Roderick Lucas, medstifter og administrerende direktør for Moonlit – interviewserie

Roderick Lucas er medstifter og administrerende direktør for Moonlit og har erfaring inden for kunstig intelligens, datavidenskab og juridisk teknologi. Han arbejdede næsten et årti hos Deloitte, hvor han var ansvarlig for kunstig intelligens, og har undervist i teknologifag på Vrije Universiteit Amsterdam og Tilburg University. Hans arbejde fokuserer på at gøre juridisk research mere tilgængelig gennem strukturerede data, kilder, der kan verificeres, og kunstig intelligens.

Moonlit leverer juridisk datainfrastruktur og researchværktøjer, der forbinder officiel lovgivning, domstolsafgørelser og lovgivningsmæssige oplysninger på tværs af europæiske jurisdiktioner. Platformen, Data API og MCP-serveren giver forskere og AI-assistenter adgang til strukturerede juridiske kilder, mens Commentaries-biblioteket kombinerer AI-genererede analyser med gennemgang ved navngivne juridiske eksperter. I dette interview taler Lucas om juridiske hallucinationer, research på tværs af landegrænser, ekspertverificering og adgang til pålidelig juridisk viden.

Du arbejdede næsten et årti hos Deloitte, hvor du til sidst blev ansvarlig for kunstig intelligens, samtidig med at du underviste i teknologifag på Vrije Universiteit Amsterdam og Tilburg University. Moonlit opstod oprindeligt som et internt projekt hos Deloitte, før virksomheden blev selvstændig i 2024. Hvad inspirerede dig til at udvikle platformen, og hvad overbeviste dig om, at juridisk research krævede en grundlæggende anderledes tilgang?

Moonlit begyndte hos Deloitte, fordi problemet lå lige for. Ethvert alvorligt juridisk spørgsmål eller skattespørgsmål i Europa går på et tidspunkt på tværs af landegrænser, men de nødvendige kilder er spredt ud over snesevis af nationale portaler, som hver især har deres eget format, sprog og citationsstil. Specialister bruger størstedelen af deres researchtid på at indsamle materiale og kontrollere, at intet mangler. Samtidig fungerer de værktøjer, der er udviklet til at hjælpe dem, dårligt til arbejde på tværs af landegrænser. De opkræver betaling pr. bruger pr. land og kræver separate logins, blot for at man kan sammenligne, hvordan forskellige jurisdiktioner håndterer det samme spørgsmål.

Da sprogmodellerne kom, blev to ting straks tydelige: Modellerne kunne ræsonnere over juridiske tekster langt bedre, end nogen havde forventet, men de havde ikke noget pålideligt grundlag at ræsonnere ud fra. Udtræk af tekst direkte fra offentlige domstolsportaler giver rodede og uensartede data, mens kommercielle juridiske udgivere begrænser automatiseret adgang med licenskrav. Den juridiske teknologisektor manglede et fælles fundament: officielle kilder fra flere jurisdiktioner, standardiseret i samme rene datastruktur, krydsrefereret og opdateret dagligt.

Det er dette lag, vi satte os for at bygge, og derfor blev Moonlit en virksomhed i 2024 i stedet for blot at være et værktøj til ét firma. Et sådant fundament bliver mere værdifuldt, hver gang en person eller et system læser fra det og bidrager til det. Overbevisningen bag det er uændret: Loven er offentlig, og den viden, der bygger på den, bør være økonomisk overkommelig for alle, der skal overholde den.

Moonlit blev grundlagt ud fra overbevisningen om, at adgang til juridisk viden er afgørende for retfærdighed. Lovgivning og domstolsafgørelser er ofte offentligt tilgængelige, men ekspertkommentarer, der forklarer deres betydning, er ofte stadig bag dyre betalingsmure. Hvordan vil Moonlit demokratisere adgangen til dette fortolkende lag, og hvorfor er det særligt vigtigt for udviklingen af pålidelig juridisk kunstig intelligens?

