Juridische AI is gemakkelijker aan te schaffen en moeilijker te beoordelen dan twee jaar geleden. Het aanbod omvat nu applicaties voor onderzoek en het opstellen van documenten, AI die rechtstreeks in documentsystemen is geïntegreerd, en algemene AI-platforms die zijn gekoppeld aan juridisch werk.

Het model speelt nu slechts een deel van de rol bij de besluitvorming. Wat het kan bereiken, welke controles er op de informatie worden toegepast, of advocaten het na de eerste maand blijven gebruiken en of het al dan niet meetbare waarde oplevert, bepalen in toenemende mate of de technologie in de praktijk werkt.

1. Wat juridische AI in 2026 inhoudt

Juridische AI is kunstmatige intelligentie, meestal gebaseerd op grote taalmodellen (LLM’s), die wordt toegepast op juridisch werk binnen de kaders die juridisch werk onderscheiden: beroepsgeheim, vertrouwelijkheid, de context van de zaak, nauwkeurigheid bij het citeren en regels inzake beroepsverantwoordelijkheid.

Er is tegenwoordig geen tekort meer aan krachtige, veilige modellen, en dat geldt zowel voor algemene tools als voor tools die specifiek voor de juridische sector zijn ontwikkeld. Wat geen van deze modellen op zichzelf echter bezit, is kennis over uw kantoor of organisatie: welke jurisprudentie uw praktijkgroep daadwerkelijk hanteert, welke zaken onderworpen zijn aan ethische scheidingsmuren, welke versie van een document actueel is, of wat de richtlijnen van een cliënt toestaan. Die kennis zit vervat in de systemen die u in de loop van jaren hebt opgebouwd, en de AI moet daar op de een of andere manier toegang toe krijgen.

Juridische AI is tegenwoordig in drie vormen beschikbaar. Er is AI die is geïntegreerd in de beveiligde systemen waarin juridische werkzaamheden en inhoud al zijn ondergebracht. Er zijn gespecialiseerde applicaties die zijn ontwikkeld rond specifieke juridische werkprocessen. En er zijn algemene AI-platforms die zijn gekoppeld aan juridische systemen en inhoud. De meeste organisaties zullen een combinatie hiervan gebruiken, waardoor de relevante vraag niet zozeer is welke categorie de overhand krijgt, maar veeleer welke gegevens elke categorie kan benaderen, welke controles er op de informatie worden toegepast zodra deze daar terechtkomt, en welke werkzaamheden hierdoor worden verbeterd.

2. Waar legale AI waarde creëert

Vier categorieën zijn goed voor een groot deel van de gerapporteerde waarde, hoewel de volgorde waarin ze voorkomen afhangt van het werkterrein en de omvang van de organisatie, evenals van de gegevens waartoe zij toegang hebben.

Opstellen en controleren: Eerste versies van contracten, memo’s en correspondentie, plus het controleren van inkomende documenten aan de hand van uw richtlijnen of de documentatie van een klant. Dit wordt het meest genoemd in enquêtes over AI-gebruik, grotendeels omdat het direct aansluit bij werkzaamheden die al worden bijgehouden en gefactureerd. De kwaliteit van de sjablonen is hierbij van cruciaal belang, aangezien AI die werkt op basis van een ongeordende of verouderde sjabloonbibliotheek weliswaar gepolijste versies oplevert, maar met de verkeerde inhoud.

Het opzoeken van kennis en precedenten: het bovenhalen van eerder werk uit je eigen database in plaats van het open web. De resultaten worden beperkt door wat de AI kan zien en gemakkelijk naar voren kan halen. Een model dat op basis van een gedeeltelijke verzameling werkt, zal nog steeds met zekerheid antwoorden, wat moeilijker te herkennen is dan een regelrechte weigering.

Extractie uit meerdere documenten: het in één keer uit een reeks documenten halen van gestructureerde informatie, bijvoorbeeld voor due diligence, het beoordelen van een contractenportefeuille of het opstellen van een chronologie. Dit is een gebied waarop AI vaak uren in plaats van minuten bespaart, en waar bronvermelding van het grootste belang is, aangezien de output een tabel is waarop iemand zal handelen zonder elk onderliggend bestand te openen.

Dossier- en workflowintelligentie: dossiers samenvatten, data en verplichtingen eruit halen en vragen beantwoorden over de status van lopende werkzaamheden. De belangstelling hiervoor neemt snel toe en het is het minst uitgewerkte onderdeel van de vier, aangezien het doorgronden van een dossier een grotere uitdaging vormt dan het opstellen van een document.

