ఫెడరల్ కోర్టులు ఇప్పుడు కొత్త రకమైన AI ఒత్తిడిని చూస్తున్నాయి
MIT మరియు University of Southern California పరిశోధకుల కొత్త అధ్యయనం, జనరేటివ్ AI అమెరికా న్యాయ వ్యవస్థకు ప్రాప్యతను ప్రత్యక్షంగా, కొలిచే విధంగా మార్చుతోందని సూచిస్తోంది. ChatGPT విస్తృతంగా అందుబాటులోకి వచ్చిన తర్వాత అమెరికా ఫెడరల్ సివిల్ కోర్టుల్లో న్యాయవాది లేకుండా దాఖలు చేసే కేసులు గణనీయంగా పెరిగాయని, ఇప్పుడు ప్రతి ఐదు ఫిర్యాదుల్లో ఒకటిలో AI-సృష్టించిన పాఠ్యం ఉందని పరిశోధకులు గుర్తించారు. న్యాయవాదిని భరించలేని వారికి ఇది ప్రజాస్వామ్యీకరణలా కనిపించినా, ఇప్పుడు న్యాయమూర్తులు మరియు కోర్టు సిబ్బందిపై ఆపరేషన్ ఒత్తిడిగా కూడా మారుతోంది.
ఈ అధ్యయనం ఆర్థిక సంవత్సరం 2005 నుండి 2026 వరకు విస్తరించిన 4.5 మిలియన్ సివిల్ కేసులతో పాటు, ఫెడరల్ ఎలక్ట్రానిక్ కేస్ రిజిస్ట్రీ PACER నుండి 46 మిలియన్ ఎంట్రీలను విశ్లేషించింది. దీని ప్రధాన కొలమానం pro se rate, అంటే తమను తాము ప్రాతినిధ్యం వహిస్తూ దాఖలు చేసిన కేసుల వాటా. దాదాపు రెండు దశాబ్దాల పాటు ఆ రేటు ఫెడరల్ సివిల్ కేసుల్లో సుమారు 11 శాతం వద్ద స్థిరంగా నిలిచింది. ఆర్థిక సంవత్సరం 2025లో అది 16.8 శాతానికి ఎగబాకింది, ఆ సంవత్సరంలో మాత్రమే 41,490 pro se దాఖలాలు నమోదయ్యాయి, ఇది అధ్యయనంలో వివరించిన AI-ముందరి సగటు కంటే దాదాపు రెండింతలు.
ఈ పెరుగుదల ముఖ్యమైనది, ఎందుకంటే ఫెడరల్ కోర్టు స్వయంగా వాదించే litigants కు అత్యంత సులభమైన వేదిక కాదు. దాఖలు ఫీజులు ఎక్కువగా ఉంటాయి, formal pleading ప్రమాణాలు కఠినంగా ఉంటాయి, మరియు అమెరికాలోని సివిల్ litigationలో ఎక్కువ భాగం రాష్ట్ర, స్థానిక కోర్టుల్లోనే జరుగుతుంది. ఫెడరల్ దాఖలాల్లో ఈ స్థాయి AI-సంబంధిత వృద్ధి కనిపిస్తే, దిగువ కోర్టుల్లో ప్రభావం ఇంకా పెద్దదిగా ఉండొచ్చని పరిశోధకులు వాదిస్తున్నారు. మరొక మాటలో, ఫెడరల్ గణాంకాలు విస్తృత మార్పులో కనిపించే ముందరి అంచుగా ఉండవచ్చు.
AI ఎక్కడ సహాయపడుతోంది, ఎక్కడ కాదు
ఈ నమూనా అన్ని రకాల కేసుల్లో సమానంగా లేదు. ఫిర్యాదును తరచుగా పరిచిత టెంప్లేట్లు, ప్రక్రియాత్మక ఫారమ్ల చుట్టూ క్రమబద్ధీకరించగల ప్రాంతాల్లో, ముఖ్యంగా civil rights claims, consumer credit disputes, మరియు foreclosure-సంబంధిత దాఖలాల్లో, వృద్ధి కేంద్రీకృతమైంది. దీనికి భిన్నంగా, patent law లేదా securities law వంటి లోతైన నిపుణుల జ్ఞానంపై ఆధారపడే రంగాలు ఈ అధ్యయనంలో పోలి ఉండే ప్రభావాన్ని చూపలేదు.
