Juridisk AI är lättare att köpa in och svårare att utvärdera än för två år sedan. Utbudet omfattar numera applikationer för forskning och utformning av dokument, AI som är direkt integrerad i dokumentsystem samt allmänna AI-plattformar som är kopplade till juridiskt arbete.

Modellen är numera bara en del av beslutet. Vad den kan åstadkomma, vilka kontroller som följer på informationen, om juristerna fortsätter att använda den efter den första månaden och om något av detta ger mätbart värde – allt detta avgör i allt högre grad om tekniken fungerar i praktiken.

1. Vad juridisk AI innebär år 2026

Juridisk AI är artificiell intelligens, vanligtvis baserad på stora språkmodeller (LLM), som tillämpas på juridiskt arbete inom ramen för de begränsningar som utmärker just detta arbete: advokatsekretess, konfidentialitet, ärendets sammanhang, noggrannhet vid källhänvisningar samt regler om yrkesansvar.

Det finns numera gott om kompetenta och säkra modeller, och det gäller såväl verktyg för allmänna ändamål som verktyg specifikt avsedda för juridik. Det som ingen av dem har i sig är kunskap om just er byrå eller organisation: vilka rättsfall er verksamhetsgrupp faktiskt använder sig av, vilka ärenden som omfattas av etiska barriärer, vilken version av ett dokument som är aktuell eller vad en klients riktlinjer tillåter. Den kunskapen finns i de system som ni har ägnat år åt att bygga upp, och AI:n måste på något sätt få tillgång till den.

Juridisk AI finns numera i tre former. Dels finns det AI som är inbyggd i de säkra system där det juridiska arbetet och innehållet redan finns. Dels finns det specialiserade applikationer som är utformade kring specifika juridiska arbetsflöden. Och dels finns det allmänna AI-plattformar som är kopplade till juridiska system och innehåll. De flesta organisationer kommer att använda någon form av kombination, vilket gör att den relevanta frågan inte så mycket handlar om vilken kategori som vinner, utan snarare om vilka data varje kategori har tillgång till, vilka kontroller som gäller för informationen när den väl hamnar där, och vilket arbete som förbättras som ett resultat av detta.

2. Områden där laglig AI skapar värde

Fyra kategorier står för en stor del av det redovisade värdet, även om deras rangordning varierar beroende på verksamhetsområde och organisationens storlek, samt vilka data de har tillgång till.

Utarbetande och granskning: Första utkast till avtal, promemorior och korrespondens, samt granskning av inkommande dokument mot era riktlinjer eller en kunds dokument. Detta är den vanligaste användningen enligt undersökningarna om AI-användning, främst eftersom den direkt överensstämmer med arbete som redan registreras och faktureras. Den är i hög grad beroende av kvaliteten på föregående dokument, eftersom AI-genererade utkast baserade på ett oorganiserat eller föråldrat mallbibliotek resulterar i välformulerade versioner av felaktigt innehåll.

Hämtning av kunskap och tidigare exempel: Att ta fram tidigare arbetsresultat från det egna arkivet istället för från det öppna nätet. Resultaten begränsas av vad AI:n kan se och enkelt ta fram. En modell som arbetar med en ofullständig samling kommer ändå att ge säkra svar, vilket är ett fel som är svårare att upptäcka än en direkt vägran.

Utdrag ur flera dokument: Att extrahera strukturerad information från en uppsättning dokument på en gång, till exempel för due diligence, granskning av avtalsportföljer eller för att skapa en kronologi. Det är här AI oftast ersätter timmar snarare än minuter, och där källhänvisningar är som viktigast, eftersom resultatet blir en tabell som någon kommer att agera utifrån utan att öppna varje enskild underliggande fil.

Ärende- och arbetsflödesintelligens: Sammanfatta ärenden, extrahera datum och åtaganden samt besvara frågor om statusen för pågående arbete. Intresset ökar snabbt och detta är det minst utvecklade av de fyra områdena, eftersom det är svårare att förstå ett ärende än att ta fram ett dokument.

Införandet och utgifterna ökar snabbare än mätningarna. Thomson Reuters fann att 41 % av advokatbyråerna uppgav att de använde generativ AI år 2026, en ökning från 28 % året innan, och byråernas teknikbudgetar ökade med nästan 10 % under samma period. Axioms interna undersökning från 2026 visade att endast cirka 17 % av de juridiska team som använder AI har fastställt mätvärden och regelbundet följer upp avkastningen, samtidigt som alla tillfrågade team förväntade sig att deras AI-budget skulle öka. Många organisationer kan beskriva vad deras AI gör. Färre kan beskriva vad som förändrats tack vare den och vilket värde den skapar. För alla fyra kan kvaliteten och tillgängligheten hos det underliggande innehållet vara lika viktigt som den modell som bearbetar det.

3. Vad som egentligen är viktigt vid utvärdering av juridisk AI

De flesta utvärderingar lägger för stor vikt vid demoversionen, vilket är den del av processen som leverantören har störst kontroll över. Fem faktorer avgör om en plattform håller måttet i det långa loppet. De väger inte lika tungt längre. Funktionskapacitet är nästan en självklarhet, medan sammanhang och kontroll är de områden där plattformarna verkligen skiljer sig åt, och det är införandet och värdet som bör avgöra om något av detta överlever det första året.

