Een AI-systeem kan razendsnel juridische bronnen doorzoeken. Maar weet het ook welke bronnen ertoe doen en hoe je die moet interpreteren? Dat leert het van juristen zelf. Daar ligt voor mij de meest interessante uitdaging bij de ontwikkeling van ons platform GenIA-L.

Tijdens de ontwikkeling van GenIA-L liepen we tegen een interessante kwestie aan. Het systeem vond het juiste wetsartikel, maar kwam niet tot een voldoende scherp antwoord door het vage karakter ervan. Totdat onze juridische experts ons wezen op een commentaar waarin de noodzakelijke duiding stond. Met dat dwarsverband krijgen verschillende stukken juridische content samen waarde. Dat was geen technische verbetering. Dat was iemand uit het vak die ons uitlegde hoe het hoort. 

Dat voorbeeld laat goed zien waarom we GenIA-L ontwikkelen samen met experts uit het vakgebied. Juridisch onderzoek met AI is nog lang niet uitontwikkeld. Geen enkele leverancier heeft het af, wij ook niet. Het recht zit vol nuances en valkuilen en daarom werken onze AI-specialisten nauw samen met onze vakredacteuren en legal engineers. Zij brengen de kennis en ervaring in die nodig zijn om de technologie steeds beter te maken. 

De jurist leert AI het vak 

Het systeem dat we bouwen, moet exact weten hoe het recht werkt. Hoe je bronnen weegt, welke rol een bron heeft en hoe een commentaar duiding geeft aan een wetsartikel dat op zichzelf onduidelijk blijft. Onze specialisten stellen ook zorgvuldig samengestelde sets juridische vraagstukken op, waarmee we het systeem testen. Daarbij kijken we niet alleen of een antwoord klopt, maar vooral hoe bruikbaar het is in de praktijk. 

Voor die praktijktoets stellen we onszelf voortdurend allerlei vragen. Welke rol speelt de uitkomst in het werkproces? Wat doet een jurist er vervolgens mee? Wat ontbreekt er nog? En hoeveel tijd kost het om een antwoord te controleren of bij te sturen? Ook aan onze klanten stellen we deze vragen. We willen doorgronden waar onbeantwoorde behoeften liggen en waar AI echt iets kan toevoegen. 

Tien, tachtig, tien 

Intern tekenen we vaak een eenvoudig model: 10% expertise van de professional vooraf, 80% AI-gedreven uitzoekwerk en weer 10% expertise aan het eind. Het is geen exacte rekensom, maar het geeft goed weer hoe wij de samenwerking zien. De expert bepaalt de vraag en beoordeelt het antwoord. AI doet het werk ertussen.

Over AI hoor ik vaak twee verhalen: het neemt je baan weg, of het kan alles. Beide aannames kloppen wat mij betreft niet. AI is een hulpmiddel en de expert maakt het waardevol. De professional blijft aan het stuur en zet AI aan het werk op onderdelen die veel tijd, moeite en uitzoekwerk kosten. Wat overblijft, is het werk dat ertoe doet: de afweging maken, de eigen vakkennis inzetten en de verbinding leggen tussen de cliënt, de casus en het recht. Die professionele rol maken we juist belangrijker. 

Transparantie als ontwerpkeuze

Onze ontwikkeling van AI-oplossingen begon met het idee: we zoeken naar bronnen. Dat werkte, tot op zekere hoogte. De grote stap vooruit was de overgang naar gespecialiseerde AI-agents, elk gericht op een ander type informatie: wetgeving, rechtspraak, commentaren of praktische vakinformatie. Iedere agent onderzoekt de casus vanuit zijn eigen specialisme en samen brengen ze de bevindingen bij elkaar. Toen dat voor het eerst in de gebruikersomgeving samenkwam, stonden we er met het team allemaal even naar te kijken. Je kon de onderzoeksstappen en gebruikte bronnen volgen, in plaats van alleen een antwoord te krijgen. 

Die transparantie is een bewuste keuze in het ontwerp. We hebben ervoor gekozen dat antwoorden niet zomaar juridisch advies geven of stellig concluderen. Waar de afweging ertoe doet, is het systeem transparant over die afweging: wetgeving is de wet, een commentaar wordt aangehaald als auteursvisie en verduidelijking. We dwingen onze AI om heel duidelijk en eerlijk te zijn, zodat de agents vertellen waar de onderzoeksgaten zitten of dat een bron ontbreekt. Dat vinden sommigen minder spectaculair dan een stellig antwoord. Wij vinden het de enige manier.  

Nog lang niet uitgeleerd 

We willen dat GenIA-L steeds beter begrijpt welke bronnen relevant zijn voor een juridische casus. Dat betekent bijvoorbeeld dat het systeem de belangrijkste rechterlijke uitspraken weet te vinden, maar ook kan achterhalen welke wetgeving op een bepaald moment van kracht was. Daarbij speelt de kennis uit onze commentaren en andere vakpublicaties een belangrijke rol. Als een deskundige daarin naar een bepaalde uitspraak verwijst, doet die dat niet voor niets. Die expert legt een verband dat van belang is voor de interpretatie van het recht. Die verbanden leren we onze AI herkennen en gebruiken. 

De wisselwerking tussen technologie en juridische expertise maakt dit werk voor mij zo boeiend. Ik kwam als externe specialist bij het eerste validatietraject van GenIA-L terecht. Het project zat technisch op het scherpst van de snede in een vakgebied dat zich niet laat versimpelen. Die combinatie liet me niet los. Ik ben gebleven en werk inmiddels als Lead AI aan de verdere ontwikkeling. Het technische landschap verandert voortdurend en het recht laat zich niet eenvoudig in een systeem vangen. We blijven leren van de mensen die het vak kennen. Daarmee wordt ook onze AI-toepassing steeds beter.

Thomas Hoenselaars 
Lead AI Lefebvre Sdu