דעה

סוכני בינה מלאכותית בעלי אופק ארוך ומודל התפעול המשפטי של Supio

זאוס קרוואלה מנתח ב-SiliconANGLE את פלטפורמת Supio ואת המעבר מפתרונות נקודתיים לסוכנים מרובי שלבים

4 דקות קריאה
EN
סוכני בינה מלאכותית בעלי אופק ארוך ומודל התפעול המשפטי של Supio
מבוסס על כתבה שלSiliconANGLE AI ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

מה חשוב לדעת

  1. לפי זאוס קרוואלה, סוכנים בעלי אופק ארוך שואפים לנהל משימות מרובות שלבים המתפרסות על פני ימים או שבועות ולא רק לספק מענה נקודתי.

  2. לפי נתוני Supio, כ-66% מהעבודה בתיק כוללת תקשורת עם גורם חיצוני שאינו הלקוח, כגון ספקי טיפול ומבטחים.

  3. עורך הדין בוב סימון תיאר שימוש במערכת לאיתור מטא-דאטה בגילוי מסמכים, תוך ציון שעורכי דין צריכים לאמת מקורות וראיות.

  4. Supio בונה פלטפורמה המאגדת נתוני תיקים, ידע משרדי, פסיקה סמכותית מ-Thomson Reuters, סטטוס עבודה ותקשורת.

במאמר דעה שפורסם ב-SiliconANGLE, האנליסט זאוס קרוואלה (Zeus Kerravala) מ-ZK Research טוען כי השלב הבא בבינה מלאכותית בטכנולוגיה משפטית לא יוגדר על ידי צ'אטבוט מוצלח יותר או כלי מהיר יותר לסיכום מסמכים, אלא ביכולתן של מערכות בינה מלאכותית לקחת אחריות על עבודה ממשית המתפרסת על פני ימים או שבועות, חוצה מערכות וערוצי תקשורת מרובים, ומחזירה את השליטה לעורך הדין ברגעים שבהם שיקול הדעת האנושי הוא החשוב ביותר. לפי קרוואלה, חברת Supio פועלת לקראת מודל תפעולי זה באמצעות סוכני בינה מלאכותית בעלי אופק ארוך (long-horizon agents). החזון של החברה רחב יותר מאוטומציה של שלבים בודדים בתיקי נזקי גוף, ושואף ליצור שכבת תפעול חכמה עבור המשרד, שמבינה את התיק, את הידע המוסדי של המשרד, את סטטוס העבודה בתהליך ואת הפעולות הבאות הנדרשות לקידום התיקים.

סופיאו מתארת את הפלטפורמה הרחבה שלה כ-"Firm OS" – מערכת פעולה (system of action) ולא רק מערכת תיעוד (system of record). קרוואלה מציין כי רוב מוצרי הבינה המלאכותית המשפטיים התמקדו עד כה בפתרונות נקודתיים, כגון סיכום רשומות רפואיות, הכנת מכתבי דרישה, חיפוש בחומרי גילוי מסמכים או מענה לשאלות על תיק בודד. יכולות אלו בעלות ערך, אך הן מותירות את עורכי הדין והצוות לתאם את זרימת העבודה סביבן: לזהות שנדרשת פעולה, לאתר את הנתונים הנכונים, לפעול בערוצי תקשורת, לבצע מעקב ולתעד את התוצאה. מסיבה זו, הבינה המלאכותית המשפטית שיפרה עד כה בעיקר יעילות ברמת המשימה הבודדת, אך הייתה בעלת השפעה מזערית על שורת הרווח של משרדי עורכי דין. סוכנים בעלי אופק ארוך מבקשים לקחת על עצמם את עבודת התיאום והתזמור הזו, ובכך עשויים לשנות את מבנה העלויות, את הקיבולת לטפל ביותר תיקים, את היכולת להביא מומחיות בכירה ליותר החלטות ואת חוויית הלקוח.

הגדרת סוכנים בעלי אופק ארוך ומורכבות התהליך

סוכן בעל אופק ארוך מוגדר כמערכת בינה מלאכותית שתוכננה לחתור לעבר יעד לאורך תקופה ממושכת, במקום להפיק תשובה חד-פעמית או להשלים משימה מבודדת. סוכן כזה יכול לשמור על הקשר, לזהות עבודות המשך, להשתמש בכלים או בערוצים מרובים, לקבל החלטות מוגדרות ולהפנות חריגות או מקרים הדורשים שיקול דעת לבן אדם. קרוואלה מדגים את ההבדל בין פנייה לצ'אטבוט בשאלה מה צריך לדעת על טיפול קרוב של לקוח, לבין בקשה מסוכן לנהל את תהליך הטיפול כולו: מציאת הספק, קביעת התור, העברת פרטי התור ללקוח ואיסוף הרשומות לאחר הטיפול. תהליך זה כולל שלבים מרובים עם תלויות, תנאים משתנים ותוצאה בעולם האמיתי.

