कानूनी एआई में OpenAI की एंट्री, अब Harvey को चलते रहना होगा

OpenAI ने 17 सितंबर को Astra for Law लॉन्च किया, जो GPT-6 Astra को कानूनी सर्च और खास निर्देशों के साथ जोड़ता है। Harvey और Legora को आने वाले समय के एपीआई यूज़र्स के तौर पर नामित किया गया है, जबकि चुनिंदा फर्मों को ChatGPT और Codex के जरिए शुरुआती एक्सेस मिल रहा है। सप्लायर ग्राहकों तक सीधे पहुंचने का रास्ता भी खोल रहा है। ¹

खतरा गंभीर है। लेकिन इसका यह मतलब नहीं कि Harvey का कारोबार अभी खत्म हो गया है।

ऐसा नतीजा इस धारणा पर टिका है कि OpenAI आगे बढ़ेगा और Harvey वहीं का वहीं खड़ा रहेगा। काम का सवाल यह है कि जिन क्षमताओं के लिए पहले स्पेशलिस्ट इंजीनियरिंग चाहिए होती थी, वे जब सप्लायर से ही मिलने लगें तो Harvey क्या सीख और बना सकता है। बेहतर फाउंडेशन प्रोडक्ट को मजबूत तो कर सकता है, पर उसी वक्त उसके कुछ हिस्सों के लिए पैसे वसूलना मुश्किल भी बना सकता है।

आज यह सवाल पूछने का एक ठोस कारण भी है। OpenAI की लॉन्च के साथ ही Harvey ने वकीलों की राय का इस्तेमाल कर कानूनी एआई को आंकने और बेहतर बनाने पर रिसर्च प्रकाशित की↗। यह रिसर्च एक मुश्किल रुकावट सामने लाती है: किसी खास काम के लिए ऐसा जवाब हासिल करना जिसे काफी अच्छा माना जाए। ²

बेसलाइन खिसक चुकी है, खर्च अब भी अनजान

OpenAI का इंडेक्स 23 करोड़ से ज्यादा यूआरएल पर फैला है। घोषणा↗ में इसे थॉमसन रॉयटर्स समेत कई प्रोवाइडर्स से लाइसेंस लिया गया कंटेंट का पूरक बताया गया है। Astra for Law की कीमत, कुल पेड सीट्स या रेवेन्यू — इनमें से कुछ भी घोषणा में नहीं दिया गया। घोषणा यह भी साबित नहीं करती कि इस इंडेक्स का इस्तेमाल मुफ्त है। ¹

ये चूक अहम हैं। सामग्री का बड़ा भंडार सिर्फ इतना बताता है कि सिस्टम किस सामग्री में खोज कर सकता है। यह नहीं बताता कि कोई फर्म क्या रद्द कर सकती है, उसकी जगह लेने वाले विकल्प के लिए वह कितना चुकाएगी और क्या वह विकल्प वही काम पूरा कर पाता है।

हमारे Harvey पर पहले छपे लेख में कंपनी की फंडिंग और वैल्यूएशन का जायजा लिया गया था। ³ Harvey की अपनी 9 सितंबर की घोषणा↗ के मुताबिक, कंपनी ने 15.5 अरब डॉलर की वैल्यूएशन पर 550 मिलियन डॉलर जुटाए और बताया कि Am Law 100 की 80% फर्में उसके प्रोडक्ट्स इस्तेमाल करती हैं। ये आंकड़े कंपनी के अपने दावे पर टिके हैं; सिर्फ इस्तेमाल की बात इन रिश्तों का आकार या मुनाफा नहीं बताती। ⁴

यह नया लॉन्च उस बिजनेस की फिर से पड़ताल का कारण बनाता है। लेकिन इससे न तो कोई नया रेवेन्यू मल्टीपल (revenue multiple) सामने आता है और न ही इस बात का सबूत कि ग्राहक कंपनी छोड़ रहे हैं।

असली मुश्किल: तय करना कि 'बेहतर' किसे कहें

Harvey ने एक स्टडी का जिक्र किया है, जिसमें 24 कानूनी एजेंट टास्क (legal-agent tasks) शामिल थे और हर टास्क को तीन वकीलों ने रेट किया। समीक्षक सिर्फ 25% मुकाबलों में एकमत थे। कंपनी के मुताबिक, असहमति का बड़ा हिस्सा इस बात पर था कि वही खूबियां और कमियां कैसे तौली जाएं। ²

मसला यहीं दिलचस्प बन जाता है। मान लीजिए दो मसौदा जवाब हैं: एक पढ़ने में आसान है, दूसरा किसी अहम अपवाद को ज्यादा सावधानी से संभालता है। सिस्टम को कौन-सा जवाब तैयार करना सीखना चाहिए? वजह समझे बिना सिर्फ पॉजिटिव रेटिंग गिन लेना उसे गलत सबक सिखा सकता है।

