در سه سال گذشته نقطهعطفی در حوزه پردازش زبان طبیعی و هوش مصنوعی رخ داده است: از معرفی مدلهای زبانی بزرگ مانند GPT-3 (منتشرشده در سال ۲۰۲۰) تا عرضهی محصولات چت محور که دسترسی عمومی به تواناییهای مدلهای زبانی بزرگ را ممکن کرد، مسیر تحول بسیار سریع شد و حوزهی هوش مصنوعی مولد(GenAI) از مرحلهی پژوهشی به یک ابزار عملیاتی تبدیل گردید.
افزایش توان سختافزاری و محاسباتی و همچنین فراوانی دادههای در دسترس باعث شکلگیری و انتشار مدلهای زبانی بزرگ جدید از شرکتهایی مانند گوگل، متا و اکس و علی بابا چین شد. این موضوع زمینه را برای شکلگیری شرکتها و محصولات مبتنی بر ایجنتهای هوشمند (AI Agents) فراهم آورد؛ نتیجه این است که امروز شاهد ورود هوش مصنوعی به نقشهایی هستیم که پیشتر صرفاً انسانی تلقی میشدند. گزارشهای بینالمللی نشان میدهد پذیرش نسل جدید هوش مصنوعی در سازمانها در سالهای اخیر بهسرعت افزایش یافته و سازمانها اکنون از این فناوری برای تولید محتوا، پاسخگویی محاورهای و تسهیل فرایندهای عملیاتی استفاده میکنند.
پیامدِ این جهش فنی برای عرصهی حقوقی و قضایی مستقیم و ملموس است؛ ابزارهای مبتنی بر هوش مصنوعی از سامانههای مدیریت پرونده و چتباتهای مشاور حقوقی تا ابزارهای کمکی قضایی (خلاصهسازی اسناد، جستجوی اعتبارات قضایی و پیشنویس آرای پایه) و حتی سامانههای ارزیابی ریسک در دستگاه عدالت بهکار گرفته شدهاند؛ تجربههای تاریخی، از جمله نقدهای گستردهی رسانهای نسبت به ابزارهایی مانند COMPAS در ایالات متحده، نشان میدهد کاربرد بیضابطه یا بدون چارچوب نظارتی میتواند به بازتولید تبعیض و نتایج ناعادلانه بینجامد.
در عینِ حال کشورهایی که در این مسیر جلوتر رفتهاند، نه تنها به استفادهی فناورانه علاقه نشان دادهاند بلکه در تلاش برای تدوین راهنماها و چارچوبهای عملی و حقوقی هستند؛ نمونهی اخیر انتشار راهنمای قضات درباره استفاده از هوش مصنوعی در بریتانیا و گزارشهای بینالمللی سازمانهایی مانند OECD گواه این روند است. چنین پیشقدمهایی به ما میآموزند که اکنون بهترین زمان برای توجه فعال و تنظیم چارچوب حکمرانی هوش مصنوعی است؛ فناوری به بلوغ عملی رسیده، پذیرش سازمانی در حال تسریع است و تأخیر در وضع قواعد شفاف میتواند هزینههای حقوقی و اجتماعی جبرانناپذیری به همراه داشته باشد.
پیش از پرداختن به کاربردها، لازم است روشن کنیم چه پیششرطهایی برای بهکارگیری موفق AI در حوزه حقوق و قضا وجود دارد:
توان محاسباتی (Compute): عملکرد مدلهای زبانی بهطور قابلتوجهی به مقیاس محاسباتی، اندازه مدل و حجم داده آموزشی وابسته است؛ پژوهشهای پایهای نشان میدهند که بین اندازه مدل، اندازه دیتاست و مقدار محاسبه یک رابطه «قانون-مقیاس» وجود دارد که روی کارایی نهایی اثر میگذارد. این یعنی برای تولید مدلهای سطح بالا به منابع محاسباتی قابلتوجه نیاز است.
دادههای مرتب، تمیز و متناسب دامنه (Data Quality & Domain Data): امروزه بسیاری از متخصصان تاکید دارند که کیفیت داده (Data-centric AI) بهکمک بهبود قابلتوجه عملکرد سیستم میآید: دادههای پاک، برچسبخورده، ساختارمند و دامنهمحور غالباً از افزایش صرف اندازه مدل مؤثرترند. در حوزه حقوق، داده محتوایی دقیق (متن قوانین، آییننامهها، آراء، سوابق پرونده و متادیتا) بهمراتب مهمتر از دادههای عمومی و نامرتبط است.
