מאז 2025, חברת הסטארט-אפ לבינה מלאכותית DeepSeek עשתה התקדמות משמעותית בתעשיות שונות, במיוחד בתחום שירותי המשפט. היא שיפרה את היעילות והדיוק באמצעות שילוב מתקדם של בינה מלאכותית, כולל פריסות בממשלה ובמשרדי עורכי דין.
עלייתה ושילובה של DeepSeek בתעשייה
חברת הסטארט-אפ לבינה מלאכותית DeepSeek, שמקום מושבה בהאנגג’ואו, זכתה לתשומת לב עולמית מאז תחילת 2025, הודות למוצרי הבינה המלאכותית החזקים שלה ולפוטנציאל היישום הרחב, ודחפה תעשיות רבות לאמץ באופן פעיל את הפלטפורמה החדשה הזו. ענקיות טכנולוגיה רבות, מחיפוש באיידו ועד WeChat ו-Huawei Cloud, כבר החלו לשלב את המוצרים שלהן עם הפונקציונליות של DeepSeek. שילוב זה התרחב גם לתחום שירותי הממשלה: בפברואר השלימה המינהלת לשירותי ממשלה ונתונים של מחוז פנגטאי בבייג’ינג פריסה בשטח של סביבת מודלי שפה גדולים של DeepSeek בתשתית הענן הממשלתית. המחוז הפך לאזור הראשון שמיישם טכנולוגיה זו בשירותי הממשלה, והשיק את העוזרת הדיגיטלית “פנג שיאו ז’נג”, כדי להאיץ את הטרנספורמציה החכמה של שירותים ציבוריים.
בתחום שירותי המשפט, ההשפעה של DeepSeek נעשית בולטת יותר ויותר. משרדי עורכי דין וחברות טכנולוגיה משפטית מכירים היטב במגמה זו וחוקרים באופן פעיל את האפשרויות לשילוב מעמיק של DeepSeek בתעשייה המשפטית. חברת הבינה המלאכותית שמקום מושבה בהאנגג’ואו החלה לפרוס בהדרגה פתרונות משפטיים ייעודיים, שמטרתם לענות על הצרכים הכפולים של יעילות ודיוק במגזר המשפטי.
ברמה השיפוטית, בתי משפט ובתי תביעה במחוזות ובשטחי שיפוט שונים החלו בפרויקטי הדרכה של DeepSeek, ואף פרסומים, שמטרתם למנף כלי בינה מלאכותית כדי לשפר את היעילות השיפוטית ולקידום נוסף של התפתחות משפטית חכמה. במרץ, הפלטפורמה הסינית לנוחות שיפוטית שילבה בהצלחה את DeepSeek כדי לספק שירותי ייעוץ משפטי מקוונים.
גישות שונות
קווין וואנג, מנהל התפעול הראשי של חברת הטכנולוגיה המשפטית L-Expert, סבור כי הזמינות של DeepSeek בקוד פתוח והמסחור שלה מאפשרים לה להשיג פונקציונליות שוות ערך למודלי שפה גדולים מהשורה הראשונה בעלות מופחתת משמעותית, ובכך למשוך אימוץ נרחב על ידי חברות הטכנולוגיה הסיניות. משרדי עורכי דין וספקי טכנולוגיה משפטית רבים כבר החלו לשלב את DeepSeek כדי לשפר את יכולות החיפוש המקיפות במאגרי מידע משפטיים, את יצירת המסמכים ואת סקירת החוזים.
“משרדי עורכי דין סיניים הראו התלהבות רבה לגבי יישומי DeepSeek”, ציין וואנג. “עורכי דין רבים מנסים וחוקרים באופן פעיל כדי למצוא מוצרים ואסטרטגיות יישום שישפרו באמת את הפרודוקטיביות שלהם.” ברמה הארגונית, “שותפים מנהלים מעדיפים מוצרים התומכים בבינה מלאכותית בבחירת מערכות חדשות. חברות רבות משתפות איתנו פעולה כדי לפתח ולבדוק יישומים רלוונטיים”, הוסיף וואנג.
למעשה, L-Expert השלימה פריסה מקומית של מודל שפה גדול של בינה מלאכותית ומינפה את DeepSeek כדי לשפר את פונקציונליות המוצר שלה, כולל עוזר בינה מלאכותית למערכת, חיפוש מסמכים מוצלב מבוסס בינה מלאכותית עם ארגון אוטומטי ויצירה וניהול אוטומטיים של מסמכים.