במהלך תדרוך עם סופיאו, מנהל המוצר דן ז'אנג (Dan Zhang) הציג דוגמה של איחזור רשומות רפואיות. התיאור הפשוט "השג את הרשומות מהספק" מסתיר מורכבות תפעולית: ייתכן שהסוכן יידרש לאמת את פרטי ההתקשרות של הספק, לזהות את תהליך הבקשה הנהוג אצלו, למלא טפסים ומסמכים הקשורים ל-HIPAA, לשלוח את הבקשה בפקס, לבצע מעקב בטלפון או בדוא"ל, לעקוב אחר קבלת מענה לאורך ימים או שבועות, לקלוט את הרשומות עם הגעתן, ולהתריע לצוות המשפטי אם התהליך נתקע. זהו המאפיין שהופך את הסוכן לבעל אופק ארוך: הוא מבין את היעד הרחב ויכול להמשיך לפעול לקראתו לאורך זמן, בערוצים שונים ותוך קבלת החלטות ביניים. זהו גם מבחן משמעותי יותר לבשלות בינה מלאכותית ארגונית מאשר ממשקי שיחה בלבד. בעוד שעוזר בינה מלאכותית יוצרת יכול לנסח דוא"ל באופן מיידי, סוכן בעל אופק ארוך נדרש לקבוע מתי לשלוח אותו, איזה מידע נחוץ לו, האם התקבלה תשובה, מתי יש צורך באישור או הסלמה, והיכן יש לתעד את התוצאה במערכת הרשומות.

מעוזר משפטי לשכבת תפעול משרדית

האסטרטגיה של סופיאו מבוססת על ההכרה בכך שעבודה משפטית של תובעים אינה תהליך דיגיטלי נקי לחלוטין. התיקים נעים בין מערכות ניהול תיקים, דוא"ל, שיחות קוליות, מסמכים, מרפאות ספקים, מערכות פקס וגורמים חיצוניים הכוללים חברות ביטוח, לקוחות וספקי טיפול. על פי נתוני החברה, כ-66% (בערך שני שלישים) מהעבודה בתיק כוללת צורה כלשהי של תקשורת עם גורם חיצוני שאינו הלקוח. מצב זה דורש סביבה תפעולית מקושרת ולא רק גישה למודל שפה.

סופיאו בונה פלטפורמה המאגדת נתוני תיקים, ידע משרדי, פסיקה סמכותית מ-Thomson Reuters, סטטוס עבודה ותקשורת. ככל שהעבודה מתבצעת, הסוכנים יכולים לתעד את הפעולות, לזהות משימות המשך ולבנות תמונה של מצב התיק. סוכנים עתידיים יכולים לפעול על בסיס הקשר מתפתח זה במקום להתחיל מאפס בכל הנחיה (פרומפט). מערכת ניהול תיקים מסורתית מתעדת פעילות לאחר שאדם ביצע אותה, ואילו מערכת מבוססת סוכנים יכולה הן לבצע פעולות מסוימות והן לתעד אותן בזמן התרחשותן. עבור עורך הדין, הצעת הערך כוללת את האפשרות להקדיש פחות זמן לתיאום עבודה מכנית ויותר זמן לאסטרטגיה משפטית, שיקול דעת, תקשורת עם לקוחות וקבלת החלטות על ניהול התיק. החזון של סופיאו הוא שהסוכן יפעל כעמית מנוסה המכיר את הארגון ואת עבודת עורך הדין, וינהל את זרימת העבודה החזרתית ברקע בזמן שעורכי הדין מתמקדים בהחלטות שאינן ניתנות להאצלה.

מקרה הבוחן של The Simon Law Group

עורך הדין בוב סימון (Bob Simon) תיאר שימוש בסופיאו לבניית סוכן מותאם אישית לגישת הליטיגציה שלו. הוא חיבר את המערכת למקורות כגון SharePoint, Outlook, מערכת ניהול התיקים (CMS) ו-OneDrive, והוסיף חומרי משפט קודמים, גביית עדויות (depositions), מדריכי ליטיגציה, מחקרי מומחים, מאמרים וספר שכתב על ניהול משפטים בתיקי פגיעות דיסק. המטרה הייתה להגדיר תוכנית עבודה מובנית (Playbook): כיצד סימון מעריך תיק, מתכונן לעדות מומחה, מזהה חולשות בעמדת הצד שכנגד ומתכנן זכייה במשפט.

