Joka perjantai-iltapäivä monissa pienissä asianajotoimistoissa vallitsee tietynlainen kauhu. Se on ääni, joka syntyy 2 000-sivuisen PDF-tiedoston saapuessa sähköpostiin – kyseessä on todisteiden esittämispyyntö (discovery), joka on jäsenneltävä, luokiteltava ja tiivistettävä maanantaiaamuun mennessä. Vuosien ajan vastaus oli yksinkertainen: nuorempi osakas menetti viikonloppunsa. Mutta kuten olen nähnyt sadoissa yrityksissä, manuaalisen työn yhtälö on murtumassa. Tästä syystä tekoälyn käyttöönotto pienyrityksissä, jota omistajat parhaillaan etsivät, ei liity pelkästään nopeuteen; kyse on selviytymisestä markkinalla, jossa tehokkuus on ainoa jäljellä oleva keino katteen parantamiseksi.
Työskentelin hiljattain kolmen osakkaan toimiston kanssa, joka on erikoistunut talousrikospuolustukseen. He olivat hukkumassa ”todisteiden läpikäynnin takalukkoon” – pisteeseen, jossa todisteiden määrä ylittää ihmisen kyvyn tarkastaa ne, mikä johtaa joko yksityiskohtien huomiotta jättämiseen tai tähtitieteellisiin laskuihin asiakkaalle. He tiesivät, että tekoäly voisi auttaa, mutta he vastustivat yhtä asiaa: pilvipalveluita. Arkaluonteisen asiakasdatan lähettäminen kolmannen osapuolen palvelimelle ei ollut vain riski; se oli mahdollinen eettinen rikkomus.
Se, mitä rakensimme, ei ollut monimutkainen ohjelmistokokonaisuus. Rakensimme ”Local-First” -tekoälyputken, joka säästi heiltä 20 tuntia viikossa, maksoi vähemmän kuin yhden kuukauden kahvibudjetti, eikä koskaan päästänyt sanaakaan asiakasdataa toimiston seinien ulkopuolelle. Tässä on suunnitelma siitä, miten he sen tekivät, ja mitä se opettaa meille asiantuntijapalveluiden tulevaisuudesta.
Tietoturvan suvereniteettivaje
💡 Haluatko Pennyn analysoivan liiketoimintaasi? Hän kartoittaa, mitkä roolit tekoäly voi korvata, ja rakentaa vaiheittaisen suunnitelman. Aloita ilmainen kokeilu →
Useimmat yritysomistajat, joiden kanssa keskustelen, ovat loukussa niin sanotussa tietoturvan suvereniteettivajeessa. Tämä tarkoittaa ristiriitaa tehokkaiden tekoälytyökalujen käytön ja sen välillä, että omistusoikeudellinen data on voitava pitää täysin omassa hallinnassa.
Toimialoilla, kuten lakipalveluissa, terveydenhuollossa ja rahoitusalalla, ”pilvipohjainen oletusmalli” – jossa data lähetetään OpenAI:lle tai Anthropicille – on usein mahdoton ajatus. Tässä vajeessa tekoälyn käyttöönotto yleensä pysähtyy. Pienyritykset näkevät hienot demot, ymmärtävät, etteivät voi ladata arkaluonteisia tiedostojaan palveluun, ja luovuttavat olettaen, ettei tekoäly ole heitä varten.
Kuvio, jonka näen kuitenkin yleistyvän, on siirtyminen kohti ”reunaälyä” (Edge Intelligence). Olemme luopumassa ajatuksesta, että tekoälyn on asuttava massiivisessa konesalissa. Tämän asianajotoimiston kohdalla suljimme vajeen ottamalla käyttöön paikallisen suuren kielimallin (LLM) suoraan heidän toimistollaan sijaitsevaan tehokkaaseen Mac Studio -tietokoneeseen. Internet-yhteyttä ei tarvita. Ei tietovuotoja. Täysi suvereniteetti.
Todisteiden läpikäynnin tehokkuusmatriisi
Ymmärtääksemme, miksi tämä oli niin suuri voitto, meidän on tarkasteltava todisteiden läpikäynnin tehokkuusmatriisia. Perinteisessä toimistossa todisteiden tarkastelu sijoittuu johonkin neljästä neljänneksestä nopeuden ja yksityisyyden perusteella.
- Manuaalinen tarkastus (korkea yksityisyys, alhainen nopeus): Perinteinen tapa. Turvallinen, mutta tuskallisen hidas ja altis inhimilliselle väsymykselle.
- Ulkoistettu tarkastus (alhainen yksityisyys, keskitason nopeus): Tiedostojen lähettäminen ulkopuoliselle palvelulle. Riskialtista ja kallista.
- Pilvipohjainen tekoäly (alhainen yksityisyys, korkea nopeus): Nopeaa, mutta vaatimustenmukaisuuden kannalta painajainen.
- Paikallinen tekoäly (korkea yksityisyys, korkea nopeus): ”Kultainen neljännes”, jossa tämä toimisto nyt toimii.
Siirtymällä kultaiseen neljännekseen toimisto ei ainoastaan säästänyt aikaa, vaan muutti koko toimintansa taloudellisia perusteita. Voit lukea lisää siitä, miten nämä muutokset vaikuttavat tulokseen lakipalveluiden säästöoppaastamme. Kun poistat ”ihmisveron” ensimmäisestä 90 prosentista datan käsittelyä, et vain leikkaa kustannuksia – lisäät kykyäsi ottaa vastaan monimutkaisempia tapauksia kasvattamatta henkilöstömäärää.
