Dans les enquêtes judiciaires et le gouvernement, les avocats ont l'obligation de divulguer tous les documents relatifs au litige, peu importe où vit que les données: que ce soit sur un ordinateur portable, sur un smartphone, sur plusieurs serveurs, ou dans une base de données cloud. Par conséquent, cette explosion de l'information a transformé ce qui était autrefois un défi semblable à la marche jusqu'à une colline escarpée en randonnée le mont Everest. Par exemple, dans un procès récent, il a déposé, les États-Unis. gouvernement enterrés les avocats des défendeurs dans plus de 250 téraoctets de données (assez de papier pour stocker dans la Bibliothèque du Congrès à propos 20 fois plus).

Un avocat de la DSI ou général chargé de gérer les demandes de documents au cours d'une action en justice comprend à quel point il est difficile à manier pour des années de données de l'entreprise, constitué de grandes quantités d'informations, pendant le processus de découverte sans les ressources adéquates. C'est là que l'automatisation est intervenue. La dernière percée en est venu à être connu sous le nom de «tagging prédictive,», Qui enseigne essentiellement le logiciel d'e-discovery quels types de documents sont pertinents à chaque cas. Des algorithmes complexes aider le programme à apprendre à «examiner les documents,"Marquage de ces documents pour une meilleure réactivité ou d'un privilège.

Est-ce que cette technologie remplacera efficacement tous les examinateurs de documents de l'homme? La réponse courte est tout simplement pas. Malgré toutes les avancées technologiques dans l'e-discovery et de l'examen du document, sans accompagnement humain, machines ne peuvent pas gérer la prise de décision complexe qui détermine en dernier ressort si un document est sensible. Les avocats doivent d'abord manuellement passer par un ensemble d'échantillons de documents et d'enseigner le programme ce qui est pertinent et ce qui n'est pas. Une fois le logiciel a appris ce qu'il faut chercher, équipes juridiques peuvent bénéficier de la hiérarchisation rapide du logiciel de données. Mais finalement, il est encore le travail de l'avocat pour confirmer les résultats.

Marquage prédictive est particulièrement révélateur de la façon dont l'automatisation et de la compréhension humaine doivent collaborer afin de compléter efficacement la tâche d'examiner les données. Essentiellement, dont ils ont besoin les uns des autres. Parce que les êtres humains ont à enseigner les logiciels comment «comprendre» et donc traiter certaines données, les gens sont un élément indispensable du processus de. Pourtant,, sans l'abattage précise que le logiciel effectue, la quantité de données serait trop grand pour l'homme à gérer et à examiner uniquement. Comme un avantage supplémentaire, certains fournisseurs de logiciels et de l'e-discovery peut contrôler la vitesse, le progrès, et l'exactitude des examinateurs de l'homme afin de déterminer leur efficacité et de compétence.

C'est là que l'automatisation atteint la limite de la pratique. En effet, logiciel est brutalement efficace; ce n'est pas la fatigue, et il ne fait jamais une erreur. Puis à nouveau, il ne peut pas dévier de un cours donné. Par conséquent, l'intuition humaine, prise de conscience de nuances et de l'ingéniosité aura toujours besoin de jouer un rôle dans le processus de.

par le biais Équilibrer l'automatisation et Hands-On Review En E-Discovery – Forbes.