Estudo de Caso: Aprendizagem ativa e contínua na preparação antitruste

Necessidade do Cliente

Preparar-se rapidamente para um caso antitruste que está por vir.
Uma empresa global de tecnologia enfrentava um grande litígio antitruste e queria entender os possíveis riscos antes de montar seu caso. Eles haviam coletado 240.000 documentos e e-mails potencialmente relacionados ao assunto.

Solução do Cliente

A Epiq facilitou a revisão de primeiro nível baseada em IA
O advogado externo forneceu 60 documentos semente que eram uma mistura de documentos e e-mails relevantes e não relevantes. Embora a amostra fosse pequena, o algoritmo de codificação preditiva do Reveal AI identificou documentos provavelmente relevantes avaliando o texto dos documentos de exemplo e outros aspectos, como quem enviou o e-mail, para quem ele foi enviado, os domínios de e-mail na distribuição, os tipos de empresas ou associações mencionadas, entre muitos outros elementos.

Depois que a equipe de revisão começou a codificar os documentos, eles foram realimentados no Reveal AI para atualizar continuamente o modelo de codificação preditiva, de modo que ele pudesse eliminar os documentos que não eram relevantes.

Por que a Epiq

As experientes equipes de Tecnologias Avançadas e Serviços de Revisão de Documentos da Epiq já haviam implantado com sucesso a Aprendizagem Ativa Contínua em vários projetos para esse cliente, gerando economias significativas de custo e tempo e identificando com precisão os documentos relevantes.