デジタル環境の拡大に伴い、調査や訴訟において多言語データを管理する法務チームは複雑性が増しています。言語の多様化が進むことで、特にテクノロジー支援型レビュー（TAR）ワークフローのモデル訓練時、文書レビューの精度と効率性に影響が生じ得ます。多言語レビューを効果的に進めるには、案件チームが利用可能なツールと戦略を明確に理解する必要があります。

単純能動学習（SAL）は、多くの文書レビューにおいて基礎的かつ必須のアプローチであり続けています。大規模言語モデル（LLM）に専門知識を依存する生成AIとは異なり、SALアプローチでは専門家（SME）が二値分類モデルを訓練します。多言語データが関与する場合、TARモデルのトレーニングはより複雑になる。SMEは、対象となる法的問題を理解すると同時に、データセットに含まれる言語に精通している必要があるためだ。SMEが一つ以上の言語に精通していない場合、ケースチームはデータの適切な処理を確保するための追加手順を検討しなければならない。

多言語データの早期発見が、正当性を担保できるTARレビューを推進する

管理者が複数言語でコミュニケーションを取っているか否かを特定することは、下流工程のリスク軽減、コストのかかる手戻りの回避、そしてレビューワークフローの正確性と正当性の確保に不可欠なステップである。データ収集には予期せぬ要素が潜むため、情報に基づいた効果的なレビュー設計には早期の言語識別が不可欠である。カストディアンへのヒアリングはデータソースやコミュニケーション手段の特定に役立つが、情報不足が生じやすい。レビュー対象範囲内の多言語データの普及状況と範囲を事前に評価することで、ケースチームはモデルトレーニングやレビュー計画に関する情報に基づいた議論を主導できる。これにより依頼者との期待値調整、コストの確立と管理、リスク低減が可能となる。

TARワークフローにおける多言語レビューの選択肢

標準的なTARワークフローを使用する場合、英語以外のコンテンツを処理する主な選択肢は2つあります：多言語モデルまたは言語固有モデルです。レビュー対象言語が少なく、各言語のデータ量が少ない場合、単一のTARモデルまたは翻訳ワークフロー内で母国語を維持する多言語モデルが実用的な解決策となる可能性があります。一方、特定の言語のみが対象でそのデータ量が膨大な場合は、言語固有モデルを検討することが現実的かもしれません。

多言語TARモデル：よりスマートなレビューのための重要な考慮事項

多言語モデルアプローチの適否を評価するには、ケースチームは専門家（SME）の確保可能性と言語能力、データ構成、文書量を考慮し、費用対効果分析を行う必要がある。

1. 流暢な専門家によるレビュー：このオプションでは、流暢な専門家がそれぞれの言語で文書をレビューします。最も議論の余地が少ない単一モデルオプションですが、問題に関する知識を持つ流暢な専門家を確保するのは困難な場合があります。同様に、特定の言語で十分な数のトレーニング文書をレビューするには、専門家にとってより多くの総作業量が必要になる可能性があります。

2. 専門家レビューのための翻訳：このオプションでは、専門家レビューのみを目的として文書を英語に翻訳し、モデル内のテキストは元の言語のまま残し、ツールの言語非依存性に依存します。初期翻訳コストが最も低くなりますが、非英語コンテンツの量が少ない場合、モデルトレーニングに十分な特徴量を抽出するのが困難になる可能性があります。さらに、翻訳過程で文脈が失われる可能性もあります。

3. モデル訓練用翻訳：文書を英語に翻訳し、翻訳テキストをモデルに追加して訓練を行うオプションです。翻訳テキストをTARモデルで使用することで、全文書を単一言語に標準化できるため、特徴抽出プロセスが簡素化され、トレーニング負荷を大幅に軽減できます。また、専門家が慣れた言語で文書を評価できるようになるため、レビューの一貫性が向上し、プロセス全体の効率性と精度が向上します。ただし、初期翻訳コストが最も高く、文脈の欠落リスクについても同様の懸念があります。

言語固有モデルの考慮事項と選択肢

多言語モデルが不十分な場合、ケースチームは言語固有のソリューションを検討することがあります。これらのモデルは、特に複雑な文法や構文を持つ言語において、言語的なニュアンスをより適切に捉えることで精度向上をもたらします。また、翻訳時の誤解や文脈の喪失リスクを低減する助けとなります。しかし、欠点もあります。SME（専門知識を持つ専門家）の確保は費用と時間がかかることが多く、また、これらのSMEが問題に精通していない場合、コーディングの不一致が生じる可能性があります。さらに、モデルごとにトレーニングと検証の負担が増大し、専門家（SME）の作業負荷が増加するとともに、異なる指標セットの管理でリソースが逼迫します。したがって、言語特化モデルはレビュープロセス全体を強化できるものの、精度向上による追加効果は運用負担に見合わない場合が多く、ケースチームは通常、複数の言語を妥当な精度で処理できるモデルを選択する方が効率的かつ経済的であると判断します。これによりコスト削減とレビュープロセスの簡素化が実現します。

eディスカバリーにおける多言語TARの最終的考察

多言語レビューに最適な手法を選択するには、データの構成と複雑性（言語の範囲と量）と、リソースや時間的制約とのバランスを取る必要があります。言語範囲の特定、モデルトレーニングとレビューの計画立案、非英語テキストの取り扱いと提出方法の検討、適切な手法の早期選択を通じて、組織は多言語データの複雑性を乗り越え、下流工程のリスクを軽減し、コストのかかる手戻りを回避できます。多言語データに万能な解決策は存在しません。ケースチームはコンサルタントと連携し、自社のデータ特性、優先事項、目標に沿ったアプローチをカスタマイズすべきです。

従来のTARが多言語データへの構造化されたアプローチを提供する一方、新興ツールは可能性の枠組みを変えつつあります。今後の投稿では、生成AIが多言語レビューをいかに変革しているかを探ります。

Epiqドキュメントレビューサービスについて詳しくはこちら。


デズィー・マーレク、アナリティクスコンサルタント、独占禁止法、Epiq
デズィー・マーレクはEpiqの先進技術部門におけるアナリティクスコンサルタントであり、政府調査を専門としています。外部弁護士やレビューチームと連携し、テクノロジー支援型レビュー（TAR）のベストプラクティスや選択肢に関するコンサルティングを行っています。

デズィーは20年以上のeディスカバリー経験を有します。2020年にEpiq入社以前は、大手eディスカバリーベンダー2社とグローバル法律事務所のインハウス部門で勤務。モンタナ大学で学士号と修士号を取得し、幅広いeディスカバリー認定資格を保持しています。

デズィーはモンタナ州の山岳地帯で育ち、現在はワシントン州北西部に在住しています。