ບົດຄວາມນີ້ແມ່ນຄູ່ມືພາກປະຕິບັດສຳລັບການເລີ່ມຕົ້ນນຳໃຊ້ LegalTech ດ້ວຍ AI, ເຊິ່ງແນໃສ່ສຳນັກງານກົດໝາຍ, ທີ່ປຶກສາດ້ານກົດໝາຍ ແລະ ພະນັກງານກົດໝາຍພາຍໃນອົງກອນທີ່ໃຫ້ບໍລິການດ້ານກົດໝາຍໃນລາວ. ໃນລະດັບສາກົນ, ອັດຕາການນຳໃຊ້ AI ເພື່ອກວດສອບສັນຍາໄດ້ເພີ່ມຂຶ້ນສອງເທົ່າເມື່ອທຽບກັບປີຜ່ານມາ ແລະ ແພລດຟອມຫຼັກໆ ເຊັ່ນ: Spellbook, Harvey, Legora ແລະ LegalOn ກໍໄດ້ຮັບຄວາມນິຍົມຢ່າງວ່ອງໄວ. ໃນທາງກົງກັນຂ້າມ, ຢູ່ລາວຍັງບໍ່ຄ່ອຍມີການເປີດຕົວ ຫຼື Launch ກໍລະນີສຶກສາດ້ານການນຳໃຊ້ LegalTech ເທົ່າໃດນັກ, ເຮັດໃຫ້ເກີດຄວາມກັງວົນໃນພາກປະຕິບັດຕົວຈິງວ່າ "ຄວນເລີ່ມຕົ້ນຈາກບ່ອນໃດ", "ຄວາມສຳພັນກັບໜ້າທີ່ຮັກສາຄວາມລັບ ແລະ PDPL (ກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນສ່ວນບຸກຄົນ) ຈະເປັນແນວໃດ", "ຄວນເລືອກເຄື່ອງມືໃດ", ແລະ "ຄ່າໃຊ້ຈ່າຍໃນການນຳໃຊ້ ແລະ ໄລຍະເວລາໃນການຄືນທຶນຈະເປັນແນວໃດ". ບົດຄວາມນີ້ຈະຈັດລະບຽບຢ່າງເປັນລະບົບກ່ຽວກັບ 4 ຂົງເຂດຫຼັກ ຄື: ການກວດສອບສັນຍາ, ການກວດສອບຄວາມຖືກຕ້ອງທາງກົດໝາຍ (Due Diligence) ຫຼາຍພາສາ, ການຄົ້ນຄວ້າທາງກົດໝາຍ ແລະ ການຕິດຕາມກົດລະບຽບ, ລວມເຖິງຂັ້ນຕອນທີ່ສາມາດນຳໃຊ້ໄດ້ຈິງໃນວຽກງານກົດໝາຍຂອງລາວ, ມຸມມອງການປຽບທຽບຜູ້ໃຫ້ບໍລິການຫຼັກ, ແບບຈຳລອງ ROI ຕາມປະເພດຂອງວຽກ, ແລະ 3 ຄວາມສ່ຽງສະເພາະຂອງລາວພ້ອມວິທີການຫຼີກລ່ຽງ. ຫຼັງຈາກອ່ານຈົບ, ທ່ານຈະມີຫຼັກການໃນການຕັດສິນໃຈວ່າ "ຄວນເລີ່ມຕົ້ນຈາກວຽກໃດ, ດ້ວຍເຄື່ອງມືໃດ ແລະ ຕາມລຳດັບໃດ" ໃນອົງກອນຂອງທ່ານ.

ການນຳໃຊ້ LegalTech ບໍ່ແມ່ນພຽງແຕ່ການເພີ່ມປະສິດທິພາບໃນການເຮັດວຽກເທົ່ານັ້ນ, ແຕ່ຍັງເປັນການແກ້ໄຂບັນຫາດ້ານໂຄງສ້າງທີ່ສຳນັກງານກົດໝາຍໃນລາວກຳລັງປະເຊີນຢູ່. ໃນບົດນີ້, ພວກເຮົາຈະສະຫຼຸບເຫດຜົນວ່າເປັນຫຍັງຈຶ່ງຄວນເລີ່ມຕົ້ນໃນຕອນນີ້ ໂດຍພິຈາລະນາຈາກ 3 ດ້ານຄື: ການຂະຫຍາຍຕົວຂອງຕະຫຼາດ, ຂໍ້ຈຳກັດດ້ານບຸກຄະລາກອນ ແລະ ການປ່ຽນແປງຂອງຄວາມຄາດຫວັງຈາກລູກຄ້າ. ທັງ 3 ດ້ານນີ້ມີຄວາມເຊື່ອມໂຍງກັນ, ການແກ້ໄຂພຽງດ້ານໃດດ້ານໜຶ່ງຈະບໍ່ຖືວ່າເປັນການແກ້ໄຂບັນຫາທີ່ແທ້ຈິງ. ການນຳໃຊ້ LegalTech ຄວນຖືກຈັດເປັນການລົງທຶນເພື່ອເສີມສ້າງຄວາມສາມາດໃນການແຂ່ງຂັນຂອງອົງກອນທັງໝົດ.

ລາວມີການຂະຫຍາຍຕົວຂອງວຽກງານດ້ານກົດໝາຍຢ່າງວ່ອງໄວ ເຊັ່ນ: ການກວດສອບສັນຍາ, ການກວດສອບສະຖານະ (Due Diligence) ແລະ ການຂໍອະນຸຍາດລົງທຶນຈາກຕ່າງປະເທດ ໂດຍມີພື້ນຖານມາຈາກການພັດທະນາທາງລົດໄຟລາວ-ຈີນ, ເຂດເສດຖະກິດພິເສດ (SEZ) ແລະ ການລົງທຶນພາຍໃນພາກພື້ນ ASEAN ທີ່ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ. ໃນທາງກັບກັນ, ຈຳນວນທະນາຍຄວາມທີ່ຂຶ້ນທະບຽນໃນລາວເມື່ອທຽບກັບຈຳນວນປະຊາກອນຍັງຢູ່ໃນລະດັບຕໍ່າທີ່ສຸດໃນ ASEAN, ເຮັດໃຫ້ການຈັດການວຽກງານດ້ວຍແຮງງານຄົນມີຄວາມຫຍຸ້ງຍາກໃນດ້ານໂຄງສ້າງ. ການນຳເອົາ LegalTech ມາໃຊ້ງານຈະສາມາດຫຼຸດຜ່ອນເວລາທີ່ໃຊ້ຕໍ່ 1 ວຽກງານລົງໄດ້ 3-5 ສ່ວນ, ເຮັດໃຫ້ສາມາດເພີ່ມປະລິມານວຽກທີ່ບຸກຄະລາກອນທີ່ມີຈຳກັດສາມາດຈັດການໄດ້. ນອກຈາກນີ້, ການຫຼຸດຜ່ອນເວລາໃນການຈັດການວຽກງານປະຈຳ (NDA, ສັນຍາຈ້າງງານ, ສັນຍາ SaaS) ຍັງຊ່ວຍໃຫ້ສາມາດຈັດສັນຊັບພະຍາກອນຄືນໃໝ່ໃຫ້ກັບວຽກງານທີ່ມີຄວາມຊັບຊ້ອນ ແລະ ການໃຫ້ຄຳປຶກສາດ້ານຍຸດທະສາດ ເຊິ່ງເປັນຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ທີ່ຄູ່ຮ່ວມງານຄວນສຸມໃສ່, ເຊິ່ງຈະສົ່ງຜົນໂດຍກົງຕໍ່ການປັບປຸງຜົນກຳໄລໃຫ້ດີຂຶ້ນ.

