Bagaimana sistem AI agen berpikir, belajar, dan berkolaborasi dengan profesional hukum

Perubahan semakin cepat terjadi di seluruh profesi hukum, mengubah cara kerja pengacara. Meskipun alat AI tradisional telah menawarkan peningkatan dalam peninjauan dokumen dan penelitian dasar, sistem AI agen mewakili lompatan kuantum. Jaringan agen khusus yang canggih ini dapat mengatasi masalah hukum yang kompleks, merencanakan strategi multi-langkah, dan berkolaborasi dengan profesional dalam cara yang mencerminkan cara kerja tim hukum yang berpengalaman.

Bagi para pemimpin hukum yang menavigasi evolusi ini, memahami cara kerja sistem ini bukan sekadar keingintahuan teknis, melainkan kebutuhan strategis. Perusahaan dan departemen yang menguasai integrasi AI agen akan memperoleh keuntungan yang menentukan dalam analisis kasus, strategi litigasi, dan penyampaian layanan klien.

Pada bagian kedua dari seri blog tiga bagian tentang AI agen ini, kami mewawancarai pakar AI kami, Frank Schilder, direktur senior penelitian terapan di Thomson Reuters Labs, untuk memberi Anda wawasan tentang cara sistem AI agen berpikir, belajar, dan berkolaborasi dengan profesional hukum — termasuk:

• Arsitektur tingkat lanjut
• Metode pelatihan
• Kemampuan perencanaan multi-langkah
• Strategi membangun kepercayaan
• Pentingnya mengintegrasikan keahlian dan penilaian manusia ke dalam alur kerja hukum

Lompat ke ↓
Anatomi AI agen: Pengendali, sub-agen, dan penalaran hukum

---

Melatih AI tentang penilaian profesional dan pola kasus hukum

---

Perencanaan multi-langkah untuk strategi litigasi dan penelitian hukum

---

Membangun kepercayaan melalui transparansi dan tinjauan interaktif

---

Tingkat keahlian profesional dan pemetaan kemampuan AI

---

Keterbatasan jangka panjang: Empati, pemodelan dunia, dan hubungan antarmanusia

---

Mempersiapkan tim hukum untuk transformasi agen

---

Anatomi AI agen: Pengendali, sub-agen, dan penalaran hukum

Berbeda dengan chatbot yang hingga saat ini mendefinisikan AI legal, sistem agen beroperasi melalui arsitektur canggih yang mencerminkan kolaborasi profesional manusia. Pada intinya terdapat apa yang oleh para ahli disebut sebagai pengontrol atau koordinator — sebuah sistem yang menganalisis permintaan kompleks dan mengatur respons di berbagai komponen khusus.

“Sistem AI agen sering kali dikendalikan oleh pengontrol atau koordinator yang menganalisis kueri atau permintaan dan membuat rencana yang mengidentifikasi berbagai langkah yang diperlukan untuk menyelesaikannya,” jelas Schilder. “Hal ini memungkinkan lebih banyak fleksibilitas dan kemampuan beradaptasi dalam menangani masalah yang kompleks.”

Pertimbangkan perbedaannya dengan teknologi hukum saat ini. Sistem berbasis aturan tradisional mengikuti jalur yang telah ditentukan sebelumnya — jika X, maka Y. Pohon keputusan membagi masalah menjadi beberapa cabang yang berbeda, namun berjuang dengan ketidakpastian terus-menerus yang mendefinisikan pekerjaan hukum. Sebaliknya, sistem agenik membuat rencana dinamis berdasarkan nuansa spesifik dari setiap kasus.

“Misalnya, sistem AI agen mungkin ditugaskan untuk menganalisis kasus hukum dan mengidentifikasi isu-isu utama dan undang-undang yang relevan. Pengendali akan membuat rencana yang melibatkan pemanggilan LLM khusus untuk menganalisis fakta, mengidentifikasi undang-undang yang berlaku, dan menghasilkan argumen potensial untuk masing-masing pihak dalam kasus tersebut,” jelasnya.

Pendekatan arsitektur ini meningkatkan cara tim hukum menangani masalah yang kompleks. Alih-alih berkoordinasi secara manual antara pakar penelitian, penulis laporan singkat, dan penasihat strategi, sistem ini mengatur fungsi-fungsi ini secara otomatis sambil mempertahankan penalaran canggih yang dibutuhkan oleh pekerjaan hukum yang kompleks.

