آیا عوامل هوش مصنوعی می‌توانند وکیل شوند؟

پیشرفت مدل‌های هوش مصنوعی در وظایف تخصصی وکالت

پیشرفت‌های چشمگیر در توانایی‌های مدل‌های بنیادین هوش مصنوعی، ارزیابی‌های اخیر در زمینه انجام وظایف حرفه‌ای مانند وکالت و تحلیل شرکتی را به شدت تغییر داده است. ماه گذشته، امتیازات در معیار Mercor برای وظایف حقوقی بسیار پایین بود و امید به جایگزینی وکلا با هوش مصنوعی را کم کرده بود. با این حال، این وضعیت به سرعت تغییر کرده است. انتشار Opus 4.6 توسط Anthropic، یک جهش بزرگ در این زمینه ایجاد کرده است؛ این مدل جدید در آزمون‌های تک‌شاتی به نزدیک ۳۰ درصد عملکرد دست یافت و در صورت تکرار تلاش، میانگین امتیاز ۴۵ درصد را کسب کرد. این مدل جدید شامل ویژگی‌های عامل‌محور (agentic) متعددی بود، از جمله «خوشه‌های عامل» (agent swarms) که احتمالاً در حل مسائل چند مرحله‌ای کمک‌کننده بوده‌اند.

این افزایش قابل توجه در عملکرد، از ۱۸.۴ درصد به ۲۹.۸ درصد در مدت چند ماه، نشان دهنده سرعت بالای پیشرفت در مدل‌های بنیادین است. برندان فودی، مدیرعامل Mercor، این پیشرفت را “شگفت‌انگیز” توصیف کرده است. اگرچه رسیدن به امتیاز ۱۰۰ درصد هنوز فاصله زیادی دارد، اما این نتایج نشان می‌دهد که وکلا باید نسبت به آینده شغلی خود اطمینان کمتری داشته باشند. این تحولات بر اهمیت معیارها (benchmarks) و قابلیت‌های عامل‌محور (agentic capabilities) در ارزیابی قدرت واقعی هوش مصنوعی تأکید دارد.

• پیشرفت‌های اخیر نشان می‌دهد که توانایی هوش مصنوعی چندعاملی (Multi-agent AI) در حل مسائل پیچیده حقوقی در حال افزایش است.
• مدل Opus 4.6 یک جهش قابل توجه در رتبه‌بندی قابلیت‌های عامل‌محور ایجاد کرده است.
• امتیازات فعلی هنوز فاصله زیادی با نیازهای وکالت استاندارد دارند، اما روند صعودی نگران‌کننده است.
• ویژگی‌هایی مانند “خوشه‌های عامل” نقش مهمی در بهبود عملکرد در وظایف چند مرحله‌ای داشته‌اند.
• این ارزیابی‌ها بر مدل‌های هوش مصنوعی در حوزه‌هایی مانند تحلیل شرکتی و مسائل حقوقی تمرکز دارند.

“پرش از ۱۸.۴ درصد به ۲۹.۸ درصد در عرض چند ماه دیوانه‌وار است.” این نقل قول از مدیرعامل Mercor، اهمیت مقیاس پیشرفت را درک می‌کند.

“دفاع از شغل وکلا در حال حاضر آسان نیست، زیرا پیشرفت حاصل شده فوق‌العاده سریع است.”

این تحولات جدید در زمینه هوش مصنوعی عامل‌محور، نه تنها صنایع سنتی مانند حقوق را تحت تأثیر قرار می‌دهد، بلکه نشان می‌دهد که چگونه مدل‌های بنیادین با قابلیت‌های جدید می‌توانند به سرعت محدودیت‌های قبلی خود را پشت سر بگذارند و کارایی را در زمینه‌های تخصصی افزایش دهند.