Toteutus: Miten teimme sen
Emme tarvinneet kehittäjätiimiä. Käytimme menetelmää, jota kutsun nimellä The Lean Stack Adoption. Pienyritykselle tekoälyn käyttöönoton ei tarvitse olla kuusinumeroinen investointi.
1. Laitteisto
Käytimme suuren muistikapasiteetin työasemaa (64 Gt RAM). Paikallisen tekoälyn maailmassa RAM-muisti on kallein resurssi. Se määrittelee, kuinka ”älykäs” malli voi olla ja kuinka paljon tekstiä se voi ”muistaa” kerralla.
2. Ohjelmisto
Hyödynsimme Ollama-työkalua, joka on avoimen lähdekoodin työkalu tehokkaiden mallien, kuten Llama 3:n ja Mistralin, ajamiseen paikallisesti. Yhdistimme tämän yksityiseen dokumenttichat-käyttöliittymään. Ajattele sitä kuin ChatGPT:n yksityisenä versiona, joka tarkastelee vain niitä tiedostoja, jotka osoitat sille omalla kovalevylläsi.
3. Prosessi
Toimiston discovery-tiedostot syötetään järjestelmään. Tekoäly luo haettavan indeksin. Tämän jälkeen lakimiehet voivat esittää kysymyksiä, kuten: ”Tiivistä jokainen maininta tammikuun 14. päivän kokouksesta” tai ”Etsi todistajien lausunnoista ristiriitaisuuksia koskien rahansiirtoa.”
Se, mikä vei ennen nuoremmalta osakkaalta 10 tuntia sivujen kääntelyä, vie nyt tekoälyltä 15 minuuttia prosessointia ja lakimieheltä 30 minuuttia varmistamista. Tämä on 90/10-sääntö käytännössä: tekoäly hoitaa 90 % rutiininomaisesta käsittelystä, jättäen viimeiset 10 % – strategisen harkinnan – inhimilliselle asiantuntijalle.
Kellonajan tuolla puolen: Toisen kertaluvun vaikutukset
Kun pienyritys säästää 20 tuntia viikossa, ensimmäinen ajatus on kustannussäästö. Todellinen tarina on kuitenkin se, mitä tapahtuu liiketoimintamallille. Tämä toimisto lopetti laskuttamisen ”asiakirjojen tarkastelusta” – matalakatteisesta ja kitkaa aiheuttavasta toiminnasta, josta asiakkaat inhoavat maksaa – ja alkoi laskuttaa ”strategisesta analyysista”.
Kutsun tätä käsitettä nimellä The Value Pivot (arvon painopisteen muutos). Automatisoimalla suorittavan työn he nostivat kokemaansa arvoa. He eivät olleet enää ”toimisto, joka lukee nopeasti”; heistä tuli ”toimisto, joka löytää ratkaisevan todisteen nopeammin kuin kukaan muu”.
Jos olet kiinnostunut näiden perinteisten ja tekoälypohjaisten mallien tarkemmista hintapisteistä, katso erittelymme lakipalveluiden kustannuksista. Erosta on tulossa mahdoton sivuuttaa. Toimisto, joka veloittaa £250/tunti työstä, jonka £2,000 hintainen laite voi tehdä loputtomasti, on toimisto, jonka ketterämpi kilpailija tulee syrjäyttämään.
Epäilijöille: Tarkkuus ja vaatimustenmukaisuus
”Mutta Penny”, minulta kysytään, ”voimmeko luottaa siihen?”
Tekoälyn tarkkuus ei ole mustavalkoista; se on prosessi. Toteutimme varmistussilmukan (Verification Loop). Tekoäly tuottaa tiivistelmän, mutta sen on sisällytettävä siihen ”lähdeviitteet” – tarkka sivunumero ja kappale, jota se käytti vastauksen luomiseen. Lakimies klikkaa viitettä, varmistaa tekstin ja jatkaa eteenpäin. Emme pyydä tekoälyä olemaan tuomari; pyydämme sitä olemaan maailman tehokkain kirjastonhoitaja.
Vaatimustenmukaisuuden kannalta toimisto pysyi täysin sääntelyvaatimusten sisällä, koska data ei koskaan poistunut rakennuksesta. Lisätietoja tekoälyn ja sääntelyn risteyskohdasta löydät artikkelistamme lainmukaisuus ja tekoäly.
Oppitunti jokaiselle pienyritykselle
Sinun ei tarvitse olla asianajotoimisto oppiaksesi tästä. Olitpa tilintarkastaja, joka käy läpi verokuitteja, lääkäriasema, joka käsittelee potilashistoriaa, tai urakoitsija, joka hallinnoi satoja tarjousasiakirjoja, kaava on sama:
- Tunnista datan painopiste: Missä arkaluonteisin tietosi sijaitsee?
- Laske ihmisvero: Kuinka monta tuntia kuluu hahmontunnistukseen päätöksenteon sijaan?
- Kuro umpeen vaje: Käytä paikallisia työkaluja tuodaksesi älykkyyden datan luokse, sen sijaan että veisit datan älykkyyden luokse.
Tekoälyn käyttöönotto pienyrityksissä ei vaadi Piilaakson budjettia. Se vaatii prosessien uudelleenarviointia. Tämä asianajotoimisto säästi 20 tuntia viikossa, ei ostamalla ”taikatyökalua”, vaan olemalla riittävän rohkea ajattelemaan tiedon käsittelyn uusiksi.
Kysymys ei ole siitä, pystyykö tekoäly tekemään työn. Kysymys kuuluu: oletko valmis lopettamaan laskuttamisen tunneista, jotka kuluivat työn tekemiseen manuaalisesti?