De invoering en uitgaven volgen een sneller tempo dan de metingen. Uit onderzoek van Thomson Reuters bleek dat 41% van de advocatenkantoren in 2026 aangaf gebruik te maken van generatieve AI, een stijging ten opzichte van 28% het jaar daarvoor, en dat de technologiebudgetten van de kantoren in dezelfde periode met bijna 10% zijn gegroeid. Uit het interne onderzoek van Axiom voor 2026 bleek dat slechts ongeveer 17% van de juridische teams die AI gebruiken, meetcriteria heeft vastgesteld en het rendement regelmatig bijhoudt, terwijl elk ondervraagd team verwachtte dat zijn AI-budget zou groeien. Veel organisaties kunnen beschrijven wat hun AI doet. Minder organisaties kunnen beschrijven wat er daardoor is veranderd en welke waarde eruit wordt gehaald. Voor alle vier de aspecten kunnen de kwaliteit en toegankelijkheid van de onderliggende inhoud net zo belangrijk zijn als het model waarmee er wordt gewerkt.

3. Wat is nu eigenlijk van belang bij de beoordeling van juridische AI?

De meeste beoordelingen leggen te veel nadruk op de demo, het onderdeel van het proces waarover een leverancier de meeste controle heeft. Er zijn vijf factoren die bepalen of een platform daarna standhoudt. Deze factoren wegen niet meer even zwaar. Functionaliteit is bijna een basisvereiste; context en controle zijn de punten waarop platforms zich echt van elkaar onderscheiden, en acceptatie en toegevoegde waarde zouden moeten bepalen of het platform het eerste jaar overleeft.

(1) Capaciteit

Kan het de taak betrouwbaar uitvoeren, en zullen gebruikers het merken als dat niet het geval is?

Verzonnen verwijzingen vormen de vorm van wangedrag waarover de duidelijkste openbare gegevens beschikbaar zijn. Een openbare database met rechterlijke uitspraken, beheerd door juridisch onderzoeker Damien Charlotin, bevatte medio 2025 ongeveer 200 zaken en was in juni 2026 gestegen tot meer dan 1.590, waarbij de straffen inmiddels oplopen tot sancties van zes cijfers en schorsingen van het advocatenberoep. Naast algemene chatbots komen in die gegevens ook juridisch-specifieke tools voor, en uit een onderzoek van Stanford RegLab bleek dat zelfs betaalde platforms voor juridisch onderzoek die op zoekresultaten zijn gebaseerd, bij een aanzienlijk deel van de zoekopdrachten ongefundeerde antwoorden gaven. Rechtbanken zijn over het algemeen strenger geweest tegen advocaten die niet konden aangeven wat ze hadden gecontroleerd dan tegen het gebruik van AI zelf.

Geen enkel betrouwbaar systeem maakt verificatie overbodig, dus is verificatie het punt waarop moet worden beoordeeld. Hoe snel kan iemand zien welke bron een bepaalde zin of bronvermelding heeft voortgebracht, deze openen en controleren of er inderdaad staat wat de AI beweert? Een tool waarmee het controleren slechts enkele seconden duurt, wordt zelf ook gecontroleerd. Een tool waarbij dit minuten duurt, wordt gecontroleerd totdat de eerste echte deadline-druk zich aandient.

(2) Context

Wat kan de AI eigenlijk bereiken, en hoe bepaalt ze wat relevant is?

Toegang alleen levert nog geen bruikbare context op. AI die toegang heeft tot een zorgvuldig geselecteerde subset van je inhoud presteert goed in een demo, maar stelt in de praktijk teleur. AI die toegang heeft tot alles, inclusief verouderde concepten en afgedankte zaken, komt met zelfverzekerde antwoorden die zijn gebaseerd op documenten waarop niemand zou moeten vertrouwen. Relevantie, toegangsrechten en actualiteit moeten allemaal gewaarborgd blijven terwijl uw team inhoud toevoegt, vervangt en reorganiseert. Tekortkomingen op dit gebied zijn voor gebruikers vaak moeilijker te herkennen dan tekortkomingen in de kwaliteit van het model. Vraag hoe de relevantie wordt bepaald en wat er gebeurt als het juiste antwoord buiten het bereik valt.

