De overstap van versnipperde experimenten naar een gestructureerde aanpak die juridische teams daadwerkelijk kunnen toepassen.

Vraag de CIO van een advocatenkantoor of het hoofd van de juridische afdeling van een bedrijf of de organisatie AI heeft geïmplementeerd, en het eerlijke antwoord hangt er wellicht van af waar ze naar kijken.

Het officiële AI-project bevindt zich nog in de planningsfase. Het beleid wordt nog herzien. Het opleidingsplan is nog niet afgerond. Maar gebruikers zijn al aan het experimenteren. Een partner test een juridische onderzoekstool met AI-functies. Een medewerker gebruikt een openbare tool om een eerste concept op te schonen. Een praktijkgroep voert een proef uit met een nieuwe workflow. Bij een kleiner kantoor probeert één administratief medewerker beleid op te stellen en tegelijkertijd gebruikers te ondersteunen. Bij een groter kantoor werken de afdelingen IT, kennisbeheer, archivering, risicobeheer, innovatie en praktijkleiding allemaal aan verschillende aspecten van hetzelfde probleem.

Dat is de uitdaging: het gebruik van AI kan zich verspreiden voordat een organisatie daar een duidelijk bedrijfsmodel voor heeft.

Dit wordt vaak ‘schaduw-AI’ genoemd: wanneer advocaten en medewerkers AI-tools gaan gebruiken voordat organisaties daar voldoende controle over hebben.

Bij het ene kantoor betekent ‘AI-implementatie’ een formeel proefproject onder leiding van IT en KM. Bij het andere kantoor betekent het dat drie partners verschillende tools gebruiken, een medewerker tekst in een openbare AI-website plakt en een systeembeheerder probeert te beslissen wat er moet worden geblokkeerd. Beide kantoren kampen met een probleem bij de invoering van AI. Maar slechts één daarvan beseft dat ook.

Stel je het volgende scenario voor: een advocatenkantoor met 200 advocaten voert een zorgvuldig opgezet proefproject van drie maanden uit met generatieve AI binnen één praktijkgroep. Wanneer de leidinggevenden in de vierde maand de daadwerkelijke gebruiksgegevens opvragen, blijken advocaten uit drie andere groepen al openbare AI-tools te gebruiken bij lopende zaken — ze hadden over het proefproject gehoord en gingen ervan uit dat het kantoor „nu met AI aan de slag was“. Het proefproject leidde niet tot de invoering van AI, maar volgde daarop.

Binnen de juridische afdeling van een bedrijf kan hetzelfde probleem zich voordoen wanneer juristen of teams ingebouwde AI-functies gaan gebruiken voordat de afdelingen Juridische Zaken, Beveiliging, Privacy en Juridische Operaties het eens zijn geworden over de manier waarop deze moeten worden ingezet.

Dit betekent niet dat de organisatie heeft gefaald. Het betekent dat de volgende stap van groot belang is.

Voor juridische organisaties draait een succesvolle implementatie van AI niet alleen om de keuze van een tool. Het gaat erom mensen te helpen begrijpen wat is toegestaan, wat risicovol is, wat nuttig is en hoe AI past in de manier waarop juridisch werk daadwerkelijk wordt uitgevoerd. Zonder die duidelijkheid kunnen AI-programma’s vastlopen nog voordat ze op grotere schaal worden ingezet. Erger nog: gebruikers kunnen gewoontes ontwikkelen die de organisatie later weer moet afleren.

Het probleem is niet nieuwsgierigheid. Het is ongecontroleerd gedrag

Nieuwsgierigheid is gezond. Advocaten en medewerkers staan onder druk om sneller te werken, informatie efficiënter te vinden, repetitieve taken te verminderen en de dienstverlening aan cliënten te verbeteren. Het is logisch dat ze willen weten wat AI kan doen.

Het probleem ontstaat wanneer nieuwsgierigheid sneller gaat dan begeleiding.

Wat houdt het gebruik van ‘schaduw-AI’ in advocatenkantoren in?

