Automatización de eDiscovery: un marco estratégico

The Concise Framework for Discovery Automation takes the overall process of discovery, breaks it down into a data discovery component and a legal discovery component, aligns these components with insight and intelligence, and then highlights four key processes and eight key tasks that appear to be important in the discovery process across the lifecycle of information and litigation.

en flag
fr flag
de flag
pt flag
es flag

Un artículo actualizado de Rob Robinson

Enmarcar la automatización del descubrimiento

Uno de los mayores desafíos a los que se enfrentan los profesionales de la información, el negocio y el derecho es la capacidad de considerar de forma coherente los elementos del descubrimiento de datos y el descubrimiento legal dentro de un marco tecnológico que es lo suficientemente completo como para abordar tareas críticas de descubrimiento a lo largo de los ciclos de vida legales y de información. pero lo suficientemente concisa como para ser abordada de manera realista desde la perspectiva de la integración y la automatización.

Este desafío se vuelve aún más desalentador cuando uno se pasa de considerar las tareas tecnológicas relacionadas con el descubrimiento y comienza a ver cómo estas tareas ayudan a impulsar la toma de decisiones empresariales y legales. De hecho, sólo hay que mirar hasta qué punto los resultados del Informe sobre el estado de la industria de la Iniciativa de Gobernanza de la Información (abril de 2018) para ver cuántas disciplinas de información diferentes y dependientes del descubrimiento se consideran parte del ecosistema de tecnología de gobernanza de la información para comprender la necesidad de una manera concisa de enmarcar la integración de la automatización de tareas, procesos y tecnologías que contribuyen al descubrimiento de datos.

22 Disciplinas de Información Destacadas como Parte del Ecosistema de Gobernanza de la Información1

Gestión de Registros y de Información - 94%

Seguridad y protección de la información - 93%

Cumplimiento - 88%

Gobernanza de datos - 88%

Gestión de Riesgos - 86%

eDiscovery - 84%

Privacidad - 84%

Almacenamiento y archivado de datos: 83%

Legal - 78%

Gestión del conocimiento - 67%

Operaciones y Administración de Empresas - 67%

Auditoría - 65%

Administración de TI: 64%

Curación/administración digital - 64%

Analítica - 63%

Arquitectura empresarial: 63%

Administración de Datos Maestros - 63%

Big Data - 63%

Inteligencia empresarial - 59%

Informática - 52%

Data Science - 52%

Finanzas - 42%

Todos los anteriores - 38%

Si bien el gobierno de la información es sólo una de las muchas disciplinas de datos que dependen de tecnologías relacionadas con la detección, proporciona un excelente ejemplo de la complejidad de abordar tareas relacionadas con la detección desde una perspectiva de automatización de tareas y procesos.

De modelos complejos a marcos concisos

Hoy en día, existen varios modelos publicados que van desde el Modelo de Referencia de Gobernanza de la Información (IGRM) del EDRM y el Modelo de Madurez de Gobernanza de la Información de ARMA hasta el Marco para Mejorar la Ciberseguridad de la Infraestructura Crítica del NIST para ayudar a los profesionales de la información a abordar áreas específicas de dominios que requieren la necesidad de para la tecnología de descubrimiento. Estos modelos también ayudan a los usuarios a traducir la información en inteligencia que informa las decisiones basadas en datos. Sin embargo, parece ser necesario un marco tecnológico conciso que pueda utilizarse para ayudar a traducir la comprensión de las necesidades de descubrimiento extensas en un flujo de trabajo de descubrimiento simplificado.

Dicho de otra manera, parece razonable que un marco de planificación que aborde las tareas básicas de los datos y el descubrimiento legal pueda ser beneficioso para ayudar a los proveedores de tecnología a desarrollar soluciones de descubrimiento automatizado que aborden los datos desde el punto de creación inicial hasta el punto de destrucción defendible. Tal marco también podría servir para explicar a los usuarios potenciales la relación entre tareas, funciones y automatización en datos y descubrimiento legal.

A continuación se proporciona para su consideración y uso un ejemplo de marco estratégico que puede ser beneficioso para ayudar a los proveedores de tecnología a desarrollar, integrar, automatizar y enviar mensajes de datos y ofertas de descubrimiento legal.

