Josephine Petrick, Chef for AI-produkter hos BriefCatch – Interviewserie

Josephine Petrick, Chief of AI Products hos BriefCatch, tilfører en af advokatbranchens mest specialiserede skriveplatforme en sjælden kombination af erfaring med appelsager, dømmekraft inden for AI-produkter og praktisk ekspertise i juridisk tekstudarbejdelse. I sin rolle leder hun BriefCatchs AI-produktstrategi og styrer udviklingen af generative og genfindingsbaserede værktøjer, der skal forbedre den måde, advokater og dommere udarbejder, redigerer og finpudser juridiske dokumenter på. Hendes baggrund omfatter arbejde som partner hos The Norton Law Firm, seniorrådgiver og appeladvokat hos Hanson Bridgett samt juridisk fuldmægtig for dommer James L. Dennis ved den amerikanske appelret for Fifth Circuit. Denne blanding af erfaring fra retssalen, appelsager og rådgivning giver hende en praktikers blik på at bygge AI-værktøjer, der løser reelle udfordringer i juridisk skrivning frem for abstrakte produktivitetsproblemer.

BriefCatch er en AI-drevet platform til juridisk skrivning og redigering, bygget specifikt til advokater, dommere, advokatfirmaer, domstole og offentlige myndigheder. Platformen blev grundlagt i 2017 og bygger på Ross Gubermans ekspertise i juridisk skrivning. Den hjælper jurister med at forbedre klarhed, præcision, overbevisningskraft og troværdighed direkte i deres skriveproces. BriefCatch oplyser, at platformen bruges af mere end 300 advokatfirmaer, herunder over 45 Am Law 200-firmaer, samt mere end 80 domstole. Det nyere produkt BriefCatch Next kombinerer ekspertrådgivning om juridisk skrivning med valgfrie AI-værktøjer, der skal styrke, ikke erstatte, juridisk dømmekraft.

Du tiltrådte for nylig som Chief of AI Products hos BriefCatch efter at have arbejdet som appeladvokat, certificeret appelspecialist og udvikler af juridiske teknologiprodukter. Hvordan har din erfaring i krydsfeltet mellem appelret, juridisk strategi og teknologi formet din vision for AI i advokatbranchen?

Efter at have læst lingvistik på Cal var jeg fascineret af AI og ønskede altid, at jeg var gået ind i feltet. Jeg blev tiltrukket af potentialet til at udvide menneskelig intelligens og løse praktiske problemer i stor skala. Af lignende grunde blev jeg advokat. Min mor var forfatningsretsadvokat, og af hende lærte jeg, at jura kan bruges til effektivt at hjælpe mennesker i stor skala. Da jeg selv praktiserede, antog jeg, at vejen til en karriere inden for AI var lukket. Derfor er det lidt ironisk og meget tilfredsstillende, at min juridiske karriere har ført mig tilbage til de spørgsmål, der først interesserede mig: Hvordan bruger vi teknologi til at gøre ekspertise mere tilgængelig, mere nyttig og mere menneskelig?

Jeg har eksperimenteret med store sprogmodeller, siden før de blev pakket som chatbots, dengang OpenAI tilbød sit produkt som en sandkasse. Fra begyndelsen kunne jeg se potentialet for praktisk problemløsning. Kunne dette hjælpe med gennemgang af sagsakter? Kunne det gøre research i lokale regler mindre besværlig? Kunne det hjælpe med at følge verserende sager ved Californiens højesteret, anslå hvor længe appelsager tager eller strømline arbejdet med begæringer efter dommen? Kunne det hjælpe nogen videre, når de sidder fast?

