Elke zomer komen duizenden mensen die de technologie achter juridisch werk ontwikkelen, aanschaffen en beheren een week lang bijeen om ervaringen uit te wisselen op ILTACON, de jaarlijkse conferentie die wordt georganiseerd door de International Legal Technology Association (ILTA). Als je er nog nooit bent geweest, volgt hier een korte samenvatting: het is geen vakbeurs die is opgezet rond de roadmap van één enkele leverancier. Het is een door praktijkmensen georganiseerde bijeenkomst, met dit jaar meer dan 80 educatieve sessies die zijn geselecteerd uit meer dan 400 ideeën die door de ILTA-gemeenschap zelf zijn ingediend.

Ik had het voorrecht om als vrijwilliger bij ILTA mee te werken aan de coördinatie van een aantal van die sessies, van het interviewen van sprekers tot het begeleiden van hen bij het opstellen van de spreekteksten voor hun sessies.

De rode draad die alle sessies dit jaar met elkaar verbond, was de volgende: de juridische sector is niet langer bezig met de vraag óf er gebruik moet worden gemaakt van AI, maar houdt zich nu bezig met de vraag hoe verantwoording hiervoor moet worden afgelegd – wat betreft de kosten, het beheer en de mensen die er daadwerkelijk mee moeten werken.

Dit is wat me het meest is bijgebleven.

De afrekening: van experimenteren naar verantwoording

De afgelopen jaren kwam de AI-strategie van de meeste organisaties neer op enthousiasme plus een creditcard: overal proefprojecten mee opzetten, en later pas over de rekening nadenken. Josh Baxter, CEO van NetDocuments, noemde deze fase ‘tokenmaxxing’ – mensen aansporen om AI te gebruiken, er meer van te gebruiken, met alles te experimenteren, de sky is the limit. Met de komst van verbruiksgebaseerde prijsstelling in plaats van een onbeperkt tokenbuffet loopt die fase ten einde. Nu gaan veel organisaties juist rantsoeneren – met gebruikslimieten, budgetten en beslissingen over wie toegang krijgt tot welke tools.

De cijfers maken duidelijk waarom. De omzet bij grote kantoren is in de eerste zes maanden van het jaar met meer dan 12% gestegen, terwijl de vraag naar juridische diensten (gemeten in gewerkte uren) met 4,8% is toegenomen.  Toch dringen klanten tegelijkertijd sterk aan op AI om hun kosten te verlagen. De afsluitende keynote van donderdag, een samenvatting van gesprekken uit de G100- en G200-leiderschapsbijeenkomsten van ILTA, gemodereerd door Dan Hauck, Chief Product Officer bij NetDocuments, onderbouwde die nervositeit met concrete cijfers.

De door bedrijven gerapporteerde AI-uitgaven lopen enorm uiteen, van ongeveer 100.000 dollar tot wel 35 miljoen dollar, en er ontstaat een ruwe vuistregel in de sector dat de totale AI-uitgaven ergens rond de 1% van de omzet zouden moeten liggen. Voeg daar nog de op verbruik gebaseerde prijsstelling aan toe – waarbij de rekening afhangt van hoe intensief een tool wordt gebruikt – en veel financiële en innovatieleiders maken zich stilletjes zorgen over kosten die moeilijk van tevoren te voorspellen zijn.

Uit een recent onderzoek van Gartner onder meer dan 780 IT-leiders bleek dat slechts 28% van de AI-toepassingen volledig slaagt en aan de ROI-verwachtingen voldoet. Een van de CIO’s in het panel gaf de meest eerlijke kijk van de week op het meten van rendement in een snel veranderende markt: “De tools die we vandaag hebben, zijn niet de tools die we morgen zullen hebben … dus wil ik vandaag 500 uur besteden aan het berekenen van de ROI? Dat is een zinloos idee. Zolang het positief is, ga je gewoon door.” Een andere panellid herformuleerde de hele exercitie als „snel falen, rendement op inspanning” in plaats van rendement op investering – een onderscheid dat ertoe doet wanneer de levensduur van de tools zelf slechts enkele maanden bedraagt.

