eDiscovery voor advocaten
Zogenaamde “legaltech” bedrijven vinden in rap tempo hun weg in de advocatuur. Met hun software waarmee delen van de juridische werkprocessen kunnen worden geautomatiseerd, beginnen zij een geduchte concurrent te worden van de (kleinere) advocatenkantoren.
En terecht. De enorme hoeveelheden data waar we tegenwoordig over beschikken in combinatie met steeds snellere computers, maakt toepassen van zelflerende systemen, ook wel Artificial Intelligence (AI) of “machine learning” genoemd, steeds beter mogelijk. En zelfs noodzakelijk. De geavanceerder eDiscovery technologie van ZyLAB maakt gebruik van deze technieken.
Machine Learning
Machine learning draait om het ontdekken van patronen en verbanden in grote datasets. Aan de hand van zogenaamde trainingsdata wordt een classificatiesysteem getraind. Nieuwe stukjes data worden vervolgens geclassificeerd aan de hand van (latente) patronen die ontdekt zijn in de trainingsdata. Zo wordt het na genoeg training, uiteindelijk mogelijk om het gedrag van nieuwe data te voorspellen.
Machine learning en aanverwante technieken zijn uitermate geschikt om in te zetten bij het verzamelen van relevante documenten voor M&A-onderzoeken, due diligence of verslag voor zakelijke transacties. Dit zijn zeer tijdrovende processen waaraan veel risico’s kleven als het met de hand wordt gedaan en die gepaard gaan met te hoge kosten waardoor het kantoor niet meer concurrerend is. Ook niet wanneer het gaat om het rekruten van nieuwe toppers. De volgende generatie ambitieuze medewerkers weet heel goed dat er prima technologie beschikbaar is om het saaie, handmatige reviewen van documenten sneller en efficiënter te doen.
Meer waarde uit uw klantrelatie met de juiste technologie
Kantoren staan voortdurend onder druk om tastbare ROI en hoogwaardige service aan hun klanten te bieden. Niet alleen de omvang maar ook de complexiteit van de meeste onderzoeken bij (grote) ondernemingen maakt het voor advocaten noodzakelijk technologie te gebruiken om de feiten zo snel en kostefficiënt mogelijk boven tafel te krijgen waarna de juiste juridische actie ondernomen kan worden. Technologische kennis wordt een middel om zich als advocaat te onderscheiden in een tijd waarin bedrijven meerdere kantoren gebruiken en bedrijfsjuristen advocatenkantoren als onderling uitwisselbaar gaan zien.
Data-analyse en AI worden binnen de juridische wereld al breed toegepast in bijvoorbeeld mededingingsrechtelijk onderzoek en in eDiscovery. Maar de techniek biedt veel meer, vaak nog onbenutte mogelijkheden. Denk bijvoorbeeld aan Predictive Coding of Technology Assisted Review (TAR) bij de voorbereiding van M&A-deals en financiële transacties, snellere due diligence, contractanalyse en grootschalig documentonderzoek op specifieke juridische vragen.
ZyLAB biedt al deze geavanceerde technologie aan via juridische SaaS-platformen die zeer voordelig en per zaak kunnen worden ingezet. Advocaten kunnen hiermee zelf het projectmanagement doen, data uploaden en binnen enkele minuten beginnen met het reviewen van de gegevens. Zo kent de advocaat al heel vroeg in het proces alle feiten en kan hij zich concentreren op het ontwikkelen van de beste juridische strategie voor zijn cliënt en tegemoetkomen aan de strakke deadlines van toezichthouders en rechtbanken, zonder daarbij niet-relevante of privacygevoelige informatie te produceren.
Over de auteur
Prof. dr. ir. Johannes (Jan) C. Scholtes is Chairman en Chief Strategy Officer van ZyLAB. Scholtes was als ZyLAB’s President en CEO van 1989 tot 2009 betrokken bij het inzetten van eDiscovery software bij onder andere de Oorlogsmisdaden Tribunalen van de VN, de FBI-Enron onderzoeken, het Witte Huis en duizenden andere gebruikers wereldwijd.
Voordat hij in 1989 bij ZyLAB begon, was Scholtes luitenant bij de inlichtingendienst van de Koninklijke Nederlandse Marine. Scholtes is ingenieur (ir.) in de Informatica (TU Delft), doctor in ‘Computational Linguistics’ (Universiteit van Amsterdam) en bekleedt sinds 2008 de buitengewone leerstoel ‘Text Mining’ van de faculteit “Data Sciences and Knowledge Engineering” in de Artificial Intelligence groep van der Universiteit van Maastricht.