Een partner vertelde ons onlangs dat ze was gestopt met het vragen van junior medewerkers om de eerste concepten van standaard commerciële brieven te maken. Het model deed het sneller en – op een goede dag – beter. Then she paused. 'Het probleem', zei ze, 'is dat ik niet meer weet welke dag een goede dag is.'
Die zin geeft het huidige moment in het opstellen van AI-wetgeving eerlijker weer dan de meeste leveranciersdecks. De technologie is echt nuttig. Het is ook ongelijkmatig betrouwbaar, en deze ongelijkheid is het deel dat bepalend moet zijn voor de manier waarop interne teams en bedrijven het toepassen.
Waar AI-ontwerp echt sterk is
Grote taalmodellen zijn nu bekwaam in een smalle, maar commercieel belangrijke groep juridisch werk. Ze zijn goed in taken die structureel repetitief zijn, taalkundig compact en vergevingsgezind voor een menselijke tweede passage.
In de praktijk betekent dat:
- Eerste concepten van standaardcorrespondentie — Brieven vóór actie, vervolgbrieven, brieven met basisverzoeken, instructienotities. De structuur is goed gerepeteerd; het model bedenkt zelden het formaat.
- Extraheren en vergelijken van clausules — het verzamelen van bepalingen over schadevergoeding, beperking of beëindiging van een portfolio van leverancierscontracten en deze naast elkaar presenteren.
- Eenvoudige Engelse vertaling van een compacte tekst — een algemene voorwaarden of een schikkingsakte omzetten in een voor de klant leesbare samenvatting.
- Schema- en tabelmontage — het bouwen van een Schedule of Loss-skelet, een openbaarmakingsindex of een chronologie op basis van onbewerkte documenten.
- Meertalige afhandeling — opstellen in het Engels volgens de Britse wetgeving, terwijl het document in zijn eigen taal wordt uitgelegd aan een niet-Engelssprekende klant. Dit is waar de productiviteitswinst het grootst en het meest verdedigbaar is.
Niets van dit alles vervangt een gekwalificeerde advocaat. Dit alles verkort de afstand tussen een blanco pagina en een reviewbaar concept, waar de meeste factureerbare wrijving zit.
Waar het opstellen van AI stilletjes mislukt
De faalmodi zijn het onderdeel dat ertoe doet, omdat ze niet zichtbaar zijn in een demo.
Ten eerste: citatieverzinsel. Modellen bedenken nog steeds naamvallen, paragraafnummers en wettelijke verwijzingen die er plausibel uitzien. Het risico is het grootst wanneer het model wordt gevraagd een standpunt te ondersteunen waar het naartoe is gestuurd, in plaats van iets neutraal samen te vatten. Britse beoefenaars hebben al te maken gekregen met juridische kritiek vanwege dossiers waarin niet-bestaande autoriteiten voorkomen; de regelgevende stemming is meedogenloos.
Ten tweede: jurisdictieafwijking. Een model dat voornamelijk is getraind op Amerikaans materiaal zal, ongevraagd, naar Amerikaanse contractconventies grijpen – ‘represents and warrants’-stapels, schadeloosstellingstaal, formuleringen van rechtskeuze die niet goed passen in een contract met Engels recht. De redactie leest vlot. It is also subtly wrong.
Ten derde, stille weglating. Modellen zijn goed in het produceren van waar je om vraagt, en slecht in het signaleren van wat je bent vergeten te vragen. Het kan zijn dat een clausule een heel onderdeel mist – bijvoorbeeld een uitzondering op fraude in een beperkingsclausule – en de output ziet er compleet uit. Een junior jurist die dezelfde vraag kreeg, zei vaker: “moeten we ook eens nadenken over…”.
Ten vierde, vertrouwelijkheidshouding. Veel tools sturen aanwijzingen via de infrastructuur van derden met bewaartermijnen die niet altijd transparant zijn. Bij geprivilegieerd materiaal is de vraag niet of de leverancier betrouwbaar is, maar of het datapad er één is dat een toezichthouder, klant of verzekeraar bij inspectie zou accepteren.
Ten vijfde, het kalibratieprobleem. Het model weet niet wanneer het onzeker is. Er is geen eerlijk ‘ik gok hier’-signaal. Elke output komt met hetzelfde niveau van vertrouwen binnen, wat precies de verkeerde UX is voor juridisch werk.
