Узнайте больше о судебном финансировании в нашем бесплатном гайде Путеводитель
Исчезновение юридической профессии. Мысли после прохождения гарвардского курса по искусственному интеллекту
Этот текст посвящен тому влиянию, которое развитие сферы информационных технологий (IT) вероятно окажет на нашу профессию в будущем. Я размышлял об этом на протяжении последних двух месяцев, пока проходил онлайн-курс по искусственному интеллекту (AI). Несмотря на то, что текст получился достаточно длинным, он не освещает эту тему полностью. Пост разбит на параграфы, названия которых позволят пропускать те топики, которые, как вы полагаете, могут показаться вам неинтересными. Подробности в колонке Станислава Егоркина на Zakon.ru.

Предыстория

Осенью 2019 года у меня появился новый клиент, бизнес которого заключается в высокочастотном трейдинге с применением технологий машинного обучения (Machine Learning или ML). Упрощая, он учит компьютер анализировать большие массивы данных о прошлых биржевых сделках для того, чтобы находить выгодные сделки в будущем. Он весьма успешен в этом, как был успешен и в том, чем занимался до того: участвуя в соревнованиях по анализу бизнес-данных, он вошел в число лучших в мире специалистов по машинному обучению.

В ходе наших встреч мы говорили не только о делах, но и о технологиях, о финансовых рынках, о взглядах на будущее. Мне было очень любопытно узнать его точку зрения о том, что ждет нас в связи с безудержным ростом технологий. Когда я спросил клиента о том, какое наиболее явное изменение он видит в горизонте 5-10 лет, он ответил, что это исчезновение многих профессий. В качестве примера он привел две: бухгалтеров и юристов.

Признаться, я тогда со скепсисом отнесся к идее, что совсем скоро нашей профессии не станет. В то же самое время, думаю, это зародило во мне сомнения и пробудило любопытство. Я всегда был в той или иной мере погружен в сферу IT, но если что и представляет угрозу нашей профессии, то это технологии AI, в которых разбираются далеко не все IT-специалисты. Мне захотелось разобраться.

О гарвардском курсе CS50AI

Гарвардский университет активно продвигает себя в сети. Многие знают о Justice - лекциях профессора Michael Sandel, посвященных классическим и современным концепциям справедливости. Все эти яркие этические дилеммы, описанные талантливым оратором в красивом зале перед более чем тысячью слушателей, поражают воображение - оказывается, высшее образование может выглядеть и так.

Но Justice это второй по популярности курс Гарварда, а первый CS50 (си эс фифти) - введение в компьютерные науки. Его ведет профессор David Malan и обеспечивает примерно сотня преподавателей и ассистентов. Один из них, Brian Yu, преподает CS50AI, посвященный как раз искусственному интеллекту.

CS50AI это полноценный большой курс, включающий 7 тем. Для того, чтобы освоить каждую из них нужно прослушать лекцию, пройти по ней тест и сдать два проекта. Лекции продолжаются от полутора до двух часов. В них излагается база для какого-либо способа решения проблем (например, логика высказываний, состязательный поиск, машинное обучение с учителем, нейронные сети и т.д.). После прослушивания каждой лекции нужно пройти тест на понимание темы. И, наконец, самая важная часть - проекты.

По каждой теме нужно сдать два проекта - две программы на языке программирования Python. Для прохождения курса CS50AI Python нужно знать заранее. В пререквизитах указан опыт в один год программирования на нем. При этом для ряда проектов надо понимать хоть немного объектно-ориентированную парадигму написания кода. В общем, это не совсем для новичков, но и глубоких познаний в IT не требует. Я выучил синтаксис Python незадолго до этого с помощью курса на Stepik.org, и там же проходил курс по классическим алгоритмам.

На выполнение одного проекта уходит от 4-х до 24-х часов. Кажется, в последний раз я учился так интенсивно только на третьем курсе юрфака. В ходе выполнения каждого проекта чуть ли не физически чувствуешь, как меняется твой мозг. Забавно, что оглядываясь назад ни одно выполненное задание не кажется сложным. Однако когда сидишь ночами и учишь компьютер решать логические пазлы или играть в крестики-нолики, то понимаешь, что пока не увидишь общую картину в своей голове, ничего не получится. Как итог все те теоретические знания, которые излагаются в лекциях, после выполнения проектов начинаешь чувствовать "на кончиках пальцев", и это очень здорово, это главная заслуга CS50AI.

