Josephine Petrick, Hoofd AI-producten bij BriefCatch – Interviewreeks

Josephine Petrick als Hoofd AI-producten bij BriefCatch combineert een zeldzame combinatie van ervaring in appelprocedure, AI-productbeoordeling en hands-on juridische schrijfvaardigheid in een van de meest gespecialiseerde schrijfplatforms in de juridische sector. In haar rol leidt zij de AI-productstrategie voor BriefCatch en begeleidt de ontwikkeling van generatieve en opvraag gebaseerde tools die zijn ontworpen om de manier waarop advocaten en rechters juridische documenten opstellen, bewerken en verfijnen te verbeteren. Haar achtergrond omvat het dienen als partner bij The Norton Law Firm, senior adviseur en appelprocedure bij Hanson Bridgett, en griffier bij rechter James L. Dennis van het Hof van Beroep van de Verenigde Staten voor het Vijfde Circuit. Deze combinatie van ervaring in de rechtszaal, appel en advies geeft haar een praktisch perspectief op het ontwikkelen van AI-tools die echte juridische schrijfuitdagingen aanpakken in plaats van abstracte productiviteitsproblemen.

BriefCatch is een AI-gebaseerd juridisch schrijf- en bewerkingsplatform dat speciaal is ontwikkeld voor advocaten, rechters, advocatenkantoren, rechtbanken en overheidsinstanties. Opgericht in 2017 en gebouwd rond de juridische schrijfvaardigheid van Ross Guberman, helpt het platform juridische professionals om duidelijkheid, precisie, overtuigingskracht en geloofwaardigheid rechtstreeks in hun schrijfworkflow te verbeteren. BriefCatch zegt dat het meer dan 300 advocatenkantoren ondersteunt, waaronder 45+ Am Law 200-kantoren, evenals 80+ rechtbanken, en het nieuwere BriefCatch Next-product combineert deskundige juridische schrijfvaardigheid met optionele AI-tools die zijn ontworpen om juridische oordeel te verbeteren, niet te vervangen.

U heeft onlangs de functie van Hoofd AI-producten bij BriefCatch aanvaard, na eerder als appeladvocaat, gecertificeerd appeladvocaat en ontwikkelaar van juridische technologieproducten te hebben gewerkt. Hoe heeft uw ervaring op het snijvlak van appelrecht, juridische strategie en technologie uw visie op AI in de juridische sector gevormd?

Na mijn studie linguïstiek aan de Cal, was ik gefascineerd door AI en wenste ik dat ik in dat veld was gestapt. Ik werd aangetrokken door het potentieel om menselijke intelligentie uit te breiden en praktische problemen op grote schaal op te lossen. Ik werd advocaat om soortgelijke redenen. Mijn moeder was een constitutioneel advocaat, en van haar leerde ik dat de wet gebruikt kon worden om mensen op grote schaal efficiënt te helpen. Tegen de tijd dat ik praktiseerde, nam ik aan dat de weg naar een carrière in AI was afgesloten. Het is dus een beetje ironisch, en diep bevredigend, dat mijn juridische carrière me terug heeft gebracht naar de vragen die me oorspronkelijk interesseerden: Hoe gebruiken we technologie om expertise meer beschikbaar, nuttig en menselijk te maken?

Ik heb al geruime tijd met grote taalmodellen geëxperimenteerd, zelfs voordat ze als chatbots werden verpakt, toen OpenAI het product nog als zandbak aanbood. Vanaf het begin kon ik het potentieel voor praktische probleemoplossing zien. Kon dit helpen bij recordonderzoek? Kon het lokaal regelonderzoek minder pijnlijk maken? Kon het helpen bij het bijhouden van lopende zaken van het Hooggerechtshof van Californië, schatten hoe lang beroepszaken zullen duren, of het post-triale motiepraktijk stroomlijnen? Kon het iemand helpen om vast te komen?

