Waarom “wees kritisch” niet werkt als advies, en wat wél werkt
Arnoud Engelfriet, ICTRecht Academy
Thomas doet zijn werk. Hij checkt de verwijzingen. De wetsartikelen kloppen. De bijbehorende uitleg controleert hij op hallucinaties: zowel ECLI-nummers als citaten kloppen. De formulering is juridisch sluitend. Hij scherpt een passage aan over de relatie tot het geheimhoudingsbeding. Alles klopt. Hij neemt het op in de arbeidsovereenkomst.
Zes maanden later stapt de werknemer over naar een concurrent in Amsterdam. Thomas handhaaft het beding. De rechter weegt en oordeelt: landelijke reikwijdte voor een regiomanager Oost-Nederland is niet proportioneel. Het beding wordt gematigd tot de regio. De boeteclausule halveert mee. Een regionaal beding had de werkgever beter beschermd.
Wat ging er mis? Niet de bronnen, die klopten. Niet de formulering, die was correct. Wat misging was een keuze die Thomas niet als keuze herkende.
De onzichtbare keuze
Landelijke reikwijdte is de standaardoptie. Het is wat de AI levert als je “concurrentiebeding regiomanager” intypt, omdat het de meest voorkomende formulering is. Als Thomas een Kluwer-template had gepakt, had hij waarschijnlijk dezelfde keuze gemaakt. Maar er is een cruciaal verschil.
Bij een template wéét je dat je een standaardmodel invult. Je voelt het gat tussen het model en de specifieke situatie. Dat gevoel (“ik werk met een mal, past de mal wel?”) verdwijnt bij AI-output. Want de output leest niet als een template met invulvelden. Het leest als een afgerond advies, op maat geschreven, compleet met de juiste verwijzingen. Het gevoel van “laat me even checken of dit past” wordt onderdrukt door een tekst die eruitziet alsof iemand dat al heeft gedaan.
Dat is het AI-specifieke probleem. Niet dat de AI fouten maakt. Maar dat de AI het gevoel onderdrukt dat er iets te checken valt.
Vijf keer “ik ben toch kritisch”
Elke conferentie, elk kantoorbeleid, elke NOvA-aanbeveling zegt het: wees kritisch met AI-output. Verifieer, controleer, beoordeel. Thomas deed precies dat. Dus waarom werkt het niet?
Omdat bijna elke jurist die ik spreek ervan overtuigd is dat het probleem bij anderen zit. De argumenten zijn herkenbaar:
“Ik heb domeinkennis, ik zie fouten.” Dat klopt. Domeinkennis helpt bij het vinden van feitelijke fouten. Maar Thomas’ probleem was geen feitelijke fout. Het was een keuze die eruitzag als een vanzelfsprekendheid. Domeinkennis beschermt niet tegen onzichtbare keuzes. Sterker nog: hoe meer ervaring je hebt, hoe sneller je brein schakelt naar “dit klopt” en hoe minder je stilstaat bij wat er ook anders had gekund.
“Ik lees alles zorgvuldig na.” Zorgvuldig nalezen is redigeren. Redigeren vertrekt vanuit de tekst die er ligt. Beoordelen vertrekt vanuit de vraag of dit de juiste tekst is voor deze klant, in deze situatie. Thomas las zorgvuldig na. Hij redigeerde. Hij beoordeelde niet.
“Ik heb al vaker AI-fouten gevonden.” Fouten vinden is het makkelijkste deel. Een verkeerd ECLI-nummer, een verzonnen bron, een onjuiste berekening: dat vind je met basale controle. Het probleem van Thomas was geen fout. Het was een standaardkeuze die niet paste bij zijn klant. Dat vind je niet door beter te zoeken naar fouten. Dat vind je door te vragen welke keuzes er in de tekst zitten.
“Ik doe dit al vijftien jaar.” Precies. En die vijftien jaar maken je sneller op de onderdelen die je het vaakst doet. Sneller is niet scherper. Het is precies op je sterkste onderwerpen dat je het vaakst de standaardoptie accepteert zonder alternatief te overwegen. Niet omdat je slordig bent. Omdat je brein efficiënt is.
“Ik bespreek altijd met een collega.” De vraag is wanneer. Als je het bespreekt nadat je de AI-output hebt gelezen en je mening hebt gevormd, leg je een verankerd oordeel voor aan een collega die het op jouw gezag aanneemt. Dat is geen second opinion. Dat is gedeelde verankering. Effectieve toetsing vereist dat je eigen oordeel is gevormd voordat de AI-output het beïnvloedt.
Dit zijn geen theoretische bezwaren. Cognitief onderzoek bevestigt elk van deze punten. MIT-onderzoekers ontdekten dat mensen die weten dat ze met AI werken niet kritischer worden, maar juist meer delegeren. De verklaring is ongemakkelijk: het bewustzijn dat je met AI werkt voelt zelf als een waarborg. “Ik weet dat het AI is, dus ik ben alert.” En je bént alert. Je checkt bronnen, je verifieert verwijzingen, je scherpt formuleringen aan. Maar al die controles bewegen zich binnen het kader dat de AI heeft neergezet. Je controleert of het antwoord klopt. Niet of het de juiste vraag beantwoordt. Je checkt de route. Niet of het de juiste route is.