В дополнение к материалам курса я также прочитал несколько книг, одна часть которых посвящена тому, как строить отдельные виды AI, а другая тем перспективам, которые ждут мир в связи с развитием этой сферы. В обоих случаях я предпочитал работы инженеров, поскольку даже рассуждая на общие темы (вроде исчезновения профессий), они основываются на ясном представлении о технологиях.

PLATFORMA запускает LegalTech-каталог


Что такое искусственный интеллект?

Один из участников фильма Дудя о кремниевой долине сказал, что сейчас самые популярные бизнес-идеи связаны с биотехнологиями и искусственным интеллектом. Но что именно имеют в виду, когда говорят об AI? Упрощая и обобщая, искусственный интеллект - это набор технологий, которые позволяют эффективно решать проблемы, решение которых ранее считалось прерогативой человека.

Расчеты - это единственное, что компьютеры умеют. Они не понимают ничего, кроме чисел. Но многие явления сложно представить в виде чисел, например, человеческую речь или зрительные образы. Долгое время не существовало технологий, позволяющих эффективно работать с ними, однако развитие машинного (и особенно глубокого) обучения привели к тому, что сейчас такие технологии используются повсеместно. Рост вычислительных возможностей повлиял и на те сферы, где данные легко представить в виде цифр. Поиск сложных закономерностей в больших объемах информации (Big Data) ранее был возможен только в отдельных государственных и коммерческих лабораториях. Сегодня энтузиасты могут обучать нейронные сети прямо у себя дома на обычном компьютере с мощной видеокартой. Новые технологии и идеи позволили открыть перед машинами недоступные ранее сферы и достичь большого прогресса там, где еще совсем недавно они не преуспевали, например, в анализе текстов на естественных языках (Natural Learning Processing или NLP), то есть как раз в той сфере, в которой мы с вами работаем.

Стоит открыться новой области применения, как машины начинают превосходить человека в том, чего еще недавно совсем не могли делать. Мой знакомый тестировал алгоритм AI для игры в сапёра, реализованный мною в качестве одного из проектов курса. Один из ходов, который сделала машина, вызвал у него вопросы, поскольку обладая той же самой информацией, он не мог сделать вывод о том, что такой ход является безопасным.

В действительности этот алгоритм действует абсолютно аналогично тому, как рассуждают люди, когда играют в сапёра. Многие (но не все) технологии AI именно в этом и состоят. Алгоритм, который я реализовал, делал то же, что люди, но обладал практически неограниченным запасом памяти для накопления знаний и был полностью лишен лени. После каждого хода он скрупулезно извлекал новые знания из уже имеющейся информации, и, будучи в этом продуктивнее человека, находил те закономерности, которые люди просто не замечают.

Машины давно умеют играть в сапёра, действуя по алгоритму подобно людям, но сегодняшняя популярность технологий AI обусловлена не этим. Для решения таких нетривиальных задач как компьютерное зрение необходимо было пойти дальше и научить машину подражать не нашим действиям, но некоторым принципам работы нашего мозга.

Искусственный интеллект и анализ юридических текстов

Благодаря технологиям мир меняется очень быстро. Регистрация юридических лиц как отдельная услуга, на оказании которой специализировалось множество юридических фирм, остается в прошлом. Нельзя сказать, что это заботит профессиональное сообщество, поскольку все понимают, что такая работа носит в большей степени технический характер. Обычно, когда говорят о техническом характере работы имеют в виду, что она заключается в выполнении несложного алгоритма, программы действий, которая может быть автоматизирована. Пытаясь представить анализ юридических текстов как алгоритм, коллеги приходят к выводу, что машина никогда не заменит высококвалифицированных юристов, но в этом кроется глубокое непонимание современных технологий.

Такие технологии как машинное обучение и нейронные сети не следуют установленному заранее порядку действий. Они все еще являются алгоритмами, но не алгоритмами решения проблемы, а алгоритмами научения тому, как решать проблемы того или иного вида.

Мой клиент, о котором я говорил выше, учит машину находить закономерности, действующие на финансовых рынках. В случае успеха машина получает формулы, которые описывают реальность, и которые можно применить для совершения выгодных сделок. Но сами эти формулы, содержащие тысячи переменных, человек постичь не в состоянии. Машина становится «черным ящиком»: закономерности, которые она извлекает реальны, но не могут быть осознаны человеческим мозгом. Иными словами, с помощью алгоритма научения, которые человек способен понять, машина создает алгоритмы решения проблемы, которые человек понять уже не в силах.

