Kísérletek az OpenAI chat API-val ügyvédi irodai felhasználásra

Megjelent 2023. március 19-én, eredetileg angol nyelven.

Milyen módon használhatja egy ügyvédi iroda a ChatGTP-ben rejlő lehetőségeket? Pontos ez a megfogalmazás egyáltalán? Hogyan épül fel az AI-ként emlegetett chatbot, és mi az, amit jogászként ebből tudni érdemes? Homoki Péter járja körbe a kérdéseket. 

Bevezetés

A demó “ügyvédi iroda chatbot” a https://chatbotdemo.homoki.net oldalon érhető el. A chatbot az OpenAI által kínált API hozzáférést használja, ezen belül a GPT 3.5 motor ún. chatszöveg kiegészítő (a továbbiakban az eredeti nevén: „chat completion”) funkcióját. Egyszerűbben: ez a chatbot lényegében azt demonstrálja, hogy miként is lehet az egyébként rendkívül sikeres ChatGPT-t kis ügyvédi irodákban is használni.

A kísérletezés és a tapasztalatszerzés kedvéért március 15-étől kezdődően némi időt töltöttem az OpenAI API-t használó egyszerű kis frontend létrehozásával. A célom az volt, hogy a chatbot használatát olyan módon szabjam testre, hogy az képet adjon arról, hogy a kis ügyvédi irodák miként is használhatják ezt az eszközt.

A legegyszerűbb, leginformatívabb, bár valószínűleg nem a leghasznosabb alkalmazással kezdtem: egy chatrobot kialakításával. Az OpenAI GPT 3.5/4 modellhez írtam egy frontendet, a jelenleg elérhető API-t és az OpenAI által biztosított szabványos módszereket használva. Megpróbáltam úgy testre szabni a használatot, hogy az megközelítse azt, amit egy kis ügyvédi iroda (mint például az enyém) elméletileg elvárhat egy ilyen chatbottól.

Ez a megközelítés arra kényszerített, hogy számba vegyem a felhasználás gyakorlati kérdéseit és a lehetséges deontológiai kockázatokat is, legalábbis azokat, amelyek a magyar ügyvédek esetén irányadóak.[1] Így bár ez a demó chatbot pusztán kutatási célokat szolgál, mégis annyira valós, amennyire csak lehet.

A cikk ügyvédek, jogászok számára szól, így nem a demó mögött álló – meglehetősen primitív – programozás az érdekes.[2] Az ügyvédek számára általában az sem lényeges, hogy ki működtet egy-egy technikai modellt, mi annak a pontos neve, és hogyan is működnek a technikai részek stb. A modellel való több órás munka után azonban az a meggyőződésem, hogy feltétlenül szükséges, hogy e szakma szélesebb közönsége részletesebben is elmélyedjen ezekben a jellemzőkben.

Még több évnyi kutatás után is egyszerűen elképesztő a nyelvi modell képessége. Rengeteg olyan lehetőséget látok benne, amely a jogi szakemberek számára is releváns, és mindez azt jelzi, hogy az ilyen modellek a korábbi elképzelésekhez képest jóval rövidebb idő alatt megváltoztathatják a munkánkat.

A témával kapcsolatos tavalyi kutatások sok szempontból elavulttá váltak: melyek a tényleges képességek, melyek a legígéretesebb eszközök a konkrét célok eléréséhez, mi válhat valósággá néhány éven belül. És a tavalyi aggodalmak egy része sem aktuális már.

Látva tehát ennek az alapvető modellnek a képességeit, meg vagyok győződve arról, hogy a hasonló nagy nyelvi modellek mélyreható hatással lesznek az ügyvédek jövőbeli munkájára, a hivatás minden szegmensében.

Éppen ezért úgy gondolom, hogy nem időpocsékolás az sem, ha minden ügyvéd, legyen bármilyen tapasztalt is, rászánja az időt, hogy jobban megértse, miként működnek ezek a modellek, milyen korlátozásokra kell számítanunk, és jelenleg milyen korlátokat látunk.