(1) Kapacitet

Kan den utföra uppgiften på ett tillförlitligt sätt, och kommer användarna att märka när den inte gör det?

Påhittade källhänvisningar är den typ av misslyckande som har den tydligaste offentliga dokumentationen. En offentlig databas över domstolsbeslut, som underhålls av juridikforskaren Damien Charlotin, innehöll ungefär 200 fall i mitten av 2025 och hade passerat 1 590 i juni 2026, med påföljder som nu uppgår till sexsiffriga böter och avstängningar från advokatsamfundet. I dessa data förekommer juridiska verktyg vid sidan av allmänna chattbotar, och en studie från Stanford RegLab visade att även betalda plattformar för juridisk forskning som bygger på informationssökning gav osakliga svar på en betydande andel av förfrågningarna. Domstolarna har generellt sett varit hårdare mot advokater som inte kunde redogöra för vad de hade kontrollerat än mot användningen av AI i sig.

Inget trovärdigt system kan ersätta behovet av verifiering, så det är just verifieringen som ska utvärderas. Hur snabbt kan man se vilken källa som ligger bakom en viss mening eller ett citat, öppna den och bekräfta att den verkligen säger det som AI:n hävdar? Ett verktyg som gör att kontrollen tar några sekunder kommer att användas. Ett verktyg som gör att det tar flera minuter kommer att användas – tills den första riktiga tidspressen sätter in.

(2) Sammanhang

Vad kan AI:n egentligen åstadkomma, och hur avgör den vad som är relevant?

Enbart tillgång ger inte någon användbar kontext. AI som har tillgång till en utvald delmängd av ert innehåll fungerar bra i en demonstration men blir en besvikelse i praktiken. AI som har tillgång till allt – inklusive föråldrade utkast och övergivna ärenden – ger säkra svar som bygger på dokument som ingen borde förlita sig på. Relevans, behörigheter och aktualitet måste alla upprätthållas även när ditt team lägger till, ersätter och omorganiserar innehåll. Fel i detta avseende är ofta svårare för användarna att upptäcka än brister i modellens kvalitet. Fråga hur relevansen fastställs och vad som händer när det rätta svaret inte ingår i omfattningen.

(3) Kontroll

Gäller era befintliga behörigheter, etiska gränser, revisionskrav, lagringsriktlinjer och kundbegränsningar fortfarande, eller inför AI:n en andra uppsättning som ska hållas synkroniserad med den första?

En del av detta bör ingå i avtalet: om era uppgifter används för att träna leverantörens modeller, var de behandlas och lagras, samt vad som händer med inmatningar och utdata efter en session. Vissa leverantörer tillämpar också automatiserade eller manuella granskningsprocesser för innehåll som flaggats av deras säkerhetssystem, vilket kan omfattas av andra regler för lagringstid än vid vanlig användning. Juridiska avdelningar bör förstå vad som utlöser dessa granskningar, om kundinnehåll kan ingå, vem som har åtkomst till det och hur länge informationen får lagras. Resten är en fråga om arkitektur och handlar om huruvida AI-verktyget ärver behörigheter och säkerhetsbarriärer från system som ni redan underhåller eller tvingar er att bygga upp dem på nytt inuti verktyget.

Yrkesansvaret utgör en ytterligare dimension som företag ofta först uppmärksammar i ett sent skede. Beroende på verktyget, hur det hanterar kundinformation och vilken typ av uppdrag det rör sig om, kan gällande etiska riktlinjer kräva informerat samtycke eller informationsplikt, och de allmänna formuleringarna i ett uppdragsavtal kanske inte räcker i sig. Kundriktlinjer innehåller i allt högre grad egna krav gällande AI, och många organisationer har inte läst igenom sina egna riktlinjer sedan de undertecknades – vilket kan ha skett innan AI överhuvudtaget var en faktor att beakta.

Manuell flyttning av dokument medför ytterligare en aspekt att beakta. När användare upprepade gånger laddar ner, laddar upp eller kopierar reglerat innehåll mellan system uppstår ytterligare friktion i arbetsflödet för organisationen, och det kan också innebära att man måste hantera ytterligare kopior. I stor skala kan styrningen inte förlita sig på att varje användare kommer ihåg vart innehållet har flyttats eller vilka kontroller som ska gälla för det.

(4) Adoption

Kommer användarna att använda den om sex månader, och kommer du att veta vad de använder den till? Rena användningssiffror döljer mer än de avslöjar. De visar inte vad användarna åstadkommer, om det hänger ihop med något som företaget försöker uppnå, eller om tre team i tysthet arbetar med samma sak eftersom ingen har samordnat arbetet.

