Бизнес-модель юридических услуг с подключением искусственного интеллекта

Затем мы определим новые бизнес-модели, позволяющие создавать добавленную стоимость через использование искусственного интеллекта. Такие модели не похожи на традиционную бизнес-модель юридического консалтинга, потому что для них необходимо задействовать технологические (искусственные) активы, дополненные участием людей различных специализаций.

В-третьих, мы проанализируем организационную структуру, дополняющую как новую, так и старую бизнес-модель: профессиональное партнерство, которое хорошо адаптировано для функционирования бизнес-модели юридического консалтинга. При этом, судя по всему, такие элементы корпоративной организационно-правовой формы как централизованный менеджмент, доступность внешнего капитала и стимулирование работников лучше дополняют новые бизнес-модели с подключением искусственного интеллекта. Некоторые юридические фирмы экспериментируют с параллельной эксплуатацией новых и старых бизнес-моделей. Однако, различие дополняющих функций создает конфликты при совмещении бизнес-моделей. Такие конфликты частично выводятся за пределы организации путем привлечения подрядчиков, а также изолируются и перестраиваются с помощью процессов вертикальной интеграции.

По результатам анализа мы предполагаем, что степень превращения юридической профессии в гибридную специальность будет зависеть от того, в какую сторону пойдут эксперименты юридических фирм в части совмещения различных бизнес-моделей с индивидуально-выраженными организационными структурами, а также от того, каким образом будут решены этические проблемы.

Введение

Применение искусственного интеллекта и связанных с ним технологий дает потенциал для трансформации процессов создания и фиксации добавленной стоимости в профессиональных услугах. Применение искусственного интеллекта подразумевает использование компьютерных систем для выполнения задач, обычно требующих интеллекта человека (см. Agrawal, Gans, & Goldfarb, 2019). Техника уже давно использутся для автоматизации рутинных задач, однако искусственный интеллект уместен для выполнения профессиональной работы в том, что его возможности для автоматизации не рутинной или требующей знаний работы продолжают расти (см. Brynjolfsson & McAfee, 2014; Susskind & Susskind, 2015; Trajtenberg, 2019). Искусственный интеллект успешно применяется в широком диапазоне профессиональных и коммерческих контекстов, от систем управления человеческими ресурсами (HR) и отношениями с клиентами (CR) (см. Davenport & Ronanki, 2018; Ransbotham, Kiron, Gerbert, & Reeves, 2017), систем управления цепочками поставок (см. Ehret & Wirtz, 2017) до медицины и здравоохранения (см. Bates, Saria, Ohno-Machado, Shah, & Escobar, 2014; Liew, 2018). Однако, возможность применения искусственного интеллекта в юридических услугах по состоянию на данный момент исследовалась мало. Что ждет юридические фирмы и юридическую профессию в случае, если искусственный интеллект будет преобладать в юридических услугах? Сохранит ли данная профессия свою традиционную роль и форму организации? Или, с другой стороны, как изменится ее роль и форма организации перед лицом конкуренции со стороны альтернативных провайдеров юридических услуг?

С точки зрения глобальной перспективы воздействие технологии искусственного интеллекта можно понимать как одну из ряда сил, которые совместно оказывают давление на профессиональную автономию и традиционные организационно-правовые формы юридических фирм (см. Leicht, 2016; Smets, Morris, von Nordenflycht, & Brock, 2017). В число таких сил также входит рост конкуренции, как внутри профессии, так и за ее пределами, драйвером которого является глобализация и углубляющаяся фрагментация профессиональной специализации (см. Reed, 1996), связанное с ним давление на пересмотр профессиональных стандартов с точки зрения коммерческого результата (см. Hanlon, 1997) и ослабленное регулирование профессиональных монополий (см. Aulakh & Kirkpatrick, 2016). В результате, крупные и переходящие на глобальный масштаб юридические фирмы сталкиваются с давлением, нацеленным на уход от модели традиционного профессионального партнерства в сторону более управляемого профессионального бизнеса (см. Brock, Powell, & Hinings, 1999; Greenwood, Hinings, & Brown, 1990; Pinnington & Morris, 2003). Тем не менее, юристы смогли сохранить существенную профессиональную самостоятельность и свободу усмотрения, и роль партнеров как владельцев и лиц, ответственных за принятие решение в юридической фирме, осталась очень даже существенной (см. Ackroyd & Muzio, 2007; Faulconbridge & Muzio, 2008; Pinnington & Morris, 2003).

Трансформационная перспектива искусственного интеллекта как технологии общего назначения (см. Helpman, 1998), тем не менее, сосредоточена в ее потенциальной способности заменить людей полностью (см. Trajtenberg, 2019). Означает ли это, что давно предсказанное исчезновение модели профессионального партнерства теперь неизбежно в соответствии с прогнозами обозревателей, объявивших о кончине большого права и закате эпохи юристов перед лицом технологических изменений (см. Galanter & Henderson, 2008; Ribstein, 2010; Susskind, 2000; Susskind, 2008; Susskind & Susskind, 2015)? Но, возможно, модель профессионального партнерства станет сильнее с помощью искусственного интеллекта, используемого для автоматизации профессиональных задач во внутренней деятельности этих фирм, и развернет тенденцию на офшоризацию и переселение на территории с низкими ценами (см. Harmon, 2008; Lacity & Willcocks, 2013; Sako, 2013, 2015)?

Мы извлечем ответы на данные вопросы из анализа дополнительных процессов, сопровождающих продуктивное развертывание искусственного интеллекта (см. Helpman, 1998; Trajtenberg, 2019). В рамках производственного процесса понятие дополнительных процессов можно определить как процессы, вносящие свой вклад в производственные и организационные элементы и создающие совокупный эффект, который превосходит сумму их индивидуальных эффектов (см. Brynjolfsson & Milgrom, 2012; Milgrom & Roberts, 1995). Наш теоретический анализ сосредоточится на кластере таких взаимосвязанных дополнительных процессов: бизнес-модели для наиболее эффективного развертывания искусственного интеллекта, активы (человеческие и искусственные), необходимые для внедрения данных бизнес-моделей, а также организационные структуры, которые лучше всего подходят для объединения этих активов и управления ими.

Мы будем развивать свои аргументы, продвигаясь через три уровня анализа: задачи, бизнес-модели и организации. Мы начнем с рассмотрения технических возможностей искусственного интеллекта с точки зрения его пригодности для решения задач (не замещения должностей) в сфере юридических услуг. Некоторые задачи решаются искусственным интеллектом в полном объеме, в других он выступает помощником (см. Brynjolfsson & Mitchell, 2017). Современные системы искусственного интеллекта приобретают все больше возможностей для взятия на себя не рутинных юридических задач, однако их приходится дополнять участием экспертов с самой различной специализацией (в науке данных "data science", управлении проектами и т.д.). Ограничения никуда не пропадают: функции, предполагающие контакт с клиентом, и услуги, тонко настроенные под конкретного клиента, вряд ли будут автоматизированы в обозримом будущем. Более того, поскольку современному искусственному интеллекту требуются большие объемы релевантных и предварительно маркированных данных, он может масштабировать анализ только в контексте доступности таких данных.

Далее мы рассмотрим, каким образом можно капитализировать данные возможности и зародить новые бизнес-модели в сфере юридических услуг, которые понимаются как воспринимаемая фирмой логика создания добавленной стоимости, ее передача и фиксация для удовлетворения нужд клиентов (см. Sako, 2012; Teece, 2018; Zott & Amit, 2013). В отличие от традиционной бизнес-модели юридического консалтинга (см. Greenwood & Empson, 2003) бизнес-модель с подключенным искусственным интеллектом мы понимаем как стремление оказывать такие услуги, которые можно масштабировать с помощью ценообразования, основанного на результате, а не на входных данных, а также с помощью расходования совершенно другого комплекса активов, включающего в себя как искусственный, так и мультидисциплинарный микс человеческого капитала. В свою очередь, процесс совмещения этих новых сочетаний активов и управления ими влияет на организационную структуру (см. Armour et al., 2017; Hansmann, 1996; Kraakman, 2017). Традиционная структура юридической фирмы предполагает партнерство, дополняющее бизнес-модель юридического консалтинга и связанные с этим практики управления человеческими ресурсами (см. Greenwood et al., 1990). Бизнес-модели с подключением искусственного интеллекта, напротив, предполагают более существенную зависимость от мультидисциплинарных команд человеческого капитала и внешнего капитала. Поэтому, судя по всему, это будет корпоративная организационно-правовая форма с более иерархической структурой менеджмента и доступом к внешнему капиталу через выпуск акций для инвесторов. Данное направление создает стратегические проблемы для существующих юридических фирм, потому что они пытаются совмещать старые и новые бизнес-модели. Мы сделаем обзор экспериментов, проводимых юридическими фирмами в сфере совмещения бизнес-моделей в период зарождения изменений в отрасли, а также сформулируем выводы по будущим изменениям в профессиональных сферах юридической и иной специализации.

Целью данного исследования является обобщение и схематизация будущих профессий и фирм, оказывающих профессиональные услуги (см. Smets и др., 2017), как минимум, по двум направлениям. Во-первых, тщательный анализ того, каким образом искусственный интеллект влияет на решение задач в рамках оказания юридических услуг. Мы выйдем за пределы упрощенного подхода "искусственный интеллект уничтожит труд профессионалов", а также выйдем за пределы схематизации потенциального освоения искусственного интеллекта различными профессиями (см. Muro, Whiton, & Maxim, 2019). В частности, мы выделим центральную роль бизнес-моделей и организационных дополняющих процессов, через которые проявляется воздействие искусственного интеллекта на сложную всяимосвязь между замещением, дополнением и созданием задач. Во-вторых, мы внесем свой вклад в научные материалы, посвященные изменениям в содержании профессиональной специализации, которые вызваны ослаблением регулирования, цифровыми технологиями, глобализацией и другими силами (см. Freidson, 2001; Leicht, 2016; Reed, 2018; Smets et al., 2017). В частности, наше исследование продемонстрирует, что различные сочетания традиционных бизнес-моделей и бизнес-моделей с подключением искусственного интеллекта создают различные силы давления, нацеленные на трансформацию юридической профессии в гибридную (см. Blomgren & Waks, 2015; Noordegraaf, 2007) и организующую (см. Noordegraaf, 2015). Таким образом, наше исследование подчеркивает применение бизнес-модели как уровня анализа, дающего пищу для дебатов по поводу будущего профессий.

Использование искусственного интеллекта в юридических услугах

Понятие искусственного интеллекта включает в себя автоматизацию задач, которые обычно требуют интеллекта человека. Глобальная трансформация профессий с помощью технологий давно была предсказана некоторыми обозревателями (см. Katz, 2012, 2014; Susskind, 2000; Susskind, 2008, 2013; Susskind & Susskind, 2015). Однако, другие сохраняли скептицизм по поводу того, что юристов и в самом деле когда-нибудь заменит искусственный интеллект, по крайней мере, в обозримом будущем (см. Remus & Levy, 2017). Разумеется, машине не требуется по-настоящему симулировать действия юристов, если результат, который юристы преподносят клиентам, можно преподносить без участия человека и дешевле (см. Susskind, 2019; Susskind & Susskind, 2015). Основной момент заключается в том, что осуществляется автоматизация задач, а не должностей (см. Autor, 2015). В случаях, когда должность подразумевает сочетание одних задач, которые можно автоматизировать, и других, не поддающихся автоматизации, роль человека сильнее фокусируется на том, что автоматизировать невозможно. В то время как автоматизация подменяет человека в некоторых задачах, способность решать другие задачи, которые дополняют технологии искусственного интеллекта, становится более ценной (см. Autor, 2015; Brynjolfsson & McAfee, 2016). В связи с этим возникает очевидный вопрос: кто — где? Если коротко, мы предполагаем, что (а) некоторые юридические задачи останутся вне возможностей искусственного интеллекта в обозримом будущем и по-прежнему будут выполняться только юристами; (b) небольшой объем задач будет замещаться системами искусственного интеллекта; и (c) будут создаваться новые задачи с целью снабжения систем искусственного интеллекта работой, и такие задачи, расширяющие возможности искусственного интеллекта, реализуются совместной работой мультидисциплинарных команд юристов и экспертов из других областей.