ສຳລັບວຽກງານໃນລາວ, ສັນຍາພາສາລາວ ແລະ ພາສາອັງກິດຈະມີການນຳໃຊ້ປົນກັນ, ສ່ວນໂຄງການທີ່ກ່ຽວຂ້ອງກັບທາງລົດໄຟລາວ-ຈີນ ຈະມີເອກະສານພາສາຈີນ ແລະ ການຄ້າຊາຍແດນໄທກໍຈະມີເອກະສານພາສາໄທເຂົ້າມາຮ່ວມນຳ. ການທີ່ທະນາຍຄວາມ ຫຼື ຜູ້ຊ່ຽວຊານດ້ານກົດໝາຍພຽງຄົນດຽວຈະສາມາດຈັດການທັງ 4 ພາສາໄດ້ຢ່າງຖືກຕ້ອງຊັດເຈນນັ້ນແມ່ນບໍ່ມີຄວາມເປັນໄປໄດ້ໃນຄວາມເປັນຈິງ, ແລະ ການເພິ່ງພາການແປພາສາຈາກພາຍນອກກໍຈະເຮັດໃຫ້ເກີດບັນຫາດ້ານພັນທະການຮັກສາຄວາມລັບ. ແບບຈຳລອງພາສາຂະໜາດໃຫຍ່ (Large Language Models) ສາມາດຮອງຮັບພາສາຫຼັກຕ່າງໆໄດ້, ຖ້າຫາກມີການອອກແບບ Prompt ທີ່ເໝາະສົມ ແລະ ນຳໃຊ້ HITL ເຂົ້າມາປະສົມປະສານ ກໍຈະສາມາດສ້າງລະບົບການເຮັດວຽກທີ່ສາມາດເຮັດວຽກງານ DD ຫຼາຍພາສາໃຫ້ສຳເລັດພາຍໃນອົງກອນໄດ້. ການຫຼຸດຜ່ອນການຈ້າງແປພາສາຈາກພາຍນອກ ບໍ່ພຽງແຕ່ຊ່ວຍໃນດ້ານຕົ້ນທຶນເທົ່ານັ້ນ ແຕ່ຍັງປະກອບສ່ວນໃນການຫຼຸດຜ່ອນຄວາມສ່ຽງຕໍ່ການຮົ່ວໄຫຼຂອງຂໍ້ມູນ, ເຊິ່ງສົ່ງຜົນໃຫ້ຄຸນນະພາບຂອງລະບົບການຮັກສາຄວາມລັບທີ່ສາມາດນຳສະເໜີຕໍ່ລູກຄ້າໄດ້ນັ້ນສູງຂຶ້ນ.

ລູກຄ້າກຸ່ມຍີ່ປຸ່ນ, ຈີນ ແລະ ຕາເວັນຕົກ ໄດ້ນຳໃຊ້ການກວດສອບສັນຍາດ້ວຍ AI ຢູ່ປະເທດຕົ້ນທາງຂອງພວກເຂົາແລ້ວ ແລະ ມີແນວໂນ້ມທີ່ຈະຮຽກຮ້ອງໃຫ້ມີກຳນົດເວລາ ແລະ ຄຸນນະພາບໃນລະດັບດຽວກັນຢູ່ທີ່ລາວ. ກຳນົດເວລາການສົ່ງງານມາດຕະຖານທີ່ລູກຄ້າຄາດຫວັງນັ້ນສັ້ນລົງໃນທຸກໆປີ, ເຮັດໃຫ້ການແຂ່ງຂັນດ້ານລາຄາ ແລະ ຄວາມໄວໂດຍບໍ່ມີການນຳໃຊ້ AI ກັບຄູ່ແຂ່ງ (ບໍລິສັດຂະໜາດໃຫຍ່ຈາກນອກພື້ນທີ່) ເປັນເລື່ອງທີ່ຍາກ. LegalTech ກຳລັງປ່ຽນຜ່ານຈາກໄລຍະ "ມີໄວ້ກໍສະດວກ" ໄປສູ່ໄລຍະ "ຖ້າບໍ່ມີກໍຈະບໍ່ຖືກເລືອກ". ຍິ່ງໄປກວ່ານັ້ນ, ໃນບາງກໍລະນີ ລູກຄ້າໄດ້ຮຽກຮ້ອງໃຫ້ມີການເປີດຕົວ ຫຼື Launch ນະໂຍບາຍການນຳໃຊ້ AI ໃນເອກະສານ RFP ເພີ່ມຂຶ້ນເລື້ອຍໆ, ເຊິ່ງເຮັດໃຫ້ສະຖານະການໃນປັດຈຸບັນກ້າວເຂົ້າສູ່ໄລຍະທີ່ຄວາມພ້ອມດ້ານ LegalTech ສົ່ງຜົນໂດຍກົງຕໍ່ໂອກາດໃນການຮັບວຽກ.

ພວກເຮົາຈະຈັດລະບຽບສະພາບແວດລ້ອມຂອງຕະຫຼາດທີ່ກ່ຽວຂ້ອງກັບການກວດສອບສັນຍາ AI ອອກເປັນ 2 ຊັ້ນ ຄື: ລະດັບໂລກ ແລະ ລະດັບ ASEAN/ເຂດລຸ່ມແມ່ນ້ຳຂອງ. ການປ່ຽນແປງຄັ້ງໃຫຍ່ກຳລັງເກີດຂຶ້ນທັງດ້ານອຸປະສົງ ແລະ ອຸປະທານ, ເຊິ່ງຄື້ນຟອງນີ້ກຳລັງຈະມາເຖິງຕະຫຼາດລາວຢ່າງແນ່ນອນ.

ຈາກການສຳຫຼວດອຸດສາຫະກຳ, ອັດຕາສ່ວນຂອງທີມກົດໝາຍທີ່ນຳໃຊ້ AI ໃນການກວດສອບສັນຍາໄດ້ເພີ່ມຂຶ້ນເກືອບສອງເທົ່າເມື່ອທຽບກັບປີກ່ອນ ແລະ ເມື່ອປຽບທຽບກັບໄລຍະພື້ນຖານກໍຖືວ່າເພີ່ມຂຶ້ນເກືອບ 4 ເທົ່າ. ໃນຝັ່ງຂອງສຳນັກງານກົດໝາຍເອງ, 42% ໄດ້ມີການນຳໃຊ້ AI ເຂົ້າໃນການເຮັດວຽກແລ້ວ ແລະ ປະມານເຄິ່ງໜຶ່ງໄດ້ຕອບວ່າຈະຂະຫຍາຍຂອບເຂດການນຳໃຊ້ໃຫ້ຫຼາຍຂຶ້ນໃນອະນາຄົດ. ການກວດສອບສັນຍາດ້ວຍ AI ໄດ້ຜ່ານພົ້ນໄລຍະ "ສະເພາະສຳນັກງານກົດໝາຍຊັ້ນນຳ" ມາແລ້ວ ແລະ ກຳລັງກ້າວເຂົ້າສູ່ກະແສຫຼັກ. ສາເຫດຫຼັກຂອງການນຳໃຊ້ບໍ່ແມ່ນພຽງແຕ່ການເພີ່ມປະສິດທິພາບເທົ່ານັ້ນ, ແຕ່ຍັງເປັນຍ້ອນຄວາມຈຳເປັນໃນການປັບມາດຕະຖານຄຸນນະພາບການກວດສອບໃຫ້ເທົ່າທຽມກັນ ໃນສະພາບການທີ່ການຈັດຫາບຸກຄະລາກອນລະດັບຈູເນຍ (Junior) ເຮັດໄດ້ຍາກ.

ພາຍໃນພາກພື້ນ ASEAN, ສິງກະໂປ ແລະ ມາເລເຊຍ ແມ່ນກຸ່ມທີ່ນຳໜ້າ, ໂດຍມີໄທ ແລະ ຫວຽດນາມ ຕິດຕາມມາ. ບໍລິສັດກົດໝາຍຊັ້ນນຳຂອງໄທໄດ້ນຳເອົາ Harvey ແລະ Legora ມາໃຊ້ງານແລ້ວ, ສ່ວນໃນຫວຽດນາມ ກໍມີການເປີດຕົວ ຫຼື Launch ບໍລິການ SaaS ສຳລັບການກວດສອບສັນຍາດ້ວຍ AI ທີ່ພັດທະນາພາຍໃນປະເທດ. ສຳລັບລາວ, ຍັງມີກໍລະນີສຶກສາທີ່ເປີດຕົວ ຫຼື Launch ບໍ່ຫຼາຍປານໃດ, ເຮັດໃຫ້ລາວເປັນໜຶ່ງໃນຕະຫຼາດຈຳນວນໜ້ອຍທີ່ຍັງມີ "ຄວາມໄດ້ປຽບຂອງຜູ້ບຸກເບີກ" (First-mover advantage) ໃນການນຳໃຊ້ LegalTech. ການນຳໃຊ້ຢ່າງວ່ອງໄວຈະຊ່ວຍສ້າງຄວາມແຕກຕ່າງໃຫ້ກັບລູກຄ້າໃນພາກພື້ນ. ກ່ອນທີ່ບໍລິສັດກົດໝາຍຈາກປະເທດໄທ ເຊິ່ງເປັນປະເທດເພື່ອນບ້ານ ຈະເຂົ້າມາຂະຫຍາຍຕະຫຼາດໃນລາວ ແລະ ໃຊ້ລະບົບ AI ເຂົ້າມາແຍ່ງສ່ວນແບ່ງຕະຫຼາດ, ການທີ່ບໍລິສັດກົດໝາຍທ້ອງຖິ່ນຈະຕ້ອງກຽມພ້ອມໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ດ້ານ LegalTech ຂອງຕົນເອງ ແມ່ນກຳລັງກາຍເປັນເງື່ອນໄຂທີ່ຈຳເປັນໃນການແຂ່ງຂັນ.

