Juridische AI kampt met een contextprobleem 

Juridische AI faalt niet alleen omdat een model een zin verkeerd interpreteert. Het faalt wanneer het de zaak waarvoor het is ingezet niet begrijpt. Het kent de voorgeschiedenis van de zaak niet. Het weet niet welke jurisprudentie daadwerkelijk van belang is. Het weet niet wie over de clausule heeft onderhandeld, of de cliënt het gebruik van AI heeft beperkt, of er gisteren een ethische scheiding is gewijzigd, of waarom het ene document belangrijker is dan het andere. 

In de juridische praktijk zijn die details geen achtergrondinformatie. Ze vormen juist het werk zelf. 

Al jaren kampen advocatenkantoren en juridische teams met een kennisprobleem dat voor het grijpen ligt. Een nieuwe medewerker stapt in een complexe zaak en is dagen bezig met het reconstrueren van achtergrondinformatie die ergens binnen het kantoor al aanwezig is. Een partner vraagt of het kantoor eerder met een soortgelijke kwestie te maken heeft gehad, en het antwoord hangt af van wie er toevallig in de kamer aanwezig is. Een senior advocaat gaat met pensioen, en tientallen jaren aan ervaring, jurisprudentie en praktische kennis worden moeilijker toegankelijk. 

Die werkwijze werkte toen mensen de enige afnemers waren van de kennis van het kantoor. Het officiële archief legde de resultaten van het werk vast. Het beheer zorgde ervoor dat deze gegevens veilig bleven. Ervaren advocaten hielden de rest grotendeels in hun hoofd. 

AI verandert de situatie. Advocaten zijn niet langer de enige gebruikers van juridische kennis. Ook AI-assistenten, -agenten en opkomende automatische systemen moeten nu met die kennis kunnen werken. En een agent diede juiste contextniet kanachterhalen, werkt op goed geluk. 

De volgende stap in juridische AI is niet zomaar weer een chatbot. Het is een gereguleerde juridische contextlaag: een gestructureerde, doorzoekbare en op toegangsrechten gebaseerde weergave van de zaken, documenten, personen, communicatie, activiteiten en juridische concepten die samen de institutionele kennis van het kantoor vormen. 

Dat is belangrijk omdat advocaten hun werk niet zien als losstaande dossiers. Ze denken in termen van zaken, partijen, kwesties, clausules, tijdschema’s, getuigen, onderhandelingen, strategie, jurisprudentie en risico’s. AI-systemen moeten vanuit dezelfde context redeneren om echt van nut te kunnen zijn. 

Eendocumentbeheersysteemgeeft van oudsher antwoord op een belangrijke vraag: waar bevindt het document zich? Een juridische contextgrafiek geeft antwoord op een andere vraag: wat houdt dit document in, hoe hangt het samen met andere documenten, wat is op dit moment van belang en wat mag deze persoon of deze actor weten? 

Van taxonomie naar contextgrafiek 

Juridische AI heeft meer nodig dan alleen een stapel documenten. Er zijn verschillende structuurlagen nodig. 

Een taxonomie (bijvoorbeeld opkomende industriestandaarden zoalsFOLIO,NOS Legal enLMSS) biedt het systeem een consistente manier om juridisch werk te classificeren en de metadata te extraheren die voor elke categorie van belang is. Zodra het systeem weet dat een document een geheimhoudingsverklaring, huurovereenkomst, klacht of fusieovereenkomst is, weet het naar welke velden het moet zoeken: partijen, data, toepasselijk recht, verplichtingen, vorderingen, clausules, rechtbanken, rechters of andere praktijkgebonden details. 

Een ontologie beschrijft hoe deze begrippen met elkaar in verband staan. Zaken hebben partijen. Partijen hebben rollen. Contracten bevatten clausules. Clausules scheppen verplichtingen. Rechtbanken hebben rechters. Vorderingen vloeien voort uit wetgeving. De ontologie is de blauwdruk voor hoe juridische begrippen in elkaar passen. 

