Perspectivas

Cómo el proceso de aprendizaje activo continuo (CAL) turboalimenta la clasificación y la relevancia en la revisión de documentos

El informe de riesgo global inaugural de J.S. Held examina los posibles riesgos y oportunidades comerciales en 2024

LEER MÁS cerrar Creado con Sketch.
Inicio·Perspectivas·Artículos

Introducción

A menudo, la industria de descubrimiento electrónico utiliza los beneficios de la revisión asistida por tecnología (TAR) y otros métodos de análisis de documentos al abordar las necesidades de un esfuerzo de descubrimiento de documentos. La aplicación típica de estas innovaciones varía desde documentos de autocodificación para cuestiones específicas de casos hasta agrupación de conceptos e identificación casi duplicada. Cuando se aplican de forma conjunta con respaldo de consultoría de asesores confiables y el uso de mejores prácticas de la industria, estas tecnologías han ayudado a equipos legales a reducir de manera efectiva el costo de la revisión de documentos.

Este artículo analiza los beneficios de usar el aprendizaje activo continuo (CAL), que es una forma más rentable, ahorradora de tiempo y flexible de la TAR. Para los investigadores y abogados, el CAL les proporciona la capacidad de identificar los documentos más relevantes en las primeras etapas del proceso de revisión, de modo que los ayuda a desarrollar una estrategia legal más efectiva.

El modelo de TAR tradicional

El análisis predictivo o TAR cuenta con numerosas tonalidades y métodos de aplicación. En todos los métodos de aplicación, la utilización de TAR involucra el uso de estadísticas para mostrar que los documentos dentro de un conjunto de muestras son representativos del balance de documentos sujetos a revisión. También demuestra que determinadas características de los documentos de muestra pueden usarse para identificar documentos similares en el resto del conjunto de revisión.

Medir la efectividad y el nivel de confiabilidad estadística del modelo de TAR recae a menudo en dos valores descriptivos:

  • evocación , o porcentaje de los documentos relevantes identificados al aplicar el modelo de TAR; y
  • precisión , o porcentaje de los documentos verdaderamente relevantes frente a los positivos falsos identificados al aplicar el modelo de TAR.

El objetivo de esta técnica es limitar la cantidad de documentos que necesitan ser revisados por seres humanos y brindar una base estadística que pueda ser examinada y analizada según la exclusión de una porción de los documentos de la revisión.

Con frecuencia, el desarrollo de un modelo de TAR tradicional puede ser un proceso prolongado, repetitivo y complejo en un momento en el que hay una presión significativa para revisar los documentos tan pronto como sea posible de manera de satisfacer las fechas límite de producción impuestas por el tribunal, identificar los principales documentos en un litigio específico y garantizar que los equipos de revisores seleccionados para revisar los documentos del caso estén ocupados no bien comiencen a cobrar por su tiempo. Hasta tanto el modelo de TAR alcance un nivel satisfactorio de precisión y evocación, se utilizarán muestras adicionales o conjuntos de formación en aras de mejorar la efectividad estadística del modelo. Por lo general, la revisión no comenzará hasta que los documentos identificados por el modelo mantengan una tasa de evocación que satisfaga de manera adecuada las necesidades del equipo legal que realiza la revisión.

Los beneficios de priorización del CAL

En contraste, el CAL es una forma de TAR que posibilita que la revisión comience de inmediato, con el beneficio de palabras clave, restricciones de fecha, aplicación de búsquedas de conceptos y otros métodos para enfocar la revisión en las principales cuestiones sin esperar a que conjuntos de formación de muestra seleccionados al azar se revisen y analicen en comparación con todo el grupo de documentos. Esto posibilita ahorrar semanas de pruebas de muestras y formación de modelos en documentos que, en su mayoría, son irrelevantes para las cuestiones que se están analizando.