(3) Controle

Blijven uw bestaande machtigingen, ethische scheidingslijnen, auditvereisten, bewaarbeleid en klantbeperkingen van kracht, of voert de AI een tweede reeks in die synchroon moet lopen met de eerste?

Een deel hiervan hoort in het contract thuis: of uw gegevens worden gebruikt om de modellen van de leverancier te trainen, waar deze worden verwerkt en opgeslagen, en wat er na een sessie gebeurt met invoer en uitvoer. Sommige aanbieders passen ook geautomatiseerde of handmatige beoordelingsprocessen toe op inhoud die door hun veiligheidssystemen is gemarkeerd; hiervoor kunnen andere bewaarregels gelden dan voor normaal gebruik. Juridische teams moeten begrijpen wat de aanleiding is voor dergelijke beoordelingen, of inhoud van klanten hieronder valt, wie er toegang toe heeft en hoe lang die informatie mag worden bewaard. De rest is een kwestie van architectuur en komt erop neer of de AI-tool machtigingen en beveiligingsbarrières overneemt van systemen die u al in gebruik hebt, of dat u deze binnen de tool opnieuw moet opzetten.

Beroepsverantwoordelijkheid vormt een extra laag waar bedrijven vaak pas laat mee te maken krijgen. Afhankelijk van de tool, de manier waarop deze met klantgegevens omgaat en de betrokken vertegenwoordiging, kunnen bestaande ethische richtlijnen om geïnformeerde toestemming of openbaarmaking vragen, en is de algemene formulering in een opdrachtbevestiging op zichzelf wellicht niet voldoende. Klantrichtlijnen bevatten steeds vaker eigen AI-vereisten, en veel organisaties hebben hun eigen richtlijnen sinds de ondertekening niet meer herlezen – wat mogelijk was voordat AI een rol speelde.

Het handmatig verplaatsen van documenten brengt nog een ander aandachtspunt met zich mee. Wanneer gebruikers herhaaldelijk gereguleerde inhoud tussen systemen downloaden, uploaden of kopiëren, ontstaat er voor de organisatie extra wrijving in de workflow en moeten er mogelijk extra kopieën worden beheerd. Op grote schaal kan governance er niet op vertrouwen dat elke gebruiker onthoudt waar inhoud naartoe is verplaatst of welke controles daarop van toepassing zijn.

(4) Adoptie

Zullen mensen het over zes maanden gebruiken, en zul je weten waarvoor ze het gebruiken? Ruwe gebruiksstatistieken verbergen meer dan ze onthullen. Ze laten niet zien wat mensen bereiken, of het aansluit bij de doelstellingen van het bedrijf, of dat drie teams stilletjes aan hetzelfde werken omdat er geen afstemming heeft plaatsgevonden.

In de meeste evaluaties wordt dit als een voetnoot afgedaan, maar juist hier mislukken implementaties stilletjes. Meer dan de helft van de bedrijven geeft aan geen training te bieden over verantwoord AI-gebruik, waardoor een groot deel van de huidige implementaties plaatsvindt zonder ondersteuning of richtlijnen voor acceptabel gebruik. Dit zorgt ervoor dat mensen zich minder zeker voelen en in een veel risicovollere situatie terechtkomen. Elke extra workflow en elk nieuw systeem zorgt voor extra wrijving en het wisselen tussen taken, en zelfs een beter presterende tool kan nog steeds problemen opleveren als het gebruik ervan betekent dat men herhaaldelijk de applicaties moet verlaten waarin men al werkt, en resulteert in tijdrovende handmatige controle van de nauwkeurigheid. Vraag hoe het gebruik er na 90 en 180 dagen uitziet bij de bestaande klanten van een leverancier, in plaats van bij de lancering, en dring aan op de daadwerkelijke waarde die zij behalen, die verder gaat dan louter gebruiksstatistieken.

(5) Waarde

Kun je aantonen dat er iets is verbeterd? Houdt dat verband met de bedrijfsstrategie?

Er zijn maar weinig teams die het rendement consequent meten of hun bedrijfsstrategie in kaart brengen voordat ze AI-tools implementeren; dus alleen al door vóór de implementatie vast te stellen wat succes inhoudt, loopt een organisatie al een voorsprong op het grootste deel van de markt. Kies een referentiepunt dat je nu al kunt meten, zoals het aantal uren dat wordt besteed aan een bepaald type document of de doorlooptijd voor een bepaalde categorie verzoeken.

