De juridische AI-markt heeft de afgelopen jaren een duidelijk narratief neergezet: juristen hebben AI nodig die speciaal voor hen is gebouwd. Met juridische datasets getraind, op het klantdossier afgestemd, volledig geïntegreerd met de contractenbibliotheek. Dat verhaal is goed verkoopbaar en soms ook terecht. Maar zoals wel vaker in de juridische wereld geldt: de generalist wint.
AI raakt de kerntaken van de jurist
Generieke AI-systemen raken steeds vaker de kern van het juridisch werk. ChatGPT, Gemini en Claude kunnen inmiddels contracten redigeren, risico’s signaleren, clausules herschrijven. En dat doen ze lang niet slecht. Sterker nog, uit een praktische test blijkt het gemiddeld beter dan een deel van de ervaren advocaten die naast hen werden gezet. De modellen die het minst goed scoren, falen niet per se op juridische inhoud. De aanpak was te vergaand en dat maakte de output minder praktisch hoewel die juridisch correct was.
De sleutelvariabele is nog altijd de jurist zelf
De Amerikaanse advocaat Zack Shapiro schreef recent een post over zijn Claude-native law firm. Hierin beschrijft Shapiro hoe hij Claude gedetailleerde instructies geeft over hoe hij een zaak benadert, wat de specifieke opdracht is en hoe Claude zijn afwegingen moet maken.
Onderdeel van zijn kernboodschap is dat templatebibliotheken geen concurrentievoordeel meer zijn; elke zelfrespecterende jurist heeft min of meer dezelfde. Ook hier gaat het erom wat de jurist daadwerkelijk doet met de templates. Context begrijpen, risico’s vertalen en de cliënt goed en praktisch adviseren. Shapiro stelt dat je met goede instructies dergelijke processen kunt configureren in een AI-oplossing. En dan heb je geen specialistische tool nodig.
Dit sluit aan bij wat collega-columnist Elgar Weijtmans eerder schreef over de AI-paradox: de omweg is soms de kortste route. Investeren in een dure juridische AI-oplossing terwijl de onderliggende vaardigheid (de juiste use case in combinatie met goed prompting) ontbreekt, levert minder op dan een generieke tool met goede training.
Wanneer wél voor specialistisch kiezen?
Dit is geen pleidooi voor het verwerpen van alle juridische AI-tools. Er zijn scenario’s waarin specialistische oplossingen wél het verschil maken. Als een kantoor honderden contracten per week analyseert op specifieke clausules, dan is een RAG-gebaseerd systeem (zoals eerder besproken in de meepraten-met-de-nerds-reeks) met eigen kennis en workflows waarschijnlijk sneller dan elke generieke oplossing. Ook bij rechtsgebieden waar veel specialistische kennis is, kan een specifieke oplossing waarin deze kennis beschikbaar is, betere resultaten leveren. De vraag is of het hier gaat om de technologie of de kennis die beschikbaar is binnen specifieke oplossingen.
Wat betekent dit voor de praktijk?
Mijn boodschap is niet ‘koop geen juridische AI’. Maar begin met de methode, niet met de tool. Die investering in training en geletterdheid betaalt zich terug ongeacht welk model je vervolgens gebruikt. Zoek vervolgens naar een oplossing die daadwerkelijk een meerwaarde kan leveren voor de organisatie, bijvoorbeeld vanwege beschikbaarheid van specifiek juridische kennis.