I Nederlandene går omkring 40 cent af hver euro, du tjener, til staten, og en del af beløbet finansierer offentlige universiteter og retssystemet. En stor del af kommentarerne, der forklarer loven, er skrevet af akademikere, der er offentligt lønnede. Kommercielle udgivere som Wolters Kluwer og Thomson Reuters samler disse analyser i produkter og sælger dem tilbage til domstolene, ministerierne, universiteterne og de juridiske fagfolk, der har brug for dem. Et abonnement på kommentarer koster flere hundrede euro pr. bruger om måneden. Med disse abonnementer betaler offentligheden reelt to gange for den lov, den skal følge. Et retfærdigt retssystem bør ikke koste mere om måneden end dit Netflix-abonnement.

Vi udviklede Commentaries som et åbent alternativ: et artikelopdelt bibliotek med juridiske analyser, som er tilgængeligt med en gratis Moonlit-konto. Hver kommentar genereres ud fra primærkilder ved hjælp af vores AI-modeller og gennemgås af juridiske specialister før offentliggørelsen. Hver henvisning verificeres og linker direkte til den officielle myndigheds- eller domstolsregistrering. Hvis en læser bemærker en manglende nuance eller en nyere udvikling, kan vedkommende foreslå en ændring direkte via formularen på siden, så redaktionen kan gennemgå den. Redaktørerne kan derefter gennemgå ændringen og offentliggøre teksten igen. Så vidt vi ved, tilbyder ingen andre udgivere denne kombination. Ved lanceringen fokuserer de tilgængelige kommentarer på indirekte skatter (moms), og kommentarer om databeskyttelse er under udarbejdelse.

Dette fortolkende lag er lige så afgørende for juridisk kunstig intelligens. Modeller kan indlæse offentlige love og domstolsafgørelser, men de kan ikke læse de sekundære kommentarer, der forklarer, hvordan en regel fungerer i praksis, eller hvor undtagelserne findes. Uden denne kontekst drager modellerne vidtgående slutninger og genererer upålidelige svar. Vi har udformet Commentaries, så hver påstand er tydeligt forankret i den bestemmelse, den fortolker, og den afgørelse, den bygger på. En juridisk fagperson kan kontrollere kilden med ét klik, og en AI-arbejdsgang kan ræsonnere ud fra pålidelige data via Moonlit Data API og MCP-forbindelsen.

AI-genererede juridiske hallucinationer er blevet en voksende bekymring, idet advokater og domstole støder på opdigtede henvisninger til retssager og unøjagtige fortolkninger af loven. Hvorfor har selv avancerede store sprogmodeller svært ved at opnå juridisk præcision, og hvordan kan struktureret, verificeret juridisk kontekst hjælpe med at afhjælpe disse begrænsninger?

Sprogmodeller har svært ved jura af årsager, der kun i ringe grad handler om intelligens. Juridiske ræsonnementer afhænger fuldstændigt af verificerbare retskilder. En konklusion er kun så god som den bestemmelse eller afgørelse, den bygger på, men en model behandler sagsnumre og lovhenvisninger som sandsynlighedsbaserede tekstmønstre snarere end pålidelige databaseoplysninger. Den genererer henvisninger, der ser overbevisende ud, fordi den forudsiger, hvordan en henvisning bør se ud, ikke fordi den har verificeret et faktisk dokument. Det har meget håndgribelige konsekvenser: På tidspunktet for artiklens tilblivelse var der registreret over 2.100 retsafgørelser, der involverede AI-hallucinationer, hvoraf mere end 800 direkte involverede juridiske fagfolk.

Loven ændrer sig også hele tiden. En models viden stopper ved dens træningsgrænse, mens skatteafgørelser og appelafgørelser opdateres hver uge. Når kommentarer, der forklarer, hvad reglerne betyder, ligger bag forlagenes betalingsmure, har modellen adgang til selve lovteksten, men ikke til den praktiske kontekst, og derfor opfinder den plausible forklaringer for at udfylde hullerne.

