当 Clifford Chance今年二月宣布将成为首批推出之一的组织之一Microsoft 365副驾全球范围内，法律科技市场的集体反应震惊不已。这是否是一个不寻常的冲动反应？他们又是如何获得预算的？正如许多一夜之间的决定一样，据IT和风险管理负责人透露，这一决策实际上酝酿了多年。
今年二月， Clifford Chance 成为首批决定在全球范围内部署微软 Copilot 和 Viva Suite 的组织之一（不仅限于律师事务所）；这是一项巨大的投资，在一些人看来速度过快了，因为整个行业仍在努力应对不仅仅是关于生成式 AI 的治理问题，还包括成本影响的问题。这种挣扎至今仍然在继续。
广告
律师事务所在技术方面通常不是先行者。我们把这种角色留给那些投资数十亿美元进行科技和创新的金融机构和大型银行。但是在这里， Clifford Chance 却因“将其数字化转型之旅提升到一个新的水平”而受到微软的赞誉，成为首批在全球范围内大规模部署 Microsoft 365 Copilot 和 Viva Suite 的组织之一，覆盖其整个员工队伍。微软以及 Clifford Chance 自身都指出，这次 2024 年 2 月的公告是在 2023 年推出 Clifford Chance Assist 后作出的，Clifford Chance Assist 是基于微软的 Azure OpenAI 平台开发的，在试运行了超过 1800 名用户后，该工具被推广到整个事务所。
那么这家企业是如何如此迅速地走到这一步的？做出这一决定的过程和预算计算是什么？还有，正如过去几个月许多人所疑惑的，他们是如何建立防护机制的？我们询问了首席信息官保罗·格林伍德, 首席风险和合规官海沃德 巴哈雷，和d法律技术与创新总监安东尼·维热隆为了给我们提供一种旁听版本的事件描述，因为法律行业继续相互寻求在这个快速发展领域中的关键经验。
广告
政策、流程和风险评估
需要注意的是，(Clifford Chance)是最早设立数据科学家团队的律所之一，并且一直在进行相关工作。自2018/2019年以来对Transformers（GPT中的T）的研究，并于2019年发表自己的研究成果1912.06905 (arxiv.org)，因此，它已经建立了数字基础，以便在生成式人工智能出现时能够最大限度地发挥其作用。但是当OpenAI推出ChatGPT 3.5时，变化的速度让所有人感到意外。
格林伍德描述了他在与首席风险和合规官巴哈雷·海伍德的会议中的经历，后者在会议上多次提到GPT。“我们问ChatGPT‘律师事务所面临的最大风险是什么？’结果让我大吃一惊，”格林伍德说。“然后我们让它将这些内容翻译成法语，并要求它用马克龙的风格做一次演讲。我们都开始尖叫，我被其速度和准确性震惊了，而且我觉得法语的效果不可思议。” 
我们从早期就感到非常兴奋，并且认为这项技术非常重要，人们需要理解它。你们已经看到许多律师事务所禁止生成式人工智能技术；我们的做法不是这样做，而是发布指导方针，不要使用任何客户信息进行实验，同时法律和信息技术部门在幕后紧密合作以控制风险。
格林伍德提及了阿玛拉定律，该定律指出人们往往高估技术在短期内的影响，而低估其长期影响。他评论道：“我们希望采取长远视角，并组建了一个指导小组来向客户阐述我们的立场。我们的观点是不要急于推出任何东西。在对外界发表任何言论之前，我们决定的首要事项之一就是需要制定一系列生成式人工智能原则，并在整个公司内达成一致政策。”
正如任何经历过或正在经历这个过程的公司所知，说起来容易做起来难。Heywood回忆道：“起初这感觉有点痛苦和缓慢。我们经历了许多凌晨三点才结束的工作，反复审视政策。我们希望确保这些措施是可持续的，并且认识到需要一些指导原则。从伦理角度来看，我们认为有必要明确我们在使用AI方面的立场。在我看来，这不仅仅是关于制定政策，更重要的是要有一个清晰的风险评估流程。”
海伍德的目的是为IT和创新团队提供推进Gen AI项目所需的手段，而无需在每个实例中都回到风险团队，这将减缓创新速度，在这个时候像微软和OpenAI这样的组织正在（并且仍然在）以闪电般的速度前进。
“我们本可以一夜之间制定一项政策，但最终的结果与我们的起点大不相同，”希伍德说。“这是一个试错的过程，重点在于易用性以及避免人们被术语淹没。我们需要一个易于理解的系统，因此我们引入了一个类似交通信号灯的系统，该系统讨论的是工具和数据类型。” 
“如果是绿色，随意使用。我们希望鼓励好奇心，因为如果你不使用和玩转某样东西，你永远不会理解它。然后是黄色和红色。绿色指的是某些类型的工具和数据，我们认为这些工具和数据是可以使用的，这取决于数据的位置、数据本身以及用户。红色可能是指审查简历或个人信息。”
该政策在欧盟《人工智能法案》仍在谈判中时制定，并考虑了内部关于法案方向和内容的建议。Vigneron观察到：“我”进行风险评估和用例分类非常重要，而且《法案》的方向反映在我们的政策中。虽然其他公司在谈论做概念验证（POC），但他们还没有开始相关工作，如果你没有完成同意可接受用例的工作，你会发现很难推进概念验证。 
“我们想确保自己理解数据发生了什么。这在公开的ChatGPT和私有的Azure上是不同的。我们说有些工具可以处理敏感数据，但许多人认为情况并非如此。”
团队与公司的客户就该政策进行了沟通，在早期阶段，许多客户担心他们的数据会被用作模型的训练数据。“他们对生成式AI说了一个笼统的‘不’，”维热龙回忆道。