ساختاردهی و نشانهگذاری حقوقی (Legal Structuring & Annotation): برای اینکه یک مدل در کارهای حقوقی دقیق و قابل اتکا شود، لازم است دادهها با ساختارهای حقوقی مناسب (مثلاً استخراج استنادات، طبقهبندی موضوعی، تاریخگذاری، نقش طرفین، ماده/تبصره مرتبط) آماده شوند. برچسبگذاری انسانی اولیه و ایجاد آنتولوژی حقوقی (ontology/taxonomy) کیفیت نتایج را بسیار افزایش میدهد.
حاکمیت، حریم خصوصی و مسائل حقوقی (Governance & Privacy): پروندهها و آرای قضایی حاوی اطلاعات حساساند؛ طراحی سیستم باید شامل پروتکلهای ناشناسسازی، کنترل دسترسی، لاگ و ممیزی، و چارچوب مسئولیتپذیری برای خطاهای احتمالی باشد.
وضعیت ایران: ضعف نسبی در محاسبات، نقطهٔ قوت بالقوه در دادههای محلی
ممکن است ایران در دسترسی به سختافزار فوقپیشرفته یا تیمهای تحقیقمحور بسیار بزرگ نسبت به بازیگران صدر جدول جهانی عقبتر باشد؛ اما همانطور که رویکرد «دادهمحور» نشان میدهد، داده باکیفیت بومی میتواند این فاصله را تا حد زیادی جبران کند. در عمل بهجای تمرکز صرف بر آموزش یک مدل بزرگجهانی از صفر، اقتصاد هوش مصنوعی قضایی ایران میتواند بر این موارد تکیه کند تا خروجیای دقیق و قابل پیگیری تولید شود:
گردآوری و پاکسازی مجموعه کامل قوانین، آییننامهها و آرا،
ساختن نمایههای حقوقی و متادیتا،
ایجاد APIهای ساختارمند، مستند و امن برای دسترسی به این دادهها، و
پیادهسازی راهکارهای که از مدلهای عمومی (یا مدلهای سبکتر) همراه با دیتابیس بومی استفاده میکنند،
برای الگو گرفتن میتوان به نمونههای API عمومی برای دسترسی به آراء و آرشیوهای قضایی در کشورهای دیگر توجه کرد (مثلاً Find Case Law یا CourtListener و سرویسهای تجاری مانند UniCourt) که بهصورت ساختارمند اسناد قضایی را ارائه میدهند.
یک پیشنیاز حیاتی که باید توسط متولیان این امر یعنی دستگاه قضایی کشور و مجلس انجام شود، ایجاد «API باز و ساختارمند» برای قوانین، مقررات و آراء تا شرکتها و تیمهای حقوقفنی بتوانند ابزارهای عملیاتی بسازند.
محصولات مبتنی هوش مصنوعی در حوزه حقوقی کاربردهای مختلفی دارد که برخی از این کاربردها را اینجا به صورت کامل بررسی میکنیم:
برای قضات، هیأتهای قضایی و دادیاران
خلاصهسازی پروندهها: تولید خلاصه ساختارمند از مستندات پرونده بهمنظور صرفهجویی در زمان مطالعه.
یادآور/نمایش سوابق استنادی: نشاندادن آرای مرتبط و سوابق استنادی بهصورت سریع هنگام نگارش رأی.
پیشنویسسازی اولیه آراء: تولید پیشنویسهای قابل ویرایش رأی بر اساس چارچوب حقوقی مرتبط.
پیشنهاد مجازات/مصادیق از پیشتعیینشده: ارائهٔ گزینههای منطقی برای مجازاتها یا اقدامات تطبیقی (قضاوت نهایی با قاضی).
تحلیل ریسک و ارزیابی پیامدها: شبیهسازی تأثیر احتمالی یک حکم در رویه قضایی یا جامعه (با هشدار نسبت به عدم قطعیت).
اتوماسیون رسیدگی پرونده: ثبت خودکار، نوبتدهی و ارسال اعلانها به طرفین.