El CAL funciona a través de un modelo de TAR dinámico que toma en cuenta todas las decisiones hechas por el equipo de revisión sobre los documentos que el equipo del caso considera que tienen la información más relevante. Los aportes de la revisión de documentos en curso se incorporan de forma continua en el modelo de CAL. Además, el CAL puede usarse para priorizar de forma continua los documentos que llegan a la revisión, lo que lleva a un aumento gradual de la cantidad de documentos relevantes e importantes que ve un revisor a medida que avanza por el proceso. Este cambio procesal es crucialmente importante para investigaciones o asuntos que involucran presuntas cuestiones no comprendidas por completo por el equipo de revisión legal, ya que mejora la velocidad con la que el equipo puede acceder a documentos del caso vitales. El cambio también brinda la flexibilidad de adaptar los documentos que se están agrupando para la revisión según nuevas prioridades a medida que surge nueva información.

Se ha comprobado que la revisión de documentos por fuerza bruta o revisión lineal de documentos es ineficiente y menos precisa en comparación con los modelos de TAR. No obstante, siguen existiendo instancias en las que la TAR no es utilizada por un equipo legal debido al compromiso de tiempo inicial requerido (a veces, significativo) que es parte del desarrollo de un modelo de TAR tradicional. A menudo, debe repetirse el esfuerzo de formación, lo que genera un proceso que demanda mucho tiempo durante los días más críticos de un caso. Puede ser problemático para los abogados justificar el tiempo perdido en este proceso, particularmente en investigaciones o litigios complejos en los que el tiempo es esencial durante las cruciales primeras etapas de la revisión.

Identificar documentos clave que tienen un impacto significativo en la estrategia legal de un asunto y actuar de manera acorde añaden más presión al equipo de revisión para que este acelere la revisión de documentos. Un documento importante puede tener un impacto en varias decisiones, desde cómo interrogar a determinados testigos hasta decisiones de acuerdos en las primeras etapas. A menudo, los equipos legales sopesan el tiempo y costo asociados con el uso de modelos de TAR frente a comenzar una revisión más rápido con estrategias de selección de documentos menos sofisticadas, como aplicación de palabras clave y conceptos, filtrado de fechas, etc. El CAL cambia el cálculo asociado con estas decisiones, ya que proporciona los beneficios de comenzar la revisión de inmediato con las ventajas de un modelo de TAR que limitará el total de documentos por revisar en el asunto.

El CAL turboalimenta la velocidad y efectividad de una revisión de documentos. No solo evita la revisión de múltiples modelos de capacitación al inicio de un asunto, necesarios para formar un modelo de TAR tradicional, sino que también puede usarse para mejorar de manera continua la cantidad de documentos relevantes que un revisor ve en cada lote de documentos analizados durante una revisión, lo que es particularmente importante durante los primeros días críticos de un asunto. Al mejorar de forma continua la precisión de cada lote que un revisor selecciona para revisar, el modelo expone documentos relevantes en la primera etapa de la revisión y brinda al equipo legal la oportunidad de actuar y tomar decisiones sobre la base de los documentos identificados en las primeras etapas de la revisión de documentos. Además, agrupar de forma dinámica los documentos de este modo mejora la eficiencia del equipo de revisión de documentos, ya que se presentan menos documentos sin respuesta dentro de un lote de revisión. Además, los modelos de CAL no se limitan a decisiones de relevancia. Pueden crearse y aplicarse a cualquier decisión de documento que se esté utilizando para clasificar documentos en una revisión, lo que incluye cuestiones de casos, anotaciones de cumplimiento, marcadores de interés o importancia, etc.

Conclusión

Las investigaciones pueden obtener grandes beneficios a través de la aplicación de modelos de CAL debido a su capacidad de encontrar los documentos más relevantes en las primeras etapas de una revisión. Del mismo modo, los esfuerzos de revisión de documentos más pequeños pueden beneficiarse particularmente del uso de CAL, ya que no se requiere la formación del modelo inicial para obtener los beneficios de un modelo de TAR.