De flesta utvärderingar behandlar detta som en fotnot, men det är just här som införandet i tysthet misslyckas. Mer än hälften av företagen uppger att de inte erbjuder någon utbildning i ansvarsfull användning av AI, vilket innebär att en stor del av den nuvarande användningen sker utan stöd eller vägledning om godtagbar användning – något som gör att användarna känner sig mindre trygga och utsätts för betydligt större risker. Varje ytterligare arbetsflöde och nytt system medför extra krångel och uppgiftsväxlingar, och även ett verktyg med bättre prestanda kan fortfarande vara besvärligt om användningen innebär att man upprepade gånger måste lämna de applikationer där användarna redan arbetar och resulterar i tidskrävande manuell kontroll av riktigheten. Fråga hur användningen ser ut efter 90 och 180 dagar hos leverantörens befintliga kunder, snarare än vid lanseringen, och kräv att få reda på det faktiska värdet de får utöver enkla användningsmått.

(5) Värde

Kan du visa att något har förbättrats? Hänger det ihop med affärsstrategin?

Det är få team som konsekvent mäter avkastningen eller beaktar sin affärsstrategi innan de tar AI-verktyg i bruk, så bara genom att definiera vad som räknas som framgång redan innan implementeringen får organisationen ett försprång framför större delen av marknaden. Välj ett utgångsvärde som du kan mäta redan nu, till exempel den tid det tar att hantera en viss typ av dokument eller handläggningstiden för en viss kategori av förfrågningar.

Värdet i juridiskt arbete kan inte heller reduceras till sparad tid. De etiska riktlinjerna är tydliga med att tid som läggs på att lära sig ett verktyg i allmänhet inte är fakturerbar och att en arbetstimme är en timme på fakturan. Vid timdebitering kan därför effektivitet skapa en konflikt med intäkterna just när det gäller det utformnings- och forskningsarbete som AI först tar över. Beroende på organisationen kan argumentet istället handla om kapacitet, handläggningstid, resultat, kvalitet, kundupplevelse eller förmågan att ta sig an uppdrag som man tidigare avböjt. Att avgöra vilka av dessa aspekter man ska satsa på är en del av att definiera värdet i relation till affärsstrategi och kundnöjdhet, snarare än en separat diskussion om fakturering.

4. Frågor du bör ställa innan du köper

Kapacitet

• Kan varje utdata spåras till ett specifikt källdokument?
• Hur verifierar en användare ett svar, och hur många steg krävs det?
• Vad gör systemet när det inte har något bra svar?

Sammanhang

• Vad har AI-plattformen tillgång till, och vad ingår inte?
• Hur avgör systemet vilka dokument som är relevanta?
• Vad händer när innehåll läggs till, ersätts eller omorganiseras?

Kontroll

• Används våra uppgifter för att träna modeller, vare sig det är för vår räkning eller för någon annans, och kommer ni att förbinda er till detta i avtalet?
• Var behandlas och lagras våra uppgifter, och uppfyller detta våra kunders krav på hemvist?
• Överför AI:n våra befintliga behörigheter och etiska gränser, eller krävs det en separat modell?
• Vad händer om behörigheter eller väggar ändras efter driftsättningen?
• Vad sparas efter ett besök, och hur länge?
• Hur fastställs, granskas och bevaras känsligt innehåll?

Adoption

• Är detta integrerat i de verktyg som våra medarbetare redan använder, eller kräver det ett separat arbetsflöde?
• Har personalen fått tillräcklig utbildning och riktlinjer för godtagbar användning för att stärka deras självförtroende och minska riskerna för organisationen?
• Hur ser den kontinuerliga användningen ut efter 90 respektive 180 dagar hos era befintliga kunder?
• Hur använder människor verktygen och vilket värde får de ut av dem?
• Säkerställer samordningen att det inte förekommer dubbelarbete?

Värde

• Vilka utgångsvärden bör vi fastställa innan driftsättningen?
• Vilka resultat har era kunder mätt, utöver användningen eller den tid som sparats?
• Hur påverkas prissättningen när användningen ökar?

5. Hur vi kommer fram till en slutsats i den här frågan

Den röda tråden genom alla fem kriterierna är att själva modellen är mindre viktig än det som omger den. Effektiva AI-modeller och verktyg blir alltmer tillgängliga och kommer att fortsätta att förbättras. Den kunskap som finns inom er organisation, de kontrollmekanismer som styr vem som har tillgång till den samt hur detta påverkar medarbetarnas arbetsdagar och er affärsstrategi bör vara mer bestående än de verktyg ni använder för att hantera den.

Det är tankegången bakom NetDocuments strategi för AI inom juridik: att integrera AI i reglerat innehåll där behörigheter och etiska gränser redan finns, samtidigt som innehållet på ett säkert sätt kan samverka med de andra AI-verktyg som jurister väljer att använda. I praktiken innebär detta allt från sökning i naturligt språk i hela arkivet till strukturerad utdragning med hänvisningar tillbaka till källan.

Frågorna ovan gäller oss precis lika mycket som alla andra, och det är värt att ställa dem oavsett om vi finns med på din lista eller inte. Om du ska göra en sak inför ditt nästa möte med en leverantör, välj då en återkommande uppgift och fastställ en utgångspunkt för hur den utförs idag. Då har du något konkret att jämföra tekniken med.