Hver sommer tilbringer tusenvis av mennesker som bygger, kjøper og driver teknologien bak juridisk arbeid en uke med å sammenligne notater på ILTACON, den årlige konferansen som arrangeres av International Legal Technology Association ( ILTA ). Hvis du aldri har vært der, er her en forkortelse: det er ikke en messe bygget rundt en enkelt leverandørs veikart. Det er en samling drevet av praktikere, med mer enn 80 opplæringsøkter i år valgt ut fra over 400 ideer sendt inn av ILTA-fellesskapet selv.

Jeg hadde privilegiet å være frivillig hos ILTA for å hjelpe til med å koordinere flere av disse øktene, fra å intervjue foredragsholdere til å veilede dem mens de laget foredragssporene til øktene sine.

Den røde tråden som bandt sammen alle sesjonene i år var denne: den juridiske bransjen har sluttet å diskutere om de skal bruke AI og begynt å streve med hvordan de skal holdes ansvarlige for det – for kostnadene, styringen og menneskene som faktisk må bruke det.

Her er det som har satt seg mest inn hos meg.

Oppgjøret: Fra eksperimentering til ansvarlighet

De siste årene har de fleste organisasjoners AI-strategi vært entusiasme pluss et kredittkort: piloter alt, bekymre deg for regningen senere. NetDocuments-sjef Josh Baxter delte et fellesbegrep for fasen som «tokenmaxxing» – å presse folk til å bruke AI, bruke mer av det, eksperimentere med alt, fantasien setter grenser. Med fremveksten av forbruksbasert prising i stedet for en «spis så mye du vil»-tokenbuffé, er den fasen over. Nå rasjonerer mange organisasjoner i stedet – bruksgrenser, budsjetter, beslutninger om hvem som får tilgang til hvilke verktøy.

Tallene forklarer hvorfor. Omsetningen i store firmaer har økt med mer enn 12 % i løpet av årets første seks måneder, og etterspørselen etter juridiske tjenester (målt i arbeidstimer) har økt med 4,8 %. Samtidig presser klientene hardt på for at AI skal senke lønnen sin. Torsdagens avsluttende hovedtale, en oppsummering av samtaler fra ILTAs ledersamlinger for G100 og G200, moderert av NetDocuments produktsjef Dan Hauck, la reelle tall bak denne nervøsiteten.

Rapporterte AI-utgifter oppgitt av bedrifter spenner over et enormt spenn, fra omtrent 100 000 dollar til så mye som 35 millioner dollar, og en grov tommelfingerregel for bransjen er i ferd med å dukke opp om at de totale AI-utgiftene bør lande et sted nær 1 % av inntektene. Legg til forbruksbasert prising – der regningen avhenger av hvor mye et verktøy blir brukt – og mange finans- og innovasjonsledere er stille nervøse for kostnader som er vanskelige å forutsi på forhånd.

En fersk Gartner-undersøkelse av mer enn 780 IT-ledere fant at bare 28 % av brukstilfellene av AI lykkes fullt ut og oppfyller forventningene til avkastning på investeringen. Én IT-sjef i panelet ga ukens mest ærlige perspektiv på måling av avkastning i et marked i rask utvikling: «Verktøyene vi har i dag er ikke det vi vil ha i morgen ... så vil jeg bruke 500 timer på å beregne avkastningen i dag? Det er en meningsløs forestilling. Så lenge den er positiv, gå videre.» En annen paneldeltaker omformulerte hele øvelsen til «mislykkes raskt, avkastning på innsatsen» snarere enn avkastning på investeringen – et skille som er viktig når verktøyene i seg selv har en holdbarhet målt i måneder.

Det samme panelet avdekket noe som er verdt å sitte igjennom, uavhengig av bransje. James McKenna, IT-sjef i Foley & Lardner, beskrev hvordan man så klienter utvikle seg, med hans ord, fra «dere kan ikke bruke AI» til «hvilken AI bruker dere», til nå ganske enkelt «fortell oss hvordan dere bruker AI». Kravet om AI i seg selv har stille blitt et krav om åpenhet og enkel prissetting. «Du må forstå hvor mye det koster å få et svar», som han sa det. «Ikke overkompliser faktureringen. Hold det enkelt.»

