Start-up EmotionTrac past AI toe in de juridische sector

EmotionTrac is een nieuwe een kunstmatige intelligentie (AI) startup dat zich richt op de juridische sector. Het combineert AI met menselijke input om advocaten te ondersteunen bij het selecteren van proefjury’s In Amerika en in het ontwikkelen van juridische strategieën.

Voor de selectie van juryleden gebruikt het model emotietracking om een betrouwbaardere en meer genuanceerde aanpak te bieden dan systemen die uitsluitend door AI worden aangestuurd. Het bedrijf maakt gebruik van gezichtsherkenningstechnologie en videocamera's om de emoties van deelnemers tijdens simulaties van rechtszaken te volgen. Deze gegevens worden vervolgens geanalyseerd om advocaten inzicht te geven in mogelijke juryreacties. Dit stelt hen in staat beter onderbouwde beslissingen te nemen en effectievere strategieën te ontwikkelen voor hun cliënten.

Oprichter Aaron Itzkowitz benadrukt dat, ondanks de waarde van Large Language Models (LLMs), menselijke interpretatie onmisbaar blijft. LLMs worden binnen het bedrijf voornamelijk gebruikt als hulpmiddel voor data-analyse en het genereren van rapporten, maar ze worden niet ingezet als primaire technologie voor de juridische sector, zoals bij sommige andere bedrijven het geval is.

EmotionTrac heeft al indrukwekkende resultaten behaald, waaronder meer dan een half miljard dollar aan herstelbetalingen voor zijn klanten. De groei van het bedrijf is aanzienlijk, met een verwachte omzetstijging van 400% ten opzichte van het voorgaande jaar.

De toepassingen van AI zijn wijdverbreid. Zo hebben onderzoekers van Mayo Clinic een innovatieve AI tool ontwikkeld die hersengolfpatronen analyseert om vroegtijdige tekenen van dementie, zoals Alzheimer en Lewy body ziekte, te identificeren. De technologie maakt gebruik van elektro-encefalogrammen (EEG's), traditioneel gebruikt voor epilepsiediagnose, maar nu effectief in het opsporen van andere hersenaandoeningen. Dit systeem, getraind op data van 11.000 patiënten, biedt een kosteneffectieve en niet-invasieve methode voor vroege detectie, vooral in onderbediende gebieden. Het uiteindelijke doel is om deze AI analyse te integreren in bredere diagnostische modellen voor hersengezondheid.