A bemutatót ürügyként használva szeretném megosztani Önökkel az OpenAI GPT modellekkel kapcsolatos eddigi tapasztalataimat, és egy kis háttérinformációt nyújtani erről. Még ha ezeknek az alapvető információknak egy része technikai jellegű is, csak azokat az információkat emeltem ki, amelyek egy ügyvéd szempontjából is relevánsak lehetnek a későbbi felhasználás szempontjából. Úgy vélem, hogy ezzel a narratívával egyúttal egy olyan alapvető struktúrát is lefektethetünk, amelyet elősegítik, hogy e téren a jövőbeni, feltétlenül szükséges vitákat lefolytathassuk: hogyan lesznek képesek az ügyvédek használni az ilyen ún. alapmodelleket.

Mi az a GPT, a ChatGPT és az OpenAI API?

A GPT egy rövidítés (generative pre-trained transformers), amely a neurális hálózat alapú nyelvi modellek egy sajátos családját jelenti, és eredetileg az OpenAI LLC hozta létre az özönvíz előttinek tűnő 2018. évben.

A beavatatlanok szemében a nyelvi modellek csak nagy fájlok, amelyeket titkos szoftverek használnak bizonyos szoftveres kérések feldolgozására. A számítógépeken futó természetes nyelvfeldolgozó szoftverek kritikus építőkövei, amelyek a szövegek tartalmának azonosítására (az információs elemek osztályozására vagy kivonására), fordítására vagy más módon új szövegek létrehozására szolgálnak, attól függően, hogy milyen utasítások adnak. Több száz és több ezer nyelvi modell létezik, de nem mindegyikük publikált vagy elérhető a nyilvánosság számára.

A 2018. évtől az OpenAI több új verziót is kiadott a GPT modelljéből, amelyek mindegyike egyre nagyobb szöveganyagon (korpuszokon) lett betanítva, és mindig változtattak valamit a modelltanítás szerkezetében is (az architektúrában). Az első verzió, amely a “félretájékoztatás terjesztésének” lehetséges módjaként került már a címlapokra, a GPT-2 volt, de minden egyes új verzió fokozatosan egyre nagyobb médiavisszhanggal és őrülettel járt. A legújabb, a GPT-4, 2023. március 14-én jelent meg, és nagyon lenyűgöző fejlesztéseket tartalmaz már az előző GPT-3.5-höz képest – amely már önmagában is nagyon lenyűgöző volt.

A médiavisszhangot nagymértékben fellendítette, amikor az OpenAI kiadta a nyelvi modelljük fogyasztói front end felületét, amelyet kifejezetten a párbeszédes, chatbot funkciókra hangoltak. Ezt 2022. november 30-án „ChatGPT”-nek nevezték el, és a GPT-3.5 modellre épül. Jelenleg a felhasználók 20 $ (+ÁFA) havi díj ellenében élvezhetik a GPT-4 chatbot-funkcióját is, ChatGPT Plus kereskedelmi márkanév alatt.

A GPT 3. verziójától kezdődően a modellek nem letölthetők, mert a Microsoft (az OpenAI legnagyobb befektetője) 2020. szeptember 23-tól kizárólagos licenccel rendelkezik ezekre. Ettől függetlenül a nyelvi modellek mindegyike elérhető az OpenAI által biztosított, alkalmazásprogramozási interfésznek (API) nevezett webes szolgáltatásokon keresztül, legalább 2021 elejétől. Jelenleg tehát ezeket a nyelvi modelleket vagy a fogyasztói front-enden keresztül érhetjük el (ami a saját ügyfelek kiszolgálására nem alkalmas), vagy az API-kon keresztül (de ezek maguk is igényelnek valamilyen szoftvert), esetleg más szolgáltatókon keresztül, akik maguk is ezekre az API-kra építenek. Tehát nincs lehetőség helyszíni telepítés használatra, és így minden kérésnek az OpenAI-n keresztül kell mennie, és tőlük fog érkezni a válasz is. Korlátozott körben már most is lehetőség van arra, hogy az OpenAI egyes modelljeit a Microsoft felhőszolgáltatásából nyújtva vegyék igénybe: ez a felhőalapú megoldásokkal kapcsolatos szigorú szabályozási követelmények miatt fontos (pl. a pénzügyi ágazatban stb.).

Nagyon fontos észben tartani azonban, hogy léteznek más, teljesen nyílt és letölthető, a GPT-hez hasonló nagy nyelvi modellek[3] is, amelyek sok szempontból majdnem ugyanolyan jók, mint a GPT chat completion-je, és vannak olyan nyelvi modellek is, amelyek bizonyos feladatokban még mindig jobbak, mint a GPT általános megoldásai. Már csak azért is, mert a jelenlegi beállítások és korlátozások miatt egyszerűen nem lehet bizonyos, fontos nyelvi feladatokat a GPT használatával elvégezni.

