การเติบโตของ AI กฎหมายไทย: สิ่งที่สำนักงานกฎหมายเรียนรู้จาก "ธนาย" และแชทบอทท้องถิ่น

ตลอดทศวรรษที่ผ่านมา สมมติฐานหลักเกี่ยวกับ AI และระบบกฎหมายไทยคือทั้งสองยังไม่พร้อมที่จะทำงานร่วมกัน กฎหมายไทยมีโครงสร้างประมวลกฎหมายแพ่งและพาณิชย์เป็นของตัวเอง มีประเพณีกฎหมายปกครองเฉพาะของตัวเอง และมีคำพิพากษาของศาลฎีกาที่เรียกว่าคำพิพากษาฎีกา ซึ่งเป็นบรรทัดฐานที่มีผลผูกพันซึ่งเขียนในภาษากฎหมายที่แตกต่างจากภาษาไทยทั่วไปอย่างมีนัยสำคัญ โมเดล AI ทั่วไปที่ฝึกด้วยข้อมูลภาษาอังกฤษเป็นหลักไม่สามารถจัดการเรื่องเหล่านี้ได้อย่างน่าเชื่อถือ มันสร้างการอ้างอิงที่ไม่มีอยู่จริง ตีความกฎหมายผิด และให้การวิเคราะห์ที่ฟังดูมั่นใจในขณะที่ผิดในแบบที่เฉพาะผู้ปฏิบัติงานเท่านั้นที่จะสังเกตเห็นได้

สมมติฐานนั้นจำเป็นต้องอัปเดต ในปี 2568 และ 2569 เครื่องมือ AI กฎหมายไทยเฉพาะทางได้ก้าวจากการทดลองสู่การใช้งานจริง ตัวอย่างที่โดดเด่นที่สุดคือ “ธนาย” ซึ่งเป็นผู้ช่วย AI ด้านกฎหมายที่พัฒนาโดย iApp Technology และสร้างบน OpenThaiGPT ฝึกอบรมด้วยกฎหมายไทยกว่า 10,000 ฉบับ ครอบคลุมกฎหมายแพ่งและพาณิชย์ กฎหมายอาญา กฎหมายครอบครัว และกฎหมายแรงงาน ทนายความ 5 คนทำงานร่วมกับทีมพัฒนาเป็นเวลา 8 สัปดาห์โดยใช้ Reinforcement Learning from Human Feedback เพื่อปรับปรุงการตอบสนองของโมเดลต่อคำถามทางกฎหมายไทย ผลลัพธ์ที่ได้สามารถเข้าถึงได้ฟรีผ่าน LINE และ Facebook Messenger สามารถรับคำถามทางกฎหมาย ค้นหาบทบัญญัติที่เกี่ยวข้อง และสรุปตำแหน่งทางกฎหมายที่บังคับใช้ได้ด้วยความน่าเชื่อถือที่โมเดลทั่วไปไม่สามารถทำได้ สำหรับสำนักงานกฎหมายขนาดเล็กที่ยังรอให้ AI มีความเกี่ยวข้องกับการปฏิบัติงานของตน ธนายคือหลักฐานว่าการรอนั้นสิ้นสุดแล้ว

เหตุใดภาษากฎหมายไทยถึงต้านทาน AI ทั่วไป

ความล้มเหลวของ AI ทั่วไปต่อคำถามกฎหมายไทยไม่ใช่ปัญหาการแปล แต่เป็นปัญหาข้อมูลการฝึกอบรม ตัวบทกฎหมายไทยมีความเชี่ยวชาญเฉพาะด้าน หนาแน่น และมีการแสดงไม่เพียงพอในชุดข้อมูลที่โมเดลภาษาอังกฤษเป็นหลักใช้ฝึกอบรม โมเดลที่อ่านอินเทอร์เน็ตภาษาอังกฤษส่วนใหญ่ได้อ่านคำพิพากษาฎีกาของศาลไทยน้อยมาก และสิ่งที่พบส่วนใหญ่เป็นการแปล ซึ่งไม่มีการอ้างอิงกฎหมายที่ชัดเจนและบริบทขั้นตอนวิธีที่ทำให้คำพิพากษามีประโยชน์