Et af mine yndlingseksempler på det sidste kommer fra min far, en pensioneret talteoretiker, som stadig arbejder med uløste problemer. Jeg overtalte ham til at prøve en professionel LLM-konto, og han har brugt den til at bevise sætninger og komme videre med problemer, han havde tænkt over i årevis. En af grundene til, at store sprogmodeller er så effektive til at løse åbne matematiske spørgsmål som Erdős-problemerne, er, at de er trænet i mange grene af matematikken og kan overføre teknikker fra ét område til at løse problemer i et andet, for eksempel ved at bruge teknikker fra algebraisk talteori til at løse et problem i elementær geometri. Den oplevelse indfangede noget vigtigt for mig: AI kan udvide vores kreative rækkevidde, hjælpe os med at trække på en større mængde menneskelig viden og ekspertise, end vi hver især kan rumme i hovedet, og bruge den til at skabe fremskridt i menneskelig viden og aktivitet, som ellers ville have taget meget længere tid.

Jeg så det samme mønster i juridisk praksis. Som appeladvokat stødte jeg igen og igen på de samme processuelle og strategiske spørgsmål. Derfor byggede jeg databaser, trackere, infografikker, klientressourcer, beregnere til appelsagers varighed, tidsværktøjer til processer efter dommen og bidrog til sidst til at udvikle en database med juridiske regler. Den røde tråd var altid den samme: Viden fandtes, men var indespærret i PDF-filer, bøger, seminarer, interne noter eller en eksperts hoved. Jeg blev optaget af et problem, som AI er usædvanligt velegnet til at løse: at gøre viden og ekspertise tilgængelig i det øjeblik, mennesker har brug for den.

Det formede min vision for juridisk AI. De fleste legal-tech-produkter lover, at AI vil automatisere rutinearbejdet, så advokater kan fokusere på strategi. Det er sandt og værdifuldt, men kun begyndelsen. Det, jeg er mest interesseret i nu, er at aktivere ekspertise. En advokat kan have læst den rigtige bog, deltaget i det rigtige efteruddannelseskursus, gemt det rigtige opslag eller lært den rigtige lektie gennem praksis, men denne viden er ofte inaktiv, når advokaten faktisk skriver, researcher eller rådgiver en klient.

BriefCatch befinder sig direkte i denne mulighed. Juridisk skrivning er ikke blot polering. Det er stedet, hvor juridisk dømmekraft, strategi og overbevisning gøres anvendelig for et andet menneskes bevidsthed. Jeg glæder mig til en fremtid, hvor AI hjælper advokater med at finde og anvende den rette regel, teknik, strategi, advarsel eller strategiske indsigt i øjeblikket, samtidig med at faglig dømmekraft og ansvar bevares. Jeg ser det som et ekspertise-eksoskelet: teknologi, der hjælper advokater med at bære mere viden, se klarere, undgå fejl, der kan forebygges, og anvende deres bedste dømmekraft, når det gælder mest. Hvis vi bygger disse systemer godt, får samfundet gavn af det, fordi juridisk ekspertise bliver mindre fastlåst i dyre en-til-en-kanaler og mere tilgængelig for de mennesker, virksomheder, domstole og institutioner, der er afhængige af den.

BriefCatch lancerede for nylig RealityCheck, et værktøj, der skal identificere opdigtede eller udokumenterede juridiske henvisninger før indlevering. Hvilke største mangler så du i eksisterende juridiske AI-værktøjer, som gjorde denne funktion nødvendig, og hvor alvorligt er problemet med pålidelige henvisninger i dag?

Den største mangel er, at for mange værktøjer stadig er optimeret til generering frem for verifikation. De kan hurtigt fremstille tekst, hvilket ser imponerende ud, men juridisk arbejde slutter ikke med plausibel tekst. Det begynder ikke engang der. Vores retssystem afhænger grundlæggende af, at dommere og advokater loyalt gengiver og anvender retskilder. Ethvert juridisk værktøj skal begynde med retskilder, der faktisk findes, og præcist beskrive, hvad de siger, hvordan de er blevet anvendt, og om de i den sammenhæng, hvor afgørelsen blev truffet, understøtter det udsagn, de påberåbes for. Alt derunder er juridisk fanfiction. Der findes mindre høflige ord for det, men dem overlader jeg til de dommere, der har håndteret det i deres retssale.