Struktureret, verificeret kontekst ændrer selve opgaven grundlæggende. Hos Moonlit henter modellen loven i stedet for at forsøge at genkalde den fra hukommelsen og arbejder direkte med officielle registre. En søgning returnerer dokumenter fra officielle kilder, hver med sin henvisning og sit link. Referencediagrammet viser, hvilke kilder en afgørelse henviser til, og hvilke senere dokumenter der henviser til den. En henvisning peger enten på et autentisk dokument i vores arkiv, eller også vises den ikke. Det eliminerer opdigtede henvisninger. Rene data alene forhindrer dog ikke fejllæsninger, og derfor sørger Commentaries stadig for, at en navngiven juridisk ekspert står mellem udkastet og læseren.

Moonlit samler lovgivning, retsafgørelser og oplysninger fra tilsynsmyndigheder på tværs af snesevis af jurisdiktioner og forbinder juridiske dokumenter gennem et omfattende referencediagram. Kan du gennemgå den underliggende AI- og dataarkitektur, især hvordan platformen identificerer relationer mellem juridiske kilder, håndterer forskelle mellem sprog og retssystemer og gør disse oplysninger tilgængelige for AI-modeller?

Forestil dig én ubrudt kæde, fra den officielle offentliggørelse helt frem til en verificeret henvisning.

I hver jurisdiktion opretter vi direkte forbindelse til de officielle portaler, herunder lovtidender, domstolenes databaser, tilsynsmyndigheder og EUR-Lex for EU-retten. Hver portal har sine egne særheder og formater, og de kan ændre sig uden varsel, så en betydelig del af vores ingeniørarbejde går med overvågning og automatisk genoprettelse for hver portal. Hvert dokument, vi indhenter, bevarer sin kildeangivelse og et permanent link tilbage til den officielle myndighedsregistrering. Dette link er grundlaget for alt det øvrige.

Alt samles i én model på tværs af jurisdiktioner, der omfatter lovgivning, retspraksis, parlamentsdokumenter, myndighedsafgørelser og vejledninger. Lovgivningen opdeles i de enkelte artikler, så en bestemt bestemmelse kan hentes og citeres præcist. En nederlandsk dom og en tysk afgørelse bevarer de specifikke felter, som deres respektive nationale systemer kræver, mens vi standardiserer, hvordan dokumenterne identificeres, klassificeres og forbindes på tværs af grænser.

Juridiske tekster henviser hele tiden til hinanden. En dom henviser til de artikler, den anvender, og de afgørelser, den følger, mens en lov henviser til andre love. Vores motor genkender disse henvisninger, som kan have meget forskellige former fra jurisdiktion til jurisdiktion, finder de tilsvarende autentiske dokumenter i vores Data Layer og gemmer forbindelserne i begge retninger. Juridiske ingeniører verificerer mønstrene til udtrækning af henvisninger. Resultatet er et referencediagram med hundredvis af millioner af forbindelser, så man for hvert dokument kan se, hvilke kilder det henviser til, og hvilke der henviser til det.

Sproget håndteres derimod ved at lade kildedokumenterne være urørte. Vi oversætter ikke de primære tekster. En belgisk afgørelse forbliver på fransk eller nederlandsk, og søgninger foretages direkte på originalsproget. Vi kombinerer søgning efter søgeord med semantisk søgning, omrangerer resultaterne og begrænser hver søgning til den relevante jurisdiktion. Luna, vores researchassistent, svarer på det sprog, du spørger på, samtidig med at den søger i hver underliggende kilde på dens originalsprog.

Moonlit-platformen, vores Data API og MCP-serveren læser alle fra det samme Data Layer. API’en giver programmatisk adgang til vores søgemetoder, referencediagrammet og fuldtekstsøgning, mens MCP-serveren stiller ni skrivebeskyttede værktøjer til rådighed for enhver ekstern AI-assistent. Når vi forbedrer de underliggende data, slår forbedringen igennem på alle platformens kontaktflader på én gang.