ອະທິບາຍ 4 ຂົງເຂດວຽກງານທີ່ສຳນັກງານກົດໝາຍ ແລະ ວິຊາຊີບສະເພາະໃນລາວຄວນເລີ່ມຕົ້ນດຳເນີນການເປັນອັນດັບທຳອິດ. ທຸກຂົງເຂດມີຄວາມສົມດຸນລະຫວ່າງຄວາມຍາກງ່າຍໃນການນຳໃຊ້ ແລະ ປະສິດທິຜົນ, ພ້ອມທັງມີຄຸນລັກສະນະທີ່ງ່າຍຕໍ່ການກວດສອບຜົນລັບຜ່ານ PoC. ແນະນຳໃຫ້ເລີ່ມຈາກ 1-2 ຂົງເຂດກ່ອນ ເພື່ອສະສົມຄວາມຮູ້ໃນການດຳເນີນງານ ແລ້ວຈຶ່ງນຳໄປຂະຫຍາຍຜົນໃນຂັ້ນຕອນຕໍ່ໄປ.

ການກວດສອບສັນຍາດ້ວຍ AI ຈະສະກັດເອົາຂໍ້ກຳນົດສຳຄັນ (ເຊັ່ນ: ໄລຍະເວລາຂອງສັນຍາ, ເຫດຜົນໃນການຍົກເລີກ, ເພດານການຊົດເຊີຍຄ່າເສຍຫາຍ, ກົດໝາຍທີ່ກ່ຽວຂ້ອງ, ສະຖານທີ່ແກ້ໄຂຂໍ້ຂັດແຍ່ງ ແລະ ອື່ນໆ) ຈາກສັນຍາທີ່ປ້ອນຂໍ້ມູນເຂົ້າໄປໂດຍອັດຕະໂນມັດ, ພ້ອມທັງນຳໄປປຽບທຽບກັບ Playbook ພາຍໃນບໍລິສັດ ແລະ ກໍລະນີສຶກສາໃນອະດີດເພື່ອເຮັດໃຫ້ເຫັນຄວາມສ່ຽງໄດ້ຢ່າງຊັດເຈນ. ສຳລັບປະເພດສັນຍາທີ່ມີການມາດຕະຖານ ຫຼື Specification ທີ່ກ້າວໜ້າ ເຊັ່ນ: NDA, ສັນຍາຈ້າງງານ, ແລະ ສັນຍາ SaaS, AI ຈະໃຫ້ປະສິດທິຜົນສູງທີ່ສຸດ ເຊິ່ງບໍ່ແມ່ນເລື່ອງແປກທີ່ຈະສາມາດຫຼຸດເວລາໃນການກວດສອບລົງໄດ້ເຖິງ 6-8 ສ່ວນ. ໃນປະເທດລາວ, ການນຳໄປປະຍຸກໃຊ້ກັບສັນຍາການລົງທຶນຈາກຕ່າງປະເທດ, ສັນຍາຮ່ວມທຸລະກິດ (JV), ແລະ ສັນຍາເຊົ່າພື້ນທີ່ໃນເຂດເສດຖະກິດພິເສດ (SEZ) ກໍມີທ່າແຮງສູງ. ໂດຍສະເພາະສັນຍາເຊົ່າພື້ນທີ່ໃນ SEZ ເຊິ່ງມີຮູບແບບຂອງຂໍ້ກຳນົດທີ່ເປັນແບບແຜນຫຼາຍຂຶ້ນ, ຖ້າຫາກມີການຈັດຕັ້ງ AI Playbook ໃຫ້ພ້ອມ ກໍຈະຊ່ວຍໃຫ້ການເລີ່ມຕົ້ນໂຄງການໃໝ່ມີຄວາມວ່ອງໄວຂຶ້ນຢ່າງເຫັນໄດ້ຊັດ.

ໃນການກວດສອບຄວາມຖືກຕ້ອງ (Due Diligence) ຂອງໂຄງການ M&A, ການຮ່ວມທຶນ (JV) ແລະ ການລົງທຶນ, ຈຳເປັນຕ້ອງໄດ້ທົບທວນເອກະສານສັນຍາ, ໃບອະນຸຍາດ ແລະ ບັນທຶກການຟ້ອງຮ້ອງຫຼາຍຮ້ອຍຫາຫຼາຍພັນສະບັບທີ່ບໍລິສັດເປົ້າໝາຍຖືຄອງຢູ່ພາຍໃນໄລຍະເວລາອັນສັ້ນ. AI ຈະຊ່ວຍໃນການອ່ານເອກະສານຫຼາຍພາສາແບບຂ້າມລະບົບ, ຊ່ວຍກວດຫາຂໍ້ກຳນົດທີ່ມີຄວາມສ່ຽງໂດຍອັດຕະໂນມັດ, ລວບລວມລາຍການໄລຍະເວລາສັນຍາ/ເງື່ອນໄຂການຕໍ່ອາຍຸ ແລະ ຈັດລະບຽບສິດທິຊັບສິນທາງປັນຍາ. ໃນລາວ, ໂຄງການຈາກນັກລົງທຶນຈີນມີການ ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ, ເຮັດໃຫ້ຄວາມສາມາດໃນການຈັດການເອກະສານທີ່ມີທັງພາສາລາວ, ພາສາຈີນ ແລະ ພາສາອັງກິດປົນກັນຢ່າງເປັນເອກະພາບ ກາຍເປັນປັດໄຈສຳຄັນໃນການສ້າງຄວາມແຕກຕ່າງ. ຫຼາຍກໍລະນີທີ່ຄວາມສ່ຽງທີ່ "ກວດບໍ່ພົບ" ໃນລະຫວ່າງການເຮັດ DD ສົ່ງຜົນໃຫ້ລູກຄ້າໄດ້ຮັບຄວາມເສຍຫາຍຢ່າງໜັກໃນພາຍຫຼັງ, ດັ່ງນັ້ນການເພີ່ມຄວາມຄົບຖ້ວນສົມບູນດ້ວຍ AI ຈຶ່ງມີຄວາມສຳຄັນຫຼາຍໃນດ້ານການຮັບປະກັນຄຸນນະພາບ.

ເຖິງແມ່ນວ່າຖານຂໍ້ມູນກົດໝາຍຂອງລາວຈະຖືກລວບລວມໄວ້ໃນປະຕູຂໍ້ມູນຂ່າວສານທາງການ (Official Portal) ແລ້ວ, ແຕ່ຍັງມີບັນຫາດ້ານການຄົ້ນຫາ ເຊິ່ງຕ້ອງອາໄສຄວາມຊຳນານໃນການເກັບກຳບົດບັນຍັດທີ່ກ່ຽວຂ້ອງໃຫ້ຄົບຖ້ວນ. AI ສາມາດຊ່ວຍຄົ້ນຫາຂ້າມຖານຂໍ້ມູນກົດໝາຍ, ຄູ່ມືທາງການ ແລະ ຄຳອະທິບາຍການປະຕິບັດງານຕົວຈິງຫຼາຍແຫ່ງ, ພ້ອມທັງຈັດໂຄງສ້າງບົດບັນຍັດທີ່ກ່ຽວຂ້ອງກັບປະເດັນຕ່າງໆ ແລະ ປະຫວັດການແກ້ໄຂຫຼ້າສຸດໃຫ້ເປັນລະບຽບ. ສິ່ງນີ້ຈະຊ່ວຍຫຼຸດຜ່ອນເວລາໃນການຄົ້ນຄວ້າກ່ອນການຮ່າງຄຳຕອບໃຫ້ລູກຄ້າໄດ້ຢ່າງຫຼວງຫຼາຍ. ການທີ່ທະນາຍຄວາມຈົບໃໝ່ສາມາດຮັບປະກັນຄວາມຄົບຖ້ວນຂອງການຄົ້ນຄວ້າໄດ້ໃນລະດັບດຽວກັນກັບທະນາຍຄວາມທີ່ມີປະສົບການນັ້ນ, ຖືເປັນຄຸນຄ່າທັງໃນດ້ານການຫຼຸດຜ່ອນຕົ້ນທຶນການຝຶກອົບຮົມ ແລະ ການສ້າງຄວາມໝັ້ນຄົງດ້ານຄຸນນະພາບ.