Derfor er et værktøj som RealityCheck så vigtigt. Problemet er ikke begrænset til helt opdigtede sager, selv om de naturligvis er alarmerende. Der er mere subtile og almindelige fejltyper: en reel sag citeret for den forkerte påstand, en domskonklusion overdrevet, et citat ændret en smule, en parentesbemærkning, der udglatter en ubekvem forskel, eller en henvisning, der umiddelbart ser korrekt ud, men faktisk ikke understøtter den sætning, den følger.

Det er ikke nye problemer i juridisk praksis, men de er nu forstærket. Advokater har altid haft ansvar for at kontrollere deres arbejde, men omfanget og hastigheden af AI-støttet udarbejdelse gør verifikation endnu vigtigere. Spørgsmålet er ikke kun: ”Hallucinerede AI?” Det er: ”Indeholder dette indleverede dokument juridiske påstande, der er nøjagtige, underbyggede og fagligt forsvarlige?”

Vi skal også passe på ikke at behandle rent menneskeligt arbejde som guldstandarden. Mennesker fejlciterer, overdriver og overser også ting, især under tidspres. Uanset tekstens oprindelse er bedste praksis en lagdelt gennemgang: menneskelig dømmekraft, kildeforankrede værktøjer, deterministiske kontroller, hvor de er passende, og verifikationsarbejdsgange, der gør fejl lettere at opdage, før de fører til et pålæg om at redegøre.

Mange advokater er fortsat skeptiske over for generativ AI på grund af bekymringer om nøjagtighed, etik og professionelt ansvar. Hvilke praktiske skridt kan juridiske teknologivirksomheder tage for at opbygge tillid og fremme ansvarlig anvendelse?

Troværdige produkter bør gøre deres grænser synlige. De bør vise kilder, når kilder er vigtige. De bør tydeliggøre, hvornår et system genererer sprog, i modsætning til at verificere en henvisning eller anvende en deterministisk regel. De bør også være åbne om begrænsninger, fordi overdrevne påstande er en af de hurtigste måder at miste advokaters tillid på.

Ansvarlig anvendelse skal bygges ind i arbejdsgangen. Advokater bør ikke behøve at blive promptingeniører eller AI-risikoansvarlige for at bruge værktøjerne ordentligt. Gode produkter bør gennem deres design lede brugerne mod ansvarlig brug: beskytte fortrolighed, understøtte tilsyn, muliggøre gennemgang, bevare revisionsspor, hvor det er relevant, og gøre verifikation let.

Du har arbejdet indgående med retrieval-augmented generation (RAG) og andre teknikker, der skal forbedre AI-systemers pålidelighed. Hvor kommer nuværende juridiske AI-produkter efter din mening stadig til kort, og hvilke tekniske fremskridt kræves for at lukke disse huller?

Juridiske AI-produkter er allerede imponerende til at udarbejde, opsummere, brainstorme og genfinde. Nogle kommer stadig til kort på en vigtig målestok: den krævende nøjagtighed, juridisk praksis forudsætter. Vores retssystem afhænger af den.

Jeg ville betragte pålidelighedsgabet som et systemproblem, ikke et problem med én enkelt model. Bedre modeller vil hjælpe, men pålidelighed på juridisk niveau opstår gennem flere lag, der arbejder sammen: genfinding og rangering, verifikationssløjfer, hukommelse, arbejdsgangsdesign og en hybrid arkitektur af deterministiske systemer og store sprogmodeller.

