Jeg hører en versjon av den samme samtalen med bedriftsadvokaten nesten hver uke.

De har kjøpt AI-verktøyene. De har kjørt pilotprosjektene. Likevel, når jeg spør hvordan det går, er svaret vanligvis en slags «greit, men ikke slik vi forventet». Juridiske og compliance-team spør fortsatt på nytt, verifiserer fortsatt alt manuelt, og stoler fortsatt ikke helt på det som kommer tilbake. 

En stund antok jeg at dette var et modellproblem – at den neste utgivelsen, det neste kontekstvinduet, den neste referansepoengsummen ville lukke gapet. Det vil det ikke. Gapet ligger ikke i modellen. Det ligger i hva modellen kan se. 

Juridisk og compliance-arbeid har aldri handlet om å finne informasjon. Det handler om å forstå hvordan denne informasjonen er koblet – til en sak, til en forretningsenhet, til en tidligere forhandling, til en risiko som organisasjonen allerede har priset inn én gang før. Interne rådgivere og compliance-medarbeidere bærer dette bindevevet i hodet, i sine forhold til virksomheten, i det institusjonelle minnet til den som tilfeldigvis jobbet med saken eller compliance-initiativet. AI-verktøy har ikke tilgang til noe av dette. De ser hva som helst som lastes opp i et øktvindu, og ingenting annet. Så de svarer selvsikkert, og noen ganger feil, fordi de fyller hull vi aldri ga dem konteksten til å fylle riktig. 

Tallene støtter dette mer enn jeg skulle ønske. McKinsey finner at færre enn 10 % av bedriftene har skalert agentisk AI til reell verdi, og åtte av ti peker på databegrensninger som årsaken. En Stanford RegLab-studie fra 2025 fant at selv spesialbygde forskningsverktøy for juridisk AI hallusinerer mellom 17 % og 33 % av tiden. Det er ikke et problem med modellkvalitet. Det er et kontekstproblem, og det er nettopp derfor vi bygde bransjens første Legal Context Graph . 

Colleen Baehrend, advokat og NetDocuments Legal Solutions Director, og jeg har satt sammen en praktisk veiledning for firmaer som prøver å finne ut hvor de faktisk står – ikke i teorien, men i den daglige virkeligheten av hvordan deres AI-verktøy yter. Det samme kontekstuelle problemet dukker opp like ofte i juridiske, compliance- og risikoteam i regulerte selskaper. Så vi har laget en versjon av den veiledningen for interne rådgivere og compliance-medarbeidere. 

Veiledningen i den juridiske kontekstgrafen om AI-utgifter til AI-påvirkning for juridiske og samsvarsteam i bedrifter går gjennom: 

• Hva en juridisk kontekstgraf er, og hvordan den er forskjellig fra taksonomiene og kunnskapsgrafene organisasjoner har prøvd tidligere. 
• Hva endrer seg for interne advokater, compliance-team og IT når saker virkelig er knyttet sammen, og hvordan det utspiller seg annerledes i rettstvister, etterforskninger, kontrakter, samsvar med regelverk og organisasjoner av alle størrelser. 
• Svar på spørsmålene organisasjonen din faktisk stiller – fra IT- og kunnskapshåndtering, interne rådgivere og compliance-eksperter, HR- og talentledere, samt juridiske og compliance-ansvarlige, slik at alle interessenter finner det som er relevant for dem. 
• En sjekkliste med 10 spørsmål organisert rundt kostnader, nøyaktighet, brukervennlighet, styring og institusjonell kunnskap, som du kan sette deg ned med teamet ditt og svare åpent på på 20 minutter. Det er ingen bestått poengsum – poenget er ikke å få noen til å føle seg akteruthengende. Det handler om å avdekke, spesifikt, hvor gapet mellom det du bruker på AI og det du får tilbake faktisk kommer fra, slik at den neste samtalen om AI-investering er forankret i noe reelt i stedet for nok en leverandørdemonstrasjon. 

AI-modeller vil fortsette å endre seg. Hver og en av dem vil til slutt bli erstattet av noe bedre. Det som ikke vil endre seg, er at organisasjonens kontekst – prosjektene og sakene dine, relasjonene dine, din institusjonelle vurdering, dine regulatoriske posisjoner – må befinne seg et sted som er holdbart nok til å overleve alt dette. Det er grunnlaget denne veiledningen handler om. 

Hvis noe av dette høres kjent ut, start med sjekklisten og se hva den dukker opp.