Машинное обучение и его ограничения

До недавнего времени считалось, что автоматизации поддаются только "рутинные" задачи, то есть те, которые можно определить набором правил (см. Autor, Levy, & Murnane, 2003). Данное восприятие базировалось на возможностях нисходящих дедуктивных систем искусственного интеллекта (см. Susskind, 2017), преобладающем подходе к исследованию искусственного интеллекта на большей части истории данной отрасли (см. Russell & Norvig, 2010; Wooldridge, 2020). В таких "экспертных системах" используется логическое мышление и жестко запрограммированные данные (см. Harmon & King, 1985; Susskind, 1997). Тем не менее, данный подход столкнулся с фундаментальным ограничением: многие задачи оказываются слишком сложными, чтобы заключить их в код прямо сформулированных правил (см. Wooldridge, 2020). С другой стороны, недавние достижения в сфере вычислительных мощностей и доступа к данным позволили добиться крупного прогресса с помощью восходящего индуктивного подхода к развитию искусственного интеллекта, известного как машинное обучение (см. Lehr & Ohm, 2017; Russell & Norvig, 2010). Таким образом появилась возможность автоматизировать задачи, которые раньше обозначались как не рутинные, например вождение автомобиля или распознавание почерка (см. Frey & Osborne, 2017; Susskind, 2017).

Самым широко применимым подходом к машинному обучению является контролируемое обучение, во время которого используется набор учебных данных с маркировкой, соотносящейся с диапазоном интереса (см. Ford, 2018). Система анализирует эти данные и определяет лучший способ для прогнозирования соответствующего выходного показателя со ссылкой на другие функциональные элементы данных. Обученная модель, то есть алгоритм с набором параметров, оптимизированным на основе учебного набора данных, затем подключается к новым данным в целях прогнозирования интересующих результатов.

Машинное обучение показало самую высокую эффективность в распознавании изображений, превосходя возможности человека во многих ситуациях. В языковых задачах оно было совмещено с процессами обработки естественного языка (natural language processing), что позволяет конвертировать неструктурированные текстовые данные в числовые векторы, которые можно анализировать с помощью методик машинного обучения (см. Jurafsky & Martin, 2019). Последние, большей частью, опираются на статистические взаимосвязи между словами, то есть, иначе говоря, на словесные паттерны внутри текстового блока. Методы обработки естественного языка (natural language processing) хорошо подходят для задач по извлечению информации, однако им сложно дается семантическое содержание. Это означает, что для решения задач необходим социальный интеллект, то есть оценка того, каким образом потенциально неоднозначная коммуникация будет пониматься человеком, по-прежнему невозможна для систем машинного обучения (см. & Osborne, 2017; Pettersen, 2019; Wooldridge, 2020).

Потребность в крупных массивах данных с проставленными маркерами указывает еще на одно важное ограничение: машинное обучение хорошо подходит для масштабируемых задач, однако при отсутствии готовых примеров из прошлого, на базе которых можно обучаться, оно становится не эффективным (см. Halevy, Norvig, & Pereira, 2009; Sun, Shrivastava, Singh, & Gupta, 2017). Так называемое обучение методом переноса (‘transfer learning), то есть использование концепций, изученных в одном контексте, и их генерализация для последующего применения в другом контексте, будучи присущим человеку, все еще доступно машинному обучению в форме не более чем обходных путей. Следовательно, задачи, требующие креативного интеллекта, чтобы решать проблемы, для которых нет явных примеров ответов из прошлого, также превосходят возможности современных систем машинного обучения (см. Frey & Osborne, 2017; Pettersen, 2019; Wooldridge, 2020).

Такое объяснение подразумевает, что некоторые аспекты работ, входящих в процесс оказания юридических услуг, останутся недоступными для автоматизации на обозримое будущее. Взаимодействие с клиентами (формулирование требований и разъяснение консультаций) обычно задействует высокие уровни социального интеллекта, которые профессионалы называют навыками общения с клиентом (см. Flood, 2019). Аналогичным образом, когда определенная проблема решается в первый раз, проектно-оформительскую работу необходимо выполнять заново, для чего необходим креативный интеллект. Таким образом, в работе на отдельный заказ, новаторской по своему характеру и маловероятной для повторения в будущем, искусственный интеллект вряд ли заменит человека в ближайщем будущем. Тем не менее, если много продуктов можно создать на основе одной схемы, то входящие в этот производственный процесс задачи можно, в принципе, автоматизировать с помощью машинного обучения.

Машинное обучение для масштабирования процесса оказания юридических услуг

После запуска система машинного обучения может выдавать автоматизированные прогнозы с меньшими издержками и нередко с более высокой точностью по сравнению с принимающим решения человеком. Более того, возникает феномен возрастающей отдачи, если есть положительная обратная связь между улучшением точности прогнозов и расширением количества пользователей (см. Varian, 2019). Однако для выхода на этот уровень необходимо преодолеть два препятствия. Первое: доступность данных. Чтобы использовать контролируемое обучение, доступные для процесса обучения данные должны быть в достаточной степени объемными и репрезентативными с точки зрения вопросов, для решения которых будет использоваться модель. Данное условие не так просто выполнить в контексте оказания юридических услуг, если учитывать наличие тонких различий между отдельными ситуациями. Во-вторых, маркировка учебных данных для целей юридических услуг обычно требует участия дорогостоящих профессионалов. В результате процесс подготовки модели машинного обучения требует высоких постоянных затрат. С учетом наличия этих препятствий применение искусственного интеллекта в юридических услугах до настоящего времени ограничено крупными организациями, для которых ставки достаточно высоки, чтобы это оправдало инвестиции (см. ABA, 2019; LSB, 2018). Это подразумевает, что драйвером внедрения искусственного интеллекта будут корпоративные юридические услуги, а не потребительские юридические услуги.

Чтобы использовать искусственный интеллект во время оказания юридических услуг, первым шагом будет разбивка работы юриста на серию задач, необходимых для решения вопроса (см. Levy & Murnane, 2004; Susskind, 2008; Susskind & Susskind, 2015). Данный рабочий процесс затем можно проанализировать, чтобы определить, в каких задачах искусственный интеллект может взять работу на себя (то есть, заменить человека), а также чтобы определить задачи, в которых он по-прежнему будет требовать участия человека (то есть дополнения к использованию искусственного интеллекта). Юристы обеспечивают необходимое участие экспертов для маркировки обучающих данных и анализа, интерпретации и разъяснения результатов в типовых кейсах, когда искусственный интеллект задействуется в договорной аналитике, судебно-претензионной работе, правовых исследованиях, юридической проверке (due diligence) в рамках сделок слияния и поглощения (merger & acquisition). Тем не менее, как мы увидим, успешное использование искусственного интеллекта также потребует человеческих навыков, выходящих за пределы профессиональной квалификации юристов.

При внедрении искусственного интеллекта рабочий процесс можно конкретизировать на карте процесса (см. пример на рисунке 1), состоящего из шести этапов: 1. Определить проблему; 2. Выбрать и протестировать модель машинного обучения; 3. Подготовить данные (проверить сделанный выбор, целостность и безопасность данных; проставить метки на данных); 4. Генерировать выходные результаты; 5. Проанализировать выходные результаты на согласованность; и 6. Оценить и разъяснить эффекты выходных данных. Если посмотреть на эти этапы, все они, за исключением пункта 4 (генерация выходных результатов) требуют участия человека. Более того, такое участие представляет собой сочетание профессиональных знаний из различных сфер, в том числе права, но еще из науки данных (data science), разработки ПО, информационной безопасности, управления проектами и инженерного мышления. Юристы инициируют процесс, формулируя юридическую проблему, однако прогностическая спецификация рабочего процесса также требует не юридической квалификации, в том числе в сфере управления проектами и процессами. При уточнении модели машинного обучения (путем неоднократного прохождения этапов 2-5 по кругу) участие юриста в выполнении шагов 2 (выбор модели машинного обучения) и 3 (подготовка данных) сузится до функций надзора и анализа. Более того, шаг 4 (генерация выходных данных) больше не потребует большого количества младших юрисконсультов и ассистентов юристов, которые, например, анализируют документы. Он скорее автоматизируется с помощью техники, которой помогает небольшое участие персонала. Таким образом, внедрение искусственного интеллекта исключает участие человека на эапе 4 (генерация выходных данных), однако человек дополняет схему системы искусственного интеллекта и процесс ее применения на всех остальных этапах. Более того, релевантный человеческий капитал не является исключительно юридическим. Он представляет собой мультидисциплинарное сочетание данной специальности и ряда других.

Соединяя данные мысли воедино, очевидно, что искусственный интеллект сильнее всего влияет на работу юристов там, где он может с легкостью содействовать масштабированию оказания юридических услуг. На одном конце диапазона, в рамках работы, которая является уникальной с точки зрения ее анализа, например судебно-претензионного направления, искусственный интеллект может служить частью рабочего процесса, но не заменит живого юриста. На другом конце диапазона, в работе, которую можно масштабировать, например, в договорной аналитике и правовых исследованиях, участие юристов в рабочем процессе все еще будет необходимо. Однако их экспертная квалификация будет больше сосредоточена на маркировке точек в юридических данных и интерпретации результатов, чтобы доносить их до живых клиентов.

Более того, для успешного внедрения искусственного интеллекта потребуется тесное сотрудничество между юристами и специалистами из других сфер в рамках работы мультидисциплинарных команд. Юристы по-прежнему будут необходимы для успешного внедрения искусственного интеллекта в юридические услуги, однако изменения рабочей схемы, вытекающие из участия искусственного интеллекта, скорее всего, изменят характер юридической работы не в последнюю очередь благодаря сдвигу границ юрисдикционных полей деятельности, в отношении которых юристы могут заявлять о своей исключительной компетенции (см. Abbott, 1988). Возникновение нового направления экспертной работы между тем, что могут делать только юристы, и тем, что разрешено делать не-юристам, скорее всего, будет спором с большим количеством возражений (см. Reed, 1996). Есть доказательства того, что некоторые фирмы пытаются найти людей с опытом в различных дисциплинах (например, отдельно юристов и отдельно ученных в сфере анализа данных (data scientists)) и интегрировать их в команды. Другие фирмы ищут людей, которые сами по себе воплощают опыт в различных дисциплинах (например, юристов, способных писать код) (см. Saunders, Ahrens, & Qian, 2020). В любом случае, распространение мультидисциплинарных команд, скорее всего, приведет к появлению гибридных профессионалов (развивающих сравнительно выские способности, а не экспертную квалификацию в других сферах) или организующих профессионалов (обладающих организационными возможностями и профессиональными способностями) (см. Blomgren & Waks, 2015; Noordegraaf, 2007, 2015). Совсем как врачи, от которых ждут организации высококачественного решения для всех вопросов пациентов, а не только лечения, юристы могут прийти к схематизации и менеджменту процесса оказания юридических услуг высокого качества, а не только предлагать юридический консалтинг. Это выходит за пределы работы старших юристов, которые занимают управленческие должности в целях контроля за юристами. Это даже включает в себя младших специалистов, осваивающих управленческие и технические квалификации в рамках своей профессиональной практики и идентификации.

