Å gå fra spredt eksperimentering til en strukturert tilnærming juridiske team faktisk kan ta i bruk.

Spør en IT-sjef i et advokatfirma eller en juridisk leder i et bedriftsfirma om organisasjonen har rullet ut AI, og det ærlige svaret kan avhenge av hvor de leter.

Det offisielle AI-prosjektet er fortsatt under planlegging. Retningslinjene er fortsatt under evaluering. Opplæringsplanen er ikke ferdig. Men brukerne eksperimenterer allerede. En partner tester et juridisk forskningsverktøy med AI-funksjoner. En medarbeider bruker et offentlig verktøy for å rydde opp i et førsteutkast. En praksisgruppe tester en ny arbeidsflyt. I et mindre firma prøver én administrator å sette retningslinjer samtidig som den støtter brukerne. I et større firma jobber IT, KM, arkivering, risiko, innovasjon og praksisledelse seg gjennom deler av det samme problemet.

Det er utfordringen: Bruk av kunstig intelligens kan spre seg før en organisasjon har en klar driftsmodell for det.

Dette er det som ofte kalles skygge-AI – når advokater og ansatte begynner å bruke AI-verktøy raskere enn organisasjoner kan styre dem.

I ett firma betyr «AI-utrulling» et formelt pilotprosjekt ledet av IT og KM. I et annet betyr det tre partnere som bruker forskjellige verktøy, en medarbeider som limer inn språk på et offentlig AI-nettsted, og en firmaadministrator som prøver å bestemme hva som skal blokkeres. Begge firmaene har et problem med AI-adopsjon. Bare ett er klar over det.

Tenk deg dette scenariet: et advokatfirma med 200 advokater kjører et nøye tre måneder langt pilotprosjekt med generativ AI med én praksisgruppe. Når ledere henter inn faktiske bruksdata i den fjerde måneden, bruker advokater i tre andre grupper allerede offentlige AI-verktøy i aktuelle saker – de hørte om pilotprosjektet og antok at firmaet «brukte AI nå». Pilotprosjektet ledet ikke an i adopsjonen. Det fulgte en etterforskning.

I en juridisk avdeling i en bedrift kan det samme problemet dukke opp når advokater eller team begynner å bruke innebygde AI-funksjoner før juridisk, sikkerhets-, personvern- og juridisk drift har blitt enige om hvordan de skal brukes.

Dette betyr ikke at organisasjonen har mislyktes. Det betyr at det neste steget er viktig.

For juridiske organisasjoner handler vellykket bruk av kunstig intelligens ikke bare om å velge et verktøy. Det handler om å hjelpe folk med å forstå hva som er godkjent, hva som er risikabelt, hva som er nyttig og hvordan kunstig intelligens passer inn i måten juridisk arbeid faktisk utføres på. Uten denne klarheten kan kunstig intelligens-programmer stoppe opp før de skaleres. Verre er det at brukere kan danne vaner som organisasjonen senere må legge fra seg.

Problemet er ikke nysgjerrighet. Det er ukontrollert atferd.

Nysgjerrighet er sunt. Advokater og ansatte er under press for å jobbe raskere, finne informasjon mer effektivt, redusere repeterende oppgaver og forbedre kundeservicen. Det er forståelig at de vil vite hva AI kan gjøre.

Problemet starter når nysgjerrigheten beveger seg raskere enn veiledning.

Hva brukes skygge-AI i advokatfirmaer?

Hvis brukerne ikke vet hvilke verktøy som er godkjent, velger de det som er enklest å få tilgang til. Hvis de ikke forstår hvordan AI-utdata skapes, stoler de enten for raskt på det eller avviser det fullstendig. Når praksisgrupper eksperimenterer på egenhånd, ender firmaene opp med dupliserte pilotprosjekter, inkonsekvent opplæring og ingen felles oppfatning av hva som fungerer.

Det er ikke bare et teknologiproblem. Det er et leveringsproblem.

Firmaet mener de forbereder seg på en kontrollert lansering, mens brukere allerede danner vaner rundt verktøy, ledetekster, snarveier og løsninger. Noen av disse vanene er ufarlige. Noen er nyttige. Noen skaper risiko. Firmaet må vite forskjellen før de utvider tilgangen.

