想象一下，必須搜索一家大型跨國公司的所有文檔，電子郵件和消息。
　　Yousr Khalil不必想象。法務會計師是一個團隊的一部分，該團隊不得不在航空航天巨頭空中客車公司承認通過中間人行賄后，提出了不當行為的證據。
　　她說：“空中客車就像其中有900套公寓的高樓大廈。我們必須決定要研究哪些套間。”
　　Khalil女士在FRA（法醫調查公司）工作，該公司為全球法律案件提供支持。
　　但這是一個例外，也是FRA有史以來最大的工作。
　　為了符合延期起訴協議（DPA）的要求，空客于2016年對其運營進行了嚴格的審查。
　　這項為期四年的根除腐敗行為的項目幫助空客與英國，美國和法國的監管機構達成協議，根據該協議，空中客車公司支付了36億歐元（30億英鎊）的罰款，以表彰其欺詐和賄賂行為。
　　Khalil女士和一支由70名員工組成的團隊面對著遍布全球活動的大量文件，交易數據和電子郵件，其中大部分都是無害的。
　　那么他們如何規劃課程呢？
　　人工智能（AI）和量身定制的計算機不同于您曾經使用過的任何PC，在這一史詩般的數據拖網中發揮了重要作用。
　　5億個龐大的文檔和交易的艱巨收集工作必須減少。
　　隨著數據量呈指數增長，在此類調查中越來越頻繁地使用AI。
　　消除重復和其他不相關的材料后，調查人員將獲得6000萬份文檔進行審查。AI搜尋了這些圖案并找到了不合適的片段，例如價值1億美元的體育贊助協議。
　　在所有這些過程中，空中客車與員工的關系如何？哈利勒女士說：“沒有一家公司真正為全面的法醫調查做好準備，”但她來自空中客車公司的同事反應迅速。“當監管者對某件事進行快速反應時，他們就此采取行動。”
　　好像六千萬件物品還不足以構成挑戰，全球范圍內有800名空客雇員被合法指派為這些文件的保管人。
　　“您可能將信息散布在筆記本電腦，存儲設備，USB驅動器等不同介質上。我們必須確定誰是該數據的托管人，” Greg Mason表示，他是該公司數據分析的創始合伙人兼聯席主管FRA。
　　建立了七個安全的調查地點。這些允許對文檔進行完全安全的檢查，這對空客而言至關重要。這是一個龐大的業務，與歐洲主要的軍用飛機項目交織在一起。因此，調查必須設計出一種方法，以防止將全國范圍內敏感的材料拒之門外。
　　專用軟件允許收集信息，而無需查看其來源的整個文檔，因此可以防止窺視他人的秘密防御信息。
　　此外，還使用了定制的價值100,000美元的計算機，該計算機運行多個磁盤并且沒有與Internet的連接。
　　這被稱為“氣隙”，它在敏感數據和Internet外部世界之間提供了明確的界限。
　　如果僅將數據視為數據，則處理大量數據將變得更加輕松快捷。FRA提取了元數據，即每個電子文檔背后的信息（定義了元數據），然后使用它對材料進行索引，以便可以刪除不相關的文件。
　　AI構成了此技術輔助審核（TAR）的基礎。
　　AI經過訓練可以搜索非結構化數據，例如電子郵件。與表單和列中包含的結構化數據不同，這些元素很難掃描。
　　利用機器學習的原理，AI軟件可以看到特定類型消息的多個示例并開始發現它們屬于哪個類別，FRA能夠迅速提取相關文檔。梅森觀察到：“人工智能程序尋找消息的上下文，上下文就是一切。”
　　該軟件正在尋找通過代碼安排的賄賂，例如醫生開藥。通過運行此類隱藏消息的示例，該軟件獲得了醫學概念，然后獲得了處方概念。這意味著它可能會涉足非結構化數據并發現腐敗行為。
　　梅森先生說：“當您發現越來越多的秘密支付實例時，人工智能便會實時學習。這就是人工智能的魅力所在。” 建立了評分系統，為某些屬性添加了分數。任何高于一定數字的分數都被認為值得進一步調查。隨著機器學習技術的發展，它變得越來越好。
　　　梅森先生認為，預留的文件中只有大約5％是由人檢查的，但仍然有300萬份文件。“人工智能不是萬靈藥，但它的學習方式卻非同尋常。”
　　這位統計學家經過培訓，對AI技術如何使大量短時間工作印象深刻。“即使今天很小的情況下，海量數據也隨之而來。”
　　他必須將TAR的新概念賣給英國嚴重欺詐辦公室（SFO）等監管機構，并獲得批準，這不是傳統的調查方法。“這是我進行過的最復雜的調查。”
　　四年的調查聽起來很累。但是，與AI助手一起揭露欺詐行為使團隊獲得了很多個人滿意度。
　　他們的工作得到了合法的認可印章。
　　英格蘭和威爾士最資深的民事法院法官之一維多利亞·夏普夫人（Victore Sharp）總結了這項調查的深遠影響及其在人工智能方面的突出作用。
　　在為2020年1月在英國舉行的三國事件辯護時，她宣布空中客車公司“真正掏腰包，現在是一家發生過錯的公司”。