Een Britse wetgevingslens over adoptie
De SRA is eerder gemeten dan beperkend voor AI. Het gepubliceerde denken – en de bredere richting van de SRA-richtlijnen over AI-gebruik in de gereguleerde praktijk – benadrukt dat de bestaande taken al het grootste deel van het grondgebied bestrijken: competentie, vertrouwelijkheid, toezicht en het niet misleiden van de rechtbank. De toezichthouder vraagt bedrijven niet om nieuwe ethiek uit te vinden. Het vraagt hen om de oude toe te passen op een nieuw instrument.
Die framing is nuttig, omdat het het binaire debat over ‘moeten we AI gebruiken of niet’ doorbreekt. Het eerlijke antwoord is dat de meeste bedrijven dat al doen, vaak informeel, en de vraag van het bestuur is of dat gebruik gestructureerd of schaduwrijk is.
Een verdedigbaar standpunt omvat in ieder geval:1. Een geschreven beleid voor AI-gebruik, waarin goedgekeurde tools en verboden gebruiksscenario's worden genoemd (bijvoorbeeld het opstellen van adviezen over betwiste rechtspunten zonder dat de partner zich heeft afgemeld). 2. Een duidelijk gegevenspad voor elke tool die met klantmateriaal te maken heeft: waar prompts naartoe gaan, hoe lang ze worden bewaard, of ze toekomstige modellen trainen. 3. Een toezichtmodel dat AI-output behandelt alsof deze in de eerste week door een paralegal is geproduceerd: nuttig, maar nooit ingediend, verzonden of vertrouwd zonder een gekwalificeerde beoordeling. 4. Klanttransparantie passend bij de opdracht. Niet elke kwestie vereist openbaarmaking dat AI heeft geholpen met een concept; sommige klanten en sommige zaken wel. 5. Een houtkapdiscipline zodat het bedrijf, als een concept later wordt betwist, kan reconstrueren wat het model heeft voortgebracht en wat de mens heeft veranderd.
De workflow opbouwen
De bedrijven die waarde halen uit het opstellen van AI-wetgeving zijn niet degenen met de duurste licenties. Zij zijn degenen die hun werk in fases hebben opgedeeld en zich eerlijk hebben afgevraagd in welke fase het model zich zou moeten bevinden.
Een werkbaar patroon ziet er als volgt uit. Het model produceert een gestructureerd eerste ontwerp op basis van een gedefinieerd sjabloon en een gedefinieerd feitenpatroon. Een advocaat beoordeelt aan de hand van een checklist die expliciet test op de bekende faalwijzen – verzonnen citaten, Amerikaanse drift, ontbrekende uitzonderingen, juridisch taalgebruik. Het beoordeelde ontwerp gaat naar een tweede persoon voor inhoudelijke aftekening als de zaak dit rechtvaardigt. Niets verlaat het bedrijf zonder een naam ertegen.
Dit is niet glamoureus. Het is echter de versie van de AI-adoptie van advocatenkantoren die een klacht, een audit of een vraag over beroepsaansprakelijkheid overleeft. Documentautomatisering heeft altijd bedrijven beloond die investeren in hun sjablonen en hun beoordelingsdiscipline; AI-opstelling is hetzelfde koopje, met een scherper voordeel en een scherper nadeel.
De tools zijn klaar voor serieus werk. De workflow bepaalt of dat werk veilig is.
Veelgestelde vragen
Moeten we klanten vertellen wanneer AI is gebruikt bij het opstellen van hun documenten? Er bestaat geen algemene Britse regel die openbaarmaking vereist, maar het standpunt hangt af van de opdrachtbrief, de gevoeligheid van de zaak en wat de cliënt redelijkerwijs zou verwachten. Voor werk waar veel op het spel staat of maatwerk is transparantie meestal de veiligere standaard.
Kunnen we een AI-tool voor algemene doeleinden gebruiken, of hebben we een juridisch specifieke tool nodig? Algemene tools kunnen taken met een laag risico aan, als uw gegevenspad en beleid duidelijk zijn, maar juridisch-specifieke platforms bieden doorgaans een betere rechtsgrondslag, citatiediscipline en vertrouwelijkheid – wat de beoordelingslast aanzienlijk vermindert.
Wat is de meest voorkomende fout die bedrijven maken bij het adopteren van AI-concepten? Behandel het als een productiviteitstool in plaats van als een onder toezicht staande tekenaar. De bedrijven die in de problemen komen, zijn degenen die de fase van de gestructureerde beoordeling overslaan omdat de resultaten er “goed uitzagen”.
Voor het opstellen van Britse wetgeving met menselijke beoordeling door een advocaat ingebouwd in de workflow – Letters Before Action, contracten, Schedules of Loss en documentbeoordeling – zie JustiScript.