Juridisk AI-adopsjonsrevisjon: 6 spørsmål du bør stille først

Før et firma utvider tilgangen til AI, bør det foreta en inventarvurdering. Dette trenger ikke å bli en seksmånedersvurdering. Det bør være en fokusert gjennomgang som hjelper de riktige personene å forstå hva som allerede skjer. I et stort firma kan det inkludere IT, KM, risiko, innovasjon, opplæring og praksisledelse. I et mindre firma kan det være administrerende partner, firmaadministrator, IT-leder og noen få sentrale praksisledere.

En praktisk revisjon bør svare på seks spørsmål.

1. Hvor brukes AI allerede?

Se utover den viktigste AI-plattformen som evalueres. Inkluder offentlige AI-verktøy, juridiske forskningsprodukter, Microsoft og produktivitetsverktøy, dokumentautomatisering, leverandørtillegg, pilotprosjekter for praksisgrupper, innovasjonseksperimenter og uformell bruk av advokater.

Et firma kan ikke håndtere det det ikke har identifisert.

2. Hvilke verktøy er godkjent, begrenset eller forbudt?

Brukere trenger et klart svar på hva de kan bruke og hvor grensene går. Hvis denne veiledningen er vag eller begravd i en policy, vil folk ta sine egne avgjørelser basert på bekvemmelighet eller jevnaldrendes atferd.

En enkel modell er ofte nok: godkjent for bruk i firmaer, godkjent kun med offentlige data eller testdata, begrenset i påvente av gjennomgang, eller forbudt for klientinformasjon.

3. Hvilken informasjon kan brukes med AI?

Bedrifter trenger praktisk veiledning om klientdata, privilegert materiale, konfidensiell informasjon, interne arbeidsprodukter, offentlig informasjon og testdata.

Brukere skal ikke måtte tolke en policy midt i en tidsfrist. De trenger enkle svar på vanlige scenarier: Kan jeg oppsummere en klientavtale? Kan jeg bruke en avsluttende sjekkliste? Kan jeg be AI om å omskrive en klient-e-post? Kan jeg analysere dokumenter fra en aktiv sak? Endres svaret hvis verktøyet godkjennes av firmaet?

4. Forstår brukerne hva AI kan og ikke kan gjøre?

De fleste brukerne har sett imponerende demoer. Det betyr ikke at de forstår begrensningene.

De trenger å vite når AI hjelper dem med å jobbe med eksisterende materiale, når den genererer et sannsynlig svar, når kildegjennomgang er nødvendig, og når faglig skjønn er avgjørende. Dette er spesielt viktig i juridisk arbeid, hvor et sikkert svar ikke er det samme som et korrekt svar.

5. Hvilke arbeidsflyter er passende å starte med?

De første arbeidsflytene bør være smale nok til å støtte, enkle nok til å gjennomgå og nyttige nok til at brukerne bryr seg.

Gode ​​tidlige kandidater involverer ofte repeterbart arbeid med et definert innholdssett: saksoppsummering, interne statusoppsummeringer, finne tidligere arbeidsprodukter, sammenligning med godkjente maler, gjennomgang av et sett med dokumenter for temaer eller utarbeidelse av en førstegangskronologi. Disse er praktiske fordi brukeren kan sjekke resultatet mot kjent materiale.

6. Hvem eier adopsjonen etter at den er lansert?

Tilgang er bare utgangspunktet. Noen må eie tilbakemeldinger, opplæringsoppdateringer, spørsmål om retningslinjer, bruksgjennomgang, støttemuligheter og beslutninger om hva som skjer videre.

Dette eierskapet kan ikke ligge hos én gruppe alene, selv i mindre firmaer. Noen må eie plattformen, noen må eie policyen, noen må ta arbeidsflytbeslutninger, noen må støtte opplæring, og noen må bestemme hva som er viktigst for firmaet. I et stort firma kan dette ansvaret ligge hos forskjellige team. I et mindre firma kan den samme personen ha flere av disse hattene. Uansett må rollene være tydelige.

Hvorfor juridisk opplæring i AI-kompetanse er viktig

En av de enkleste feilene å gjøre er å anta at brukerne allerede forstår det grunnleggende.

