Jag kan inte minnas när en delägare senast frågade mig vilken modell som fick högst poäng i en jämförelse. Däremot minns jag massor av samtal om styrning, införande, säkerhet och om AI faktiskt kan fungera med byråns kunskapsbas.

Det beror på att juridiska organisationer nu går in i en ny fas när det gäller införandet av AI. Debatten handlar allt mindre om modellerna och allt mer om vad som ligger bakom dem. Dessa diskussioner leder nästan alltid till samma slutsats: sammanhanget. De flesta byråer har redan svaren någonstans. Utmaningen ligger i att hitta rätt information, vid rätt tidpunkt, för rätt ärende.

AI har inget kunskapsproblem. Det har de flesta företag inte heller. De har ett åtkomstproblem. Därför är vi glada över att NetDocuments ingår i OpenAI:s ekosystem av kopplingsmoduler som en del av OpenAI for Law.

För att vara tydlig: detta är ingen ny funktion. NetDocuments-kunder kopplar redan samman reglerat innehåll med ChatGPT via Model Context Protocol (MCP). Det som förändras är sökbarheten. Kunderna kan nu enklare hitta och aktivera NetDocuments inuti ChatGPT, vilket gör det enklare att integrera pålitlig juridisk kunskap i den AI-upplevelse de redan använder. Det innebär att jurister kan stanna kvar i ChatGPT samtidigt som de på ett säkert sätt får tillgång till det reglerade innehållet som redan finns lagrat i NetDocuments.

Det viktigaste är vad detta innebär. Inom hela den juridiska branschen ser vi en utveckling bort från att betrakta AI som en samling isolerade verktyg och mot en mer hållbar strategi: att bygga upp en välreglerad kunskapsbas som kan ligga till grund för många olika AI-tillämpningar.

Vad en riktigt bra juridisk AI verkligen behöver

De flesta diskussioner om AI utgår från modellen.

Det juridiska arbetet börjar någon annanstans.

En modell känner inte till din tidigare erfarenhet. Den vet inte vilket avtal som slutligen undertecknades, hur en liknande fråga löstes för tre år sedan eller vilken förhandlingsstrategi ditt team framgångsrikt använde gentemot en kund för sex månader sedan.

Informationen finns. Utmaningen ligger i att göra den tillgänglig, säker och användbar.

När ChatGPT är anslutet till NetDocuments via MCP kan det på ett säkert sätt söka efter och hämta dokument, hitta relevanta prejudikat, jämföra avtal, sammanfatta information och hjälpa till med utformningen av avtal med hjälp av organisationens egna arbetsresultat och kunskap. Det är en helt annan upplevelse än att be en AI att ta reda på allt från grunden.

Jag har ägnat en stor del av min karriär åt att hjälpa organisationer att ompröva hur juridiskt arbete utförs. En lärdom återkommer gång på gång: tekniken skapar störst värde när den förstår den miljö den verkar i. Juridisk AI är inget undantag.

Varför sammanhanget är viktigare än någonsin

En av utmaningarna på dagens AI-marknad är att skilja på entusiasm och fakta. Det är en av anledningarna till att vi nyligen lanserade rapporten ”Legal Context Engineering Benchmark ”.

Målet var enkelt: att hålla modellen oförändrad, förbättra den information som den har tillgång till och mäta resultatet. Resultaten bekräftade vad många företag redan upplever i praktiken – när AI utgår från bättre information lägger den mindre tid på att söka, mindre tid på att gissa och mer tid på att utföra meningsfullt arbete.  

Med hjälp av samma frontier-modell minskade en mer omfattande rättslig kontext kostnaden per korrekt svar med 48 % samtidigt som svarens kvalitet bibehölls. För en stor byrå eller en företagsjuridisk avdelning kan detta innebära en årlig besparing på en miljon dollar. Vi har publicerat den fullständiga metodiken så att alla organisationer själva kan genomföra testet.

Det är en viktig skillnad, eftersom branschen under den första vågen av AI-införandet fokuserade på modellerna. Nästa våg kommer att präglas av hur effektivt organisationerna strukturerar, styr och förmedlar sin kunskap till dessa modeller.

Modeller, tillämpningar och leverantörer kommer att fortsätta utvecklas i snabb takt. De flesta organisationer har ingen kontroll över detta.

Det de däremot har kontroll över är sin kunskap. Ärendets bakgrund. Tidigare fall. Kundrelationer. Arbetsresultat. Expertis. Det här är inte bara enskilda data. Det är byråns samlade kunskap och expertis.

Ingen modell kan erbjuda detta på egen hand. Den måste byggas upp och styras, och det system där det juridiska arbetet redan bedrivs är den naturliga plattformen för detta. På många sätt är det just detta som utgör den verkliga konkurrensfördelen, och det är precis vad vår Legal Context Graph är utformad för att fånga upp.