Для того, чтобы получить представление о том, как машина может анализировать действующее законодательство, попробуем оценить, что из себя представляет наша правовая система. В идеальном мире юридические нормы должны составлять логичную непротиворечивую иерархическую структуру. В результате, отвечая на вопрос клиента, мы с вами должны были бы без труда найти нормы, регулирующие этот случай, и дать точный недвусмысленный ответ. В реальности мы очень далеки от этого.

Команда PLATFORMA собрала все актуальные технологичные проекты в сфере права на карте российских LegalTech-проектов — LEGALTECH MAP 2020. 

Когда мы говорим о «правовой неопределенности», то имеем в виду крайние случаи, когда противоречивые толкования одной и то же нормы примерно равно распространены. Но я убежден, что анализ миллионов судебных актов приведет нас к выводу, что существует очень небольшое количество правовых норм, толкование которых всегда непротиворечиво. Мы можем называть небольшие отклонения от общепринятого толкования ошибками правоприменения, но с точки зрения машины между «правовой неопределенностью» и такими ошибками нет принципиального различия. Неопределенность является имманентным свойством нашей правовой системы.

Мы стремимся к тому, чтобы на один вопрос право давало только один определенный ответ. Для этого апелляция отменяет решения, содержащие ошибки правоприменения, Верховный Суд дает указания, как правильно применять ту или иную норму, Конституционный Суд ведет борьбу с «правовой неопределенностью». Однако, все это направлено лишь на сдерживание отклонений в системе. Поэтому когда говорят о том, что машина никогда не сможет заменить людей в сфере толкования права, я полагаю, что все обстоит как раз наоборот, - с точки зрения возможностей машины мы с вами не очень хорошо справляемся. С другой стороны, работая с такой системой, машинам не остается ничего иного, кроме как подражать нам.

Нейронные сети не умеют мыслить, но способны эффективно подражать тому, кто умеет. В результате обучения нейронная сеть не становится умнее эксперта, на примере которого она учится. Но если само подражание почти безупречно, стоит ли мечтать о большем? Обучив нейронную сеть на решениях Верховного Суда мы получим машину, способную писать решения, не отличающиеся от тех, которые сам Верховный Суд написал бы при тех же вводных. Имея такие возможности как долго мы сопротивлялись бы ее внедрению? Аналогично, обучив нейронную сеть на текстах условного А.Г. Карапетова, мы получим карманную программу-юриста, которая для целей анализа гражданского законодательства нас всех вполне вероятно устроит. Устроит она и наших клиентов.

Реализация этих идей, по-видимому, дело ближайшего будущего (см. подробности о нейронной сети GPT-3). Разумеется, на пути к этому будут препятствия. Одно из основных заключается в недоверии человека к машине. Кто захочет получить судебное решение, являющееся продуктом «черного ящика»? Однако возможно, что само профессиональное сообщество со временем придет на подмогу AI. Коллегам, практикующим в российских судах, хорошо знакомо то чувство, когда мы получаем решение, и не можем понять, что происходило в голове у судьи. Мозг судьи - это тот же «черный ящик», и хотя процессуальное законодательство требует частичного раскрытия его содержимого (например, через мотивированную оценку доказательств), на практике мы не видим этого даже в решениях Верховного Суда. Осознав, что мы можем получить решение по делу клиента, которое убедит нас больше, чем решения судей-людей, не станем ли мы первыми, кто посоветует клиенту выбрать в качестве судьи машину?

Впрочем, говоря о замене судей, мы должны осознавать, что эта радикальная реформа произойдет значительно позже появления программ, которые смогут выполнять функцию юридических консультантов. Там, где заинтересованность проявляет бизнес, а не государство, дела идут гораздо быстрее. Речь не только о том, что многие компании будут готовы хорошо заплатить за то, чтобы обойтись без своих юридических отделов, но и о том, что безупречное подражание машины юристу-консультанту будет принято на «ура» прагматичным бизнесом. В то же время сама идея, что машина-судья не мыслит, а лишь подражает мышлению, закономерно вызовет неприятие. Это одна из причин, почему реформа правосудия может произойти вместе с наступлением более радикальных перемен - изменением самого типа нашей правовой системы.

