Análisis automático de obligaciones y derechos en acuerdos de cliente

Abstract

Los acuerdos de clientes están formados por un conjunto de documentos legales que recogen los términos y condiciones relacionados con la adquisición y el uso de los servicios que proporciona el proveedor. Estos son la base para proteger los intereses de las partes y actúan como un recurso esencial para remedios legales, indemnizaciones o la terminación del contrato, entre otros aspectos. A pesar de la importancia que tiene el contrato en la relación comercial entre las partes implicadas, el análisis automático del mismo es un campo de investigación que requiere una mayor exploración. Además, existe gran interés en el desarrollo de un sistema informático capaz de gestionar todo el ciclo de vida de los contratos, desde su creación hasta su finalización. La mayoría de las aproximaciones en este ámbito se dedican principalmente a la extracción automática o semiautomática de información específica de los mismos. Algunas, por otro lado, se centran en el razonamiento sobre esta información, ofreciendo respuestas a una variedad de preguntas. A pesar de los resultados prometedores de estas propuestas, la mayoría de ellas presentan limitaciones, ya sea en la técnica empleada para extraer la información o en la falta de desarrollo de un sistema fácilmente usable por las partes involucradas. En este trabajo, se propone un enfoque basado en la detección de oraciones que indican obligación o derecho para alguna de las partes involucradas en el acuerdo, así como la identificación de los responsables de cumplir con cada una de estas cláusulas detectadas. El objetivo de extraer esta información es facilitar a las partes la comprensión del acuerdo y la reflexión sobre el mismo. Para automatizar este proceso se desarrolla el sistema iCan, que mediante el uso de modelos de lenguaje grandes es capaz de identificar esta información del acuerdo. En concreto, la propuesta recibe como entrada un acuerdo en lenguaje natural y devuelve un conjunto de obligaciones, derechos y actores. La evaluación del sistema se realiza comparando los resultados obtenidos al analizar automáticamente el acuerdo a nivel de servicio de la compañía Digital Realty con diferentes herramientas. Las conclusiones derivadas de los resultados reflejan que iCan es capaz de detectar las obligaciones y derechos mejor que el modelo de lenguaje Chat GPT y el marco de trabajo desarrollado por Natalona et al. [15] en base al criterio de evaluación definido. Logrando identificar el 100 % de las obligaciones detectadas manualmente y 3 de los 4 derechos, además con una mayor precisión y exhaustividad que el resto de las aproximaciones.

Customer agreements are composed of a set of legal documents that contain the terms and conditions related to the acquisition and use of the services provided by the supplier. These are the basis for protecting the interests of the parties and act as an essential resource for legal remedies, indemnification or termination of the contract, among other aspects. In spite of the relevance of the contract in the business relationship between the parties involved, the automatic analysis of the contract is a field of research which requires further exploration. In addition, there is high interest in the development of a system capable of managing the entire life cycle of contracts, from their creation to their termination. Most approaches in this area address the automatic or semiautomatic extraction of specific information from them. However, others focus on the reasoning of this infor mation, providing answers to various questions. Despite the promising results of these proposals, most of them have limitations, either in the technique they use to extract the information, or even in the lack of development of a system easily usable by the parties involved. In this work, we propose an approach based on the detection of sentences that indicate obligation or right for any of the parties involved in the agreement, as well as the identification of those responsible for compliance with any of the clauses detected. In order to facilitate the understanding and reasoning of the agreement to the parties. Therefore, to automate this process we developed a system called iCan, which using large language models has the ability to identify this information from the agreement. In fact, the proposal receives an agreement as input and returns the set of obligations, rights and actors. The evaluation of the system is performed by comparing the results obtained by different tools when automatically analyzing the service level agreement of the Digital Realty company. The conclusions from the results show that iCan is better than the Chat GPT model language and the framework developed by Natolana et al. [15] by detecting the obligations and rights using our evaluation criteria. ICan manages to identify 100 % of the manually detected obligations and 3 out of 4 rights, also reaching a greater precision and recall than the other approaches.