Een van mijn favoriete voorbeelden van de laatste vraag komt van mijn vader, een gepensioneerd getaltheoreticus die nog steeds aan open problemen werkt. Ik overtuigde hem om een pro-LLM-account te proberen, en hij heeft het gebruikt om stellingen te bewijzen en vooruitgang te boeken bij problemen waar hij jaren over had nagedacht. Een van de redenen waarom LLM’s zo effectief zijn in het oplossen van open wiskundige problemen, zoals de Erdős-problemen, is dat ze zijn getraind in veel gebieden van de wiskunde en technieken kunnen overdragen van het ene domein naar het andere (bijvoorbeeld technieken uit algebraïsche getaltheorie gebruiken om een probleem in elementaire meetkunde op te lossen). Die ervaring ving iets belangrijks voor me: AI kan onze creatieve bereik uitbreiden, helpen om een breder corpus van menselijke kennis en expertise te benutten dan we individueel in ons hoofd kunnen houden, en dat gebruiken om vooruitgang te boeken in menselijke kennis en ondernemingen die anders veel langer zouden hebben geduurd.

Ik zag hetzelfde patroon in de juridische praktijk. Als appeladvocaat kwamen dezelfde procedurele en strategische vragen steeds weer terug. Dus bouwde ik databases, trackers, infographics, clientbronnen, beroepsduurcalculators, post-triale timingtools en uiteindelijk hielp ik bij het bouwen van een juridische regelgevingsdatabase. De rode draad was altijd hetzelfde: de kennis bestond, maar het was vastgelegd in PDF’s, boeken, seminars, interne notities of in iemands hoofd. Ik werd geobsedeerd door een probleem waar AI buitengewoon goed voor is uitgerust om op te lossen: hoe kennis en expertise beschikbaar maken op het moment dat mensen het nodig hebben.

Ik zie de toekomst van juridische AI als volgt. De meeste juridische technologieproducten beloven dat AI saaie taken zal automatiseren, zodat advocaten zich op strategie kunnen concentreren. Dat is waar en waardevol, maar het is slechts het begin. Wat ik het meest geïnteresseerd in ben, is het activeren van expertise. Een advocaat kan het juiste boek hebben gelezen, de juiste CLE hebben bijgewoond, de juiste post hebben opgeslagen of de juiste les hebben geleerd uit de praktijk, maar die kennis is vaak latent wanneer de advocaat daadwerkelijk een cliënt adviseert of een document opstelt.

BriefCatch zit recht in die kans. Juridische schrijven is niet alleen een kwestie van polijsten. Het is waar juridische oordeel, strategie en overtuigingskracht bruikbaar worden voor een andere geest. Ik kijk ernaar uit naar een toekomst waarin AI advocaten helpt om de juiste regel, techniek, strategie, waarschuwing of strategische inzicht op het juiste moment op te halen, terwijl professioneel oordeel en verantwoordelijkheid behouden blijven. Ik denk hierbij aan een expertise-exoskelet: technologie die advocaten helpt om meer kennis te dragen, beter te zien, voorkombare fouten te vermijden en hun beste oordeel toe te passen wanneer het het meest telt. Als we deze systemen goed bouwen, zal de samenleving hiervan profiteren, omdat juridische expertise minder wordt opgesloten in dure één-op-éénkanalen en meer beschikbaar komt voor de mensen, bedrijven, rechtbanken en instellingen die erop vertrouwen.

BriefCatch heeft onlangs RealityCheck geïntroduceerd, een tool die is ontworpen om gehallucineerde of onondersteunde juridische citaten te identificeren voordat ze worden ingediend. Wat zag u als de grootste lacunes in bestaande juridische AI-tools die deze functionaliteit noodzakelijk maakten, en hoe groot is het probleem van de betrouwbaarheid van citaten vandaag de dag?

De grootste lacune is dat te veel tools nog steeds zijn geoptimaliseerd voor generatie in plaats van verificatie. Ze kunnen helpen bij het snel produceren van tekst, wat indrukwekkend lijkt, maar juridisch werk eindigt niet met geloofwaardige tekst. Het begint daar niet eens mee. Ons rechtssysteem is fundamenteel afhankelijk van rechters en advocaten die autoriteit getrouw navertellen en toepassen. Elk juridisch instrument moet beginnen met autoriteiten die daadwerkelijk bestaan, moet nauwkeurig beschrijven wat die autoriteiten zeggen, hoe ze zijn toegepast en of de stelling waarvoor ze worden ingeroepen wordt ondersteund, gegeven de context waarin de autoriteit is beslist. Alles minder dan dat is juridische fantasie. Er zijn minder beleefde woorden voor dan dat, maar ik zal dat aan de rechters die hiermee in hun rechtbanken te maken hebben gekregen overlaten.