Идеальное (машиночитаемое) право без человека

Мы имеем правовую систему не только со множеством внутренний противоречий, но и систему, которую никто из нас не может осознать полностью. Внутри своей профессии мы специализируемся на отрасли, подотрасли или даже институте права. Ни в один из моментов нашей профессиональной жизни у нас нет общей детализированной картины действующего права. Даже если бы система норм была идеальной, в современном мире она была бы столь объемна и сложна, что человеку было бы непросто осознать ее. AI в свою очередь скован только технологическими мощностями, которые регулярно удваиваются.

Однако, для того, чтобы воспринимать право именно как иерархическую систему, и «мыслить», а не «подражать», машина должна работать с системой, построенной на иных основаниях, чем нынешняя. Она должна основываться на явно описанных сущностях и взаимосвязях между ними. Это свойство системы означает, что каждое используемое «слово» должно иметь только одно, легко устанавливаемое, значение (по крайней мере, в заданном контексте решения проблемы). А значит право больше не может быть выражено на естественном языке.

Искусственные языки, созданные специально для автоматизации юридического анализа, уже существуют, а сама сфера машиночитаемого права активно развивается. Так, в Стэнфордском университете работает центр по правовой информатике CodeX. Его работники прогнозируют, что машиночитаемое право может оказать разительное влияние на юридическую профессию и разрушить то, как юридические фирмы делают сейчас свой бизнес.

В рамках CS50AI я в числе прочего учил машину решать логические головоломки. Вот одна из них:

Мы знаем, что воры всегда врут, а рыцари всегда говорят правду.
1. A говорит «Я рыцарь» или «Я вор». Но вы не знаете, какую именно из этих двух фраз говорит A
2. B говорит: «A сказал, что он вор»
3. B также сказал, что C вор
4. C сказал: «A - рыцарь»
Кто есть кто?

С точки зрения AI эта задачка на пропозициональную логику (логику высказываний). Обученный AI позволяет за сотые доли секунды решать подобные логические задачи. Извлекая знания из информации, а затем знания из уже извлеченных знаний, машина делает то, что мы вполне могли бы назвать мышлением. Однако эти методы работают только там, где знания представляют собой набор однозначных высказываний. Если право будет изложено на соответствующем языке, юридический анализ будет напоминать решение головоломки, условия которой я привел выше.

О преимуществах машиночитаемого права над нашим, человеческим, можно почитать, например, в работе Антона Вашкевича. В значительной степени эта книга представляет собой восторженный манифест - подход, который я не вполне разделяю. Но нельзя не согласиться с тем, что принципиально это решение способно вывести регулирование правоотношений на иной качественный уровень.

Как мне представляется, полный отказ от правовой системы на естественном языке вряд ли произойдет в обозримом будущем. Для этого существует множество препятствий. Например, можно ожидать, что какими бы ни были власти, они станут этому препятствовать (во всяком случае, если речь идет о публичном праве). Любое право ограничивает произвол, но сложно представить себе что-то, что ограничивает власть больше, чем идеальное право в руках абсолютно беспристрастного арбитра.

Эмпирические правовые исследования

Как-то в разговоре с преподавателем философского факультета СПбГУ я сказал, что считаю технические науки более сложными. В ответ он заметил, что все как раз наоборот. Социальные науки имеют дело с чрезвычайно сложными объектами. Описать развитие общества не в пример труднее, чем развитие какой-либо физической системы. Впечатление о простоте, продолжил он, возникает оттого, что социальные науки менее развиты. Их методы до сих пор позволяли только очень приблизительно описывать реальность.

Возможно мы стоим на пороге масштабных изменений в этой сфере. Пример Cambridge Analytica показывает, как анализ больших данных позволяет узнавать о человеке то, чего он сам о себе пока не знает. Благодаря современным технологиям совсем скоро мы узнаем много нового и о нашей правовой системе.

Широко известно совместное исследование Колумбийского университета и Университета имени Бен-Гуриона, согласно которому шансы на условно-досрочное освобождение составляли 65%, если слушание проходило утром самым первым, и стремилось к нулю перед обеденным перерывом, а после перерыва вновь восстанавливались до 65%. Эта та закономерность, в которую мы не хотели бы верить, которая разрушает нашу веру в рациональность и предсказуемость правовых решений. Но такова реальность, и еще никогда у нас не было таких мощных инструментов для изучения этой реальности.