Moonlit har lanceret AI-genererede juridiske kommentarer, som gennemgås af navngivne juridiske eksperter, og kombinerer dermed automatisk udarbejdelse med menneskelig verifikation. Hvordan fungerer denne proces i praksis, og hvilke sikkerhedsforanstaltninger sikrer, at AI-genererede fortolkninger er præcise, gennemsigtige og sporbare til autoritative juridiske kilder?

En kommentar tager udgangspunkt i selve loven. Vores motor udarbejder et udkast på grundlag af primærkilder i Data Layer, herunder lovgivning, retspraksis, direktiver og forarbejderne til den enkelte bestemmelse. Den kan kun henvise til dokumenter, vi har, så hvert udsagn er knyttet til den bestemmelse, det fortolker, og den kilde, der underbygger det. En af kommentarerne ved lanceringen henviser for eksempel til 165 verificerede kilder.

Inden en kommentar offentliggøres, gennemgår en juridisk ekspert på området udkastet med udgangspunkt i de primære kilder. Vores redaktører er akademikere og forfattere med praktisk erfaring, som får betaling for deres arbejde. Gruppen ved lanceringen kommer fra universiteter, domstole, offentlige myndigheder, rådgivningsvirksomheder og advokatfirmaer. De retter udkastet, fjerner det, der ikke hører hjemme, og tilføjer det, der mangler. Deres navne står tydeligt på siden.

Mærker for verificeret gennemgang viser, hvilke afsnit en redaktør har valideret, så det altid er tydeligt, hvilke dele en menneskelig ekspert står inde for.

Hver kommentar angiver også en referencedato, der viser præcis, hvilken retstilstand den beskriver. Data Layer opdateres dagligt og markerer relevante nye afgørelser for redaktøren, som derefter reviderer teksten og ajourfører referencedatoen.

Den grundlæggende sikkerhed ligger i linket. Hvis du ikke kan klikke dig videre til den afgørelse, der underbygger en konklusion, bliver du bedt om at tage den på tro og love. Vi har udviklet Commentaries, så ingen behøver det.

Gennem integrationer via Model Context Protocol (MCP) kan Moonlit gøre juridisk viden direkte tilgængelig i AI-assistenter som ChatGPT, Claude og Microsoft Copilot. Hvad gør denne arkitektur muligt, som konventionelle systemer til retrieval-augmented generation måske har svært ved at opnå, og hvordan sikrer I, at assistenterne bruger de hentede juridiske oplysninger ansvarligt?

Traditionel RAG tager et øjebliksbillede af nogle dokumenter, deler dem op i mindre tekststykker, indlejrer dem og giver modellen de stykker, der scorer højest på lighed. På det juridiske område svigter metoden på tre punkter. Øjebliksbilledet bliver forældet. Lighedssøgning er ikke pålidelig nok til at finde en bestemt artikel eller et bestemt sagsnummer. Og et tekststykke fortæller dig intet om, hvilke kilder dokumentet henviser til, eller hvordan senere afgørelser har påvirket det.

Med MCP-serveren udfører assistenten selv researchen. Den kan søge efter betydning eller efter præcise termer og henvisninger ved hjælp af booleske operatorer, følge henvisninger mellem dokumenter, læse hele tekster og hente enkelte lovbestemmelser. Den kan også undersøge, hvilke jurisdiktioner og officielle portaler der er tilgængelige. Modellen beslutter, hvad den har brug for, læser de resultater, der kommer tilbage, og søger igen, indtil svaret holder. Det er denne arbejdsgang, der gør forskellen. Luna blev overført til den samme MCP-server i september, og svarene blev både hurtigere og bedre. Dataene er også opdaterede i realtid: Assistenten læser Data Layer, sådan som det ser ud i dag.

Ansvarlig brug begynder med tydelige begrænsninger. Vores værktøjer har kun læseadgang, og resultaterne er linket tilbage til den officielle kilde. Vi offentliggør også enkle instruktioner til research, som assistenter kan følge. De forklarer, hvordan man søger på kildens originalsprog, kontrollerer tekststedet, inden man henviser til det, verificerer versionen og gør opmærksom på eventuelle mangler i de tilgængelige kilder.