ภาษากฎหมายไทยยังมีลักษณะเฉพาะที่ซับซ้อนปัญหานี้ ประมวลกฎหมายแพ่งและพาณิชย์ใช้คำที่กำหนดไว้ซึ่งความหมายแตกต่างจากการใช้งานทั่วไป แนวคิดขั้นตอนในการฟ้องคดีแพ่งของไทยแตกต่างจากแบบอย่างในกฎหมาย common law ในแบบที่มีความสำคัญในทางปฏิบัติ และภูมิทัศน์กฎหมาย ซึ่งครอบคลุมแนวทางกรมสรรพากร ข้อกำหนด BOI ภาระผูกพัน PDPA และกฎระเบียบเฉพาะภาคส่วน คือกลุ่มกฎหมายปกครองที่ซ้อนทับกันซึ่งโมเดลทั่วไปไม่สามารถจำลองได้อย่างถูกต้อง

ผลลัพธ์ที่ได้คือสิ่งที่คาดเดาได้: การถาม ChatGPT หรือโมเดลทั่วไปที่เทียบเคียงกันเกี่ยวกับกฎหมายที่ดินไทย หรือจุดยืนของกรมสรรพากรเกี่ยวกับ VAT ข้ามพรมแดน SaaS จะได้รับคำตอบที่ฟังดูมีอำนาจแต่มักผิดพลาด ความเสี่ยงสำหรับสำนักงานที่พนักงานระดับต้นใช้เครื่องมือดังกล่าวโดยไม่วิพากษ์วิจารณ์นั้นเป็นความเสี่ยงจริง

สิ่งที่โมเดลเฉพาะท้องถิ่นเปลี่ยนแปลง

ธนายและเครื่องมือที่คล้ายกันเปลี่ยนแปลงสิ่งนี้โดยแก้ปัญหาข้อมูลการฝึกอบรมที่ต้นตอ แทนที่จะให้โมเดลทั่วไปให้เหตุผลเกี่ยวกับกฎหมายไทยจากข้อมูลที่กระจัดกระจาย iApp Technology สร้างโมเดลเฉพาะโดเมนโดยให้ทนายความ 5 คนตั้งคำถามประมาณ 1,000 ข้อต่อสัปดาห์เป็นเวลา 8 สัปดาห์ โดยใช้ข้อเสนอแนะของพวกเขาในการปรับปรุงการตอบสนองผ่าน RLHF โมเดลเรียนรู้ไม่เพียงแต่การดึงข้อมูลกฎหมายไทย แต่ยังตอบสนองในแบบที่ผู้เชี่ยวชาญกฎหมายไทยจะตั้งกรอบคำตอบด้วย

ผลลัพธ์คือโมเดลที่สามารถทำในเวลาไม่กี่วินาทีสิ่งที่ผู้ช่วยทนายความระดับต้นทำในชั่วโมง ได้แก่ ระบุกฎหมายที่เกี่ยวข้อง ค้นหาคำพิพากษาฎีกาที่บังคับใช้ได้ และสรุปตำแหน่งทางกฎหมายในภาษาไทยธรรมดาหรือในภาษาทางเทคนิคที่ทนายความต้องการ สำหรับคำถามทางกฎหมายเฉพาะของไทย โมเดลเฉพาะท้องถิ่นประเภทนี้ได้บรรลุระดับความน่าเชื่อถือที่ทำให้มีประโยชน์อย่างแท้จริงในฐานะเครื่องมือค้นคว้าเบื้องต้น

เวอร์ชันที่เผยแพร่สู่สาธารณะของความสามารถนี้ ซึ่งช่วยให้ประชาชนไทยทั่วไปสามารถถามคำถามทางกฎหมายและรับคำตอบที่อ้างอิงได้ มีผลกระทบด้านนโยบายที่สำคัญ ข้อมูลทางกฎหมายที่ก่อนหน้านี้ต้องใช้ค่าธรรมเนียมการปรึกษาหารือตอนนี้สามารถเข้าถึงได้โดยทุกคนที่มีสมาร์ทโฟน นั่นคือการทำให้การเข้าถึงกฎหมายเป็นประชาธิปไตยที่มีความหมายในตลาดที่สำนักงานกฎหมายขนาดเล็กเคยให้คำแนะนำทางกฎหมายส่วนสำคัญแก่ประชาชนทั่วไป

