AI untuk Penganggaran Perkara: Memprediksi Biaya Aktual vs Estimasi
Tanyakan kepada general counsel mana pun tentang anggaran firma hukum dan Anda akan mendengar hal yang sama: anggaran tersebut tidak dapat diandalkan. Firma memberikan estimasi, biaya aktual datang 30 hingga 50 persen lebih tinggi, dan semua orang berpura-pura terkejut. Dinamika ini sudah berlangsung begitu lama sehingga banyak tim in-house pada dasarnya sudah menyerah pada anggaran sebagai alat prediksi dan memperlakukannya sebagai pedoman kasar semata.
Masalahnya bukan karena pengacara buruk dalam membuat estimasi. Masalahnya adalah penganggaran perkara secara tradisional didasarkan pada penilaian individu pengacara, bukan data. Ketika seorang partner memperkirakan bahwa kasus pelanggaran kontrak akan membutuhkan biaya $250.000 untuk litigasi, estimasi tersebut didasarkan pada pengalaman pribadi dan intuisi mereka. Bukan berdasarkan analisis berapa biaya aktual kasus serupa di firma selama lima tahun terakhir.
Penganggaran perkara berbasis AI mengubah ini dengan menggantikan intuisi dengan data.
Mengapa Anggaran Tradisional Gagal
Anggaran perkara tradisional gagal karena beberapa alasan yang sudah terdokumentasi dengan baik.
Pertama, bias optimisme. Pengacara cenderung meremehkan waktu dan biaya yang diperlukan untuk tugas-tugas litigasi. Ini bukan hal yang unik bagi pengacara. Ini adalah bias kognitif manusia yang universal yang memengaruhi estimasi proyek di setiap bidang. Namun dalam praktik hukum, konsekuensinya sangat terlihat karena klien melacak setiap rupiah yang dikeluarkan.
Kedua, identifikasi tugas yang tidak lengkap. Anggaran litigasi yang memperhitungkan dokumen gugatan, penemuan bukti, deposisi, dan mosi mungkin melewatkan waktu yang dihabiskan untuk komunikasi dengan klien, koordinasi tim internal, pengelolaan saksi ahli, dan negosiasi penyelesaian. Tugas-tugas ini dapat menghabiskan 20 hingga 30 persen dari total waktu perkara.
Ketiga, kegagalan memperhitungkan variabilitas. Setiap perkara litigasi memiliki karakteristik unik yang memengaruhi biaya. Jumlah pihak, volume dokumen, kompleksitas masalah hukum, yurisdiksi, dan perilaku kuasa hukum lawan semuanya memengaruhi biaya aktual. Anggaran tradisional sering gagal menyesuaikan variabel-variabel ini.
Bagaimana Penganggaran AI Bekerja
Alat penganggaran perkara berbasis AI menganalisis data penagihan historis firma untuk membangun model prediktif bagi berbagai jenis perkara. Sistem ini memeriksa perkara-perkara masa lalu yang serupa dengan perkara saat ini dan menggunakan biaya aktual dari perkara-perkara tersebut untuk menghasilkan estimasi anggaran berbasis data.
Analisis ini mempertimbangkan berbagai variabel: jenis perkara, area praktik, yurisdiksi, klien, kuasa hukum lawan, jumlah pihak, estimasi volume dokumen, dan tugas-tugas spesifik yang diharapkan. Dengan mengorelasikan variabel-variabel ini dengan data biaya historis, sistem menghasilkan estimasi yang didasarkan pada berapa biaya sebenarnya, bukan berapa biaya yang menurut seseorang seharusnya.
Outputnya biasanya berupa anggaran yang dirinci berdasarkan fase dan tugas, dengan interval kepercayaan alih-alih estimasi titik tunggal. Alih-alih mengatakan bahwa penemuan bukti akan memakan biaya $75.000, sistem mungkin mengatakan bahwa penemuan bukti akan memakan biaya antara $60.000 dan $95.000 dengan hasil yang paling mungkin sekitar $78.000. Rentang ini mengomunikasikan ketidakpastian yang melekat dalam penganggaran perkara sambil tetap memberikan panduan yang berguna.
Peningkatan Akurasi
Firma yang menggunakan penganggaran perkara berbasis AI melaporkan peningkatan signifikan dalam akurasi anggaran. Pengukuran yang umum digunakan adalah varians antara biaya estimasi dan aktual. Anggaran tradisional umumnya menunjukkan varians 30 hingga 50 persen. Anggaran yang dihasilkan AI biasanya menunjukkan varians 10 hingga 20 persen.