Mange gjør det ikke.

En advokat kan vite at AI kan oppsummere et dokument, men fortsatt ikke vite om sammendraget er basert på riktig dokumentsett. En juridisk assistent kan vite at AI kan utarbeide tekst, men vet kanskje ikke hvilken informasjon som er trygt å inkludere. En praksisgruppe kan ønske at AI skal søke i saksmateriale, men forstår kanskje ikke hvordan tillatelser, dokumentkvalitet, navnekonvensjoner eller saksstruktur påvirker svaret.

Når denne forståelsen mangler, faller brukerne vanligvis inn i ett av tre mønstre: de unngår verktøyet fordi de ikke stoler på det, stoler på resultatet for raskt fordi de ikke forstår begrensningene, eller bruker det inkonsekvent fordi ingen har forklart reglene i praksis.

Grunnleggende KI-kompetanse betyr ikke å lære opp advokater til å bli teknologer. Det betyr å gi brukerne nok kontekst til å ta gode avgjørelser. De bør forstå hva verktøyet er laget for å gjøre, hvilket innhold det har tilgang til, hvordan tillatelser gjelder, hvorfor ledetekster og kontekst er viktig, hvorfor utdata må gjennomgås, og hvor de skal henvende seg med spørsmål.

Den utdanningen må være praktisk nok til å holde mål når noen jobber sent, er under press og prøver å avgjøre om AI kan hjelpe dem med oppgaven de har foran seg.

Opplæringen må følge arbeidet

En generell oversikt over AI er nyttig, men den vil ikke endre atferd av seg selv. Folk tar i bruk verktøy når de kan se hvordan verktøyet hjelper med arbeid de allerede gjør.

Derfor bør opplæring organiseres rundt arbeidsflyter, ikke bare funksjoner.

For et rettstvistteam kan det bety å bruke AI til å utarbeide et sakssammendrag i første omgang, identifisere viktige dokumenter, lage en kronologi eller hente temaer fra et definert dokumentsett.

For et transaksjonsteam kan det bety å sammenligne et utkast med en godkjent mal, sjekke en bestemmelse mot klientstandarder eller finne lignende formuleringer fra tidligere avtaler.

For firmaer uten en formell KM-funksjon kan det være så enkelt som å hjelpe advokater med å finne eksempler på hvordan firmaet håndterte et lignende problem, en klientforespørsel, en klausul eller et lignende forslag. I større firmaer kan det samme konseptet bli en del av en bredere kunnskapsstrategi.

For forretningstjenesteteam kan det bety å opprette interne overleveringsnotater, oppsummere statusoppdateringer, gjennomgå fakturafortellinger eller redusere manuell dokumentgjennomgang.

Målet er ikke å lansere alle brukstilfeller på én gang. Målet er å starte med arbeidsflyter der innholdet er passende, resultatet kan gjennomgås og fordelen er tydelig.

Det er slik brukerne bygger tillit. Det er også slik firmaet lærer hvilken støtte, avklaring av retningslinjer og tilleggsopplæring som er nødvendig.

AI er bare så god som innholdet den kan nå

For juridiske team er AI bare så nyttig som innholdet den kan jobbe med, og bare så trygt som kontrollene rundt innholdet.

Juridisk arbeid avhenger av sakens kontekst, presedens, klientbegrensninger, dokumenttillatelser, oppbevaringsregler og taushetsplikt. I større firmaer kan dette også inkludere etiske grenser, komplekse sikkerhetsmodeller og formelle informasjonsstyringsprogrammer. I mindre firmaer kan kontrollene være enklere, men forpliktelsen til å beskytte klientinformasjon er den samme.

Derfor spiller dokumenthåndteringssystemet en viktig rolle i den juridiske AI-strategien. DMS er der mye av firmaets arbeidsprodukt, sakshistorikk, sikkerhetsmodell og styringsstruktur allerede befinner seg. Når AI fungerer i dette miljøet, er brukerne bedre posisjonert til å stille spørsmål om firmaets eget materiale samtidig som de holder seg innenfor kontrollene firmaet allerede er avhengig av.

Poenget er ikke å gjøre AI til enda et frakoblet mål. Poenget er å bringe AI inn i systemene og arbeidsflytene der juridisk arbeid allerede håndteres.

