Der er ingen tvivl om, at digitalisering er vejen frem, også indenfor Legal Tech, men måske der kan være tvivl om, hvilken vej, der bringer mest værdi.
Læs med her, hvor vi giver vores syn på, hvornår de forskellige teknologier indenfor Legal Tech giver mening.
Teknologiens mange muligheder
Digitaliseringen har også ramt advokatbranchen og eDiscovery er kommet for at blive. Men hvordan og til hvilke sager er det mest oplagt at benytte teknologien? Eller hvordan kommer man videre, hvis første forsøg på at blive digital ikke var en umiddelbar succes? De ser vi nærmere på i denne artikel.
Vi vil i kommende artikler se nærmere på, hvilke muligheder og værdi teknologien bringer og hvad den løser af opgaver. Vi tager altid udgangspunkt i, hvad kundens behov er og hvilken type sag det drejer sig om, og så matche teknologien til behovet. Der er ingen grund til at lægge en sag ind i et eDiscovery system, hvis den kan klares med mindre løsninger.
Hos Data Discovery Lab har vi lavet nedenstående illustration, som viser de forskellige skridt en sag kan tage, herunder hvad de enkelte elementer indeholder af mulige digitale løsninger.
I de kommende artikler vil vi gennemgå hvert enkelt element af modellen. I denne første artikel giver vi et kort overblik over de enkelte skridt i modellen og brugen af teknologien undervejs – kort sagt, hvornår bruger vi hvad? Og hvor meget behøver vi at gøre brug af?
Illustration: Data Discovery Lab
Step 1:
Ved opstart af en ny sag, da udvikles planen for sagsforløbet med udgangspunkt i, hvad man ved om sagen. Data skal sikres, og helst hurtigt, rigtigt og sikkert, da kan det have fatale konsekvenser for resten af sagsbehandlingen og analysen, hvis dette ikke sker. Det er data – og den rigtige data – som bygger fundamentet for en god sag.
Step 2:
At digitalisere dataindsamlingen har måske været lidt en overset disciplin, men hos Data Discovery Lab mener vi, at det er det rigtige sted at starte. For det første er det vigtigt at få sikret alt relevant data fra diverse enheder, og så skal ekstern transport af data elimineres, da det udgør en risiko for kompromittering af data. Dette kan gøres ved at indlæse data direkte ind i et databehandlingssystem, f.eks. vores egen Data Explorer, som er udviklet med compliance og dataindsamling som nogle af kernefunktionerne.
Dermed er data hurtigt klar til analyse, men hvilket system er det rigtige at bruge til det formål? Det leder os videre til pDiscovery (Early Case Assessment), som er næste byggesten i vores model.
Step 3:
pDiscovery er det, vi forstår som Early Case Assessment. Til denne del er det ikke – endnu – nødvendigt med et stort eDiscovery system, da det drejer sig om at få et hurtigt indblik i den indsamlede data, og hvor kompleks eller ligetil sagen må være. Denne tidlige dataanalyse kan via søgeord og instruks til dataindlæsningen give det første overblik over, hvad data indeholder af beviser og ledetråde til videre analyse. Med andre ord kan man udforske data på ganske kort tid – alt imens der indlæses data.
Et pDiscovery system kan mange gange være nok til at give det nødvendige og hurtige indblik i data, som kan lette analysearbejdet for advokaten, som sparer tid ved ikke at skulle lave det manuelle og mange gange tidskrævende arbejde med dataindlæsning og sortering. Tilmed kan indblikket i sagens karakter være med til at planlægge det videre forløb og ressource-behov.
Step 4
Når sagens kompleksitet og størrelse tilsiger det, leveres injektionen til et mere avanceret eDiscovery system. Dette kan f.eks. gøres direkte fra Data Exploren (software til dataindsamling) efter endt dataindlæsning og pDiscovery (Early Case Assessment), eller data kan indlæses direkte i eDiscovery systemet.
At få data behandlet i et eDiscovery er en disciplin, der kan håndteres internt af advokater. Det er et klik og data vil blive indlæst, og har data været igennem pDiscovery fasen, bevares den viden, der her er indhentet.
I eDiscovery får man hjælpen via en kraftfuld maskine, som har al den teknologi der skal til for at løse komplekse sager og undersøgelser. Men det stopper ikke der – inkluderet i løsningen, er ML (machine learning) og AI (Artificial Intelligence), som understøtter undersøgelser inden for alle typer af mere komplekse sager, og derfor give det mening at undersøge disse typer sager her.
I Data Discovery Lab er vores modelunivers allerede defineret og klart til brug. Skulle man have en sag, hvor det fx er et spørgsmål om at finde prisaftaler, chikane, AML osv., så kan det klares her. Løsningerne, med fx machine learning og AI, kan genkende avanceret mønstre, og er et system som matcher komplekse arbejdsprocesser med mange medarbejdere involveret. Systemet behandler og leverer resultaterne hurtigt og effektivt, igen et system som kan spare advokaterne tid.
Step 5
Uanset om pDiscovery og/eller eDiscovery benyttes til dataanalysen, da gælder det, at teknologien er til rådighed for at hjælpe advokaten med at løse opgaven hurtigere og mere effektivt. Ud fra gennemgangen, ved hjælp af teknologien, vil det være advokaten, som gennemgår de relevante dokumenter og laver den endelige analyse til brug for sagsfremførelse.
Det er altid vigtigt at understrege, at det er et samarbejde mellem teknologien og mennesket – teknologien har brug for det menneskelige input for at kunne levere optimalt, og teknologien hjælper med at finde det relevante input til sagen, hurtigt og sikkert.
Step 6
Baseret på resultatet af data- og analyse arbejdet, godt hjulpet af teknologien, da er sagen klar til retsmøde, aflevering til myndighed eller forhandling mellem parterne – afhængig af sagens karakter.
Hvis du vil høre mere om emnet eller omkring Data Discovery Lab, er du velkommen til at kontakte:
Steen Tophøj, Partner: sto@datadiscoverylab.com, +4551559627
Frank Papsø, Partner: fp@datadiscoverylab.com, +4529327004
