Varje sommar samlas tusentals människor som utvecklar, köper in och förvaltar tekniken bakom juridiskt arbete under en vecka för att utbyta erfarenheter på ILTACON, den årliga konferensen som anordnas av International Legal Technology Association (ILTA). Om du aldrig har varit där kan jag kortfattat beskriva det så här: det är inte en mässa som kretsar kring en enskild leverantörs utvecklingsplan. Det är en sammankomst som drivs av branschaktörer, med över 80 utbildningssessioner i år som valts ut bland mer än 400 förslag som lämnats in av ILTA-gemenskapen själv.

Jag hade förmånen att arbeta som volontär hos ILTA och hjälpa till att samordna flera av dessa sessioner, allt från att intervjua talarna till att vägleda dem när de utformade sina talmanus för sina sessioner.

Den röda tråden som förenade alla sessioner i år var följande: juristbranschen har slutat diskutera om man ska använda AI och har istället börjat fundera över hur man ska ta ansvar för den – när det gäller kostnaderna, styrningen och de människor som faktiskt måste använda den.

Det här är det som gjorde störst intryck på mig.

Uppgörelsen: Från experiment till ansvarsskyldighet

Under de senaste åren har de flesta organisationers AI-strategi i princip bestått av entusiasm och ett kreditkort: testa allt, oroa dig för notan senare. Josh Baxter, VD för NetDocuments, beskrev denna fas med ett vanligt uttryck: ”tokenmaxxing” – att uppmuntra människor att använda AI, använda mer av det, experimentera med allt – det finns inga gränser. Med införandet av förbrukningsbaserad prissättning istället för en ”all-you-can-eat”-buffé med tokens är den fasen på väg att ta slut. Nu inför istället många organisationer ransonering – användningsbegränsningar, budgetar och beslut om vem som får tillgång till vilka verktyg.

Siffrorna förklarar varför. Intäkterna hos de stora byråerna har ökat med mer än 12 % under årets första sex månader, samtidigt som efterfrågan på juridiska tjänster (mätt i arbetade timmar) har stigit med 4,8 %.  Samtidigt trycker kunderna hårt på att AI ska sänka deras kostnader. Torsdagens avslutande keynote, en sammanfattning av samtalen från ILTA:s ledarskapsmöten G100 och G200, modererad av NetDocuments produktchef Dan Hauck, underbyggde denna oro med konkreta siffror.

De AI-utgifter som företagen redovisar varierar enormt, från ungefär 100 000 dollar till så mycket som 35 miljoner dollar, och en grov tumregel börjar ta form inom branschen att de totala AI-utgifterna bör ligga någonstans runt 1 % av omsättningen. Lägg till detta en användningsbaserad prissättning – där kostnaden beror på hur mycket ett verktyg används – och många finans- och innovationschefer känner en tyst oro över kostnader som är svåra att förutse i förväg.

En färsk undersökning från Gartner bland mer än 780 IT-chefer visade att endast 28 % av användningsfallen för AI blir fullständiga framgångar och uppfyller förväntningarna på avkastning på investeringen (ROI). En av CIO:erna i panelen gav veckans mest ärliga syn på hur man mäter avkastning på en snabbt föränderlig marknad: ”De verktyg vi har idag är inte samma verktyg som vi kommer att ha imorgon … så vill jag verkligen lägga 500 timmar på att beräkna avkastningen på investeringen idag? Det är en meningslös tanke. Så länge avkastningen är positiv, gå vidare.” En annan paneldeltagare omformulerade hela övningen till ”misslyckas snabbt, avkastning på insats” snarare än avkastning på investering – en distinktion som är viktig när verktygen själva har en livslängd som mäts i månader.

Samma panel lyfte fram något som är värt att fundera över, oavsett vilken bransch man verkar inom. James McKenna, IT-chef på Foley & Lardner, beskrev hur han sett kunderna utvecklas – enligt hans egna ord – från ”man kan inte använda AI” till ”vilken AI använder ni?” och nu helt enkelt till ”berätta för oss hur ni använder AI”. Efterfrågan på AI har i tysthet förvandlats till en efterfrågan på transparens och enkel prissättning. ”Man måste förstå hur mycket det kostar att få ett svar”, som han uttryckte det. ”Gör inte faktureringen onödigt komplicerad. Håll det enkelt.”