ໃນປະເທດລາວ, ກົດລະບຽບໃໝ່ໆເຊັ່ນ: PDPL (ກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນສ່ວນບຸກຄົນ), ກົດໝາຍວ່າດ້ວຍການຄ້າທາງອີເລັກໂທຣນິກ ແລະ ກົດໝາຍວ່າດ້ວຍຄວາມປອດໄພທາງໄຊເບີ ໄດ້ຖືກບັງຄັບໃຊ້ຢ່າງຕໍ່ເນື່ອງ. ການຕິດຕາມກວດກາຢ່າງສະໝໍ່າສະເໝີເພື່ອແຈ້ງຄວາມເຄື່ອນໄຫວຫຼ້າສຸດໃຫ້ແກ່ລູກຄ້າຫາກເຮັດດ້ວຍແຮງງານຄົນຈະເຮັດໃຫ້ມີການໃຊ້ຊັບພະຍາກອນທີ່ສູງ. AI ຈະເຮັດໜ້າທີ່ກວດສອບ RSS ຫຼື API ຂອງໜັງສືພິມທາງການ, ການປະກາດຢ່າງເປັນທາງການ ແລະ ສື່ສະເພາະທາງ, ພ້ອມທັງສະຫຼຸບເນື້ອໃນອັດຕະໂນມັດ ແລະ ຈັດເຮັດເປັນລາຍງານເມື່ອພົບການອັບເດດທີ່ກ່ຽວຂ້ອງກັບຄຳສັບສະເພາະ (ຕົວຢ່າງ: ການໂອນຂໍ້ມູນຂ້າມແດນ, ການປົກປ້ອງຜູ້ບໍລິໂພກ, ກົດລະບຽບດ້ານ AI). ຂໍ້ມູນດັ່ງກ່າວສາມາດນຳໄປໃຊ້ເປັນວັດຖຸດິບໃນການສົ່ງຈົດໝາຍຂ່າວ ຫຼື ຈົດໝາຍຫາລູກຄ້າເປັນປະຈຳ ເຊິ່ງຈະຊ່ວຍເພີ່ມທະວີຂຶ້ນເລື້ອຍໆໃນດ້ານການສ້າງຄວາມຜູກພັນກັບລູກຄ້າ. ຄວາມຕໍ່ເນື່ອງໃນການເຜີຍແຜ່ຂໍ້ມູນເຫຼົ່ານີ້ເອງ ຈະກາຍເປັນຊັບສິນທາງຍີ່ຫໍ້ຂອງບໍລິສັດທີ່ສະສົມໄວ້.

ຂ້າພະເຈົ້າຈະຈັດລະບຽບແພລດຟອມການກວດສອບສັນຍາ AI ທີ່ເປັນກະແສຫຼັກໃນປັດຈຸບັນ ໂດຍອີງໃສ່ມຸມມອງການຄັດເລືອກຂອງສຳນັກງານກົດໝາຍໃນລາວ. ນອກຈາກການນຳໃຊ້ໂດຍກົງແລ້ວ, ການສະໝັກໃຊ້ຜ່ານສູນກາງໃນປະເທດເພື່ອນບ້ານຢ່າງ ສິງກະໂປ ຫຼື ໄທ ກໍເປັນທາງເລືອກໜຶ່ງທີ່ສາມາດພິຈາລະນາໄດ້.

Spellbook ເປັນ Add-in ທີ່ສາມາດກວດສອບ ແລະ ສະເໜີການແກ້ໄຂສັນຍາໄດ້ໂດຍກົງໃນ Microsoft Word ເຊິ່ງໄດ້ຮັບການສະໜັບສະໜູນຈາກທະນາຍຄວາມດ້ານທຸລະກຳ. ຈຸດເດັ່ນແມ່ນໂຄງສ້າງລາຄາທີ່ຄິດໄລ່ຕາມຈຳນວນຜູ້ໃຊ້ ເຮັດໃຫ້ງ່າຍຕໍ່ການນຳໃຊ້ ແລະ ເໝາະສົມກັບສຳນັກງານຂະໜາດນ້ອຍ. ສຳລັບທີມງານທີ່ມີຄວາມຄຸ້ນເຄີຍກັບ Workflow ທີ່ອີງໃສ່ Word ຢູ່ແລ້ວ ຈະມີຕົ້ນທຶນໃນການຮຽນຮູ້ເພີ່ມເຕີມໜ້ອຍ ແລະ ສາມາດເລີ່ມຕົ້ນເຮັດ PoC ໄດ້ທັນທີ. ໃນທາງກົງກັນຂ້າມ, ການຮອງຮັບພາສາລາວໂດຍກົງຍັງມີຈຳກັດ, ສະນັ້ນຈຶ່ງເໝາະສົມກັບສຳນັກງານທີ່ເນັ້ນການດຳເນີນງານດ້ວຍສັນຍາພາສາອັງກິດເປັນຫຼັກ.

Harvey ແມ່ນແພລດຟອມແບບປະສົມປະສານທີ່ຖືກອອກແບບມາເພື່ອບໍລິສັດກົດໝາຍຂະໜາດໃຫຍ່ ແລະ ພະແນກກົດໝາຍພາຍໃນອົງກອນ, ເຊິ່ງກວມເອົາກໍລະນີການນຳໃຊ້ທີ່ຫຼາກຫຼາຍ ເຊັ່ນ: ການກວດສອບສັນຍາ, ການສະຫຼຸບເນື້ອຫາ, ການຄົ້ນຄວ້າ ແລະ DD. ລະດັບລາຄາການນຳໃຊ້ແມ່ນສູງໃນລະດັບ Enterprise, ເຊິ່ງອາດຈະເປັນພາລະສຳລັບບໍລິສັດຂະໜາດນ້ອຍ ແລະ ກາງ, ແຕ່ມັນເໝາະສົມທີ່ສຸດສຳລັບກໍລະນີທີ່ຕ້ອງການລວມວຽກຫຼາຍຢ່າງເຂົ້າໃນແພລດຟອມດຽວ. ການອອກແບບຮູບແບບການຮັກສາຄວາມລັບ ແລະ ການຈັດການຂໍ້ມູນການຮຽນຮູ້ມີຄວາມເຂັ້ມງວດ, ເຮັດໃຫ້ມັນເໝາະສົມກັບບໍລິສັດທີ່ມີລູກຄ້າໃນອຸດສາຫະກຳທີ່ມີການຄວບຄຸມ.

Legora ແມ່ນແພລດຟອມເກີດໃໝ່ຈາກເອີຣົບ ທີ່ມີຈຸດເດັ່ນໃນການອອກແບບຂະບວນການເຮັດວຽກທີ່ກ້າວຂ້າມຂອບເຂດລະຫວ່າງການຄົ້ນຄວ້າ ແລະ ການຮ່າງເອກະສານ. ມັນມີຄວາມໂດດເດັ່ນໃນດ້ານ DD flow ທີ່ວິເຄາະເອກະສານຫຼາຍສະບັບແບບຂ້າມໄປມາ ເຊິ່ງເໝາະສົມກັບສຳນັກງານທີ່ມີວຽກງານ M&A ຈຳນວນຫຼາຍ. ລາຄາຢູ່ໃນລະດັບທີ່ສຳນັກງານຂະໜາດກາງສາມາດພິຈາລະນາໄດ້ ແລະ ເປັນທາງເລືອກທີ່ຄວນນຳມາປຽບທຽບ ເນື່ອງຈາກບໍ່ມີຄວາມຊັບຊ້ອນຫຼາຍເທົ່າກັບ Harvey.

LegalOn ແມ່ນບໍລິສັດທີ່ເລີ່ມຕົ້ນຈາກປະເທດຍີ່ປຸ່ນ ແລະ ມີການຂະຫຍາຍຕົວໃນລະດັບໂລກ, ໂດຍມີຈຸດແຂງໃນການອອກແບບການດຳເນີນງານທີ່ເນັ້ນໃສ່ການກວດສອບສັນຍາໂດຍສະເພາະ. ປັດຈຸບັນມີການຮອງຮັບຫຼາຍພາສາ (ພາສາຍີ່ປຸ່ນ/ພາສາອັງກິດ) ເຊິ່ງຖືເປັນທາງເລືອກທີ່ໜ້າສົນໃຈສຳລັບສຳນັກງານກົດໝາຍໃນລາວທີ່ມີລູກຄ້າເປັນບໍລິສັດຍີ່ປຸ່ນຫຼາຍ. ນອກຈາກນີ້, ຍັງມີຟັງຊັນການຈັດການ Playbook ພາຍໃນອົງກອນທີ່ຄົບຖ້ວນ ແລະ ມີຈຸດເດັ່ນໃນການສະທ້ອນມາດຕະຖານສະເພາະຂອງແຕ່ລະສຳນັກງານໄດ້ງ່າຍ.