Способы, с помощью которых искусственный интеллект содействует масштабированию оказания юридических услуг, влияет на бизнес-модели, используемые в данной сфере. Более того, наличие или отсутствие элементов, дополняющих каждую бизнес-модель, определяет степень и скорость внедрения искусственного интеллекта в юридические услуги и появление гибридных профессионалов. Перейдем к этим вопросам.

Бизнес-модели с подключением искусственного интеллекта

Мы кратко рассмотрим концепцию бизнес-модели перед тем как очертить бизнес-модель юридического консалтинга, которая исторически принята юридическими фирмами. Цель данного раздела — охарактеризовать (как идеальные типы) три новые бизнес-модели с подключением искусственного интеллекта. Контуры этих новых бизнес-моделей основаны на предшествующем анализе технических возможностей искусственного интеллекта и экономики его внедрения. На уровне мысленного анализа они объединены с рассмотрением практик, появляющихся в данной сфере.

Что такое бизнес-модель

Мы будем считать, что бизнес-модель представляет собой описание используемой в фирме логики создания, передачи и фиксации добавленной стоимости (см. Amit & Zott, 2001; Chesbrough, 2010; Teece, 2010). Данная концепция процесса управления, недавно возникшая в научной литературе по вопросам менеджмента, особенно полезна для анализа стратегических выборов, ставших доступными благодаря технологиям, потому что она не зависиит от существующих в данной сфере структур, которые могут быть разрушены (см. Zott, Amit, & Massa, 2011). Бизнес-моделью может быть особый подход определенной фирмы, либо она может включать в себя объединенную логику создания добавленной стоимости для фирмы и прочих ее акционеров, совместно работающих в формате сетей или кластеров (см. Zott & Amit, 2009). Раскрытие базовой логики, лежащей в основе бизнес-модели, начинается с проблемы ценности для клиента или вопроса о том, каким образом бизнес оптимальным образом удовлетворяет выявленные потребности своих клиентов (см. Zott & Amit, 2013). Следовательно, бизнес-модель отражает гипотезу о том, чего хотят клиенты, а также о том, каким образом предприятие может самым лучшим образом удовлетворять эти нужды и получить за это плату (см. Teece 2007: 1329). Если понимать бизнес-модель именно так, то ее можно воплотить, сосредоточившись на следующих трех вопросах: (i) потребности клиента: что представляет ценность для клиентов, и как можно удовлетворить их нужды? (ii) создание добавленной стоимости: какая стоимостная модель используется для создания добавленной стоимости? (iii) фиксация добавленной стоимости: какие механизмы и активы есть в наличии для генерации прибыли?

Традиционная бизнес-модель юридического консалтинга в юридических фирмах

В юридических фирмах традиционно используется бизнес-модель, которую мы называем юридическим консалтингом. В данной бизнес-модели юристы удовлетворяют нужды клиентов, предлагая индивидуальный (специализированный) консалтинг по конкретным юридическим проблемам клиентов. Юристы, будучи "доверенными советниками" реагируют и приспосабливаются в зависимости разнообразия запросов клиентов. Идея индивидуализированных услуг отражается в нормативных определениях, которые устанавливают периметр професиональной квалификации юриста: во многих юрисдикциях только управомоченные юристы могут давать юридические консультации, что включает в себя юридическую оценку в конкретных обстоятельствах.

Создание добавленной стоимости в целях извлечения прибыли осуществляется с помощью почасовой оплаты, т.е. подхода к ценообразованию на основе вовлеченности (см . Gilson & Mnookin, 1985; Greenwood et al., 1990). Это уместно при оказании услуг, качество которых клиенты не могут оценить в полной мере до момента полного оказания. Ключевое значение для успешности данной модели имеет доверие между юристами и клиентами, возникающее благодаря репутации фирмы, ассоциированной с командами профессионалов, а не с отдельными юристами (см. Galanter & Palay, 1991). Процесс фиксации добавленной стоимости, которая измеряется прибылью каждого долевого участника, также может совершенствоваться путем повышения соотношения между ассистенами и юристами, которое также называют повышением рентабельности. Рентабельность повышается через спускание задачи до уровня самого младшего сотрудника, способного ее выполнить (см. Ackroyd & Muzio, 2007), однако единственным активом, используемым для создания и фиксации добавленной стоимости, остается человеческий капитал юристов.

Юридические операции: масштабирование оказания юридических услуг

Как мы уже поняли, искусственный интеллект позволяет масштабировать аспекты оказания юридических услуг способами, не достижимыми в процессах, задействующих только человека. Это способствует развитию возникающей в сфере юридических услуг новой бизнес-модели, которую мы назовем юридическими операциями (legal operations). Данный термин используется для описания ориентированного на бизнес подхода к оказанию юридических услуг с акцентом на эффективности (см. CLOC, 2019; ThomsonReuters, 2016). Данный подход удовлетворяет спрос бизнеса на эффективное и чуткое оказание юридических услуг, интегрированных с цифровыми решениями, которые внедряются в других аспектах бизнеса. Добавленная стоимость создается через снижение издержек, причем не только путем оценки трудозатрат, но и путем использования процедур перестроения бизнес-процессов, картирования процессов, проектного мышления и управления проектами в целях оптимизации рабочего процесса и качества. Искусственный интеллект позволяет такой бизнес-модели расти с помощью автоматизации и снижения издержек различных этапов процесса. Использование искусственного интеллекта для прогнозирования цен также позволяет продавать услуги по фиксированной ставке (за модуль), а не с почасовой оплатой. Поэтому для фиксации добавленной стоимости используются активы, которые сильно отличаются от модели юридического консалтинга: совмещение компьютерных систем, данных и мультидисциплинарного человеческого капитала. Юридическая квалификация является лишь одним компонентом участия человеческого капитала в модели юридических операций, сама по себе она является лишь одной частью общего сочетания активов, используемых для фиксации добавленной стоимости. В модели юридических операций прибыль фиксируется с помощью повышения эффективности за счет ключевых активов из числа возможностей, связанных с управлением проектами и процессами.

Для рабочего процесса, описание которого приводится на рисунке 1, решения по оформлению юридических операций с подключением искусственного интеллекта сосредоточиваются на этапе 4 (генерация выходных данных) и отдельных элементах этапа 3 (подготовка данных) и 5 (проверка выходных данных на последовательность). Участие стратегического или высокого уровня в части выбора данных для обучения обеспечивает клиент. Когда система настроена и запущена, рутинную проверку и анализ результатов могут проводить работники фирмы, применяющей юридические операции. В случае, если фирма внедряет бизнес-модель юридических операций, она может построить или приобрести платформу искусственного интеллекта. В любом случае, этапы 2 (выбор и тестирование модели) и 3 (подготовка данных) осуществляются фирмой, применяющей юридические операции, или другима лицами от ее имени, а не ее клиентами.

Шаблоны юридических операций

Бизнес-модель юридических операций сосредоточивается на процессе оказания юридических услуг, для чего необходимы комплексы данных, технического и человеческого капитала. Объединение данных компонентов и оптимизация их совместной работы в определенном контексте — сложная задача, для которой, скорее всего, потребуется более креативный интеллект. Поэтому она менее поддается автоматизации по сравнению с однократным выполнением готового процесса. Следовательно, появление бизнес-модели юридических операций приносит с собой новый набор нужд клиента, а именно в отношении схемы совместной оптимизации юридических операций и доступных технологий. Поскольку удовлетворение этих нужд клиента может потребовать различных активов для оказания самих юридических услуг, это подразумевает возможное существование других индивидуально обособленных бизнес-моделей.

Наше понимание бизнес-модели юридической технологии сосредоточивается на определенной подкатегории нужд юридических операций, а именно на схеме инженерных систем, используемых в юридических операциях.

Процесс создания добавленной стоимости основан на продажах продукта (лицензирование) или его использовании (так называемое программное обеспечение как услуга). Для успешной фиксации добавленной стоимости необходимо обладать внутренними корпоративными навыками в сфере науки данных и разработки программного обеспечения, интеллектуальной собственности (патенты и авторские права), а также достаточным пониманием того, каким образом осуществляются юридические рабочие процессы, чтобы обеспечивать эффективное использование со стороны пользователей. Дизайнерские навыки, взаимодействие между человеком и машиной, управление юридическими проектами, а также контакт с клиентом — важные аспекты комплекса человеческого капитала. Очевидно, что функция разработки программного обеспечения должна тесно взаимодействовать с командами, обеспечивающими контакт с клиентом, чтобы гарантировать быстрое внедрение новых требований к функционалу. Также процесс фиксации добавленной стоимости также расширяется, если склонить клиентов к покупке/использованию расширенного пакета продуктов. Поэтому большую роль в комплексной команде играют продажи и маркетинг, точно так же как квалификация в части нормативных требований к проведению проверок безопасности современного уровня.

Также существует еще одна бизнес-модель, которую мы назваем консалтингом, стремящимся реагировать на весь диапазон нужд клиента в отношении выбора и внедрения юридической технологии и/или схемы и оптимизации процессов, входящих в юридические операции. Консалтинг имеет все возможные размеры и формы, при этом некоторые направления ограничиваются только реорганизацией последовательности операций в одной сфере, а для других характерен более широкий круг обязанностей в части оптимизации всего юридического направления в глобальной корпорации, в том числе консалтинг по вопросам выбора платформ искусственного интеллекта и программных средств. Поскольку данная работа требует интенсивного вовлечения человеческого капитала и индивидуальна в каждом случае, процесс создания добавленной стоимости обычно базируется на почасовой оплате — ценообразовании на основе степени участия. Процесс фиксации добавленной стоимости также расширяется за счет доверия, репутации и повышения рентабельности, точно так же, как в модели юридического консалтинга.

Несмотря на то, что модель консалтинга в некоторой степени похожа на модель юридического консалтинга, она отличается с точки зрения состава человеческого капитала, необходимого для фиксации добавленной стоимости. Консалтинг по вопросам юридических операций или юридической технологии требует мультидисциплинарной квалификации, охватывающей программирование, управление проектами, взаимодействие между человеком и машиной, проектно-ориентированное мышление, обучение и образование, а также релевантные юридические знания.

В таблице 1 приводится резюме по четырем бизнес-моделям, которые мы очертили в данном разделе.