Det märks även i hur företagen ser på sin egen affärsmodell. En session med titeln ”The Billable Hour Paradox: Making Non-Billable Work Visible (And Valuable)” tog upp samma spänning ur ett annat perspektiv, och torsdagens panel ägnade mycket tid åt vad en paneldeltagare kallade ”uppkomsten av den juridiska ingenjören” – nya roller som befinner sig mellan jurist, tekniker och kunskapshanterare, eftersom det krävs en annan teamsammansättning för att leverera juridiska tjänster lönsamt i en värld där prissättningen baseras på förbrukning än när man levererar dem enligt fakturerbar timtid.

Gartner har börjat benämna denna förändring direkt och beskriver den disciplin som organisationer nu behöver som”kontextingenjörskonst”– något som används för att ”förbättra noggrannheten i AI-modellernas resultat, öka relevansen och minska användningen av token, vilket därmed sänker driftskostnaderna”. Oavsett vad man kallar det är budskapet detsamma: diskussionen har gått från ”använder vi AI?” till ”kan vi bevisa vad det är värt?”.

Kontexten är den tillgång som ger avkastning över tid

Den mest användbara mentala modellen jag hörde under hela veckan var också den enklaste, och NetDocuments använde den för att inleda vårt eget företagsuppdatering: tre saker avgör om en AI-agent faktiskt är bra på sitt jobb:

• Modellen som ligger under den,
• Harnessen (applikationen eller assistenten) som byggts upp kring den, och
• Det sammanhang som programmet kan utnyttja under tiden det körs.

Modellerna hyrs in; de uppgraderas och byts ut enligt laboratoriets tidsplan, inte enligt din.

Seleanläggningarna byts ut hela tiden, och de flesta organisationer använder redan fler än en.

Kontexten – det organiserade och reglerade arkivet av en organisations egna dokument, tidigare beslut och institutionella kunskap – är det enda skiktet som en organisation faktiskt äger, och det enda av de tre som växer istället för att nollställas varje gång ett verktyg byts ut.

Denna skillnad går att testa – det är inte bara en slogan. NetDocuments publicerade ”Legal Context Engineering Benchmark” för att mäta vad ett bättre sammanhang är värt – både i termer av svarens kvalitet och i dollar – genom att ställa samma 300 frågor till en fast AI-modell och ett fast verktyg/en fast applikation, där endast det sammanhang som agenten hade tillgång till ändrades. I ett testfall baserat på en verklig fusion, med bristfällig kontext, fick svaret betyget 0,10/1,0; med rikare kontext blev betyget 0,67 – nästan sju gånger bättre.

I 300 testfrågor som omfattade 10 verkliga juridiska ärenden gällde samma mönster: ett bättre sammanhang gjorde att det blev ungefär 48 % billigare att komma fram till rätt svar, utan att noggrannheten påverkades, och fördelen blev tydligare hos mer avancerade modeller än hos svagare – vilket ligger till grund för en beräknad årlig besparing på 942 000 dollar för en byrå med 2 000 användare.

Gartners undersökning pekar i samma riktning: företag rapporterar en ökning av träffsäkerheten med cirka 30 % för agentbaserad AI när det finns ett starkt sammanhang. NetDocuments har offentliggjort sin fullständiga metodik just för att alla organisationer ska kunna genomföra samma test på sina egna dokument, istället för att bara lita blint på resultaten. Slutsatsen är att sammanhanget drastiskt minskar användningen av token och kostnaderna för AI.

Under veckan presenterades också ett verkligt användbart och leverantörsneutralt verktyg för att sålla bort allt brus: fem frågor att ställa nästa gång någon – inklusive en leverantör som du redan använder – hävdar att deras produkt har ”kontext”.

• Vad är det egentligen som systemet förstår eller extraherar ur dina dokument?
• Hur hittar den den relevanta information den behöver?
• Vems behörigheter avgör vad AI:n kan hämta?
• Kan den reglerade miljön omfatta de AI-verktyg som er organisation faktiskt väljer?
• Och vilka belägg finns det för hur detta påverkar svarskvaliteten och kostnaden?