Melatih AI tentang penilaian profesional dan pola kasus hukum

Tantangan untuk menerjemahkan penalaran hukum ke dalam logika algoritmik telah lama dianggap tidak dapat diatasi. Bagaimana Anda mengajarkan mesin untuk menavigasi interaksi halus antara interpretasi undang-undang, analisis preseden, dan penerapan faktual yang mendefinisikan penilaian hukum berdasarkan pengalaman?

Terobosannya terletak pada metodologi pelatihan yang melampaui sistem pemberian teks hukum mentah. “Untuk menerjemahkan penilaian profesional yang berbeda, seperti penalaran hukum, ke dalam logika algoritmik, kami mengembangkan kumpulan data pelatihan yang mencerminkan langkah-langkah penalaran hukum yang akan digunakan seorang pengacara dalam pekerjaannya,” ungkap Schilder.

Pendekatan ini menyadari bahwa meskipun dokumen hukum yang tersedia untuk umum memberikan pengetahuan dasar, dokumen tersebut sering kali tidak memiliki proses penalaran eksplisit seperti yang digunakan oleh pengacara berpengalaman. Solusinya melibatkan data pelatihan eksklusif yang menangkap langkah-langkah penalaran ini secara mendetail.

“Teks hukum yang tersedia untuk umum memberikan landasan bagi model kami, namun mungkin kekurangan definisi dan pemahaman khusus mengenai undang-undang yang berlaku saat ini. Untuk mengatasi hal ini, kami melengkapi data hukum yang tersedia untuk umum ini dengan data kepemilikan yang memberikan rincian lebih spesifik mengenai proses penalaran hukum,” jelasnya.

Evaluasi terhadap sistem ini terbukti sama canggihnya. Daripada hanya mengandalkan tolok ukur standar, pengembang membuat alat penilaian khusus domain yang menguji kinerja AI terhadap tantangan hukum di dunia nyata.

Salah satu pendekatan yang sangat inovatif adalah dengan menggunakan dokumen kasus hukum di mana hakim merujuk pada kasus-kasus preseden, kemudian menghilangkan petunjuk tekstual untuk menciptakan skenario evaluasi yang menantang dan menguji pemahaman yang sebenarnya, bukan pencocokan pola. “Dengan menghilangkan petunjuk tekstual (misalnya lih. atau kontra), kami membuat kumpulan data terbaru yang sulit diidentifikasi oleh LLM saat ini,” tambah Schilder.

Perencanaan multi-langkah untuk strategi litigasi dan penelitian hukum

Implikasinya terhadap strategi litigasi sangatlah signifikan. Ketika alat AI saat ini unggul dalam tugas-tugas terpisah seperti peninjauan dokumen, pemeriksaan kutipan, dan penelitian dasar, sistem agen dapat mengatur alur kerja analitis komprehensif yang mencerminkan cara berpikir pengacara.

“Kemampuan sistem AI agen untuk menghasilkan rencana multi-langkah kompleks yang dapat mengatasi masalah kompleks yang melampaui panggilan LLM secara langsung merupakan keunggulan besar dibandingkan sistem berbasis aturan atau pohon keputusan tradisional,” kata Schilder. “Hal ini memungkinkan penanganan situasi yang tidak pasti atau dinamis dengan lebih efektif dan memungkinkan sistem menangani permintaan bahkan ketika alat atau spesialis tidak tersedia pada suatu saat.”

Kemampuan ini menggeser penelitian hukum dari proses yang linier menjadi penyelidikan yang dinamis. Sistem ini akan semakin baik dalam menganalisis pola faktual, meneliti hukum yang berlaku, mengidentifikasi potensi argumen tandingan, dan mengembangkan rekomendasi strategis, sambil mempertahankan koherensi logis yang dibutuhkan oleh permasalahan hukum yang kompleks.

Membangun kepercayaan melalui transparansi dan tinjauan interaktif

Namun, sistem AI yang paling canggih tetap tidak berguna tanpa kepercayaan pengacara dan integrasi yang efektif ke dalam alur kerja profesional. Kuncinya terletak pada pemahaman tentang apa yang oleh para ahli disebut sebagai “jagged technology frontier,” sebuah fenomena di mana sistem AI dapat menangani tugas-tugas kompleks dengan sempurna, namun kesulitan mengerjakan tugas-tugas yang tampaknya sederhana.

“LLM sangat baik dalam memproduksi dan meringkas teks, menjawab pertanyaan kompleks tingkat PhD, dan bahkan menghasilkan konten kreatif. Namun, mereka mungkin tidak dapat memberikan jawaban yang benar untuk tugas-tugas sederhana seperti menghitung jumlah ‘r’ dalam kata seperti ‘strawberry’ atau memahami nuansa bahasa manusia,” pengamatan Schilder.