ఆ వ్యత్యాసం ఈ అధ్యయనంలోని అత్యంత ముఖ్యమైన కనుగొనగలిగిన విషయాలలో ఒకటి. పెద్ద భాషా మోడళ్లు ఒక నిర్దిష్ట అడ్డంకిని తగ్గిస్తున్నట్లు కనిపిస్తున్నాయి: ప్రక్రియాపరంగా సరైన పత్రాలను తయారు చేయడం. అవి న్యాయ వ్యవస్థ యొక్క సంపూర్ణ సంక్లిష్టతను సూటిగా మార్చడం లేదు. సరళమైన లేదా ఎక్కువగా ప్రమాణీకరించిన వివాదాల్లో, AI ఒక న్యాయవాది కాని వ్యక్తికి కోర్టులో దాఖలు చేయడానికి సరిపడేలా కనిపించే ఫిర్యాదును తయారు చేయడంలో సహాయపడుతుంది. అత్యంత సాంకేతికమైన litigationలో ఆ ప్రయోజనం పరిమితంగానే కనిపిస్తోంది.
ఈ పెరుగుదల వాది పక్షంలోనే ఎక్కువగా కేంద్రీకృతమై ఉంది, మరియు 50 రాష్ట్రాల్లో 44 రాష్ట్రాల్లో ఒకేసారి కనిపిస్తోంది; పరిశోధకులు దీనిని స్థానిక వివరణలకు వ్యతిరేకమైన సాక్ష్యంగా భావిస్తున్నారు. ఈ విస్తృత భౌగోళిక వ్యాప్తి, ఇది కొన్ని ప్రాంతీయ న్యాయ ధోరణులకన్నా జాతీయ సాంకేతిక మార్పుతో సంబంధముందని బలపరుస్తోంది.
ఫైలింగ్ సమస్యకన్నా పని భారమే పెద్దదై ఉండొచ్చు
ఈ అధ్యయనం కోర్టు ఫలితాల్లో ఒక పతనాన్ని వివరించదు. కేసుల వ్యవధులు, ఫలితాల పంపిణీలు ఎక్కువగా మారలేదని చెబుతోంది. కానీ దాని అర్థం వ్యవస్థ ప్రభావితం కాలేదని కాదు. మరింత తక్షణ ఒత్తిడి ప్రతి కేసులోని కార్యకలాపాల పరిమాణంలో కనిపిస్తోంది.
పరిశోధకుల ప్రకారం, కేసు ప్రారంభమైన మొదటి 180 రోజుల్లో pro se వాదుల నుండి కోర్టు docket ఎంట్రీల సంఖ్య 2025 రెండో త్రైమాసిక నాటికి AI-ముందరి సగటుతో పోలిస్తే 158 శాతం ఎక్కువగా ఉంది. ఆ ప్రతి ఎంట్రీకి దృష్టి అవసరం. motions, responses, orders, procedural notices, మరియు corrections అన్నీ సిబ్బంది సమయాన్ని తీసుకుంటాయి. ఒక దాఖలు కేసును గణనీయంగా ముందుకు నడపకపోయినా, ఎవరో ఒకరు దాన్ని ప్రాసెస్ చేయాల్సిందే.
ప్రతినిధిత్వం ఉన్న కేసుల్లో కూడా ఎంట్రీలు పెరుగుతున్నాయని అధ్యయనం చెబుతోంది, కేసుకు 23 శాతం పెరుగుదలతో, ఇది న్యాయవాదులు మరియు సంస్థలు కూడా పెద్ద భాషా మోడళ్లను వాడుతున్నారని సూచిస్తుంది. ఆ వివరాన్ని సులభంగా గమనించకపోవచ్చు, కానీ అది విస్తృత పరిపాలనా మార్పును సూచిస్తోంది. AI కొత్త వినియోగదారులను వ్యవస్థలోకి తీసుకువస్తున్నదే కాదు. అన్ని రకాల litigants పత్రాలను తయారు చేసే వేగాన్ని కూడా పెంచుతోంది.
న్యాయం అందుబాటు మరియు పరిపాలనా భారము ఒకేసారి వస్తున్నాయి
AI న్యాయ ఖాళీని తగ్గించగలదనే ఆలోచన సహజంగా ఆకర్షణీయంగా ఉంటుంది. న్యాయ సేవలు ఖరీదైనవి, మరియు చట్టబద్ధమైన ఫిర్యాదులు ఉన్న అనేక మంది ప్రక్రియాత్మక భారము అధికంగా ఉండటంతో కోర్టు వరకు చేరుకోలేరు. AI టూల్స్ ఎవరికైనా ఫిర్యాదు తయారు చేయడంలో, వాస్తవాలను క్రమబద్ధీకరించడంలో, మరియు formalities ను నావిగేట్ చేయడంలో సహాయపడితే, అది access కు విజయం లాగా కనిపించవచ్చు.
