Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Den 1: Stavba základů – Ingest, Vyhledávání, Načítání
Modul 1: Krajina právního inženýra
- Cíle výuky – pochopit roli, kde se AI vejde v právní práci a na dvou rizicích, která jsou klíčová pro všechno.
- Témata
-
- Role právního inženýra a proč je právě teď poptávaná
- Kde se AI uplatňuje: eDiscovery, review, smlouvy, výzkum, vyšetřování; model EDRM v srozumitelných termínech
- Vývoj vs. nákup
- Dvě rizika, která se táhnou skrz vše: důvěrnost/právní výsadbou a obhajitelnost
Modul 2: Právní data jsou nepořádná – Ingest a extrakce
- Cíle výuky – zvládnout realitu právních dat ve velkém měřítku.
- Témata
- 1 400+ typů souborů, e-mail a PST, skeny papíru, load soubory (.dat/.opt); vestavěná metadata, která mají význam
- Extrakce textu (Tika), OCR a deduplikace jako volba
- Laboratoř: Ingest FreeEed – vybudujte ingestní pipeline nad záměrně neuspořádanou sadou dokumentů (e-mail/PST, skeny, load soubory)
Modul 3: Vyhledávání a načítání – základ
- Cíle výuky – vybudovat základní prvek eDiscovery: najít cokoli uvnitř všeho.
- Témata – plnotextové vyhledávání a indexace (Solr/Lucene); relevantnost, filtrování podle metadat a data; vyhledávání přes obsah OCR
- Laboratoř: Vyhledávání eDiscovery – indexujte corpus a spouštějte reálná eDiscovery-style vyhledávání, včetně skenů OCR
Modul 4: RAG pro právní dokumenty – s citacemi
- Cíle výuky – vybudovat RAG nad právními dokumenty, který cituje své zdroje.
- Témata
- Proč načítání, nikoli fine-tuning, pro citlivé materiály – model nikdy neužije dokumenty
- Chunking, embeddingy a především citace / původ
- Souhrn více dokumentů a vláken konverzace
- Laboratoř: Právní RAG s citacemi – vybudujte RAG Q&A nad sadou dokumentů, který odpovídá s citacemi zdrojů
Den 2: Zajištění soukromí, obhajitelnosti a připravenosti k vydání
Modul 5: Soukromí, právní výsadbou a lokální servirování – past privilege
- Cíle výuky – držet právní data lokálně a být schopen je certifikovat.
- Témata
- Kam data skutečně putují, když narazí na cloudovou AI
- Ztráta privilege, povinnost kompetence a spektrum „soukromí“ (smluvní vs. fyzické)
- Morgan v. V2X a proč je lokální obhajitelné v soudě
- Servirování lokálních modelů (Ollama / vLLM) a monitorování odchozího provozu
- Laboratoř: Lokální model + Důkaz egressu – spusťte lokální model end-to-end a proveďte s monitorováním, že žádná data neopustila systém
Modul 6: Obhajitelné AI review
- Cíle výuky – měřte a dokumentujte AI review tak, aby vydrželo.
- Témata
- Čísla, která drží v soudě: recall, elusion, precision, validace ground-truth; TAR / aktivní učení
- Transparentnost (proč tento dokument takto kódováno?) a reprodukovatelnost – pinněte model, fixujte nastavení, logujte vše
- „Snapshot obhajitelného případu“, který umožňuje někomu znovu spustit vaše review za rok a získat stejný výsledek
- Laboratoř: Obhajitelné review – měřte AI review proti slepé ground-truth a vyrobte bundle reprodukovatelnosti
Modul 7: Vydání – Workflow, soukromé nasazení a governance
- Cíle výuky – seskupte díly do workflowu, nasadte soukromě a ohodnoťte.
- Témata
- Právní workflow s více kroky (ingest → search → summarize → review → produce) s human-in-the-loop
- Základy soukromého / lokálního nasazení (kontejnerizace; držení dat ve firmě)
- AI governance pro právo v kostce a hodnocení systému pomocí SAIS-100 (Elephant Scale Secure AI Score)
- Laboratoř: Hodnocení a balení – propojte multi-krokový workflow, ohodnoťte jej SAIS-100 a zabaluji pro soukromé nasazení
Capstone (integrováno přes Den 2)
- Vybudujte soukromou, obhajitelnou aplikaci právní AI end to end – ingestujte neuspořádaný corpus, vyhledejte v něm, odpovídejte na otázky s citacemi pomocí lokálního modelu, měřte obhajitelné review a zabaluji pro soukromé nasazení.
- Účastníci odchází s projektem portfolio, který je tou rolí právního inženýra.
Volitelný Den 3 / Pokročilé moduly (podáno jako 3. den nebo modularizovaná série)
- Vyšetřování: Entity, vztahy a časové osy – extrahujte osoby/organizace/datumsy, rekonstruujte vlákna e-mailů, sestavte chronologie, mapujte blízké duplikáty a linii dokumentů. Laboratoř: sestavte časovou osu a pohled na entity/vztahy.
- Agentické a multi-krokové právní workflovy (hluboké) – bohatší orchestrace, analýza smluv, syntéza více dokumentů, použití nástrojů a guardrails jako designový princip. Laboratoř: vybudujte multi-krokový workflow s kontrolním bodem člověka.
- Nasazení ve velkém – lokální a appliance nasazení, distribuované zpracování pro velké objemy, regulovaná prostředí (CJIS, vláda, vyšší vzdělávání), sizing hardwaru. Laboratoř: kontejnerizujte a škáluji zpracování přes workery.
- Hloubkový průzkum governance a compliance – krajina AI regulací (100+ zákonů AI v USA, EU AI Act), auditní požadavky a úplný audit governance SAIS-100. Laboratoř: proveďte audit systému právní AI proti checklistu governance/obhajitelnosti.
Požadavky
- Znalost jazyka Python a základní znalost API
- Užitečné: povědomí o LLM na úrovni uživatele (bez nutnosti pozadí v ML – mentální model si postavíme společně)
- Požadavek na právní znalosti není – právní koncepty, které potřebujete, se učí v kontextu
Cílová skupina
- Softwarové / AI inženýři přecházející do legal tech
- Inženýři ze společností z oblasti legal tech, kteří potřebují hlubší znalosti právní domény
- Technicky založení profesionálové v oblasti práva / eDiscovery / správy informací, kteří chtějí stavět, ne jen nakupovat
- Kdo cílí na roli „právní inženýr“ / „AI právní inženýr“
14 Hodiny
Reference (1)
Získal jsem znalosti týkající se knihovny Streamlit v Pythonu a určitě ji budu snažit použít k zlepšení aplikací ve svém týmu, které jsou vytvořeny v R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurz - GitHub Copilot for Developers
Přeloženo strojem