Таблица 1: Традиционные и применяющие искусственный интеллект бизнес-модели

Бизнес-модели	Что продаем? (что ценят клиенты)	Ценообразование (как создается добавленная стоимость)	Как осуществляется фиксация добавленной стоимости
Юридический консалтинг	Индивидуальный юридический консалтинг	На основе входных данных (почасовая оплата)	Доверие, репутация, оптимизация затрат
Юридические операции	Эффективность процессов и управление проектами	На основе выходных данных (фиксированный гонорар)	Возможности по управлению процессами и проектами
Юридическая технология	Технологические решения	Подписка, лицензирование	Интеллектуальная собственность (авторские или патентные права) и платформы
Консалтинг	Консультации	На основе входных данных (почасовая ставка)	Экспертная квалификация в консалтинге на основе юридических операций и/или юридической технологии

 

Организационные дополнения для бизнес-моделей

В предыдущем разделе мы проанализировали возможности, которые предлагает технология искусственного интеллекта с точки зрения бизнес-моделей, именно потому, что они не зависят ни от каких конкретных организационных структур, что позволяет очертить план возможностей, не ограниченный существующими структурами отрасли. Очевидный следующий вопрос: в какой степени существующие фирмы данного сектора, по сравнению с новыми участниками, смогут извлекать выгоду из этих новых возможностей. Для этого необходимо рассмотреть то, каким образом данные бизнес-модели дополняют конкретные организационные модели или соответствуют им. Дополнения представляют собой кластеры практик, которые совместно генерируют синергии: то есть, их совмещенный эффект превышает сумму их индивидуальных эффектов (см. Brynjolfsson and Milgrom 2012). Несмотря на то, что дополнения между аспектами организационной структуры фирмы могут позволить ей функционировать более эффективно, они также могут создать барьер для изменений, потому что переключение только одного аспекта без вовлечения остальных может стать причиной снижения эффективности.

Мы сосредоточимся на трех видах организационных дополнений к бизнес-моделям. Первое: человеческий капитал и практики, связанные с управлением человеческими ресурсами (см. Brynjolfsson, Rock, & Syverson, 2019; Ransbotham et al., 2017). К ним относятся не только способности и квалификации, но еще и системы вознаграждения и повышения для мотивации и стимулирования персонала. Второе: доступность внешнего капитала, который может потребоваться для приобретения технологического капитала или для инвестирования в НИОКР для его разработки. В нашем анализе способность фирмы обеспечить эти два дополнения к бизнес-моделям с подключением искусственного интеллекта тесно связаны с третьим институциональным дополнением, а именно организационной структурой управления в фирме. Таким образом мы обозначим институциональные мероприятия, которые легитимизируют желательный порядок принятия решений и реализации политик, кто и для кого должен это делать (см. O'Sullivan, 2000).

Мы рассмотрим две идеальные модели управления: профессиональное партнерство и корпоративная организационно-правовая форма

Партнерство как дополнение к бизнес-модели юридического консалтинга

Бизнес-модель юридического консалтинга получает поддержку от профессионального партнерства (см. Greenwood et al., 1990; Smets et al., 2017). Для данной структуры характерны две ключевые характеристики управления: старшие профессиональные работники являются владельцами (долевыми партнерами) фирмы, и решения обычно принимаются среди партнеров на основе консенсуса. Данные элементы дополняют бизнес-модель юридического консалтинга, которая по своей природе предполагает интенсивное участие человеческого капитала, и важность репутации фирмы для процесса фиксации добавленной стоимости. Делая старших юристов единоличными владельцами фирмы, партнерство генерирует мощные стимулы для перекрестного контроля за работой младших юристов (см. Greenwood & Empson, 2003; Hansmann, 1996). Это важно потому, что репутация юридической фирмы (важнейший актив), в основном, представляет собой совокупность репутаций ее старших юристов. Однако процесс создания добавленной стоимости опирается на младших юристов, которые еще не создали себе репутацию (см. Galanter & Palay, 1991; Hansmann, 1996). Их стимулируют с помощью зависящей от условий компенсации в форме выполнения таргетов, основанных на почасовой оплате, а также повышения до уровня партнера в качестве вознаграждения (см. Galanter & Palay, 1991; Morrison & Wilhelm, 2004).

Ориентированный на консенсус процесс принятия решения в децентрализованной структуре партнерства (см. Greenwood & Empson, 2003; Greenwood et al., 1990) становится возможным с помощью контроля со стороны равных участников благодаря однородности человеческого капитала (см. Hansmann, 1996). Все юристы получают сходную подготовку и подчиняются той же профессиональной этике. На уровне фирмы не требуется широкой координации, потому что юристы применяют свои профессиональные навыки для реагирования на нужды клиента, могут сохранять самостоятельность и свободу усмотрения. Которые так ценны для них. Тем не менее, основанная на консенсусе система управления и распределенный характер полномочий среди партнеров превращают вопрос реализации радикальных изменений и инноваций в особенно сложную проблему (см. Malhotra, Smets, & Morris, 2016).

Корпорация как дополнение к бизнес-модели с подключением искусственного интеллекта в юридических услугах

Если говорить о бизнесе в целом, партнерство как организационно-правовая форма — в каком-то роде редкость (см. Greenwood & Empson, 2003; Hansmann, 1996). Именно то, что является ее силой для модели юридического консалтинга, оказывается слабостью во многих других контекстах. Процесс принятия решений на основе консенсуса ущербен в случае (типичном для бизнеса), когда в фирме представлен широкий диапазон различных квалификаций и точек зрения, а также требуется быстрая реакция на изменчивое окружение. Менеджмент с более иерархической структурой помогает ускорить процесс принятия решений. Более того, владение работниками, что является существенной характеристикой организационно-правовой формы партнерства, налагает ограничения на процесс привлечения средств для реализации инновационных проектов. Капитал необходимо получать из накопленных прибылей партнеров или в виде займов. Партнеры получают прибыль только в период действия их полномочий. В результате они желают реинвестировать эти прибыли (а не тратить их), когда финансовая отдача генерируется до ухода на пенсию (см. Ribstein, 2010). Такой короткий горизонт инвестирования в сочетании с задержками, связанными с ориентированным на консенсус процессом принятия решений, может осложнить для партнерства реагирование на новые возможности.

Корпоративная организационно-правовая форма, напротив, автоматически делегирует процесс принятия решений совету директоров, способствуя созданию более иерархического подхода к управлению (см. Armour et al 2017). На более фундаментальном уровне владельцами являются акционеры, которые не обязаны быть работниками фирмы. Это помогает привлекать внешний капитал. Более того, акционеры могут выходить из фирмы, продавая свои акции, цена на которые будет отражать ожидаемую стоимость будущих прибылей фирмы. Это расширяет инвестиционный горизонт по сравнению с партнерами (см. Ribstein, 2010).

Данные аспекты корпоративной организационно-правовой формы, судя по всему, гораздо лучше, по сравнению с организационно-правовой формой партнерства, совместимы с зарождающимися бизнес-моделями юридических операций и юридической технологии. Новые бизнес-модели включают в себя мультидисциплинарный человеческий капитал, что удорожает процесс принятия решений на основе консенсуса. Также для них требуется инвестирование рискового капитала, чтобы создать и организовать технические системы в ожидании зависящих от них доходов.

Вышеприведенный расчет дополнений между бизнес-моделями, человеческим капиталом и организационно-правовыми формами имеет одно явное последствие: профессиональные партнерства, скорее всего, столкнутся с внутренними препятствиями на пути к внедрению бизнес-моделей юридических операций и юридической технологии в рамках своих существующих организаций. В последнем разделе мы рассмотрим, каким образом происходит внедрение новых бизнес-моделей как в существующих организациях, так и среди новичков.

Меняющийся рынок юридических услуг

Наш анализ новых бизнес-моделей юридических услуг с подключением искусственного интеллекта поднимает очевидные вопросы о воздействии этих новых моделей на отрасль. Какие фирмы смогут реализовать их максимально эффективно? Какими будут их взаимоотношения с другими представителями отрасли? Организационно-правовой формой партнерства созданы значительные препятствия на пути развития мультидисциплинарных систем и капитальных инвестиций, необходимых для внедрения этих новых бизнес-моделей. Однако юридические фирмы экспериментируют с рядом подходов, нацеленных на преодоление этих проблем, создавая различные эффекты для юридической профессии. Тем не менее, перед тем, как перейти к их рассмотрению, мы очертим пути, с помощью которых к новым возможстям стремятся другие игроки рынка — корпоративные клиенты, которых традиционно обслуживают юридические фирмы, а также новые игроки, которые преподнят себя как альтернативных провайдеров юридических услуг.

Корпоративные клиенты

Мы заявляли, что две из новых бизнес-моделей, а именно юридические операции и юридическая технология, дополняются корпоративной организационно-правовой формой структурирования бизнеса. Несмотря на то, что данная организационно-правовая форма обычно не реализуется крупными юридическими фирмами, это делаюют их клиенты, которые обычно являются крупными корпорациями. Такие предприятия обладают иерархическими структурами управления, могут предлагать стимулы и поддерживать мультидисциплинарные команды, а также могут с легкостью привлечь внешний капитал. Например, ряд крупных корпораций, например GE, Barclays и BT предпринимали меры для реструктуризации своих юридических команд таким образом, чтобы зафиксировать преимущества новых технологий, в том числе искусственного интеллекта (см. Fowler, 2015; Jordan, 2016; Rogers, 2017). Если крупные корпоративные клиенты могут сделать это все сами, разве это не сведет на нет нужды клиентов, которые мы идентифицировали для бизнес-моделей юридических операций и юридической технологии? То есть, окажется ли так, что предлагаемые искусственным интеллектом возможности для экономии издержек для юридических услуг будут использованы самими клиентами, а не независимыми провайдерами юридических услуг?

Тем не менее, невзирая на эти с виду восприимчивые организационные атрибуты, корпоративные клиенты сталкиваются с препятствиями на пути внедрения искусственного интеллекта. Первым являются инвестиции. Корпоративные юридические команды предприятия, генерирующего поступления в рамках своего основного бизнес-сектора, являются дополнительной функцией. Изнутри они считаются центром издержек, а не источником поступлений. В случае, если компания включена в котировальный список фондовой биржи, анализ концентрируется на ее поступлениях и предпринимаемых компанией шагах для их устойчивого увеличения. Вопрос капитальных инвестиций в тот аспект бизнеса, который не генерирует поступления, труднее поддается оценочному анализу, что приводит к неприятной реакции стоимости ценных бумаг (см. Haskel & Westlake, 2018; Stein, 1989). В свою очередь, это может заметно осложнить для крупных корпораций процесс инвестиций в мероприятия, снижающие издержки для их внутренних департаментов по оказанию юридических услуг, если сравнивать их с инвестициями, которые непосредственно приводят к генерированию поступлений (см. Armour, Gordon, & Min, 2020).

Второй проблемой, с которой сталкиваются корпоративные клиенты на пути внутреннего внедрения юридического искусственного интеллекта, является доступность данных, которые нередко бывают рассеяны по многочисленным унаследованным системам. Разумеется, многие организации участвуют в цифровой трансформации для облегчения доступа к внутренним данным (см. Andal-Ancion, Cartwright, & Yip, 2003; Kane, Palmer, Phillips, Kiron, & Buckley, 2015). Даже в тех случаях, когда это сделано, только очень крупные корпорации могут обладать достаточным объемом данных для организации эффективного обучения для моделей искусственного интеллекта и генерации достаточного объема активности для оправдания постоянных издержек, связанных с маркировкой обучающих данных. Провайдеры юридических услуг, напротив, могут обладать потенциалом для масштабирования анализа данных, предоставленных многочисленными клиентами, разумеется, если клиенты могут делиться данными.

