The New Pro Se: Generative AI and the Surge in Federal Civil Self-Representation
यह शोध पत्र 2008 से 2025 तक के संघीय नागरिक मुकदमेबाजी के आंकड़ों का विश्लेषण करता है ताकि यह प्रदर्शित किया जा सके कि जनरेटिव एआई (generative AI) के व्यापक उपयोग ने प्रो से (pro se) यानी स्वयं प्रतिनिधित्व करने वाले मुकदमों की संख्या में उल्लेखनीय वृद्धि की है, विशेष रूप से नागरिक अधिकार मामलों में पहली बार मुकदमा करने वाले और महिला वादियों के बीच, जिसके परिणामस्वरूप अधिक उद्धरण-सघन (citation-dense) शिकायतें सामने आ रही हैं जो मुकदमेबाजी के परिणामों में सुधार किए बिना उच्च बर्खास्त दर का सामना कर रही हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
यहाँ "द न्यू प्रो से" (The New Pro Se) नामक शोध पत्र का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।
बड़ी तस्वीर: अदालत के लिए एक नया उपकरण
कल्पना कीजिए कि संघीय न्यायालय प्रणाली (federal court system) एक विशाल, जटिल पुस्तकालय की तरह है जहाँ लोग दूसरों के खिलाफ आधिकारिक शिकायत दर्ज करने जाते हैं। लंबे समय तक, यदि आपके पास वकील नहीं था (एक "प्रो से" मुकदमेबाज), तो शिकायत लिखना वैसा ही था जैसे बिना व्याकरण या कहानी की संरचना जाने कोई उपन्यास लिखने की कोशिश करना। यह कठिन, महंगा था और कई लोग हार मान लेते थे।
फिर, 2022 के अंत में, एक नया उपकरण आया: जेनेरेटिव एआई (Generative AI) (जैसे ChatGPT)। यह उपकरण एक सुपर-स्मार्ट, इंस्टेंट घोस्टराइटर (छद्म लेखक) की तरह काम करता है। यह शोध पत्र पूछता है: क्या इस नए उपकरण ने यह बदल दिया कि कौन पुस्तकालय में आ रहा है, उनकी शिकायतें कैसी दिखती हैं, और क्या वे वास्तव में जीतते हैं?
इसका संक्षिप्त उत्तर हाँ है, लेकिन एक ट्विस्ट के साथ। इस उपकरण ने अधिक लोगों को दरवाजे तक पहुँचने में मदद की, लेकिन इसने उन्हें खेल जीतने में आवश्यक रूप से मदद नहीं की।
1. उछाल: अधिक लोगों द्वारा फाइलिंग
निष्कर्ष: एआई (AI) से पहले, लगभग 11% संघीय नागरिक मामले बिना वकील वाले लोगों द्वारा दायर किए जाते थे। एआई लोकप्रिय होने के बाद, यह संख्या बढ़कर लगभग 17% हो गई।
उदाहरण: एक लोकप्रिय कॉन्सर्ट वेन्यू (आयोजन स्थल) के बारे में सोचें। नया टिकट ऐप (AI) आने से पहले, भीड़ का केवल 11% हिस्सा ही अंदर जा पाता था क्योंकि लाइन बहुत लंबी और प्रक्रिया बहुत भ्रमित करने वाली थी। एक बार ऐप लॉन्च होने के बाद, लाइन तेजी से आगे बढ़ी, और अचानक 17% भीड़ अंदर आ गई।
शोध दिखाता है कि यह केवल एक बार का उछाल नहीं था; बिना वकील वाले लोगों द्वारा फाइलिंग करने की संख्या लगातार बढ़ती रही, विशेष रूप से नागरिक अधिकार (Civil Rights) और अन्य वैधानिक (Other Statutory) कानूनों से जुड़े मामलों में। यह केवल कुछ बार-बार आने वाले लोग नहीं थे जो इस टूल का उपयोग कर रहे थे; यह उन लोगों की एक लहर थी जो सिस्टम में प्रवेश कर रहे थे।
