AI in de juridische praktijk: wat kan een kantoor er vandaag mee?

AI kan vandaag al nuttig werk verrichten binnen een juridische praktijk, vooral bij taken waarbij grote hoeveelheden tekst moeten worden gevonden, vergeleken, geordend of samengevat. Denk aan contractanalyse, jurisprudentieonderzoek, het samenvatten van omvangrijke dossiers, due diligence en het terugvinden van relevante precedenten. De grootste praktische winst zit niet in het vervangen van de jurist, maar in het versnellen van voorbereidende kennis- en documenttaken.

Daar staat een belangrijke beperking tegenover: een taalmodel kan overtuigend klinkende informatie produceren die feitelijk onjuist is. In een juridische omgeving is dat bijzonder riskant — een verzonnen arrest, verkeerd zaaknummer of niet-bestaand wetsartikel kan de rest van een analyse waardeloos maken. Daarom hoort AI in de juridische praktijk niet alleen goede tekst te genereren, maar vooral controleerbare tekst: relevante juridische beweringen moeten terug te voeren zijn op echte bronnen die een jurist zelf kan verifiëren.

Waar AI vandaag al bruikbaar is in een juridische praktijk

De huidige generatie taalmodellen is sterk in taalverwerking. Dat sluit goed aan op juridisch werk, omdat een groot deel daarvan bestaat uit het lezen, interpreteren, vergelijken en produceren van tekst. Dat betekent niet dat iedere juridische taak geschikt is voor AI — het verschil zit vooral tussen ondersteunen bij informatieverwerking en zelfstandig juridische beslissingen nemen. Voor het eerste bestaan inmiddels verschillende bruikbare toepassingen.

Contractanalyse

Een taalmodel kan contracten analyseren op structuur en inhoud: bepalingen over aansprakelijkheid, opzegging, intellectuele eigendom, geheimhouding of toepasselijk recht identificeren en naast elkaar zetten. Bij een verzameling vergelijkbare contracten kan AI bovendien afwijkingen signaleren — welke overeenkomsten een afwijkende aansprakelijkheidslimiet bevatten, of in welke een specifieke opzeggingsbepaling ontbreekt. Dat maakt AI geschikt als eerste analyselaag. De juridische beoordeling van zo'n afwijking blijft echter mensenwerk: een clausule die afwijkt van een standaardcontract is niet automatisch juridisch onjuist of commercieel onwenselijk.

Jurisprudentieonderzoek

Traditioneel zoekt een jurist met zoektermen, rechtsgebieden, instanties en verwijzingen naar relevante uitspraken. AI maakt het mogelijk om een vraag meer semantisch te formuleren: in plaats van alleen exacte zoekwoorden te gebruiken, kan een systeem zoeken naar uitspraken die inhoudelijk aansluiten bij een juridische vraag. Het belangrijke onderscheid is hier tussen een algemeen taalmodel en een systeem dat daadwerkelijk toegang heeft tot een gecontroleerde collectie jurisprudentie — een model dat uitsluitend antwoordt vanuit wat tijdens training is geleerd, is geen betrouwbare juridische zoekmachine. Een juridisch AI-systeem wordt veel bruikbaarder wanneer het eerst relevante uitspraken opzoekt en zijn antwoord daarop baseert. Dat principe — eerst zoeken in een gecontroleerde bron, dan pas antwoorden — staat centraal in onze rechtspraak-RAG, die op die manier doorzoekbaar maakt.

Dossiers samenvatten en doorzoeken

Juridische dossiers kunnen uit honderden of duizenden pagina's bestaan: correspondentie, processtukken, contracten, notulen, verklaringen, rapporten en bijlagen. AI kan helpen daar structuur in aan te brengen: een chronologie van gebeurtenissen opstellen, betrokken personen en organisaties identificeren, documenten rond een bepaald onderwerp verzamelen, tegenstrijdige passages signaleren, lange documenten samenvatten, en relevante passages bij een specifieke vraag terugvinden. Vooral de combinatie van zoeken en samenvatten is praktisch — een jurist hoeft dan niet ieder document opnieuw volledig door te nemen om te bepalen waar relevante informatie staat. Ook hier blijft verificatie noodzakelijk: een samenvatting is een afgeleide van het oorspronkelijke document, en voor een processtuk, advies of belangrijke conclusie moet de onderliggende passage worden gecontroleerd.

Due diligence

Bij due diligence moeten grote hoeveelheden contracten en bedrijfsdocumenten in korte tijd worden onderzocht. AI kan documenten classificeren, bepalingen extraheren en potentiële aandachtspunten verzamelen — change-of-control-clausules, looptijden, garanties, aansprakelijkheidsbeperkingen of afwijkende beëindigingsvoorwaarden. Daarmee kan AI vooral het voorwerk versnellen. Het systeem moet echter niet zelfstandig bepalen dat een transactie juridisch veilig is: de betekenis van een gevonden bepaling hangt af van context, onderlinge contractuele samenhang en het toepasselijke recht.