Harvey जनरेटिव रिवॉर्ड मॉडल (generative reward models) पर प्रयोग कर रहा है: ये एआई मूल्यांकक हैं, जो आउटपुट की तुलना कानूनी विशेषज्ञों की तय की शर्तों से करते हैं। कंपनी बताती है कि ये मूल्यांकक कभी-कभी दूसरी खूबियों के एवज में गंभीर गलतियां मान लेते थे या ऐसे मामलों में भी एक को विजेता चुन देते थे जब वकील दोनों जवाब नाकाफी समझते थे। ये नतीजे Harvey की अपनी रिसर्च के हैं, किसी स्वतंत्र पुष्टि से नहीं। ²

कोई सिस्टम जवाबों की संख्या बढ़ा सकता है, भले ही यह भरोसेमंद संकेत न दे कि कौन-से जवाब दोहराए जाने लायक हैं। डेटा फ्लाईव्हील (data flywheel) का जश्न मनाने से पहले इस बॉटलनेक (bottleneck) पर गहरी नजर डालनी चाहिए।

मॉडल के इर्द-गिर्द का काम अहम है: मूल्यांकक क्या जांच सकता है, वकील का सुधार कैसे दर्ज होता है, किस चीज को गंभीर असफलता माना जाए और अगला वर्जन अनजान काम पर पहले से बेहतर होता है या नहीं। ज्यादा इस्तेमाल तभी फायदा देगा जब कंपनी उससे जुड़े तजुर्बे को भरोसेमंद सुधार में बदल सके, वह भी उस जानकारी पर लागू अनुमतियों के दायरे में रहते हुए।

ग्राहक होना अपने आप में इस लूप के मौजूद होने का सबूत नहीं है। इस लूप से ग्राहकों के नतीजे सुधरते दिखाना, प्रोडक्ट को स्पेशलाइज्ड बताने से कहीं ज्यादा प्रभावी होगा।

OpenAI भी सीखता रह सकता है

OpenAI के अपने टेस्ट में, जिसमें 200 प्राइवेट वैलिडेशन प्रश्न शामिल थे, Astra for Law ने समग्र शुद्धता (ओवरऑल करेक्टनेस) की जांच 54.0% सवालों पर पास की। वेब सर्च इस्तेमाल करने वाले Astra का यह आंकड़ा 38.7% रहा। OpenAI ने Sullivan & Cromwell, Ropes & Gray और Cooley के साथ मिलकर बनाए गए फर्म-विशेष एप्लिकेशनों का जिक्र भी किया है। ¹

यह बेंचमार्क दायरे में सीमित तुलना है, निपटाए गए क्लाइंट मैटर्स को नापने वाला पैमाना नहीं। लेकिन फर्म-विशेष प्रोजेक्ट मुकाबले का सवाल और जटिल बना देते हैं। यह मान लेना गलती होगी कि फाउंडेशन प्रोवाइडर काम से दूर ही रहेगा और ग्राहकों को सिर्फ स्पेशलिस्ट ही समझते हैं।

Harvey इस भरोसे पर नहीं चल सकता कि आज जैसा काम का बंटवारा है, वैसा ही आगे भी बना रहेगा। यह भी मान बैठना ठीक नहीं कि OpenAI का यह लॉन्च ही वह आखिरी प्रोडक्ट है जिसका मुकाबला Harvey को करना है। दोनों पक्ष सुधर सकते हैं।

स्पेशलिस्ट के लिए सबसे समझदार कदम यह है कि वह मजबूत फाउंडेशन को जहां काम आए वहां इस्तेमाल करे और अपनी ताकत उस मुश्किल काम पर लगाए, जिसे ग्राहक अब भी ठीक से पूरा नहीं कर पाते। नजर रखने लायक सबूत हैं — अहम सुधारों की तादाद में कमी, रिव्यू में लगने वाली मेहनत में कमी और अहम कामों पर बार-बार इस्तेमाल। ध्यान रहे, ये प्रस्तावित टेस्ट हैं; दोनों घोषणाओं में से कोई भी इन नतीजों को साबित नहीं करती।

आगे का कमर्शियल सबूत भी इतना ही ठोस होना चाहिए — कोई रिन्यूअल, कोई खरीद का फैसला, जाहिर की गई कीमत या कोई ग्राहक जो साफ बताए कि कौन सा काम किधर शिफ्ट हुआ और क्यों। भुगतान जारी रहने से पता चलेगा कि ग्राहकों को अब भी वैल्यू मिल रही है। उसके बाद यह समझना होगा कि वे आखिर खरीद रहे हैं क्या — उनकी तरफ से यह तय करने के बजाय कि जनरल-पर्पज विकल्प उनके लिए काफी होना चाहिए।

Astra for Law ने एक जगह ठहरे रहना और भी खतरनाक बना दिया है। लेकिन इसका मतलब यह नहीं कि स्पेशलिस्ट बनना बेमानी हो गया है। Harvey का मौका यह है कि वह मजबूत फाउंडेशन को बेहतर वर्किंग प्रोडक्ट में बदले — और यह फाउंडेशन प्रोवाइडर के बचे हुए फासले को पाटने से पहले करे। कंपनी को यह फासला बार-बार कमाना होगा। उसकी वैल्यूएशन उसकी तरफ से यह काम नहीं कर सकती।