สำหรับสำนักงานกฎหมาย ความหมายนั้นแตกต่างกันและเร่งด่วนกว่า

สิ่งที่สิ่งนี้หมายความสำหรับสำนักงานขนาดเล็กสามคน

ข้อได้เปรียบด้านความเร็วในการค้นคว้าที่สำนักงานใหญ่ได้รับจากทีมผู้ช่วยขนาดใหญ่กำลังลดลง หุ้นส่วนอาวุโสในสำนักงานองค์กร 50 คนมีทีมผู้ช่วยที่สามารถทำงานผ่านฐานข้อมูลฎีกาค้างคืนได้ สำนักงานขนาดเล็กสามคนมีหัวหน้าสำนักงานและใครก็ตามที่ไม่ยุ่งกับงานลูกค้า

AI กฎหมายเฉพาะท้องถิ่นเปลี่ยนอัตราส่วนนั้น การค้นคว้าคดีเบื้องต้นที่ก่อนหน้านี้ใช้เวลาผู้ช่วยทนายความสามถึงสี่ชั่วโมง ซึ่งได้แก่ การระบุบรรทัดฐานที่เกี่ยวข้อง การตรวจสอบการบังคับใช้กับรูปแบบข้อเท็จจริงปัจจุบัน และการร่างสรุปการค้นคว้า ตอนนี้สามารถดำเนินการเสร็จสิ้นได้ในเวลาน้อยกว่าหนึ่งชั่วโมงด้วยความช่วยเหลือของ AI ผู้ที่นำ AI กฎหมายไทยเฉพาะทางมาใช้ในระยะแรกรายงานการลดลงของเวลาค้นคว้าเบื้องต้นและการร่างเอกสารสูงถึง 80 เปอร์เซ็นต์สำหรับคดีที่ต้องใช้การค้นคว้าเข้มข้น

สำหรับสำนักงานขนาดเล็กที่หัวหน้าเป็นนักค้นคว้าหลักด้วย นี่ไม่ใช่ประสิทธิภาพที่เล็กน้อย แต่เป็นความแตกต่างระหว่างความสามารถในการรับคดีที่ซับซ้อนและการต้องปฏิเสธเพราะภาระการค้นคว้าจะกินพื้นที่ทุกอย่างอื่น

ช่องว่างระหว่างแชทบอทสาธารณะและ AI ระดับสำนักงาน

เครื่องมือ AI กฎหมายไทยสาธารณะอย่างธนายถูกสร้างขึ้นเพื่อวัตถุประสงค์เฉพาะ: ทำให้ข้อมูลทางกฎหมายเข้าถึงได้สำหรับประชาชนทั่วไป iApp Technology ระบุไว้อย่างชัดเจน ธนายเป็นเครื่องมือเสริม ไม่สามารถทดแทนทนายความหรือนักกฎหมายจริงได้ ความแตกต่างนั้นไม่ใช่ข้อสงวนสิทธิ์ที่ซ่อนอยู่ในข้อกำหนดการให้บริการ แต่เป็นเจตนาการออกแบบ และมันวาดเส้นที่ชัดเจนระหว่างสิ่งที่แชทบอทสาธารณะสามารถทำได้และสิ่งที่สำนักงานบริการวิชาชีพต้องทำ ช่องว่างระหว่างสองสิ่งนั้นคือจุดที่ความเสี่ยงด้านข้อมูลตั้งอยู่

เมื่อทนายความอัปโหลดสัญญาของลูกค้าไปยังเครื่องมือ AI สาธารณะเพื่อดึงข้อกำหนดสำคัญ เอกสารนั้นออกจากการควบคุมของสำนักงาน ว่ามันถูกเก็บไว้ที่ไหน ถูกใช้ในการฝึกอบรมอย่างไร และใครอื่นอาจเข้าถึงผลลัพธ์ได้นั้น ล้วนเป็นคำถามที่คำตอบไม่เข้ากันกับภาระผูกพันด้านการรักษาความลับที่ควบคุมการมอบหมายงานทางกฎหมาย ภาระผูกพัน PDPA เกิดขึ้นทันทีที่ข้อมูลส่วนบุคคลในเอกสารของลูกค้าถูกประมวลผลโดยระบบบุคคลที่สามโดยไม่มีข้อตกลงการประมวลผลข้อมูลที่เหมาะสม ความสะดวกของแชทบอทสาธารณะคือความรับผิด PDPA ที่รอเกิดขึ้น