Go-live er ikke målstreken

Et firma kan muliggjøre AI for hundrevis eller tusenvis av brukere og fortsatt ikke ha noen reell adopsjon. Tilgang alene beviser ikke verdi.

Før lansering bør bedriftene bestemme hvordan de vil evaluere om utrullingen fungerer. Tiltakene trenger ikke å være komplekse. Et mindre firma kan spore hvilke brukere som prøver verktøyet, hvilke spørsmål de stiller, og om det sparer tid på noen få avtalte arbeidsflyter. Et større firma kan spore adopsjon etter kontor, praksisgruppe, rolle eller sakstype.

I begge tilfeller inkluderer nyttige målinger hvilke arbeidsflyter som får fotfeste, om brukerne kommer tilbake etter opplæring, hvilke spørsmål som reises, om veiledning må avklares, og om verktøyet reduserer innsatsen i spesifikke oppgaver.

Den mest nyttige tilbakemeldingen kommer ofte etter de første ukene. Det er når brukerne går forbi den første demonstrasjonseffekten og begynner å bruke AI i det virkelige arbeidet. Bedrifter trenger en prosess for å fange opp tilbakemeldingene, oppdatere opplæring, forbedre veiledningen og bestemme hvilke brukstilfeller som er klare for utvidelse.

Implementering av AI bør behandles som en kontinuerlig leveringsprosess, ikke en engangslanseringshendelse.

Hvor bedriftsledere bør starte

For bedrifter som allerede er i gang, trenger ikke det neste steget å være komplisert. Det må være bevisst.

Start med tre handlinger.

1. Identifiser den nåværende tilstanden.

Dokumenter hvor AI allerede er i bruk, hvilke verktøy som er godkjent, hvilke pilotprosjekter som er aktive og hvor uformell eksperimentering skjer.

2. Definer reglene for engasjement.

Avklar godkjente verktøy, forventninger til databruk, krav til gjennomgang, begrenset eller forbudt bruk og eskaleringsveier. Gjør veiledningen praktisk nok til å kunne anvendes uten å tolke retningslinjene.

3. Tren rundt ekte arbeidsflyter.

Gå lenger enn bare brede demonstrasjoner. Start med kontrollerte arbeidsflyter der innholdet er kjent, resultatet kan gjennomgås, og organisasjonen kan se om arbeidet ble bedre.

Disse trinnene hjelper bedrifter av alle størrelser med å gå fra spredt eksperimentering til et program som brukerne kan forstå, lederne kan støtte, og som bedriften kan forbedre seg over tid.

Juridisk AI-suksess starter før skalering

De juridiske organisasjonene som lykkes med AI vil ikke nødvendigvis være de med flest AI-verktøy. De vil være de som velger verktøyene og bruksområdene sine med vilje, anvender dem der de tilfører verdi og skalerer det som fungerer.

De vil vite hvor AI allerede brukes. De vil definere hva som er tillatt. De vil lære bort det grunnleggende før de forventer avansert bruk. De vil koble opplæring til reelle arbeidsflyter. De vil forankre AI i bedriftsstyrt innhold. Og de vil måle hva som skjer etter lansering.

Juridisk bruk av kunstig intelligens stopper opp når bedrifter antar at tilgang er nok.

Det er det ikke – og kostnadene viser seg som bortkastede lisenser, forlatte arbeidsflyter og advokater som tidlig bestemte seg for at AI ikke kunne hjelpe dem.

Veien til meningsfull implementering starter med leveringsberedskap: klare forventninger, forberedte brukere, praktiske arbeidsflyter og en plan for å gjøre tidlig eksperimentering om til bedre arbeid.

For bedrifter som allerede utforsker KI, er spørsmålet ikke bare hva teknologien kan gjøre. Det er om bedriften er klar til å hjelpe folk med å bruke den ansvarlig, konsekvent og i arbeidsflyten.

Kommer neste gang i serien

Artikkel to tar for seg hvordan man velger de første lovlige bruksområdene for AI. Hvilke arbeidsflyter gir brukertillit tidlig, og hvilke hindrer adopsjonen i det stille? Følg med for å lære mer.