Morgan Lewis optimiert seine Relativity-Umgebung mit Lineal Amplify

Morgan Lewis entscheidet sich für Amplify, um sein Relativity-Angebot zu optimieren. Damit verbessert das Unternehmen seine Chat-Funktionen, die Identifizierung vertraulicher Dokumente, die Bildklassifizierung, die Threading-Analyse, die Workflow-Verfolgung und die Verteidigungsfähigkeit und stärkt sein Entwicklungsteam durch die Suite von Amplify zur schnellen Lösungsentwicklung.

Dallas, Texas – 9. August 2022 – Die eData-Gruppe von Morgan Lewis, der branchenweit führende Anbieter fortschrittlicher Discovery-Lösungen für Anwaltskanzleien, hat sich für Lineal Amplify entschieden, um die Effizienz ihres Relativity-Angebots weiter zu steigern.  „Amplify“ von Lineal ist eine von Praktikern entwickelte, KI-basierte Suite von in Relativity integrierten Lösungen, die aus drei Kernelementen besteht: Anwendungen zur Beschleunigung des Discovery-Prozesses und zur Gewinnung besserer Erkenntnisse, eine Workflow-Lösung zur besseren Nachverfolgung von Entscheidungen des Fallteams und wichtiger Unterlagen sowie eine Suite zur schnellen Lösungsentwicklung.  Amplify ermöglicht es Kunden, Prozesse unabhängig von Dienstleistern durchzuführen, zu verfolgen und zu standardisieren sowie die mit Innovationspreisen ausgezeichneten Anwendungen von Lineal wie ChatCraft, PrivFinder, Snippets, LTAi-Threading und Bot Detector zu nutzen.

„Morgan Lewis hat sich schon immer darauf konzentriert, innovative Lösungen für die Datenherausforderungen seiner Mandanten zu finden, und wir freuen uns, das Unternehmen bei diesem Vorhaben zu unterstützen“, sagte Damon Goduto, Partner bei Lineal. „Tess Blair ist eine Pionierin im Bereich der Rechtstechnologie, und es ist eine Ehre, dass sie den Wert dessen erkennt, was wir aufbauen.“

Kit Mackie, CTO bei Lineal, sagte: „Nachdem ich die Entwicklung von Relativity und der NexLP Story Engine geleitet habe, arbeite ich bei Lineal direkt mit unseren Kunden zusammen, um ihre Bedürfnisse und Ziele zu verstehen.  Amplify ist das Ergebnis dieser Gespräche, und ich bin sehr stolz auf das, was wir auf den Markt gebracht haben. Und wenn eine Kanzlei wie Morgan Lewis den Wert einer Leistungssteigerung ihrer Relativity-Umgebung erkennt, ist das eine zusätzliche Bestätigung.“

Vorteile von Lineal Amplify:

• • ChatCraft stellt Chats in Relativity wie Chats dar und ermöglicht die Kennzeichnung einzelner Nachrichten sowie deren Aufbereitung, wodurch die Überprüfung und Aufbereitung von Chat- und Kollaborationsdaten beschleunigt wird.
  • PrivFinder nutzt die Analyse von Kommunikationsdaten, um verdächtige Dokumente schnell zu identifizieren.
  • „Snippets“ zeigt den Kontext rund um die Suchtreffer an und ermöglicht so eine zügige Überprüfung.
  • Der Bot-Detektor kennzeichnet automatisierte Nachrichten, um Daten schnell aussortieren zu können
  • LTAi Threading unterdrückt 15 % mehr Kommunikationsdaten als herkömmliches Threading und ermöglicht kontinuierliche Datenladungen.
  • Lineal Images klassifiziert jedes Bild im Relativity-Arbeitsbereich für die Massenkennzeichnung
  • Mit Workflow Driver lassen sich beliebige Prozesse direkt in Relativity entwerfen, ausführen und auswerten
    • Beantworten Sie sofort die Frage: „Warum haben wir diese acht Dokumente vor drei Jahren nicht vorgelegt?“

Diese Pressemitteilung wurde auf PRWeb veröffentlicht: https://www.prweb.com/releases/2022/08/prweb18834956.htm

Über Lineal – Lineal (www.lineal.com) ist ein weltweit tätiger Anbieter von Rechtsdatendiensten, der mithilfe von KI und prozessgesteuerten Arbeitsabläufen Lösungen für Anwaltskanzleien und Unternehmen in den Bereichen Rechtsstreitigkeiten, Datenschutz, Compliance, DSAR, Informationsmanagement und Cybersicherheit bereitstellt.  Lineal hat seinen Hauptsitz in Dallas und verfügt über Niederlassungen in ganz Nord- und Südamerika, Europa und Asien. Seit 2009 liefert das Unternehmen wegweisende Lösungen.

Bei Medienanfragen wenden Sie sich bitte an: Marketing
marketing@linealservices.com

Erfahren Sie mehr unter www.lineal.com oder folgen Sie uns auf Twitter und LinkedIn.