סימון השתמש במערכת לבדיקת גביית עדויות (depositions) מול תוצרי עבודה קודמים, לזיהוי חומרים שאולי החמיץ ולחידוד הניתוח של הסוכן. הוא השתמש בה גם מעבר למשימות משפטיות מסורתיות, כגון ניתוח מידע פיננסי של המשרד ב-QuickBooks והשוואה בין סיכומי פגישות, סדר יום ואתר אינטרנט של כנס לצורך הצפת פערים או אי-התאמות. בדוגמה אחת שהציג סימון, המערכת איתרה מטא-דאטה במענה לגילוי מסמכים שהצביע על כך שההגנה ייתכן שלא הציגה את כל החומרים, וניסחה זימון (Subpoena) לצד שלישי שממנו הגיע המידע. סימון ייחס לתהליך זה סיוע בפתרון התיק תמורת סכום כספי משמעותי.

לצד זאת, סימון הדגיש את תפקידו של הגורם האנושי וציין כי עורכי דין צריכים לאמת את העבודה, שכן פלט של סוכן אינו תחליף לאחריות מקצועית. בפועל, סימון מבקש קישורים למקורות ומאמת מוצגים מרכזיים, ראיות ורשומות רפואיות. מודל זה מבוסס על הגברת האוטונומיה בשלבי עבודה חזרתיים בעלי סיכון נמוך, לצד בדיקה אנושית בנקודות החלטה מהותיות.

שאלת האמון, משילות ומערכות ייעודיות לתחום

סוכנים בעלי אופק ארוך מתמודדים עם רף דרישות גבוה יותר מעוזרי בינה מלאכותית מסורתיים מכיוון שהם פועלים לאורך זמן ומקיימים אינטראקציה עם גורמים חיצוניים. אתגר התכנון הוא להפוך את האוטונומיה שלהם לניתנת לצפייה, לבקרה ולהגבלה. משרדים יזדקקו להרשאות ברורות, יומני ביקורת (Audit trails), ייחוס מקורות, נתיבי הסלמה ובקרת גישה מבוססת תפקידים (RBAC). לדוגמה, לאחר שהתברר שלעובדים רבים מדי הייתה גישה ליכולת הניתוח הפיננסי, משרדו של סימון הגביל את הגישה ליכולת זו לשלושה משתמשים מורשים בלבד.

לדברי קרוואלה, המגזר המשפטי מהווה שדה ניסוי לסוכני בינה מלאכותית ממושכי אופק בשל היותו עתיר מסמכים ותהליכי עבודה, מפוקח מאוד ותלוי בשיקול דעת, אמון ואחריותיות. סופיאו מעריכה כי הפלטפורמות המובילות לא יהיו מערכות כלליות שמנסות לשרת כל תעשייה, אלא מערכות בינה ייעודיות לתחום שמבינות את השפה, תהליכי העבודה, הידע הסמכותי, הנתונים, החריגות והזיכרון המוסדי של תחום ספציפי. לסיכום המאמר, קרוואלה מציין כי המנצחים הבאים בתחום הבינה המלאכותית הארגונית יהיו חברות שיעברו ממתן תשובות לקידום ביצוע העבודה, דבר הדורש ידע מעמיק בתחום, גישה למערכות שבהן מתבצעת העבודה, זיכרון מתמשך, מודעות לתהליכים, משילות מוקפדת ושמירה על אחריות אנושית בהחלטות מהותיות.

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של SiliconANGLE AI. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־SiliconANGLE AI

כל הכתבות מ־SiliconANGLE AI
עידן סוכני ה-AI מאלץ מיזוג בין אבטחה לחוסן נתונים
דעה
5 דקות
מ־SiliconANGLE AI

עידן סוכני ה-AI מאלץ מיזוג בין אבטחה לחוסן נתונים

בטור דעה ב-SiliconANGLE מנתח זאוס קרוואלה כיצד פעילות סוכני בינה מלאכותית מחייבת שילוב הדוק בין אבטחת מידע לחוסן נתונים. בעקבות השקת Veeam Intelligent ResOps (iResOps) עבור Microsoft 365, מוסבר כי סוכנים הפועלים ישירות על מידע ארגוני עלולים לשנות נתונים באופן עצמאי. האתגר המרכזי אינו רק הצפנה או גניבה, אלא זיהוי מדויק של השינויים וביטולם. קרוואלה מציג נתונים מדוח של Veeam המצביעים על כך ש-88% מהארגונים מפעילים סוכנים אך רק 7% מוכנים לכך, וממליץ להתמקד בנתונים, לנהל סחף מידע ולשלב מערכות זהות בשחזור.

