در تعداد فزایندهای از صنایع، کشف الکترونیکی اسناد (eDiscovery) مربوط به مقررات و انطباق میتواند پیچیدگی تجارت (مثلاً در بین ایالتهای آمریکا) را کاهش دهد.
در صنعتی مانند داروسازی و زنجیرههای تأمین اغلب پیچیده آن، شرکتها باید از حجم انبوه قوانین و مقررات در حال تغییر که از سوی نهادهای قانونگذاری مختلف در سطوح محلی و فدرال صادر میشوند، آگاه باشند. بنابراین، جای تعجب نیست که هوش مصنوعی میتواند در زمینه انطباق با مقررات زنجیره تأمین تنظیمشده، بسیار مفید باشد. با توجه به اینکه هوش مصنوعی در خواندن و تجزیه اسناد و تصاویر مهارت دارد، ارائهدهندگان خدماتی مانند Lighthouse AI از اشکال مختلف این فناوری برای بررسی دقیق اسناد موجود و جدید حاکم بر این صنعت استفاده میکنند.
آخرین مجموعه نرمافزاری این شرکت، Lighthouse AI for Review، از انواع یادگیری ماشین مانند هوش مصنوعی پیشبینیکننده (Predictive AI) و مولد (Generative AI)، تشخیص تصویر و تشخیص نوری نویسهها (OCR)، به علاوه مدلسازی زبانی، برای مدیریت موارد استفاده در محیطهای با حجم بالا و حساس به زمان استفاده میکند.
هوش مصنوعی پیشبینیکننده برای طبقهبندی اسناد استفاده میشود و هوش مصنوعی مولد به فرآیند بازبینی برای نتایج بهتر و قابل دفاعتر در مراحل بعدی کمک میکند. این شرکت ادعا میکند که عنصر مدلسازی زبانی این مجموعه، دقت پلتفرم را به سطوحی ارتقا میدهد که معمولاً «فراتر از تواناییهای هوش مصنوعی» است.
کشف الکترونیکی اسناد (eDiscovery) – اصطلاحی گسترده
Lighthouse AI در حال حاضر شش ساله است و از سال ۲۰۱۹ میلیاردها سند را تجزیه و تحلیل کرده است، اما هوش مصنوعی پیشبینیکننده همچنان برای این نرمافزار مهم است، علیرغم اینکه - شاید بتوان گفت - هوش مصنوعی مولد در ۱۸ ماه گذشته بیشتر سرفصلهای خبری را به خود اختصاص داده است. فرناندو دلگادو، مدیر هوش مصنوعی و تجزیه و تحلیل در Lighthouse، گفت: «در حالی که اخیراً توجه زیادی به درستی به تأثیر هوش مصنوعی مولد (GenAI) شده است، نمیتوان قدرت و اهمیت هوش مصنوعی پیشبینیکننده را نادیده گرفت. آنها کارهای متفاوتی انجام میدهند و اغلب ترکیب آنها برای مدیریت عناصر مختلف در یک گردش کار، ارزش واقعی دارد.»
با توجه به اینکه اصطلاح کلی «صنعت داروسازی» شامل حوزههایی به گستردگی فناوری پزشکی، تحقیقات دارویی و تولید، تا فروشگاههای توزیع دارو میشود، الزامات انطباق برای یک شرکت منفرد در این بخش میتواند بسیار متنوع باشد. کریستین ماهونی، مشاور در Cleary Gottlieb Steen & Hamilton میگوید: «به جای یک رویکرد یکسان برای همه، ما توانستهایم فناوری را متناسب با نیازهای منحصر به فرد خود شکل دهیم - و ایدههایمان را به راهحلهای واقعی و تأثیرگذار تبدیل کنیم.»
Lighthouse AI for Review شامل موارد استفادهای مانند هوش مصنوعی برای بازبینی پاسخگو (AI for Responsive Review)، هوش مصنوعی برای بازبینی موارد محرمانه (AI for Privilege Review)، هوش مصنوعی برای تحلیل موارد محرمانه (AI for Privilege Analysis)، و هوش مصنوعی برای شناسایی اطلاعات حساس شخصی، بهداشتی و پرداختی (AI for PII/PHI/PCI Identification) است. Lighthouse AI ادعا میکند که کاربرانش با ویژگی هوش مصنوعی برای بازبینی پاسخگو، تا ۴۰ درصد کاهش در حجم اسناد طبقهبندی و خلاصه شده را مشاهده میکنند، در حالی که مدل زبانی بزرگ (LLM) قبل از شروع به ایجاد بازگشت سرمایه (ROI) به آموزش کمتری نیاز دارد.
Lighthouse AI همچنین میگوید که هوش مصنوعی برای بازبینی موارد محرمانه (AI Privilege for Review) «۶۰٪ دقیقتر از مدلهای مبتنی بر کلمات کلیدی است.»
تیزبینی هوش مصنوعی در مورد دادههای بصری توسط هوش مصنوعی برای تحلیل تصویر (AI for Image Analysis) مدیریت میشود که از هوش مصنوعی مولد (GenAI) برای تجزیه و تحلیل تصاویر و، به عنوان مثال، تولید توضیحات متنی از رسانهها استفاده میکند و نتایج را با استفاده از رابط کاربریای که کاربران برای کارهای دیگر با آن تعامل دارند، ارائه میدهد.
هوش مصنوعی Lighthouse برای شناسایی اطلاعات حساس شخصی، بهداشتی و پرداختی (AI for PII/PHI/PCI Identification) نگاشت روابط بین موجودیتها را خودکار میکند و میتواند نیاز به بازبینیهای دستی را کاهش دهد. ران مارکزیچ، مدیر عامل Lighthouse گفت: «پیشنهادات جدید بسیار متمایز هستند و برای ارائه بیشترین تأثیر بر حجم، سرعت و پیچیدگی کشف الکترونیکی اسناد (eDiscovery) طراحی شدهاند.»
(منبع تصویر: «بازل - ساختمان شماره ۱ روشه» اثر corno.fulgur75 تحت مجوز CC BY 2.0 منتشر شده است.)
همچنین ببینید: درخواست Hugging Face برای تمرکز بر منبعباز در برنامه اقدام هوش مصنوعی