فیلترینگ و اولویتبندی پروندهها: پیشنهاد دستهبندی و اولویتبندی پروندهها بر اساس پیچیدگی و فوریت.
تشخیص اسناد و استخراج اطلاعات: فناوری OCR + استخراج فیلدهای ساختاری (طرفین، تاریخ، موضوع).
برای وکلا و شرکتهای حقوقی
در این حوزه وکلا و حقوقدانان و شرکتهای حقوقی میتوانند از محصولات هوش مصنوعی حقوقی وینداد AI استفاده کنند.
جستجوی حقوقی هوشمند: بازیابی سریعتر آرای مرتبط و مواد قانونی مربوطه با رتبهبندی هوشمند.
تهیه پیشنویس قرارداد/دادخواست: تولید الگوهای قرارداد یا لایحه اولیه با امکان سفارشیسازی.
تحلیل احتمال نتیجه پرونده (فقط کمکی و با ذکر عدم قطعیت): تحلیل آماری از سوابق مشابه برای کمک به استراتژی پرونده.
بازبینی قراردادی و شناسایی ریسکها: تشخیص بندهای پرریسک و پیشنهاد اصلاحات زبانبنیادی.
برای شهروندان / عموم مردم
چت بات مشاور حقوقی: پاسخدهی به پرسشهای حقوقی روزمره و هدایت به مسیرهای دسترسی به عدالت.
مولد مدارک و فرمهای حقوقی: ساخت خودکار فرمهای قضایی و قراردادی متناسب با ورودی کاربر.
ترجمه و سادهسازی متون حقوقی: تبدیل زبان حقوقی پیچیده به زبان عام
برای نهادهای قانونگذاری و پژوهش
تحلیل سیاستگذاری و سنجش اثر قوانین: سنجش پیامدهای احتمالی تغییرات قانونی و تحلیل متنی گسترده برای شناسایی شکافها.
پایش انطباق و کشف الگوهای تخلف: تحلیل دادههای قضایی و اداری برای شناسایی روندهای نابهنجار یا تخلفات ساختاری.
ورود هوش مصنوعی به حوزه عدالت میتواند چندین لایه اثر مثبت همزمان ایجاد کند؛ نخست اینکه افزایش سطح آگاهی حقوقی و دسترسپذیری مشاوره اولیه برای عموم مردم بهمعنای کاهش مراجعات غیرضروری و دعاوی کماهمیت است، زیرا شهروندان میتوانند پیش از طرح دعوی یا مراجعه حضوری، از طریق چتباتهای حقوقی و ابزارهای تنظیم اسناد قانونی، راهنمایی پایهای و منابع موردنیاز را دریافت کنند. این کاهش بار ورود پروندههای غیرضروری به دادگاه نه تنها زمان رسیدگی را کوتاه میکند بلکه هزینههای اداری را پایین میآورد و ظرفیت قوهٔ قضائیه را برای تمرکز روی پروندههای پیچیدهتر آزاد میسازد؛ شواهد عملی نشان میدهد که تحول دیجیتال در ساختار اداریِ عدالت (مثل سیستمهای الکترونیکی پرونده و جریان الکترونیک اسناد) میتواند صرفهجوییهای قابلتوجهی در زمان و هزینه ایجاد کند، به طوری که تجربهٔ کشورهای دیجیتالپیشرو (مثلاً استونی) سالانه میلیونها ساعت کاری صرفهجویی و درصد قابلتوجهی از GDP را بهبود بخشیده است.
همزمان، هوش مصنوعی میتواند کیفیت آرای قضایی را ارتقا دهد: سامانههای خلاصهسازی پرونده، بازیابی هوشمند آراء مرتبط و پیشنهاد الگوهای منطقی برای نگارش رأی، قضات را قادر میسازد با دیدی وسیعتر و منابع مرجع درستتر تصمیمگیری کنند و از این طریق نرخ اشتباه و تناقض در رویه قضایی کاهش یابد. در سطح اجرایی نیز اتوماسیون گردش کار، اولویتبندی پروندهها و استخراج خودکار اطلاعات از اسناد بزرگ میتواند سرعت رسیدگی را بهشدت بالا ببرد و هزینههای عملیاتی دادگاهها را کاهش دهد؛ گزارشهای بینالمللی و مطالعات بخش عمومی نشان میدهند که پذیرش هوش مصنوعی مولد و ابزارهای دیجیتال در سازمانها در سالهای اخیر بهسرعت رشد کرده و فرصتهای ملموسی برای افزایش بهرهوری فراهم آورده است.