Mindazonáltal szemléltetésképpen nézzük meg, hogyan is működik ez a chatbot, és miért nem igazán a legalkalmasabb egy ügyvédi iroda chatbotjának feladatára, és végül milyen módon, milyen korlátozásokkal használhatnák a kisebb ügyvédi irodák az OpenAI API egyéb szolgáltatásait.

A GPT-3.5 és GPT-4-et használó demo ügyvédi iroda chatbot

A testreszabás korlátai példák és „promptok” alapján

A jelenlegi demó chatbot a GPT-3.5 nevű motort használja, de ez pusztán takarékossági (és nem műszaki) okokból van így: a GPT-4-en keresztül történő válaszadás jelenleg 15-ször annyiba kerül, mint a GPT-3.5 válasz. Az OpenAI API-nak köszönhetően bizonyos keretek között könnyen testre szabható, hogy miként is működjön a chatbot, milyen válaszokat adjon, és ami a legfontosabb, milyen válaszokat ne adjon.

A forráskódban látható, hogy a chatbotot – az ügyvédi irodai márkájú front end kialakításán túl – kérdés-felelet példákkal, és prompt utasításokon keresztül lehet testre szabni. A példák egyedi kérdés- és válaszpárokból állnak, míg a prompt utasításokat azelőtt rögzítik (betáplálják) a modellbe, mielőtt a konkrét végfelhasználó beírhatná a saját kérdéseit (ezáltal biztosítva egyfajta „elfogultságot”, amely alapján majd válaszokat ad a chatbot).

E testreszabások rögzítik a chatbot számára, hogy pl. milyen személyiséget kell játszania (asszisztens, recepciós vagy ügyvéd stb.), általában hogyan kell viselkednie, és milyen információkat kell feltétlenül válaszolnia.

A testreszabási szövegek egyszerű angol és magyar nyelven készültek, igyekeztem bennük az ügyvédi irodákra vonatkozó legalapvetőbb etikai szabályokat megemlíteni (mint például, hogy ne legyenek összehasonlító reklámként értelmezhető válaszok stb.). Kritikus kérdés ezen túl az is, hogy ezekben a testreszabási szövegekben szerepeljenek például az ügyvédi irodával kapcsolatos legfontosabb információk köre, beleértve az elérhetőségi adatokat, szakterületet stb.

Ez utóbbi azért is létfontosságú, mert a legtöbb ilyen kifinomult nyelvi modell hajlamos “hallucinálni”, és többségük nem végez önállóan internetes keresést. Én például kifejezetten megadtam a modellnek az irodám telefonszámát, de a fizikai címet nem. Egy teszt során megkérdeztem a chatbotot az ügyvédi iroda általános elérhetőségériről (nem csak a telefonszámra), és a kiegészítésben szerepelt is egy nagyon pontos és létező fizikai cím – de az nem az én ügyvédi irodámé volt.

A méret tekintetében azonban nagyon szigorú korlátok vannak, ami komolyan befolyásolja, hogy milyen mélységű testreszabást is tudunk elvégezni. A GPT-3.5 esetében ez a korlát 4096 token, amely mennyiség már magában foglalja a “prompt” (a kérdés) és a “completion” (a válasz) méretét is. Emellett a prompt mérete magában foglalja a közzétettek szerinti példáinkat és a prompt utasításainkat, de ide tartozik a chatbot végső felhasználó tényleges kérdése is.

A nyelvi modelleknek karaktereket, szavakat és mondatokat kell tokenekké alakítaniuk, mielőtt feldolgozhatnák őket. Egy mondat tokenekben kifejezett mérete nagyban függ a nyelvtől és a használt szavaktól, és nincs kemény szabály.[4] Az én esetemben, ahol angol és magyar szöveget kevertem (mivel többnyelvű chatbotot próbáltam létrehozni), ez azt jelentette, hogy a felhasználható tokenek a felét már a testreszabási szövegek foglalják el, a maradék felébe pedig bele kell férnie a tényleges felhasználói kérdésnek is és a chatbot válaszának is. Ez egy nagyon jelentős korlátozás.