Den grundlæggende mekanik i genfinding er rimelig godt forstået, men det kræver meget test og iteration at få dækning og rangering rigtigt. Adversarielle agenter og agentbaserede sløjfer bliver mere almindelige, men designudfordringen er at gøre kontrollerne principfaste i stedet for at skabe dyr og langsom dobbeltkontrol uden ende. For LLM-hukommelse omfatter de tekniske udfordringer, hvor hukommelsen hører hjemme, om den skal være generel eller knyttet til en bestemt arbejdsgang, samt hvilken form den skal have for at sikre, at agenten bruger den på det rette tidspunkt. Hukommelsessystemer kan føles eftermonterede. Arbejdsgangsdesign betyder stadig meget. Hvis systemet får én lang, vag prompt, giver det ufuldstændige eller generiske resultater. Juridisk AI har brug for mere strukturerede arbejdsgange, der opdeler opgaven i bevidste trin, så systemet har den nødvendige kontekst og gennemfører alle trin til at skabe nøjagtigt, fremragende juridisk arbejde. Dette kan dog blive et mindre problem, efterhånden som vi udvikler større grundmodeller og forbedrer komprimering.

Et andet håndtag er blandingen af deterministiske regler som regulære udtryk og sandsynlighedsbaserede modeller. Store sprogmodeller er utroligt nyttige i prototypefasen, fordi de hjælper med at opdage problemets form. Men når man har en god fungerende prototype og forstår mønstret, kan dele af arbejdsgangen med fordel føres tilbage til deterministisk logik. Selvom store sprogmodeller kan være inkonsistente, er de fremragende til at supplere det, deterministiske regler ikke er fleksible nok til at fange, og til selv at benytte deterministiske regler og kode. De stærkeste systemer vil hverken være rent deterministiske eller udelukkende LLM-baserede. De bruger deterministiske regler, hvor problemet er forstået, og store sprogmodeller, hvor tvetydighed, dømmekraft eller kontekstfølsom sprogforståelse er nødvendig. Spørgsmålet er, hvor grænsen går: Hvor slutter reglerne, og hvor skal modellen tage over?

Når man lægger disse teknikker oven på hinanden, kan pålidelighedsgabet reduceres markant, men afvejningen er større teknisk kompleksitet, tokenomkostninger og ventetid. Jeg forventer, at dette forbedres med tekniske fremskridt, og efterhånden som hukommelse og komprimering bliver mere effektive og lettere indbygget i grundmodeller.

Juridisk skrivning kræver ofte nuancer, overbevisningskraft og omhyggelig fortolkning af præcedens. Hvilke dele af juridisk skrivning kan AI reelt forbedre i dag, og hvilke elementer kræver stadig en særlig menneskelig dømmekraft?

AI kan allerede forbedre meget juridisk tekst, især når opgaven er klart defineret. Den kan hjælpe med at finde uklare sætninger, skjulte hovedpointer, inkonsistens, gentagelser, svag struktur, udokumenterede faktuelle påstande, uoverensstemmende definerede begreber, problemer med henvisninger og steder, hvor udkastet ikke leder læseren godt. Den kan også hjælpe advokater med kreativ brainstorming, afprøve argumenter og anvende kendte principper for skrivning og overbevisning under selve udarbejdelsen i stedet for kun at stole på hukommelsen.

Den sidste del er særligt spændende for mig. En advokat kan i teorien vide, at et processkrift har brug for en stærkere indledning, en klarere regelgengivelse eller en mere læsevenlig fremstilling af de faktiske omstændigheder. Men når man skriver under pres, er det ikke det samme at vide noget som at anvende det. AI kan bringe ekspertvejledning om skrivning ind i arbejdsgangen på det tidspunkt, hvor den faktisk kan forbedre dokumentet.

God juridisk skrivning er dog ikke kun håndværk eller tekstoptimering. Det er også evnen til at identificere de mest relevante, interessante og sagsspecifikke detaljer og derefter omsætte dem til en teori, der får læseren til at forstå, hvorfor tvisten betyder noget. Min erfaring er, at menneskelige advokater stadig er langt stærkere end store sprogmodeller her. Måske er det smag, måske erfaring, måske noget dybere ved den måde, systemerne fungerer på. Store sprogmodeller trænes til at generere sandsynlige fortsættelser af tekst, hvilket skaber en tyngdekraft mod tekst, der lyder statistisk almindelig. I mange juridiske sammenhænge er det nyttigt. Man ønsker ofte ikke, at den juridiske tekst gør opmærksom på sig selv. Man ønsker, at idéer, fakta og retskilder træder frem.