افزون بر این برای وکلا و دفاتر حقوقی، هوش مصنوعی به منزله یک دستیار هوشمند حقوقی عمل میکند؛ ابزارهای جستجوی حقوقی پیشرفته، تنظیم پیشنویس اسناد حقوقی و بازبینی قراردادی خودکار، هزینههای عملیاتی را کاهش میدهد و به وکلاء امکان میدهد که زمان و انرژی خود را بر استراتژی پرونده و مشاورهٔ اختصاصی متمرکز کنند؛ در نتیجه خدمات حقوقی مقرونبهصرفهتر و در دسترستر برای طیف وسیعتری از جامعه فراهم میشود و به نوعی دمکراتیزه شدن دسترسی به حقوق را تسهیل میکند. نمونههای عینی و عددی از کشورهای پیشرو این فرصتها را روشنتر میکنند. دولتها و مراکز پژوهشی دیگر نیز گزارش دادهاند که سامانههای هوشمند برای دستهبندی و هدایت پروندهها (که در برخی دادگاهها اجرا شدهاند) میتوانند فرآیند ارزیابی اولیهٔ پروندهها را از ساعتها به ثانیهها کاهش دهند، امکانی که وقتی با کنترل و ممیزی همراه شود، ظرفیت سیستم قضایی را برای رسیدگی مؤثر و سریعتر افزایش میدهد. از منظر سیاستگذاری نیز کشورهای مثل فرانسه و بریتانیا در سالهای اخیر اسناد راهبردی و راهنمایی برای استفادهٔ مسئولانه از هوش مصنوعی در عدالت و صنعت حقوقی منتشر کردهاند که نشاندهنده اراده سیاستگذاران برای بهرهگیری از مزایا در عین حفاظت از حقوق بنیادین است.
با وجود همهی فرصتها، ریسکهایی واقعی و قابلتوجه وجود دارد که اگر نادیده گرفته شوند، میتوانند به پیامدهای جدی منتهی شوند؛ نخستین و برجستهترین خطر «تعصب الگوریتمی» است. تجربههایی مانند مورد COMPAS در ایالات متحده نشان داد که ابزارهای ارزیابی ریسکِ خودکار میتوانند بازتولیدکننده تبعیضهای تاریخی باشند و حتی پس از کنترل متغیرهای پیشبینیکننده، گروههای اقلیت را ناعادلانه در دستههای پرخطر قرار دهند؛ گزارشهای تحقیقی این مورد و شاخصهای آماری مرتبط قویاً هشدار میدهند که استفاده بدون احتیاط از چنین ابزارهایی میتواند عدالت را مخدوش کند. ریسک بعدی مربوط به «اختلال و جعل اطلاعات» است؛ هوش مصنوعی مولد متن (Generative AI) گاهی اطلاعات ساختگی یا استناد به پروندههای غیرواقعی تولید میکنند که در محیط قضایی میتواند تبعات بحرانی داشته باشد، در چندین مورد اخیر، وکلا و حتی مقامات قضایی با استناد به موارد تولیدشده تقلبی مواجه شدهاند که به واکنش قضایی و هشدارهای عمومی منجر شده است. از نظر فنی، فقدان شفافیتِ بعضی مدلها و دشواری توضیحپذیری تصمیمات، مسئله را پیچیدهتر میکند؛ وقتی مرجع تصمیمساز نمیتواند مدل را تبیین کند، حقوق طرفین برای دانستن مستندات تصمیم مختل میشود. همچنین مسائل پراهمیتی مانند حفاظت از دادههای حساس پروندهها، تعیین مسئولیت در صورت خطای نرمافزار، و خطر اتکای بیش از حد قضاوت انسانی به خروجیهای ماشینی وجود دارند. در نهایت، ریسک نابرابری در دسترسی به فناوری و تمرکز قدرت در دست چند عرضهکننده بزرگ نیز میتواند استقلال و تنوع نظام قضایی را تضعیف کند.
