Jeg kan ikke huske sist en administrerende partner spurte meg hvilken modell som scoret høyest på en referanseindeks. Jeg kan huske mange samtaler om styring, adopsjon, sikkerhet og om AI faktisk kan fungere med firmaets kunnskap.

Det er fordi juridiske organisasjoner går inn i en annen fase av AI-adopsjonen. Debatten handler mindre om modeller og mer om hva som ligger bak dem. Disse samtalene fører nesten alltid til samme sted: kontekst. De fleste firmaer har allerede svarene et sted. Utfordringen er å finne riktig informasjon, til rett tid, for riktig sak.

AI har ikke et kunnskapsproblem. De fleste firmaer har det heller ikke. De har et tilgangsproblem. Derfor er vi glade for å se NetDocuments inkludert i OpenAIs koblingsøkosystem som en del av OpenAI for Law.

For å være tydelig, dette er ikke en ny funksjon. NetDocuments-kunder kobler allerede styrt innhold til ChatGPT gjennom Model Context Protocol (MCP). Det som endrer seg er synligheten. Kunder kan nå enklere finne og aktivere NetDocuments i ChatGPT, noe som gjør det enklere å bringe pålitelig juridisk kunnskap inn i AI-opplevelsen de allerede bruker. Det betyr at advokater kan bli værende i ChatGPT mens de får sikker tilgang til den styrte konteksten som allerede ligger i NetDocuments.

Den større historien er hva dette representerer. På tvers av juridisk bransje ser vi et skifte bort fra å behandle AI som en samling av frakoblede verktøy og mot en mer holdbar strategi: å bygge et styrt kunnskapsgrunnlag som kan drive mange AI-opplevelser.

Hva god juridisk AI virkelig trenger

De fleste diskusjoner om AI starter med modellen.

Juridisk arbeid starter et annet sted.

En modell kjenner ikke sakshistorikken din. Den vet ikke hvilken avtale som til slutt ble signert, hvordan et lignende problem ble løst for tre år siden, eller hvilken forhandlingsposisjon teamet ditt brukte med en klient for seks måneder siden.

Informasjonen finnes. Utfordringen er å gjøre den tilgjengelig, sikker og nyttig.

Når ChatGPT er koblet til NetDocuments via MCP, kan de sikkert søke og hente dokumenter, avdekke relevant presedens, sammenligne avtaler, oppsummere informasjon og bistå med utarbeidelse ved hjelp av organisasjonens eget arbeidsprodukt og kunnskap. Det er en fundamentalt annerledes opplevelse enn å be en AI om å finne ut alt fra bunnen av.

Jeg har brukt mye av karrieren min på å hjelpe organisasjoner med å revurdere hvordan juridisk arbeid utføres. Én lærdom dukker opp gjentatte ganger: teknologi skaper mest verdi når den forstår miljøet den opererer i. Juridisk AI er intet unntak.

Hvorfor kontekst er viktigere enn noensinne

En av utfordringene i dagens AI-marked er å skille begeistring fra bevis. Det er en av grunnene til at vi nylig lanserte Legal Context Engineering Benchmark- rapporten.

Målet var enkelt: holde modellen konstant, forbedre informasjonen som er tilgjengelig for den, og måle resultatet. Funnene bekreftet det mange bedrifter allerede opplever i praksis – når AI starter med bedre informasjon, bruker den mindre tid på å søke, mindre tid på å gjette og mer tid på å produsere nyttig arbeid.  

Ved å bruke den samme grensemodellen reduserte en rikere juridisk kontekst kostnaden per riktig svar med 48 %, samtidig som svarkvaliteten ble opprettholdt. For et stort firma eller en juridisk avdeling i en bedrift kan det representere en årlig besparelse på en million dollar. Vi publiserte den fullstendige metodikken , slik at enhver organisasjon kan kjøre testen selv.

Det er et viktig skille, fordi bransjen fokuserte på modeller i den første bølgen av AI-adopsjon. Den neste bølgen vil bli definert av hvor effektivt organisasjoner organiserer, styrer og leverer kunnskapen sin til disse modellene.

Modeller, applikasjoner og leverandører vil fortsette å utvikle seg raskt. De fleste organisasjoner kontrollerer ikke noe av dette.

Det de kontrollerer er sin kunnskap. Sakshistorikk. Presedens. Klientforhold. Arbeidsresultat. Ekspertise. Dette er ikke bare datapunkter. Det er firmaets akkumulerte kunnskap og ekspertise.

Ingen modell kan levere det alene. Det må bygges og styres, og systemet der juridisk arbeid allerede finnes er det naturlige stedet å betjene det fra. På mange måter er det den virkelige konkurransefordelen, og det er akkurat det vår juridiske kontekstgraf er bygget for å fange opp.