Precedentenonderzoek en interne kennis

Advocatenkantoren en juridische afdelingen beschikken vaak over aanzienlijke hoeveelheden eigen kennis: eerdere adviezen, modellen, processtukken, memo's en contracttemplates. AI kan die interne kennis beter doorzoekbaar maken — een jurist kan zoeken naar eerdere zaken waarin een bepaald juridisch probleem speelde, of naar modelclausules die in vergelijkbare situaties zijn gebruikt. Hier ontstaat een belangrijk verschil met een openbare chatbot: het systeem hoeft niet primair te vertrouwen op algemene internetkennis, maar kan zoeken binnen een gecontroleerde verzameling bronnen van het kantoor zelf.

Hallucinatie is het kernrisico bij juridisch gebruik van AI

Generatieve AI is ontworpen om waarschijnlijke tekst te produceren. Het is niet van nature een database die uitsluitend geverifieerde feiten teruggeeft. Daardoor kan een taalmodel een antwoord formuleren dat grammaticaal correct, juridisch aannemelijk en zeer overtuigend klinkt, terwijl onderdelen ervan niet kloppen — dit verschijnsel wordt doorgaans een hallucinatie genoemd.

In een juridisch antwoord kan dat bijvoorbeeld betekenen dat een model een niet-bestaande uitspraak noemt, een verkeerd ECLI-nummer geeft, een werkelijk arrest verkeerd samenvat, een wetsartikel verkeerd interpreteert, een citaat produceert dat niet letterlijk in de bron staat, of verschillende zaken en rechtsregels met elkaar vermengt. Het probleem is niet alleen dat AI fouten maakt — mensen maken die ook. Het specifieke risico is dat een taalmodel onzekerheid niet noodzakelijk zichtbaar maakt: een verzonnen verwijzing kan dezelfde overtuigende vorm hebben als een correcte. Daarom is een juridisch antwoord zonder controleerbare bronnen moeilijk betrouwbaar te gebruiken.

Bronverificatie moet onderdeel zijn van het systeem

Een praktisch juridisch AI-systeem zou daarom zoveel mogelijk moeten laten zien waar een antwoord vandaan komt. Stelt het systeem dat een rechter een bepaalde rechtsregel heeft toegepast, dan moet de gebruiker de betreffende uitspraak kunnen openen — idealiter met een verwijzing naar de relevante passage. Hetzelfde geldt voor wetgeving, interne memo's en contracten. Daarmee verschuift het gebruik van "de AI zegt dat dit zo is" naar "de AI heeft deze bronnen gevonden en formuleert op basis daarvan deze analyse" — een wezenlijk ander betrouwbaarheidsmodel.

Een techniek die hiervoor veel wordt gebruikt is Retrieval-Augmented Generation (RAG): een systeem zoekt eerst relevante informatie op in een vooraf bepaalde verzameling documenten, en de gevonden passages gaan als context mee naar het taalmodel. Voor een advocatenkantoor kan die verzameling bijvoorbeeld bestaan uit jurisprudentie, wetgeving, interne modellen, eerdere memo's en cliëntdossiers waarvoor de betreffende gebruiker toegang heeft. RAG voorkomt hallucinaties niet volledig — het model kan gevonden bronnen ook verkeerd interpreteren — maar het maakt antwoorden beter controleerbaar en vermindert de afhankelijkheid van het interne trainingsgeheugen van een model aanzienlijk.

Ook bij een systeem met bronverwijzingen blijft voorzichtigheid nodig: een taalmodel kan een bestaande bron vinden maar daar een te sterke conclusie uit trekken, bijvoorbeeld door een overweging uit een specifieke zaak te presenteren alsof die algemeen toepasbaar is. Bronverificatie heeft daarom twee niveaus. Ten eerste: bestaat de genoemde bron werkelijk en staat de aangehaalde informatie daarin? Ten tweede: ondersteunt die bron daadwerkelijk de juridische conclusie die het systeem eraan verbindt? Het eerste deel kan grotendeels technisch worden ondersteund; het tweede vereist vaak juridische expertise.

Geheimhoudingsplicht en cliëntvertrouwelijkheid

Naast betrouwbaarheid speelt bij juridisch gebruik van AI nog een tweede fundamentele vraag: waar gaan de gegevens heen? Een cliëntdossier kan persoonsgegevens, bedrijfsgeheimen, processtrategie, financiële gegevens en andere vertrouwelijke informatie bevatten, en voor advocaten komt daar de professionele geheimhoudingsplicht bij. Een medewerker die vertrouwelijke stukken in een externe AI-dienst invoert, creëert daarmee een gegevensstroom naar een derde partij en mogelijk naar infrastructuur buiten de eigen organisatie.

