Ícono del sitio La Neta Neta

Respaldado por Gradient, Fileread usa modelos de lenguaje grandes para hacer que el descubrimiento legal sea más eficiente

Respaldado por Gradient, Fileread usa modelos de lenguaje grandes para hacer que el descubrimiento legal sea más eficiente

El descubrimiento legal es una de las partes del litigio que consume más tiempo y, por lo general, involucra a un equipo de especialistas que revisan torres de documentos. archivo leídouna startup que utiliza grandes modelos de aprendizaje de idiomas (LLM) para crear herramientas para un descubrimiento más rápido y eficiente, anunció hoy que ha recaudado $ 6 millones en fondos iniciales.

La ronda fue liderada por Gradient Ventures, el fondo centrado en IA de Google, con la participación de Soma Capital.

Las herramientas de Fileread están destinadas a aumentar las posibilidades de que se encuentre información crucial en el proceso de descubrimiento, a una velocidad más rápida. El cofundador Chan Koh le dijo a TechCrunch que mientras estudiaba ingeniería en Caltech, sus padres perdieron la casa de su infancia durante la crisis de vivienda de 2008 y no entendieron la ley lo suficientemente bien como para encontrar alivio.

“Ser testigo de cómo mis padres lidiaban con el impacto de perder algo por lo que habían trabajado tan duro fue increíblemente doloroso”, dijo. “Después de graduarme, me motivó a construir algo que podría haber ayudado a mis padres y a otras personas en situaciones similares”.

Fileread se fundó en 2020 poco después de que su equipo, dirigido por Koh y el cofundador y codirector ejecutivo Daniel Hu, comenzara a colaborar con Deliberate Democracy Lab de la Universidad de Stanford para analizar sus deliberaciones. Freya Zhou se unió entonces como directora de operaciones y cofundadora, y Fileread construyó su primera plataforma LLM. Esto les hizo darse cuenta del poder que tienen los LLM para encontrar los pasajes correctos de enormes cantidades de texto y que el descubrimiento legal tenía problemas similares a las deliberaciones, pero a una escala mucho mayor.

Los fundadores de Fileread Chan Koh, Freya Zhou y Daniel Hu

Por ejemplo, Fileread se está utilizando actualmente en un caso con más de un millón de documentos, con solo un equipo de 40 a 50 revisores especialistas. Fileread puede ayudarlos a salvarlos respondiendo consultas que consumen mucho tiempo. Los usuarios pueden preguntarle a Fileread cualquier cosa relacionada con el contenido de los documentos subidos a su plataforma. Por ejemplo, si preguntan “quién estuvo involucrado en las transacciones”, Fileread devuelve una lista de todas las posibles respuestas resaltadas en el documento original.

Los equipos legales pueden protegerse contra respuestas incorrectas porque Fileread proporciona citas para cada respuesta de sus LLM, que dirigen a los usuarios a las fuentes originales de la verdad que generaron la respuesta LLM en primer lugar.

Algunas otras nuevas empresas en el espacio legal incluyen Casetext y Harvey. Koh dijo que Fileread se diferencia de Casetext porque el enfoque principal de Casetext está en la investigación de casos en lugar del descubrimiento. Mientras tanto, Harvey se enfoca en servir al mercado más amplio de servicios legales.

La nueva financiación de Fileread se utilizará para contratar, escalar su producto y encontrar nuevas formas de utilizar los LLM para aplicaciones legales.


Source link
Salir de la versión móvil