Granskning av avtal är en av de mest tidskrävande uppgifterna inom alla företags juridiska avdelningar. Jurister och juridiska assistenter ägnar timmar åt att gå igenom alla slags avtal, från sekretessavtal till komplexa avtal med flera parter, varav många är strukturellt identiska, klausul för klausul, avtal efter avtal. Arbetet är repetitivt, har stora konsekvenser och är oavbrutet.

AI förändrar detta. Hur väl den fungerar beror nästan helt på hur den implementeras.

Fördelarna med AI-baserad granskning av avtal

AI-baserad granskning av avtal ger tydliga och mätbara fördelar när den används på rätt uppgifter. Det är här den skapar störst värde för juridiska team.

Hastighet i stor skala

AI kan skanna hundratals sidor på några minuter och snabbt avgöra om en klausul överensstämmer med, avviker från eller saknas i din standardhandbok.

Enhetlighet i alla granskningar

Varje avtal utvärderas utifrån samma kriterier i riktlinjerna, vilket eliminerar de variationer som uppstår till följd av utvärderarens trötthet eller olika individuella bedömningar.

Strukturerad utvinning av nyckeltermer

AI sammanställer parter, ikraftträdandedatum, förnyelsevillkor, betalningsförpliktelser och ansvarsbegränsningar i en överskådlig sammanfattning, utan att en jurist behöver plocka ut varje enskild uppgift manuellt.

Färre försummade åtaganden och försenade deadlines

Dolda uppsägningstider, perioder för automatisk förlängning och milstolpsförpliktelser är lätta att missa när man är pressad av tidsbrist. AI lyfter fram dem med hänvisningar till källdokumentet.

Mer tid för juristerna att ägna åt ärenden med höga skadeståndsbelopp

Genom att ta hand om den repetitiva första genomgången frigör AI tid för juristerna, så att de kan fokusera sin granskning på de komplexa och affärsmässigt känsliga bestämmelserna som kräver verkligt juridiskt omdöme.

De fem arbetsflödena där AI ger störst effekt

Det är inte alla typer av uppdrag som drar lika stor nytta av AI. Här är de fem områden där AI i praktiken brukar ge störst utbyte.

1. Detektering av avvikelser från spelboken

Ett av de tydligaste användningsområdena är att ladda upp er standardförhandlingsstrategi och markera alla klausuler som avviker från era godkända ståndpunkter. AI kan snabbt jämföra inkommande ändringsförslag med era reservståndpunkter och markera varje avvikelse för granskning.

2. Granskning av stora volymer med låg komplexitet (sekretessavtal, arbetsbeskrivningar)

Rutinmässiga avtal med tydligt definierade acceptabla parametrar är idealiska kandidater för en granskning där AI står i centrum. Många team använder AI för att självständigt genomföra en första granskning av godkända mallar, och vidarebefordrar endast undantag och avvikande bestämmelser till juristerna.

3. Utdrag av skyldigheter och tidsfrister

Dolda uppsägningstider, perioder för automatisk förlängning och milstolpsförpliktelser är lätta att missa när man är pressad av tidsbrist. AI extraherar dessa uppgifter till en strukturerad sammanfattning med hänvisningar till originaldokumentet, vilket minskar risken för att man missar ett viktigt datum.

4. Analys av datarummet inom due diligence

Due diligence vid fusioner och förvärv innebär att man måste analysera hundratals avtal inom snäva tidsramar. AI kan snabbt kategorisera avtal, lyfta fram bestämmelser om ägarförändringar, identifiera ovanliga villkor och skapa sammanfattande tabeller – ett arbete som annars är mycket tidskrävande.

5. Jämförelse av avtal och utarbetande av ändringsförslag

AI kan jämföra ett inkommande utkast med ett tidigare avtal eller en standardmall och skapa en kommenterad jämförelselista som markerar alla väsentliga skillnader. Detta är särskilt användbart när motpartens ombud skickar ett kraftigt ändrat dokument och du snabbt behöver få en överblick över ändringarnas fulla omfattning.

Överväganden kring risk och noggrannhet

Granskning av avtal med hjälp av AI är inte felfri, och konsekvenserna av fel i juridiska dokument är påtagliga.

