Technology Assisted Review in het Big Data tijdperk

"Big Data" vormt een grote uitdaging voor advocatenkantoren en in-house teams belast met de voorbereiding en het beantwoorden van juridische kwesties.  Saida Joseph, Internationaal Directeur van Document Review Services, Epiq Systems en Celeste Kemper, Directeur van Document Review Services Asia, Epiq Systems, leggen uit hoe de  nieuwste technology assisted review (ook gekend als "voorspellende codering") een kritisch voordeel biedt bij de zoektocht naar en analyse van grote gegevensvolumes. 

De mogelijkheden voor documentbeheer zijn de laatste tien jaar ernstig gewijzigd. We leven niet langer in een wereld waarin het universum van bewijsmateriaal bestaat uit kasten en afgedrukte documenten en de omvang van een zaak bepaald wordt door het aantal archiefdozen. We leven in een "Big data" tijdperk, een periode die bepaald en gecontroleerd wordt door de uitwisseling van enorme hoeveelheden elektronische informatie.

Onze email accounts, smartphones, tablets, sociale platformen en zoekmachines barsten van gegevens; het overschrijdt grenzen, neemt nieuwe vormen aan en wordt opgeslagen op virtuele servers.  Jaarlijks kan een typisch Fortune 500 bedrijf meerdere petabytes aan elektronische informatie produceren. Dagelijks worden er per werknemer vermoedelijk ongeveer 100 emails verstuurd en ontvangen.[1] Elk stukje gegeven passeert waarschijnlijk het bureaublad van massa's, misschien wel honderden individuelen.  Of ze nu opgeslagen worden op de harde schijven, databanken, verwisselbare media zoals USB-sticks en cd's, of op back-up tapes, de gegevens worden gearchiveerd en gerepliceerd en groeien exponentieel.  Volgens een onderzoek uit 2009,[2] zullen de naar schatting 800 exabytes – dat zijn 800 miljard gigabytes – aan informatie die in 2009 ontwikkeld werden, in 2020 hebben toegenomen tot 35 triljoen gigabytes. Dat is bijna 44 keer meer dan de 24 DVD's met informatie die in 2009 naar schatting gemaakt zijn per man, vrouw en kind op de planeet.

In dit digitale tijdperk zijn nieuwe technologieën voor het zoeken naar en het analyseren van grote hoeveelheden elektronisch opgeslagen informatie (ESI) noodzakelijk om juridische vragen voor te bereiden en erop te reageren.  Technology assisted review (TAR) is de nieuwste revolutie in ESI-technologie die het volume gegevens en de inhoud van intelligente analyse helpt te minimaliseren.

Technology Assisted Review 101

TAR verwijst naar een soort van machine learning technologie die gebruik maakt van de input van een reviewer en analyses om responsieve of belangrijke documenten te helpen identificeren.  Sommige TAR-technologieën verzamelen gewoonweg informatie in responsieve of niet-responsieve groepen terwijl anderen relevante classificaties geven aan de documenten.  Door gebruik te maken van deze technologie, bekijkt een vakdeskundige een verzameling aan documenten (soms geselecteerd door een raadgever of willekeurig geselecteerd door software) en codeert de documenten als relevant of niet relevant.  De software past een principe toe dat bekend staat als "statistisch leren" om complexe patronen in de gegevens te herkennen en leert actief van de beslissingen of codes van de beoordelaar.  Van zodra de software is ingeleerd, kan het de waarschijnlijke responsiviteit van de documentverzameling voorspellen.