Tijdens datzelfde panel kwam iets naar voren dat de moeite waard is om even bij stil te staan, ongeacht in welke branche je werkzaam bent. James McKenna, CIO van Foley & Lardner, vertelde hoe hij zag hoe klanten zich ontwikkelden, in zijn eigen woorden, van „je kunt geen AI gebruiken“ naar „welke AI gebruik je?“ tot nu, simpelweg: „vertel ons hoe je AI gebruikt.“ De vraag naar AI zelf is stilletjes veranderd in een vraag naar transparantie en eenvoudige prijsstelling. „Je moet begrijpen hoeveel het kost om een antwoord te krijgen“, zoals hij het verwoordde. „Maak de facturering niet onnodig ingewikkeld. Houd het simpel.“

Dit komt ook tot uiting in de manier waarop bedrijven over hun eigen bedrijfsmodel denken. Een sessie met de titel ‘The Billable Hour Paradox: Making Non-Billable Work Visible (And Valuable)’ benaderde dezelfde spanning vanuit een andere invalshoek, en het panel op donderdag besteedde veel tijd aan wat een panellid ‘de opkomst van de legal engineer’ noemde – nieuwe rollen die het midden houden tussen advocaat, technoloog en kennismanager, omdat het winstgevend uitvoeren van juridisch werk in een wereld waarin op basis van verbruik wordt afgerekend een andere teamsamenstelling vereist dan wanneer dit op basis van factureerbare uren gebeurt.

Gartner is begonnen deze verschuiving bij naam te noemen en omschrijft het vakgebied dat organisaties nu nodig hebben als‘context engineering’– waarmee de ‘nauwkeurigheid van de output van AI-modellen wordt verbeterd, de relevantie wordt vergroot en het gebruik van tokens wordt verminderd, waardoor de operationele kosten dalen’. Hoe je het ook noemt, de boodschap is duidelijk: het gesprek is verschoven van ‘gebruiken we AI?’ naar ‘kunnen we aantonen wat de meerwaarde ervan is?’.

Context is het kapitaal dat zich opstapelt

Het nuttigste mentale model dat ik de hele week heb gehoord, was ook het eenvoudigste, en NetDocuments gebruikte het om onze eigen bedrijfsupdate te openen: drie dingen bepalen of een AI-agent daadwerkelijk goed is in zijn werk:

• Het model daaronder,
• de bijbehorende interface (de applicatie of assistent), en
• De context waarop het een beroep kan doen terwijl het werkt.

Modellen worden gehuurd; ze worden verbeterd en vervangen volgens het schema van het laboratorium, niet volgens jouw schema.

Harnassen worden voortdurend verwisseld, en de meeste organisaties hebben er al meer dan één in gebruik.

Context – het gestructureerde, beheerde archief van de eigen documenten, precedenten en institutionele kennis van een organisatie – is de enige laag die daadwerkelijk eigendom is van de organisatie, en de enige van de drie die zich uitbreidt in plaats van telkens opnieuw te worden ingesteld wanneer er van tool wordt gewisseld.

Dat onderscheid is meetbaar, het is niet zomaar een slogan. NetDocuments heeft de Legal Context Engineering Benchmark gepubliceerd om te meten wat een betere context waard is – zowel in termen van antwoordkwaliteit als in dollars – door dezelfde 300 vragen voor te leggen aan een vast AI-model en een vaste applicatie, waarbij alleen de context werd aangepast die de agent kon raadplegen. In een testcase met een echte fusie, waarbij de context beperkt was, scoorde het antwoord 0,10/1,0; met een rijkere context was dat 0,67 — bijna zeven keer beter.