Als gebruikers niet weten welke tools zijn goedgekeurd, kiezen ze gewoon wat het makkelijkst toegankelijk is. Als ze niet begrijpen hoe AI-output tot stand komt, vertrouwen ze er ofwel te snel op, ofwel wijzen ze het volledig af. Wanneer praktijkgroepen op eigen houtje experimenteren, leidt dat bij kantoren tot dubbele proefprojecten, inconsistente trainingen en een gebrek aan een gezamenlijk beeld van wat wel en niet werkt.

Dat is niet alleen een technologisch probleem. Het is een leveringsprobleem.

Het bedrijf denkt zich voor te bereiden op een gecontroleerde lancering, terwijl gebruikers nu al gewoontes aan het ontwikkelen zijn rond tools, prompts, sneltoetsen en tijdelijke oplossingen. Sommige van die gewoontes zijn onschadelijk. Sommige zijn nuttig. Sommige brengen risico’s met zich mee. Het bedrijf moet het verschil hierin kennen voordat het de toegang uitbreidt.

Audit van de invoering van AI in de juridische sector: 6 vragen die je eerst moet stellen

Voordat een kantoor de toegang tot AI uitbreidt, moet het eerst de stand van zaken in kaart brengen. Dit hoeft geen evaluatie van zes maanden te worden. Het moet een gerichte beoordeling zijn die de juiste mensen helpt te begrijpen wat er al gebeurt. Bij een groot kantoor kunnen daarbij IT, kennisbeheer (KM), risicobeheer, innovatie, opleiding en de leiding van de praktijkgroepen betrokken zijn. Bij een kleiner kantoor kan het gaan om de managing partner, de kantoorbeheerder, de IT-verantwoordelijke en enkele belangrijke praktijkleiders.

Een praktische audit moet zes vragen beantwoorden.

1. Waar wordt AI al toegepast?

Kijk verder dan het belangrijkste AI-platform dat wordt geëvalueerd. Houd ook rekening met openbaar beschikbare AI-tools, producten voor juridisch onderzoek, Microsoft- en productiviteitstools, documentautomatisering, add-ons van leveranciers, proefprojecten van praktijkgroepen, innovatie-experimenten en informeel gebruik door advocaten.

Een bedrijf kan geen grip krijgen op wat het niet in kaart heeft gebracht.

2. Welke hulpmiddelen zijn toegestaan, aan beperkingen onderworpen of verboden?

Gebruikers hebben behoefte aan een duidelijk antwoord op de vraag wat ze mogen doen en waar de grenzen liggen. Als die richtlijnen vaag zijn of verborgen zitten in een beleid, zullen mensen hun eigen beslissingen nemen op basis van gemak of het gedrag van anderen.

Een eenvoudig model volstaat vaak: goedgekeurd voor bedrijfsgebruik, goedgekeurd op basis van openbare of testgegevens, beperkt in afwachting van beoordeling, of verboden vanwege klantgegevens.

3. Welke informatie kan worden gebruikt in combinatie met AI?

Bedrijven hebben behoefte aan praktische richtlijnen met betrekking tot klantgegevens, vertrouwelijke stukken, vertrouwelijke informatie, interne werkproducten, openbare informatie en testgegevens.

Gebruikers zouden niet midden in een deadline een beleid moeten moeten uitleggen. Ze hebben duidelijke antwoorden nodig op veelvoorkomende vragen: Mag ik een cliëntenovereenkomst samenvatten? Mag ik een afsluitingschecklist gebruiken? Mag ik de AI vragen om een e-mail aan een cliënt te herschrijven? Mag ik documenten van een lopende zaak analyseren? Verandert het antwoord als de tool door het kantoor is goedgekeurd?

4. Begrijpen gebruikers wat AI wel en niet kan?

De meeste gebruikers hebben indrukwekkende demo’s gezien. Dat betekent nog niet dat ze de beperkingen ervan begrijpen.