El proceso de revisión de documentos puede demandar mucho tiempo, ser costoso y requerir un alto grado de precisión de discernimiento. El uso de modelos de TAR para mejorar los costos asociados con la revisión de documentos a través de la eliminación de grandes grupos de documentos irrelevantes de la revisión los ha convertido en un componente importante de un esfuerzo de revisión de documentos exitoso. El CAL mejora la aplicación de TAR tradicional, ya que elimina el proceso de formación de muestras inicial y posibilita que la revisión se haga lo más rápido posible. El CAL también puede aplicarse a asuntos más pequeños para mejorar la velocidad y eficiencia asociadas con revisiones de documentos en una escala más pequeña.

Cuando comience su próxima revisión de documentos, busque un sistema de revisión de documentos que ofrezca CAL y loteo dinámico de conjuntos de revisión, además de un equipo de asesores confiables que le orienten en el proceso. Sus clientes no solo disfrutarán de menores costos asociados con el esfuerzo de revisión de documentos, sino que es posible que el análisis legal mejore al tener acceso a documentos clave en las primeras etapas de la revisión.

Reconocimientos

Nos gustaría agradecer a Stephen O'Malley por proporcionar sus conocimientos y experiencia, que han sido de gran ayuda en esta investigación.

Mike Gaudet es un director general que presta servicios de Descubrimiento e Investigaciones Digitales en la práctica de Investigaciones Globales de J.S. Held. Ha participado en algunas de las investigaciones multinacionales de mayor envergadura y ha sido perito en las áreas de análisis y restauración de datos electrónicos, mejores prácticas de descubrimiento electrónico y pruebas de software de computadora relacionado. Es experto en eDiscovery (medios de prueba de fuentes electrónicas) y analista de datos. Stephen cuenta con amplia experiencia en importantes investigaciones de fraude y corrupción, lo que incluye FCPA, estafas piramidales, investigaciones del Departamento de Justicia de los EE. UU. y la SEC; litigios con múltiples jurisdicciones involucradas; aprovisionamiento de pruebas para respaldo en litigios; y análisis avanzado de datos.

Puede contactarse con Stephen enviando un correo electrónico a [email protected] o llamando al +1 718 510 5617.

Encuentre su experto.

Esta publicación es solo para fines educativos y de información general. Puede contener errores y se proporciona tal cual. No tiene el propósito de brindar asesoramiento específico, legal o de otro tipo. Las opiniones y los puntos de vista no son necesariamente los de J.S. Held o sus afiliados, y no debe asumirse que J.S. Held se suscribe a cualquier método, interpretación o análisis en particular simplemente porque aparece en esta publicación. Negamos cualquier representación y/o garantía con respecto a la exactitud, puntualidad, calidad o aplicabilidad de cualquiera de los contenidos. Usted no debe actuar, o dejar de actuar, en función de esta publicación, y renunciamos a toda responsabilidad con respecto a tales acciones o falta de acción. No asumimos ninguna responsabilidad por la información contenida en esta publicación y rechazamos cualquier responsabilidad o daño con respecto a dicha información. Esta publicación no sustituye el asesoramiento legal competente. El contenido del presente documento puede ser actualizado o modificado de otro modo sin previo aviso.

Usted también podría estar interesado en
Perspectivas

Protección de los datos en la nube y mitigación de los riesgos cibernéticos asociados con una fuerza laboral remota

Este documento analiza los riesgos inherentes a la protección de los datos electrónicos del cliente en plataformas en la nube que han surgido con la proliferación de los entornos de trabajo en el hogar. También explica por qué es importante para los usuarios…

Perspectivas

Privacidad de datos en 2023: Expectativas, responsabilidades y tácticas de seguridad cibernética para salvaguardar su información

A medida que más aspectos de nuestras vidas y trabajo se digitalizan, la superposición inherente entre la privacidad de los datos y los programas de seguridad cibernética se hace cada vez más evidente. En este artículo, damos una mirada inicial a la relación entre la privacidad de datos y la seguridad cibernética...

 
PERSPECTIVAS DE LA INDUSTRIA
Manténgase al día con las últimas investigaciones y anuncios de nuestro equipo.
Nuestros expertos