2. "एआई-फ्लैग्ड" शिकायतें: चमकदार लेकिन खोखली
शोधकर्ता लोगों से यह नहीं पूछ सके, "क्या आपने एआई का उपयोग किया?" इसलिए उन्होंने "फिंगरप्रिंट्स" खोजने के लिए शिकायतों के टेक्स्ट का अध्ययन किया। उन्होंने विशिष्ट पैटर्न देखे, जैसे:
- ऐसे वाक्य जिनकी लंबाई एक समान है (बहुत अधिक सटीक)।
- कानूनी संदर्भों (कानूनों का उल्लेख) का अचानक विस्फोट जो प्रभावशाली लग सकता है लेकिन सामान्य हो सकता है।
- विशिष्ट शब्दावली जिसे एआई उपयोग करना पसंद करता है।
निष्कर्ष: नई, गैर-फॉर्म शिकायतों (वे जो पूर्व-मुद्रित अदालती फॉर्म का उपयोग नहीं करती हैं) में से लगभग 14% में ये "एआई फिंगरप्रिंट्स" दिखाई दिए।
उदाहरण: दो छात्रों द्वारा निबंध जमा करने की कल्पना करें।
- छात्र A (बिना एआई के): एक कच्चा, अव्यवस्थित निबंध लिखता है जिसमें व्याकरण की कुछ गलतियाँ हैं लेकिन वह अपने जीवन के बारे में एक बहुत ही व्यक्तिगत, विशिष्ट कहानी बताता है।
- छात्र B (एआई के साथ): एक पूरी तरह से फॉर्मेट किया गया निबंध लिखता है जिसमें फैंसी शब्दावली और संदर्भों की एक बड़ी सूची होती है। यह सतह पर बहुत शानदार दिखता है।
शोध में पाया गया कि "एआई छात्र" (एआई-फ्ललेग्ड शिकायतें) "नो-एआई छात्रों" की तुलना में बहुत अधिक पॉलिश और संदर्भ-प्रधान दिखे।
3. विरोधाभास: दिखने में बेहतर, परिणाम में खराब
यहाँ चौंकाने वाला हिस्सा है। आप सोच सकते हैं कि यदि कोई शिकायत अधिक पेशेवर दिखती है और इसमें अधिक कानूनी संदर्भ हैं, तो न्यायाधीश के उसके पक्ष में निर्णय लेने की संभावना अधिक होगी।
निष्कर्ष: इसके विपरीत हुआ।
- खारिज होना (Dismissals): एआई-फ्लैग्ड शिकायतों को न्यायाधीशों द्वारा खारिज किए जाने की संभावना अधिक थी (61% बनाम 53%)।
- जल्दी बाहर होना: उन्हें बहुत पहले ही बाधाओं से रोक दिया गया, इससे पहले कि दूसरी पार्टी को जवाब देने का मौका भी मिलता।
- जीत की दर: जीतने में कोई सुधार नहीं हुआ। वास्तव में, वे थोड़ा कम बार जीते, हालांकि अंतर सांख्यिकीय रूप से बहुत बड़ा नहीं था।
उदाहरण: यह एक सुंदर रूप से लिपटे हुए उपहार बॉक्स की तरह है जो अंदर से खाली है।
एआई ने लोगों को शिकायत को चमकदार, पेशेवर दिखने वाले कागज (संदर्भ, सटीक व्याकरण) में लपेटने में मदद की। लेकिन "उपहार" अंदर—वास्तविक कानूनी तर्क और व्यक्ति की कहानी के विशिष्ट तथ्य—कोई भी मजबूत नहीं था। वास्तव में, क्योंकि इस टूल ने फाइल करना इतना आसान बना दिया, लोग शायद ऐसे मामले दर्ज कर रहे थे जो कानूनी रूप से कमजोर थे या जिनका अदालत से कोई लेना-देना नहीं था। न्यायाधीश चमकदार रैपर देखते हैं, उसे खोलते हैं, और महसूस करते हैं कि सामग्री कानूनी आवश्यकताओं को पूरा नहीं करती है।
4. इस टूल का उपयोग कौन कर रहा है?