Marco Estratégico para el Descubrimiento de Datos y Legales

En el desarrollo de un marco estratégico para el descubrimiento de datos y jurídicos, es importante en primer lugar definir varios elementos clave e impulsores incluidos en el marco. Siete de estos elementos y controladores se definen a continuación.

Data Discovery es la exploración de patrones y tendencias dentro de datos no estructurados con el objetivo de descubrir información e impulsar la acción.2

El descubrimiento electrónico (descubrimiento legal) es el proceso de identificación, preservación, recopilación, procesamiento, búsqueda, revisión y producción de información almacenada electrónicamente que puede ser relevante para un asunto civil, penal o regulatorio.

La tecnología de automatización de descubrimiento es una tecnología que disminuye el requisito de intervención humana en la finalización de tareas y procesos de detección.4

La Gobernanza de la Información (IG) es la especificación de los derechos de decisión y un marco de rendición de cuentas para asegurar un comportamiento apropiado en la valoración, creación, almacenamiento, uso, archivado y eliminación de la información. Incluye los procesos, funciones y políticas, normas y métricas que garantizan el uso eficaz y eficiente de la información para permitir a una organización alcanzar sus objetivos5.

Los datos no estructurados son contenido que no se ajusta a un modelo de datos específico predefinido. Tiende a ser el contenido generado por humanos y orientado a las personas que no encaja perfectamente en las tablas de la base de datos.6

Insight es la comprensión de la causa y el efecto basada en la identificación de relaciones y comportamientos dentro de un modelo, contexto o escenario.7 Según lo definido por Graham Wallas, las cuatro etapas de la percepción incluyen preparación, incubación, flash de iluminación y verificación. 8

La inteligencia es la capacidad de adquirir y aplicar conocimientos y habilidades9.

Al tomar estas definiciones y verlas a través de la lente de un flujo de trabajo general, uno puede construir y alinear un modelo de automatización de descubrimiento conciso que puede ayudar a enmarcar tareas y procesos clave de descubrimiento.

Figura 1: Dos componentes del descubrimiento

Descubrimiento de datos: información desde la creación de datos hasta la recopilación

A partir de este marco de alto nivel, se puede agregar una capa de procesos y tareas de automatización críticos. Los procesos y tareas clave de automatización para el descubrimiento de datos dentro del modelo de automatización de descubrimiento conciso incluyen:

Automatización de interrogatorios e indexación

Los interrogatorios automatizados permiten a las organizaciones encontrar datos no estructurados que residen en equipos y servidores de punto final.

La indexación automatizada proporciona a los clientes una disposición sistemática del tipo de datos, la ubicación y el contenido que se pueden buscar de manera concisa y coherente.

La combinación de interrogatorios e indexación continuos y automatizados permite a las organizaciones obtener información (análisis de conocimientos) de forma inmediata y precisa a partir de todos los datos no estructurados desde el momento de su creación.

Una vez implementada, esta capacidad ayuda a los usuarios a responder a la pregunta importante y, a menudo, desconcertante de dónde iniciar los esfuerzos de exploración y descubrimiento de datos.

Automatización de Preservación y Recopilación de Archivos

La automatización de preservación de archivos permite a los usuarios establecer una identificación basada en reglas de los archivos que pueden ser necesarios para auditorías, investigaciones o litigios. Esta capacidad también prepara esos archivos para su recopilación y utilización en otras evaluaciones y evaluaciones.

La automatización de colecciones toma los archivos identificados para su conservación y los recopila en un repositorio designado por el usuario. Este repositorio de conservación de archivos recopilados puede evaluarse y evaluarse para proporcionar información adicional sobre los datos.

Figura 2: Dos componentes del descubrimiento de datos

Una vez ejecutadas, estas tareas ayudan a los usuarios a responder a la pregunta de cómo pasar del análisis de información y preservación a revisiones formales de documentos.

Descubrimiento legal: inteligencia desde eDiscovery hasta disposición defendible

Los procesos y tareas clave de automatización para el descubrimiento legal dentro del modelo de automatización de descubrimiento conciso incluyen:

Automatización de la ingestión y el procesamiento

La automatización de ingestión y procesamiento permite a los usuarios cargar datos en un repositorio en línea seguro en un entorno de nube privado y protegido y convertir esos datos automáticamente en un formato utilizable para su revisión.

Automatización de Revisión y Producción

La automatización de revisiones permite a los usuarios utilizar análisis avanzados y revisiones asistidas por tecnología para evaluar, revisar y analizar datos.