Bij 300 testvragen verspreid over 10 echte juridische kwesties bleef het patroon overeind: dankzij een betere context kostte het ongeveer 48% minder om de juiste antwoorden te genereren, zonder dat dit ten koste ging van de nauwkeurigheid, en het voordeel was groter bij krachtigere modellen dan bij zwakkere – de basis voor een verwachte jaarlijkse besparing van 942.000 dollar voor een kantoor met 2.000 gebruikers.

Het onderzoek van Gartner wijst in dezelfde richting: bedrijven melden een nauwkeurigheidswinst van ongeveer 30% bij agentgebaseerde AI wanneer er sprake is van een sterke context. NetDocuments heeft zijn volledige methodologie specifiek gepubliceerd, zodat elke organisatie dezelfde test op haar eigen documenten kan uitvoeren in plaats van de resultaten klakkeloos te accepteren. Het komt erop neer dat context het gebruik van tokens en de AI-kosten drastisch vermindert.

Deze week leverde ook een echt nuttig, leveranciersonafhankelijk hulpmiddel op om door de ruis heen te kijken: vijf vragen die je moet stellen als iemand – inclusief een leverancier waar je al mee werkt – beweert dat zijn product ‘context’ heeft.

• Wat begrijpt of haalt het systeem eigenlijk uit je documenten?
• Hoe vindt het de relevante informatie die het nodig heeft?
• Wiens machtigingen bepalen wat de AI kan ophalen?
• Kan die gereguleerde context worden toegepast op de AI-tools waarvoor uw organisatie daadwerkelijk kiest?
• En welk bewijs wijst op het effect op de kwaliteit van de antwoorden en de kosten?

Architectuur is belangrijk, maar bewijs is dat ook.

Het is de moeite waard om precies te omschrijven wat er onder de term ‘context’ valt, omdat de meeste leveranciers, inclusief NetDocuments, verschillende technische lagen onder één begrip samenvatten: automatische classificatie en metadata-extractie waarvoor geen configuratie nodig is, aangepaste profilering die een organisatie instelt voor haar eigen taxonomie, semantisch zoeken dat betekenis vindt in plaats van alleen trefwoorden, en een verbindende grafiek die documenten, mensen en zaken met elkaar verbindt – op het moment van de conferentie van dit jaar nog in besloten preview, geen functie die elke klant op dit moment al tot zijn beschikking heeft. Door deze als één geheel te beschouwen in plaats van als vier afzonderlijke onderdelen, raken de beweringen over ‘context’ precies zo overdreven.

Een ander belangrijk discussiepunt met betrekking tot context was de mogelijkheid om via het Model Context Protocol (MCP) verbinding te maken met de AI-tools van keuze van een organisatie, in plaats van bestanden buiten het systeem van registratie – doorgaans het documentbeheersysteem van het bedrijf – te moeten verplaatsen. Het bewijs hiervoor begint, voor wat het waard is, steeds vaker van klanten te komen in plaats van van leveranciers.

Thomas Kline, directeur Informatietechnologie bij Stark & Stark, beschreef hoe de door Perplexity AI aangestuurde zoek- en antwoordengine via MCP (hierover later meer) werd gekoppeld aan de documentenbibliotheek van zijn kantoor: „Geen documenten uploaden. Geen bestanden selecteren. Onze advocaten wijzen de AI gewoon op een zaak, en die werkt met alles waartoe ze al toegang hebben.” En Jeff Westcott van Akin gaf tijdens een klantenpanel het duidelijkste advies van de week voor iedereen die verdrinkt in puntoplossingen: „Hoe meer je binnen het platform kunt doen, hoe beter.”

Autonomie zonder bestuur is geen vooruitgang

Nu AI-tools zich niet langer beperken tot het beantwoorden van vragen, maar ook acties gaan uitvoeren – zoals documenten opstellen, archiveren, kruisverwijzingen aanbrengen en zaken markeren – kwam de uitdrukking „agenten zijn gebruikers” deze week herhaaldelijk naar voren. John Motz, Chief Technology Officer bij NetDocuments, merkte tijdens de „Company Update”-sessie op: „Mensen beginnen zich te realiseren dat agenten gebruikers zijn, en dat het bovendien heel slimme gebruikers zijn. Daarom moeten we net zo goed, zo niet nog kritischer, nadenken over hun toegang en beveiligingsmaatregelen als bij een gewone gebruiker.”