Men virkelig overbevisende juridisk skrivning afhænger ofte af at finde det, der er anderledes. Hvilken detalje gør sagen levende? Hvilket faktum ændrer tvistens følelsesmæssige valør? Hvilket juridisk punkt får en dommer til at rette sig op og se problemet? Som appeladvokat er det ofte den tråd, man leder efter. Man søger den version af sagen, der er så unik og overbevisende, at retten engagerer sig.

Det er den del, jeg ikke ønsker, at AI udvisker med en tendens mod det intetsigende. Et system kan foreslå klarere formuleringer, markere svagheder, stressteste henvisninger eller minde advokaten om overbevisende teknikker. Men advokaten skal stadig beslutte, hvad der betyder noget, hvad der skal erkendes, hvor aggressiv man skal være, hvad man ikke bør sige, hvordan usikkerhed skal indrammes, og hvordan sagens følelsesmæssige og etiske kerne skal forklares.

Jeg er forsigtig med at sige, at AI aldrig vil kunne gøre dette, fordi den slags forudsigelser mange gange har vist sig forkerte. AI udfører allerede mange afgrænsede opgaver hurtigere og mere præcist end mennesker, og jeg synes ikke, det giver mening at føle sig truet af det. Det er et værktøj. Men i hvert fald i dag kræver de vigtigste dele af juridisk overbevisning stadig menneskelig dømmekraft: at vælge de rigtige detaljer, forstå hvorfor de betyder noget og bygge en fortælling, der vækker følelser.

Efterhånden som AI integreres dybere i juridiske arbejdsgange, hvordan ser du da rollen for fuldmægtige og yngre advokater udvikle sig? Kan AI grundlæggende ændre den måde, næste generation af advokater lærer juridisk skrivning og research på?

Ja, og vi bør være bevidste om det. Yngre advokater har traditionelt lært ved langsomt at udføre vanskeligt arbejde: researche, skrive, revidere, modtage kommentarer og gradvist udvikle dømmekraft. AI vil ændre denne vej, men behøver ikke at svække den. Brugt rigtigt kan den gøre uddannelsen mere eksplicit og effektiv.

Risikoen er, at yngre advokater springer den kamp over, som udvikler dømmekraft. Hvis et værktøj fremstiller et plausibelt udkast for hurtigt, lærer en ny advokat måske ikke, hvordan argumentet blev bygget, hvor svaghederne ligger, eller hvorfor én indramning er bedre end en anden. Det ville være et reelt tab.

Men muligheden er enorm. AI kan fungere som tutor, simulator, skrivecoach og kilde til øjeblikkelig feedback. Den kan vise alternative strukturer, identificere udokumenterede påstande, forklare hvorfor en henvisning måske ikke understøtter et udsagn, eller sammenligne et udkast med principper for effektiv juridisk skrivning. Den kan også give yngre advokater flere gentagelser. Vi lærer og udvikler os ved at få træning og feedback.

De firmaer og juridiske afdelinger, der gør dette bedst, vil ikke blot give yngre advokater AI og håbe på det bedste. De vil omdesigne uddannelsen omkring den. De vil bede de yngre forklare deres valg, verificere resultater, sammenligne alternativer og lære at føre tilsyn med AI-støttet arbejde på samme måde, som de senere skal føre tilsyn med menneskers arbejde.

Du har rådgivet klienter i brancher fra kryptovaluta og forbrugerteknologi til komplekse erhvervstvister. Er der bestemte sektorer, hvor du tror, at anvendelsen af juridisk AI vil accelerere hurtigst, og hvorfor?

Jeg tror, anvendelsen af juridisk AI vil gå hurtigst, når

1. organisationen har arbejdsgange, der fungerer godt med store sprogmodeller,
2. organisationen er åben for innovation, og
3. organisationen er motiveret til at gennemføre en ændring.