Ze moeten weten wanneer AI hen helpt bij het werken met bestaand materiaal, wanneer het een aannemelijk antwoord genereert, wanneer controle van de bronnen nodig is en wanneer het professionele oordeel de doorslag geeft. Dit is vooral belangrijk bij juridisch werk, waar een zelfverzekerd antwoord niet hetzelfde is als een juist antwoord.

5. Met welke workflows kun je het beste beginnen?

De eerste workflows moeten beperkt genoeg zijn om te kunnen worden ondersteund, eenvoudig genoeg om te kunnen worden beoordeeld en nuttig genoeg om de aandacht van de gebruikers te trekken.

Goede eerste taken zijn vaak herhaalbare werkzaamheden met een vastomlijnde inhoud: het opstarten van een zaak, het opstellen van interne statusoverzichten, het opzoeken van eerder werk, het vergelijken met goedgekeurde sjablonen, het doorlopen van een reeks documenten op zoek naar thema’s, of het opstellen van een voorlopige chronologie. Deze taken zijn praktisch omdat de gebruiker de resultaten kan toetsen aan bekend materiaal.

6. Wie is verantwoordelijk voor de acceptatie na de livegang?

Toegang is slechts het begin. Er moet iemand verantwoordelijk zijn voor feedback, bijscholing, beleidsvraagstukken, gebruiksanalyses, ondersteuningsprocedures en beslissingen over de volgende stappen.

Die verantwoordelijkheid kan niet bij één groep alleen liggen, zelfs niet in kleinere bedrijven. Iemand moet verantwoordelijk zijn voor het platform, iemand moet het beleid bepalen, iemand moet beslissingen nemen over de werkprocessen, iemand moet trainingen ondersteunen en iemand moet bepalen wat het belangrijkst is voor het bedrijf. In een groot bedrijf kunnen die verantwoordelijkheden bij verschillende teams liggen. In een kleiner bedrijf kan dezelfde persoon meerdere van die taken op zich nemen. Hoe dan ook, de rollen moeten duidelijk zijn.

Waarom training in juridische AI-geletterdheid belangrijk is

Een van de fouten die je het gemakkelijkst maakt, is ervan uitgaan dat gebruikers de basisbegrippen al begrijpen.

Velen doen dat niet.

Een advocaat weet misschien wel dat AI een document kan samenvatten, maar weet mogelijk nog steeds niet of de samenvatting op de juiste set documenten is gebaseerd. Een juridisch medewerker weet misschien wel dat AI teksten kan opstellen, maar weet mogelijk niet welke informatie veilig is om op te nemen. Een praktijkgroep wil misschien dat AI dossiermateriaal doorzoekt, maar begrijpt mogelijk niet hoe machtigingen, documentkwaliteit, naamgevingsconventies of de structuur van het dossier het resultaat beïnvloeden.

Als dat inzicht ontbreekt, vertonen gebruikers doorgaans een van de volgende drie patronen: ze mijden de tool omdat ze er geen vertrouwen in hebben, vertrouwen te snel op de resultaten omdat ze de beperkingen ervan niet begrijpen, of gebruiken de tool niet consequent omdat niemand de regels in de praktijk heeft uitgelegd.

Basiskennis van AI betekent niet dat advocaten moeten worden opgeleid tot technologen. Het betekent dat gebruikers voldoende achtergrondinformatie krijgen om goede beslissingen te kunnen nemen. Ze moeten begrijpen waarvoor de tool is ontworpen, tot welke inhoud deze toegang heeft, hoe de machtigingen werken, waarom prompts en context van belang zijn, waarom de output moet worden gecontroleerd en waar ze terechtkunnen met vragen.

Die opleiding moet zo praktijkgericht zijn dat ze standhoudt wanneer iemand laat doorwerkt, onder druk staat en moet beslissen of AI kan helpen bij de taak die voor hem of haar ligt.

De opleiding moet aansluiten bij het werk

Een algemeen overzicht van AI is nuttig, maar zal op zichzelf het gedrag niet veranderen. Mensen gaan hulpmiddelen gebruiken als ze zien hoe die hulpmiddelen hen helpen bij het werk dat ze al doen.