ເມື່ອປຽບທຽບແພລດຟອມຫຼັກຕ່າງໆ, ນີ້ແມ່ນ 5 ແກນຫຼັກໃນການເລືອກທີ່ສຳນັກງານກົດໝາຍໃນລາວຄວນພິຈາລະນາ:

1. ການຮອງຮັບພາສາ: ສະຖານະການຮອງຮັບພາສາລາວ. ໃນກໍລະນີທີ່ບໍ່ມີການຮອງຮັບໂດຍກົງ, ສາມາດອອກແບບການດຳເນີນງານຜ່ານພາສາອັງກິດ, ພາສາໄທ ຫຼື ພາສາຈີນໄດ້ຫຼືບໍ່? ແລະ ຢູ່ໃນຂອບເຂດທີ່ RAG ພາຍໃນບໍລິສັດສາມາດຊ່ວຍເສີມໄດ້ຫຼືບໍ່?
2. ເຂດການຈັດເກັບຂໍ້ມູນ (Data Storage Region): ຄວາມສອດຄ່ອງກັບກົດລະບຽບການໂອນຂໍ້ມູນຂ້າມແດນຕາມ PDPL. ມີທາງເລືອກໃນການເລືອກເຂດ EU/US/AP ຫຼືບໍ່, ແລະ ທີ່ຕັ້ງຂອງຜູ້ປະມວນຜົນຂໍ້ມູນຍ່ອຍ (Sub-processor) ຢູ່ໃສ.
3. ຄວາມສອດຄ່ອງກັບພັນທະການຮັກສາຄວາມລັບ: ຜູ້ໃຫ້ບໍລິການມີການນຳຂໍ້ມູນໄປໃຊ້ຊ້ຳ (Secondary use) ຫຼືບໍ່, ມີການຕັ້ງຄ່າປິດການຮຽນຮູ້ຂອງແບບຈຳລອງ (Model training) ໂດຍຄ່າເລີ່ມຕົ້ນຫຼືບໍ່, ແລະ ມີກົດລະບຽບການຈັດການຕາມລະດັບຄວາມລັບຂອງຂໍ້ມູນແນວໃດ.
4. ການເຊື່ອມຕໍ່ກັບເຄື່ອງມືທີ່ມີຢູ່: ການລວມ ຫຼື Merge ເຂົ້າກັບ Microsoft Word, Google Docs, SaaS ບໍລິຫານຈັດການສັນຍາ ແລະ PMS, ລວມເຖິງສະຖານະການເປີດເຜີຍ API.
5. ໂຄງສ້າງລາຄາ: ຄິດໄລ່ເປັນລາຍເດືອນຕໍ່ທະນາຍຄວາມ 1 ຄົນ ຫຼື ຄິດໄລ່ຕາມຈຳນວນການກວດສອບ? ມີລາຄາສຳລັບສຳນັກງານຂະໜາດນ້ອຍຫຼືບໍ່, ແລະ ມີທາງເລືອກລະຫວ່າງສັນຍາລາຍປີ ແລະ ລາຍເດືອນຫຼືບໍ່.

ບໍ່ມີເຄື່ອງມືໃດທີ່ໄດ້ຮັບຄະແນນສູງສຸດໃນທຸກແກນຫຼັກ. ການຈັດລຳດັບຄວາມສຳຄັນໂດຍອີງໃສ່ຄວາມສ່ຽງສະເພາະຂອງລາວ (ການໂອນຂໍ້ມູນຂ້າມແດນຕາມ PDPL ແລະ ຈັນຍາບັນວິຊາຊີບ) ແມ່ນສິ່ງທີ່ສຳຄັນ. ໃນການເລືອກຕົວຈິງ, ຂະບວນການທີ່ເປັນຈິງທີ່ສຸດແມ່ນການຕັດເຄື່ອງມືທີ່ບໍ່ຜ່ານເງື່ອນໄຂດ້ານພັນທະການຮັກສາຄວາມລັບ ແລະ PDPL ອອກກ່ອນ, ຈາກນັ້ນຈຶ່ງຄັດເລືອກໂດຍອີງໃສ່ການຮອງຮັບພາສາ ແລະ ລາຄາ.

ການນຳໃຊ້ LegalTech ບໍ່ແມ່ນພຽງແຕ່ການເລືອກເຕັກໂນໂລຊີເທົ່ານັ້ນ, ແຕ່ຍັງເປັນໂຄງການປ່ຽນແປງອົງກອນທີ່ລວມເຖິງພັນທະການຮັກສາຄວາມລັບ, ກົດລະບຽບດ້ານຈັນຍາບັນ ແລະ ການຝຶກອົບຮົມບຸກຄະລາກອນ. ພວກຂ້າພະເຈົ້າຂໍແນະນຳ 5 ຂັ້ນຕອນດັ່ງນີ້: ໄລຍະເວລາໂດຍປະມານຂອງແຕ່ລະຂັ້ນຕອນແມ່ນ Step 1-3 ຈະດຳເນີນການຂະໜານກັນໄປໃນໄລຍະ 2-3 ເດືອນ, Step 4-5 ແມ່ນການເລີ່ມຕົ້ນການດຳເນີນງານໃນໄລຍະ 1-2 ເດືອນ, ລວມໄລຍະເວລາທັງໝົດນັບແຕ່ການເຮັດ PoC ຈົນເຖິງການເປີດໃຊ້ງານຈິງແມ່ນປະມານເຄິ່ງປີ.

ພວກເຮົາຈະຈັດປະເພດເອກະສານທີ່ໄດ້ຮັບຈາກລູກຄ້າອອກເປັນກຸ່ມທີ່ສາມາດສົ່ງໃຫ້ SaaS ຕ່າງປະເທດໄດ້ ແລະ ບໍ່ສາມາດສົ່ງໄດ້. ໂດຍຈະກວດສອບຜ່ານ 3 ຊັ້ນຄື: ຂໍ້ຈຳກັດດ້ານ NDA, ຂໍ້ຈຳກັດການໂອນຍ້າຍຂໍ້ມູນຂ້າມຊາຍແດນຕາມ PDPL, ແລະ ກົດລະບຽບດ້ານຈັນຍາບັນວິຊາຊີບ ເພື່ອນຳໄປປັບໃຊ້ໃນນະໂຍບາຍຂອງບໍລິສັດ. ໃນຫຼາຍກໍລະນີ, ພວກເຮົາຈະຂຽນ "ກົດລະບຽບການຈັດການຕາມລະດັບຄວາມລັບ" ໃຫ້ຊັດເຈນ ແລະ ນຳໃຊ້ການດຳເນີນງານ 2 ຊັ້ນ ເຊິ່ງຂໍ້ມູນລັບສຸດຍອດຈະຖືກປະມວນຜົນດ້ວຍ LLM ໃນລະບົບ On-premise/Private Cloud. ນອກຈາກນີ້, ຂະບວນການຂໍຄວາມຍິນຍອມຈາກລູກຄ້າກໍຈະຖືກບັນຈຸເຂົ້າໃນແມ່ແບບສັນຍາເບື້ອງຕົ້ນ ເພື່ອຮັບປະກັນຄວາມໂປ່ງໃສໃນການປະມວນຜົນດ້ວຍ AI ເຊິ່ງເປັນປັດໄຈສຳຄັນທີ່ສົ່ງຜົນໂດຍກົງຕໍ່ການຮັກສາຄວາມສຳພັນທີ່ເຊື່ອໝັ້ນຕໍ່ກັນ.

ຄວາມຖືກຕ້ອງຂອງ AI ແມ່ນຂຶ້ນກັບຄຸນນະພາບຂອງຂໍ້ມູນທີ່ໃຊ້ໃນການຮຽນຮູ້ ແລະ ອ້າງອີງ. ພວກເຮົາຈະຈັດລະບຽບສັນຍາເກົ່າພາຍໃນບໍລິສັດ, ຄູ່ມືການເຮັດວຽກພາຍໃນ (Playbook), ແລະ ຊຸດຂໍ້ກຳນົດມາດຕະຖານ ໂດຍໃຊ້ພາສາລາວ, ພາສາອັງກິດ, ແລະ ພາສາໄທ (ລວມເຖິງພາສາຈີນ ຖ້າຈຳເປັນ). ໃນເບື້ອງຕົ້ນ ບໍ່ຈຳເປັນຕ້ອງເຮັດໃຫ້ສົມບູນແບບ ແຕ່ໃຫ້ເລີ່ມຈາກການປ່ຽນເປັນດິຈິຕອນໂດຍໃຫ້ບຸລິມະສິດແກ່ປະເພດສັນຍາທີ່ພົບເລື້ອຍ (ເຊັ່ນ: NDA, ສັນຍາຈ້າງງານ, SaaS, JV). ການນຳໃຊ້ຂໍ້ມູນເຫຼົ່ານີ້ເປັນແຫຼ່ງອ້າງອີງສຳລັບ RAG (Retrieval-Augmented Generation) ຈະຊ່ວຍໃຫ້ທ່ານສາມາດເພີ່ມຄວາມຮູ້ສະເພາະຂອງບໍລິສັດເຂົ້າໄປໃນເຄື່ອງມືທີ່ມີຢູ່ໃນທ້ອງຕະຫຼາດໄດ້. ຄໍພັສ (Corpus) ທີ່ໄດ້ຈັດຕຽມໄວ້ນັ້ນ ຈະຖືກສະສົມໄວ້ເປັນຊັບສິນທາງປັນຍາຂອງສຳນັກງານ ແລະ ກາຍເປັນແຫຼ່ງທີ່ມາຂອງຄວາມສາມາດຂອງອົງກອນ ທີ່ບໍ່ຂຶ້ນກັບການປ່ຽນແປງຂອງສະມາຊິກໃນທີມ.