Een kennisgrafiek brengt de concrete elementen binnen het bedrijf met elkaar in verband: deze zaak, deze cliënt, deze overeenkomst, deze tegenpartij, deze rechter, deze clausule, deze eerdere onderhandeling, deze advocaat met relevante ervaring. 

Een contextgrafiek vult precies aan waar juridisch werk het meest van afhankelijk is: wat er op dit moment speelt. De grafiek weet welke documenten onlangs zijn gewijzigd, welke zaak naar bemiddeling gaat, welke personen actief zijn, welk eerder werk relevant is, wie er toegang toe heeft en welke beleidsregels of ethische beperkingen van toepassing zijn op het antwoord. 

Het verschil is te vergelijken met een statische kaart versus een realtime navigatiesysteem. Een statische kaart toont de wegen en kruispunten. Een navigatiesysteem weet waar alles zich bevindt, welke routes beschikbaar zijn, of er verkeershinder of wegversperringen zijn en wat er is veranderd sinds je het laatst keek. Voor juridische AI maakt die realtime context het verschil tussen een systeem dat documenten doorzoekt en een systeem dat daadwerkelijk kan helpen bij juridisch werk. 

AI-profilering is een van de manieren waarop NetDocuments die basis legt. Het zet ongestructureerde juridische documenten om in gestructureerde juridische gegevens: documentclassificaties, geëxtraheerde metagegevens, clausuletypes, partijen, rechtsgebieden, toepasselijk recht, data, verplichtingen en andere concepten die tussen verschillende zaken kunnen worden gekoppeld. Maar het doel is niet metagegevens omwille van de metagegevens zelf. Het doel is context die een advocaat, een zoekfunctie of een AI-agent kan gebruiken op het moment dat het werk plaatsvindt. 

Het verloop in één overzicht
Taxonomie	Geeft een indeling van het werk en geeft aan welke metagegevens voor elk document- of dossiertype moeten worden geëxtraheerd.
Ontologie	Geeft aan hoe juridische begrippen met elkaar in verband staan: zaken hebben partijen, overeenkomsten bevatten bepalingen, bepalingen scheppen verplichtingen.
Kennisgrafiek	Brengt de daadwerkelijke entiteiten en gegevens met elkaar in verband: deze zaak, deze cliënt, deze overeenkomst, deze rechter, deze advocaat.
Contextgrafiek	Geeft de actuele juridische context weer: wat is er veranderd, wat is nu van belang, wie heeft toegang, welk beleid is van toepassing en wat heeft een medewerker nodig voordat hij of zij actie kan ondernemen.

De drie pijlers van een juridische contextgrafiek 

1. Documenten worden gestructureerde juridische gegevens

Juridische documenten zonder structuur zijn één grote tekstmassa. Zet een juridische AI-agent in bij een zaak met honderden of duizenden ongestructureerde documenten, en hij moet zich elke keer dat hem om hulp wordt gevraagd door de tekst heen worstelen om de inhoud te begrijpen. Een mens die de output controleert, betaalt in omgekeerde zin dezelfde prijs. 

AI-profilering brengt daar verandering in. In plaats van documenten als statische bestanden te behandelen, haalt het systeem de juridische feiten en begrippen eruit die ze bruikbaar maken: ingangsdata, toepasselijk recht, bevoegde rechtbank, partijen, tegenpartij, rechter, soorten clausules, verplichtingen, verlengingsvoorwaarden, opzeggingsrechten en alle andere praktijkgerichte velden die een kantoor nodig heeft. 

Die gestructureerde gegevens. Door een document één keer te profileren, kan het resultaat worden gebruikt voor elke volgende zoekopdracht, elk overzicht, elk rapport en elke workflow van een medewerker. Twee kantoren kunnen over dezelfde documenten beschikken en toegang hebben tot dezelfde modellen. Het kantoor met een gestructureerde, beheerde en consistent geëxtraheerde juridische context zal betere AI-resultaten behalen. 