Peningkatan ini berasal dari dua sumber. Pertama, AI mengidentifikasi biaya yang biasanya terlewatkan oleh estimator manusia. Jika data historis menunjukkan bahwa negosiasi penyelesaian biasanya menambah 15 persen pada biaya perkara di area praktik tertentu, AI memasukkannya ke dalam anggaran meskipun pengacara tidak berpikir untuk memasukkannya.
Kedua, AI menyesuaikan faktor-faktor spesifik kasus yang memengaruhi biaya. Jika yurisdiksi dikenal memiliki pengadilan yang lambat dan periode penemuan bukti yang panjang, AI menyesuaikan ke atas. Jika firma lawan dikenal dengan taktik litigasi agresif yang meningkatkan biaya, AI memperhitungkan hal tersebut.
Pelacakan Tingkat Fase
Salah satu fitur paling praktis dari alat penganggaran AI adalah pelacakan anggaran tingkat fase. Seiring perkara berjalan, sistem membandingkan biaya aktual dengan anggaran tingkat fase secara real time. Jika biaya penemuan bukti berjalan 25 persen di atas anggaran pada titik tengah fase penemuan bukti, sistem memberi peringatan kepada pengacara yang bertanggung jawab dan billing partner.
Kemampuan peringatan dini ini sangat berharga untuk hubungan dengan klien. Alih-alih mengejutkan klien dengan pembengkakan anggaran di akhir perkara, firma dapat berkomunikasi secara proaktif ketika biaya cenderung melebihi estimasi dan mendiskusikan opsi untuk kembali ke jalur yang benar.
Pelacakan tingkat fase juga membantu firma mengidentifikasi fase dan tugas mana yang secara konsisten melebihi estimasi. Jika praktik mosi secara konsisten melebihi anggaran, itu memberitahu firma sesuatu tentang metodologi estimasinya atau efisiensi praktik mosinya.
Komunikasi dengan Klien
Anggaran yang dihasilkan AI juga lebih berguna untuk komunikasi dengan klien dibandingkan estimasi tradisional. Karena anggaran didasarkan pada data, bukan penilaian individu, anggaran tersebut dilengkapi dengan analitik pendukung yang dianggap kredibel oleh klien.
Presentasi anggaran yang menunjukkan bahwa estimasi didasarkan pada analisis 45 perkara serupa selama tiga tahun terakhir, dengan rincian faktor pendorong biaya dan faktor varians, lebih meyakinkan dibandingkan yang mengatakan estimasi didasarkan pada pengalaman partner dengan jenis kasus ini.
Beberapa firma membagikan metodologi analitis kepada klien sebagai nilai jual, menunjukkan bahwa anggaran mereka berbasis data dan divalidasi secara sistematis terhadap hasil aktual. Transparansi ini membangun kepercayaan terhadap penetapan harga firma dan mengurangi gesekan seputar diskusi anggaran.
Keterbatasan
Penganggaran perkara berbasis AI bekerja paling baik ketika firma memiliki data historis yang substansial untuk jenis perkara yang diestimasi. Firma yang telah menangani ratusan kasus diskriminasi ketenagakerjaan akan memiliki data yang sangat baik untuk menganggarkan kasus berikutnya. Firma yang menangani investigasi regulasi cryptocurrency pertamanya akan memiliki data historis yang kurang berguna.
Model juga memerlukan kalibrasi ulang secara berkala seiring perubahan kondisi pasar. Tarif pengacara meningkat, prosedur pengadilan berubah, dan teknologi baru memengaruhi cara pekerjaan dilakukan. Model yang dilatih dengan data dari lima tahun lalu mungkin tidak secara akurat memprediksi biaya saat ini jika praktiknya telah berevolusi secara signifikan.
Dan seperti halnya model prediktif mana pun, perkara-perkara outlier akan selalu ada. Kasus yang tampak sederhana tetapi mengembangkan komplikasi tak terduga akan melebihi bahkan anggaran yang terkalibrasi dengan baik. Penganggaran AI mengurangi frekuensi kejutan tetapi tidak menghilangkannya sepenuhnya.
Bagi firma yang serius tentang akurasi anggaran dan pengelolaan biaya klien, alat penganggaran AI merupakan peningkatan yang berarti dibandingkan kondisi saat ini. Firma hukum yang menggunakan AI untuk manajemen praktik menemukan bahwa anggaran yang lebih baik menghasilkan hubungan klien yang lebih baik dan posisi kompetitif yang lebih kuat.