ກ່ອນທີ່ຈະໃຫ້ AI ຕັດສິນຂໍ້ກຳນົດຕ່າງໆ, ຄວນຈັດປະເພດສັນຍາທີ່ບໍລິສັດຂອງທ່ານນຳໃຊ້ ແລະ ກຳນົດລະດັບຂອງ "ຂໍ້ກຳນົດທີ່ຍອມຮັບໄດ້", "ຂໍ້ກຳນົດທີ່ຕ້ອງເຈລະຈາ" ແລະ "ຂໍ້ກຳນົດທີ່ປະຕິເສດ" ໃຫ້ແຕ່ລະປະເພດ. ຖ້າຫາກນຳໃຊ້ AI ໂດຍປາສະຈາກມາດຕະຖານພາຍໃນເຫຼົ່ານີ້, ການຕັດສິນຈະຖືກເບີກທາງໄປຕາມຄ່າເລີ່ມຕົ້ນຂອງຜູ້ໃຫ້ບໍລິການ (Vendor) ເຊິ່ງອາດຈະເຮັດໃຫ້ເກີດຄວາມແຕກຕ່າງຈາກນະໂຍບາຍຂອງບໍລິສັດ. ການກຳນົດມາດຕະຖານຈະຊ່ວຍໃຫ້ການຕັດສິນຂອງ AI ສາມາດຮັກສາຄວາມສອດຄ່ອງກັບນະໂຍບາຍພາຍໃນໄດ້. ນອກຈາກນີ້, ການຈັດຕັ້ງມາດຕະຖານຍັງເປັນໂອກາດອັນລ້ຳຄ່າສຳລັບ Senior Partner ໃນການຖ່າຍທອດຫຼັກການຕັດສິນໃຈຂອງຕົນອອກມາເປັນພາສາ ແລະ ຍັງມີຄຸນຄ່າໃນຖານະກົນໄກການຖ່າຍທອດຄວາມຮູ້ພາຍໃນບໍລິສັດອີກດ້ວຍ.

ຫ້າມນຳໃຊ້ການກວດສອບສັນຍາດ້ວຍ AI ໃນຮູບແບບ "ສົ່ງມອບຜົນງານທີ່ AI ຂຽນຂຶ້ນໂດຍກົງ". ຄວນກຳນົດຄວາມເລິກຂອງການກວດສອບຕາມລະດັບຄວາມສ່ຽງ (ຄວາມສ່ຽງສູງໃຫ້ Partner ກວດສອບ, ຄວາມສ່ຽງປານກາງໃຫ້ Associate ກວດສອບ) ແລະ ບັນທຶກໄວ້ວ່າໃຜເປັນຜູ້ກວດສອບຈຸດໃດໃນແຕ່ລະກໍລະນີ. ຄຸນນະພາບການອອກແບບ HITL ແມ່ນປັດໄຈຕັດສິນຄວາມສຳເລັດຂອງການນຳໃຊ້ LegalTech. ຄວາມງ່າຍໃນການໃຊ້ງານຂອງໜ້າຈໍກວດສອບ, SLA ຂອງການຍົກລະດັບບັນຫາ (Escalation) ແລະ ການຈັດຕັ້ງລະບົບ Feedback loop ຂອງຜົນການກວດສອບ ຈະເປັນສິ່ງທີ່ຊ່ວຍສະໜັບສະໜູນການປັບປຸງຢ່າງຕໍ່ເນື່ອງຫຼັງຈາກເລີ່ມດຳເນີນການ.

ສຳລັບຜົນງານທີ່ສົ່ງໃຫ້ລູກຄ້າ, ພວກເຮົາຈະບັນທຶກເນື້ອຫາທີ່ AI ນຳສະເໜີ, ຜູ້ກວດສອບທີ່ເປັນມະນຸດ, ຜູ້ອະນຸມັດຂັ້ນສຸດທ້າຍ, ຄວາມຮູ້ພາຍໃນບໍລິສັດທີ່ອ້າງອີງ, ແລະ ເວີຊັນຂອງໂມເດວທີ່ໃຊ້ ໄວ້ເປັນບັນທຶກທີ່ມີໂຄງສ້າງ. ເມື່ອລູກຄ້າຮຽກຮ້ອງໃຫ້ອະທິບາຍໃນພາຍຫຼັງວ່າ "ເປັນຫຍັງຈຶ່ງຍອມຮັບຂໍ້ກຳນົດນີ້", ພວກເຮົາຈະສາມາດສ້າງຂະບວນການຕັດສິນໃຈຄືນໃໝ່ເປັນລາຍລັກອັກສອນໄດ້. ສິ່ງນີ້ຍັງເຊື່ອມໂຍງໂດຍກົງກັບການກຳນົດຂອບເຂດຄວາມຮັບຜິດຊອບໃຫ້ຊັດເຈນ. ມັນເປັນສິ່ງສຳຄັນທີ່ຈະຕ້ອງຮັບປະກັນທັງໃນດ້ານບັນທຶກ ແລະ ຂະບວນການວ່າ ຄວາມຮັບຜິດຊອບທາງວິຊາຊີບຍັງຄົງຢູ່ກັບຜູ້ທີ່ມີໃບອະນຸຍາດເທົ່ານັ້ນ ແລະ AI ເປັນພຽງເຄື່ອງມືຊ່ວຍເຫຼືອຕາມຫຼັກການທີ່ວາງໄວ້.

ການເກັບກູ້ຜົນຕອບແທນຈາກການລົງທຶນໃນ LegalTech ແມ່ນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຂຶ້ນຢູ່ກັບປະເພດຂອງວຽກງານທີ່ຈັດການ. ໃນບົດນີ້, ພວກເຮົາຈະສະຫຼຸບປັດໄຈຫຼັກຂອງ ROI ແລະ ໄລຍະເວລາໃນການເກັບກູ້ທຶນຄືນສຳລັບ 3 ປະເພດວຽກງານ (NDA/ການກວດສອບສັນຍາ, DD, ແລະ ການຄົ້ນຄວ້າ/ຕິດຕາມກວດກາ). ກະລຸນາກຳນົດຂົງເຂດທີ່ຈະນຳໃຊ້ກ່ອນໂດຍອີງໃສ່ຮູບແບບທີ່ໃກ້ຄຽງກັບໂຄງສ້າງວຽກງານຂອງບໍລິສັດທ່ານຫຼາຍທີ່ສຸດ.

ສັນຍາແບບມາດຕະຖານ ເຊັ່ນ: NDA, ສັນຍາການຈ້າງງານ, ແລະ ສັນຍາ SaaS ແມ່ນຂົງເຂດທີ່ການກວດສອບສັນຍາດ້ວຍ AI ສະແດງໃຫ້ເຫັນເຖິງປະສິດທິຜົນໄດ້ຢ່າງຊັດເຈນທີ່ສຸດ. ໂດຍທົ່ວໄປແລ້ວ, ເວລາໃນການກວດສອບສະເລ່ຍຕໍ່ 1 ກໍລະນີ ຈະຖືກຫຼຸດລົງຈາກ 60-90 ນາທີ ເຫຼືອພຽງ 15-25 ນາທີ, ແລະສຳລັບສຳນັກງານທີ່ຕ້ອງຈັດການກັບການກວດສອບຫຼາຍກວ່າ 50 ກໍລະນີຕໍ່ເດືອນ, ການຄາດຄະເນສະແດງໃຫ້ເຫັນວ່າສາມາດເກັບກູ້ຄ່າໃຊ້ຈ່າຍຂອງເຄື່ອງມື ແລະ ຄ່າໃຊ້ຈ່າຍໃນການຈັດຕຽມ Corpus ຄືນໄດ້ພາຍໃນໄລຍະເວລາປະມານ 6-10 ເດືອນ. ຍິ່ງໄປກວ່ານັ້ນ, ຖ້າສາມາດຈັດສັນເວລາຂອງບຸກຄະລາກອນລະດັບອາວຸໂສທີ່ຫວ່າງລົງຈາກການຫຼຸດເວລາການກວດສອບນັ້ນ ໄປສູ່ການຈັດການກັບວຽກທີ່ມີມູນຄ່າສູງໄດ້, ໄລຍະເວລາໃນການເກັບກູ້ຄ່າໃຊ້ຈ່າຍຄືນກໍຈະຍິ່ງສັ້ນລົງກວ່າເກົ່າ.

