אחרי הפיננסים, המשפט: השלב הבא של OpenAI

בשבעה עשר בספטמבר OpenAI פרסמה מוצר שרוב אנשי השיווק בישראל לא שמעו עליו, ולא באמת צריכים – אבל כדאי להם להבין למה הוא נבנה. הפירמות הכי יוקרתיות בעולם, כאלה שגובות אלפי דולרים לשעת עבודה, קיבלו גישה ל-Astra for Law: גרסה של הדגם החזק ביותר של OpenAI, מחוברת לאינדקס פרטי של יותר מ-230 מיליון מסמכים משפטיים. זו הפעם השנייה השנה ש-OpenAI לוקחת דגם כללי ומלבישה עליו תעשייה שלמה. בפעם הראשונה זה היה פיננסים. הפעם זה משפט. ואם אתם עוסקים בשיווק, בתוכן או בכל שירות שמבוסס על ידע מקצועי – כדאי לכם להבין את התבנית לפני שהיא מגיעה גם אליכם.

מה בדיוק השיקו כאן

Astra for Law הוא לא דגם חדש. זו שכבה שנבנתה מעל GPT-6 Astra הקיים, עם כלי חיפוש, הנחיות כתיבה משפטית ובקרות שמותאמות לעבודה מקצועית בפירמות עורכי דין. הליבה של המוצר היא אינדקס חיפוש שסורק פסיקה אמריקאית, חוקים, תקנות וכללי בית משפט על פני יותר מ-230 מיליון כתובות, עם מקורות שמתעדכנים מדי יום. לפי OpenAI, האינדקס מכסה מעל 99.9% מהפסיקה האמריקאית הפרסומה.

התוצאה בפועל: במבחן Legal Research Bench של Vals AI, שכולל 200 שאלות מחקר משפטי, Astra for Law הגיע לדיוק של 54%, לעומת 38.7% בלבד ל-Astra הרגיל כשהוא משתמש בחיפוש אינטרנט כללי. שיפור של כ-40%, בלי לגעת בדגם עצמו – רק בזכות שכבת דאטה ממוקדת. לצד זה, המוצר יוצא עם 26 פלאגינים של שותפים כמו Thomson Reuters, Harvey, Legora, iManage ו-DeepJudge, עוד 9 פלאגינים מהקהילה, ו-47 "כישורים" מותאמים לעבודה משפטית.

מי כבר קפץ על זה

הגישה בשלב הזה מוגבלת לתוכנית שנקראת Trusted Access, שמיועדת לפירמות מקבוצת Am Law 200 – מאה עורכי הדין הגדולות בארה"ב. בין המאמצות המוקדמות: Latham & Watkins, Sullivan & Cromwell, Cooley ו-Ropes & Gray. אלה לא פירמות שמנסות טכנולוגיות בקלות דעת – הן שמרניות מטבען, כפופות לחובת סודיות מקצועית קפדנית, ובכל זאת בחרו להיכנס למסלול הזה כבר בשלב הראשוני.

מאחורי הקלעים, OpenAI גייסה עוד ביוני את ג'ייסון בוהמיג, מייסד ומנכ"ל לשעבר של Ironclad (חברת AI לניהול חוזים), כדי להוביל את מוצרי המשפט שלה. זה מהלך מוכר: כשחברת AI רוצה להיכנס לתעשייה מוסדרת ושמרנית, היא לא סומכת רק על הדגם – היא מביאה מישהו שכבר בנה מוצר בתוך התעשייה הזו וממנה אותו לתפקיד בכיר.

התבנית שחוזרת על עצמה

הסיפור הזה לא קורה בוואקום. כתבתי כאן לא מזמן על ההשקה המבולגנת של Astra ועל הלקח לארגונים שסומכים על מודל אחד. עכשיו רואים את הצד השני של אותה אסטרטגיה: OpenAI לא מסתפקת בלמכור גישה לדגם כללי. היא בונה, תעשייה אחרי תעשייה, שכבת דאטה קניינית שהופכת את הדגם הכללי למוצר מקצועי שאי אפשר לשכפל רק עם פרומפט טוב.

קודם זה היה פיננסים. עכשיו זה משפט. הבא בתור, לפי ההיגיון של החברה, יהיה כל תחום מקצועי שבו יש הרבה כסף, הרבה נתונים מובנים, ולקוחות שמוכנים לשלם על דיוק ולא רק על נוחות. שיווק ופרסום נמצאים בדיוק בקטגוריה הזו – יש דאטה של קמפיינים, בריפים, מחקרי שוק, ותקנות פרסום שמשתנות ממדינה למדינה.

ה-AI הכי חזק בעולם, בלי המקורות הנכונים מתחתיו, הוא בעיקר ניחוש יפה מנוסח.

מה זה אומר לכם

אם אתם מנהלים סוכנות, מותג או צוות תוכן, אל תחכו ש-OpenAI תבנה "Astra for Marketing". תוכלו לבנות גרסה קטנה של אותו רעיון היום, עם הכלים שכבר יש לכם. הלקח מ-Astra for Law הוא לא "תקחו מודל טוב" – זה "תבנו שכבת דאטה שרק אתם מחזיקים, ותחברו אליה מודל כללי". סוכנות שיש לה ארכיון מסודר של קמפיינים מוצלחים, מחקרי קהל ומסמכי מיתוג, ומחברת אותו נכון לכלי AI, מקבלת תשובות ברמה אחרת לגמרי מזו של מתחרה שמקליד פרומפט גנרי מול ChatGPT ריק. זה בדיוק מה שקורה כאן, רק בקנה מידה של פירמות ענק.

אתה עוזר שעונה אך ורק על סמך המסמכים שהעליתי לפרויקט הזה.
לפני כל תשובה, ציין באיזה מסמך ספציפי מצאת את המידע.
אם התשובה לא נמצאת במסמכים שהעליתי - אמור לי במפורש "אין לי את זה במקורות שלך", ואל תשלים מהידע הכללי שלך.
עכשיו תענה לי על: [השאלה או המשימה שלכם]

הפער בין תשובת AI "נחמדה" לתשובה שעליה אפשר לבנות החלטה עסקית, כמעט תמיד עובר דרך הדאטה שמזינים למודל – לא דרך המודל עצמו. אם אתם רוצים ללמוד איך בונים תשתית כזו נכון בתוך הארגון שלכם, בלי לבזבז חודשים על ניסוי וטעייה, זה בדיוק מה שאנחנו עושים בליווי ארגונים ב-AI Academy.