Dat betekent niet dat iedere Amerikaanse cloud-AI automatisch in strijd is met de AVG of de geheimhoudingsplicht — zo'n algemene conclusie zou te ver gaan. De beoordeling hangt onder meer af van de contractuele afspraken, verwerkingsrollen, bewaartermijnen, beveiligingsmaatregelen, eventuele doorgifte buiten de Europese Economische Ruimte en de concrete gegevens die worden verwerkt. Voor juridische organisaties is het daarom verstandig deze architectuurvraag vooraf te beantwoorden, in plaats van medewerkers zelfstandig openbare AI-chatbots te laten gebruiken.

Wanneer on-premises of EU-hosting relevant wordt

Eén mogelijkheid is om AI binnen de eigen infrastructuur te draaien: on-premises. Het model en de bijbehorende documentopslag blijven dan onder directe technische controle van de organisatie. Een andere mogelijkheid is hosting bij een Europese aanbieder of in een specifiek gekozen EU-datacenter. Dat kan voordelen bieden voor data-soevereiniteit, maar "EU-hosted" is op zichzelf geen volledige garantie voor compliance — ook eigendom van de leverancier, subverwerkers, logging, beheerrechten, back-ups, supporttoegang en contractuele voorwaarden zijn relevant.

De juiste vraag is daarom niet simpelweg "staat de server in Europa?", maar "wie kan onder welke omstandigheden bij de gegevens, waar worden ze verwerkt en opgeslagen, hoe lang blijven ze bestaan en welke juridische afspraken gelden daarbij?" Voor sommige toepassingen kan een zakelijke cloud-AI met passende beveiligings- en contractuele waarborgen voldoende zijn. Voor zeer vertrouwelijke dossiers kan een private of on-premises architectuur aantrekkelijker zijn — dat is een risicoafweging, geen universele regel.

Toegangsrechten blijven belangrijk

Een intern AI-systeem introduceert een minder zichtbaar risico. Wanneer alle documenten van een kantoor in één AI-kennisbank worden geplaatst, kan informatie opeens makkelijker vindbaar worden dan daarvoor. Een medewerker die normaal geen toegang heeft tot een bepaald cliëntdossier mag die informatie ook niet via een AI-assistent kunnen opvragen. Een juridisch RAG-systeem moet daarom rekening houden met bestaande autorisaties — documentrechten moeten doorwerken in de zoek- en antwoordlaag. AI mag bestaande informatiebarrières niet ongemerkt doorbreken.

Wat werkt nog niet betrouwbaar?

De grootste fout is AI te behandelen alsof het een zelfstandige digitale advocaat is. Huidige generatieve modellen kunnen juridische redeneringen produceren, maar dat betekent niet dat zij zelfstandig verantwoordelijkheid kunnen dragen voor juridisch advies. Volledig autonome juridische advisering is daarom geen realistische standaard voor professioneel gebruik — zeker niet wanneer een systeem zelfstandig feiten moet beoordelen, conflicterende verklaringen moet wegen, processtrategie moet bepalen, nieuwe of onduidelijke rechtspraak moet interpreteren, commerciële belangen tegen juridische risico's moet afwegen, of zonder controle definitieve adviezen aan cliënten verstuurt. AI kan bij deze taken ondersteunen, maar menselijke beoordeling blijft noodzakelijk.

Human-in-the-loop is geen tijdelijke tussenoplossing

Mensencontrole wordt soms voorgesteld als iets dat alleen nodig is totdat modellen beter worden. Voor juridische toepassingen is dat een te eenvoudige voorstelling. Een jurist doet meer dan informatie reproduceren: juridische advisering omvat interpretatie, professionele verantwoordelijkheid, kennis van de cliënt, proportionaliteit, strategie en soms een afweging tussen meerdere juridisch verdedigbare opties. Human-in-the-loop is daarom niet alleen een technische noodmaatregel tegen hallucinaties — het past bij de aard van professioneel juridisch werk. De meest realistische rol van AI is voorlopig die van een krachtige onderzoeks- en documentassistent: zoeken, vergelijken, structureren, samenvatten en concepten voorbereiden, terwijl een bevoegde professional de bronnen controleert en de uiteindelijke conclusie bepaalt.

Conclusie

AI kan vandaag al concrete waarde hebben in een juridische praktijk bij contractanalyse, jurisprudentie- en precedentenonderzoek, dossieranalyse en due diligence. De technologie is vooral sterk wanneer grote hoeveelheden tekst snel moeten worden doorzocht en gestructureerd. De grens ligt bij betrouwbaarheid en verantwoordelijkheid: een overtuigend AI-antwoord is niet automatisch een correct juridisch antwoord. Bronverificatie, controle van citaten, goede toegangsrechten en menselijke beoordeling zijn daarom essentieel. Voor vertrouwelijke juridische gegevens moet daarnaast bewust worden gekozen waar modellen en documenten worden verwerkt — on-premises of EU-gehoste oplossingen kunnen daarbij relevante voordelen bieden, maar ook die architecturen moeten technisch en juridisch correct worden ingericht. AI is daarmee op dit moment het meest bruikbaar als gereedschap voor de jurist — niet als vervanger van de jurist.