De jurist die het verschil ziet
Hoe ziet de jurist eruit die het wél ziet?
Die herkent in een klantsituatie wat er wél kan. AI geeft het meest gangbare antwoord: de verplichtingen, de risico’s, de standaardroute. Maar jouw cliënt heeft geen gemiddeld belang. Partijdige belangenbehartiging is per definitie niet het meest gangbare antwoord. De jurist die waarde toevoegt ziet de route die de AI niet zag. De aanpassing waardoor een transactie alsnog doorgaat. De uitzondering die een schijnbaar dichtgetimmerde verplichting opent.
Die beoordeelt AI-output alsof ze elk woord zelf had geschreven. Niet redigeren maar onderschrijven of verwerpen, met expliciete gronden. Dat vereist dat je het ook zelf kunt. Als je niet meer weet hoe een goede eerste versie eruitziet, kun je een slechte niet herkennen.
Die vertaalt de juridische positie naar concrete waarde voor de klant. Niet “u moet een DPIA uitvoeren” maar “dit is het fundament onder uw datapartnerschap.” Niet het verbod benoemen maar de route ontwerpen. Dit is het werk dat AI per definitie niet doet, en dat steeds waardevoller wordt.
Wij noemen zo’n jurist de AI-shaped lawyer. Ontwarren, onderbouwen, verzilveren. Het is de bewuste opvolger van de T-shaped lawyer uit 2015. Toen was het idee: bouw horizontale vaardigheden rondom je juridische kern. Nu is het idee: de kern zelf is veranderd. AI neemt het productiewerk over. Wat overblijft en in waarde toeneemt is het oordeel, het advies, en de menselijke scherpte om het verschil te zien tussen een correct antwoord en een goed antwoord.
Waarom je dit moet oefenen
Herkennen, oordelen, vertalen. Het klinkt als iets dat je al doet. Het verschil is dat het in een AI-gedreven werkelijkheid bewust en structureel moet gebeuren, tegen je eigen cognitieve neigingen in. En dat leer je niet door erover te lezen.
Vergelijk het met een chirurg. Die leert niet opereren door te horen dat precisie belangrijk is. Die leert het door honderden keren te snijden, feedback te krijgen, en te ontdekken waar haar hand het vaakst afwijkt. De kennis dat precisie belangrijk is, is triviaal. De reflex om precies te zijn op het moment dat het ertoe doet, is dat niet.
Zo werkt het ook hier. De kennis dat je kritisch moet zijn met AI is triviaal. Elke jurist in Nederland heeft dat inmiddels gehoord. De reflex om op het juiste moment de juiste vraag te stellen (“welke keuzes zitten er in deze tekst die ik niet bewust heb gemaakt?”) is iets anders. Die ontwikkel je door te werken op echte casuïstiek, door feedback te krijgen van mensen die anders kijken dan jij, en door te ontdekken waar jouw blinde vlekken zitten.
Dat is wat de leergang AI-Shaped Lawyer biedt. Niet een cursus over AI. Een professioneel ontwikkeltraject waarin je de reflexen ontwikkelt die bepalen of je waarde toevoegt bovenop wat de machine levert. NOvA-geaccrediteerd en afgestemd op de Aanbevelingen AI in de advocatuur. Je werkt op je eigen casuïstiek, uit je eigen rechtsgebied. Je oefent met juristen uit andere domeinen, die vragen stellen die jij niet meer stelt. Je leert je eigen patronen kennen. En je wordt beoordeeld op een heldere lat: jouw advies moet aantoonbaar beter zijn dan wat een taalmodel met standaardprompting produceert.
Terug naar Thomas
Thomas had het kunnen zien. Niet door kritischer te lezen. Niet door meer domeinkennis te hebben. Door de reflex te hebben om te vragen: welke keuzes zitten er in deze tekst die ik niet bewust heb gemaakt?
Het is onredelijk te verlangen dat iedere jurist de domeinkennis heeft om elke AI-keuze inhoudelijk te beoordelen. Dat is ook niet het punt. Het punt is dat je herkent dát er keuzes in zitten. Eén vervolgprompt had volstaan: “Welke keuzes heb je in dit beding gemaakt die ook anders hadden gekund?” De AI had geantwoord: reikwijdte had regionaal gekund, duur had zes maanden gekund, het boetebeding had anders gekund. En Thomas had gedacht: regiomanager, regionale reikwijdte, moet ik dat niet even aan iemand vragen die hier meer van weet?
Dat is geen zwakte. Dat is het verschil tussen een jurist die AI gebruikt en een jurist die weet waar de AI ophoudt en hij begint.
Die reflex leer je niet van een artikel. Die ontwikkel je door te oefenen, feedback te krijgen, en eerlijk te zijn over je eigen blinde vlekken. Daar is de leergang voor.
Ontdek de AI-Shaped Lawyer leergang
https://www.ictrecht.nl/academy/opleidingen/ai-shaped-lawyer