På det første punkt er jura et naturligt område for store sprogmodeller, fordi lovgivning på mange måder er menneskelig adfærd og menneskelige værdier kodet i sprog. Juridisk arbejde omsætter rodede faktiske omstændigheder til kategorier, regler, forpligtelser, argumenter, risici og konsekvenser. Det er netop det terræn, hvor sprogmodeller kan være stærke, hvis de er forankrede, verificerbare og designet efter den måde, advokater faktisk arbejder på. Derfor mener jeg, at de fleste juridiske organisationer er gode kandidater, måske bortset fra dem, hvis primære servicemodel er menneske-til-menneske-interaktion. Men selv for organisationer som pro bono-klinikker kan store sprogmodeller hjælpe med blandt andet visitation og vidensstyring, så jeg ville ikke udelukke dem.

Den anden faktor, åbenhed for innovation, kan være en større adgangsbarriere. Derfor mener jeg, at interne juridiske teams er særligt godt placeret. De befinder sig i organisationer, der allerede forsøger at øge hastigheden, sænke omkostningerne og operationalisere viden. De håndterer kontrakter, tvister, politikker, regulatoriske forpligtelser, kundeproblemer, ansættelsesretlige spørgsmål, produktrådgivning og risikovurderinger i stor skala. Disse arbejdsgange er ofte gentagelige nok til at understøtte AI, men kræver stadig så meget juridisk dømmekraft, at bedre værktøjer kan gøre en mærkbar forskel.

Jeg tror også, at retssager, appelsager, regulerede brancher, fintech og kryptovaluta, forbrugerteknologi, forsikring og sundhedsvæsen bliver vigtige områder. I retssager og appelarbejde kan AI for eksempel hjælpe med gennemgang af sagsakter, sporing af spørgsmål, kontrol af henvisninger, procesregler, bevaringsanalyse, kortlægning af argumenter og feedback på udkast. Indsatserne er høje, så værktøjerne skal være seriøse. Men det er ikke en grund til at undgå anvendelse. Det er en grund til at bygge bedre produkter.

Det tredje punkt, motivation til forandring, er stadig en væsentlig begrænsende faktor. Som jeg ser det, bør advokatbranchen samlet set være motiveret til forandring. Retssystemet er langsomt, dyrt og utilgængeligt for alt for mange mennesker. Det sværere spørgsmål er, om professionen er åben for at ændre sig. Det mener jeg i stigende grad, at den er. Nogle dele af branchen har bevæget sig langsomt, fordi den eksisterende model var indbringende og velkendt. Men advokater er også problemløsere. Mange af os er optaget af retfærdighed og reformer og stædige på den nyttige måde. Vi er trænet til at argumentere for forandring, når det eksisterende svar er forkert.

Den private sektor kan bevæge sig først, fordi den er mere smidig og har flere ressourcer. Offentlige myndigheder, retshjælp og pro bono-organisationer har andre begrænsninger og må ofte fokusere på det presserende arbejde lige foran dem. Men disse sektorer bør ikke undervurdere sig selv. Hvis AI kan gøre juridiske tjenester mere effektive, tilgængelige og overkommelige, er den langsigtede mulighed ikke begrænset til én sektor. Den er relevant for alle, der ønsker et bedre fungerende retssystem.

Domstole, tilsynsmyndigheder og advokatsamfund undersøger i stigende grad brugen af AI i juridisk praksis. Hvilke regulatoriske eller etiske rammer forventer du vil opstå i de kommende år, og hvordan bør leverandører af juridisk teknologi forberede sig?

Vores eksisterende etiske ramme kan allerede håndtere de fleste af disse bekymringer. Advokater har altid skullet sikre, at alt, hvad de fremfører for en domstol, er forankret i sandheden. De skal være ærlige, når en afgørelse taler imod dem, og åbne, når de begår fejl. De skal håndtere deres sager kompetent og føre tilsyn med yngre advokater og andre faggrupper, der hjælper dem. De skal beskytte deres klienters følsomme oplysninger.

