پروفسور جولیان نیارکو، مدیر مرکز HAI و استاد حقوق: پیش‌بینی من این است که در حوزه هوش مصنوعی برای خدمات حقوقی، سال پیش‌رو ذیل دو موضوع کلان تعریف شود. نخست، سخت‌گیری و بازگشت سرمایه (ROI). به‌احتمال زیاد، شرکت‌های حقوقی و دادگاه‌ها دیگر این سؤال ساده‌لوحانه را مطرح نخواهند کرد که «آیا می‌تواند بنویسد؟»، بلکه پرسش محوری این خواهد بود که «با چه کیفیتی، روی چه موضوعی و با چه سطحی از ریسک؟» می‌تواند بنویسد. در این چهارچوب، ارزیابی‌های استاندارد و کاملاً دامنه‌محور به یک پیش‌نیاز بدیهی تبدیل خواهند شد؛ ارزیابی‌هایی که عملکرد مدل را به خروجی‌های ملموس حقوقی گره می‌زنند، از جمله دقت تحلیلی، صحت ارجاعات، ریسک نقض محرمانگی و زمان انجام کار. هم‌زمان، تمرکز از سناریوهای کنترل‌شده و مصنوعی به سمت سنجش بهره‌وری واقعی در گردش کارهای روزمره خواهد رفت، یعنی مدیریت اسناد، صورتحساب‌نویسی و سامانه‌های دانش حقوقی. دوم، واگذاری کارهای سخت‌تر به هوش مصنوعی. فراتر از پذیرش اولیه پرونده‌ها یا تهیه پیش‌نویس‌های ابتدایی، نشانه‌های روشنی از حرکت به سمت سامانه‌هایی دیده می‌شود که می‌توانند با وظایف پیچیده‌تری درگیر شوند، مانند استدلال چندسندی، ترکیب و صورت‌بندی وقایع، ترسیم نقشه استدلال‌ها و استخراج سوابق و منابع متعارض، آن هم با منشأ مشخص و قابل‌ردگیری. این جابه‌جایی، به طور طبیعی نیازمند چهارچوب‌های سنجش جدید است. روش‌هایی مانند «مدل زبانی بزرگ به‌مثابه قاضی» (LLM-as-judge) و «رتبه‌بندی ترجیحی دوتایی» (pairwise preference ranking) در حال تبدیل شدن به ابزارهایی برای ارزیابی مقیاس‌پذیر وظایف حقوقی پیچیده‌اند. بنچمارک‌های نوظهوری مانند GDPval که بر پایه همین منطق طراحی شده‌اند، می‌توانند نقشه‌راه توسعه را از کارهای سطحی به سمت وظایف مرتبه‌بالا و واقعاً ارزش‌آفرین هدایت کنند.