קרא עוד
מדוע סוכני בינה מלאכותית עשויים שלא להתאים לארגון שלכם
דעה
4 דקות
מ־SiliconANGLE AI

מדוע סוכני בינה מלאכותית עשויים שלא להתאים לארגון שלכם

בטור דעה שפורסם ב-SiliconANGLE, ג'ייסון בלומברג מנתח את הסיכונים בשימוש בסוכני בינה מלאכותית (AI agents). בלומברג מסביר כי סוכנים מבוססי מודלי שפה גדולים הם בלתי דטרמיניסטיים מטבעם, ולכן תמיד קיים סיכוי לפעולה בלתי רצויה או לתשובה שגויה. המאמר סוקר מקרים שבהם מוטב להימנע משימוש בסוכנים – לרבות משימות הדורשות דיוק מוחלט כמו הפעלת שכר, מצבים שבהם שגיאה עלולה לגרום לפגיעה חמורה בחיי אדם, ומקרים שבהם עלות ההפעלה של הסוכנים עולה על התועלת העסקית. בלומברג ממליץ לחשב תקציב שגיאות בטרם הטמעת סוכנים בארגון.

קרא עוד
בדיקות תוכנה לעומסי עבודה של סוכנים: הנחות מסורתיות שנשברות
דעה
4 דקות
מ־SiliconANGLE AI

בדיקות תוכנה לעומסי עבודה של סוכנים: הנחות מסורתיות שנשברות

בטור דעה שפורסם ב-SiliconANGLE, כותב מ. תוהיד כי עומסי עבודה של סוכני בינה מלאכותית שוברים שלוש הנחות יסוד של מערכות ארגוניות מסורתיות: שמשימות מסתיימות במהירות, שניסיון חוזר אינו עולה כסף, ושאותו קלט תמיד מניב את אותו פלט. כתוצאה מכך, פיילוטים שמפגינים ביצועים תקינים באינטראקציה מול אדם עלולים להפוך לבעיות תפעוליות כשהם פועלים ללא השגחה. הקושי נובע לרוב מהתשתית ומנוהלי הניהול המקיפים את המודל, ולא מאיכות המודל עצמו. בין השינויים הבולטים: משימות נמשכות דקות ולא מילישניות, ניסיונות חוזרים גוררים עלויות כספיות מצטברות עקב תמחור משאבים, וכשלים אינם ניתנים לשחזור פשוט ללא תיעוד רציף של החלטות הסוכן וקריאות הממשק.

קרא עוד
סוכני בינה מלאכותית חושפים את מגבלות האמון במחשוב ארגוני
דעה
4 דקות
מ־SiliconANGLE AI

סוכני בינה מלאכותית חושפים את מגבלות האמון במחשוב ארגוני

בטור דעה ב-SiliconANGLE, כותבת רנה דיוויס, מייסדת-שותפה ב-OpenMatter Network, כי בינה מלאכותית סוכנותית חושפת את מגבלות מודל האמון המסורתי במחשוב ארגוני. בעוד שטכנולוגיות אבטחה קיימות עוקבות אחר הרשאות ואירועים נקודתיים, הן אינן מתעדות בהכרח את שרשרת ההחלטות וההוראות המלאה של סוכנים אוטונומיים. דיוויס מציגה את הצורך במעבר ממחשוב מבוסס אמון למחשוב שניתן לאימות בלתי תלוי, שבו פעולות בעלות השלכות מגובות בראיות עקביות על פני מערכות שונות. במסגרת זו, כלים קריפטוגרפיים כמו חתימות דיגיטליות, גיבובים וחותמות זמן מסייעים להבטיח את שלמות הראיות ומקורן, לצד הגדרת בקרות תפעוליות ובדיקות שחזור תקופתיות.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
עידן סוכני ה-AI מאלץ מיזוג בין אבטחה לחוסן נתונים
דעה
5 דקות
מ־SiliconANGLE AI