Den første bølge af AI-etik kræver ikke et helt nyt moralsk styresystem. Vi skal anvende disse velkendte pligter med ny alvor. Advokaten kan ikke udlicitere sin dømmekraft og derefter fraskrive sig ansvaret. Det burde ikke være kontroversielt.

En ting, vi bør gøre mere af, er teknologispecifik uddannelse, så advokater ikke bliver overraskede, når de ikke fører tilstrækkeligt tilsyn med eller kontrollerer AI-resultater. Californien kræver nu eksempelvis teknologisk kompetence som en del af efteruddannelsen, og det mener jeg er den rigtige retning. Men én time med nogle års mellemrum er ikke nok. Advokatfirmaer, juridiske afdelinger, domstole og retshjælpsorganisationer bør udvikle deres egne interne AI-politikker og obligatoriske uddannelser: ikke blot ”citer ikke hallucinerede kilder”, men hvornår disse værktøjer skal bruges, hvornår de ikke skal bruges, hvordan resultater verificeres, hvordan fortrolige oplysninger beskyttes, og hvordan ansvaret mellem menneske og maskine skal fordeles.

For leverandører af juridisk teknologi bør etik ikke behandles som en advarselsmærkat, der sættes på produktet til sidst. Etik skal være produktarkitektur. De bedste værktøjer vil gennem deres design gøre ansvarlig brug lettere: gennemsigtighed om kilder, kontrol med fortrolighed og arbejdsgange, der letter menneskelig gennemgang.

Ingen af de problemer, vi ser nu, er derfor, hvad jeg ville kalde nye. Men et virkelig hidtil uset juridisk-etisk spørgsmål viser sig i horisonten. Lige nu er næsten alle enige om, at AI bør hjælpe advokater og dommere, ikke erstatte dem. Den intuition deler jeg i betragtning af, hvor teknologien er i dag. Men hvad sker der, hvis AI-systemer bliver hurtigere, billigere, mere konsistente, objektivt mere pålidelige og mindre partiske end mennesker i juridiske ræsonnementsopgaver? Vil vi stadig sige, at et menneske altid skal være med i processen?

Det er et mærkeligt og ubehageligt spørgsmål, men vi skal være ærlige nok til at stille det. Jeg mener ikke, vi er tæt på at erstatte dommere eller advokater i menneskelige tvister med høj risiko, og jeg ville i dag være dybt skeptisk over for ethvert system, der påstod noget andet. Men det sker allerede i afgrænsede sammenhænge: AI afgør allerede visse tvister hos en stor ADR-udbyder, og på X afgør Grok ofte faktatjekstvister.

Vi antager normalt, at menneskelig dømmekraft er den etiske sikkerhedsventil. Det er den ofte. Mennesker bidrager med moralsk ansvar, institutionel legitimitet, empati, praktisk visdom og en forståelse af kontekst, som maskiner endnu ikke besidder. Men mennesker medfører også forsinkelse, omkostninger, inkonsistens, træthed, partiskhed, gatekeeping og ulige adgang. Hvis AI-støttet konfliktløsning bliver mere præcis, mere overkommelig og mere tilgængelig end status quo, bør det etiske spørgsmål ikke besvares refleksmæssigt. Spørgsmålet bør være: ”Hvilken proces giver det mest retfærdige, præcise, gennemsigtige og ansvarlige resultat?”

Hvis automatiserede eller AI-støttede systemer til sidst håndterer flere rutinetvister, kan menneskelig gennemgang blive vigtigst i randtilfældene: de usædvanlige sager, de ubehagelige fejltyper og de steder, hvor streng konsistens begynder at ligne mindre retfærdighed og mere gammeldags juridisk formalisme.

Sådan mener jeg, leverandører af juridisk teknologi bør forberede sig. Byg efter de nuværende etiske regler, men også til en fremtid, hvor professionen ærligt må sammenligne menneskers og maskiners præstationer. Målet bør ikke være at bevare ethvert eksisterende ritual i juridisk praksis. Målet bør være at bevare det, ritualerne skal beskytte: retfærdighed, nøjagtighed, ansvarlighed, legitimitet og adgang til retfærdighed.