Én ting juridiske team lærer raskt, er at svaret sjelden finnes i ett enkelt dokument. Det er spredt på tvers av saker, e-poster, presedens, arbeidsresultater og personene som vet hvor de skal lete. Advokater bruker utrolig mye tid på å rekonstruere disse forbindelsene. Legal Context Graph er utformet for å gjøre mer av dette arbeidet automatisk. Det fungerer på tre nivåer: hva et dokument er og hva det inneholder, hvordan dokumenter forholder seg til hverandre i en sak, og hvor ekspertise og presedens befinner seg på tvers av firmaet. Det er en annen øvelse enn å klassifisere dokumenter etter hvert som de arkiveres.

Én styrt stiftelse, mange AI-opplevelser

Juridiske organisasjoner standardiserer ikke på ett enkelt AI-verktøy. De bruker ndMAX , ChatGPT, Claude, Microsoft Copilot, Gemini Enterprise, Harvey, Legora, Perplexity og en voksende liste med spesialiserte løsninger.

Det er en av grunnene til at vi investerte tidlig i MCP og en åpen, AI-agnostisk arkitektur. Lenge før interoperabilitet ble en stor bransjediskusjon, mente vi at kunder ikke burde måtte gjenoppbygge strategien sin hver gang en ny modell kom på markedet. Vi mener det er feil avveining. Organisasjoner burde ikke måtte velge mellom å ta i bruk nye AI-verktøy og å opprettholde et konsistent kunnskapsgrunnlag med et levende kontekstlag under seg.

Dette blir enda viktigere ettersom bransjen beveger seg utover chat-grensesnitt og inn i agenters arbeidsflyter. Agenter svarer ikke bare på spørsmål. De utfører arbeid. For å gjøre det effektivt trenger de tilgang til den samme informasjonen, relasjonene, tillatelsene og sikkerhetstiltakene som mennesker er avhengige av hver dag.

Verdien ligger ikke i å bygge et nytt fundament for hvert AI-verktøy. Verdien ligger i å bygge det én gang og gjøre det tilgjengelig der det jobbes.

For noen år siden virket ideen om at bedrifter kunne koble ett kunnskapsgrunnlag til flere AI-verktøy ambisiøs. I dag innser mange at det er den eneste skalerbare tilnærmingen.

Styring må reise med kunnskapen

Tilgang til informasjon er selvsagt bare en del av ligningen. Juridiske organisasjoner trenger også tillit til at AI opererer innenfor det samme styringsrammeverket som beskytter informasjonen deres i dag.

Etter hvert som AI-funksjoner blir mer sofistikerte, blir spørsmålene viktigere.

• Hvem har tilgang til informasjon?
• Hvordan håndheves etiske vegger?
• Kan aktiviteten revideres?
• Hva skjer når en agent utfører arbeid på vegne av en bruker?

Det er ikke tekniske spørsmål. Det er forretnings- og risikospørsmål.

Filosofien vår har vært konsekvent helt fra starten av: styring må følge kunnskapen. Når NetDocuments-innhold nås via MCP, gjelder fortsatt eksisterende tillatelser, begrensninger på saksnivå, etiske grenser, oppbevaringsregler og revisjonskontroller. Legal Context Graph kobler ikke bare sammen informasjon; den bærer med seg styringsreglene for den informasjonen, uansett hvilket AI-verktøy som stiller spørsmålet.

Hvert hopp i kapasitet øker innsatsen for styring. Etter hvert som disse systemene blir mer autonome, blir styring viktigere. Bransjen begynner å innse noe vi har trodd på fra starten av: KI alene er ikke fordelen. Kombinasjonen av KI, kunnskap og styring er det.

Neste kapittel

Bransjen går fra eksperimentering til ansvarlighet. Klienter ønsker åpenhet. Firmaledere ønsker målbar verdi. Advokater ønsker teknologi som hjelper dem å bevege seg raskere uten å skape nye risikoer.

Å møte disse forventningene krever mer enn tilgang til den nyeste modellen. Det krever et fundament.

Advokatbransjen lider ikke av modellmangel. Snarere har vi det motsatte problemet. Nye modeller dukker opp med noen måneders mellomrom, og nye assistenter med noen ukers mellomrom. Det er ikke der jeg ser at firmaer sliter.

Den vanskeligste utfordringen er å organisere det firmaet allerede vet, styre det på riktig måte og gjøre det tilgjengelig uansett hvor arbeidet foregår. Derfor har vi investert i MCP, Legal Context Graph, og et åpent økosystem som spenner over ledende AI-modeller, juridiske teknologiplattformer og produktivitetsverktøy.

Hvis firmaet ditt allerede bruker ChatGPT, Claude, Copilot, Gemini eller en annen AI-plattform, er spørsmålet ikke lenger om AI hører hjemme i juridisk arbeid.

Spørsmålet er om det opereres med riktig kunnskap og styring bak seg.

Fordi fremtiden for juridisk AI ikke handler om å velge en vinnende modell. Det handler om å sørge for at alle modeller kan dra nytte av den samme pålitelige kunnskapen og styringsrammeverket.

Lær mer om bransjens første Legal Context Graph og se resultater i Legal Context Engineering Benchmark- rapporten.