Jutaan orang Jerman bergelut dengan pertanyaan hukum. Jika Anda tidak ingin menyewa pengacara di masa depan, Anda harus mencoba algoritma Kelsen.

Kelsen: Algoritma belajar mandiri untuk pertanyaan hukum

Bisakah majikan saya memecat saya tanpa peringatan? Atau: Apa konsekuensinya jika saya menyewakan apartemen saya tanpa izin pemiliknya? Algoritme belajar mandiri ingin menjawab pertanyaan hukum seperti ini Kelsen menjawab secara real time di masa depan. Namun, jalan untuk mencapainya masih panjang, karena startup LegalTech dari Berlin masih berada pada tahap awal: Kelsen sejauh ini hanya menjawab pertanyaan dengan benar sebanyak 30 persen. Startup ini adalah salah satu dari tujuh peserta kelas kedua Microsoft Accelerator, yang mengucapkan selamat tinggal pada Demo Day pada bulan Desember. Itu menang melawan 500 pelamar.

Sergio Aragón, pendiri dan CEO Kelsen, yang juga seorang pengacara, menjelaskan dalam sebuah wawancara dengan Gründerszene cara kerja algoritme, apakah algoritme tersebut akan memberikan jawaban yang 100 persen benar, dan mengapa terdapat potensi besar di sektor B2B.

Sergio, kenapa kamu mengerjakan Kelsen?

Kami tahu bahwa hampir setiap orang dihadapkan pada masalah hukum setiap hari, namun Anda tidak bisa atau tidak selalu ingin segera menyewa pengacara. Hampir setiap kasus hukum pernah terjadi di suatu tempat, setiap pertanyaan hukum pernah ditanyakan pada suatu saat. Selain itu, para pengacara sendiri menghabiskan banyak waktu untuk mencari kasus hukum dan undang-undang yang relevan karena datanya sulit ditemukan dan terlalu tidak terstruktur. Kami ingin mengubahnya dengan menyusun, menganalisis, dan membuat data tidak terstruktur dari semua sumber hukum Jerman tersedia untuk semua orang.

Sumber data apa yang Anda gunakan?

Kami menyusun data hukum dari semua sumber hukum Jerman yang ada, yaitu undang-undang, kasus hukum, artikel spesialis, dan forum diskusi.

Tahap perkembangan apa yang Anda jalani saat ini?

Kami meluncurkan prototipe kami pada bulan Desember, yang saat ini mencakup 500.000 kasus hukum di semua disiplin ilmu. Secara umum, proyek kami dapat dibagi menjadi dua bidang utama: Big Data dan Machine Learning. Saat ini kami fokus pada big data, yaitu pengumpulan dan penataan data hukum dalam jumlah besar. Perkembangan lebih lanjut dari pembelajaran mesin terjadi kemudian, meskipun kami telah menggunakan beberapa fitur seperti algoritma pemrosesan bahasa alami dasar untuk memahami pertanyaan yang dimasukkan dalam bahasa alami.

Apakah ada peta jalan untuk pencapaian ini dan produk akhirnya?

Ini jelas merupakan proyek yang sangat kompleks. Selama beberapa bulan ke depan, kami ingin sebanyak mungkin pengguna membombardir Kelsen dengan pertanyaan dan mengevaluasi hasilnya sehingga algoritme dapat belajar. Kami ingin menyusun 90 persen dari seluruh sumber daya hukum Jerman pada pertengahan tahun ini. Pada saat yang sama, kami secara bertahap akan mengintegrasikan teknologi pembelajaran mesin baru untuk meningkatkan hasil Kelsen.

Anda sedang menjawab pertanyaan dengan akurasi 30 persen. Bisakah Anda mencapai 100 persen?

Itu tergantung pada apa yang Anda maksud dengan akurasi. Bagi kami, ini berarti sejauh mana algoritme memahami pertanyaan pengguna dan menyediakan kasus yang sesuai. Kelsen mungkin tidak akan pernah mencapai akurasi 100 persen karena setiap pertanyaan bersifat individual.

Namun, kisarannya sangat besar antara 30 hingga 100 persen.

Kami ingin terus meningkatkan akurasi. Dan kami telah melihat peningkatan pertama sejak peluncurannya pada bulan Desember. Pertanyaan yang sering diajukan tentang hukum persewaan atau hukum keluarga terkadang sudah sangat tepat. Namun meski sumber data bertambah, keakuratannya akan terus meningkat. Kami memperkirakan akurasi sekitar 85 persen dalam waktu sekitar dua tahun adalah hal yang sangat realistis.

Anda adalah bagian dari Microsoft Accelerator. Apakah Microsoft berharap menggunakan algoritme Anda sendiri?

Sejauh ini belum ada niat untuk menggunakan perangkat lunak kami atau membeli kami, tapi untuk itu masih terlalu dini.

Apakah berpartisipasi dalam akselerator masih bernilai?

Sangat. Bukan hanya empat bulan bersama mentor dan bertukar pengalaman dengan startup lain. Hal yang paling berharga bagi kami adalah kami dapat berbicara dengan beberapa spesialis. Misalnya, kami mengobrol selama dua jam dengan Travis Barrett, salah satu pemikir Microsoft paling cerdas di bidang pembelajaran mesin. Itu sangat penting bagi kami.

Anda masih duduk di kantor Microsoft. Apa yang terjadi selanjutnya?

Kami mungkin akan kembali ke Betahaus dan sedang mencari kantor.

Dan apakah Anda sekaligus mencari pembiayaan?

Kami memiliki peta jalan yang sangat rumit dan oleh karena itu secara khusus mencari investor yang benar-benar memahami model bisnisnya. Pembelajaran mesin tidak sebanding dengan model pasar. Pada putaran pra-seed kami membutuhkan modal sekitar 100.000 hingga 250.000 euro.

Bagaimana Anda ingin mendapatkan uang?

Di area B2C, kami menawarkan Kelsen kepada pengguna sebagai model freemium. Namun bidang yang jauh lebih besar, lebih menguntungkan, dan lebih menuntut adalah B2B. Yang terpenting, kami menyusun dan menganalisis data hukum, yang sangat berharga bagi setiap pengacara, akademisi, atau mahasiswa hukum. Sekitar 30 persen waktu seorang pengacara dihabiskan hanya untuk melakukan penelitian. Sebagai SaaS, kami akan menawarkan Kelsen kepada firma hukum sebagai sistem informasi hukum alternatif yang tidak hanya memudahkan penelitian mereka, namun juga meningkatkan hasil pencarian serta mengungkap dan memvisualisasikan hubungan relevan antar kasus hukum. Selain itu, Kelsen dimaksudkan untuk menjadi alat pengelolaan data yang efisien bagi firma hukum dan lembaga publik yang bekerja dengan data hukum dalam jumlah besar.

Sergio, terima kasih atas wawancaranya.

Foto: Kelsen