En sak som juridiska team snabbt lär sig är att svaret sällan finns i ett enda dokument. Det är utspritt över ärenden, e-postmeddelanden, prejudikat, arbetsmaterial och de personer som vet var man ska leta. Jurister lägger otroligt mycket tid på att återuppbygga dessa kopplingar. Legal Context Graph är utformat för att automatisera en större del av det arbetet. Det fungerar på tre nivåer: vad ett dokument är och vad det innehåller, hur dokumenten förhåller sig till varandra inom ett ärende, och var expertis och prejudikat finns inom byrån. Det är något helt annat än att klassificera dokument när de arkiveras.

En stiftelse, många AI-upplevelser

Juridiska organisationer har inte enhetligt gått över till ett enda AI-verktyg. De använder ndMAX, ChatGPT, Claude, Microsoft Copilot, Gemini Enterprise, Harvey, Legora, Perplexity och en ständigt växande lista över specialiserade lösningar.

Det är en av anledningarna till att vi tidigt satsade på MCP och en öppen, AI-oberoende arkitektur. Långt innan interoperabilitet blev ett hett diskussionsämne inom branschen ansåg vi att kunderna inte borde behöva omarbeta sin strategi varje gång en ny modell kom ut på marknaden. Vi anser att det är en felaktig avvägning. Organisationer borde inte behöva välja mellan att införa nya AI-verktyg och att upprätthålla en konsekvent kunskapsbas med ett dynamiskt kontextlager som underlag.

Detta blir ännu viktigare i takt med att branschen går från chattgränssnitt till agentbaserade arbetsflöden. Agenterna svarar inte bara på frågor. De utför arbete. För att kunna göra det på ett effektivt sätt behöver de tillgång till samma information, relationer, behörigheter och riktlinjer som människor förlitar sig på varje dag.

Värdet ligger inte i att bygga en ny grund för varje AI-verktyg. Värdet ligger i att bygga den en gång och göra den tillgänglig överallt där arbetet utförs.

För några år sedan verkade tanken på att företag skulle kunna koppla samman en kunskapsbas med flera AI-verktyg ganska ambitiös. Idag inser många att det är den enda skalbara lösningen.

Styrningen måste gå hand i hand med kunskapen

Naturligtvis är tillgång till information bara en del av helheten. Juridiska organisationer måste också kunna lita på att AI fungerar inom samma styrningsramverk som skyddar deras information idag.

I takt med att AI-funktionerna blir allt mer avancerade blir frågorna allt viktigare.

• Vem har tillgång till informationen?
• Hur säkerställs att de etiska barriärerna efterlevs?
• Kan verksamheten granskas?
• Vad händer när en ombud utför arbete på en användares vägnar?

Det där är inga tekniska frågor. Det är frågor som rör affärsverksamhet och risker.

Vår filosofi har varit densamma ända från början: styrningen måste följa med informationen. När man hämtar innehåll från NetDocuments via MCP fortsätter befintliga behörigheter, begränsningar på ärendenivå, etiska barriärer, bevarandepolicyer och revisionskontroller att gälla. Legal Context Graph kopplar inte bara samman information; den förmedlar även styrningsreglerna för den informationen, oavsett vilket AI-verktyg som ställer frågan.

Varje steg framåt i kapaciteten höjer kraven på styrning. Ju mer autonoma dessa system blir, desto viktigare blir styrningen. Branschen börjar inse något som vi har varit övertygade om från början: AI i sig är inte fördelaktigt. Det är kombinationen av AI, kunskap och styrning som är det.

Nästa kapitel

Branschen går från experimentfasen till ansvarsskyldighet. Kunderna vill ha insyn. Företagsledarna vill ha mätbart värde. Advokaterna vill ha teknik som hjälper dem att arbeta snabbare utan att skapa nya risker.

För att kunna uppfylla dessa förväntningar krävs mer än bara tillgång till den senaste modellen. Det krävs en grund.

Juristbranschen lider inte av någon brist på modeller. Om något har vi snarare det motsatta problemet. Nya modeller dyker upp med några månaders mellanrum och nya assistenter dyker upp med några veckors mellanrum. Det är inte där jag ser att byråerna har svårigheter.

Den största utmaningen ligger i att strukturera den kunskap som företaget redan besitter, hantera den på rätt sätt och göra den tillgänglig oavsett var arbetet utförs. Det är därför vi har investerat i MCP, Legal Context Graph och ett öppet ekosystem som omfattar ledande AI-modeller, juridiska teknikplattformar och produktivitetsverktyg.

Om din byrå redan använder ChatGPT, Claude, Copilot, Gemini eller någon annan AI-plattform är frågan inte längre om AI hör hemma i det juridiska arbetet.

Frågan är om verksamheten bedrivs med rätt kunskap och styrning som grund.

Framtiden för juridisk AI handlar nämligen inte om att välja en vinnande modell. Det handlar om att se till att varje modell kan dra nytta av samma tillförlitliga kunskaps- och styrningsramverk.

Läs mer om branschens första Legal Context Graph och ta del av resultaten i rapporten ”Legal Context Engineering Benchmark ”.