En partner fortalte os for nylig, at hun var holdt op med at bede juniormedarbejdere om at producere første udkast til standard kommercielle breve. Modellen gjorde det hurtigere, og - på en god dag - bedre. Så holdt hun en pause. "Problemet," sagde hun, "er, at jeg ikke længere ved, hvilken dag der er en god dag."
Denne sætning fanger det nuværende øjeblik i AI-juridisk udarbejdelse mere ærligt end de fleste leverandørdæk. Teknologien er virkelig nyttig. Det er også ujævnt pålideligt, og ujævnheden er den del, der skal forme, hvordan in-house teams og firmaer anvender det.
Hvor AI-drafting er virkelig stærk
Store sprogmodeller er nu kompetente til en snæver, men kommercielt betydningsfuld gruppe af juridisk arbejde. De er gode til opgaver, der er strukturelt gentagne, sprogligt tætte og tilgivende over for et menneskeligt andet gennemløb.
I praksis betyder det:
- Første udkast til standardkorrespondance — Letters Before Action, chaser letters, basic demand letters, instruction notes. Strukturen er velindøvet; modellen opfinder sjældent formatet.
- Klausuludtræk og sammenligning — trækker erstatnings-, begrænsnings- eller opsigelsesbestemmelser på tværs af en portefølje af leverandørkontrakter og præsenterer dem side om side.
- Almindelig-engelsk oversættelse af tæt udkast — forvandling af et hoved-of-terms eller et forligsskøde til et klientlæsbart resumé.
- Tidsplan og tabelsamling — opbygning af et Skema of Loss-skelet, et oplysningsindeks eller en kronologi fra rådokumenter.
- Flersproget håndtering — udarbejdelse på engelsk i henhold til britisk lovgivning, mens dokumentet forklares til en ikke-engelsktalende klient på deres eget sprog. Det er her produktivitetsgevinsten er størst og mest forsvarlig.
Intet af dette erstatter en kvalificeret advokat. Det hele forkorter afstanden mellem en tom side og et udkast, der kan gennemgås, og det er der, hvor den mest fakturerbare friktion sidder.
Hvor AI-drafting stille og roligt fejler
Fejltilstandene er den del, der betyder noget, fordi de ikke er synlige i en demo.
Først citatfabrikation. Modeller opfinder stadig sagsnavne, afsnitsnumre og lovbestemte referencer, der ser plausible ud. Risikoen er størst, når modellen bliver bedt om at støtte en holdning, den er blevet rykket imod, frem for at opsummere noget neutralt. Britiske praktiserende læger har allerede været udsat for retlig kritik for arkivalier, der indeholder ikke-eksisterende myndigheder; den regulerende stemning er uforsonlig.
For det andet jurisdiktionsdrift. En model, der overvejende er trænet på amerikansk materiale, vil uopfordret nå ud til amerikanske kontraktkonventioner - "repræsenterer og garanterer" stakke, erstatningssprog, lovvalgsfrasering, der ikke passer godt i en engelsk lovkontrakt. Udkastet lyder flydende. Det er også subtilt forkert.
For det tredje, tavs udeladelse. Modeller er gode til at producere, hvad du beder om, og dårlige til at markere, hvad du har glemt at bede om. En klausul mangler muligvis en hel del - f.eks. en udskæring for bedrageri i en begrænsningsklausul - og outputtet vil se komplet ud. En yngre advokat, der stillede det samme spørgsmål, ville oftere sige "skal vi også overveje...".
For det fjerde fortrolighedsstilling. Mange værktøjer dirigerer prompter gennem tredjepartsinfrastruktur med opbevaringsvinduer, der ikke altid er gennemsigtige. For privilegeret materiale er spørgsmålet ikke, om leverandøren er velrenommeret, men om datastien er en, som en regulator, klient eller forsikringsgiver ville acceptere ved inspektion.
For det femte kalibreringsproblemet. Modellen ved ikke, hvornår det er usikkert. Der er ikke noget ærligt "jeg gætter her"-signal. Hvert output kommer med det samme niveau af tillid, hvilket er præcis den forkerte brugervenlighed for juridisk arbejde.