Daarom is een tool als RealityCheck zo belangrijk. Het probleem is niet beperkt tot volledig gefabriceerde zaken, hoewel die duidelijk alarmerend zijn. Er zijn subtielere en meer voorkomende mislukkingsmodi: een echte zaak die voor de verkeerde stelling wordt aangehaald, een arrest dat wordt overdreven, een citaat dat licht wordt gewijzigd, een tussen haakjes dat een ongemakkelijk onderscheid gladstrijkt, of een citaat dat er vanuit het gezichtspunt van de procedure correct uitziet, maar de zin die het volgt niet daadwerkelijk ondersteunt.

Deze zijn geen nieuwe problemen in de juridische praktijk, maar ze worden nu versterkt. Advocaten zijn altijd verantwoordelijk geweest voor het controleren van hun werk, maar de omvang en snelheid van AI-ondersteund opstellen maken verificatie nog belangrijker. De vraag is niet alleen “Heeft AI gehallucineerd?” maar “Bevat het ingediende document juridische beweringen die accuraat, ondersteund en beroepsbeoefenaar-verdedigbaar zijn?”

Ik denk ook dat we voorzichtig moeten zijn om menselijke werkzaamheden niet als de gouden standaard te behandelen. Mensen citeren onjuist, overdrijven en missen dingen, vooral onder tijdsdruk. Ongeacht de bron van de tekst, is de beste praktijk laagsgewijze controle: menselijk oordeel, bron-gebaseerde tools, deterministische controles waar nodig en verificatie-workflows die het makkelijker maken om fouten te detecteren voordat ze een bevel tot verschijning worden.

Veel advocaten blijven sceptisch over generatieve AI vanwege zorgen over nauwkeurigheid, ethiek en beroepsverantwoordelijkheid. Welke praktische stappen kunnen juridische technologiebedrijven nemen om vertrouwen op te bouwen en verantwoorde adoptie aan te moedigen?

Betrouwbare producten moeten hun grenzen zichtbaar maken. Ze moeten bronnen tonen wanneer bronnen ertoe doen. Ze moeten duidelijk maken wanneer een systeem taal genereert versus een citaat verifieert of een deterministische regel toepast. Ze moeten ook openhartig zijn over beperkingen, omdat overclaiming een van de snelste manieren is om advocatenvertrouwen te verliezen.

Verantwoorde adoptie moet in de workflow zijn ingebouwd. Advocaten hoeven niet te worden omgevormd tot prompt-engineers of AI-risicobeheerders om deze tools goed te gebruiken. Goede producten moeten gebruikers naar verantwoord gebruik leiden door ontwerp: vertrouwelijkheid in stand houden, toezicht ondersteunen, controle mogelijk maken, audittrails behouden waar nodig en verificatie gemakkelijk maken.

U heeft uitgebreid gewerkt met retrieval-augmented generatie (RAG) en andere technieken die zijn ontworpen om de betrouwbaarheid van AI-systemen te verbeteren. Waar denkt u dat huidige juridische AI-producten nog steeds tekortschieten, en welke technische vooruitgang is nodig om die lacunes te dichten?

Juridische AI-producten zijn al indrukwekkend in het opstellen, samenvatten, brainstormen en ophalen. Sommige vallen nog steeds tekort op een belangrijke maatstaf: de exacte nauwkeurigheid die de juridische praktijk vereist. (Ons rechtssysteem is afhankelijk van het!)

Ik zou over de betrouwbaarheidskloof nadenken als een systeemprobleem, niet als een enkel modelprobleem. Betere modellen zullen helpen, maar juridische kwaliteit betrouwbaarheid komt van meerdere lagen die samenwerken: opvraging en rangschikking, verificatielussen, geheugen, workflowontwerp en hybride deterministische/LLM-architectuur.

De basismechanica van opvraging is redelijk goed begrepen, maar het vergt veel testen en iteratie om recall en rangschikking goed te krijgen. Adversariële agenten en agente-lussen worden steeds gebruikelijker, maar de ontwerpuitdaging is om die controles principieel te maken in plaats van duur en latent “double-check-sprawl” te creëren. Met LLM-geheugen zijn de technische uitdagingen waar het geheugen thuishoort (algemeen geheugen versus een specifieke workflow; geheugensystemen kunnen nogal aan de buitenkant worden bevestigd) en de vorm die het moet aannemen om ervoor te zorgen dat de agent toegang heeft wanneer dat nodig is. Workflowontwerp is nog steeds belangrijk; als het systeem een enkele lange, vage prompt krijgt, zal het onvolledige of generieke resultaten produceren. Juridische AI heeft meer gestructureerde workflows nodig, waarbij de taak in bewuste stappen wordt opgedeeld om ervoor te zorgen dat het de context heeft die nodig is en door alle stappen gaat die nodig zijn om accurate, uitstekende juridische werkproducten te genereren. Maar dit kan minder van een probleem worden naarmate we grotere foundation-modellen ontwikkelen en compressie verbeteren.