Новые игроки

В последние годы активно растет количество новых игроков на рынке юридических услуг. Они называют себя альтернативными провайдерами юридических услуг, отделяя себя от существующих игроков (см. ThomsonReuters, 2019). Наша структура бизнес-моделей усилить модульность анализа: мы можем выделить новичков, стремящихся к каждой из новых бизнес-моделей.

Бизнес-модель юридической технологии является целью стартапов под названием легалтех (legal tech или lawtech) (см. журнал Law Society, 2019). Некоторые из таких стартапов (например, Luminance, Kira и RAVN) сосредоточены, в основном, на осуществлении продаж для пользователей в юридических фирмах. Другие (например, Atrium, Neota Logic и Nivaura) сосредоточены, в основном, на корпоративных пользователях, в том числе на стартапах. И еще одн (например, Cognitiv+ и ThoughtRiver) осуществляют продажи для как для корпораций, так и для юридических фирм. Использование облачных вычислений также позволяет провайдерам в виде платформ (например, Reynen Court) становиться магазином приложений для других провайдеров.

Старты используют корпоративную организационно-правовую форму и собирают мультидисциплинарные команды, состав которой соответствует конкретной стоящей перед ней задаче. Членов команды стимулируют через предоставление акций их фирмы, и инвестиционный капитал привлекается от бизнес-ангелов и венчурного капитала. Однако, чего не хватает стартапам, так это репутации среди пользователей и доступа к данным, необходимым для обучения моделей искусственного интеллекта, разработанных на их платформах. Поэтому стартапам приходится вести переговоры со своими пользователями по поводу использования добавленной стоимости, созданной путем обучения их платформ искусственного интеллекта с помощью данных пользователей. Многие пользователи хотят сохранить у себя добавленную стоимость, созданную путем обучения с использованием их собственных данных. Это ограничивает способность технологически-правовых стартапов масштабировать свои продукты.

Крупные и признанные провайдеры данных, например LexisNexis и Thomson Reuters, также следуют бизнес-модели юридической технологии, предоставляя продукты и платформы искусственного интеллекта, а также покупая технологические стартапы. Данные фирмы уже имеют доступ к огромным массивам данных. Это означает, что для них гораздо проще масштабировать искусственный интеллект, который использует такие данные.

Во-вторых, бизнес-модели юридических операций следует группа быстро растущих "юридических компаний", например UnitedLex, Elevate и Axiom. Некоторые из этих юридических фирм ведут свое происхождение из аутсорсинга юридических процессов (см. Sako, 2015), но смогли диверсифицироваться и совместить модели юридических операций и юридической технологии. Например, Axiom, имея капитальные инвестиции Permira, развивается в платформу адвокат по требованию и обладает значительной экспертной квалификации в технологиях и фиксации данных. Elevate также растет после приобретения Halebury (платформа контрактного найма юристов) и LexPredict (легалтех фирма в сфере искусственного интеллекта, использующая модель SaaS) и обеспечивает беспрепятствое подключение платформ искусственного интеллекта для своих правовых решений.

Большая четверка аудиторских фирм, которые занимают значительную часть рынка ALSP (см. ThomsonReuters, 2019), стремится использовать возможности, разработанные в рамках своего аудиторского и бухгалтерского бизнеса, в юридических операциях. Их амбициозное стремление предоставлять интегрированное решение для корпоративных клиентов сталкивается с препятствиями во многих юрисдикциях в связи с наличием нормативных ограничений в части круга лиц, имеющих разрешение на осуществление юридической практики. Однако на территории Англии и Уэльса закон о юридических услугах 2007 года (2007 Legal Services Act) предусматривает для Большой четверки возможность для диверсификациии и оказания юридических услуг. Когда компания EY Law приобрела Riverview Law в сентябре 2018 года (см. Cohen, 2018) и Pangea3 Legal Managed Service, принадлежавшую Thomson Reuters, в апреле 2019 года (см. Tuahene, 2019), это показало выявленное нами намерение Большой четверки совместить бизнес-модели с подключением искусственного интеллекта. Более того, в отличие от юридических компаний, Большая четверка предлагает ряд юридических и не юридических профессиональных услуг для корпоративных клиентов.

Консалтинговая бизнес-модель также применяется рядом новых игроков, в основном, в качестве дополнения к базовым компетенциям. Таким образом, некоторые технологически-правовые стартапы предлагают пользователям консалтинговые услуги в отношении оптимального способа использования их продукта. Некоторые компании, применяющие юридические операции, и Большая четверка предлагают консалтинг в сфере юридических операций, чтобы помогать клиентам в разработке более эффективных юридических операций перед тем как приступать к реализации юридических операций для клиента.

Адаптация и эксперименты юридических фирм

Теперь перейдем к реакции юридических фирм на возможности и конкурентные проблемы, возникшие благодаря бизнес-моделям с подключением искусственного интеллекта. До настоящего времени привлечением искусственного интеллекта и связанных с ним технологий занимались очень крупными юридическими фирмами (см. ABA, 2019; LSB, 2018). Таким образом зафиксирована экономическая модель внедрения решений, связанных с искусственным интеллектом: постоянные издержки и растущий эффект масштаба. Крупные юридические фирмы, использующие организационно-правовую форму партнерства, испытывали проблемы с внедрением искусственного интеллекта и связанных с ним технологий в связи с отсутствием дополнений для бизнес-моделей с подключением искусственного интеллекта; во-первых, необходимого человеческого капитала не юридической специализации внутри фирмы, и, во-вторых, структуры управления, которая не сдерживает рискованные действия и не исключает людей, обладающих значимой технологической и иной квалификацией, из процесса принятия решений в фирме. Мы определим три явно выраженных подхода среди реакций крупных юридических фирм.

(a) внимание только на модель юридического консалтинга

С одной стороны, можно попросту воздержаться от конкуренции за те виды юридической работ, к которым применима бизнес-модель с подключением искусственного интеллекта. Такие фирмы попросту фокусируют свою энергию на на том, что мы обозначили как модель юридического консалтинга: аспекты юридических услуг, в которых человек сохраняет относительное преимущество, как минимум, в обозримом будущем. Очевидно, сохранится спрос на такую работу, однако она составит не более чем подгруппу в рамках общего рынка юридических услуг. Для фирм, идущих этим путем, нет значимой потребности в организационной реструктуризации, потому что существующая организационно-правовая форма партнерства по-прежнему хорошо адаптирована под их управленческие потребности. Тем не менее, фирмы, которые следуют этому подходу, не будут бороться за то, чтобы влиять на способы, с помощью которых клиенты покупают и комбинируют услуги юридических операций и юридической технологии с другими аспектами юридических услуг. Также у них не будет основы, на базе которой можно разрабатывать соответствующую консалтинговую практику.

(b) Применение новых бизнес-моделей на договорной основе

Для юридических фирм, сталкивающихся с этими вопросами, глобальной проблемой является непонимание сфер применения искусственного интеллекта и связанной с ним экономии, а также по поводу того, какие платформы будут доминировать. Это вынудило многие фирмы диверсифицироваться путем создания пробных отношений с несколькими провайдерами. Таким образом юридические фирмы заключают договоры с фирмами, использующими юридическую технологию для предоставления инженерных решений, и с фиррмами, использующими юридические операции, для аутсорсинга некоторых аспектов своего рабочего процесса (см. ThomsonReuters, 2019). Кто-то создал инкубаторы, в рамках которых фирмам, использующим юридическую технологию, предлагается рабочее пространство в ответ на ранний доступ к работающему продукту. Такие отношения позволяют юридическим фирмам экспериментировать с полезным функционалом предлагаемых провайдером продуктов и услуг, что позволяет им получать более качественную информацию об анализе рынке для целей этапа 2 (выбор и тестирование моделей искусственного интеллекта), см. рисунок 1. Инкубаторы также пытаются удовлетворять нужды клиентов, выявленные через традиционные предложения юридической фирмы и новые бизнес-модели (см. Gilson, Sabel, & Scott, 2009).

Юридическим фирмам, применяющим данный подход, не нужно привлекать внешнее финансирование, потому что они платят за услуги, основанные на искусственном интеллекте, по мере их оказания. Более того, им лишь нужно развивать внутри юридической фирмы небольшой объем человеческого капитала для мультидисциплинарных команд. Например, юристы, работающие в юридической фирме, могут взять на себя основную роль на этапах 1 (определение проблемы) и 5 (оценка и разъяснение выходных данных (см. Рисунок 1) и сотрудничать с провайдерами юридических операций или технологий при выполнении остальных этапов. Когда происходит именно так, то юристам требуются релевантные квалификации для участия в мультидисциплинарных командах, однако спрос на это гораздо ниже, чем на создание полной команды с нуля.

Однако, совмещение бизнес-моделей на договорной основе может оказаться неустойчивым на среднесрочной перспективе. С одной стороны, когда провайдеры юридических операций или технологии также ищут возможности осуществлять продажи напрямую корпоративным клиентам, юридическая фирма может быть обеспокоена тем, что клиенты в конечном счете не будут подключать ее к этим аспектам работы. Еще одна проблема заключается в том, что договорные отношения оставляют возможность для новых переговоров по поводу разделения профицита, полученного в результате использования технологии искусственного интеллекта, как это происходит в отношениях между юридическими фирмами и провайдерами. Поскольку мультидисциплинарная команда, которая создает добавленную стоимость, состоит из представителей двух организаций, возможно, существует значительный потенциал для задержки новых договорных переговоров (см. Gilson et al., 2009; Williamson, 1985). Платформа провайдера дополняет добавленную стоимость человеческого капитала юристов, однако в случае, когда преимущества обучения ограничиваются системой конкретного провайдера, данная добавленная стоимость зависит от постоянного использования конкретной платформы. Данные проблемы усугубляются для юридической фирмы в случае, когда провайдер может убедить значимых пользователей предоставить ему разрешение на объединение преимуществ обучения на основе их данных. Растущий эффект масштаба, возможно, позволит провайдеру приобрести рыночную силу.

Имея, судя по всему, именно такие беспокойные мысли, ряд юридических фирм приобрел доли участия в фирмах, использующих юридическую технологию: например, Slaughter and May имеют долю участия в Luminance, а Taylor Vinters — в ThoughtRiver. В других случаях создаются совместные предприятия. Данные методики разделения контроля снижают издержки регулирования (см. Eklund & Kapoor, 2019; Helfat & Eisenhardt, 2004), а также смягчают потенциальные издержки, связанные с задержками (см. Gilson et al., 2009; Klausner, 2015).

(c) сочетание юридического консалтинга с новыми бизнес-моделями через вертикальную интеграцию

Другие юридические фирмы стараются совмещать свою действующую бизнес-модель юридического консалтинга с новыми бизнес-моделями с подключением искусственного интеллекта через вертикальную интеграцию. Иногда это происходит согласованно. например, даже перед восхождением искусственного интеллекта некоторые крупные юридические фирмы создавали зависимые центры знаний на оффшорных (например, Clifford Chance в г. Гургаоне, Индия) и на близлежащих территориях (например, A&O и Herbert Smith в Белфасте, Freshfields в Manchester), а не аутсорсили независимым провайдерам LPO. На сегодняшний день они эволюционировали в зрелые возможности юридических операций. В данных центрах ассистенты работают под контролем юристов, которые сходят с карьерного пути "от помощника до партнера" и становятся менеджерами. При этом лишь малая часть этих крупных юристов, не зарабатывающих гонорары, могут настаивать на статусе партнера.