• Kontextsbasering minskar risken för felaktiga resultat: AI-utdata är bara så tillförlitliga som den kontext de bygger på. Verktyg som hämtar information från ditt eget avtalskorpus och din egen handbok – istället för att generera resultat utifrån allmänna träningsdata – minskar avsevärt risken för att en klausul som inte finns där dyker upp eller att en som finns där utelämnas. Manuell granskning av högriskbestämmelser och uppgifter med snävt avgränsad omfattning ger ytterligare en säkerhetsnivå.
• Jämförelse av noggrannhet mot ditt datamaterial: Leverantörernas uppgifter om noggrannhet baseras på datamängder som sällan stämmer överens med din bransch, din jurisdiktion eller din avtalsstil. Genomför alltid en koncepttest på ett urval av dina egna avtal innan du fattar något upphandlingsbeslut.
• Granskningssteg utförda av människor: Juridisk granskning är avgörande under hela processen. AI kan bistå i det inledande steget, men ansvaret för varje bestämmelse vilar på juristen.
• Frågor om dataskydd som du bör ställa till alla leverantörer: Används era data för att träna modellen? Var lagras de och hur länge? Vilka certifieringar har leverantören (SOC 2, ISO 27001)? Dessa frågor är inte valfria. NetDocuments har, som referens, certifieringar enligt SOC 2 Typ II samt ISO 27001, 27017, 27018 och 27701.

Testa AI-baserad granskning av avtal inom er organisation

Ett strukturerat test är en bra utgångspunkt. Här följer en metod i fyra steg.

Steg 1
Välj ett användningsfall för sluten användning

Börja med en enda avtalstyp som har stora volymer, är tydligt definierad och medför relativt låg risk – sekretessavtal (NDA) är ett klassiskt exempel. Detta ger dig en ren testmiljö och gör det möjligt för dig att korrigera kursen i ett tidigt skede.

Steg 2
: Fastställa en referensnivå före införandet av AI

Innan du kör någon AI-analys bör du dokumentera hur lång tid din nuvarande process tar, vilka problem juristerna vanligtvis upptäcker och hur din felfrekvens ser ut. Du behöver en utgångspunkt att jämföra med.

Steg 3
: Genomför ett strukturerat parallellt granskningstest

Låt jurister granska ett antal avtal enligt er befintliga process och kör sedan samma avtal genom AI-verktyget. Jämför resultaten: vad upptäckte AI:n, vad missade den och vad markerade den felaktigt? Testa på minst 25 till 50 avtal för att få statistiskt signifikanta resultat.

Steg 4
: Fastställ din gräns för godkännande/avslag

Innan ni sätter igång bör ni enas om vad som räknas som ”tillräckligt bra”. Vilken träffsäkerhet är acceptabel för just ert användningsfall? Vilken andel falska negativa resultat är acceptabel? Utan i förväg överenskomna kriterier blir beslut om att gå vidare eller avbryta projektet subjektiva och politiska.

Integrera AI med ditt DMS

Granskningen av avtal med hjälp av AI fungerar bäst när den integreras smidigt med ert dokumenthanteringssystem. Ett fristående verktyg som kräver manuell uppladdning skapar hinder och begränsar användningen. När ni utvärderar en leverantör bör ni ställa följande frågor:

• Hämtas informationen direkt från ditt DMS-arkiv, eller måste man ladda upp den manuellt inför varje granskning?
• Skriver systemet tillbaka strukturerade metadata (avtalstyp, avtalsparter, viktiga datum, riskmarkeringar) till era dokumentposter?
• Är det kopplat till dina arbetsflöden för e-signatur och godkännande, eller skapas ett separat spår?
• Hur ser den faktiska tidsplanen för implementeringen ut och vilka IT-resurser krävs? Be om en referens från en kund med en liknande DMS-lösning.

En tight DMS-integration är ofta det som skiljer verktyg som tas i bruk från sådana som överges.

Checklista för köparens utvärdering: Vad man ska tänka på när man väljer ett verktyg för granskning av avtal med hjälp av AI

Innan ni utvärderar ett verktyg bör ni se till att hela teamet är överens om vad som anses vara ”bra” inom följande områden:

• Noggrannhet och testning: Kan ni genomföra en koncepttest på er egen avtalsdatabas innan ni bestämmer er? Hur mäter och redovisar leverantören noggrannheten per avtalstyp och klausulkategori?
• Datahantering: Använder leverantören dina data för att träna eller förbättra sina modeller? Vilka är deras riktlinjer för datalagring, krav på geografisk lagring och säkerhetscertifieringar (SOC 2 Typ II, ISO 27001)?
• DMS-integration: Är det en inbyggd integration eller en ren API-integration? Vilka DMS-plattformar stöds? Hur ser tidsplanen för implementeringen ut?
• Konfigurerbarhet: Kan granskningskriterierna anpassas efter just er handbok och era risktrösklar, eller är ni begränsade till leverantörens standardinställningar?
• Juridisk granskning: Var finns de mänskliga kontrollpunkterna inbyggda i arbetsflödet? Hur hanteras högriskklausuler eller tvetydiga klausuler? Hur ser gränssnittet för eskalering ut i praktiken?