शोध पत्र ने देखा कि इस नई ड्राफ्टिंग शक्ति का उपयोग कौन कर रहा है।
- पहली बार करने वाले (First-Timers): एआई उपयोगकर्ता मुख्य रूप से नए लोग थे। वे वे लोग नहीं थे जो वर्षों से मुकदमे दायर कर रहे थे। ऐसा लगता है कि इस टूल ने बाधा को इतना कम कर दिया कि उन लोगों ने भी कदम उठाने की हिम्मत की जिन्होंने पहले कभी मुकदमा करने की कोशिश नहीं की थी।
- लिंग (Gender): एक छोटा, सुधारात्मक संकेत मिला कि महिलाओं द्वारा पहले की तुलना में अधिक एआई का उपयोग किया जा सकता है, लेकिन डेटा इतना मजबूत नहीं है कि निश्चित रूप से कहा जा सके।
- पैसा: आश्चर्यजनक रूप से, टूल का उपयोग मुख्य रूप से सबसे गरीब लोगों (जो फाइलिंग शुल्क माफ करने की मांग करते हैं) द्वारा नहीं किया गया। फाइलिंग में उछाल सभी स्तरों पर हुआ, न कि केवल उन लोगों के बीच जो अदालती लागत वहन नहीं कर सकते थे।
उदाहरण: एक जिम की कल्पना करें। पहले, केवल गंभीर एथलीट (बार-बार फाइल करने वाले) या बहुत गरीब (शुल्क माफी चाहने वाले) ही आते थे। अब, एक नए एआई पर्सनल ट्रेनर ऐप के साथ, बहुत से सामान्य लोग, जिन्होंने पहले कभी वर्कआउट नहीं किया था, आ रहे हैं। वे अपने नए जिम के कपड़ों में शानदार दिखते हैं (पॉलिश की हुई शिकायतें), लेकिन वे अभी भी भारी वजन नहीं उठा रहे हैं (जीतने वाले मामले) हैं।
5. "एसिमेट्रिक एडेप्टेशन" (असममित अनुकूलन) की समस्या
शोध पत्र अदालतों को चेतावनी के साथ समाप्त होता है।
निष्कर्ष: लोग एआई टूल डाउनलोड कर सकते हैं और तुरंत उपयोग करना शुरू कर सकते हैं। हालाँकि, अदालतें धीमी हैं। उनके पास नियम, बजट और नैतिकता समितियाँ हैं जिन्हें नई तकनीकों को स्वीकृत करने में वर्षों लग जाते हैं।
उदाहरण: एक राजमार्ग की कल्पना करें जहाँ कारों (मुकदमेबाजों) के पास अचानक टर्बो-चार्ज्ड इंजन (एआई) आ गए हैं। वे 200 मील प्रति घंटे की रफ्तार से सड़क पर दौड़ रहे हैं। लेकिन ट्रैफिक पुलिस और टोल बूथ (अदालतें) अभी भी टिकट चेक करने और यातायात प्रबंधित करने के लिए पुराने, धीमे उपकरणों का उपयोग कर रहे हैं।
परिणामस्वरूप, प्रवेश द्वार पर ट्रैफिक जाम लग जाता है। अदालतें उन नई, चमकदार दिखने वाली शिकायतों की बाढ़ से अभिभूत हो रही हैं जिन्हें उन्हें समीक्षा और खारिज करने के लिए समय खर्च करना पड़ता है। सिस्टम जाम हो रहा है क्योंकि ड्राइवर उस गति से चल रहे हैं जिसे सड़क संभाल नहीं सकती।
सारांश
- क्या हुआ? जेनेरेटिव एआई ने आम लोगों के लिए संघीय मुकदमे लिखना और दर्ज करना बहुत आसान बना दिया।
- परिणाम क्या रहा? अधिक लोग अदालत में प्रवेश कर रहे हैं (ड्राफ्टिंग तक पहुँच)।
- कैच (Catch) क्या है? ये नई शिकायतें कागज पर बेहतर दिखती हैं लेकिन वास्तव में उन्हें अधिक बार खारिज किया जा रहा है। टूल ने लोगों को दरवाजा खोलने में मदद की, लेकिन उन्हें कमरे के अंदर जीतने में मदद नहीं की।
- सबक क्या है? तकनीक संस्थानों के काम करने के तरीके को नीचे से (bottom-up) बदल सकती है, भले ही उन संस्थानों ने खुद उस तकनीक को नहीं अपनाया हो। अदालतों को इन "पॉलिश की हुई लेकिन खाली" शिकायतों को संभालने के लिए अनुकूलित होने की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।