Dette er den andre artikkelen i vår serie om AI-adopsjon. Les den første, Hvorfor lovlig AI-adopsjon stopper opp før den starter , for hvordan organisasjoner går fra spredt AI-eksperimentering til en strukturert tilnærming.

En bedre måte å finne de juridiske problemene som er verdt å løse med AI

Spør et rom med advokater, juridiske teknologer, konsulenter eller leverandører om bruksområder for AI, og du vil ikke gå derfra med mangel på ideer.

Kontraktsgjennomgang. Sakssammendrag. Juridisk research. Utarbeidelse av prosjekter. Due diligence. Kunnskapssøk. Fakturagjennomgang. Kronologier. Klientinntak. Et AI-verktøy kan generere ytterligere 50 før møtet er over.

Det vanskelige er ikke lenger å komme opp med ting AI kan gjøre. Det er å finne ut hvilke problemer som faktisk er verdt å løse.

Brukstilfeller er fortsatt viktige. De viser hva som er mulig, gir ideer og hjelper organisasjoner med å lære av det andre gjør. Feilen er å behandle listen som en oppdagelse.

Start med «Hvor kan vi bruke AI?», og nesten alle manuelle prosesser kan bli en AI-mulighet. Identifiser arbeid som skaper friksjon, bruker tid eller utelater viktig informasjon, og samtalen endrer seg.

Se først på arbeidet folk ikke lenger burde måtte gjøre. Se deretter etter informasjon, risiko, kunnskap eller relasjoner som organisasjonen burde kunne se, men ikke med rimelighet kan se i dag. Spør deretter hvilken kontekst, tilgang og autoritet en løsning trenger.

Det er en mye tøffere test enn å generere brukstilfeller, og det er mer sannsynlig at det fører til noe som er verdt å bygge.

Start med arbeidet som skal forsvinne

Noen av de beste mulighetene gjemmer seg i jobber som folk har sluttet å legge merke til. Du ser det når noen:

• Søker i flere systemer fordi de ikke vet hvor informasjonen befinner seg
• Spør en kollega om noe som teknisk sett finnes et annet sted
• Kopierer informasjon fra ett system til et annet
• Sjekker to kilder fordi ingen av dem er fullstendig pålitelige
• Gjenoppretter et dokument fordi det vil ta for lang tid å finne originalen
• Vedlikeholder et personlig regneark fordi det offisielle systemet ikke gir den oversikten de trenger

Ingen av disse aktivitetene høres spesielt betydningsfulle ut i seg selv. Det er delvis derfor de vedvarer.

Se etter de tilbakevendende atferdene: lete, bevege seg, sjekke, forsone, gjenskape, spørre, jage. Spør deretter hvorfor personen må gjøre dem.

Hvis en advokat gjentatte ganger sliter med å finne tidligere arbeid, kan løsningen være bedre søk, metadata, arkiveringspraksis eller kunnskapshåndtering. Hvis ansatte gjentatte ganger legger inn den samme informasjonen på nytt, kan det hende at to systemer ganske enkelt trenger å utveksle data. Hvis noen manuelt setter sammen informasjon fra flere kilder fordi forståelsen av den krever sammenligning, syntese eller vurdering, kan AI spille en meningsfull rolle.

Det nyttige spørsmålet er ikke «Kan AI gjøre dette?» Det er «Hvorfor må noen i det hele tatt gjøre dette?»

Vær villig til å bestemme at AI er feil svar

En god prosess for AI-oppdagelse bør eliminere brukstilfeller så vel som å skape dem. Noen problemer løses bedre gjennom konfigurasjon. Andre trenger automatisering, integrasjon, prosessdesign, bedre opplæring eller teknologi som organisasjonen allerede eier.

Ta en juridisk avdeling som manuelt samler inn informasjon fra flere systemer for en regelmessig statusrapport. Det ser ut som en åpenbar AI-mulighet.

Kanskje det er det.

Men hvis arbeidet hovedsakelig består av å flytte strukturerte data til ett sted, kan integrering eller rapportering løse problemet mer pålitelig. Hvis noen må lese narrative oppdateringer, løse motstridende informasjon, identifisere hva som har endret seg og forklare hva som er viktig, kan AI tilføre noe annet.

Skillet høres enkelt ut. I praksis er det lett å hoppe over, fordi når en organisasjon starter et AI-initiativ, er det press for å finne AI-prosjekter.

Det er bakvendt.