Tehát még ha sokkal több testreszabás hasznos is volna, és így sokkal több információt lehetne beilleszteni például az uniós etikai szabályokról, vagy akár a reklámozott cégről, egyszerűen nincs elég hely erre. Próbáltam például néhány utalást beilleszteni az EU-ban működő ügyvédek alapelveire, hogy a chatbot ezeket az értékeket tükröző módon válaszolhasson, de ez a demót használhatatlanná tette volna a nagyon rövid lehetséges válaszok mellett.

A jó hír az, hogy ez nem egy elméleti jellegű korlátozás, azaz idővel egyre kevésbé lesz szigorú. Így például a GPT-4 esetén a GPT-3.5-hez képest kb. nyolcszor annyi tokent lehet használni egy válaszban.

Mire használhatnak az ügyvédek egy ilyen chatbotot?

Tehát milyen célokra használhatunk egy ilyen chatbotot? Itt a “chatbot” kifejezést a szó szoros értelmében használjuk: a demó front-end, amely a végfelhasználók kérdéseit továbbítja az OpenAI által hosztolt nyelvi modellnek, néhány kisebb, fent ismertetett testreszabás mellett.

Egy ilyen chatbotot arra használhatunk, hogy az ügyvédi irodáról valamivel szórakoztatóbb módon adjunk tájékoztatást, mint amit egy egyszerű weboldalon elérhetünk. Ezen kívül ezeket az információkat egyidejűleg más csatornákon is nyújthatjuk, például egy Telegram vagy Viber chatboton stb. Lényegében ez tehát csak reklám és marketing célú felhasználás.

Ez relatív előnyhöz juttathatja az ügyvédi irodát, legalábbis mindaddig, amíg a legtöbb más ügyvédi iroda sem rendelkezik ugyanezzel az eszközzel. A megoldás attól válik szórakoztatóvá, hogy a chatbot képes ügyvédnek kiadni magát, lehetővé téve a felhasználók számára, hogy jogi kérdéseket tegyenek fel a chatbotnak anélkül, hogy az ügyvédi irodának előre meg kellene határoznia minden lehetséges kérdést és a helyes választ (ahogyan ez a chatbotok korábbi generációinál szükséges volt).[5] Természetesen ehhez a felhasználási feltételeknek egyértelművé kell tenniük, hogy mindez a látszat ellenére sem jogi tanácsadás, és nem is szabad valódi célokra használni.[6] Fontos tehát, hogy éles különbséget tegyünk a szórakoztatási cél és az ügyvédi iroda (és nem a chatbot!) által ténylegesen adott jogi tanácsadás között.

Az OpenAI API felhasználási szabályainak a jelenlegi feltételei is egyértelműen kimondják, hogy ezeket a modelleket nem szabad jogi szolgáltatások nyújtására használni anélkül, hogy egy erre jogosult személy ne vizsgálná meg előzetesen a tanácsot.[7] Ez így azt jelenti, hogy az OpenAI felhasználási szabályai miatt ez a modell nem is használható a közvetlenül a fogyasztóknak szóló frontendek céljára. Vagyis, nem használható másként, mintha egy meggondolatlan ügyvéd nem vállalná előre a felelősséget, és blanketta jóváhagyást adva a chatbot minden jogi válaszára, függetlenül attól, hogy az mire is vonatkozik. Ez megfelelhet ugyan az OpenAI felhasználási szabályainak, de nyilvánvalóan nem felel meg az ügyvédi etikai előírásoknak.

Ez a chatbot jelenleg nem alkalmas azonban a tipikus chatbot felhasználási esetek kiszolgálására. Előfordulhat ugyanis, hogy helytelen válaszokat ad a felhasználóknak az elérhetőségekkel vagy a cég szakterületével kapcsolatban. Nem ideális továbbá időpontfoglalási célokra sem: még ha a GPT kiválóan is értelmezi a potenciális ügyfelek szándékait, és képessé tehető arra, hogy ellenőrizze egy naptárban a szabad idősávokat, ezt jelenleg sokkal egyszerűbb és megbízhatóbban meg lehet oldani egy erre a célra szolgáló alkalmazáson keresztül (ahol ráadásul lehetőség van a fizetési szolgáltatásokhoz való kapcsolódásra is, ami valódi súlyt ad a foglalásoknak).