Een andere hefboom om te trekken is de mix tussen deterministische regels zoals regexes en probabilistische modellen. LLM’s zijn buitengewoon nuttig in de prototypefase omdat ze helpen de vorm van het probleem te ontdekken. Maar zodra je een goed werkend prototype hebt en het patroon begrijpt, wil je misschien delen van de workflow terug naar deterministische logica trekken. En hoewel LLM’s inconsistent kunnen zijn, zijn ze uitstekend in het aanvullen van wat deterministische regels niet flexibel genoeg zijn om te vangen, en in het gebruik van deterministische regels/code zelf. De sterkste systemen zullen niet puur deterministisch of puur LLM-gebaseerd zijn. Ze zullen deterministische regels gebruiken waar het probleem begrepen is, en LLM’s waar ambiguïteit, oordeel of contextgevoelige taalbegrip nodig is. De vraag is waar de grens ligt: waar eindigen regels en waar moet het model overnemen?

Wanneer je deze technieken begint te combineren, kun je enorme verbeteringen maken in de betrouwbaarheidskloof, maar de trade-off is engineeringcomplexiteit, tokenkosten en latentie. Ik verwacht dat deze zullen verbeteren met technische vooruitgang en naarmate geheugen en compressie effectiever en gemakkelijker in foundation-modellen worden ingebouwd.

Juridische schrijven vereist vaak nuance, overtuigingskracht en zorgvuldige interpretatie van precedenten. Welke aspecten van juridische schrijven denkt u dat AI vandaag daadwerkelijk kan verbeteren, en welke elementen vereisen nog steeds uniek menselijk oordeel?

AI kan al veel juridische schrijven verbeteren, vooral wanneer de taak goed gedefinieerd is. Het kan helpen onduidelijke zinnen te identificeren, begraven punten, inconsistentie, redundantie, zwakke organisatie, onondersteunde feitelijke beweringen, niet-overeenkomende gedefinieerde termen, citaatproblemen en plaatsen waar het ontwerp de lezer niet goed leidt. Het kan ook advocaten helpen creatief te brainstormen, argumenten te testen en bekende schrijf- en overtuigingstechnieken toe te passen op het moment van opstellen in plaats van alleen te vertrouwen op geheugen.

Die laatste punt is vooral interessant voor me. Een advocaat kan in theorie weten dat een brief een sterkere inleiding, een schoner regelverklaring of een meer lezersvriendelijke verklaring van feiten nodig heeft. Maar wanneer je onder druk opstelt, is weten en toepassen niet hetzelfde. AI kan helpen om deskundige schrijfvaardigheid in de workflow te brengen wanneer het het document daadwerkelijk kan verbeteren.

Maar goed juridisch schrijven is niet alleen een kwestie van ambacht of tekstoptimalisatie. Het is ook de capaciteit om de meest relevante, interessante en zaakspecifieke details te identificeren en die om te zetten in een theorie die de lezer laat begrijpen waarom deze zaak ertoe doet. In mijn ervaring is dat nog steeds waar menselijke advocaten veel sterker in zijn dan LLM’s. Misschien is het smaak, misschien is het ervaring, en misschien is het iets diepers over hoe deze systemen werken. LLM’s zijn getraind om waarschijnlijke tekstvervolgen te produceren, wat een zwaartekracht naar statistisch gewone tekst creëert. In veel juridische contexten is dat nuttig. Je wilt niet dat juridische schrijven de aandacht trekt. Je wilt dat de ideeën, feiten en autoriteiten erdoorheen schijnen.

Maar echt overtuigend juridisch schrijven is vaak afhankelijk van het vinden van wat anders is. Wat is het detail dat de zaak levend maakt? Wat is het feit dat de emotionele valentie van de zaak verandert? Wat is het juridische punt dat een rechter zal doen opstaan en het probleem herkennen? Als appeladvocaat is dat vaak de draad die je probeert te vinden. Je zoekt naar de versie van de zaak die uniek en overtuigend genoeg is om de tribunalen te laten zitten.