La automatización de producción ofrece a los usuarios la capacidad de crear producciones de precisión y registros de privilegios que se pueden exportar a casi cualquier forma.

Figura 3: Dos componentes del descubrimiento legal

Una vez completadas, estas tareas proporcionan inteligencia que ayuda a los usuarios a responder de forma exhaustiva a las preguntas normativas, reglamentarias o legales que normalmente impulsan auditorías, investigaciones y litigios.

Repetición

El marco de descubrimiento combinado toma el proceso general de descubrimiento, lo divide en un componente de descubrimiento de datos y un componente de descubrimiento legal, alinea estos componentes con información e inteligencia y, a continuación, destaca cuatro procesos clave y ocho tareas clave que parecen ser importantes en el descubrimiento durante todo el ciclo de vida de la información y los litigios.

Enfoque de la tecnología de automatización de descubrimiento

Descubrimiento de datos: información desde la creación de datos hasta la recopilación

Descubrimiento legal: inteligencia desde eDiscovery hasta disposición defendible

Procesos de descubrimiento

Automatización de Interrogación e Indexación (Descubrimiento de Datos)

Automatización de la preservación y recopilación de archivos (descubrimiento de datos)

Automatización de la ingestión y el procesamiento (descubrimiento legal)

Automatización de Revisión y Producción (Descubrimiento Legal)

Tareas de detección

Interrogación (Descubrimiento de Datos | Automatización de Interrogación e Indexación)

Indexación (Descubrimiento de Datos | Automatización de Interrogación e Indexación)

Preservación (Descubrimiento de Datos | Automatización de Preservación y Recopilación)

Recopilación (Descubrimiento de Datos | Automatización de Preservación y Recopilación)

Ingestión (Descubrimiento Legal | Automatización de Ingestión y Procesamiento)

Procesamiento (Descubrimiento Legal | Automatización de Ingestión y Procesamiento)

Revisión (Descubrimiento Legal | Automatización de Revisión y Producción)

Producción (Descubrimiento Legal | Automatización de Revisión y Producción)

Además, este proceso no inclusivo y marco de nivel puede ser beneficioso para expandir el pensamiento y la acción en áreas relacionadas con la automatización de procesos y tareas de descubrimiento legal y de datos. Ejemplos de este pensamiento expandido incluyen, entre otros,:

La adición de una subtarea de autoclasificación a la tarea de indexación.

Adición de una subtarea de eliminación de registros in situ a la tarea de recopilación.

La adición de una subtarea de retención legal a la tarea de preservación de archivos.

La adición de una subtarea de examen asistido por tecnología a la tarea de examen.

Figura 4: Dos impulsores de la automatización: la necesidad de información y la necesidad de inteligencia

Si bien los marcos como este marco para la automatización del descubrimiento son útiles para desarrollar ofertas y mensajería eficientes y comprensibles, por diseño, no son completos ni completos. Sin embargo, marcos como este pueden proporcionar un valor sustancial a quienes desarrollan soluciones o crean mensajes para explicar soluciones, ya que proporcionan contexto secuencial y conciencia posicional para los elementos, procesos y tareas principales dentro del marco y ayudan a enmarcar la traducción del descubrimiento de datos en conocimiento y descubrimiento legal en inteligencia mediante la aplicación de tareas y automatización de procesos.

Referencias

1 Iniciativa de Gobernanza de la Información (IGI). (2018, 26 de abril). ¿Qué tecnologías forman parte del mercado de productos IG? - Iniciativa de Gobernanza de la Información. Recuperado de

2 Todos, A. (2014, 18 de septiembre). El descubrimiento de datos está cambiando Business Intelligence - Aplicaciones empresariales hoy. Recuperado en http://www.enterpriseappstoday.com/business-intelligence/data-discovery-is-changing-business-intelligence.html.

