התקדמה, התברר לי שהבעיה המעניינת יותר נמצאת במקום אחר.
תיק פלילי אינו רק אוסף של מידע.
יש בו מקורות שונים, אנשים, אירועים, גרסאות, ראיות, טענות, מועדים והקשרים. יש משמעות לשאלה מי אמר דבר מסוים, מתי אמר אותו, על סמך מה, והאם מסמך נוסף הוא מקור עצמאי או רק חזרה על מידע שכבר הופיע קודם.
אותו פרט יכול להיראות שולי במסמך אחד ולקבל משמעות אחרת כאשר מניחים אותו לצד מקור נוסף.
מכאן השתנתה גם השאלה שהנחתה אותי.
במקום לשאול רק:
מה אפשר לגרום ל־AI לעשות?
התחלתי לשאול:
איזו עבודה נכון לתת למערכת, באילו נקודות AI יכול לסייע, ואילו החלטות צריכות להישאר מלכתחילה בידי הפליליסטית?
תיק פלילי אינו תיקיית PDF
המעבר מחומר נייר לתיק דיגיטלי כבר שינה באופן משמעותי את עבודת הסנגור.
כאשר החומר מסודר וניתן לחיפוש, אפשר להגיע במהירות לשמות, ביטויים, מועדים ופרטים שבעבר היו דורשים מעבר ידני על כמויות גדולות של חומר.
זה שיפור עצום.
נניח, למשל, שבאירוע מסוים נטען כי לנאשם הייתה סכין.
בתיק דיגיטלי אני יכולה לחפש את המילה „סכין” ולהגיע במהירות לכל המקומות שבהם היא מופיעה.
החיפוש מאפשר לי למצוא את החומר הרלוונטי.
אבל אז מתחילה עבודה מסוג אחר.
מי הראשון שטען שהייתה סכין?
האם הוא ראה אותה בעצמו?
האם אדם נוסף מתאר אותה באופן עצמאי, או רק חוזר על מה ששמע?
האם בכל הגרסאות מדובר באותו חפץ?
באיזה שלב של האירוע הוא מופיע?
והאם ארבעה מסמכים שמזכירים סכין מייצגים ארבעה מקורות — או מקור אחד שחוזר בשלושה מסמכים נוספים?
כלומר, הבעיה אינה עוד רק לאתר את הפריטים.
צריך גם להבין את היחסים ביניהם.
זה המקום שבו אני משתמשת במונח Case Intelligence.
לא במובן שהמכונה „מבינה את התיק”.
אני מתכוונת למצב שבו חומר החקירה מאורגן באופן שמאפשר למשפטן לעבוד עם המקורות, האנשים, האירועים והקשרים ביניהם — ולחזור מהם אל החומר שעליו הם מבוססים.
סיכום יכול לקצר חומר.
חיפוש יכול לאתר חומר.
מערכת ידע צריכה לעזור לשמר את ההקשר ולאפשר לעבוד גם עם היחסים בין פריטי המידע.
מי המקור. מה נאמר. מתי. באיזה הקשר. מה קשור למה. ומה עדיין דורש בדיקה.
החידוש שאני בוחנת אינו להחליף את יכולות החיפוש שכבר קיימות.
הוא לנסות לבנות מעל יכולת האיתור סביבת עבודה שעוזרת לפרוש ולארגן את הקשרים בין הדברים שנמצאו.
לפני Intelligence — נאמנות למקור
אלא שלפני שאפשר להתחיל לבנות קשרים בין פריטי מידע, צריך לוודא דבר בסיסי יותר:
שהחומר שעליו המערכת עובדת הוא באמת החומר שקיבלנו.
חומר חקירה דיגיטלי עובר בדרך שכבות טכניות שונות: קבצים, ארכיונים, פורמטים, שמות, קידוד, חילוץ טקסט ולעיתים גם רכיבי מערכת שאין להם משמעות ראייתית.
לכן אחת ההחלטות שהפכו מבחינתי מעיקרון טכני לעיקרון מקצועי הייתה ההפרדה בין חומר המקור לבין שכבות העבודה שנוצרות ממנו.
המקור נשאר מקור.
אפשר ליצור ממנו מידע מובנה יותר. אפשר לחלץ, לארגן ולקשר. אפשר ליצור סביבו סביבת עבודה חדשה.
אבל התוצרים האלה אינם מחליפים את חומר המקור.
ההבחנה הזאת חשובה משום שמערכת יכולה לטעות עוד לפני שמגיעים בכלל לשלב של reasoning.
קובץ יכול להיקלט באופן חלקי. תוכן יכול להיחלץ בצורה שגויה. שם יכול להופיע בצורה משובשת. מסמך יכול שלא להיכנס לאינדקס.
אם לא מפרידים בין התקלה הטכנית לבין המידע המשפטי, קל מאוד לתת לטעות שנוצרה בתהליך העיבוד משמעות שלא הייתה קיימת בתיק.
מכאן נולד מבחינתי כלל פשוט:
תקלה טכנית אינה עובדה בתיק.