కానీ ఈ అధ్యయనం access మరియు overload కలిసి వస్తున్నాయని సూచిస్తోంది. ఫెడరల్ న్యాయమూర్తులు filings వరదను నియంత్రించడానికి మరింత కఠినమైన చర్యలను అవలంబిస్తున్నారని నివేదికలు చెబుతున్నాయి. అనేక ఫిర్యాదులు నిజాయితీగానే ఉన్నా, వ్యవస్థ ఇప్పటికీ సూత్రీకృతమైన, పునరావృతమయ్యే, లేదా కోర్టు నియమాలకు కేవలం పైపైగా మాత్రమే సరిపోయే పెద్ద పరిమాణపు పత్రాలను గ్రహించాల్సి వస్తోంది. మానవ పరిమితులను దృష్టిలో ఉంచుకుని రూపొందించిన కోర్టు వ్యవస్థ ఇప్పుడు సాఫ్ట్వేర్-సహాయిత సమృద్ధిని ఎదుర్కొంటోంది.
దీని వలన ఒక policy dilemma ఏర్పడుతుంది. AI-సృష్టించిన దాఖలాలను అత్యంత కఠినంగా పరిమితం చేయడం నిజంగా సహాయం అవసరమైన వారిని వెలివేయొచ్చు. అదే సమయంలో, ఆ మార్పును సర్దుబాటు లేకుండా విస్తరించనిస్తే ఇప్పటికే భారంతో ఉన్న కోర్టులు మరింత నెమ్మదించవచ్చు. సవాలు AI legal drafting లో ఉండాలా లేదా అన్నది కాదు. సవాలు అనేది అర్థవంతమైన access ను విస్తరించే సహాయం మరియు పరిపాలనా శబ్దాన్ని పెంచే output మధ్య సంస్థలు తేడా చెప్పగలవా అన్నదే.
ఈ మార్పు తరువాత ఏమి సూచించవచ్చు
అత్యంత తక్షణ ప్రభావం ఆపరేషనల్ది. కోర్టులకు కొత్త screening procedures, మరింత స్పష్టమైన disclosure expectations, లేదా స్వయంగా దాఖలు చేసే ఫిర్యాదులకు బలమైన formatting, verification నియమాలు అవసరం కావచ్చు. అధిక దాఖలు పరిమాణాన్ని తట్టుకునేలా రూపొందించిన సిబ్బంది సామర్థ్యం, digital workflows లో కూడా పెట్టుబడి పెట్టాల్సి రావచ్చు.
లోతైన ప్రభావం సాంస్కృతికం. జనరేటివ్ AI, formal legal action ప్రారంభించగల సామర్థ్యం తమకు ఉందని అనుభూతి చెందే వారి సంఖ్యను మార్చుతోంది. ఒకప్పుడు డబ్బు, నైపుణ్యం, లేదా రెండూ అవసరమైన ఫిర్యాదు, ఇప్పుడు ఒక prompt తో నిమిషాల్లో తయారవుతుంది. అది బలమైన కేసును హామీ ఇవ్వదు, కానీ పాల్గొనే కనిష్ఠ స్థాయిని మార్చుతుంది.
ఈ threshold మార్పు చారిత్రకంగా ముఖ్యమైనదిగా అధ్యయనం పేర్కొంటోంది. సంవత్సరాలుగా ఫెడరల్ pro se రేటు ఆశ్చర్యకరమైన స్థిరత్వాన్ని చూపించింది. ChatGPT తర్వాతి పెరుగుదల ఆ దీర్ఘ ప్యాటర్న్ను చెరిపేసింది. ఇది న్యాయ ప్రాప్యత యొక్క స్థిరమైన విస్తరణగా మారుతుందా, లేక శాశ్వత paperwork crisis గా మారుతుందా అన్నది models కన్నా కోర్టులు కొత్త machine-assisted advocacy volume కు ఎంత వేగంగా సరిపోయేలా మారతాయనే దానిపై ఎక్కువగా ఆధారపడవచ్చు.
ఈ వ్యాసం The Decoder నివేదికపై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.
Originally published on the-decoder.com