Forskellige assistenter viser deres ræsonnement på forskellige måder, og det har vi ikke kontrol over. Det, vi kan gøre, er at gøre kilderne nemme at kontrollere. Hver henvisning fører til et dokument, og hvert dokument fører til sin officielle offentliggørelse.

Juridisk information udvikler sig hele tiden, efterhånden som nye afgørelser offentliggøres, regler ændres, og eksisterende præcedens udfordres. Hvordan identificerer og indarbejder Moonlits automatiserede overvågningsinfrastruktur disse udviklinger, og hvordan forhindrer platformen AI-systemer i at støtte sig til forældet lovgivning eller forældede juridiske fortolkninger?

At forhindre en AI eller en forsker i at støtte sig til forældet ret afhænger af forbindelserne mellem dokumenterne. Så snart en ny dom eller lovændring kommer ind i systemet, knytter referencediagrammet den til de tidligere bestemmelser og sager, den henviser til. Hvis en appelret omgør eller indskrænker en tidligere afgørelse, knyttes udviklingen direkte til den oprindelige afgørelse som en senere afgørelse, der henviser til den. En model, der følger diagrammet, ser straks, hvordan afgørelsen efterfølgende er blevet behandlet, i stedet for at betragte en forældet præcedens som gældende ret. På platformen kan brugerne omsætte den samme strøm af indgående oplysninger til aktive overvågninger af de specifikke love, domstole eller emner, de følger.

For kommentarer har det traditionelt været en stor udfordring at holde indholdet ajour. Kommercielle kommentarværker bliver ofte kun gennemgået med henblik på opdateringer én eller to gange om året. På områder i hastig udvikling, såsom indirekte skatter eller databeskyttelse, skaber den forsinkelse alvorlige risici for manglende overholdelse af reglerne. Da vores Data Layer dagligt sammenholder nye offentliggørelser med vores kommentarer, bliver nye afgørelser straks markeret for den redaktør, der udarbejder kommentaren. Redaktøren opdaterer analysen og ajourfører referencedatoen, så både praktikere og AI-modeller arbejder ud fra den aktuelle retstilstand i stedet for et tolv måneder gammelt grundlag.

Juridisk research på tværs af landegrænser indebærer kompleksitet, der rækker ud over oversættelse af dokumenter, især når forskellige lande fortolker eller gennemfører lignende regler forskelligt. Hvordan skelner Moonlits AI mellem disse jurisdiktionsforskelle, og hvad sker der, når autoritative juridiske kilder tilsyneladende er i modstrid med hinanden?

Et EU-direktiv og den nationale lov, der gennemfører det, er to forskellige dokumenter, som er forbundet dér, hvor det ene henviser til det andet. En national afgørelse, der anvender en dom fra EU-Domstolen, er tilsvarende forbundet med den pågældende dom. Det er også derfor, Commentaries begynder med moms. Reglerne er i vid udstrækning harmoniseret på EU-plan og fortolkes derefter i hvert enkelt medlemsland.

Modstridende oplysninger er almindelige i juraen, og vi skjuler dem ikke. Når to autoritative kilder ser ud til at være uenige, får læseren adgang til dem begge. Herefter gør den indbyrdes rangorden det meste af arbejdet: En nyere afgørelse går forud for en ældre, EU-Domstolen går forud for en national domstol i spørgsmål om EU-ret, og det er bestemmelsen, som den lød på datoen for henvisningen, der gælder. I Commentaries træffer redaktøren denne afgørelse åbent, og kilderne vises ved siden af den.

Moonlits teknologi bruges af organisationer som Nederlandenes højesteret, Deloitte og andre juridiske institutioner og offentlige institutioner. Kan du give et konkret eksempel på, hvordan platformen har ændret en arbejdsgang inden for juridisk research, og hvordan I måler forbedringer i researchens nøjagtighed, fuldstændighed eller effektivitet sammenlignet med traditionelle metoder?