那个位置现在已经颠倒过来了，Heywood补充说：“这是关于进行那些成人对话。当出现脱节时，你通常可以解决它。”
个人责任和培训
有一个你花了大量时间制定的政策是一回事，确保它被遵守则是另一回事。
格林伍德反思道：“巴哈雷传达了个人责任的信息。你有责任检查政策和输出，这是我们处理一切事务的方式。
律师对其客户负有伦理和专业的责任，这是他们所做一切的核心，这一点在涉及生成式人工智能时也不例外。但是，对于这种新型的生成技术，至关重要的是他们不要因为不了解其工作原理而犯错。
希伍德说：“我们的责任是确保政策和指导清晰明确，并且当你使用某个工具时，能够清楚地知道有哪些限制；你不必再回去查看政策。当打开Teams时，它会告诉人们“不要将它用于x、y和z，因为这些用途被禁止。”
维尼翁补充道：“另一点是我们有强制性的政策培训。”
对于 Clifford Chance 这样的公司规模而言，这是一项巨大的任务。团队还一直在培训管理人员了解该技术的工作原理。Heywood 表示：“这是监督合伙人有责任了解其使用场合：如果不理解就不能使用。政策规定，如果你在客户工作中使用生成式AI，必须告知你的主管。 关键在于，管理人员需要明白这种类型的工具可能会产生幻觉。
选择副驾
根据格林伍德的说法，推出某项措施的好处之一是公司里的每个人都配备了副驾，因此他们没有理由使用其他工具，它的选择始于风险分析的早期阶段。
格林伍德表示，克莱克律师事务所围绕选择生成式AI工具（包括其GPT-4工具Assist和房地产技术提供商Orbital Witness）的决策过程主要基于成本、数据隐私、企业适用性和实用性。
格林伍德说，第一个问题是“我们需要它吗？”然后我们再考虑长期的可持续性。初创公司会被收购。在选择Copilot时，我们决定与微软的发展路线图保持一致。微软在OpenAI有很大的利益。
该公司认为，大多数法律技术供应商会选择与Copilot合作而不是提供独立产品。在许多情况下，这种情况已经发生了。
赫伍德说：“说服我使用Copilot的是保罗说他会为我打造一个专属版本。我们有数百项政策，找到合适的可能需要两天时间，但在Teams中的Copilot，你只需询问你感兴趣的政策，它会发送给你摘要、引用来源，并给我关于这项政策的建议。你需要检查一下这些信息，但它会在四秒内返回所有这些信息。
用例
Copilot 的应用场景不断演变，但 Vigneron 表示：“主要的应用场景是摘要生成，例如当人们在一个大型电子邮件链中时，他们希望将其总结以向客户汇报——所有输出的内容显然都需要检查。第二大应用场景是在海量信息中寻找关键内容。如果你为客户发行了债券，并想找出具体金额是多少，Copilot 可以在 SharePoint 和邮件中搜索任何信息。第三个场景是信息采集——在这个银团中哪些银行已经做出了回应？你可以将证人组织成一个结构。第四个应用场景是创意生成，即撰写文档后，请 Copilot 检查论点是否有问题，并找到弱点。”
Copilot将带来的另一个转变是更好的自助服务可能性，无论是为那些原本会使用Clifford Chance Service Now服务台的员工提供自助选项，还是使员工在合规和政策方面更加自给自足。
维格诺和他的团队一直在监测各个实践小组在各种用例上的反馈：任何问题或风险都被上报到每个实践小组的工作组，这些信息再汇总到一个总体工作组。
ROI 翻译为中文是 "投资回报率"
当Legal IT Insider首次报道 Clifford Chance 全球选择使用Copilot时，我们用来计算成本的“餐巾纸草算”是这样的：如果该公司为其大约7000多名员工每月支付30美元/人的话，那么它每年将增加270万美元的技术开支。当然这可能比粗略估算更糟糕，但你明白了重点。这是一个很大的数目。
所以用人们讨论时间最长的话题来结束是合适的：投资成本的考虑是什么，以及它的回报率（ROI）是多少？
酿酒师说：“我们在市场上看到的区别是，如果你在不全面的事情上花费你的投资火力，你将不得不一次次地回到首席财务官那里进行进一步的讨论。如果使用Copilot每周为每位律师节省15分钟的时间，它就能自给自足。而实际上我们节省的时间比这更多。
以下是 Clifford Chance 关于人工智能原则和指导的有用总结：
#1 做好迎接AI的准备
- 首先建立人工智能原则和政策
- 建立正确的技术基础（技术平台、数据策略）
- 建立具有多样性的治理团队
#2 公司内的AI
- 选择一个与您的政策相契合的人工智能目标，并确定您的优先事项和挑战，以及人工智能可能如何提供帮助。
- 优先考虑最高的投资回报率
- 给用户时间去学习和探索早期的人机关系变化，其中AI作为新的用户界面：重要的是要给予人们时间和空间去学习，与
- 一些关于原则、政策、指导和强制性在线学习的内容
- 学习生成式人工智能的相关话题（伦理、风险与收益、如何与AI互动（通过提示工程提高准确性和相关性）、管理局限性、如何谈论它、如何监督使用AI的团队等）。
- 学习如何充分利用提供的AI工具，并与同事分享使用案例，共同探索在AI的前沿领域中找到合适的应用场景，并且随着其快速发展保持持续学习。
#3 寻找AI机会
- 学习如何寻找用例
- AI优先：在完成任务或解决问题时，养成定期使用它的习惯（例如，将AI工具设置为您的首页，使用快捷方式，在便利贴上留提醒，在团队会议议程中加入相关内容，在日历上添加每日提醒等）。
- 识别可以现在大规模部署的日常人工智能机会
- 识别每个职能中的两到三个变革性的人工智能机会