Det viser seg også i hvordan bedrifter tenker om sin egen forretningsmodell. En sesjon kalt «The Billable Hour Paradox: Making Non-Billable Work Visible (And Valuable)» tok for seg den samme spenningen fra en annen vinkel, og panelet på torsdag brukte sanntid på det en paneldeltaker kalte «fremveksten av juridisk ingeniør» – nye roller som sitter mellom advokat, teknolog og kunnskapsleder, fordi det å levere juridisk arbeid lønnsomt i en forbrukspriset verden tar en annen teamform enn å levere det per fakturerbar time.

Gartner har begynt å navngi dette skiftet direkte, og beskriver fagfeltet organisasjoner nå trenger som « kontekstteknikk » – de bruker det til å «forbedre nøyaktigheten til AI-modellutdata, øke relevansen og redusere tokenbruken, og dermed senke driftskostnadene». Uansett hva du kaller det, er budskapet konsistent: samtalen har beveget seg fra «bruker vi AI» til «kan vi bevise hva det er verdt».

Kontekst er ressursen som forsterker

Den mest nyttige mentale modellen jeg hørte hele uken var også den enkleste, og NetDocuments brukte den til å åpne vår egen bedriftsoppdatering: tre ting avgjør om en AI-agent faktisk er god i jobben sin:

• Modellen under den,
• Selen (applikasjonen eller assistenten) som er bygget rundt den, og
• Konteksten den kan trekke på mens den jobber.

Modeller leies ut; de forbedres og byttes ut etter laboratoriets timeplan, ikke din.

Seler byttes stadig vekk, og de fleste organisasjoner har allerede mer enn én.

Kontekst – den organiserte, styrte registreringen av en organisasjons egne dokumenter, presedens og institusjonelle kunnskap – er det ene laget en organisasjon faktisk eier, og det eneste av de tre som sammensettes i stedet for å tilbakestilles hver gang et verktøy endres.

Dette skillet er testbart, ikke bare et slagord. NetDocuments publiserte Legal Context Engineering Benchmark for å måle hva bedre kontekst er verdt – både i svarkvalitet og penger – ved å stille de samme 300 spørsmålene til en fast AI-modell og sele/applikasjon, og bare endre konteksten agenten kunne nå. I ett testtilfelle som brukte en fusjon i den virkelige verden, med dårlig kontekst, fikk svaret en score på 0,10/1,0; med rikere kontekst, 0,67 – nesten 7 ganger bedre.

På tvers av 300 testspørsmål som spenner over 10 reelle juridiske saker, holdt mønsteret seg: bedre kontekst gjorde riktige svar omtrent 48 % billigere å produsere, uten at det gikk på bekostning av nøyaktigheten, og fordelen ble sterkere på mer kapable modeller snarere enn svakere – grunnlaget for en anslått årlig besparelse på 942 000 dollar for et firma med 2000 brukere.

Gartners forskning peker i samme retning: firmaer rapporterer en nøyaktighetsøkning på omtrent 30 % i agentisk AI når sterk kontekst er på plass. NetDocuments publiserte sin fullstendige metodikk spesielt slik at enhver organisasjon kan kjøre den samme testen på sine egne dokumenter i stedet for å stole på resultatene. Konklusjonen: kontekst reduserer tokenbruk og AI-kostnader dramatisk.

Uken ga også et virkelig nyttig, leverandørnøytralt verktøy for å redusere støyen: fem spørsmål du bør stille neste gang noen – inkludert en leverandør du allerede bruker – hevder at produktet deres har «kontekst».

• Hva forstår eller henter systemet egentlig ut fra dokumentene dine?
• Hvordan finner den den relevante informasjonen den trenger?
• Hvis tillatelser bestemmer hva AI-en kan hente?
• Kan den styrte konteksten nå AI-verktøyene organisasjonen din faktisk velger?
• Og hvilke bevis viser effekten på svarkvalitet og kostnader?

Arkitektur er viktig, men det gjør også bevis.

