75%
與手動文件審查相比，可節省成本。
文件審查可佔發現成本的75%+。Aviator 評論以更低的價格提供相同的品質。
88%
更快速的文件審查
GenAI 自動化可將審核時間從數月、數週縮短至數天或數小時，讓您在訴訟和調查中享有策略優勢。
90%+
以最佳化的工作流程進行召回
透過專業提示工程與經過驗證的工作流程，提供卓越的審稿品質——建立在 OpenText™ 在 TAR 領域十年的領導經驗之上。

如何開始使用 OpenText eDiscovery Aviator

滑動查看更多內容	該做什麼	為什麼是現在？	資源
步驟
彈性部署選項	選擇 eDiscovery Aviator—按需使用、多案件訂閱或私有雲選項。	基於雲端原生技術的 Aviator 可無縫整合到您的工作流程中。	檢視部署選項
探索 Aviator 的功能	從關鍵文件摘要到 Aviator 審查。	隨時隨地發掘您最需要的效率。	觀看示範
蒐集案例見解	使用 Aviator 進行文件摘要或探索資料以進行調查或 ECA 分析。	從小開始，建立您的 GenAI 信心	觀看影片
使用您的資料測試 Aviator 評審	提交樣本資料集，以完善具有透明代幣估算的標準。	在承諾全面審查前，先建立對結果的信心並了解成本	瞭解更多
取得專家指導	請聯繫 OpenText™ 專業服務團隊，獲得支援與最佳實務	借助法律工作流程專家和數十年的 TAR 領導經驗，降低 GenAI 應用風險。	開啟您的 GenAI 之旅
透過管理式審查服務提升結果。	結合 Aviator 與管理式審查，可節省更多費用。	將 GenAI 技術與專家提示工程相結合，可額外節省 10—20% 的成本。	探索產品或服務

了解更多有關 OpenText eDiscovery Aviator 的資訊

2025 年 8 月 22 日

建立 GenAI 基礎：利用 GenAI 快速啟動您的訴訟業務

第一部分：學習如何建構生成式 AI 技能，以實現更智慧的電子取證。

閱讀部落格

December 2, 2025

駕馭法律人工智慧浪潮：來自 OpenText World 2025 的專家見解

在 OpenText World 2025 大會上，法律界領袖分享了在電子取證中使用 GenAI 的五種實用方法。

閱讀部落格

2025 年 11 月 3 日

從數據過載到策略清晰：AI 如何改變早期案件評估

了解 OpenText Aviator Rapid Exploration 如何使用 GenAI 提供即時洞察和清晰的分析。

閱讀部落格

2025 年 11 月 3 日

What’s new in OpenText eDiscovery

取得 OpenText eDiscovery 的最新更新，以實現更快、更聰明的分析。

閱讀部落格

2025 年 9 月 15 日

將 GenAI 嵌入 MDR：利用 GenAI 快速啟動您的訴訟業務

了解如何將 GenAI 直接嵌入到您的外包管理文件審查 (MDR) 中。

閱讀部落格

OpenText eDiscovery Aviator 常見問題解答

OpenText eDiscovery Aviator 是指任何已或即將新增於 OpenText eDiscovery 的大型語言模型（LLM）功能。這些功能透過 OpenText Aviator 圖示進行標識。目前，這些功能包括：
- Aviator 關鍵文件摘要
- Aviator 總結
- 概念標籤摘要。
- Aviator 評論
- Aviator 快速探索
只要簽署了相應的法律文件，所有 AWS 區域的所有 OpenText eDiscovery（單一租戶或多租戶）雲端客戶均可使用 Aviator 功能。
為我們的 Aviator 功能提供支援的 LLM 具有多語言功能。目前，功能的主要測試和驗證是在英文文件和提示上進行。
OpenText eDiscovery 透過 Bedrock API 連接到 Amazon Bedrock。OpenText eDiscovery 與 LLM 的互動是事務性的：
- OpenText eDiscovery 工作透過 Amazon Bedrock API 直接從客戶的 OpenText eDiscovery AWS 環境建立與大型語言模型的會話。
- 請求會連同所需資訊（通常是提示 + 文件文字，但視功能而定）傳送至 LLM。
- LLM 將回應傳回給客戶的 OpenText eDiscovery AWS 環境。
- 與 LLM 的會話已關閉，所有資料均已從 AWS Bedrock 中刪除。
與 LLM 的互動是在專案層面進行的，並且為每個 LLM 功能互動創建一個單獨的會話。
不。一旦與 LLM 的會話關閉，Amazon Bedrock/LLM 端不會留下該會話的資料。Amazon Bedrock 不會在其服務日誌中儲存或記錄客戶資料。
不。Amazon Bedrock 會對 LLM 進行深入複製並託管它。LLM 供應商（Anthropic）在 Amazon Bedrock 內無法讀取／寫入該模型，也無法上網。
OpenText 不進行模型訓練。OpenText eDiscovery Aviator 存取的模型由 LLM 提供者預先訓練。客戶數據、輸入提示和輸出永遠不會用於訓練 LLM 模型。LLM 的結果不會在專案間共享。