AI ระดับสำนักงานทำงานในสภาพแวดล้อมที่แตกต่างกันพื้นฐาน โมเดลทำงานในอินสแตนซ์คลาวด์ส่วนตัวหรือระดับองค์กร เอกสารของลูกค้าถูกประมวลผลภายในขอบเขตข้อมูลของสำนักงาน การวิเคราะห์ถูกบันทึกในบันทึกคดี ไม่ใช่ในคลังข้อมูลการฝึกอบรมที่ใช้ร่วมกัน ผลลัพธ์มีความลับโดยสถาปัตยกรรม ไม่ใช่โดยความหวังด้านนโยบาย

ความแตกต่างนี้สำคัญที่สุดสำหรับกรณีการใช้งานที่ AI ให้คุณค่าสูงสุดพอดี: การวิเคราะห์ร่างข้อตกลงผู้ถือหุ้นของลูกค้า การตรวจสอบสัญญาซัพพลายเออร์เพื่อหาช่องว่างการปฏิบัติตาม PDPA การเปรียบเทียบสัญญาเช่าสองฉบับเพื่อหาความแตกต่างที่สำคัญ เหล่านี้คืองานที่ให้เหตุผลสำหรับเครื่องมือ และยังเป็นงานที่แชทบอทสาธารณะไม่สามารถจัดการได้โดยไม่ละเมิดความลับ

สิ่งที่สำนักงานขนาดเล็กควรเรียนรู้จากกระแสแชทบอท

กระแสแชทบอทกฎหมายไทยสาธารณะได้แสดงให้เห็นสามสิ่งที่เกี่ยวข้องโดยตรงกับกลยุทธ์ของสำนักงานขนาดเล็ก

ประการแรก AI เฉพาะท้องถิ่นที่ฝึกด้วยข้อมูลกฎหมายไทยใช้งานได้จริง ข้อกังวลเรื่องความน่าเชื่อถือที่ให้เหตุผลในการรอนั้นไม่ถูกต้องอีกต่อไปสำหรับการค้นคว้าทางกฎหมายเฉพาะของไทย ความสามารถนั้นมีอยู่แล้ว

ประการที่สอง ข้อได้เปรียบด้านการค้นคว้านั้นพร้อมใช้งานสำหรับสำนักงานใดก็ตามที่นำเครื่องมือที่เหมาะสมมาใช้ โดยไม่คำนึงถึงขนาด สำนักงานขนาดเล็กที่มีเครื่องมือ AI กฎหมายไทยที่ผ่านการฝึกอบรมมาดีนั้นไม่ได้ล้าหลังสำนักงานใหญ่ สำหรับวัตถุประสงค์การค้นคว้าเบื้องต้น มันดำเนินการด้วยความเร็วเดียวกัน

ประการที่สาม เครื่องมือที่เหมาะสมสำหรับสำนักงานบริการวิชาชีพไม่ใช่แชทบอทสาธารณะ แต่เป็นสภาพแวดล้อมส่วนตัวที่ปลอดภัยซึ่งความสามารถ AI ทำงานภายในขอบเขตข้อมูลของสำนักงาน

Document Analyser ของ FirmFlow สร้างขึ้นสำหรับกรณีการใช้งานนี้โดยเฉพาะ อัปโหลดสัญญา คำวินิจฉัยภาษี หรือชุดเอกสารที่ลูกค้าจัดหาให้ ถามคำถามเป็นภาษาอังกฤษธรรมดาหรือภาษาไทย และรับการวิเคราะห์ที่อ้างอิงได้ซึ่งบันทึกโดยตรงในบันทึกคดี การวิเคราะห์ยังคงอยู่ภายในสำนักงาน มันป้อนข้อมูลไปยังแฟ้มคดี สรุปการประชุม และร่างรายงาน ทั้งหมดภายในเวิร์กโฟลว์ที่เชื่อมต่อเดียว

แชทบอทสาธารณะแสดงให้เห็นว่า AI กฎหมายไทยเฉพาะท้องถิ่นสามารถทำอะไรได้ เวอร์ชันระดับวิชาชีพของความสามารถนั้นคือสิ่งที่ช่วยให้สำนักงานขนาดเล็กส่งมอบให้กับลูกค้าโดยไม่กระทบต่อความลับของลูกค้า