Die rechtliche Offenlegung ist einer der zeitaufwändigsten Teile eines Rechtsstreits und erfordert in der Regel das Durchsuchen von Dokumententürmen durch ein Team von Spezialisten. Dateilesenein Startup, das große Sprachlernmodelle (LLMs) nutzt, um Tools für eine schnellere und effizientere Entdeckung zu entwickeln, gab heute bekannt, dass es eine Startfinanzierung in Höhe von 6 Millionen US-Dollar erhalten hat.
Angeführt wurde die Runde von Gradient Ventures, dem auf KI spezialisierten Fonds von Google, unter Beteiligung von Soma Capital.
Die Tools von Fileread sollen die Chancen erhöhen, dass wichtige Informationen schneller im Erkennungsprozess gefunden werden. Mitbegründer Chan Koh sagte gegenüber TechCrunch, dass seine Eltern während seines Ingenieurstudiums am Caltech während der Immobilienkrise 2008 das Haus ihrer Kindheit verloren hätten und das Gesetz nicht gut genug verstanden hätten, um Hilfe zu finden.
„Mitzuerleben, wie meine Eltern mit dem Schock zu kämpfen hatten, etwas zu verlieren, wofür sie so hart gearbeitet hatten, war unglaublich schmerzhaft“, sagte er. „Nach meinem Abschluss war ich motiviert, etwas zu bauen, das meinen Eltern und anderen in ähnlichen Situationen hätte helfen können.“
Fileread wurde 2020 gegründet, kurz nachdem sein Team unter der Leitung von Koh und Mitbegründer und Co-CEO Daniel Hu begonnen hatte, mit dem Deliberate Democracy Lab der Stanford University zusammenzuarbeiten, um deren Überlegungen zu analysieren. Freya Zhou trat dann als COO und Mitbegründerin bei und Fileread baute seine erste LLM-Plattform auf. Dadurch wurde ihnen klar, welche Macht LLMs haben, wenn es darum geht, die richtigen Passagen aus riesigen Textmengen zu finden, und dass die rechtliche Entdeckung ähnliche Probleme mit sich bringt wie Beratungen, allerdings in viel größerem Maßstab.
Die Fileread-Gründer Chan Koh, Freya Zhou und Daniel Hu
Beispielsweise wird Fileread derzeit in einem Fall mit mehr als einer Million Dokumenten eingesetzt, wobei nur ein Team aus 40 bis 50 Fachprüfern besteht. Fileread kann ihnen helfen, diese zu sparen, indem es zeitaufwändige Anfragen beantwortet. Benutzer können Fileread alles fragen, was mit dem Inhalt der auf seine Plattform hochgeladenen Dokumente zusammenhängt. Wenn sie beispielsweise fragen, „wer an den Transaktionen beteiligt war“, gibt Fileread eine Liste aller möglichen Antworten zurück, die im Originaldokument hervorgehoben sind.
Rechtsteams können sich vor falschen Antworten schützen, da Fileread zu jeder Antwort aus seinen LLMs Zitate bereitstellt, die Benutzer zu den ursprünglichen Wahrheitsquellen weiterleiten, die die LLM-Antwort überhaupt erst generiert haben.
Zu den weiteren Startups im Rechtsbereich zählen Casetext und Harvey. Koh sagte, Fileread unterscheide sich von Casetext, weil der Schwerpunkt von Casetext auf der Fallforschung statt auf der Entdeckung liege. Mittlerweile konzentriert sich Harvey darauf, den breiteren Markt für Rechtsdienstleistungen zu bedienen.
Die neuen Mittel von Fileread werden für die Einstellung von Mitarbeitern, die Skalierung seines Produkts und die Suche nach neuen Wegen zur Nutzung von LLMs für juristische Anwendungen verwendet.