בתחילת מרץ הכריז גם משרד עורכי הדין Yingke על שילוב מלא עם DeepSeek, והפך לאחד ממשרדי עורכי הדין הראשונים בסין שקישרו רשמית את DeepSeek עם שירותים משפטיים. על פי הדיווחים, Yingke יישמה גרסה מלאה של מודל ההיסק DeepSeek-R1, שמטרתו להציג פתרונות חכמים למגזר המשפטי.
“כדי לייעל את DeepSeek-R1 ליישומים משפטיים, Yingke הקימה צוות מקצועי מרובה תחומי עסקים כדי לנתח את הניסיון התעשייתי הנרחב שלנו”, מסרה החברה לכתב העת Asia Legal Business. “באמצעות הטכנולוגיה של DeepSeek-R1, שיפרנו עוד יותר את משאבי הנתונים המשפטיים הקנייניים שלנו, כולל ארכיוני עורכי דין עצומים, מאגרי תיקים, מאגרי מידע רגולטוריים ותבניות חוזים, ויצרנו מסגרת ידע משפטית מקיפה. באמצעות הכשרה המותאמת במיוחד לטרמינולוגיה משפטית, עקרונות ונימוקים, DeepSeek-R1 יכול להבין וליישם ידע משפטי בצורה מדויקת יותר, ולספק תמיכה חזקה לשירותים המשפטיים של Yingke.”
לאחר השילוב עם הגרסה המלאה של DeepSeek-R1, Yingke מתכננת לפרוס את הטכנולוגיה בשבעה תרחישי עבודה עיקריים כדי לסייע למשימות משפטיות תואמות.
ראשית, Yingke שואפת לבנות מערכת ידע משפטית רב ממדית יותר באמצעות DeepSeek-R1. משאבים משפטיים שהיו מפוזרים בעבר ישולבו למאגר מידע משולב, שיאפשר לעורכי דין לגשת ולנצל משאבים מקצועיים בצורה יעילה יותר, ולשפר את ניהול הידע.
שנית, עבור מחקר רגולטורי, Yingke תמנף את DeepSeek-R1 כדי ליישם עדכונים בזמן אמת ותחזוקה מדויקת של מאגר המידע הרגולטורי שלה, ובכך תבטיח סמכות ואמינות בעת ציטוט הוראות חוק.
יש לציין כי ה-“Ying Fa Bao AI Law Space Station” שהושקה בעבר על ידי Yingke יעבור שדרוג מקיף על ידי יכולות ההיסק וטכנולוגיית מיצוי הידע של DeepSeek-R1. המערכת המשופרת תבין בצורה מדויקת יותר את הדרישות המשפטיות של המשתמשים, ותטפל בייעוץ משפטי כללי, שגרתי ומבוסס ידע, תוך הפחתה משמעותית של צריכת משאבים ועלויות תפעול.
עבור תקשורת עם לקוחות, DeepSeek-R1 יסייע בארגון מהיר של פניות לקוחות, חילוץ מילות מפתח והשלמת מידע רלוונטי, ובכך יאפשר התאמה חכמה המבוססת על סוג תיק, שיקולים גיאוגרפיים ומומחיות של עורכי דין, וישפר את שביעות רצון הלקוחות תוך צמצום עלויות התקשורת.
בנוסף, Yingke תשתמש בטכנולוגיית בינה מלאכותית כדי ליישם סיווג מדויק ואחזור יעיל של תיקים היסטוריים, ותספק לעורכי דין חומרי עזר עשירים כדי לתפוס במהירות פסקי דין ונטייה שיפוטית במקרים דומים, ולספק תמיכה מונעת נתונים לפיתוח אסטרטגיות ליטיגציה.
בכל הנוגע לשירותי חוזים, הפריסה של DeepSeek-R1 תשפר את היעילות והאיכות באמצעות פונקציות ייצור וסקירה חכמות, כולל זיהוי סיכונים, יצירת סעיפים והשוואת גרסאות, ובכך עשויה לשפר משמעותית את יכולות השירותים שאינם ליטיגציה של משרד עורכי הדין.