2. De zoekfunctie werkt op basis van betekenis, niet alleen op basis van trefwoorden 

Zoeken op trefwoorden blijft belangrijk. Partijnamen, zaaknummers, verwijzingen naar wetgeving en gedefinieerde termen vereisen nauwkeurigheid. Maar zoeken op trefwoorden alleen volstaat niet om de juridische betekenis te achterhalen wanneer de woorden veranderen. 

Een betere aanpak is hybride zoeken: lexicaal zoeken naar exacte termen, semantisch zoeken naar conceptuele overeenkomsten en metadatafilters om de resultaten te beperken tot het juiste onderwerp, de juiste periode, het juiste rechtsgebied, het juiste documenttype of de juiste praktijkcontext. 

Voor juristen betekent dit dat ze moeten zoeken op de manier waarop ze denken. Voor juridische AI-systemen betekent dit dat ze de juiste context moeten vinden zonder de prompt te overspoelen met irrelevante informatie. Een betere zoekresultaten betekenen minder contextuele rommel, minder gemiste jurisprudentie en nuttigere AI-uitkomsten. 

3. Het gaat om meer dan alleen een map met documenten 

Een zaak is niet zomaar een werkterrein. Ze heeft een bepaalde vorm. Partijen en rollen. Vorderingen en verweren. De fase waarin de zaak zich bevindt of de stand van zaken in de procedure. Belangrijke data. Getuigen. Geschilpunten. Strategie. Recente ontwikkelingen. Relevante jurisprudentie. Mensen die eerder soortgelijk werk hebben verricht. 

Tegenwoordig is een groot deel van die context verspreid over documenten, e-mails, spreadsheets, notities, urenregistraties, audittrajecten en de herinneringen van juristen. De contextgrafiek brengt al die onderdelen samen als doorzoekbare knooppunten en relaties bovenop de documentbasis. 

Dat stelt een advocaat in staat om een zaak te openen en meteen een totaalbeeld te krijgen dat anders meestal handmatig moet worden samengesteld: wie erbij betrokken is, wat er is veranderd, welke documenten van belang zijn, wat het kantoor eerder heeft gedaan en waar de aandacht nu naar uit moet gaan. 

Voor eenjuridische AI-agent verandert dit de economische aspecten van het werk. Zonder de grafiek moet een agent elke keer dat hij aan het werk gaat de context helemaal opnieuw opbouwen. Met de grafiek kan de agent uitgaan van de structuur van de zaak en efficiënt naar de relevante informatie navigeren. 

Waarom context ookna afloop van een sessie bewaard moet blijven 

De meeste AI-tools werken op basis van wat een gebruiker op dat moment invoert: een reeks geüploade documenten, een zoekresultaat, een opdracht of het contextvenster van een enkele sessie. Dat kan handig zijn, maar zo verloopt juridisch werk in de praktijk niet. 

Juridisch werk is een cumulatief proces. De belangrijkste context kan voortkomen uit een eerdere zaak, een redline van zes maanden geleden, een e-mailconversatie, een eerder besluit van een partner, een ethische scheiding of een richtlijn van de cliënt die gisteravond is gewijzigd. Het uploaden van een paar documenten naar een sessie lost dat probleem niet op. 

Een juridische contextgrafiek onderscheidt zich doordat deze zich bevindt op dezelfde plek als het werk zelf. De grafiek is geïntegreerd in het primaire systeem, gekoppeld aan de institutionele kennis van het kantoor en onderworpen aan dezelfde machtigingen, ethische scheidingsmuren en cliëntbeperkingen die ook voor het werk zelf gelden. 

Waarom het zo moeilijk is om dit voor juridische doeleinden te ontwikkelen  

Dit is eenvoudig te beschrijven, maar moeilijk te realiseren. 