Bár ez a konkrét demó chatbot csak olyan célokra használható, amit az ügyfelekkel való kapcsolattartásnak nevezünk, az OpenAI API feldolgozási képességei (beleértve a GPT chat completion felhasználásait is) messze túlmutatnak ezen az egyszerű chatbot-funkción. A modell kiemelkedő jellemzője nem is az, hogy képes folyékonyan beszélgetni számos nyelven, hanem az, hogy – a GPT-3.5 óta – meglepően pontos válaszokat tud adni nagyon összetett kérdésekre is (amennyiben a kérdés nem vonatkozik 2021 szeptemberén túli tényekre).

A jelenlegi tapasztalatok alapján tegyünk egy gyors kitekintést, és úgy vélem, hogy a későbbiekben ezekre a kérdésekre még úgyis vissza kell térnünk, hogy részleteiben is megvitassuk őket.

Útiterv a további lehetséges kutatásokhoz

Ez a blogbejegyzés nem az OpenAI reklámja, így nem áll szándékomban felsorolni az OpenAI API összes lehetséges felhasználási módját. A célom inkább az, hogy meggyőzzem az ügyvéd kollégákat arról, hogy ezekhez a végpontokhoz technikailag nagyon egyszerű csatlakozni (vagy helyette más szolgáltatók, nyílt forráskódú modellek más nyelvi modelljeinek hasonló szolgáltatásait használni). Ez nem igényel sem jelentős pénzt, sem komoly erőfeszítést, és ha valaki sokoldalú alkalmazásokba beépíti ezeket a kapcsolódási pontokat, az jelentősen javíthatja az ügyvédi irodája képességeit, és akár a külső szolgáltatóknak fizetett díjazás egy részét is megtakaríthatja. Azon ügyvédek számára, akik nagyszámú különböző informatikai terméket használnak, az API arra is lehetőséget biztosít, hogy csökkentsék a működéshez szükséges termékek számát, az egyes termékek integrálásának a költségét.

Természetesen az olyan zárt nyelvi modellek esetében, mint a GPT, ennek is ára, mivel ezáltal az ügyvédnek egyre inkább a nagy nyelvi modell szolgáltatójára kell hagyatkoznia, aki bármikor megváltoztathatja az árazást vagy a felhasználási feltételeket.

Nézzük most a legújabb GPT modellek további lehetséges felhasználási területeit.

A demó chatbot mellett ugyanazok a chat completion API-hívások az egyik nyelvről egy másikra történő fordításra is használhatóak. Ilyenkor csak az erre a célra beépített (feltett) kérdések szövegezése lesz eltérő. Természetesen a fordítási célokkal kapcsolatban is szem előtt kell tartanunk a megfelelő token mérethatárokat. Ugyanígy alkalmasak a szöveg stílusának javítására, a helyesírás-ellenőrzés helyett a helyesírási hibák kiszűrésére, vagy egyszerűen csak a szövegben lévő főnevek és ragozások bizonyos szabályok szerinti megváltoztatására – csak az utasítás, a prompt kell, hogy más legyen.

A testreszabásokban elhelyezett maroknyi példával már meggyőzhetjük az OpenAI API-t arról is, hogy egyes ügyféladatokat megfelelően csoportosítson (feltéve, ha jogosultak vagyunk arra, hogy ilyen adatokat az USA-ba küldjünk), és az API válaszát felhasználva saját szoftverünket konkrét utasításokkal is láthatjuk el, például hogy melyik másik szoftvert kell hívni, vagy milyen paramétereket kell használni a különböző szoftverek hívásakor. Például a fejlécadatok és az e-mail szövegének feldolgozásával, néhány egyszerű taxonómia megadásával az OpenAI API visszaadhatja az e-mailek javasolt iktatási helyeit is akár. A chat completion API-t használhatjuk arra is, hogy megjelöljük azokat az e-maileket, amelyek sürgősnek tűnnek, vagy más okból jó lenne, ha irodai partner is megnézné.

Ezeknek a felhasználási módoknak nem sok közük van már a szokásos csevegési funkciókhoz. A későbbi GPT-modellek képességei azonban olyanok, hogy pontosan használhatók ilyen célokra is. Még az OpenAI is azt javasolja, hogy a korábban használt „szövegkiegészítési” funkciók meghívása helyett (ami eredetileg a hosszabb szöveg generálására szolgált) inkább ezt a chat completion API-hívásokat használják, mivel a GPT-3.5 sokkal gyorsabb és jobb képességű.