Problemet burde tjene teknologien.

Vær oppmerksom på grensene som allerede eksisterer

Det finnes et annet nyttig signal når man vurderer en mulighet: hvor begynner organisasjonen å bli ukomfortabel?

Mange juridiske organisasjoner er allerede mer komfortable med noen AI-aktiviteter enn andre, selv om de aldri har skrevet ned nøyaktig hvorfor. Å oppsummere et dokument en advokat allerede har åpnet føles annerledes enn å søke på tvers av tusenvis av saker. Å lage et internt utkast føles annerledes enn å kommunisere med en klient. Å foreslå et neste steg føles annerledes enn å ta det. Å lese informasjon fra et system føles annerledes enn å endre informasjonen i det.

Disse forskjellene forteller deg noe. Bekymringen kan være informasjonens sensitivitet, målgruppen, konsekvensene av en feil, muligheten til å se hva som skjedde etterpå, om en handling kan reverseres, eller hvor mye myndighet organisasjonen delegerer.

Det er ikke grunner til å slutte å koble kunstig intelligens til juridisk arbeid. Det er designinnspill.

Fra kontekst til konsekvens

Kontekst skaper verdi. Tilgang skaper kapasitet. Autoritet skaper konsekvens. Dette skillet blir viktigere etter hvert som lovlig AI går utover et verktøy som venter på en forespørsel.

Model Context Protocol (MCP) , API-er, integrasjoner og agentsystemer kan tillate AI å jobbe med informasjon på tvers av det juridiske teknologimiljøet og i økende grad gjøre noe med det.

Kontekst kommer først. Hva trenger AI-en for å forstå arbeidet riktig? En kontrakt uten klientens standarder, et dokument uten saksforhold, eller et isolert arbeidsprodukt uten den omkringliggende historikken kan være tilgjengelig for systemet og fortsatt mangle det det trenger for å være nyttig.

Så har vi tilgang. Hvilke systemer og informasjonskilder trenger løsningen faktisk å nå? Tilkobling kan fjerne mye unødvendig menneskelig arbeid. En advokat skal ikke måtte laste ned styrt informasjon gjentatte ganger, flytte den til et annet program, utføre arbeidet og deretter rekonstruere konteksten bare fordi systemene ikke kobles til.

Spør hva brukstilfellet krever.

Autoritet er igjen annerledes. Å hente informasjon er ikke det samme som å endre en oppføring. Å anbefale en handling er ikke det samme som å utføre den. Å utarbeide en kommunikasjon er ikke det samme som å sende den. Etter hvert som AI-aktiverte arbeidsflyter får større handlekraft, blir menneskelig gjennomgang, overvåking og muligheten til å reversere en handling viktigere.

Gi løsningen den konteksten den trenger, tilgangen den kreves for å gjøre jobben, og den autoriteten som er passende for konsekvensene.

Den andre oppdagelsesveien: hva skal vi kunne se?

Å fjerne unødvendig arbeid er bare halve muligheten.

Den andre halvdelen er vanskeligere å få øye på fordi ingen utfører den manglende oppgaven. Informasjonen er rett og slett ikke synlig.

Juridiske organisasjoner samler enorme mengder kunnskap på tvers av saker, kontrakter, korrespondanse, arbeidsresultater, forhandlinger, rådgivning og klientinteraksjoner. Likevel er viktige beslutninger fortsatt bare avhengige av den delen av denne informasjonen en person kan finne eller tilfeldigvis vet eksisterer.

En advokat kan huske at firmaet håndterte en lignende sak for flere år siden, men vet ikke hvilken sak eller hvem som jobbet med den. Et juridisk team i et bedriftsselskap kan ha forhandlet den samme bestemmelsen hundrevis av ganger, men har ingen praktisk måte å se mønstre på tvers av disse forhandlingene. En praksisleder kan vite at firmaet har dyp erfaring innen et fremvoksende område uten raskt å kunne se sakene, menneskene og arbeidet som demonstrerer det.

Dette er ikke ineffektive arbeidsflyter i vanlig forstand. Ingen trenger nødvendigvis en raskere knapp. Problemet er en ufullstendig visning.

Hva burde organisasjonen kunne se som den med rimelighet ikke kan se i dag?

AI kan bidra til å avdekke forhold, mønstre, kunnskap eller risiko som ville være vanskelig for en person å identifisere på tvers av en stor mengde informasjon. Verdien er å gi personen som tar beslutningen et bedre overblikk.