Juridische gegevens bestaan meestal uit tekst, niet uit gestructureerde databasevelden. De betekenis is genuanceerd. Een clausule kan onopvallend lijken, totdat een uitzondering het risico verandert. Een zaak kan afhangen van het verband tussen een processtuk, een getuigenverklaring, een e-mail en een eerdere uitspraak. Hetzelfde concept kan op tientallen verschillende manieren worden uitgedrukt, afhankelijk van het kantoor, de praktijkgroep, het rechtsgebied en het type document. 

Ook de schaal is anders. Grote advocatenkantoren en juridische afdelingen hebben geen tienduizend documenten. Ze beschikken over miljoenen of honderden miljoenen documenten, waarbij de toegangsrechten, ethische scheidingsmuren, beperkingen voor cliënten en activiteiten voortdurend veranderen. 

Om een juridische contextgrafiek bruikbaar te maken, moet het platform structuur uit ongestructureerde documenten halen, inhoud indexeren voor zowel exacte als conceptuele zoekopdrachten, documenten uit verschillende zaken en communicatiestromen met elkaar koppelen, in realtime toezicht uitoefenen en de resultaten beschikbaar stellen aan zowel advocaten als AI-agenten, zonder dat er ongecontroleerde kopieën van de gegevens van het kantoor ontstaan. 

Daarom heeftNetDocumentsnauw samengewerkt met AWS en Elastic aan de infrastructuur die nodig is om juridische context op grote schaal te indexeren, op te zoeken en te koppelen. De uitdaging ligt niet alleen in het bouwen van een demo die werkt op een kleine dataset. De uitdaging is om het systeem te laten functioneren binnen de gereguleerde, omvangrijke en risicovolle praktijk van de moderne advocatuur. 

Waarom governance op contextniveau moet plaatsvinden  

In juridische zin is context zonder governance geen troef. Het is een risico. 

Een bruikbare AI-agent moet meer weten dan alleen welke informatie er beschikbaar is. Hij moet weten of deze gebruiker, in deze zaak en op dit moment, toestemming heeft om die informatie te gebruiken. Daarbij gaat het om documentrechten, ethische beperkingen, beperkingen op basis van ‘need-to-know’, richtlijnen voor externe adviseurs, klantspecifieke AI-beleidsregels en wijzigingen op zaakniveau die plaatsvinden nadat de gegevens voor het eerst zijn aangemaakt. 

Hierkomt architectuur om de hoek kijken. Als een AI-tool gegevens naar zijn eigen systeem kopieert, wordt governance een synchronisatieprobleem. Elke wijziging in machtigingen, beleid of ethische grenzen moet ook elders worden doorgevoerd. Op juridisch vlak is dat niet voldoende. Het Model Context Protocol(MCP) is ontstaan om precies in deze behoefte te voorzien: geauthenticeerde, afgebakende, just-in-time toegang tussen AI en een registratiesysteem. Via een gereguleerde toegangslaag kunnenAI-tools binnen NetDocumentsen externe tools dezelfde gezaghebbende context bereiken, zonder dat ze elk hun eigen, losstaande kopie van de kennis van het kantoor hoeven te maken. 

Wat dit voor advocaten en makelaars betekent 

Alles begint met de context 

Een medewerkster in haar tweede jaar is ingezet bij een contractgeschil dat naar bemiddeling gaat. Vandaag besteedt ze het weekend wellicht aan het in kaart brengen van de zaak: de partijen, hun standpunten, de knelpunten, de documenten, recente communicatie en wat de partner belangrijk vindt. 

Met een juridische contextgrafiek is het overzicht van de zaak al aanwezig. Niet als een statische samenvatting, maar als een samenhangend beeld van de zaak: partijen, tijdlijn, belangrijke documenten, vorderingen of geschilpunten, recente activiteiten en de mensen die eerder soortgelijk werk hebben verricht. De medewerkster blijft zelf haar oordeel vellen. Ze begint alleen vanuit de context in plaats van met een leeg blad. 

