LinkedIn ניצחה: AI גנרטיבי בחקירת מסמכים כפוף לאותם סטנדרטים
שופט בקליפורניה קבע ש-LinkedIn יכולה להשתמש ב-Relativity aiR לניתוח מסמכים, והוא נחשב ל-TAR. הפסיקה קובעת כללי פרופורציה רגילים, מתירה סינון מוקדם באמצעות חיפוש, ואוסרת על דרישת מטריצ'ים של אימות ללא הוכחת כשל. זה מכוון לפרשנות משפטית של שימוש ב-Gen AI בהליכים.
Imagine שאתם מפתחים כלי AI לניתוח מסמכים בהליכים משפטיים, ופתאום שופט קובע שזה פשוט עוד גרסה של מה שהכרתם כל השנים. זה בדיוק מה שקרה לאחרונה, והמשמעות: אישור ירוק לאמץ טכנולוגיה חדשה בלי לחשוש מכללים חדשים.
לפני כשבוע, שופט בבית משפט פדרלי בקליפורניה (Northern District of California) פסק בפסק דין Schulte v. LinkedIn Corp. כי השימוש של LinkedIn במודל AI גנרטיבי לסריקת מסמכים כפוף לאותם כללים של סבירות, פרופורציה ושקיפות שחלים על כל שיטת גילוי אחרת. באופן חד-משמעי - השופט דחה את הדרישה לתת לטכנולוגיית בינה מלאכותית גנרטיבית יחס מיוחד או ליצור עבורה מסגרת חוקית נפרדת.
אז מה בעצם קרה כאן? בתביעה ייצוגית נגד LinkedIn, הנתבעת תכננה להשתמש ב-Relativity aiR - כלי AI גנרטיבי שמשולב בפלטפורמת ה-Relativity לסריקת מסמכים על מנת לקבוע אם מסמכים רלוונטיים. התובעים התנגדו, אבל בית המשפט דחה את כל טענותיהם. הפסיקה הזו מתייחסת לשלוש נקודות מרכזיות שמעצבות את כללי המשחק עבור משתמשי AI בתחום ה-Discovery:
1. AI גנרטיבי הוא צורה של TAR, לא חיה משפטית חדשה בית המשפט ניתח את השימוש של LinkedIn ב-Relativity aiR במסגרת אותן התחייבויות שקולות ל-TAR (Technology Assisted Review) מסורתי. בפועל, הוא קבע ש-Gen AI הוא מנוע חיזוי נוסף שאפשר לשבץ בעבודת ה-TAR הרגילה, ממש כמו מודלים של Machine Learning ששימושם כבר ממוסד. המשמעות: אין צורך בפרוטוקולים חדשים או בגילויים מיוחדים מעבר למה שדורשים כלי ה-TAR המסורתיים. עבורכם, מפתחי כלי AI משפטיים, זו הודעה ברורה - תוכלו לפעול בתוך המסגרת הקיימת.
2. מותר לסנן מראש עם מילות חיפוש לפני שנכנסים ל-AI LinkedIn תחילה העבירה את המסמכים דרך 25 מילות חיפוש (Search Strings) כדי לסנן אותם ורק אז הזינה אותם ל-Relativity aiR. התובעים טענו שזה מקטין את כמות המסמכים שה-AI מעריך, אבל בית המשפט קבע שהסינון המוקדם הזה מותר, בדיוק כמו שנהוג במקרה של TAR קלאסי. פסיקה זו מחזקת את העיקרון שגם עם AI גנרטיבי, פרופורציה ויעילות נותרות שיקולים מרכזיים. לבית המשפט לא הייתה בעיה עם הסינון כל עוד מילות החיפוש עצמן לא הוטלו בספק.
3. אין לדרוש "גילוי על גבי גילוי" ללא הוכחה לבעיה ספציפית התובעים רצו לחייב את LinkedIn לחשוף מדדים מפורטים כמו שיעורי שגיאה (Error Rates) ופרוטוקולי ביקורת אנושית. בית המשפט דחה את הבקשה, וקבע שכדי לדרוש כזה מידע, חייבים להראות כשל ספציפי בייצור documents, לא רק ספקולציות ש-Gen AI אולי לא מספיק טוב. זו נקודת מפתח לעוסקים בתחום: אם אתם בצד שמייצר מסמכים, אתם לא חייבים לחשוף פרטי אימות מפורטים כל עוד לא הוכח כשל קונקרטי.
למה זה משנה לכם, אנשי ההיי-טק הישראליים? הפסיקה הזו, שפורסמה ב-30 ביוני 2026 וניתן לה Case No. 22-cv-00237-HSG (LB), היא חדשות טובות לשוק ה-Legal Tech, כולל חברות ישראליות שמתמחות ב-AI לניתוח מסמכים. היא מספקת ודאות רגולטורית - בתי המשפט מתחילים לבנות תקדימים שמחזקים את השימוש ב-Gen AI במסגרת תהליכי Discovery קיימים. אם אתם מפתחים מוצרים בתחום, אתם יכולים להבטיח ללקוחות שהכלי שלכם יטופל באותם סטנדרטים שמקובלים כל השנים, מה שמפחית סיכונים משפטיים ומאיץ אדופציה.
אז בפעם הבאה שאתם מתכננים לשלב AI גנרטיבי בתהליכי גילוי מסמכים, אתם יכולים לדעת שבית המשפט לא רואה בזה משהו קסום שדורש ביקורת מיוחדת – אלא פשוט עוד כלי בארגז.