DD, Legal Research, ແລະ Regulatory Monitoring ບໍ່ແມ່ນການບໍລິການທີ່ອີງຕາມຈຳນວນກໍລະນີ ແຕ່ເປັນການສ້າງມູນຄ່າໂດຍການປັບປຸງຄຸນນະພາບ ແລະ ຄວາມຄົບຖ້ວນສົມບູນ. ດ້ວຍ AI, ອັດຕາການກວມລວມຂອງ DD ຈະສູງຂຶ້ນ ແລະ ການກວດພົບຄວາມສ່ຽງທີ່ຕົກຫຼົ່ນຈະຫຼຸດລົງ, ເຊິ່ງຈະຊ່ວຍຫຼຸດຜ່ອນຄວາມສ່ຽງດ້ານການຮຽກຮ້ອງຄ່າເສຍຫາຍທີ່ເກີດຈາກ "ຄວາມສ່ຽງທີ່ບໍ່ໄດ້ກວດພົບ" ໄດ້ຢ່າງມີໂຄງສ້າງ. ສິ່ງນີ້ສາມາດປະເມີນ ROI ໄດ້ໃນມຸມມອງຂອງຄ່າປະກັນໄພ, ແລະ ເຖິງແມ່ນວ່າການວັດແທກເປັນປະລິມານຈະເຮັດໄດ້ຍາກ, ແຕ່ມັນກໍເປັນການລົງທຶນທີ່ມີມູນຄ່າສູງໃນການຫຼຸດຜ່ອນຄວາມສ່ຽງດ້ານການບໍລິຫານຈັດການຫ້ອງການໃນໄລຍະຍາວ. Regulatory Monitoring ສາມາດນຳມາໃຊ້ໃໝ່ເປັນເນື້ອໃນສຳລັບຈົດໝາຍຂ່າວ (Newsletter) ຫຼື ຈົດໝາຍເຖິງລູກຄ້າ (Client Letter) ເຊິ່ງຍັງປະກອບສ່ວນເຂົ້າໃນມາດຕະການຮັກສາຖານລູກຄ້າ (Retention) ອີກດ້ວຍ.

ເມື່ອມີການນຳໃຊ້ LegalTech ໃນປະເທດລາວ, ຂໍຍົກ 3 ຄວາມສ່ຽງທີ່ມັກຈະຖືກມອງຂ້າມໃນກໍລະນີສຶກສາລະດັບໂລກມາສະເໜີດັ່ງນີ້:

1. ຄວາມສ່ຽງດ້ານການໂອນຂໍ້ມູນຂ້າມແດນຕາມ PDPL: ໃນກໍລະນີທີ່ສົ່ງສັນຍາທີ່ມີຂໍ້ມູນສ່ວນບຸກຄົນຂອງລູກຄ້າໄປຍັງ SaaS ຕ່າງປະເທດ, ຈຳເປັນຕ້ອງມີພື້ນຖານໃນການໂອນຂໍ້ມູນຂ້າມແດນຕາມທີ່ PDPL ກຳນົດ (ການຍິນຍອມ, ສັນຍາ, ຫຼື ມາດຕະການປົກປ້ອງທີ່ເໝາະສົມ). ວິທີແກ້ໄຂຄື ການເພີ່ມຂໍ້ກຳນົດກ່ຽວກັບການຍິນຍອມໃຫ້ປະມວນຜົນດ້ວຍ AI ລົງໃນສັນຍາເບື້ອງຕົ້ນກັບລູກຄ້າ ແລະ ເລືອກຜູ້ໃຫ້ບໍລິການທີ່ກຳນົດພື້ນທີ່ (Region) ການຈັດເກັບຂໍ້ມູນໄວ້ໃນ AP ເທົ່ານັ້ນ. ນອກຈາກນີ້, ຄວນກວດສອບພື້ນທີ່ຂອງ Sub-processor ນຳອີກ.

2. ຄວາມສ່ຽງດ້ານໜ້າທີ່ຮັກສາຄວາມລັບ ແລະ "ການນຳຂໍ້ມູນໄປໃຊ້ເພື່ອການຮຽນຮູ້ຂອງ AI": LLM ແບບທົ່ວໄປບາງຕົວຈະນຳຂໍ້ມູນທີ່ຜູ້ໃຊ້ປ້ອນເຂົ້າໄປໄປໃຊ້ໃນການປັບປຸງ Model. ຕາມຫຼັກການຮັກສາຄວາມລັບແລ້ວ, ຂໍ້ມູນຂອງລູກຄ້າບໍ່ຄວນຖືກນຳໄປໃຊ້ໃນການຮຽນຮູ້ Model ຂອງຜູ້ໃຫ້ບໍລິການ. ວິທີແກ້ໄຂຄື ການເລືອກ Opt-out ຈາກການນຳຂໍ້ມູນໄປໃຊ້ຮຽນຮູ້ໃນສັນຍາລະດັບອົງກອນ (Enterprise Contract) ແລະ ລະບຸເລື່ອງດັ່ງກ່າວໃຫ້ຊັດເຈນໃນເອກະສານສັນຍາ. ການຮັບປະກັນໃນລະດັບສັນຍາເປັນວິທີທີ່ປອດໄພກວ່າການເພິ່ງພາພຽງແຕ່ການຕັ້ງຄ່າເລີ່ມຕົ້ນ (Default setting).

3. ຄວາມສອດຄ່ອງກັບກົດລະບຽບຈັນຍາບັນວິຊາຊີບ: ຕາມກົດລະບຽບຂອງສະພາທະນາຍຄວາມແຫ່ງ ສປປ ລາວ, ຄວາມຮັບຜິດຊອບໃນການປະຕິບັດວຽກງານແມ່ນຂຶ້ນກັບຕົວທະນາຍຄວາມເອງ. ໃນກໍລະນີທີ່ AI ໃຫ້ຄຳແນະນຳທີ່ຜິດພາດ, ຄວາມຮັບຜິດຊອບຈະບໍ່ຕົກຢູ່ກັບ AI ແຕ່ຈະຕົກຢູ່ກັບທະນາຍຄວາມ. ວິທີແກ້ໄຂຄື ການກຳນົດໃຫ້ AI ເປັນພຽງ "ເຄື່ອງມືຊ່ວຍເຫຼືອ" ແລະ ຕ້ອງມີການກວດສອບ ແລະ ລົງລາຍເຊັນຮັບຮອງໂດຍຜູ້ທີ່ມີໃບອະນຸຍາດວິຊາຊີບໃນທຸກຄັ້ງສຳລັບຄວາມເຫັນທາງກົດໝາຍ ຫຼື ຜົນການກວດສອບສັນຍາ. ເພື່ອປ້ອງກັນບໍ່ໃຫ້ເກີດອຸບັດຕິເຫດຈາກການທີ່ພະນັກງານລະດັບ Junior ນຳຜົນລັດຈາກ AI ໄປໃຊ້ໂດຍກົງ, ຄວນກະກຽມກົດລະບຽບພາຍໃນທີ່ລະບຸເຖິງຄວາມຮັບຜິດຊອບໃນການກວດສອບໃຫ້ຊັດເຈນໄປພ້ອມກັນ.

Q1. ມີການທົບທວນສັນຍາດ້ວຍ AI ທີ່ຮອງຮັບພາສາລາວບໍ່? A. ການຮອງຮັບພາສາລາວໂດຍກົງໃນແພລດຟອມລະດັບໂລກຍັງມີຈຳກັດ, ແຕ່ແບບຈຳລອງພາສາຂະໜາດໃຫຍ່ທົ່ວໄປ (GPT, Claude, Gemini) ສາມາດຈັດການກັບພາສາລາວໄດ້ໃນລະດັບທີ່ນຳໄປໃຊ້ງານໄດ້ຈິງ. ການນຳໃຊ້ການແປພາສາຜ່ານພາສາອັງກິດ ຫຼື ພາສາໄທຄວບຄູ່ກັນໄປແມ່ນວິທີແກ້ໄຂທີ່ເປັນຈິງໃນປັດຈຸບັນ. ການເສີມສ້າງຄໍປັສ (Corpus) ພາສາລາວພາຍໃນອົງກອນດ້ວຍ RAG ຈະຊ່ວຍປັບປຸງຄວາມຖືກຕ້ອງຂອງຄຳສັບສະເພາະທາງໄດ້ຢ່າງຫຼວງຫຼາຍ.

Q2. ສຳນັກງານຂະໜາດນ້ອຍສາມາດນຳມາໃຊ້ງານໄດ້ບໍ່? A. ສາມາດນຳມາໃຊ້ງານໄດ້ເຖິງແມ່ນວ່າຈະມີທະນາຍຄວາມພຽງສອງສາມຄົນກໍຕາມ. ມີເຄື່ອງມືຫຼາຍຢ່າງທີ່ສາມາດເລີ່ມຕົ້ນໄດ້ດ້ວຍການສະໝັກໃຊ້ບໍລິການ (Subscription) ໃນລາຄາຫຼັກໝື່ນເຢນຕໍ່ເດືອນ, ໂດຍແນະນຳໃຫ້ເລີ່ມຈາກການທົດສອບປະສິດທິພາບໃນສັນຍາ 1-2 ປະເພດ (ເຊັ່ນ: NDA ຫຼື ສັນຍາຈ້າງງານ) ກ່ອນ. ການເລີ່ມຕົ້ນແບບຂະໜາດນ້ອຍ (Small start) ເພື່ອໃຫ້ເຫັນຜົນລັ The ພາຍຫຼັງຈຶ່ງຂະຫຍາຍຜົນອອກໄປໃນວົງກວ້າງ ແມ່ນວິທີການນຳໃຊ້ແບບເປັນຂັ້ນຕອນທີ່ມີປະສິດທິຜົນໃນແງ່ຂອງການຫຼຸດຜ່ອນການຕໍ່ຕ້ານພາຍໃນອົງກອນ.