Arkitekturen är viktig, men det är även fakta.

Det är värt att precisera vad begreppet ”kontext” omfattar, eftersom de flesta leverantörer, inklusive NetDocuments, flera olika tekniska lager under ett och samma ord: automatisk klassificering och metadatautvinning som inte kräver någon konfiguration, anpassad profilering som en organisation konfigurerar för sin egen taxonomi, semantisk sökning som hittar innebörd snarare än bara nyckelord, och ett sammanlänkande nätverk som knyter samman dokument, personer och ärenden – vilket fortfarande befinner sig i privat förhandsvisning vid tidpunkten för årets konferens och inte är en färdig lanserad funktion som alla kunder har idag. Att behandla dessa som en enda sak istället för fyra är precis hur påståendena om ”kontext” blir överdrivna.

Ett annat viktigt diskussionsämne när det gäller kontext var möjligheten att ansluta till en organisations valda AI-verktyg via Model Context Protocol (MCP), jämfört med att behöva flytta filer utanför det primära registersystemet, vanligtvis företagets dokumenthanteringssystem. Bevisen för detta – om de nu är värda något – börjar nu komma från kunderna snarare än från leverantörerna.

Thomas Kline, IT-chef på Stark & Stark, beskrev hur man kopplar samman den AI-drivna sök- och svarsmotorn Perplexity med byråns dokumentarkiv via MCP (mer om detta nedan): ”Ingen uppladdning av dokument. Inget val av filer. Våra advokater pekar helt enkelt ut ett ärende för AI:n, och den arbetar utifrån allt de redan har behörighet att komma åt.” Och Jeff Westcott från Akin gav, under en kundpanel, veckans tydligaste råd till alla som drunknar i punktlösningar: ”Ju mer du kan göra direkt i plattformen, desto bättre.”

Autonomi utan styrning är inte framsteg

I takt med att AI-verktyg går från att besvara frågor till att utföra åtgärder – utarbeta, arkivera, göra korshänvisningar, markera – har uttrycket ”handläggare är användare” dykt upp flera gånger den här veckan. John Motz, teknikchef på NetDocuments, konstaterade under sessionen ”Company Update”: ”Folk börjar inse att handläggare är användare, och att de är riktigt smarta användare, så vi måste tänka på deras åtkomst och behörigheter precis som för en vanlig användare, om inte ännu mer noggrant.”

Pallavi Nargund från Amazon Web Services fortsatte med att beskriva säkerhetsanvändningsfallet mer konkret: kunderna har tillgång till en skiktad, isoleringsbaserad modell där kvantbeständig kryptering redan tillämpas på lagrade dokument, så att även om ett säkerhetsskikt skulle brytas förblir data, minnet och den underliggande hårdvaran oberoende avskilda från varandra, vilket skyddar kundernas konfidentialitet, dataintegriteten och organisationens immateriella rättigheter.

Samma spänning – där ökad autonomi kräver mer styrning – framträdde som ett bärande tema i sessioner som inte hade något samband med varandra: ”Bortom stadgan: Ramverk för AI-styrning som faktiskt fungerar”, ”Den hemliga agenten: När AI börjar agera på egen hand” och ”Materiens rörlighet: Hantering av risk, åtkomst och ansvarsskyldighet” behandlade alla en variant av samma fråga. En frågestund under paneldiskussionen om företagsuppdateringar fokuserade just på denna punkt: går det att spåra vad en agent faktiskt har gjort, steg för steg, och går det att återkalla eller ångra dess åtgärder om något går fel?

Det här är inga hypotetiska frågor när ett AI-verktyg har ständig tillgång till en klients handlingar, i stället för att endast granska det material som en advokat godkänner i efterhand.

Gartners undersökning bekräftar vad som står på spel här: utan en semantisk grund förutser företaget att 60 % av projekten inom agentbaserad AI som enbart förlitar sig på punkt-till-punkt-anslutningar kommer att misslyckas senast 2028. Anslutningen i sig är inte det svåra. Det som måste följa med den – behörigheter, etiska gränser, revisionsspår – är det.