Daarom moet de training worden opgezet rond werkprocessen, en niet alleen rond functies.

Voor een procesrechtteam kan dat betekenen dat ze AI gebruiken om een eerste samenvatting van de zaak op te stellen, belangrijke documenten te identificeren, een chronologie op te stellen of thema’s uit een bepaalde verzameling documenten te distilleren.

Voor een transactieteam kan dit betekenen dat een concept moet worden vergeleken met een goedgekeurd sjabloon, dat een bepaling moet worden getoetst aan de normen van de cliënt, of dat vergelijkbare bewoordingen uit eerdere transacties moeten worden opgezocht.

Voor kantoren zonder een formele KM-functie kan het zo simpel zijn als advocaten helpen bij het vinden van voorbeelden van hoe het kantoor een soortgelijke kwestie, een verzoek van een cliënt, een clausule of een verzoekschrift heeft afgehandeld. Bij grotere kantoren kan datzelfde concept onderdeel worden van een bredere kennisstrategie.

Voor teams die zich bezighouden met zakelijke dienstverlening kan dit betekenen dat ze interne overdrachtsnotities opstellen, statusupdates samenvatten, factuurtoelichtingen controleren of het handmatig controleren van documenten verminderen.

Het is niet de bedoeling om alle gebruiksscenario’s in één keer te lanceren. Het doel is om te beginnen met workflows waarbij de inhoud geschikt is, de resultaten kunnen worden gecontroleerd en het voordeel duidelijk is.

Zo bouwen gebruikers vertrouwen op. Op die manier komt het bedrijf er ook achter welke ondersteuning, beleidsverduidelijking en aanvullende training nodig zijn.

AI is slechts zo goed als de inhoud die het kan bereiken

Voor juridische teams is AI slechts zo nuttig als de inhoud waarmee het kan werken, en slechts zo veilig als de controles rond die inhoud.

Juridisch werk hangt af van de context van de zaak, jurisprudentie, beperkingen van cliënten, toegangsrechten voor documenten, bewaarregels en geheimhoudingsverplichtingen. Bij grotere kantoren kunnen daar ook ethische scheidingsmuren, complexe beveiligingsmodellen en formele programma’s voor informatiebeheer bij horen. Bij kleinere kantoren zijn de controlemaatregelen wellicht eenvoudiger, maar de verplichting om cliëntgegevens te beschermen blijft hetzelfde.

Daarom speelt het documentbeheersysteem een belangrijke rol in de juridische AI-strategie. In het DMS zijn een groot deel van de werkresultaten van het kantoor, de dossiergeschiedenis, het beveiligingsmodel en de bestuursstructuur al ondergebracht. Wanneer AI binnen die omgeving wordt ingezet, zijn gebruikers beter in staat om vragen te stellen over het eigen materiaal van het kantoor, terwijl ze binnen de controlemechanismen blijven waarop het kantoor al vertrouwt.

Het gaat er niet om van AI weer een op zichzelf staand doel te maken. Het gaat erom AI te integreren in de systemen en werkprocessen waarin juridische werkzaamheden nu al worden beheerd.

De ingebruikname is niet de eindstreep

Een bedrijf kan AI beschikbaar stellen aan honderden of duizenden gebruikers, zonder dat dit daadwerkelijk tot gebruik leidt. Toegang alleen is nog geen bewijs van waarde.

Vóór de livegang moeten bedrijven bepalen hoe ze gaan beoordelen of de implementatie goed verloopt. De maatstaven hoeven niet ingewikkeld te zijn. Een kleiner bedrijf kan bijhouden welke gebruikers de tool uitproberen, welke vragen ze stellen en of het tijd bespaart bij een aantal afgesproken werkprocessen. Een groter bedrijf kan het gebruik bijhouden per kantoor, praktijkgroep, functie of type zaak.

In beide gevallen zijn het nuttig om na te gaan welke workflows aan populariteit winnen, of gebruikers na de training terugkomen, welke vragen er worden gesteld, of de instructies moeten worden verduidelijkt en of de tool de inspanning bij specifieke taken vermindert.