De waarde van juridisch werk kan ook niet worden teruggebracht tot bespaarde uren. Uit ethische richtlijnen blijkt duidelijk dat de tijd die wordt besteed aan het leren omgaan met een tool doorgaans niet factureerbaar is en dat een uur werk ook daadwerkelijk op de factuur staat. Bij facturering op uurbasis kan efficiëntie dus leiden tot een spanningsveld met de omzet, juist bij het opstellen van documenten en onderzoek – taken die door AI als eerste worden overgenomen. Afhankelijk van de organisatie kan de kwestie in plaats daarvan draaien om capaciteit, doorlooptijd, realisatie, kwaliteit, klantervaring of de mogelijkheid om werk aan te nemen dat voorheen werd afgewezen. Beslissen welke van deze aspecten je nastreeft, maakt deel uit van het definiëren van waarde in relatie tot bedrijfsstrategie en klanttevredenheid, in plaats van een afzonderlijke discussie over facturering.

4. Vragen die je moet stellen voordat je iets koopt

Capaciteit

• Kan elke uitvoer worden herleid tot een specifiek brondocument?
• Hoe controleert een gebruiker een antwoord, en hoeveel stappen zijn daarvoor nodig?
• Wat doet het systeem als het geen goed antwoord heeft?

Context

• Waar heeft het AI-platform toegang toe, en wat valt daar niet onder?
• Hoe wordt bepaald welke documenten relevant zijn?
• Wat gebeurt er als er inhoud wordt toegevoegd, vervangen of herschikt?

Besturing

• Wordt onze informatie gebruikt om modellen te trainen, voor ons of voor iemand anders, en wilt u dat in het contract vastleggen?
• Waar worden onze gegevens verwerkt en opgeslagen, en voldoet dat aan de vereisten inzake vestigingsplaats van onze klanten?
• Neemt de AI onze bestaande machtigingen en ethische grenzen over, of is daarvoor een apart model nodig?
• Wat gebeurt er als de machtigingen of muren na de implementatie veranderen?
• Wat blijft er na een sessie over, en hoe lang?
• Hoe wordt gevoelige inhoud vastgesteld, beoordeeld en bewaard?

Adoptie

• Is dit geïntegreerd in de tools die onze medewerkers al gebruiken, of is hiervoor een aparte workflow nodig?
• Hebben de medewerkers voldoende training en richtlijnen voor verantwoord gebruik gekregen om hen vertrouwen te geven en de risico’s voor de organisatie te verminderen?
• Hoe ziet het langdurige gebruik er bij uw bestaande klanten uit na 90 en 180 dagen?
• Hoe maken mensen gebruik van de tools en welke meerwaarde halen ze eruit?
• Wordt er door middel van coördinatie voorkomen dat er dubbel werk wordt verricht?

Waarde

• Welke uitgangssituatie moeten we vaststellen vóór de implementatie?
• Welke resultaten hebben uw klanten gemeten, afgezien van het gebruik of de tijdwinst?
• Hoe ontwikkelt de prijs zich naarmate het gebruik toeneemt?

5. Hoe we hier uiteindelijk uitkomen

De rode draad door alle vijf criteria heen is dat het model zelf minder belangrijk is dan de context eromheen. Krachtige AI-modellen en -tools raken steeds breder beschikbaar en zullen steeds beter worden. Wat je organisatie weet, de regels die bepalen wie daar toegang toe heeft, en de impact op de werkdag van je medewerkers en je bedrijfsstrategie zouden langer mee moeten gaan dan de tools die je gebruikt om ermee te werken.

Dat is de gedachte achter de aanpak van NetDocuments op het gebied van juridische AI: AI toepassen op gereguleerde content waar al machtigingen en ethische beperkingen gelden, terwijl die content veilig kan samenwerken met de andere AI-tools waar juridische professionals voor kiezen. In de praktijk varieert dit van zoeken in natuurlijke taal binnen de database tot gestructureerde extractie met verwijzingen naar de bron.

De bovenstaande vragen gelden net zo goed voor ons als voor iedereen, en het is de moeite waard om ze te stellen, of we nu op je lijst staan of niet. Als je één ding wilt doen vóór je volgende gesprek met een leverancier, kies dan een terugkerende taak en breng in kaart hoe die op dit moment wordt uitgevoerd. Zo heb je iets concreets waaraan je de technologie kunt toetsen.