Jag hör en variant av samma samtal med ledare på advokatbyråer nästan varje vecka.

De har köpt in AI-verktygen. De har genomfört pilotprojekten. Och ändå, när jag frågar hur det går, brukar svaret vara något i stil med ”det går bra, men inte som vi hade förväntat oss”. Juristerna fortsätter att ge nya instruktioner, fortsätter att kontrollera allt manuellt och litar fortfarande inte helt på resultaten. 

Under en tid trodde jag att det här var ett problem med modellen – att nästa version, nästa kontextfönster eller nästa benchmarkresultat skulle överbrygga klyftan. Men så blir det inte. Klyftan ligger inte i modellen. Den ligger i vad modellen kan se. 

Juridiskt arbete har aldrig handlat om att hitta information. Det handlar om att förstå hur den informationen hänger ihop – med en klient, ett ärende, en tidigare förhandling, en risk som byrån redan har beaktat en gång tidigare. Advokater bär med sig dessa sammanhang i sina huvuden, i samtal i korridorerna och i det institutionella minnet hos den som råkade arbeta med ärendet. AI-verktyg har inte tillgång till något av detta. De ser bara det som laddas upp i ett sessionsfönster, och ingenting annat. Därför ger de självsäkra svar, som ibland är felaktiga, eftersom de fyller i luckor där vi aldrig har gett dem det sammanhang som krävs för att fylla i dem korrekt. 

Siffrorna bekräftar detta mer än jag skulle önska.McKinseykonstaterar attfärre än 10 % avföretagen har lyckats skala upp agentbaserad AI till verkligt värde, och åtta av tio anger databegränsningar som orsaken.En studie från Stanford RegLab från 2025visade att till och med specialutvecklade forskningsverktyg för juridisk AI ger felaktiga resultatmellan 17 % och 33 % avtiden. Det handlar inte om modellens kvalitet. Det handlar om sammanhanget, och det är precis därför vi har utvecklat branschens förstaLegal Context Graph. 

Colleen Baehrend, advokat och chef för juridiska lösningar på NetDocuments, och jag har sammanställt en praktisk guide för byråersom vill ta reda på var de egentligen står – inte i teorin, utan i den dagliga verkligheten när det gäller hur deras AI-verktyg fungerar. 

Guiden ”Legal Context Graph: Från AI-utgifter till AI-effekter ” går igenom följande: 

• Vad en juridisk kontextgraf är och hur den skiljer sig från de taxonomier och kunskapsgrafer som företag har prövat tidigare 

• Vad förändras för medarbetare, delägare och IT-avdelningen när ärendena verkligen är sammankopplade, och hur detta påverkar arbetet på olika sätt inom processrätt, transaktionsrätt, successionsplanering och på byråer av alla storlekar. 

• En checklista med 10 frågor som är indelade efter kostnad, noggrannhet, användbarhet, styrning och institutionell kunskap, som ni kan gå igenom tillsammans med ert team och besvara ärligt på 20 minuter. Det finns inget godkänt betyg – syftet är inte att få någon att känna sig efter. Det handlar om att konkret belysa var klyftan mellan vad ni lägger på AI och vad ni får tillbaka från det faktiskt kommer ifrån, så att nästa samtal om AI-investeringar bygger på något konkret istället för ännu en leverantörsdemo. 

AI-modellerna kommer att fortsätta förändras. Var och en av dem kommer så småningom att ersättas av något bättre. Det som inte kommer att förändras är att ert företags sammanhang – era ärenden, era relationer, ert institutionella omdöme – måste finnas på en plats som är tillräckligt beständig för att överleva allt detta. Det är den grunden som den här guiden handlar om. 

Om något av detta låter bekant, börja med checklistan och se vad den visar. 

Läs den fullständiga guiden > Från AI-kostnader till AI-effekter – En guide för advokatbyråer om hur man lägger en stabil grund 

Samma problem med sammanhanget förekommer lika ofta inom juridik-, regelefterlevnads- och riskavdelningarna hos företag som omfattas av reglering. Vi håller på att ta fram en version av den här guiden som är särskilt anpassad för den målgruppen. Kommer snart.