Detta märks redan i hur AI-leverantörer kopplar samman sina produkter. Under veckan tillkännagav Google och NetDocuments en ny koppling mellan Gemini Enterprise for Legal och NetDocuments via Model Context Protocol (MCP), vilket kompletterar befintliga kopplingar till Claude, Microsoft Copilot och Perplexity samt andra juridiska verktyg som Harvey och Legora.

Den bakomliggande designprincipen är värd att ta till sig, oavsett vilka leverantörer man använder: styrningen måste följa med anslutningen automatiskt, inte som en inställning som någon måste komma ihåg att aktivera.

Adoption är ett mänskligt problem, inte ett programvaruproblem

Några av veckans mest praktiska samtal handlade inte alls om banbrytande modeller – de handlade om människor. NetDocuments masterclass, ”Adapt, Adopt, Transform”, inleddes med ett citat från futuristen Alvin Toffler, skrivet för mer än 50 år sedan men som nu känns mer aktuellt än någonsin: ”De analfabeter som 2000-talet kommer att känna till är inte de som inte kan läsa och skriva, utan de som inte kan lära sig, avlära sig och lära om.”

Kathleen Hogan, partner inom juridisk innovation, byggde vidare på detta med dr Larry Richards forskning om”advokatens hjärna”:advokater är utbildade att vara skeptiska (att hitta vad som kan gå fel är deras uppgift), att värdesätta prejudikat framför nyskapande, att sätta självständighet högre än att få order om vad de ska göra, och att helt avfärda ett ofullkomligt verktyg snarare än att felsöka det. Dessa yrkesmässiga styrkor, var hon noga med att påpeka, är inte karaktärsbrister – utan egenskaper som gör att standardmässig förändringshantering slår tillbaka i en advokatbyrå.

Hogan tog även upp begreppet ”Trust Gap” – avståndet mellan vad människor förväntar sig av ledarskapet och vad de faktiskt upplever – som myntats av ledarskapskonsulten Andy Stanley. Under sessionen kopplades ”Trust Gap” även till användningen av AI-verktyg, och det påpekades att det påverkar upplevelsen på ett asymmetriskt sätt: en dålig upplevelse med AI väger tyngre än tio bra, eftersom ”det fungerade inte just den gången” blir hela den historia som människor berättar.

Hon illustrerade detta med ett konkret exempel: en tidig AI-pilot på ett företag bytte i smyg ut en siffra i en kunds telefonnummer, ett fel som ingen upptäckte på länge, just för att ingen höll utkik efter det. Lärdomen var inte ”använd inte AI”. Den var att verifiering måste medvetet byggas in i arbetsflödet, eftersom granskning av AI-resultat i sig är en krävande uppgift som blir sämre just när människor har mest att göra.

Kyle Kissell, chef för NetDocuments team för juridisk innovation, påpekade att det är i klyftan mellan att förstå ett verktyg och att bara använda det för att lösa ett problem som den största besvikelsen ofta uppstår. Han använde en analogi där han bad sin son att klippa gräset och fick precis det, men utan att gräsuppsamlaren tömdes och gräsklippet samlades i säckar, eftersom han inte hade gett sin son dessa specifika instruktioner. Vaga instruktioner leder till bokstavliga, tekniskt korrekta, men ibland värdelösa resultat – oavsett om det gäller en person eller en AI-agent.

Denna inställning återspeglades i ett av mina egna seminarier med titeln ”Människocentrerad AI-implementering: En praktisk handbok för juridiska organisationer och företagsjuridiska avdelningar”. Bland talarna fanns en teknikutbildare, en chef för kunskapshantering, en jurist som ingår i sin byrås innovationsteam samt en av grundarna till Hotshot, ett företag som specialiserar sig på AI-implementering. Man var överens om att inget kan ersätta praktiskt, verklighetsnära arbete inom en plattform för att driva på införandet – kort, vägledd och erfarenhetsbaserad inlärning som är anpassad efter olika användarprofiler och specifik för den aktuella verksamheten.

Detta gäller inte bara advokatbyråer. Det är en påminnelse om att det i vilken bransch som helst sällan är tekniken som utgör flaskhalsen när det gäller införandet av AI. Det handlar istället om huruvida människorna i sin omgivning verkligen förstår hur de ska använda den effektivt i sina specifika arbetsuppgifter och litar på vad den gör.