וזה נעשה חשוב במיוחד כאשר מדובר במידע שהמערכת לא מצאה.
יש הבדל מהותי בין:
„המערכת לא מצאה את המידע”
לבין:
„המידע אינו קיים בחומר החקירה”.
הראשון הוא תיאור של תוצאת עיבוד או איתור.
השני הוא כבר טענה על התיק.
לפני שאני יכולה לשאול מערכת מה היא רואה בחומר, אני צריכה לדעת קודם:
על איזה חומר בדיוק היא מסתכלת.
תשובה אינה מספיקה — צריך לדעת מאיפה היא הגיעה
שמירת המקור פותרת רק חלק מהבעיה.
נניח שהמערכת מציגה בפניי מידע מסוים.
אדם אמר דבר מסוים.
אירוע התרחש במועד מסוים.
אותו פרט מופיע בכמה מסמכים.
עכשיו אני צריכה להיות מסוגלת לשאול:
מאיפה אנחנו יודעים את זה?
כאן נכנס עקרון ה־Provenance.
בעיניי, בעבודה עם חומר משפטי, היכולת לחזור למקור אינה Feature נלווה.
היא חלק מהיכולת להעריך את התוצר.
יש הבדל בין:
„X קרה.”
לבין:
„עד מסוים טען ש־X קרה.”
במשפט השני נשמר מידע שהראשון מחק:
מי המקור.
ומשם נפתחות שאלות נוספות.
האם אותו אדם ראה בעצמו?
האם שמע מאחר?
האם הדברים נאמרו בזמן אמת?
האם מסמך נוסף מחזק את הטענה באופן עצמאי — או שהוא פשוט חוזר עליה?
אם אותה טענה מופיעה בארבעה מסמכים, אפשר לספור ארבע הופעות.
אבל מבחינה ראייתית ייתכן שיש רק מקור אחד.
מבחינה כמותית: ארבע הופעות.
מבחינה ראייתית: אולי מקור אחד.
ולכן, לפני שמערכת עוזרת לי להבין מה ראוי לבדיקה, היא צריכה לאפשר לי לדעת על מה בדיוק אני מסתכלת.
Provenance מאפשר לדעת מאין הגיע המידע.
רק לאחר מכן אפשר לעבור לשאלה הבאה:
מה ראוי לבדוק בו.
לזהות הבדל אינו לקבוע שיש סתירה
נניח שהמערכת מעמידה זו לצד זו שתי הודעות ומציגה הבדל.
בגרסה הראשונה אדם מתאר את האירוע בדרך אחת.
בגרסה מאוחרת יותר מופיע תיאור מעט שונה.
יש כאן הבדל שניתן לזהות.
אבל האם זו סתירה?
לא בהכרח.
יכול להיות שהשאלה שנשאלה הייתה שונה.
יכול להיות שנוספו פרטים.
יכול להיות שההבדל חסר משמעות.
ויכול להיות, כמובן, שהוא מהותי מאוד.
המערכת יכולה לסייע לי לראות את ההבדל.
המשמעות של ההבדל היא כבר שאלה מקצועית אחרת.
אותו עיקרון חל על הרבה דברים בתיק.
פרט שמופיע רק במקור אחד אינו בהכרח חשוד.
אירוע שחסר במקום מסוים אינו בהכרח ראיה לכך שלא התרחש.
קשר בין שני אנשים אינו בהכרח קשר רלוונטי לתיק.
ודמיון בין שני תיאורים אינו בהכרח מקור משותף.
בכל אחד מהמקרים יש מעבר בין שתי פעולות שונות:
Detection — מה נמצא או מה שונה.
ו־
Legal Meaning — מה המשמעות של הדבר שנמצא.
זה גבול שאסור לטשטש.
המשמעות המשפטית של ממצא אינה שדה שמסתתר בתוך המסמך וממתין שהמערכת „תחלץ” אותו.
היא נוצרת מתוך הדין, ההליך, הראיות, ההקשר, ההסברים האפשריים והאסטרטגיה.
ולכן אחד המשפטים שאני חוזרת אליו במהלך העבודה הוא:
AI רשאי לומר: „זה מעניין”.
הוא לא צריך לומר לבדו: „זה מוכיח”.
מערכת שמסייעת להפנות תשומת לב
מכאן התחילה לעניין אותי שאלה נוספת.
אולי אחד התפקידים החשובים ביותר של AI בתיק פלילי אינו דווקא להסיק מסקנות.
אולי הוא יכול לסייע לארגן את שדה הראייה של הסנגורית.
בתיק מורכב, מידע עשוי להיות מפוזר בין מקורות שונים.
גרסה בהודעה אחת.
מועד במסמך אחר.
פרט נוסף במקום שלישי.
כל אחד מהם יכול להיות גלוי לחלוטין בפני עצמו.
הקושי הוא שלא תמיד רואים את כולם יחד.
מערכת יכולה לסייע לרכז מידע שעשוי להיות קשור לאותו אירוע, להעמיד תיאורים זה לצד זה, להחזיר למקורות ולהציג קשרים אפשריים שראויים לבחינה.