Tehát ezek a chat completion API-k szöveggenerálásra is használhatók, akár teljes szerződések vagy tervezetek létrehozására is. A jogászoknak azonban az elkészítendő dokumentumok esetén számos további követelményeknek is meg kell felelniük. Ezek a követelmények lehetnek ügyfélspecifikusak, projektspecifikusak vagy akár a szövegező ügyvédre jellemző egyedi szokások is. Hogyan lehetséges ezt a GPT modellekkel megvalósítani?

Ha azt akarjuk elérni, hogy egy GPT-modell jobban alkalmazkodjon a jogi szakma speciális felhasználásaihoz, akkor nem az az optimális megoldás, hogy minden egyes beszélgetés előtt részletesebb kéréseket adunk mintaként. A nagy teljesítményű nagy nyelvi modellekre való ráépítést az iparágban finomhangolásnak nevezik. Már néhány megadott példa is nagyban segítheti a modellt abban, hogy jobban megértse az elvárt feladatokat, és pontosabb válaszokat tudjon adni. A finomhangolás pedig tipikusan technikailag se nem költséges, se nem túlságosan összetett, így a fő hozzáadott értéket továbbra is az adott szakterület szakértői jelentik, akik kidolgozzák a több tucat vagy száz helyes kérdés-válasz párost (vagy a megfelelő csoportosítást stb.).

Míg a nyitottabb nyelvi modellek esetén az előzetesen betanított modellek finomhangolására számtalan módon lehetőség van, addig az OpenAI API esetében ez a finomhangolás csak szűk keretek között lehetséges. Jelenleg a legújabb finomhangolható modell a GPT-3, tehát a 3.5 és 4 esetében sincs még finomhangolásra lehetőség. Maga a finomhangolás egy nagyon egyszerű folyamat, így ha valaki rendelkezik a megfelelő kérdésekkel és válaszokkal, azt nagyon egyszerű végrehajtani. Ráadásul a finomhangolás olcsóbb is, mintha egy kérdés előtt kérdés-felelet jellegű példákat adnánk (mint ahogy azt a demo chatbot esetében tettük).

A szerződésgenerálást akkor érdemes ilyen módon megvalósítani, ha a követelmények (és a megfelelő rendelkezések) sokkal hosszabbak annál, mintsem  ami egy promptba beleférne. Ez a megközelítés arra is használható, hogy nagyon speciális területeken is pontos és kiszámítható válaszokat adjunk, hallucinációk nélkül, de úgy, hogy ne kelljen minden szóba jöhető kérdést tételesen előre meghatároznunk. Így lehetne például a helyi joggal kapcsolatos kérdések megválaszolását biztosítani, vagy egyes nagy tudásbázisokat feldolgozni, és abból akár válaszokat adni stb.

Tehát az ügyvédek és más jogászok is számos módon hatékonyan használhatják a nagyméretű nyelvi modelleket, a dokumentumszerkesztéstől és a szerződésgenerálástól kezdve a kérdések megválaszolásáig, és fontos feladata jut ebben a finomhangolás műveletének is.

Nem szabad ugyanakkor megfeledkeznünk néhány más fontos kérdésről sem, amelyek ugyanígy figyelmet igényelnek: például arról, hogy hogyan kell majd a joghallgatók vagy kezdő hivatásbeliek képzését, tanítását a nagyméretű nyelvi modellek képességeihez igazítani, hiszen ebben a tanításban is óriási potenciál rejlik.

Ez utóbbinak azonban az volna az előfeltétele, hogy a chatbot által megadott válaszok körét jogász szakemberek pontosan kiértékeljék. Ez kezdődhetne azzal, hogy egyes főbb jogterületeken (külön nemzeti és uniós szinten -külön) referenciaértékeket, mérőpontokat állítanának fel, hogy pontosabban lehessen kiértékelni e “chat completion” válaszokat. Látni kellene, hogy a chatbot válaszai mennyiben vannak összhangban a feltett kérdésekkel, és milyen területen. Meg kell határoznunk, hogy a tényleges jogi válaszok esetén a chatbot jogi felhasználásának melyek az erősségei, gyengeségei –  mert ezt senki más nem fogja tudni megválaszolni helyettünk.

A szerző a Homoki Ügyvédi Iroda alapítója.

Források