Мы склонны считать, что решения судей зависят от доказательств, от высказанных в заседании аргументов, то есть от всего того, от чего они должны зависеть согласно консенсусу, принятому в нашей правовой системе. Но даже исследования, проведенные вручную, убедительно доказывают, что судебная система подчиняется закономерностям, которые право не приветствует. В США среди юристов ходит поговорка: «Быть белым - никогда не повредит, быть черным - никогда не поможет». Все интуитивно понимают, что это так, но до сих пор никто не мог точно сказать, насколько именно это так.

Сегодня эмпирические исследования еще мало используются в российской юридической практике, хотя все мы видели в американском кино какое важное значение они могут играть в процедуре отбора присяжных. Если в результате анализа информации о совершенных покупках можно сделать вывод о политических пристрастиях человека, применение тех же технологий позволит выявить важные предпочтения судьи, который слушает дело. И может так оказаться, что этот судья гораздо чаще выносит решения в пользу стороны, которую представляет молодая симпатичная женщина.

Новые знания вовсе не всегда будут разочаровывать нас, многие из них покажутся нам полезными и легко войдут в юридическую практику, Так, сейчас в России ведутся исследования, целью которых является создание модели, позволяющей предсказывать исход судебных дел. Это одно из возможных применений технологии машинного обучения.

Читая заключения юридических фирм о перспективах судебных споров иногда недоумеваешь, когда встречаешь что-нибудь вроде «вероятность благоприятного исхода дела больше 50%». Оценка, выраженная подобным способом, выглядит сомнительной, если не сказать обманчивой. Модели, позволяющие оценить вероятность наступления того или иного события, еще не используются в юриспруденции. Это и не удивительно, поскольку пока даже судебную практику нам приходится оценивать «на глазок». Мы не говорим: «суд примет такое-то толкование этой нормы с вероятностью 68,7%», но по всей видимости это дело ближайшего будущего.

Машина, которая понимает текст

Выше мы поговорили о двух различных вариантах AI, которые могут оказать влияние на юридическую профессию: о нейронных сетях, способных эффективно подражать мышлению, и об алгоритмах, решающих логические задачи, сформулированные точно и недвусмысленно. Первые могут работать с текстами на естественных языках, но не понимают их смысла, вторые - понимают смысл лишь тех текстов, которые выражены на искусственном языке. Однако возможно появление и третьего варианта - машины, способной осознавать смысл текста на естественном языке. Это отдельная большая тема, поэтому я сейчас я хочу остановлюсь лишь на одном примере из курса CS50AI.

Как я уже отмечал ранее, машины могут работать только с цифрами. Как же научить их понимать смысл слов, которые используют люди? Также, как это делаем мы - из контекста. Возьмем массив текстов и в отношении каждого слова рассчитаем вероятность того, что оно стоит рядом с каждым другим словом, встречающимся в текстах. Это делается с помощью простой нейронной сети, в результате работы которой для каждого слова мы получим набор цифр или, говоря математическим языком, вектор, определяющий его отношения с другими словами. Образно вектор каждого слова можно представить как координаты точки в пространстве. Скажем, слово «право» находится перед вами на рабочем столе, где-то рядом лежит слово «конституционное», слово «принтер» находится в другом конце кабинета, а слово «AI» вообще на кухне (но стремительно приближается). Учитывая, что все пространство вокруг заполнено словами, положение выбранного вами слова в пространстве отражает его смысл.

Непросто поверить в то, что смысл слов может быть передан с помощью массивов цифр. Тут не помешает настоящая демонстрация.


Возьмем два слова, в отношении которых мы говорим, что они связаны по смыслу, например, «король» и «мужчина». Измерим «расстояние» между ними с помощью вычитания из вектора, соответствующего слову «король», вектора, соответствующего слову «мужчина». В результате мы получим новый вектор, который не отражает какое-то конкретное слово, но соответствует тому отношению, которое имеется между двумя выбранными нами словами. Добавим к получившемуся вектору новый вектор, соответствующий слову «женщина», и найдем слово, которое ближе всего к получившемуся вектору. Это будет слово «королева». Ну не магия ли?

Искусственный интеллект и изменчивость (развитие) права

Несмотря на огромные подвижки в развитии AI в целом и NLP в частности, внедрение новых технологий в юридическую практику столкнется с рядом проблем.