Аналогичным образом некоторые юридические фирмы (например, Pinsent Masons) рано приступили к развитию внутренних команд по управлению технологиями/инновациями/знаниями, что привело даже к проектированию собственного программного обеспечения. Таким командами назначаются задачи по оказанию поддержки различным направлениям практики, которым нужна технологическая поддержка, для улучшения внутренних рабочих процессов и/или для получения бизнес-задач от клиентов. Они входят в сферу бизнес-модели юридической технологии. Более того, некоторые юридические фирмы предлагают своим клиентам консалтинг в юридических операциях, управление проектами и цифровые решения.

В юридической фирме, стремящейся совмещать PSF и бизнес-модели с подключением искусственного интеллекта, может накопиться напряжение в части дополнений для практик управления персоналом и менеджмента. Что касается управления персоналом, новые бизнес-модели подразумевают наем мультидисциплинарных команд, при этом ценный человеческий капитал приходит из самых разных сфер. С формальной точки зрения такие (не юридические) члены команды не могут иметь права голоса в традиционном процессе принятия решений PSF. Более того, процесс разделения прибыли между юристами в PSF не совместим с признанием вклада не-юристов.

Чтобы преодолеть ограничения, продиктованные организационно-правовой формой партнерства, многие фирмы пытались создать некоторого рода организационную автономию для подразделения, реализующего новую бизнес модель. Таким образом, для фирм, которые создали подразделения юридических операций, такие подразделения либо выделены с операционной (как отдельный центр издержек или прибыли) или даже организационной точки зрения (как дочерняя корпорация). Аналогичным образом в бизнес-модели юридической технологии некоторые фирмы (например, Mishcon de Reya) создали новые дочерние организации специально для развития технологии, тогда как другие приобрели легалтех стартапы, которые стали их дочерними организациями (как пример, недавнее приобретение Wavelength Law фирмой Simmons & Simmons). Такая структура с участием основной и дочерней организации сводит к минимуму негативные синергии между бизнес-моделями, а также позволяет брать больше риска внутри дочерней организации. Однако дочерняя организация не имеет доступа к внешнему капиталу помимо инвестиционных средств, полученных от основной юридической фирмы.

Долгосрочная перспектива отношений между этими новыми дочерними организациями и их основной юридической фирмой на данный момент непонятна. С одной стороны, растущий эффект масштаба, создаваемый технологией искусственного интеллекта, может создать для дочерних организаций стимулы для поиска бизнес-задач от клиентов, которые не являются клиентами основной фирмы. В конечном итоге их добавленная стоимость может быть максимизирована через экономное расходование усилий. С другой стороны, сохранение вертикальной интеграции имеет преимущество в том, что в ней дочерняя организация, задействующая технологию искусственного интеллекта, считается катализатором для реформы традиционной модели профессиональной фирмы по оказанию услуг изнутри.

Более комплексной трансформации можно добиться через вертикальную интеграцию, если речь идет о профессиональном партнерстве (юридической фирме), которое становится дочерней организацией корпорации. Такого рода структура была принята в DWF, фирме из Великобритании, которая вышла на первоначальное публичное предложение акций (IPO) в марте 2019 года (см. DWF, 2019). Корпоративная основная организация (DWF Group plc) осуществила выпуск акций для внешних инвесторов, чтобы привлечь капитал для целей инвестиций, в том числе в технологические НИОКР.

Новое подразделение в бизнесе DWF' (известное под наименованием Connected Services) явным образом сосредоточено на обозначенных нами консалтинговых бизнес-моделях и предлагает клиентам решения на основе собственного программного обеспечения и консультации по поводу внедрения юридических операций. Помимо содействия привлечению капитала корпоративная структура позволяет нанимать, сохранять и стимулировать мультидисциплинарные команды, имея возможность распределять прибыли с помощью акционерных вознаграждений (см. DWF, 2019). Также она предусматривает поддержку для дочерней организации DWF, юридического партнерства DWF Law LLP, реализующего юридические операции. Созданный в результате микс человеческого капитала внутри корпоративной группы является действительно мультидисциплинарным, совмещая юридические квалификации и ряд других специальностей.

В то же время, DWF стремится сохранить многие элементы модели юридического консалтинга, оставляя структуру партнерства в своей юридической фирме, которая является ее дочерней организацией. Партнерство фокусируется на модели юридического консалтинга и юридических операций для клиентов. Тем не менее, контроль сейчас находится в руках корпоративного родителя, имеющего более иерархическую структуру, а вознаграждение партнеров состоит из сочетания прибылей партнерства (в более мелких долях, чем раньше) и ценных бумаг основной компании (см. DWF, 2019).

Три паттерна адаптации юридических фирм к бизнес-моделям с подключением искусственного интеллекта, а также их эксперименты с такими моделями, можно считать точками в континууме вовлеченности. Различия дополнений к бизнес-модели юридического консалтинга и к новым бизнес-моделям (с точки зрения организационной структуры, финансирования и человеческих ресурсов) создают конфликты при совмещении бизнес-моделей. Данные конфликты во-первых, избегаются, во-вторых, частично выводятся за пределы организации на договорной основе и, в-третьих, изолируются и реструктурируются с помощью изменения организационной структуры. Все эти три вида экспериментов мы очертили выше.

Роль регулирования

Профессиональное регулирование ограничивает возможности выбора, доступные юридическим фирмам во многих юрисдикциях. Например, в США Модельные правила профессиональной этики Американской ассоциации юристов (American Bar Association's Model Rules of Professional Conduct), принятые Ассоциациями юристов большинства штатов, ограничивают распределение гонораров юристами среди не-юристов и запрещают юристам работать в одном партнерстве с не-юристами или корпорациями, в которых имеются не-юридические акционеры. Даже в соответствии с этими правилами допускается заключение договоров с провайдерами, работающими по новой бизнес-модели, и вертикальная интеграция, если, в последнем случае, провайдер, работающий по новой бизнес-модели, является дочерней организацией юридической фирмы, а не наоборот. Сохраняется ограничение на партнерство с не-юристами и осуществление юридической фирмой мероприятий, направленных на получение статуса дочерней организации публичной компании.

Надзорный режим Великобритании, напротив, пережил радикальную реформу благодаря принятию закона о юридических услугах (Legal Services Act 2007), что позволило предлагать услуги юридического консалтинга фирмами, которые полностью или частично принадлежат не-юристам (см. Clementi, 2004; Flood, 2012). Этические обязательства юристов в рамках данного режима находятся под надзором публичных регуляторов, которые должны, которые должны выдать разрешение каждой фирме, которая осуществляет подпадающие под ограничение виды деятельности (см. Boon, 2010). Судя по всему, первые эффекты данной реформы оказались скромными (см. Aulakh & Kirkpatrick, 2016), однако она предлагает существующим в Великобритании фирмам ряд возможностей для экспериментов с организационной структурой, которые не доступны для их коллег из США. В частности, корпоративная структура, похожая на структуру новых юридических компаний, самым эффективным образом содействует привлечению внешнего капитала. Такой капитал можно использовать не только для инвестиций в НИОКР, но еще и для субсидирования роста рыночной доли и, таким образом, расширения доступа к данным. Нормативные ограничения не позволяют юридическим фирмам следовать по данному пути и могут создать для них невыгодное конкурентное положение, что усилит давление, нацеленное на изменения, в некоторых штатах США, особенно в Калифорнии (см. Henderson, 2018; Hudgins, 2019).

Анализ и заключение

В данной работе мы разработали систему для анализа бизнес-моделей и их дополнений, чтобы пролить свет на возможное воздействие искусственного интеллекта на юридические услуги. Наш анализ проводился на трех уровнях: (i) технические возможности искусственного интеллекта в отношении задач, определение контекстов, в рамках которых он, скорее всего, заменит или дополнит человека; (ii) бизнес-модели, идентификация новых возможностей для создания добавленной стоимости в юридических услугах с помощью использования искусственного интеллекта; и (iii) организации, рассморение последствий использования преимуществ, предалагемых этими новыми бизнес-моделями для организационной структуры фирм, оказывающих юридические услуги.

В настоящее время искусственный интеллект, основанный на машинном обучении, может автоматизировать многие из нерутинных задач, сохраняются (как минимум, на ближайшее будущее) ограничения в его возможностях для тех, кто задействует креативный или социальный интеллект. В их число входят, помимо прочего, юридическая работа, подразумевающая контакт с клиентами (социальный интеллект), и разработка индивидуальных юридических решений (креативный интеллект). Более того, с учетом высоких постоянных затрат лидерами в применении искусственного интеллекта являются организации, обладающие ресурсами, в основном это крупные коммерческие юридические фирмы, их корпоративные клиенты и несколько новичков с крупными внешними инвестициями.

Мы опредилили три новые бизнес-модели с подключением искусственного интеллекта — юридические операции, юридическая технология и консалтинг — а также дополняющие их элементы в виде человеческих ресурсов, внешнего капитала и организационного управления. Эти новые бизнес-модели отвечают потребности клиентов в снижении цены на юридические услуги предсказуемого уровня качества с помощью использования искусственного интеллекта и связанных с ним технологий. Во время этого процесса им необходимы различные дополнения от бизнес-модели юридического консалтинга с привлечением более разнородных человеческих ресурсов и такая система организационного управления, которая поможет привлечь внешний капитал и позволит создать централизованный иерархический менеджмент. В то же время, ограниченность возможностей искусственного интеллекта подразумевает, что непременно сохранится какая-то роль для какой-нибудь версии трабиционной бизнес-модели юридического консалтинга для такой юридической работы, которая тонко настроена для конкретных контекстов.

Мы подробно рассмотрели, каким образом данные дополнения используются фирмами из юридического сектора, которые стремятся задействовать эти новые бизнес-модели. Есть ряд новичков, в том числе стартапы, принимающие модель юридической технологии, юридические компании, сочетающие юридические операции с консалтингом, а также Большая четверка, которая сочетает все три бизнес-модели с подключением искусственного интеллекта, чтобы предлагать корпоративным клиентам интегрированные решения. Большинство этих новичкой имеют организационно-правовую форму компании, а не партнерства, форму, которая лучше дополняет их бизнес-модель. Существующим юридическим фирмам, использующим модель юридического консалтинга, непросто имитировать данные подходы в связи с имеющимися у них дополнениями в виде практик управления человеческими ресурсами (в отношении юристов) и организационного управления (профессиональные партнерства юристов).ы

Многие юридические фирмы, особенно среди более мелких, еще не задействовали искусственный интеллект. Такие фирмы продолжают следовать чистой бизнес-модели юридического консалтинга, будь то в силу сознательного выбора или как было заведено с самого начала. В то же время, некоторые из существующих юридических фирм экспериментируют с новыми бизнес-моделями, вступая в договорные отношения со многими из новичков. Стимулом для этого является желание отвечать эволюционирующим нуждам клиентов, но при этом не связывать себя преждевременно с непроверенными инновациями. Несмотря на то, что договорные отношения позволяют добиться гибкости, они создают для юридических фирм риск, связанный с тем, что новички стремятся получить со временем все большую часть профицита, созданного технологией.