Pallavi Nargund van Amazon Web Services ging vervolgens dieper in op de beveiligingstoepassing in meer concrete bewoordingen: klanten hebben toegang tot een gelaagd, op isolatie gebaseerd model waarbij kwantumbestendige versleuteling al is toegepast op opgeslagen documenten, zodat zelfs als één beveiligingslaag wordt doorbroken, de gegevens, het geheugen en de onderliggende hardware onafhankelijk van elkaar afgeschermd blijven, waardoor de vertrouwelijkheid van de klant, de gegevensprivacy en het intellectuele eigendom van de organisatie worden beschermd.

Diezelfde spanning – meer autonomie vereist meer governance – kwam naar voren als een doorlopend thema in sessies die onderling geen verband hielden: „Beyond the Charter: AI Governance Frameworks That Actually Work”, „Secret Agentic Man: When AI Starts Acting on Its Own” en „Matter Mobility: Managing Risk, Access, and Accountability” behandelden stuk voor stuk een variant op dezelfde vraag. Tijdens een vraag-en-antwoordronde in het panel ‘Company Update’ werd juist op dit punt aangedrongen: kun je vraag voor vraag nagaan wat een agent daadwerkelijk heeft gedaan, en kun je zijn acties intrekken of ongedaan maken als er iets misgaat?

Dat zijn geen hypothetische vragen meer zodra een AI-tool permanent toegang heeft tot de dossiers van een cliënt, in plaats van alleen de output te beoordelen die een advocaat achteraf goedkeurt.

Uit onderzoek van Gartner blijkt hoe groot de inzet hier is: zonder een semantische basis voorspelt het bedrijf dat 60% van de agentische AI-projecten die uitsluitend op punt-tot-punt-verbindingen steunen, tegen 2028 zullen mislukken. De verbinding zelf is niet het moeilijke deel. Wat ermee mee moet – machtigingen, ethische barrières, audittrajecten – is dat wel.

Dit is nu al te zien aan de manier waarop AI-leveranciers hun producten met elkaar koppelen. Deze week hebben Google en NetDocuments een nieuwe koppeling aangekondigd tussen Gemini Enterprise for Legal en NetDocuments via het Model Context Protocol (MCP), waarmee ze de bestaande koppelingen met Claude, Microsoft Copilot en Perplexity en andere juridische tools zoals Harvey en Legora aanvullen.

Het ontwerpprincipe dat hierachter schuilgaat, is het principe dat de moeite waard is om over te nemen, ongeacht welke leveranciers je gebruikt: governance moet automatisch met de verbinding meegaan, en niet als een instelling die iemand niet mag vergeten in te schakelen.

Adoptie is een menselijk probleem, geen softwareprobleem

Enkele van de meest praktische gesprekken van de week gingen helemaal niet over baanbrekende modellen – ze gingen over mensen. De NetDocuments-masterclass ‘Adapt, Adopt, Transform’ begon met een citaat van futurist Alvin Toffler, dat meer dan 50 jaar geleden werd geschreven maar nu weer actueel is: “De analfabeten van de 21e eeuw zijn niet degenen die niet kunnen lezen en schrijven, maar degenen die niet kunnen leren, afleren en opnieuw leren.”

Kathleen Hogan, partner op het gebied van juridische innovatie, bouwde daarop voort met het onderzoek van dr. Larry Richards naar het‘advocatenbrein’:advocaten worden opgeleid om sceptisch te zijn (het is hun taak om te ontdekken wat er mis kan gaan), om precedenten boven vernieuwing te stellen, om autonomie te verkiezen boven instructies, en om een onvolmaakt hulpmiddel volledig af te schrijven in plaats van het te verbeteren. Deze professionele sterke punten, zo merkte ze zorgvuldig op, zijn geen karakterfouten – maar juist eigenschappen die ervoor zorgen dat standaard verandermanagement in een advocatenkantoor averechts werkt.