Hvordan bedre sikt kan se ut

Sikkerhet er ett eksempel. Eksisterende sikkerhetssystemer bestemmer og håndhever tilgang, overvåker aktivitet og anvender etablerte kontroller. AI bør ikke erstatte disse funksjonene.

Men tenk deg en situasjon der regelverket teknisk sett tillater en handling, og omstendighetene rundt det fortsatt er uvanlige. Spørsmålet er kanskje ikke lenger bare: «Var dette tillatt?» Det kan være: «Er det nok kontekst her til at noen bør se nærmere på det?»

Det kan være et nyttig AI-assistert synlighetsproblem, der en person foretar sikkerhetsvurderingen.

Relasjonsintelligens er et annet eksempel. Advokatfirmaer har allerede CRM og relasjonsintelligensteknologi. Å kalle det «AI CRM» skaper ikke en ny idé.

Det mer interessante spørsmålet er hva organisasjonen vet som den strukturerte oversikten ikke viser. Sakshistorikk, korrespondanse, tidligere arbeid og annet institusjonelt innhold kan avsløre erfaring, ekspertise eller relasjoner som er vanskelige å se ut fra kontaktdata alene.

Juridisk AI skaper også informasjon

Dette er den delen av AI-design jeg synes fortjener mye mer oppmerksomhet.

Vi bruker mye tid på å tenke på hvilken informasjon AI forbruker. Vi bruker langt mindre tid på å tenke på hva som skjer med det AI skaper.

La oss si at en AI-aktivert arbeidsflyt produserer en nyttig sakskronologi, en analyse av en forhandling, en klientbriefing eller et sammendrag av tidligere arbeid. Hvor havner den? Kan en annen advokat finne den seks måneder senere? Forblir den knyttet til saken og kildematerialet som informerte den?

Kan noen fortelle hva AI-en genererte, hva en person gjennomgikk, og hva som ble det endelige arbeidsproduktet? Blir resultatet en del av organisasjonens institusjonelle kunnskap, eller forsvinner det inn i en persons AI-arbeidsområde?

AI-aktiverte arbeidsflyter blir en annen kilde til substansielle arbeidsprodukter. Hvor dette arbeidet går etterpå må være en del av brukstilfelleutformingen.

DMS-systemet har en rolle her fordi juridiske team allerede bruker det til å koble arbeid til saken og bevare konteksten rundt arbeidet. Verdifull AI-generert output reiser det samme spørsmålet: hvordan forblir det knyttet til det juridiske arbeidet det kommer fra?

Ellers kan en organisasjon bruke AI til å utvinne kunnskap fra sitt institusjonelle innhold, samtidig som den skaper et nytt arbeidsgrunnlag som ingen andre pålitelig kan finne eller gjenbruke.

Ikke lag et nytt informasjonshåndteringsproblem for å løse et AI-problem.

Endre samtalen om oppdagelse

Brukstilfellelister er nyttige. Bare bruk dem senere.

Oppdagelsessamtalen kan komme ned til tre spørsmål:

• Hvilket arbeid bør forsvinne? Se etter det å søke, flytte, sjekke, forene, gjenskape, spørre og jage som folk har lært å akseptere som en del av jobben.
• Hva burde vi kunne se som vi ikke kan se i dag? Se etter avgjørelser folk tar uten kunnskapen, mønstrene, risikoene, relasjonene eller konteksten organisasjonen allerede besitter.
• Hvilken kontekst, tilgang og autoritet krever løsningen faktisk? Bestem hva systemet trenger å forstå, hvor det trenger å nå, og hva det kan gjøre.

For å sette disse spørsmålene ut i praksis, bruk arbeidsarket for oppdagelse av KI-muligheter til å identifisere potensielle muligheter, forstå hva som skaper friksjonen og avgjøre om KI faktisk er den riktige intervensjonen.

Noen ganger vil det være det. Noen ganger vil en enklere løsning være bedre. Begge svarene er nyttige fordi formålet med oppdagelse ikke er å produsere flere AI-prosjekter. Det er å identifisere problemer som er verdt å løse.

Det svarer på ett spørsmål: Fant vi det riktige problemet?

Så kommer det neste: Er det faktisk verdt investeringen å løse det på denne måten?

I neste artikkel skal vi se på hvordan man gjennomfører en AI-verdivurdering for å svare på det spørsmålet før man går fra en lovende idé til en AI-investering.