Inden for fintech har det juridiske team hos Quantoz Payments for eksempel forbundet Moonlits MCP-server med Claude og kombineret den med skræddersyede arbejdsgange for regulering af grænseoverskridende betalinger. Den arbejdsgang, den erstatter, er den traditionelle standard i hele Europa. En jurist er typisk nødt til at åbne portaler i flere lande, søge på flere sprog, kopiere henvisninger ind i et notat og håbe, at ingen afgørende lokal præcedens er blevet overset. Nu søger deres løsning på tværs af jurisdiktioner samtidig, følger henvisningsgrafen og finder de primære dokumenter sammen med links til deres officielle kilder. For et internt juridisk team er effekten tydelig. Den fjerner risikoen for at overse udenlandske afgørelser og flytter arbejdstimer fra mekanisk informationsindsamling over til egentlig juridisk analyse og risikovurdering.

På udviklingssiden ser man en helt anden form for effektivisering. Teams, der udvikler juridiske AI-produkter, måler forbedringer i sparede ingeniørmåneder. Eudia, en virksomhed inden for juridisk AI, havde brug for strukturerede europæiske juridiske data til sit produkt, og virksomhedens produktchef bemærkede, at vores Data API gav dem et komplet europæisk datakorpus på få dage. Uden en underliggende datainfrastruktur betyder det, at man på ubestemt tid skal udvikle og vedligeholde skræddersyede webskrabere til hver national portal. Andre platforme som Saga og Legal Mind bygger på det samme fundament, og de kan nu også levere verificerede Commentaries direkte til deres egne slutbrugere.

Hvis vi ser fremad, efterhånden som grundmodeller bliver stadig mere kompetente, og AI-agenter påtager sig mere avancerede opgaver inden for juridisk research, hvordan ser du så forholdet mellem AI-modeller til generelle formål og specialiseret juridisk datainfrastruktur udvikle sig? Hvad er din langsigtede vision for Moonlit, især når det gælder om at gøre pålidelig juridisk indsigt tilgængelig for andre end store advokatfirmaer og institutioner?

En stærkere model ræsonnerer bedre på grundlag af de kilder, den får, men den kan ikke fremtrylle pålidelige primærkilder ud af ingenting. I takt med at grundmodeller bliver mere kompetente, stiger værdien af et verificeret datalag faktisk. Når ræsonnering bliver udbredt, bliver datakvalitet den egentlige flaskehals, fordi en agent stadig har brug for præcis, struktureret lovgivning at arbejde med.

Modeller til generelle formål og autonome agenter vil stå for udarbejdelse af tekst, syntese og samtalebaseret interaktion. Specialiseret infrastruktur som Moonlit håndterer det krævende dataproblem nedenunder: Den holder lovgivningen opdateret, struktureret og verificerbar og leverer den direkte via de protokoller, som agenterne bruger. Vi forberedte os tidligt på denne udvikling. Vores egen assistent kører på præcis den samme MCP-server, som eksterne agenter opretter forbindelse til, og teams bruger allerede deres egne skræddersyede agenter oven på den.

Denne arkitektur er også central for vores langsigtede vision. Pålidelig juridisk indsigt på tværs af grænser har traditionelt været et luksusgode, som kun de største advokatfirmaer og multinationale selskaber har haft råd til gennem dyre abonnementer, der dækker flere lande. Ved at gøre Commentaries gratis at læse og åbne vores datalag for alle udviklere gennem moderne API’er og forbindelser ønsker vi at skabe mere lige vilkår. En selvstændig advokat, der rådgiver en virksomhed med aktiviteter på tværs af grænser, eller en intern jurist i en nystartet virksomhed bør have adgang til præcis den samme researchpræcision og de samme verificerede kildehenvisninger som et globalt rådgivningsfirma.

Tak for et godt interview. Læsere, der ønsker at udforske verificerede juridiske data og AI-understøttet research på tværs af grænser, kan besøge Moonlit.