Aanpassing

TAR wint momenteel aan gerechtelijke aanvaarding als een redelijke en evenredige aanpak voor ESI beoordeling.   Amerikaans Onderzoeksrechter, Andrew Peck, heeft de eerste goedkeuring voor het gebruik van de TAR uitgegeven in het geval van de rechtszaak Da Silva Moore v. Publicis Groupe.[3]  In deze belangrijke rechtszaak zei Rechter Peck, "Computer-assisted review is een beschikbaar middel dat serieus zou moeten worden overwogen bij zaken met een groot volume aan gegevens".[4]  Andere rechters hebben het voorbeeld van rechter Peck gevolgd.  Bij een beslissing van juli 2012 wees rechter Schiendlin op de beperkingen van het zoeken op sleutelwoorden bij een grote Freedom of Information Act (FOIA) door volgende op te merken: "Partijen kunnen (en zouden vaker moeten) vertrouwen op potentiële semantische indexering, statistische waarschijnlijkheid modellen en technologieën van machinaal leren om responsieve documenten te vinden… Deze methodes kunnen de effectiviteit en de efficiëntie van zoekopdrachten aanzienlijk verhogen."[5]  Tijdens een meer recente uitspraak heeft rechter Lewis A. Kaplan uit het Zuidelijke district van New York, gedeeltelijk vertrouwd op TAR bij de afwijzing van een lastig bezwaar tegen een dagvaarding.[6]

Voorspellende codering wordt ook gebruikt bij regelgeving kwesties en speelt een belangrijke rol in de recente fusie tussen Annheuser-Busch InBev en Grupo modelo. Het Amerikaans Departement van Justitie heeft het gebruik van voorspellende codering bij dit proces goedgekeurd, "Als het goed functioneert, verlaagt voorspellende codering (TAR) de last van document review en -productie en tegelijk zorgt het voor een onderscheid in de documenten die nodig is om eerlijk en volledig transacties te analyseren en uit te voeren." [7]

Voordelen van TAR

TAR biedt diverse voordelen tegenover de traditionele aanpak voor document review. Het geeft statistieken over een document die een hitlijst van trefwoorden niet voorziet. Dit kan erg waardevol zijn voor een eerste inschatting over een zaak, om een strategie te ontwikkelen in een zaak en voor een efficiëntere en kostenefficiënte review workflow. TAR neemt ook de menselijke vooringenomenheid bij het zoeken op trefwoorden als eerste veronderstellingen omtrent de feiten weg en bovendien verandert bewijs vaak gedurende het onthullingsproces.  TAR technologie leert op basis van training van een belanghebbende met kennis van de kwesties in de zaak maar in tegenstelling tot mensen, wordt een computer niet ziek en informeert het de beoordelaar wanneer een gecodeerde beslissing varieert van de voorspelde relevante scores.  Zoeken op kernwoorden kan gebruikt worden in combinatie met voorspellende codering om de resultaten te valideren en discrepanties tussen de relevante scores en de zoektermresultaten te evalueren. TAR software neemt ook een syntactische aanpak aan en kan daarom gebruikt worden om meertalige documentverzamelingen consistent te beoordelen.

Mens vs. machine

Een van de grootste mythen over TAR is dat de technologie een bedreiging vormt voor de rechtspraktijk omdat machines advocaten vervangen.  In werkelijkheid zorgt TAR voor een verhoogde intelligentie bij het juridisch proces waarbij mens en machine samenwerken.  Met een exponentiële groei aan gegevensvolumes is de menselijke lineaire beoordeling van documenten moeilijk bij rechtszaken zonder extreme kosten, onnodige belasting en een groot tijdskader.  Maar machines alleen zijn niet het antwoord.  Het gebruik en de waarde van de output is enkel betrouwbaar dankzij de intelligente input en training van een menselijk expert. TAR is geen vervanging voor menselijke beoordeling – het kan een hulpmiddel zijn bij het organiseren en identificeren van kwesties voor het juridisch team zodat zij het risico of de waarde van een document voor een strategie kunnen evalueren, de toepassing kunnen bepalen en de ontwikkeling van feiten efficiënter kunnen uitvoeren.

Overleven van de sterkste

Inzicht in de technologische tools beschikbaar voor het analyseren en beoordelen van grote hoeveelheden data is essentieel om te overleven in het Big Data tijdperk. De enorme hoeveelheid gegevens en het scala aan mogelijkheden waarop de gegevens tegenwoordig kunnen worden overgedragen en ontvangen, voegt een complexe waarde toe aan het beoordelingsproces en vormt een uitdaging voor de traditionele methode. TAR mag dan niet bij elke zaak de geschikte tool zijn, weten hoe en wanneer TAR te gebruiken, kan een competitief voordeel bieden in dit digitale tijdperk.