Q3. ຄວນອະທິບາຍໃຫ້ລູກຄ້າຟັງແນວໃດ? A. ມີຕົວຢ່າງເພີ່ມຂຶ້ນເລື້ອຍໆໃນການລະບຸ "ການນຳໃຊ້ເທັກໂນໂລຊີ AI" ໄວ້ໃນສັນຍາຈ້າງງານ ຫຼື ໜັງສືຕົກລົງເບື້ອງຕົ້ນ, ພ້ອມທັງລະບຸນະໂຍບາຍການຈັດການຂໍ້ມູນ (ສະຖານທີ່ຈັດເກັບ, ການນຳໃຊ້ເພື່ອການຮຽນຮູ້ຂອງ AI ຫຼື ບໍ່) ຄວບຄູ່ກັນໄປ. ການຮັບປະກັນຄວາມໂປ່ງໃສຈະຊ່ວຍໃຫ້ບໍ່ສູນເສຍຄວາມເຊື່ອໝັ້ນຈາກລູກຄ້າ. ນອກຈາກນີ້, ຫຼາຍສຳນັກງານຍັງເລີ່ມມີການສ້າງເອກະສານນະໂຍບາຍການນຳໃຊ້ AI ແລະ ເປີດເຜີຍຜ່ານເວັບໄຊ, ເຊິ່ງເປັນການປະກອບສ່ວນໃນການສ້າງຄວາມເຊື່ອໝັ້ນຕໍ່ພາຍນອກອີກດ້ວຍ.

Q4. ສະພາທະນາຍຄວາມແຫ່ງ ສປປ ລາວ ມີແນວທາງປະຕິບັດ (Guideline) ບໍ່? A. ແນວທາງປະຕິບັດທີ່ຊັດເຈນກ່ຽວກັບການນຳໃຊ້ AI ຍັງຢູ່ໃນຂັ້ນຕອນການພັດທະນາ. ແຕ່ລະສຳນັກງານຈຳເປັນຕ້ອງກັບໄປຍຶດຖືຫຼັກການທົ່ວໄປຂອງຈັນຍາບັນວິຊາຊີບ (ພັນທະໃນການຮັກສາຄວາມລັບ, ການຂັດກັນຂອງຜົນປະໂຫຍດ, ການປະຕິບັດງານຢ່າງມີຄວາມສາມາດ) ເພື່ອກຳນົດນະໂຍບາຍການນຳໃຊ້ຂອງຕົນເອງ. ເນື່ອງຈາກໃນອະນາຄົດອາດມີແນວທາງປະຕິບັດຢ່າງເປັນທາງການອອກມາຈາກສະພາທະນາຍຄວາມ, ຈຶ່ງຄວນຈັດຕຽມນະໂຍບາຍຂອງບໍລິສັດໃນຮູບແບບທີ່ສາມາດປັບປຸງໄດ້.

Q5. ຄວາມຮັບຜິດຊອບໃນກໍລະນີທີ່ເກີດຂໍ້ຜິດພາດຫຼັງຈາກນຳ AI ມາໃຊ້ແມ່ນຫຍັງ? A. ການຕັດສິນໃຈຂັ້ນສຸດທ້າຍວ່າຈະຮັບເອົາຂໍ້ສະເໜີຂອງ AI ຫຼື ບໍ່ ແມ່ນຄວາມຮັບຜິດຊອບຂອງທະນາຍຄວາມ. ຂໍ້ຜິດພາດທີ່ເກີດຈາກການເພິ່ງພາ AI ໂດຍລະເລີຍການກວດສອບໂດຍມະນຸດ ບໍ່ສາມາດຖືເປັນເຫດຜົນໃນການຍົກເວັ້ນຄວາມຮັບຜິດຊອບທາງວິຊາຊີບໄດ້. ການອອກແບບ HITL (Human-in-the-loop) ຈຶ່ງເປັນ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຂອງການຄຸ້ມຄອງຄວາມຮັບຜິດຊອບ.

Q6. ຄວນຄາດຄະເນຕົ້ນທຶນໃນການນຳມາໃຊ້ງານໄວ້ເທົ່າໃດ? A. ໃນກໍລະນີທົ່ວໄປຂອງສຳນັກງານຂະໜາດກາງ ແລະ ຂະໜາດນ້ອຍ, ການລົງທຶນເບື້ອງຕົ້ນ (ການນຳໃຊ້ເຄື່ອງມື, ການຈັດຕຽມຄໍປັສ, ການອອກແບບການດຳເນີນງານ) ຈະຢູ່ໃນລະດັບ 5-15 ລ້ານເຢນ (ເມື່ອປຽບທຽບເປັນເງິນເຢນ), ສ່ວນຕົ້ນທຶນການດຳເນີນງານລາຍເດືອນຈະເລີ່ມຕົ້ນທີ່ຫຼັກແສນເຢນຂຶ້ນໄປ ຂຶ້ນຢູ່ກັບຈຳນວນຜູ້ໃຊ້ງານ ແລະ ຄ່າບໍລິການຂອງເຄື່ອງມື. ROI ຈະຂຶ້ນຢູ່ກັບໂຄງສ້າງຂອງແຕ່ລະຄະດີ, ແຕ່ສຳນັກງານທີ່ມີການທົບທວນສັນຍາຫຼາຍກວ່າ 50 ສະບັບຕໍ່ເດືອນ ສາມາດຕັ້ງເປົ້າໝາຍໃນການຄືນທຶນພາຍໃນ 1 ປີໄດ້.

ການກວດສອບສັນຍາດ້ວຍ AI ໄດ້ກາຍເປັນກະແສຫຼັກໃນລະດັບໂລກ ແລະ ໃນພາກພື້ນ ASEAN ກໍມີການນຳໃຊ້ຢ່າງແຜ່ຫຼາຍໃນປະເທດໄທ, ຫວຽດນາມ ແລະ ສິງກະໂປ. ສຳລັບຕະຫຼາດລາວ, ຍັງມີກໍລະນີສຶກສາທີ່ ເປີດຕົວ ຫຼື Launch ບໍ່ຫຼາຍປານໃດ, ເຊິ່ງຍັງມີຊ່ອງວ່າງໃຫ້ສາມາດສ້າງຄວາມແຕກຕ່າງໃນຖານະຜູ້ບຸກເບີກ (First Mover) ໄດ້. ສິ່ງທີ່ສຳຄັນກວ່າການເລືອກເຄື່ອງມື ຄືການອອກແບບການນຳໃຊ້ທີ່ຕອບໂຈດ 3 ດ້ານ ຄື: "ພັນທະໃນການຮັກສາຄວາມລັບ, PDPL ແລະ ຈັນຍາບັນວິຊາຊີບ" ລວມເຖິງການວາງລະບົບ HITL ແລະ ບັນທຶກການກວດສອບ (Audit Log) ຕັ້ງແຕ່ເລີ່ມຕົ້ນ. ຄວາມຄຸ້ມຄ່າຂອງການລົງທຶນ (ROI) ຈະເຫັນຜົນໄດ້ງ່າຍໃນຂອບເຂດທີ່ກ່ຽວຂ້ອງກັບຈຳນວນການກວດສອບສັນຍາ, ໂດຍສຳລັບສຳນັກງານທີ່ຈັດການສັນຍາປະມານ 50 ສະບັບຕໍ່ເດືອນ ຄາດວ່າຈະສາມາດຄືນທຶນໄດ້ພາຍໃນ ຮອບ 10 ປີ. ໃນທາງກົງກັນຂ້າມ, ການເຮັດ DD, ການຄົ້ນຄວ້າ ແລະ ການຕິດຕາມກວດກາ ຈະເນັ້ນໄປທີ່ການສ້າງມູນຄ່າໃນໄລຍະຍາວຜ່ານການປັບປຸງຄຸນນະພາບ ແລະ ຄວາມຄົບຖ້ວນສົມບູນ, ເຊິ່ງຄວນຖືກປະເມີນວ່າເປັນການລົງທຶນໃນແງ່ຂອງການຫຼຸດຜ່ອນຄວາມສ່ຽງໃນການບໍລິຫານສຳນັກງານ. ບໍລິສັດຂອງພວກເຮົາໃຫ້ການສະໜັບສະໜູນສຳນັກງານກົດໝາຍ ແລະ ວິຊາຊີບທີ່ກ່ຽວຂ້ອງໃນປະເທດລາວ ຢ່າງຄົບວົງຈອນ ທັງການປະເມີນຜົນການນຳໃຊ້ LegalTech, ການອອກແບບ PoC ແລະ ການວາງລະບົບການນຳໃຊ້. ຫາກທ່ານກຳລັງພິຈາລະນາການນຳໃຊ້ LegalTech, ສາມາດຕິດຕໍ່ສອບຖາມພວກເຮົາໄດ້ທຸກເວລາ.