לפעמים עצם הפריסה הזאת מספיקה.
לא צריך שהמערכת תאמר לי מה המשמעות.
כשהמידע מונח נכון מול העיניים, המשפטן יכול לזהות את השאלה הבאה בעצמו.
לחזור למקור.
לבדוק אם הפער אמיתי.
לשאול מדוע פרט מסוים חסר.
או להבין שמה שנראה בתחילה חריג דווקא מקבל הסבר פשוט כאשר רואים את ההקשר המלא.
מכאן נולד אצלי הדימוי של:
AI כמכונת תשומת לב של הסנגור.
לא מכונה שאומרת:
„מצאתי את הראיה המכריעה.”
אלא מערכת שיכולה לומר:
„יש כאן משהו שאולי כדאי לך לבדוק.”
אבל גם כאן יש גבול חשוב.
מערכת שמסייעת להפנות תשומת לב אינה ניטרלית לחלוטין.
מה שהיא בוחרת להציג מקבל נראות.
מה שהיא אינה מוצאת, אינה מקשרת או מדרגת כנמוך עלול לקבל פחות תשומת לב.
ולכן לא מספיק לשאול:
מה המערכת מצאה?
צריך לשאול גם:
מה היא עלולה לפספס?
זו מבחינתי אחת השאלות שדורשות עוד הרבה עבודה ובדיקה ככל שהמערכות האלה נעשות משמעותיות יותר.
הפליליסטית אינה בקרת האיכות של המכונה
המונח Human-in-the-loop מתאר לעיתים מצב שבו המערכת עושה את העבודה והאדם נמצא בסוף כדי לבדוק שלא נעשתה טעות.
בעבודה משפטית אני רואה את היחסים אחרת.
הפליליסטית אינה רק בקרת האיכות של המערכת.
יש החלטות שהן אנושיות מלכתחילה.
לא משום שהטכנולוגיה עדיין אינה מספיק טובה.
אלא משום שזהו סוג אחר של עבודה.
האם פער בין גרסאות באמת חשוב?
מהו ההסבר החלופי?
מה משקלה של ראיה?
איזה קשר קיים בינה לבין השאלה המשפטית?
כיצד היא משתלבת עם יתר התמונה?
והאם נכון בכלל להשתמש בה כחלק מקו ההגנה?
אלה אינן רק שאלות של מידע.
הן דורשות הקשר, ניסיון, דין, הבנת ההליך ואסטרטגיה.
ויש עוד פעולה מקצועית חשובה שהמערכת אינה צריכה להסתיר:
ההחלטה מה לא לטעון.
אפשר למצוא נקודה מעניינת ועדיין להחליט שהיא חלשה.
אפשר לזהות פער ועדיין להבין שיש לו הסבר סביר.
אפשר למצוא חיבור מפתיע ולהחליט שהוא אינו מועיל להגנה.
היכולת לומר „מצאתי משהו” והיכולת לומר „נכון לבנות על זה טענה” אינן אותה יכולת.
לכן מבחינתי שיקול הדעת האנושי אינו שכבת בטיחות שמוסיפים אחרי שהמערכת סיימה לעבוד.
הוא חלק מהארכיטקטורה המקצועית עצמה.
לא כמה מהעבודה אפשר להעביר למכונה — אלא איפה נכון למקם אותה
זה אולי הדבר המרכזי שהתבהר לי עד עכשיו במהלך בניית המערכת.
השאלה המעניינת אינה:
כמה מעבודת הסנגור אפשר להעביר ל־AI.
השאלה המעניינת יותר היא:
איפה בתוך העבודה המקצועית נכון למקם יכולות חישוביות ו־AI — ואיפה הן צריכות לעצור.
אני רואה כיום שלושה שלבים שונים.
קודם צריך לדעת על מה אנחנו מסתכלים — ולכן המקור וה־Provenance חשובים.
אחר כך אפשר להשתמש במערכת כדי להציף ולארגן את מה שראוי לבדיקה.
ורק לאחר מכן מגיע השלב שבו צריך לקבוע:
מה הדבר אומר ומה נכון לעשות איתו.
השלב האחרון אינו רק פעולה על מידע.
שם נכנסים שיקול הדעת וההכרעה המקצועית.
ולכן המטרה שלי אינה לבנות AI שיהיה סנגור.
המטרה היא לבנות סביב הסנגורית סביבת עבודה טובה יותר — כזו שמאפשרת לה לראות יותר, לחזור למקור, לבדוק קשרים ולשאול שאלות מדויקות יותר.
בלי לטשטש את הגבול בין מידע לבין משמעות.
בלי להפוך טענה לעובדה.
בלי להפוך הבדל לסתירה רק מפני שמערכת סימנה אותו.
ובלי לוותר על השאלה שצריכה להישאר במרכז:
מה מכל זה באמת משנה לתיק?
הגבול הזה אינו בעיניי מגבלה של המערכת.
הוא חלק מהדרך שבה נכון לבנות אותה.