Так, одна из очевидных сложностей для использования нейронных сетей в юриспруденции заключается в изменчивости законодательства. Нейронные сети нужно учить на миллионах примеров. Если законы по ходу принятия решений, входящих в обучающий массив, постоянно менялись, это мешает сети «понять», какому решению следует подражать. Проблема возникнет и в том случае, когда изменения в законодательство вносятся уже после окончания обучения. Особенно большие сложности это может создавать на пути внедрения машин, выполняющих судебные функции.

С другой стороны, мы привыкли слышать, что право развивается вместе с обществом. Какое же развитие обеспечит ему AI? Это большая тема для разговора, начать который, на мой взгляд, следовало бы с вопроса о том, что мы понимаем под развитием права. Некоторые из подразумеваемых нами функций (например, таких как применение права к новым правоотношениям по аналогии) будут выполняться AI исходя из изначально присущих ему свойств. Другие могут потребовать участия внешнего деятеля - высшего суда или законодателя.

Очевидно, что и сами технологии продолжат развиваться. Даже если заменить суды машинами, нельзя будет говорить о достижении какой-то конечной точки. Развитие может быть продолжено не только за счет переобучения существующих нейронных сетей, но и за счет развития самих принципов их организации.

Будущее для юристов

Теперь, когда основные технологии, могущие оказать влияние на нашу с вами профессию, описаны, самое время поговорить о том, какое место в этом будущем отведено нам.

Думаю, многие подумали о том, что для разработки, обеспечения работы и совершенствования всех этих новинок в юридической сфере, потребуется немало высококвалифицированных юристов. Это не так. Большинство из технологий, о которых говорится в этом тексте, вообще не требуют участия экспертов. Google Translate делают инженеры, не знающие тех языков, с которых и на которые этот сервис способен переводить. Революцию в области обработки естественного языка произвели специалисты по машинному обучению, не занимавшиеся лингвистикой. Для того, чтобы научить нейросеть писать решения как Высший Арбитражный Суд, вовсе не обязательно его воскрешать - если массив уже вынесенных им решений достаточен, ВАС РФ воскреснет сразу в виде математической модели.

Поэтому я бы не стал рассчитывать на то, что юридическая профессия лишь слегка преобразится, например, потребовав освоения отдельных технических навыков. Представляется, что дела будут обстоять совершенно иначе. Вполне вероятно, что за нами сохранится сфера посредничества между людьми и институтами, хотя само это посредничество может приобрести более примитивный характер. Потребность подготовки документов для суда вряд ли полностью исчезнет, но сама функция возможно будет значительно упрощена. Если сегодня разница между состязательными бумагами, представленными в суд низкоквалифицированным и высококвалифицированным специалистами очень заметна, то в будущем высокая квалификация для этого просто не потребуется. Вопреки мнению некоторых наших коллег, из-за развития высоких технологий профессия юриста вполне может упроститься до профессии клерка, и высокая квалификация в правовом анализе вовсе не будет конкурентным преимуществом.

Сильной стороной юридической профессии останется взаимодействие с людьми. До тех пор, пока судьями будут люди, другие люди (пусть и с машиной-консультантом в кармане) будут нужны для представительства в суде. Вряд ли машина в ближайшие десятилетия сможет заменить хорошего переговорщика. Еще долго будут нужны люди, способные организовывать других людей. Но та часть нашей работы, которую условно можно назвать «работой с бумагами», испытает большое давление со стороны AI, и, как это ни печально, вряд ли его выдержит.

Послесловие (поздний дисклеймер)

Этот текст содержит несколько заявлений, носящих в разной степени спорный и даже провокативный характер. Я сделал это осознанно для того, чтобы дать читателям возможность преодолеть инерцию убеждений. Никому не хочется верить в то, что его профессия исчезнет, и я полагаю, что после первой эмоциональной реакции и последующих размышлений по этому поводу, каждый может прийти к своему собственному, более трезвому и сбалансированному пониманию проблемы. Я лишь остерегу вас от полного ее отрицания. Сегодня во многих книгах, посвященных роли AI, говорится о грядущем исчезновении профессий, и нередко в качестве примера приводится именно юридическая профессия.


-------- Станислав Егоркин для Zakon.ru

Где юристу искать клиентов в кризис? Узнайте больше о возможностях Единого Каталога Юристов




Всё о юридических и финансовых технологиях

Мы пишем о технологиях роста, новых моделях заработка для юристов, неординарных героях со всего мира. Ежедневно публикуем важнейшие юридические новости, обзоры и аналитику.