Det er verdt å være presis om hva «kontekst» samler, fordi de fleste leverandører, inkludert NetDocuments, beskriver flere forskjellige tekniske lag under ett ord: automatisk klassifisering og metadatautvinning som ikke krever oppsett, tilpasset profilering en organisasjon konfigurerer for sin egen taksonomi, semantisk søk ​​som finner mening i stedet for bare nøkkelord, og en sammenkoblende graf som binder dokumenter, personer og saker sammen – fortsatt i privat forhåndsvisning fra årets konferanse, ikke en levert funksjon alle kunder har i dag. Å behandle disse som én ting i stedet for fire er akkurat hvordan «kontekst»-påstander blir overdrevet.

Et annet sentralt diskusjonstema rundt kontekst var muligheten til å koble til en organisasjons foretrukne AI-verktøy via Model Context Protocol (MCP) i motsetning til å måtte flytte filer utenfor det registrerte systemet, vanligvis firmaets dokumenthåndteringssystem. Beviset, for det det er verdt, begynner å komme fra kunder snarere enn leverandører.

Thomas Kline, direktør for informasjonsteknologi hos Stark & ​​Stark, beskrev hvordan man kobler den kunstig intelligens-drevne søke- og svarmotoren Perplexity til firmaets dokumentarkiv gjennom MCP (mer om det nedenfor): «Ingen opplasting av dokumenter. Ingen valg av filer. Advokatene våre peker bare kunstig intelligens mot en sak, og den fungerer fra alt de allerede har tilgang til.» Og Jeff Westcott fra Akin, på et kundepanel, ga ukens enkleste råd til alle som drukner i punktløsninger: «jo mer du kan gjøre på plattformen, desto bedre.»

Autonomi uten styresett er ikke fremskritt

Etter hvert som AI-verktøy går fra å svare på spørsmål til å iverksette tiltak – utkast, arkivering, kryssreferanser, flagging – dukket uttrykket «agenter er brukere» opp gjentatte ganger denne uken. NetDocuments teknologidirektør John Motz bemerket under selskapets oppdateringssesjon: «Folk begynner å innse at agenter er brukere, og de er veldig smarte brukere, så vi må tenke på tilgangen og kontrollene deres akkurat som en vanlig bruker, om ikke mer kritisk.»

Pallavi Nargund fra Amazon Web Services fulgte opp med sikkerhetsbruksscenariet mer konkret: Kunder har tilgang til en lagdelt, isolasjonsbasert modell med kvantebestandig kryptering som allerede er brukt på lagrede dokumenter, slik at selv om ett sikkerhetslag brytes, forblir dataene, minnet og den underliggende maskinvaren uavhengig forseglet, noe som beskytter klientkonfidensialitet, datapersonvern og organisasjonens immaterielle rettigheter.

Den samme spenningen – mer autonomi som krever mer styring – dukket opp som et bærende tema på tvers av økter uten noen sammenheng med hverandre: «Utover charteret: AI-styringsrammeverk som faktisk fungerer», «Secret Agentic Man: Når AI begynner å handle på egenhånd» og «Materiemobilitet: Håndtering av risiko, tilgang og ansvarlighet» jobbet alle med en versjon av det samme spørsmålet. En spørsmål og svar-sesjon under panelet om selskapets oppdateringer tok for seg nettopp dette punktet: kan du spore hva en agent faktisk gjorde, spørsmål for spørsmål, og kan du tilbakekalle eller rulle tilbake handlingene hans hvis noe går galt?

Det er ikke hypotetiske spørsmål når et AI-verktøy har stående tilgang til en klients filer, i stedet for å gjennomgå resultater som en advokat signerer etterpå.

Gartners forskning støtter det som står på spill her: uten et semantisk grunnlag anslår firmaet at 60 % av agentiske AI-prosjekter som utelukkende er avhengige av punkt-til-punkt-tilkoblinger, vil mislykkes innen 2028. Selve tilkoblingen er ikke den vanskelige delen. Det som må følge med – tillatelser, etiske grenser, revisjonsspor – er det.