En britisk lov linse om adoption
SRA er blevet målt snarere end restriktivt på AI. Dens offentliggjorte tankegang - og den bredere retning af SRA-vejledning om brug af kunstig intelligens i reguleret praksis - understreger, at eksisterende pligter allerede dækker det meste af territoriet: kompetence, fortrolighed, tilsyn og ikke vildledning af retten. Regulatoren beder ikke virksomheder om at opfinde ny etik. Det beder dem om at anvende de gamle til et nyt værktøj.
Den indramning er nyttig, fordi den skærer igennem den binære "skal vi bruge AI eller ej" debat. Det ærlige svar er, at de fleste virksomheder allerede er det, ofte uformelt, og styringsspørgsmålet er, om denne brug er struktureret eller skyggefuld.
En forsvarlig position involverer mindst:1. En skriftlig AI-brugspolitik, navngivning af godkendte værktøjer og forbudte brugssager (f.eks. udarbejdelse af udtalelser om anfægtede lovpunkter uden partnersign-off). 2. En klar datasti for ethvert værktøj, der berører klientmateriale - hvor meddelelserne går, hvor længe de opbevares, om de træner fremtidige modeller. 3. En supervisionsmodel, der behandler AI-output, som om det var produceret af en advokatfuldmægtig i deres første uge: nyttigt, men aldrig arkiveret, sendt eller påberåbt uden en kvalificeret anmeldelse. 4. Kundegennemsigtighed passende for engagementet. Ikke alle sager kræver afsløring af, at AI hjalp med et udkast; nogle kunder og nogle sager gør. 5. En logningsdisciplin, så hvis et udkast senere udfordres, kan virksomheden rekonstruere, hvad modellen producerede, og hvad mennesket ændrede.
Opbygning af arbejdsgangen
De virksomheder, der får værdi af AI-lovudkast, er ikke dem, der har de dyreste licenser. Det er dem, der har dekomponeret deres arbejde i etaper og spurgt ærligt, hvilket stadium modellen skal røre ved.
Et brugbart mønster ser sådan ud. Modellen producerer et struktureret første udkast ud fra en defineret skabelon og et defineret faktamønster. En advokat gennemgår i forhold til en tjekliste, der eksplicit tester for de kendte fejltilstande - fabrikerede citater, amerikansk drift, manglende udskæringer, jurisdiktionssprog. Det gennemgåede udkast går til et andet menneske til væsentlig underskrivelse, hvor sagen berettiger det. Intet forlader firmaet uden et navn imod sig.
Dette er ikke glamourøst. Det er dog den version af advokatfirmaets AI-adoption, der overlever en klage, en revision eller et spørgsmål om professionel skadesløsholdelse. Dokumentautomatisering har altid belønnet virksomheder, der investerer i deres skabeloner og deres anmeldelsesdisciplin; AI drafting er den samme handel, med skarpere opside og skarpere downside.
Værktøjerne er klar til seriøst arbejde. Arbejdsgangen er det, der afgør, om det arbejde er sikkert.
Ofte stillede spørgsmål
Skal vi fortælle kunderne, hvornår kunstig intelligens er blevet brugt til at udarbejde deres dokumenter? Der er ingen generel britisk regel, der kræver offentliggørelse, men stillingen afhænger af ansættelsesbrevet, sagens følsomhed og hvad klienten med rimelighed ville forvente. Ved høje indsatser eller skræddersyet arbejde er gennemsigtighed normalt den sikre standard.
Kan vi bruge et AI-værktøj til generelle formål, eller har vi brug for et juridisk specifikt? Generelle værktøjer kan håndtere lav-risiko opgaver, hvis din datasti og politik er klar, men juridisk-specifikke platforme tilbyder typisk bedre jurisdiktionsforankring, citatdisciplin og fortrolighed – hvilket væsentligt reducerer anmeldelsesbyrden.
Hvad er den mest almindelige fejl, som virksomheder begår, når de anvender AI-drafting? Behandle det som et produktivitetsværktøj snarere end en overvåget tegner. De virksomheder, der kommer i problemer, er dem, der springer den strukturerede gennemgang over, fordi outputtet "så fint ud".
For britisk lovudkast med menneskelig advokatgennemgang indbygget i arbejdsgangen - Letters Before Action, kontrakter, tidsplaner for tab og dokumentgennemgang - se JustiScript.