تحلیل و تقویت لایحه دفاعیه با هوش مصنوعی

خیلی از لایحه‌هایی که از نظر محتوا حق با نویسنده است، در دادگاه اثر لازم را نمی‌گذارند؛ چون قاضی در میان انبوه پرونده‌ها زمان محدودی برای هر لایحه دارد و اگر خواسته و استدلال از همان خط اول شفاف و منسجم نباشد، نکته‌ی اصلی گم می‌شود. تحلیل سند دقیقاً همین گلوگاه را هدف می‌گیرد: آیا لایحه در نگاه اول، ادعا و مستندش را روشن می‌کند؟

دو دسته ایراد باید جدا از هم دیده شود — شکلی (نگارش، ساختار، رعایت تشریفات) و ماهوی (ضعف استدلال، نبود استناد کافی، ادله ناقص). یک بازخوانی سطحی معمولاً فقط ایراد شکلی را می‌بیند؛ ایراد ماهوی نیازمند تحلیلی است که مثل قاضی به لایحه نگاه کند.

نکته‌ای که کمتر دیده می‌شود این است که تکرار محض مطالب دادخواست در لایحه، هیچ ارزش افزوده‌ای برای قاضی ندارد؛ لایحه باید نکته یا استدلال تازه‌ای اضافه کند، وگرنه فقط حجم پرونده را بالا می‌برد بدون کمک به تصمیم‌گیری. وقتی لایحه‌ای صرفاً همان ادعای دادخواست را با کلمات دیگر تکرار می‌کند، قاضی معمولاً پس از چند خط اول از خواندن دقیق آن صرف‌نظر می‌کند؛ تحلیل سند این نوع تکرار بی‌فایده را هم به‌عنوان یک ایراد جداگانه نشانه‌گذاری می‌کند.

یک لایحه بدون ارجاع دقیق به ماده قانونی یا رأی وحدت رویه، از نظر دادگاه صرفاً یک روایت است نه یک استدلال حقوقی. تحلیل سند برای هر ادعای مطرح‌شده در لایحه، بررسی می‌کند که آیا مستند قانونی پشت آن هست یا باید اضافه شود.

همچنین انسجام میان بخش‌های لایحه مهم است: مقدمه، شرح واقعه، استدلال و نتیجه‌گیری باید یک خط روایی پیوسته بسازند؛ تناقض یا پرش بین این بخش‌ها اولین چیزی است که اعتبار لایحه را نزد قاضی زیر سوال می‌برد.

یک نمونه رایج از استناد ناقص، ارجاع کلی به عنوان یک قانون بدون ذکر شماره ماده دقیق است؛ مثلاً نوشتن «بر اساس قانون مدنی» بدون تعیین اینکه کدام ماده مبنای ادعا بوده. چنین ارجاعی برای قاضی که هر روز ده‌ها لایحه می‌خواند عملاً کمکی نمی‌کند و بار اثبات دقیق بودن استدلال را روی دوش خود خواننده می‌گذارد؛ تحلیل سند برای هر ارجاع کلی از این دست، شماره ماده یا رأی مشخص را پیشنهاد می‌دهد.

یک لایحه‌ی خوب پیش‌بینی می‌کند طرف مقابل و قاضی چه ایرادی می‌گیرند و از پیش پاسخش را در دل متن می‌گذارد. این یعنی تحلیل سند باید نقاط قابل‌حمله را هم به‌عنوان بخشی از بازبینی نشان بدهد، نه فقط نقاط قوت را تأیید کند.

خروجی نهایی باید فهرستی مشخص از اصلاحات پیشنهادی باشد — نه یک ارزیابی کلی «خوب است» یا «بد است» — تا وکیل بتواند مستقیم برود سراغ رفع همان بندها پیش از تقدیم.

یک تمرین عملی برای همین منظور، نوشتن یک پاراگراف کوتاه با عنوان «اگر طرف مقابل بگوید...» پیش از تقدیم لایحه است؛ حتی اگر این پاراگراف در نسخه نهایی حذف شود، صرف نوشتنش کمک می‌کند نویسنده متوجه شکاف‌های استدلال خودش شود. وکلای باتجربه معمولاً این تمرین را ذهنی انجام می‌دهند، اما نوشتن آن روی کاغذ دقت بیشتری می‌آورد و جایی برای فراموشی باقی نمی‌گذارد.