Ta reda på vad du redan har innan du köper något nytt

Veckans mest förnuftiga råd var också det minst uppseendeväckande: innan du köper något nytt, fundera på vad du egentligen vill uppnå, och låt det arbetsflödet – inte en leverantörs utvecklingsplan – styra investeringen.

Med över 1 200 AI-verktyg som nu konkurrerar om en juridisk köpares uppmärksamhet har en verkligt användbar diagnostisk fråga dykt upp mer än en gång: kan er befintliga teknikplattform redan täcka 80 % av det aktuella arbetsflödet?

Och istället för att gissa var luckorna finns, ta en titt på dina egna loggar över användarfrågor för att se vad folk faktiskt frågar efter. Verkliga användningsdata slår alltid intuitionen.

Samma disciplin gäller även ett steg längre ner, nämligen för de data som ligger till grund för alla AI-initiativ.

Under ett seminarium om hur man bygger upp vad NetDocuments kallar en MCP-kompatibel datamiljö inledde Nate Ruiz från NetDocuments med ett enkelt resonemang som hans medpaneldeltagare instämde i: om man inte vet vilka data man har, vet man inte vad man kan göra med dem – och man vet inte heller vilka data som exponeras för ett generativt AI-verktyg.

Företagen blandar i allt högre grad strukturerade data (den typ som finns i en databas med metadata och en taxonomi som ger sammanhang) med ostrukturerade data (den typ där detaljerna är gömda i dokument och e-post), och de råd som gavs handlade mindre om att välja en enda ”rätt” arkitektur och mer om att bygga upp en ren och välförstådd datagrund innan man lägger till ytterligare AI ovanpå den.

Oavsett vad som händer härnäst – och det dyker upp något nytt varje vecka – har ett företag som redan känner till sina egna data bättre förutsättningar att utnyttja dem.

Så här såg det ut på plats

För den som är nyfiken på detaljerna: NetDocuments har under veckan presenterat en rad uppdateringar som passar perfekt in i dessa teman. Förutom den ovan nämnda jämförelserapporten lanserade företaget nya AI-funktioner för granskning av tabeller och sökning efter rättsliga källor i dokument, tillkännagav integrationen med Gemini Enterprise och tog sig för femte året i rad in på listan Inc. 5000 för 2026.

Vår omarbetade användarupplevelse och Legal Context Graph, som först presenterades i maj, lanseras stegvis istället för på en gång: en omdesignad grundupplevelse är nu tillgänglig för alla kunder, medan den AI-drivna Legal Context Graph följer i en privat förhandsvisning utan någon tidsplan för obligatorisk migrering – en takt som en av presentatörerna sammanfattade som ”inte en enda stor lansering, utan en serie förändringar som följer på varandra”.

Att vara volontär på ILTACON är en unik upplevelse. Att få möjlighet att samarbeta med andra affärspartners och ILTA-medlemmar för att bygga upp den här konferensen är verkligen givande – allt från samtalen med mitt team till samarbetet med föreläsarna. Det är människorna som gör ILTA till något speciellt, och årets konferens var kanske den bästa hittills. Tack till alla som skickade in förslag på sessioner, deltog i paneldiskussioner eller helt enkelt kom dit för att utbyta erfarenheter. Konferenser som denna fungerar bara tack vare att branschaktörer är villiga att så generöst dela med sig av sina kunskaper. Om årets samtal är något att gå efter kommer nästa kapitel inom juridisk AI inte att vinnas av den som rör sig snabbast. Det kommer att vinnas av den som bygger den mest pålitliga grunden.

Håll samtalet igång

Om den här artikeln har fått dig att fundera över hur din egen organisations kontext egentligen ser ut just nu – och om den skulle klara ett test som det som beskrivs ovan – så anordnar NetDocuments ett webbinarium den 17 september: Juridisk kontext: Nyckeln till pålitligt innehåll och bättre AI. Det är ett praktiskt nästa steg, inte ett försäljningssnack: en stund tillsammans med personerna bakom denna jämförelse, där vi går igenom metodiken och vad som krävs för att tillämpa samma tankesätt på dina egna dokument. Anmäl dig här för att säkra din plats.