עידן סוכני ה-AI מאלץ מיזוג בין אבטחה לחוסן נתונים

בטור דעה ב-SiliconANGLE מנתח זאוס קרוואלה כיצד פעילות סוכני בינה מלאכותית מחייבת שילוב הדוק בין אבטחת מידע לחוסן נתונים. בעקבות השקת Veeam Intelligent ResOps (iResOps) עבור Microsoft 365, מוסבר כי סוכנים הפועלים ישירות על מידע ארגוני עלולים לשנות נתונים באופן עצמאי. האתגר המרכזי אינו רק הצפנה או גניבה, אלא זיהוי מדויק של השינויים וביטולם. קרוואלה מציג נתונים מדוח של Veeam המצביעים על כך ש-88% מהארגונים מפעילים סוכנים אך רק 7% מוכנים לכך, וממליץ להתמקד בנתונים, לנהל סחף מידע ולשלב מערכות זהות בשחזור.

קרא עוד
מדוע סוכני בינה מלאכותית עשויים שלא להתאים לארגון שלכם
דעה
4 דקות
מ־SiliconANGLE AI

מדוע סוכני בינה מלאכותית עשויים שלא להתאים לארגון שלכם

בטור דעה שפורסם ב-SiliconANGLE, ג'ייסון בלומברג מנתח את הסיכונים בשימוש בסוכני בינה מלאכותית (AI agents). בלומברג מסביר כי סוכנים מבוססי מודלי שפה גדולים הם בלתי דטרמיניסטיים מטבעם, ולכן תמיד קיים סיכוי לפעולה בלתי רצויה או לתשובה שגויה. המאמר סוקר מקרים שבהם מוטב להימנע משימוש בסוכנים – לרבות משימות הדורשות דיוק מוחלט כמו הפעלת שכר, מצבים שבהם שגיאה עלולה לגרום לפגיעה חמורה בחיי אדם, ומקרים שבהם עלות ההפעלה של הסוכנים עולה על התועלת העסקית. בלומברג ממליץ לחשב תקציב שגיאות בטרם הטמעת סוכנים בארגון.

קרא עוד
בדיקות תוכנה לעומסי עבודה של סוכנים: הנחות מסורתיות שנשברות
דעה
4 דקות
מ־SiliconANGLE AI

בדיקות תוכנה לעומסי עבודה של סוכנים: הנחות מסורתיות שנשברות

בטור דעה שפורסם ב-SiliconANGLE, כותב מ. תוהיד כי עומסי עבודה של סוכני בינה מלאכותית שוברים שלוש הנחות יסוד של מערכות ארגוניות מסורתיות: שמשימות מסתיימות במהירות, שניסיון חוזר אינו עולה כסף, ושאותו קלט תמיד מניב את אותו פלט. כתוצאה מכך, פיילוטים שמפגינים ביצועים תקינים באינטראקציה מול אדם עלולים להפוך לבעיות תפעוליות כשהם פועלים ללא השגחה. הקושי נובע לרוב מהתשתית ומנוהלי הניהול המקיפים את המודל, ולא מאיכות המודל עצמו. בין השינויים הבולטים: משימות נמשכות דקות ולא מילישניות, ניסיונות חוזרים גוררים עלויות כספיות מצטברות עקב תמחור משאבים, וכשלים אינם ניתנים לשחזור פשוט ללא תיעוד רציף של החלטות הסוכן וקריאות הממשק.

קרא עוד
סוכני בינה מלאכותית חושפים את מגבלות האמון במחשוב ארגוני
דעה
4 דקות
מ־SiliconANGLE AI

סוכני בינה מלאכותית חושפים את מגבלות האמון במחשוב ארגוני

בטור דעה ב-SiliconANGLE, כותבת רנה דיוויס, מייסדת-שותפה ב-OpenMatter Network, כי בינה מלאכותית סוכנותית חושפת את מגבלות מודל האמון המסורתי במחשוב ארגוני. בעוד שטכנולוגיות אבטחה קיימות עוקבות אחר הרשאות ואירועים נקודתיים, הן אינן מתעדות בהכרח את שרשרת ההחלטות וההוראות המלאה של סוכנים אוטונומיים. דיוויס מציגה את הצורך במעבר ממחשוב מבוסס אמון למחשוב שניתן לאימות בלתי תלוי, שבו פעולות בעלות השלכות מגובות בראיות עקביות על פני מערכות שונות. במסגרת זו, כלים קריפטוגרפיים כמו חתימות דיגיטליות, גיבובים וחותמות זמן מסייעים להבטיח את שלמות הראיות ומקורן, לצד הגדרת בקרות תפעוליות ובדיקות שחזור תקופתיות.

קרא עוד