לבסוף, Yingke תנצל טכנולוגיית בינה מלאכותית כדי ליישם ניהול חכם של מידע רב ממדי על הרקע המקצועי, תחומי ההתמחות וסיפורי ההצלחה של עורכי דין, לייעל את תהליכי הניהול הפנימי ואת תהליכים להקצאת עסקים ובמקביל לקדם שיתוף פעולה בין עורכי דין.
האתגר של הלוצינציות
בדומה למודלי שפה גדולים כלליים רבים, היישום המעמיק יותר של DeepSeek בתחום המשפט מעורר שורה של אתגרים. יש לטפל בדחיפות בסוגיות של אבטחת מידע, הגנה על קניין רוחני, הטיית אלגוריתמים והגדרה של אחריות משפטית, ובמקביל להטיל דרישות חדשות על התפעול הרגולטורי של שוק שירותי המשפט כולו.
תרחיש טיפוסי הוא שעורכי דין המשתמשים ב-DeepSeek ליצירת תוכן מגלים נתונים מפוברקים או אפילו הוראות חוק שכלל אינן קיימות. זה מעלה את השאלה: האם אנשי מקצוע משפטיים יכולים ליצור מודלים אמינים ספציפיים לתחום אנכי על ידי מתן נתוני הדרכה ל-DeepSeek באופן עצמאי כדי למנוע בעיות מסוג זה?
וואנג מציין שתופעה זו מכונה הלוצינציה, והיא מתרחשת כאשר מודלים יוצרים מידע שנראה סביר אך למעשה אינו מדויק או אינו קיים.
“זה קורה משום שהמודלים לומדים ממערכי נתונים עצומים במהלך ההדרכה, אך מנגנוני היצירה שלהם מבוססים על תחזיות הסתברותיות ולא על אחזור עובדות. לא סביר שאספקת נתונים תבטל ‘הלוצינציות’, ואילו לגרום לבינה מלאכותית להסתמך על מסדי נתונים ייעודיים כדי לענות על שאלות הוא אפשרי תיאורטית, אך הכדאיות התפעולית בשלב זה נמוכה ביותר”, אמר.
הבעיה הבסיסית נעוצה בשיטות ובארכיטקטורה של הדרכת מודלי שפה גדולים. וואנג הסביר כי “התגובות שמייצרים מודלים גדולים כמו DeepSeek מורכבות משילוב מחדש של בסיסי הידע הקיימים שלהם עם מידע הקשר שסופק על ידי המשתמשים, באמצעות ארכיטקטורות למידה עמוקה מורכבות כגון Transformer. לכן, גם אם מספקים נתונים ספציפיים, הם יכולים רק לשפר את הדיוק במידה מסוימת, אך לא למנוע לחלוטין את השפעת בסיס הידע המקורי שלהם. בנוסף, בעוד ששינוי עמוק של הארכיטקטורה המרכזית של המודל אפשרי מבחינה טכנית, עלויות ההשקעה – לרבות מימון, משאבי נתונים ופיתוח הנדסי – גבוהות ביותר, והאתגרים ביישום עצומים.”
Yingke מאמינה שהבטחת הדיוק של מודלי שפה גדולים משפטיים היא תהליך מורכב הדורש מענה מנקודות מבט של מודלים אלגוריתמיים, הערכת סיכונים ובקרת נתונים, ונתמך על ידי מסדי נתונים משפטיים סמכותיים וכמות עצומה של ספרות אקדמית משפטית מקצועית.
“Yingke מייחסת חשיבות רבה לנושא הלוצינציות ב-DeepSeek בהקשרים רציניים, וחשוב לטפל בה”, הוסיפה החברה. “אנו מבטיחים איכות נתונים על ידי ניקוי הנתונים הקנייניים שלנו כדי לחסל שגיאות ורעשים, ובמקביל להעיר ולסווג נתונים בצורה מדויקת – למשל, על ידי סימון הוראות חוק בהיקף היישום שלהן וסימון תיקים עם סוגי תיקים, נקודות מחלוקת והוראות החוק הרלוונטיות – כדי להקל על המודל ללמוד ולהבין. בנוסף, אנו משלבים כללים לוגיים מהתחום המשפטי ב-DeepSeek, ובכך מאפשרים נימוקים ושיפוט מבוססי כללים כדי לשפר את הדיוק והעקביות הלוגית של המודל בטיפול בבעיות משפטיות.”