3 Grossman, M., y Cormack, G. (2013). Glosario de Grossman-Cormack de Revisión Asistida por Tecnología. Revisión de la Ley de los Tribunales Federales, 7 1). Recuperado de http://www.fclr.org/fclr/articles/html/2010/grossman.pdf

4 Robinson, W. (2016, 6 de junio). ¿Qué es eDiscovery Automation? Un breve marco de definición. Recuperado de http://www.complexdiscovery.com/info/2016/06/06/what-is-ediscovery-automation/

5 Glosario de TI de Gartner. (n.d). Recuperado de http://blogs.gartner.com/it-glossary/information-governance/

6 Stewart, D. (2013, 1 de mayo). Big Content: El lado no estructurado de Big Data - Darin Stewart. Recuperado de http://blogs.gartner.com/darin-stewart/2013/05/01/big-content-the-unstructured-side-of-big-data/

7 Wikipedia. (n.d.). Insight - Wikipedia, la enciclopedia libre. Recuperado el 8 de octubre de 2016 de

8 Klein, G. (2013, 12 de junio). Las diferentes formas de perspicacia | La psicología de hoy. Recuperado de

9 Intelligence - Definición de inteligencia en español | Oxford Dictionaries. (n.d.). Recuperado de

Lectura adicional

Considerar las ofertas de tecnología de eDiscovery de cuarta generación: dos enfoques (primera parte)

Consideración de las ofertas de tecnología de eDiscovery de cuarta generación: dos enfoques (segunda parte)

Fuente: ComplexDiscovery

First Legal adquiere el proveedor de eDiscovery Redpoint Technologies

According to Alex Martinez, CEO of First Legal, “Both First Legal...

Veristar adquiere datos del planeta

According to Veristar company founder, CEO, and president Rick Avers, “We...

Questel adquiere DoeGal

doeLEGAL today announced that it has been acquired by intellectual property...

¿Siguiendo el dinero? Mike Bryant ofrece una sólida mirada a la actividad de fusión y adquisición de tecnología legal

From seed and venture capital investments to private equity and Special...

¿Una nueva era en eDiscovery? Enmarcar el crecimiento del mercado a través de la lente de las seis eras

There are many excellent resources for considering chronological and historiographical approaches...

Un Mashup de tamaño de mercado de eDiscovery: 2020-2025 Información general sobre software y servicios en todo el mundo

While the Compound Annual Growth Rate (CAGR) for worldwide eDiscovery software...

¿Restablecer la línea base? Ajustes de tamaño de mercado de eDiscovery para 2020

An unanticipated pandemeconomic-driven retraction in eDiscovery spending during 2020 has resulted...

¿A casa o a distancia? Consideraciones sobre el tamaño del mercado y los precios de la colección eDiscovery

One of the key home (onsite) or away (remote) decisions that...

Cinco excelentes lecturas sobre eDiscovery para febrero de 2021

From litigation trends and legal tech investing to facial recognition and...

Cinco excelentes lecturas sobre eDiscovery para enero de 2021

From eDiscovery business confidence and operational metrics to merger and acquisition...

Cinco excelentes lecturas sobre eDiscovery para diciembre de 2020

May the peace and joy of the holiday season be with...

Cinco excelentes lecturas sobre eDiscovery para noviembre de 2020

From market sizing and cyber law to industry investments and customer...

HayStackID reconocido en IDC MarketScape para servicios de eDiscovery

According to HaystackID CEO Hal Brooks, “We are proud to once...

¿Una vista generacional de la seguridad remota? HayStackID™ lanza mejoras de seguridad 3.0 para revisar la tecnología

According to HaystackID's Senior Vice President and General Manager for Review...

¿Sólo una cuestión de tiempo? HayStackID lanza un nuevo servicio para la detección y revisión de brechas de datos

According to HaystackID's Chief Innovation Officer and President of Global Investigations,...

¡Es un fósforo! Centrarse en el costo total de la revisión de eDiscovery con ReviewRight Match

As a leader in remote legal document review, HaystackID provides clients...

¿Captura para clima frío? Encuesta de Tecnologías y Protocolos de Codificación Predictiva — Resultados de la primavera 2021

The Predictive Coding Technologies and Protocols Survey is a non-scientific semi-annual...

¿Saliendo del bosque? Dieciocho observaciones sobre la confianza empresarial de eDiscovery en el invierno de 2021

In the winter of 2021, 85.0% of eDiscovery Business Confidence Survey...

Problemas que afectan el rendimiento empresarial de eDiscovery: Una descripción general del invierno 2021

In the winter of 2021, 43.3% of respondents viewed budgetary constraints...

¿No tan sobresaliente? Métricas operativas de eDiscovery en el invierno de 2021

In the winter of 2021, eDiscovery Business Confidence Survey more...