Hogan haalde ook het begrip ‘Trust Gap’ aan van bedrijfsleiderschapsadviseur Andy Stanley – de kloof tussen wat mensen van leiderschap verwachten en wat ze daadwerkelijk ervaren. Tijdens de sessie werd de Trust Gap ook in verband gebracht met het gebruik van AI-tools en werd benadrukt dat deze asymmetrisch werkt: één slechte AI-ervaring weegt zwaarder dan tien goede, omdat “die ene keer dat het niet werkte” het hele verhaal wordt dat mensen vertellen.

Ze illustreerde dit met een concreet voorbeeld: tijdens een vroeg AI-proefproject bij een bedrijf werd stilletjes één cijfer in het telefoonnummer van een klant verwisseld, een fout die lange tijd door niemand werd opgemerkt, juist omdat niemand erop lette. De les was niet: „gebruik geen AI”. De les was dat controle bewust in een workflow moet worden ingebouwd, omdat het controleren van AI-output op zich al een veeleisende taak is die juist minder goed verloopt op momenten dat mensen het drukst zijn.

Kyle Kissell, directeur van het Legal Innovation Partner-team van NetDocuments, wees erop dat de kloof tussen het begrijpen van een tool en het simpelweg toepassen ervan op een probleem de grootste bron van teleurstelling is. Hij gaf een voorbeeld: hij vroeg zijn zoon het gras te maaien en dat gebeurde ook, maar het gras werd niet uit de opvangbak gehaald en in zakken gedaan, omdat hij zijn zoon die specifieke instructies niet had gegeven. Vage instructies leiden tot letterlijke, technisch correcte, maar soms nutteloze resultaten – of het nu gaat om een mens of een AI-agent.

Dit standpunt kwam ook naar voren in een van mijn eigen sessies, getiteld „Mensgerichte AI-implementatie: een praktisch trainingshandboek voor juridische organisaties en juridische afdelingen van bedrijven”. Tot de sprekers behoorden een technologietrainer, een directeur kennisbeheer, een advocaat die deel uitmaakt van het innovatieteam van zijn kantoor, en de medeoprichter van Hotshot, een bedrijf dat gespecialiseerd is in AI-implementatie. De algemene consensus was dat er geen alternatief is voor praktijkgericht, realistisch werk binnen een platform om de implementatie te stimuleren – kort, begeleid, ervaringsgericht leren dat is afgestemd op de doelgroep en specifiek is voor de praktijk.

Dit geldt niet alleen voor advocatenkantoren. Het herinnert ons eraan dat in welke sector dan ook de technologie zelden de bottleneck is bij de invoering van AI. Het gaat erom of de mensen eromheen daadwerkelijk begrijpen hoe ze het effectief kunnen inzetten bij hun specifieke werkzaamheden en vertrouwen hebben in wat het doet.

Weet wat je al hebt voordat je iets nieuws koopt

Het meest nuchtere advies van de week was ook het minst opzichtig: vraag jezelf, voordat je iets nieuws aanschaft, af wat je nu eigenlijk wilt bereiken, en laat die werkwijze – en niet de roadmap van een leverancier – bepalend zijn voor de investering.

Nu er meer dan 1.200 AI-tools met elkaar concurreren om de aandacht van kopers uit de juridische sector, kwam er meer dan eens een werkelijk nuttige diagnostische vraag naar voren: kan uw bestaande technologiestack al 80% van de betreffende workflow afdekken?

En in plaats van te raden waar de hiaten zitten, kun je beter je eigen zoekopdrachtlogboeken bekijken om te zien waar mensen daadwerkelijk naar vragen. Echte gebruiksgegevens zijn altijd betrouwbaarder dan intuïtie.