Поэтому некоторые юридические фирмы экспериментируют с рядом более глубоких связей: приобретая доли участия в стартапах или покупая их в открытую. В таких случаях различия между организационной структурой и составом человеческого капитала означают, что присоединение дочерней организации к бизнес-модели бизнеса юридического консалтинга нельзя называть ни осуществимым, ни желательным. Скорее, фирма стремится следовать различным бизнес-моделям на уровне основной (партнерство) и дочерней (компания) организации.

В случае, если есть особенно сильная потребность в привлечении внешнего капитала, некоторые юридические фирмы в юрисдикцкиях, где разрешается присутствие не-юристов среди владельцев организации, продолжают продвигаться дальше и преобразовываются в дочерние организации публичных компаний. Такие фирмы также следуют более чем одной бизнес-модели одновременно, однако теперь основная компания осуществляет деятельность на основе новых бизнес-моделей, а дочернее партнерство - модели юридического консалтинга. Выбор между этими двумя структурами, скорее всего, осуществляется на основе того, какие, по мнению фирмы, аспекты всего бизнеса будут доминировать в ближайшее время.

Какие эффекты это создает для юридических фирм и юридической профессии? Мы приходим к трем гипотетическим выводам. Во-первых, поскольку многие юридические задачи по-прежнему вне возможностей искусственного интеллекта, многие юридические фирмы, соответственно, сохранят исключительно человеческий и ориентированный на юристов подход, эксплуатируя модель юридического консалтинга и организационно-правовую форму партнерства. Однако, наш анализ роли искусственного интеллекта в юридических рабочих процесса предполагает, что искусственный интеллект может начать вносить свой вклад (в качестве инструмента исследования и анализа) во многих юридические задачи, которыми занимается только человек. Поэтому фирмы, которые фокусируются исключительно на бизнес-модели юридического консалтинга, могут во все большей степени становиться потребителями легалтех продуктов и услуг юридических операций, однако логика их бизнес-модели будет означать, что они фиксируют небольшую часть добавленной стоимости, создаваемой при использовании искусственного интеллекта.

Во-вторых, несмотря на то, что корпоративные клиенты сами могут фиксировать некоторую часть добавленной стоимости, созданной при использовании искусственного интеллекта в юридических услугах, скорее всего, ее нужно будет разделять с фирмами, которые осваивают новые бизнес-модели в целях оказания юридических услуг. Некоторыми из этих фирм будут новые участники рынка, среди других будут существующие юридические фирмы, которые диверсифицируются для одновременного следования бизнес-модели юридического консалтинга и одной или нескольким из новых бизнес-моделей с подключением искусственного интеллекта. В случае, если будут осуществляться объединения, это может означать, что они будут совмещать две. Этим фирмам (или отдельным их частям), использующим новые бизнес-модели, также будет нужен человеческий капитал из юридической сферы, однако такой, который может вступать в тесный контакт с другими элементами мультидисциплинарной команды.

Наш анализ указывает на явное разделение между характером действий, осуществляемых теми, кто применяет юридические навыки в бизнесах юридического консалтинга, и теми, кто делает это в рамках юридической технологии или юридических операций. Это обозначает третий вывод: нужно ли приобретать данный человеческий капитал из юридической сферы таким способом, чтобы носитель квалификации становился "юристом" с соответствующей профессиональной подготовкой, регулирующей системой и этикой. Скорее всего, данный вопрос будет на передовой линии спора по поводу границ профессии (см. Abbott, 1988; Reed, 1996). К данному моменту уже проявились различия между юрисдикциями в части наличия у юристов возможности включать "не-юристов" в число владельцев своего бизнеса, а также объема работы, выполняемой в рамках оказания юридических услуг и резервируемой исключительно за юристами. Спор о том, необходим ли полный курс профессионального обучения на юриста для подготовки релевантного человеческого капитала в юридической сфере для новых бизнес-моделей, придется протестировать против рыночных сил, требующих повысить эффективность, и этических сомнений. В частности, схема и повседневное использование систем искусственного интеллекта в юридических услугах создают немало очевидных этических проблем (см. Gasser & Schmitt, 2020; Surden, 2020). То, каким образом данные этические проблемы решаются внутри юридической профессии и за ее пределами, также определит ту степень, в которой юристы станут "гибридными профессионалами" (см. Noordegraaf, 2007, 2015). Гибридные профессионалы развивают компетенцию определенного вида за пределами своей основной сферы специализации, и поэтому они, скорее всего, будут иметь возможность навести мосты между различными видами логики (см. Blomgren & Waks, 2015; Gasser & Schmitt, 2020; Kurunmaki, 2004). Что очевидно из нашего анализа, так это то, что "юридическим" единицам мультидисциплинарных команд, реализующих новые бизнес-модели, придется стать гибридными, и им даже не нужно быть юристами. В общем смысле, юристы из юридических фирм, соприкасающихся с новыми бизнес-моделями через договорные отношения, сталкиваются с менее сильным давлением на гибридную трансформацию, чем юристы из организаций, соприкасающихся с ними через вертикальную интеграцию.

Все еще не вынесено решение жюри присяжных по поводу того, какими будут жизнеспособные сочетания бизнес-моделей и форм управления для провайдеров юридических услуг. Тем не менее, данное исследование подчеркивает, насколько важно формулировать дебаты вокруг "кончины юридических фирм" и "заката юристов" с учетом нюансов понимания того, что юридические фирмы одновременно следуют старым и новым бизнес-моделям, а также управленческих выборов, нацеленных на выгодное использование имеющихся у них активов (которые помогают или мешают) в реализации сочетаний бизнес-моделей. Внедрение искусственного интеллекта - это не только вопрос технологической инновации. На фундаментальном уровне это также вопрос инноваций в сфере бизнес-моделей с широкими последствиями для природы юридической профессии.юридической профессии.

Список использованной литературы

ABA. 2019. ABA TECHREPORT 2019: American Bar Association.

Abbott, A. 1988. The System of Professions: An Essay on the Division of Expert Labor. Chicago: University of Chicago Press.

Ackroyd, S., & Muzio, D. 2007. The reconstructed professional firm: explaining change in English legal practices. Organization Studies, 28(5): 729-747.

Agrawal, A., Gans, J., & Goldfarb, A. 2019. The Economics of Artificial Intelligence. Chicago: University of Chicago Press.

Amit, R., & Zott, C. 2001. Value creation in e-business. Strategic Management Journal, 22: 493–520.

Andal-Ancion, A., Cartwright, P. A., & Yip, G. S. 2003. The digital transformation of traditional business. MIT Sloan Management Review, 44(4): 34.

Armour, J., Davies, P., Enriques, L., Hansmann, H., Hertig, G., Kanda, H., Kraakman, R., Pargendler, M., Ringe, W. G., & Rock, E. 2017. The Anatomy of Corporate Law: A Comparative and Functional Approach. Oxford: Oxford University Press.

Armour, J., Gordon, J. N., & Min, G. 2020. Taking Compliance Seriously. Yale Journal on Regulation, 37: 1.

Aulakh, S., & Kirkpatrick, I. 2016. Changing regulation and the future of the professional partnership: the case of the Legal Services Act, 2007 in England and Wales. International Journal of the Legal Profession, 23(3): 277-303.

Autor, D. 2015. Why are there still so many jobs? The history and future of workplace automation. ournal of Economic Perspectives, 29: 3-30.

Autor, D. H., Levy, F., & Murnane, R. J. 2003. The skill content of recent technological change: An empirical exploration. The Quarterly journal of economics, 118(4): 1279-1333.

Bates, D. W., Saria, S., Ohno-Machado, L., Shah, A., & Escobar, G. 2014. Big data in health care: using analytics to identify and manage high-risk and high-cost patients. Health Affairs, 33(7): 1123-1131.

Blomgren, M., & Waks, C. 2015. Coping with contradictions: hybrid professionals managing institutional complexity. Journal of Professions and Organization, 2(1): 78-102.

Boon, A. 2010. Professionalism under the Legal Services Act 2007. International Journal of the Legal Profession, 17(3): 195-232.

Brock, D., Powell, M., & Hinings, C. 1999. The changing professional organization: Accounting, healthcare, and law: New York: Routledge.

Brynjolfsson, E., & McAfee, A. 2014. The second machine age : work, progress, and prosperity in a time of brilliant technologies (First Edition. ed.). New York: W. W. Norton & Company.

Brynjolfsson, E., & McAfee, A. 2016. The Second Machine Age. New York: W. W. Norton & Co.

Brynjolfsson, E., & Milgrom, P. 2012. Complementarity in organizations. In R. Gibbons, & J. Roberts (Eds.), The Handbook of Organizational Economics. Princeton: Princeton University Press.

Brynjolfsson, E., & Mitchell, T. 2017. What can machine learning do? Workforce implications. Science, 358(6370): 1530-1534.

Brynjolfsson, E., Rock, D., & Syverson, C. 2019. Artificial intelligence and the modern productivity paradox: a clash of expectations and statistics, Chapter 1. In A. Agrawal, J. Gans, & A. Goldfarb (Eds.), The Economics of Artificial Intelligence. Chicago: University of Chicago Press.

Chesbrough, H. 2010. Business model innovation: opportunities and barriers. Long Range Planning, 43: 354-363.

Chollet, F. o. 2018. Deep learning with Python. Shelter Island, New York: Manning Publications Co.

Clementi, D. 2004. Review of the Regulatory Framework for Legal Services in England and Wales: Final Report: 139. London.

CLOC. 2019. What is Legal Operations?: 13.Cohen, M. A. 2018. EY Acquires Riverview Law: A Different Perspective. Forbes.

Davenport, T. H., & Ronanki, R. 2018. Artificial intelligence for the real world. Harvard Business Review, January - February: 109-116.

DWF. 2019. Prospectus for Offer of Ordinary Shares and admission to listing on the Official Listy and to trading on the main market of the London Stock Exchange. London: DWF.

Ehret, M., & Wirtz, J. 2017. Unlocking value from machines: business models and the industrial internet of things. Journal of Marketing Management, 33: 111-130.

Eklund, J., & Kapoor, R. 2019. Pursuing the New While Sustaining the Current: Incumbent Strategies and Firm Value During the Nascent Period of Industry Change. Organization Science, 30(2): 383-404.

Faulconbridge, J., & Muzio, D. 2008. Organizational professionalism in globalizing law firms. Work, employment and society, 22(1): 7-25.

Flood, J. 2012. Will There Be Fallout from Clementi: The Repercussions for the Legal Profession after the Legal Services Act 2007. Mich. St. L. Rev.: 537.

Flood, J. 2019. Legal professionals of the future: Their ethos, role and skills. Role and Skills (January 15, 2019).

Ford, M. a. 2018. Architects of intelligence : the truth about AI from the people building it.

Fowler, C. 2015. BT's legal transformation. Practical Law.

Freidson, E. 2001. Professionalism, the third logic: On the practice of knowledge: University of Chicago press.

Frey, C. B., & Osborne, M. A. 2017. The future of employment: How susceptible are jobs to computerisation? Technological forecasting and social change, 114: 254-280.

Galanter, M., & Henderson, W. D. 2008. The elastic tournament: a second transformation of the Big Law firm. Stanford Law Review, 60: 1867-1932.

Galanter, M., & Palay, T. 1991. Tournament of lawyers: The transformation of the big law firms. Chicago: University of Chicago Press.

Gasser, U., & Schmitt, C. 2020. The Role of Professional Norms in the Governance of Artificial Intelligence. In M. Dubber, F. Pasquale, & S. Das (Eds.), Oxford Handbook of Ethics of AI Oxford: Oxford University Press.