Dette viser seg allerede i hvordan AI-leverandører kobler produkter sammen. I løpet av uken annonserte Google og NetDocuments en ny forbindelse mellom Gemini Enterprise for Legal og NetDocuments gjennom Model Context Protocol (MCP), som knytter sammen eksisterende forbindelser til Claude, Microsoft Copilot og Perplexity og andre juridiske verktøy som Harvey og Legora.

Designprinsippet bak det er det som er verdt å låne uansett hvilke leverandører du bruker: styring må følge tilkoblingen automatisk, ikke som en innstilling noen må huske å slå på.

Adopsjon er et menneskeproblem, ikke et programvareproblem

Noen av de mest praktiske samtalene denne uken handlet ikke om frontmodeller i det hele tatt – de handlet om mennesker. NetDocuments-mesterklassen «Tilpass, adopter, transformer» åpnet med en linje fra futuristen Alvin Toffler, skrevet for over 50 år siden, men nylig presserende: «De analfabeter i det 21. århundre vil ikke være de som ikke kan lese og skrive, men de som ikke kan lære, avlære og lære på nytt.»

Kathleen Hogan, partner i juridisk innovasjon, bygde videre på dette med Dr. Larry Richards' forskning på « advokathjernen »: advokater er trent til å være skeptikere (jobben er å finne ut hva som kan gå galt), til å verdsette presedens fremfor nyhet, til å sette autonomi fremfor å bli fortalt hva de skal gjøre, og til å avskrive et ufullkomment verktøy helt i stedet for å feilsøke det. Disse profesjonelle styrkene, var hun nøye med å bemerke, er ikke karakterbrister – men de som gjør at standard endringsledelse slår tilbake i et advokatfirma.

Hogan inkluderte også Andy Stanleys tillitsgap, konsulent for forretningsledelse, – avstanden mellom hva folk forventer av lederskap og hva de faktisk opplever. Sesjonen knyttet også tillitsgapet til bruk av AI-verktøy og påpekte at det brytes asymmetrisk: én dårlig AI-opplevelse oppveier 10 gode, fordi «det fungerte ikke den ene gangen» blir hele historien folk forteller.

Hun illustrerte det med et reelt eksempel: en tidlig AI-pilot i et firma byttet stille ut et enkelt siffer i en klients telefonnummer, en feil ingen oppdaget på lenge, nettopp fordi ingen så etter den. Lærdommen var ikke «ikke bruk AI». Den var at verifisering må innlemmes i en arbeidsflyt bevisst, fordi gjennomgang av AI-utdata i seg selv er en krevende oppgave som forringes akkurat når folk har det travlest.

Kyle Kissell, direktør for NetDocuments' Legal Innovation Partner-team, påpekte at det er gapet mellom å forstå et verktøy og bare å peke det mot et problem som er der mest skuffelse ligger. Han delte en analogi med å be sønnen sin klippe plenen og få nettopp det, uten å tømme gressoppsamleren og samle opp gressklippet, fordi han ikke ga sønnen sin de spesifikke instruksjonene. Vage instruksjoner får bokstavelige, teknisk korrekte, noen ganger ubrukelige resultater – fra en person eller en AI-agent.

Denne oppfatningen ble speilet i en av mine egne økter med tittelen «Menneskesentrert AI-adopsjon: En praktisk opplæringshåndbok for juridiske organisasjoner og selskapsrettsavdelinger». Blant foredragsholderne var en teknologitrener, en direktør for kunnskapshåndtering, en advokat i firmaets innovasjonsteam og medgründer av Hotshot, et selskap som spesialiserer seg på AI-adopsjon. Konsensusen var at det ikke finnes noen erstatning for praktisk, virkelig arbeid innenfor en plattform for å drive adopsjon – kort, veiledet, erfaringsbasert læring som er personabasert og praksisspesifikk.

Dette gjelder ikke spesifikt for advokatfirmaer. Det er en påminnelse om at i noen bransje er flaskehalsen for adopsjon av AI sjelden teknologien. Det handler om hvorvidt menneskene rundt den faktisk forstår hvordan de skal bruke den effektivt i sine spesifikke arbeidsoppgaver og stoler på det den gjør.