یک چت بات حقوقی عمومی معمولاً یک ارزیابی کلی و مؤدبانه از لایحه می‌دهد؛ اما نمی‌داند کدام بند دقیقاً محل حمله طرف مقابل خواهد بود، چون آموزش آن برای همه موضوعات یکسان و کم‌عمق است. ابزار تحلیل سند اما مشخصاً برای همین کار طراحی شده: هوش مصنوعی حقوقی که لایحه را با معیار قاضی می‌سنجد، نه با معیار یک پاسخ عمومی و کلی.

این تفاوت وقتی مهم می‌شود که وکیل به‌جای صرف وقت روی اصلاح ظاهری متن، به یک دستیار هوشمند وکلا نیاز دارد که واقعاً نقطه ضعف استدلال را نشان دهد؛ در معرفی کامل وکیل‌دیجی می‌توانید ببینید این دستیار دقیقاً چه قابلیت‌هایی دارد. برای بسیاری از حقوقدانانی که دنبال جایگزین ایرانی ChatGPT برای حقوقدانان می‌گردند، همین دقت تخصصی، مرز میان ابزار کمکی و ابزار تصمیم‌ساز است.

یک تفاوت عملی دیگر این است که ابزار تخصصی، زمینه گفت‌وگوی قبلی درباره همان پرونده را نگه می‌دارد و می‌تواند نسخه اصلاح‌شده لایحه را در برابر نسخه قبلی مقایسه کند؛ در حالی‌که یک چت بات عمومی معمولاً هر بار از صفر شروع می‌کند و زمینه پرونده قبلی را نمی‌شناسد. این پیوستگی برای پرونده‌هایی که طی چند هفته چندین‌بار لایحه اصلاح می‌شود، تفاوت محسوسی در کیفیت نهایی متن ایجاد می‌کند.

قانون آیین دادرسی مدنی به‌صراحت شرط شکلی جداگانه‌ای برای «لایحه» تعریف نکرده؛ آنچه در ماده ۵۱ آمده مربوط به شرایط دادخواست است (مشخصات طرفین، خواسته، بهای خواسته و جهات ادعا). اما رویه دادگاه‌ها لایحه را مکمل دادخواست یا دفاعیه می‌شناسند و انتظار دارند همان استاندارد وضوح خواسته و استدلال در لایحه هم رعایت شود؛ نبود این وضوح، حتی اگر به قرار رد نینجامد، وزن اقناعی لایحه را به‌شدت پایین می‌آورد.

طبق ماده ۱۲۵۷ قانون مدنی، هر کس مدعی حقی باشد باید آن را اثبات کند و اگر طرف مقابل در مقام دفاع ادعایی مطرح کند که نیاز به دلیل دارد، اثبات آن هم بر عهده اوست. لایحه‌ای که این تفکیک بار اثبات را نادیده بگیرد و صرفاً روایت کند، بدون آنکه مشخص کند کدام بخش از ادعا با کدام یک از ادله ماده ۱۲۵۸ (اقرار، اسناد کتبی، شهادت، امارات و قسم) اثبات می‌شود، عملاً یک فرصت اقناعی را از دست می‌دهد؛ تحلیل سند دقیقاً همین تطبیق را روی متن لایحه انجام می‌دهد.

وقتی لایحه همراه با پاسخ به ایرادی از نوع ماده ۸۴ قانون آیین دادرسی مدنی نوشته می‌شود (مثل ایراد عدم صلاحیت یا ایراد به توافق داوری)، دقت در پاسخ به همان بند ایراد اهمیت مضاعف دارد؛ چون طبق ماده ۸۹ همین قانون، دادگاه برای هر ایراد وارد، مکلف به صدور قرار مشخصی است و لایحه‌ای که پاسخ دقیق به بند ایراد ندهد، عملاً شانس رفع آن قرار را از بین می‌برد.

این سطح از دقت در تطبیق استدلال با ماده و ایراد، همان چیزی است که پژوهش‌های بین‌المللی درباره کاربرد هوش مصنوعی در اسناد حقوقی هم نشان می‌دهند؛ در آزمایش شرکت LawGeex در سال ۲۰۱۸ روی بیست وکیل شرکتی باتجربه، ابزار هوش مصنوعی در شناسایی ریسک‌های یک قرارداد به دقت ۹۴ درصد رسید در برابر میانگین ۸۵ درصد وکلای انسانی، آن هم در ۲۶ ثانیه به‌جای میانگین ۹۲ دقیقه هر وکیل. این داده بین‌المللی است و مستقیماً درباره لوایح ایرانی نیست، اما همان منطق را نشان می‌دهد: خواندن سیستماتیک و بدون خستگی متن، نقاطی را پیدا می‌کند که چشم خسته انسان از کنارشان رد می‌شود.