关键要点: AI 审查通过加速文档审查、提升一致性并降低成本，进一步增强技术辅助审查。法律团队将 AI 与 TAR 1.0 及持续主动学习相结合，优化预测式工作流程，在减少人工投入的同时，实现更快、更精准的取证，并显著提升问题标签的准确性。

基于生成式 AI 与大语言模型的最新 AI 审查能力，正在重塑法律取证流程。新一代 AI 审查平台并非取代技术辅助审查，而是成为法律团队的有力补充，显著提升准确性、降低成本并加快整体进度。要真正转变预测式工作流程，法律团队应以 AI 审查补充并训练 TAR 1.0，同时将持续主动学习与 AI 审查结合，实现更快速、更一致且更具成本效益的取证。

以 AI 审查补充 TAR 1.0

现代取证流程通常从筛除无关文档开始。TAR 1.0 通过少量训练样本即可将大规模数据量缩减多达百分之七十，是一种可靠的方法。但成本最高的环节仍然是人工审查。

引入 AI 审查后，与 TAR 1.0 结合使用，AI 可承担一级审查工作，不仅对文档进行相关性标注，还可完成特权与问题编码。随后，将更高价值的数据集交由律师团队复核，从而减少大量人工审查需求并加快交付速度。

使用 AI 审查训练 TAR 模型

TAR 模型的训练资源消耗高，通常需要律师手动标注数千份文档。AI 审查平台可在极短时间内完成同等规模的审查工作，通常仅需一至两名领域专家参与。这种混合方法结合了 TAR 的筛选能力与 AI 的高精度标注优势，通过问题编码与敏感性标记等方式创造更高价值，例如高度敏感内容与潜在特权信息。

在实践中以 AI 审查补充 TAR

在 TAR 完成优先级筛选后，更新律师对重点数据集的复核相对直接。但真正使用 AI 审查来训练 TAR 模型，在实践中往往更具挑战。训练 TAR 模型所节省的时间与人力价值显著，但案件团队必须持续监控并验证 AI 审查所作出的判断，尤其是在案件问题较为复杂时。能够对流程进行清晰记录并加以解释至关重要。经案件团队审慎复核与确认的 AI 决策，既能显著节省时间，也能提升整体流程的可辩护性。

将持续主动学习与 AI 审查相结合

CAL 工作流程依赖反复的人工审查来训练模型，从而降低明显无关文档的审查优先级。AI 审查可嵌入这一循环，在部分数据批次中替代人工审查。随着每一轮迭代，CAL 系统不断吸收新信息并更新优先级排序。对于信息密度极低的数据集，使用 AI 驱动 CAL 审查尤为有效，在通过抽样与质量控制保持审查质量的同时，加快模型学习速度。

AI 审查是文档审查与问题标签的重要工具，尤其能够显著减少律师在训练 TAR 模型上投入的时间，并在关键层面提升一致性。当文档编码不一致时，TAR 模型的效果往往会受到影响。

由于 TAR 从未真正适用于问题编码，AI 审查进一步取代了一级审查环节。它可直接输出已完成相关性、问题标签、重点内容以及潜在特权信息标注的结果。

人工仍然是这一流程中不可或缺的一环。律师团队在交付前负责验证预测编码与大语言模型的输出。AI 只是加速人工审查过程，从而释放时间，用于更高价值的工作。

AI 审查与 TAR 的组合在以下场景中尤为出色:

• 训练成本高、数据规模庞大的大型案件
• 需要超越相关性的问题编码项目
• 交付周期紧迫的事项
• 交付前需要完整二级审查的流程
• 内容复杂、显著拖慢人工审查效率的材料

随着法务部门不断为业务创造更高层次的战略价值，律师事务所也在寻求保持竞争力并降低成本，将 AI 审查与传统预测编码相结合，为取证流程提供了一种面向未来的解决方案。

了解更多关于 Epiq AI Discovery Assistant™的信息。

作为 Epiq 的项目管理高级总监，Jon 与律师事务所及企业法务团队紧密合作，共同打造新一代法律取证与信息治理工具和服务。他经常在电子取证行业会议上发表演讲，探讨 AI 的实际应用以及行业的未来发展方向。