Vit hva du har før du kjøper det nye

Ukens mest begrunnede råd var også det minst prangende: før du kjøper noe nytt, spør hva du faktisk prøver å oppnå, og la den arbeidsflyten – ikke en leverandørs veikart – drive investeringen.

Med mer enn 1200 AI-verktøy som nå konkurrerer om en lovlig kjøpers oppmerksomhet, dukket et genuint nyttig diagnostisk spørsmål opp mer enn én gang: kan din eksisterende teknologistabel allerede dekke 80 % av den aktuelle arbeidsflyten?

Og i stedet for å gjette hvor hullene er, se på dine egne promptlogger for å se hva folk faktisk ber om. Reelle bruksdata slår intuisjon hver gang.

Den samme disiplinen gjelder ett lag ned, for dataene under ethvert AI-initiativ.

I en sesjon om å bygge det NetDocuments kaller en MCP-aktivert dataeiendom, åpnet NetDocuments' Nate Ruiz med et enkelt argument som ble gjentatt av hans medpaneldeltakere: hvis du ikke vet hvilke data du har, vet du ikke hva du kan gjøre med dem – og du vil heller ikke vite hva som blir eksponert for et generativt AI-verktøy.

Bedrifter blander i økende grad strukturerte data (den typen som ligger i en database med metadata og en taksonomi for kontekst) med ustrukturerte data (den typen med detaljer begravd i dokumenter og e-post), og de delte rådene handlet mindre om å velge én «riktig» arkitektur og mer om å bygge mot et rent, godt forstått datagrunnlag før man legger mer AI oppå det.

Uansett hva som skjer videre i denne bransjen, og noe nytt dukker opp hver uke, er et firma som allerede kjenner sine egne data i en bedre posisjon til å bruke dem.

Slik så dette ut på bakken

For de som er nysgjerrige på detaljene: NetDocuments brukte uken til å dele en rekke oppdateringer som passer perfekt inn i disse temaene. Ved siden av referanserapporten som er referert til ovenfor, lanserte selskapet nye AI-funksjoner for tabellbasert gjennomgang og å finne juridiske kilder i dokumenter, annonserte Gemini Enterprise-forbindelsen og ble anerkjent på Inc. 5000-listen for 2026 for femte år på rad.

Vår nydesignede brukeropplevelse og Legal Context Graph , som først ble introdusert i mai, rulles ut bevisst i stedet for på én gang: en nydesignet kjerneopplevelse tilgjengelig for alle kunder nå, med den AI-drevne Legal Context Graph som følger i privat forhåndsvisning og ingen tvungen migreringstidslinje – et tempo en presentatør oppsummerte som «ikke én stor utrulling, men et kaskadesett med endringer».

Opplevelsen av å være frivillig på ILTACON er unik. Det er virkelig givende å ha muligheten til å samarbeide med andre forretningspartnere og ILTA-medlemmer for å bygge opp denne konferansen, fra samtalene med teamet mitt til arbeidet med foredragsholdere. Det er menneskene som gjør ILTA spesiell, og årets konferanse kan ha vært den beste hittil. Takk til alle som sendte inn en idé til en økt, snakket i et panel eller bare møtte opp klare til å sammenligne notater. Konferanser som denne fungerer bare fordi praktikere er villige til å være så generøse med det de har lært. Hvis årets samtaler er noen indikasjon, vil ikke neste kapittel i juridisk AI vinnes av den som beveger seg raskest. Det vil vinnes av den som bygger det mest pålitelige fundamentet.

Hold samtalen i gang

Hvis denne artikkelen får deg til å tenke på hvordan din egen organisasjons kontekst faktisk ser ut akkurat nå – og om den vil holde stand i en test som den som er beskrevet ovenfor – arrangerer NetDocuments et webinar 17. september : Juridisk kontekst: Nøkkelen til pålitelig innhold og bedre AI . Det er et praktisk neste steg, ikke en salgspresentasjon: tid med menneskene bak denne referanseindeksen, en gjennomgang av metodikken og hva som kreves for å anvende den samme tankegangen på dine egne dokumenter. Registrer deg her for å sikre deg plass.