Kenyataan ini menuntut alur kerja interaktif yang memungkinkan para profesional hukum untuk menavigasi kemampuan AI secara cerdas. “Untuk memastikan kepercayaan dan kegunaan pada titik serah terima, penting untuk menghasilkan dan meninjau respons dari sistem AI secara interaktif,” tegasnya.

Tingkat keahlian profesional dan pemetaan kemampuan AI

Tantangan integrasi sangat bervariasi berdasarkan tingkat pengalaman profesional. Mitra senior dapat dengan cepat mengidentifikasi kesalahan AI dalam analisis hukum yang kompleks, sementara mitra junior mungkin memerlukan lebih banyak panduan dalam mengevaluasi pekerjaan yang dihasilkan AI.

“Karena setiap manusia yang berinteraksi dengan sistem berbasis AI memiliki tingkat keahlian yang berbeda-beda, penting untuk memberikan dukungan dan panduan bagi mereka yang mungkin memerlukan lebih banyak waktu dan bantuan untuk menghadapi tantangan,” kata Schilder. “Para ahli di bidang tertentu mungkin dapat dengan cepat mengidentifikasi ketidakakuratan dalam keluaran LLM, sementara profesional junior mungkin memerlukan lebih banyak pelatihan dan bimbingan.”

Pengakuan ini memerlukan pendekatan pelatihan dan desain alur kerja yang berbeda yang memperhitungkan berbagai tingkat keahlian sambil mempertahankan kontrol kualitas di seluruh interaksi.

Keterbatasan jangka panjang: Empati, pemodelan dunia, dan hubungan antarmanusia

Dalam lima tahun ke depan, kemampuannya akan menjadi terobosan. “Saya memperkirakan AI agen akan merevolusi industri seperti layanan kesehatan, keuangan, dan hukum dengan memungkinkan tugas-tugas kompleks seperti penemuan ilmiah, analisis strategi litigasi, dan pemecahan masalah secara kreatif,” prediksi Schilder.

Kita mungkin melihat sistem multi-agen berkolaborasi dalam tugas-tugas kompleks, mulai dari merancang bahan baru hingga mengembangkan perawatan medis, seperti yang ditunjukkan oleh Grok 4 heavy dengan menggunakan agen terkoordinasi untuk memecahkan masalah yang menantang.

Untuk mencapai terobosan ini diperlukan kemajuan yang berkelanjutan dalam perangkat keras, model yang lebih canggih, dan interaksi yang erat dengan pakar untuk membuat koneksi baru. Akibatnya, alur kerja agen akan menjadi hal yang lumrah baik di aplikasi konsumen maupun profesional, menyederhanakan segala hal mulai dari memesan perjalanan dan membandingkan produk hingga menulis perangkat lunak dan menyusun argumen hukum.

Namun keterbatasan mendasar masih ada. “Salah satu bidang yang masih kami perjuangkan adalah dalam mewakili model dunia dan berempati dengan manusia lain,” akunya. “Empati adalah aspek mendasar dari perilaku manusia dan pengambilan keputusan, dan penting untuk membangun kepercayaan dan pemahaman antara manusia dan mesin.”

Kenyataan ini menekankan mengapa integrasi AI yang sukses harus berpusat pada manusia. “Kemampuan yang sangat manusiawi akan sulit untuk diotomatisasi dan karenanya alur kerja produk yang human-in-the-loop atau lebih baik perlu dirancang untuk menjaga kebutuhan dan tujuan manusia sebagai pusatnya,” Schilder menyimpulkan.

Mempersiapkan tim hukum untuk transformasi agen

Pesan yang disampaikan kepada para pemimpin hukum jelas: AI agen tidak hanya mewakili evolusi teknologi tetapi juga kemajuan profesional. Perusahaan dan departemen yang memahami kemampuan dan keterbatasan sistem ini, serta merancang alur kerja yang memanfaatkan efisiensi AI dan penilaian manusia yang tak tergantikan, akan menentukan masa depan praktik hukum.

Pertanyaannya bukan apakah AI agen akan mendefinisikan ulang pekerjaan hukum, namun apakah organisasi Anda akan memimpin atau mengikuti evolusi tersebut. Untuk mempelajari lebih lanjut tentang AI agen dan bagaimana AI dapat membantu profesional hukum mengoptimalkan alur kerja mereka, tonton webinar kami sesuai permintaan.