Diezelfde discipline geldt ook op het niveau daaronder, voor de gegevens die ten grondslag liggen aan elk AI-initiatief.

Tijdens een sessie over het opzetten van wat NetDocuments een ‘MCP-enabled data estate’ noemt, opende Nate Ruiz van NetDocuments met een eenvoudig argument dat door zijn medepanelleden werd herhaald: als je niet weet welke gegevens je hebt, weet je ook niet wat je ermee kunt doen – en weet je evenmin welke gegevens aan een generatieve AI-tool worden blootgesteld.

Bedrijven combineren steeds vaker gestructureerde gegevens (zoals die in een database zijn opgeslagen, met metagegevens en een taxonomie voor context) met ongestructureerde gegevens (zoals details die verborgen zitten in documenten en e-mails), en het advies dat werd gegeven had minder te maken met het kiezen van één enkele ‘juiste’ architectuur, maar meer met het opbouwen van een overzichtelijke, goed begrepen gegevensbasis voordat daar meer AI bovenop wordt gelegd.

Wat er ook op dit gebied in de toekomst gebeurt – en er komt elke week wel iets nieuws bij – een bedrijf dat zijn eigen gegevens al goed kent, is beter in staat om daar gebruik van te maken.

Hoe dit er in de praktijk uitzag

Voor wie nieuwsgierig is naar de details: NetDocuments heeft deze week een reeks updates bekendgemaakt die perfect aansluiten bij deze thema’s. Naast het hierboven genoemde benchmarkrapport heeft het bedrijf nieuwe AI-mogelijkheden gelanceerd voor het doorlopen van tabellen en het opsporen van juridische bronnen in documenten, de integratie met Gemini Enterprise aangekondigd en is het voor het vijfde jaar op rij opgenomen in de Inc. 5000-lijst van 2026.

Onze vernieuwde gebruikerservaring en de Legal Context Graph, die in mei voor het eerst werden geïntroduceerd, worden niet in één keer, maar weloverwogen uitgerold: de vernieuwde kernervaring is nu voor elke klant beschikbaar, terwijl de door AI aangestuurde Legal Context Graph volgt in een besloten preview, zonder dat er een dwingende migratietermijn geldt – een tempo dat een presentator samenvatte als “niet één grote uitrol, maar een reeks veranderingen die elkaar opvolgen.”

De ervaring als vrijwilliger bij ILTACON is uniek. De kans krijgen om samen met andere zakelijke partners en ILTA-leden aan de organisatie van deze conferentie te werken, is echt de moeite waard – van de gesprekken met mijn team tot de samenwerking met sprekers. Het zijn de mensen die ILTA zo bijzonder maken, en de conferentie van dit jaar was misschien wel de beste tot nu toe. Dank aan iedereen die een idee voor een sessie heeft ingediend, aan een panel heeft deelgenomen of gewoon is gekomen om ervaringen uit te wisselen. Conferenties als deze slagen alleen omdat professionals bereid zijn zo gul te zijn met wat ze hebben geleerd. Als de gesprekken van dit jaar een indicatie zijn, zal het volgende hoofdstuk van juridische AI niet worden gewonnen door degene die het snelst is. Het zal worden gewonnen door degene die de meest betrouwbare basis legt.

Houd het gesprek gaande

Als dit artikel je aan het denken zet over hoe de context van je eigen organisatie er op dit moment eigenlijk uitziet – en of die een test zoals hierboven beschreven zou doorstaan – dan organiseert NetDocuments op 17 september een webinar: Juridische context: de sleutel tot betrouwbare content en betere AI. Het is een praktische volgende stap, geen verkooppraatje: een gesprek met de mensen achter deze benchmark, waarbij de methodologie wordt toegelicht en wordt besproken wat er nodig is om dezelfde aanpak toe te passen op uw eigen documenten. Schrijf u hier in om uw plaats te reserveren.