با این حال، این ریسکها بهمعنی رد کامل فناوری نیست؛ تجربه بینالمللی نشان میدهد که مدیریت ریسکها با چارچوبهای نظارتی، ممیزی مستقل و پیادهسازی مرحلهای میتواند خطرات را به میزان زیادی کاهش دهد و استفاده مسئولانه هوش مصنوعی حقوقی را ممکن سازد.
برای بهرهگیری از مزایا و مهار ریسکها، لازم است یک چارچوب چندلایه و عملیاتی تصویب و اجرا شود که هم جنبههای فنی و هم حقوقی را پوشش دهد. در سطح اصولی باید معیارهایی چون شفافیت، تبیینپذیری، انصاف، حفظ حریم خصوصی و «انسان در حلقه تصمیم» بهعنوان هستههای سیاستگذاری پذیرفته شوند؛ چنین اصولی در اسناد بینالمللی و راهنمای دولتهای پیشرو نیز برجستهاند. از منظر عملی پیشنهاد میشود قوهٔ قضائیه و نهادهای قانونگذاری گام اول را با انتشار و ساختاردهیِ دادههای حقوقی (قوانین، آییننامهها، آراء) بهصورت ماشینخوان و از طریق APIهای مستند و امن بردارند تا اکوسیستم استارتاپی و پژوهشی داخلی بتواند ابزارهای مبتنی بر هوش مصنوعی محلی را توسعه دهد. موافقتنامهها و قراردادهای تأمین فناوری باید الزام به ارائه لاگهای دسترسی، شفافسازی دادههای آموزشی، امکان ممیزی مستقل و تضمین ناشناسسازی دادهها را شامل شوند. پیشنیاز دیگر ایجاد نهاد مستقلِ ارزیابی و ممیزی فناوریهای قضایی است که مسئول انجام «ارزیابی تأثیر حقوقی و اجتماعی» (Legal and Social Impact Assessment) پیش و پس از استقرار باشد و نتایج را بهصورت عمومی گزارش کند. پیادهسازی فازبندیشده با پروژههای پایلوت کمریسک (مثل سامانهٔ نوبتدهی الکترونیک، خلاصهسازی اسناد یا بازیابی آراء مرتبط) و آزمایش کنترلشده با معیارهای ارزیابی روشن، راهی عقلانی برای کاهش خطاهاست. آموزش و توانمندسازی قضات، کارکنان دفتری و وکلا نیز ضروری است؛ آنها باید هم با محدودیتها و سوگیریهای فنی آشنا شوند و هم مهارتهای لازم در استفاده مسئولانه از خروجیهای هوش مصنوعی را کسب کنند تا انسان نهایی تصمیمگیر بتواند بهدرستی نقش نظارتی و تصحیحی خود را ایفا کند. در سطح حقوقی ممکن است لازم باشد قواعد فرآیندی و آیینهای دادرسی برای شمول شفافیتِ استفاده از هوش مصنوعی (مثلاً اعلام استفاده از ابزارهای ماشینی در مستندات قضایی و لزوم افشای دادهها/الگوریتم) بهروزرسانی شوند تا حقوق طرفین محفوظ بماند. در نهایت، تکیه بر استانداردهای بینالمللی (مانند اصول OECD) و بهرهگیری از تجارب ملی موفق و شکستخورده میتواند مسیر سریعتر و کمهزینهتری برای طراحی چارچوب فراهم آورد.
هوش مصنوعی فراتر از یک ترند فناوری؛ فرصتی است برای افزایش دسترسی به عدالت، ارتقای کیفیت آرا و کارآمدسازی نظام قضایی، اما بهرهبرداری مسئولانه از این فرصت مستلزم اقدام سریع و ساختارمند است. کشورهایی که اکنون چارچوبهای روشن، دادههای ساختارمند و آزمایشهای کنترلشده را میسازند، میتوانند هم از مزایا بهرهمند شوند و هم از تکرار اشتباهات پرهزینهٔ دیگران جلوگیری کنند. برای ایران زمان اقدام هوشمندانه است: طراحی و انتشار دادههای قضایی بهصورت ساختارمند، راهاندازی پایلوتهای کمریسک، ایجاد نهادهای ممیزی مستقل و آموزشِ گستردهٔ ذینفعان، ستونهای اولیهٔ این تحول هستند، فرصت را از دست ندهیم و این مسیر را با سرعتِ معقول و با حفاظهای لازم طی کنیم.