BriefCatch har bygget sit omdømme på at forbedre juridisk skrivning frem for blot at automatisere juridisk arbejde. Hvordan afvejer I produktivitetsgevinsterne fra AI mod behovet for at bevare kritisk tænkning, juridisk ræsonnement og professionelt ansvar?

Jeg mener ikke, at produktivitet og kritisk tænkning behøver stå i modsætning til hinanden. Når en advokat bliver mere effektiv til rutineopgaver, skaber det faktisk mere plads til kreativ og kritisk tænkning. Spørgsmålet er derfor, hvilken slags produktivitet vi skaber. Hvis AI blot hjælper advokater med hurtigere at generere flere ord, er det ikke nødvendigvis fremskridt. Juridisk arbejde har allerede rigeligt med ord.

Det bedre mål er at hjælpe advokater med at skabe klarere, mere præcist, mere overbevisende og mere forsvarligt arbejde. Derfor er BriefCatchs fokus på skrivning vigtigt. Juridisk skrivning er ikke et dekorativt lag oven på den juridiske analyse. Det er stedet, hvor analysen bliver præcis, afprøvbar og nyttig for læseren.

Ansvar bevares ved at designe AI som et ekspertiselag, ikke som en erstatning for autoritet. Værktøjet kan foreslå, markere, verificere, sammenligne og stressteste. Det kan hjælpe med at anvende skriveprincipper, identificere svagheder og opdage problemer. Men advokaten skal træffe den endelige beslutning og fortsat være ansvarlig for arbejdet. For at omskrive min yndlingsinstruktør hos Peloton: ”AI kommer med forslag. Du træffer beslutninger.”

Mit eget syn er, at AI er mest værdifuld, når den gør advokaten mere engageret. Et godt system bør skærpe advokatens opmærksomhed. Det bør stille det spørgsmål, advokaten måske overså, fremhæve den retskilde, der skal kontrolleres, eller foreslå en klarere måde at udtrykke pointen på. Det bør ikke lulle brugeren ind i en tro på, at plausibel tekst er det samme som færdigt arbejde.

Hvis vi ser fem år frem, hvordan ser det ideelle forhold mellem advokater og AI ud? Ser du primært AI som assistent, samarbejdspartner eller noget nærmere en betroet juridisk medpilot?

Jeg foretrækker ”ekspertise-eksoskelet”. Det ideelle juridiske AI-system bør hjælpe advokater og dommere med det, de allerede har ansvar for, men med større rækkevidde, bedre hukommelse, bedre konsistens, større kreativitet og bedre verifikationsværktøjer.

Om fem år håber jeg, at advokater har AI-systemer, der er dybt integreret i deres arbejdsgange og langt mere specialiserede end nutidens generelle chatbots. En advokat, der skriver et processkrift, bør kunne trække på skriveekspertise, retspraksis, sagsakter, procesregler, kontrol af henvisninger, intern viden og strategisk feedback uden at forlade arbejdsgangen. Men systemet bør også være gennemsigtigt om, hvad det ved, hvad det har kontrolleret, og hvor advokaten skal bruge sin dømmekraft.

Det ideelle forhold er ikke uddelegeret forståelse eller dømmekraft. Det er kalibreret tillid. Advokater bør vide, hvilke opgaver systemet er fremragende til, hvilke der kræver tilsyn, og hvilke der helt klart hører under menneskelig dømmekraft.

Hvis vi gør det rigtigt, vil AI gøre ekspertise mere tilgængelig. Den vil hjælpe advokater med at skrive bedre, ræsonnere mere omhyggeligt, undgå fejl, der kan forebygges, og bruge mere tid på de dele af arbejdet, som kræver intuition og dømmekraft. Idéen om en legion af ”Mecha-advokater” forekommer mig langt mere interessant og optimistisk end simpel automatisering.

Tak for det gode interview. Læsere, der ønsker at vide mere, kan besøge BriefCatch.