Gilson, R. J., & Mnookin, R. H. 1985. Sharing among the human capitalists: An economic inquiry into the corporate law firm and how partners split profits. Stanford law review: 313-392.

Gilson, R. J., Sabel, C. F., & Scott, R. E. 2009. Contracting for innovation: vertical disintegration and interfirm collaboration. Colum. L. Rev., 109: 431.

Greenwood, R., & Empson, L. 2003. The Professional Partnership: Relic or Exemplary Form of Governance? Organization Studies, 24(6): 909-933.

Greenwood, R., Hinings, C. R., & Brown, J. 1990. P2-form strategic management: corporate practices in professional partnerships. Academy of Management Journal, 33(4): 725-755.

Halevy, A., Norvig, P., & Pereira, F. 2009. The unreasonable effectiveness of data. IEEE Intelligent Systems, 24: 8-12.

Hanlon, G. 1997. A Profession in Transition-Lawyers, the Market and Significant Others. Mod. L. Rev., 60: 798.

Hansmann, H. 1996. The Ownership of Enterprise: Belknap Press.

Harmon, A. R. 2008. The ethics of legal process outsourcing - Is the practice of law a noble profession, or is it just another business. Journal of Technology Law & Policy, 13: 41-84.

Harmon, P., & King, D. 1985. Expert Systems: Artificial Intelligence in Business. New York: Wiley & Co.

Haskel, J. a., & Westlake, S. a. 2018. Capitalism without capital : the rise of the intangible economy.

Helfat, C. E., & Eisenhardt, K. M. 2004. Inter‐temporal economies of scope, organizational modularity, and the dynamics of diversification. Strategic Management Journal, 25(13): 1217-1232.

Helpman, E. (Ed.). 1998. General Purpose Technologies and Economic Growth. Cambridge, Mass.: MIT Press.

Henderson, W. D. 2018. Legal Market Landscape Report: 32: State Bar of California.

Hudgins, V. 2019. Advocates Tout Greater Tech Usage When Exploring Non-Lawyer Ownership of Firms, Law.com.

Jordan, D. 2016. GE Capital shifts legal team core roles to UK in shake-up. The Lawyer.

Jurafsky, D., & Martin, J. H. 2019. Speech and language processing : an introduction to natural language processing, computational linguistics, and speech recognition (3rd (in draft) ed.).

Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D., & Buckley, N. 2015. Strategy, not technology, drives digital transformation.

Kaplan, J. 2016. Artifical Intelligence: What Everyone Needs to Know. New York: Oxford University Press.

Katz, D. M. 2012. Quantitative legal prediction-or-how i learned to stop worrying and start preparing for the data-driven future of the legal services industry. Emory LJ, 62: 909.

Katz, D. M. 2014. The MIT School of Law-A perspective on legal education in the 21st century. U. Ill. L. Rev.: 1431.

Klausner, M. 2015. Governance Mechanisms in Long-term Contracts. In S. Grundmann, F. Moslein, & K. Riesenhuber (Eds.), Contract Governance: Dimensions in Law and Interdisciplinary Research: 218-233. Oxford: Oxford University Press.

Kraakman, R. 2017. The anatomy of corporate law: A comparative and functional approach: Oxford University Press.

Kurunmäki, L. 2004. A hybrid profession—the acquisition of management accounting expertise by medical professionals. Accounting, organizations and society, 29(3-4): 327-347.

Lacity, M. C., & Willcocks, L. P. 2013. Legal process outsourcing: the provider landscape. Strategic Outsourcing: An International Journal, 6(2): 167-183.

Lehr, D., & Ohm, P. 2017. Playing with the data: what legal scholars should learn about machine learning. UCDL Rev., 51: 653.

Leicht, K. T. 2016. Market fundamentalism, cultural fragmentation, post-modern skepticism, and the future of professional work. Journal of Professions and Organization, 3(1): 103-117.

Levy, F., & Murnane, R. J. 2004. The New Division of Labor: How Computers are Creating the Next Job Market. Princeton N.J.: Princeton University Press.

Liew, C. 2018. The future of radiology augmented with Artificial Intelligence: A strategy for success. European Journal of Radiology, 102: 152-156.

LSB. 2018. Technology and Innovation in Legal Services – Main Report: An analysis of a survey of legal service providers: 75. London: Legal Services Board.

Malhotra, N., Smets, M., & Morris, T. 2016. Career pathing and innovation in professional service firms. Academy of Management Perspective, 30(4): 369-383.

Milgrom, P., & Roberts, J. 1995. Complementarities and fit: Strategy, structure, and organizational change in manufacturing. Journal of Accounting & Economics, 19(2/3): 179-208.

Morrison, A. D., & Wilhelm, W. J. 2004. Partnership firms, reputation, and human capital. American Economic Review, 94(5): 1682-1692.

Muro, M., Whiton, J., & Maxim, R. 2019. What jobs are affected by AI? Washington DC: Brookings Metropolitan Policy Porgram.

Noordegraaf, M. 2007. From “pure” to “hybrid” professionalism: Present-day professionalism in ambiguous public domains. Administration & Society, 39(6): 761-785.

Noordegraaf, M. 2015. Hybrid professionalism and beyond:(New) Forms of public professionalism in changing organizational and societal contexts. Journal of professions and organization, 2(2): 187-206.

O’Sullivan, M. 2000. Contest of Corporate Control. Oxford: Oxford University Press.

Pettersen, L. 2019. Why artificial intelligence will not outsmart complex knowledge work. Work, Employment and Society, 33(6): 1058-1067.

Pinnington, A., & Morris, T. 2003. Archetype change in professional organizations: Survey evidence from large law firms. British Journal of Management, 14(1): 85-99.

Ransbotham, S., Kiron, D., Gerbert, P., & Reeves, M. 2017. Reshaping Business With Artificial Intelligence. MIT Sloan Management Review.

Reed, M. I. 1996. Expert power and control in late modernity: an empirical review and theoretical synthesis. Organization studies, 17(4): 573-597.

Reed, M. I. 2018. Elites, professions, and the neoliberal state: critical points of intersection and contention. Journal of Professions and Organization, 5(3): 297-312.

Remus, D., & Levy, F. 2017. Can robots be lawyers: Computers, lawyers, and the practice of law. Geo. J. Legal Ethics, 30: 501.

Ribstein, L. E. 2010. The death of big law. Wisconsin Law Review: 749-816.

Rogers, A. 2017. Barclays shakes up in-house legal team with global appointments. The Lawyer.

Russell, S., & Norvig, P. 2010. Artificial Intelligence: A Modern Approach (3rd International Edition ed.). London: Pearson.

Sako, M. 2012. Business models in strategy and innovation. Communications of the ACM, 55(7): 22-24.

Sako, M. 2013. Professionals between market and hierarchy: a comparative political economy perspective. Socio-Economic Review, 11(1): 185-212.

Sako, M. 2015. Outsourcing and Offshoring by Professional Services Firms. In L. Empson, D. Muzio, J. Broschak, & B. Hinings (Eds.), The Oxford Handbook of Professional Services Firms. Oxford: Oxford University Press.

Saunders, A., Ahrens, M., & Qian, M. 2020. Lawyering when the Law Becomes MachineLearnt: Mapping LegalTech Adoption and Skill Demand. In S. Adams Bhatti, S. Chishti, A. Datoo, & D. Indjic (Eds.), The LEGALTECH Book. London: Wiley.

Smets, M., Morris, T., von Nordenflycht, A., & Brock, D. M. 2017. 25 years since ‘P2’: Taking stock and charting the future of professional firms. Journal of Professions and Organization, 4(2): 91-111.

Society, L. 2019. Lawtech: a comparative analysis of legal technology in the UK and in other jurisdictions: 23. London: Law Society of England and Wales.

Stein, J. C. 1989. Efficient capital markets, inefficient firms: A model of myopic corporate behavior. The Quarterly Journal of Economics, 104(4): 655-669.

Sun, C., Shrivastava, A., Singh, S., & Gupta, A. 2017. Revisiting Unreasonable Effectiveness of Data in Deep Learning Era. arXiv:1707.02968v2.

Surden, H. 2020. The Ethics of Artificial Intelligence in Law: Basic Questions. In M. Dubber, F. Pasquale, & S. Das (Eds.), Oxford Handbook of Ethics of AI, Vol. 2020. Oxford: Oxford University Press.

Susskind, D. 2017. Re-Thinking the Capabilities of Machines in Economics. Department of Economics Discussion Paper Series, University of Oxford.

Susskind, D. 2018. A model of technological unemployment.

Susskind, R. 1997. Expert Systems in Law: A Jurisprudential Inquiry. Oxford: Clarendon Press.

Susskind, R. 2000. Transforming the Law: Essays on Technology, Justice and the Legal Marketplace. Oxford: Oxford University Press.

Susskind, R. 2019. Online courts and the future of justice (First edition. ed.). New York: Oxford University Press.

Susskind, R. E. 2008. The end of lawyers? : rethinking the nature of legal services. Oxford ; New York: Oxford University Press.

Susskind, R. E. 2013. Tomorrow's lawyers : an introduction to your future. Oxford, United Kingdom: Oxford University Press.

Susskind, R. E., & Susskind, D. 2015. The future of the professions : how technology will transform the work of human experts (First edition. ed.). Oxford, United Kingdom: Oxford University Press.

Teece, D. J. 2010. Business models, business strategy and innovation. Long Range Planning, 43: 172-194.

Teece, D. J. 2018. Profiting from innovation in the digital economy: Enabling technologies, standards, and licensing models in the wireless Research Policy, 47(8): 1367-1387.

ThomsonReuters. 2016. 2016 Legal Department In-Sourcing and Efficiency Report: The Keys to a More Effective Legal Department: 24.ThomsonReuters. 2019. Alternative Legal Service Providers Report. https://legal.thomsonreuters.com/content/dam/ewpm/documents/legal/en/pdf/reports/alspreport-final.pdf.

Trajtenberg, M. 2019. Artificial Intelligence as the Next GPT. In A. Agrawal, J. Gans, & A. Goldfarb (Eds.), The Economics of Artificial Intelligence. Chicago: University of Chicago Press.

Tuahene, S. 2019. EY steps further into legal sector with Pangea3 acquisition. Accountancy Today.

Varian, H. 2019. Artificial intelligence, economics, and industrial organization. In A. Agrawal, J. Gans, & A. Goldfarb (Eds.), The Economics of Artificial Intelligence. Chicago: University of Chicago Press.

Williamson, O. E. 1985. The economic institutions of capitalism : firms, markets, relational contracting. New York: Free Press ; London : Collier Macmillan.

Wooldridge, M. 2020. The Road to Conscious Machines: The Story of AI. London: Pelican.

Zott, C., & Amit, R. 2009. The Business Model as the Engine of Network-Based Strategies. In P. R. Kleindorfer, Y. Wind, & R. E. Gunther (Eds.), The Network Challenge: Strategy, Profit, and Risk in an Interlinked World: 259-275. Upper Saddle River, NJ: Pearson.

Zott, C., & Amit, R. 2013. The business model: A theoretically anchored robust construct for strategic analysis. Strategic Organization, 11(4): 403–411.

Zott, C., Amit, R., & Massa, L. 2011. The business model: recent developments and future research. Journal of management, 37(4): 1019-1042.