De zoekopdracht komt overeen met het mentale model van de advocaat

Een M&A-partner herinnert zich misschien niet meer hoe de transactie heette. Hij herinnert zich wel de zakelijke kwestie: een ‘tipping basket’-clausule die overschakelt naar ‘first-dollar recovery’, waarover in de afgelopen zestien maanden namens het bedrijf is onderhandeld. Dankzij de contextgrafiek kan de zoekfunctie concepten, metagegevens en relaties tussen zaken samen gebruiken, zodat het systeem het relevante precedent kan weergeven in plaats van dat de advocaat zich de exacte bewoordingen moet herinneren. 

Institutionele kennis wordt toegankelijk 

Bedrijven proberen al decennialang institutionele kennis vast te leggen. Het probleem is dat kennissystemen die losstaan van het werk vaak in verval raken. De contextgrafiek keert deze dynamiek om. De kennis wordt opgebouwd vanuit het werk zelf: de documenten, dossiers, communicatie, activiteiten en resultaten die al in het informatiesysteem aanwezig zijn. 

Wanneer een ervaren juriste met pensioen gaat, kan niet alles wat ze weet worden vastgelegd. Inzicht blijft nu eenmaal inzicht. Maar de zaken die ze heeft vormgegeven, de clausules waarover ze heeft onderhandeld, de strategieën die ze heeft gekozen en het werk dat ze heeft nagelaten, kunnen wel gemakkelijker te vinden, te begrijpen en te hergebruiken worden. 

Medewerkers kunnen meer doen dan alleen losse vragen beantwoorden 

Een medewerker die slechts enkele geüploade documenten ontvangt, kan die documenten samenvatten. Een medewerker die toegang heeft tot de gereguleerde context van het kantoor kan nuttiger werk verrichten: relevante precedenten opzoeken, het juiste uitgangspunt bepalen, een concept vergelijken met het handboek van het kantoor, gerelateerde communicatie naar voren halen of uitleggen wat er in een zaak is veranderd sinds de gebruiker deze voor het laatst heeft bekeken. Diezelfde basis maakt automatisering mogelijk: langdurige, meerstapsworkflows waarbij medewerkers niet alleen een vraag beantwoorden, maar helpen om juridisch werk in de loop van de tijd vooruit te helpen met de juiste context, machtigingen en waarborgen. 

Het verschil zit hem niet alleen in de kwaliteit van het model. Het zit hem ook in de kwaliteit van de context. 

AI-agenten zijn slechts zo goed als de juridische context die ze krijgen aangereikt. Het model is van belang. De prompt is van belang. Maar bij juridisch werk is de doorslaggevende vraag vaak of de agent onder de juiste governance op het juiste moment de juiste context kan vinden. 

Het registratiesysteem wordt een systeem dat inzicht biedt

Al 30 jaar lang heeft juridische technologie uitstekend werk verricht door vast te leggen wat advocaten deden. Het volgende hoofdstuk draait om het werk zo goed te begrijpen dat advocaten worden geholpen bij wat er daarna komt. 

Dat betekent niet dat juridische beoordelingen worden vervangen. Het betekent juist dat de rompslomp rond de context wordt verminderd, zodat advocaten meer tijd kunnen besteden aan het vormen van een oordeel, belangenbehartiging, onderhandelen, strategie en het adviseren van cliënten. 

De juridische contextgrafiek vormt de basis voor die verschuiving. Deze grafiek maakt van het registratiesysteem een gecontroleerde bron van institutionele kennis die advocaten en AI-agenten gezamenlijk kunnen gebruiken. Hierdoor wordt het werk beter vindbaar, beter onderling verbonden, beter rapporteerbaar en beter voorbereid op de agentgebaseerde workflows die in opkomst zijn. 

De toekomst van juridische AI zal niet worden bepaald door de tool met het grootste invoerveld. Die zal worden bepaald door het platform dat op het juiste moment de juiste juridische context kan bieden, met de juiste governance.