De meest bruikbare feedback komt vaak pas na de eerste paar weken. Op dat moment zijn gebruikers het aanvankelijke demo-effect ontgroeid en beginnen ze AI toe te passen in de praktijk. Bedrijven hebben een proces nodig om die feedback vast te leggen, de training bij te werken, de richtlijnen te verfijnen en te bepalen welke toepassingen klaar zijn om op grotere schaal te worden ingezet.

De implementatie van AI moet worden gezien als een doorlopend proces, en niet als een eenmalige lancering.

Waar bedrijfsleiders moeten beginnen

Voor bedrijven die al in beweging zijn, hoeft de volgende stap niet ingewikkeld te zijn. Maar het moet wel een weloverwogen keuze zijn.

Begin met drie stappen.

1. Breng de huidige situatie in kaart.

Breng in kaart waar AI al wordt gebruikt, welke tools zijn goedgekeurd, welke proefprojecten lopen en waar er informeel wordt geëxperimenteerd.

2. Stel de regels voor het optreden vast.

Geef duidelijkheid over goedgekeurde hulpmiddelen, verwachtingen ten aanzien van het gebruik van gegevens, beoordelingsvereisten, beperkt of verboden gebruik en escalatieprocedures. Zorg ervoor dat de richtlijnen zo praktisch zijn dat ze kunnen worden toegepast zonder dat de bewoordingen van het beleid moeten worden geïnterpreteerd.

3. Oefen aan de hand van echte werkprocessen.

Ga verder dan algemene demonstraties. Begin met gecontroleerde workflows waarbij de inhoud bekend is, het resultaat kan worden beoordeeld en de organisatie kan vaststellen of het werk is verbeterd.

Deze stappen helpen bedrijven van elke omvang om de overstap te maken van losse experimenten naar een programma dat gebruikers kunnen begrijpen, leidinggevenden kunnen ondersteunen en dat het bedrijf in de loop van de tijd kan verbeteren.

Het succes van juridische AI begint al vóór de schaalvergroting

De juridische organisaties die succes boeken met AI zullen niet per se de organisaties zijn die over de meeste AI-tools beschikken. Het zullen juist de organisaties zijn die hun tools en toepassingen bewust kiezen, deze inzetten waar ze toegevoegde waarde bieden en opschalen wat werkt.

Ze zullen weten waar AI al wordt ingezet. Ze zullen vaststellen wat er wel en niet mag. Ze zullen eerst de basisbeginselen bijbrengen voordat ze geavanceerd gebruik verwachten. Ze zullen de training koppelen aan echte werkprocessen. Ze zullen AI baseren op door het bedrijf beheerde content. En ze zullen meten wat er na de ingebruikname gebeurt.

De invoering van AI op juridisch gebied loopt vast wanneer kantoren ervan uitgaan dat toegang alleen al voldoende is.

Dat is niet zo — en de kosten komen tot uiting in verspilde licenties, verlaten werkprocessen en advocaten die al in een vroeg stadium besloten dat AI hen niet kon helpen.

De weg naar een succesvolle implementatie begint bij de gereedheid voor ingebruikname: duidelijke verwachtingen, goed voorbereide gebruikers, praktische werkprocessen en een plan om vroege experimenten om te zetten in beter werk.

Voor bedrijven die zich al bezighouden met AI, gaat het niet alleen om de vraag wat de technologie kan. Het gaat erom of het bedrijf er klaar voor is om mensen te helpen deze technologie op een verantwoorde en consistente manier te gebruiken, en dit te integreren in hun dagelijkse werk.

Het volgende deel in de reeks

In artikel twee gaan we hier verder in op de vraag hoe je de eerste legale AI-toepassingen kunt selecteren. Welke werkprocessen winnen al vroeg het vertrouwen van de gebruiker, en welke zorgen er stilletjes voor dat de acceptatie stagneert? Blijf ons volgen voor meer informatie.