Dat is het deel dat ik niet wil dat AI wegneemt door saaiheid. Een systeem kan duidelijker formuleringen suggereren, zwakheden markeren, citaatproblemen signaleren of een advocaat herinneren aan overtuigingstechnieken. Maar de advocaat moet nog steeds beslissen wat ertoe doet, wat te worden ingetrokken, hoe agressief te zijn, wat niet te zeggen, hoe onzekerheid te kaderen en hoe de emotionele en ethische kern van de zaak uit te leggen.

Ik ben voorzichtig om te zeggen “AI zal nooit in staat zijn dit te doen”, omdat die voorspellingen vaak verkeerd zijn. AI doet al veel discrete taken sneller en nauwkeuriger dan mensen, en ik denk niet dat het zin heeft om ons daar door te laten bedreigen. Het is een instrument. Maar ten minste vandaag de dag zijn de meest belangrijke delen van juridische overtuiging nog steeds uniek menselijk oordeel: het selecteren van de juiste details, begrijpen waarom ze ertoe doen, en een verhaal bouwen dat emotioneel resoneert.

Naarmate AI dieper wordt geïntegreerd in juridische workflows, hoe ziet u de rol van junioradvocaten en -juristen in de toekomst? Kan AI fundamenteel veranderen hoe de volgende generatie advocaten juridische schrijf- en onderzoeksvaardigheden ontwikkelt?

Ja, en we moeten daarop intentie maken. Junioradvocaten hebben traditioneel geleerd door moeilijk werk langzaam te doen: onderzoek, opstellen, herschrijven, commentaar ontvangen en geleidelijk oordeel ontwikkelen. AI zal die weg veranderen, maar het hoeft die niet te verzwakken. Als het goed wordt gebruikt, kan het training explicieter en effectiever maken.

Het risico is dat junioradvocaten de strijd missen die oordeel opbouwt. Als een tool een geloofwaardig ontwerp te snel produceert, kan een nieuwe advocaat niet leren hoe het argument is opgebouwd, waar de zwakke punten zijn of waarom een kader beter is dan een ander. Dat zou een echt verlies zijn.

Maar de kans is enorm. AI kan fungeren als tutor, simulator, schrijfcoach en bron van onmiddellijke feedback. Het kan alternatieve structuren tonen, onondersteunde beweringen identificeren, verklaren waarom een citaat een stelling niet ondersteunt of een ontwerp vergelijken met principes van effectief juridisch schrijven. Het kan junioradvocaten ook meer reps geven. Onze reps krijgen en feedback krijgen is hoe we leren en groeien.

De firma’s en juridische afdelingen die dit het beste doen, zullen junioradvocaten niet alleen AI geven en het beste hopen. Ze zullen training opnieuw ontwerpen rond AI. Ze zullen junioradvocaten vragen om hun keuzes uit te leggen, outputs te verifiëren, alternatieven te vergelijken en leren om AI-ondersteund werk te superviseren op de manier waarop ze uiteindelijk menselijk werk zullen superviseren.

U heeft cliënten geadviseerd in een breed scala aan industrieën, van cryptocurrency en consumententechnologie tot complexe commerciële rechtszaken. Zijn er specifieke sectoren waar u denkt dat de adoptie van juridische AI het snelst zal toenemen, en waarom?

Ik denk dat de adoptie van juridische AI het snelst zal toenemen wanneer

1. De organisatie workflows heeft die goed werken met LLM’s,
2. De organisatie openstaat voor innovatie, en
3. De organisatie gemotiveerd is om een verandering te maken.

Op het eerste punt is recht een natuurlijk domein voor LLM’s, omdat het in veel opzichten menselijk gedrag en menselijke waarden in taal zijn gecodeerd. Juridisch werk verandert rommelige feiten in categorieën, regels, verplichtingen, argumenten, risico’s en gevolgen. Dat is precies het terrein waar taalmodellen krachtig kunnen zijn, mits ze zijn gefundeerd, verifieerbaar en zijn ontworpen rond de manier waarop advocaten daadwerkelijk werken. Dus denk ik dat de meeste organisaties in de juridische sector goede kandidaten zijn, behalve misschien die waarvan het primaire servicemodel mens-tot-mens-interactie is. Maar zelfs voor organisaties zoals pro bono-klinieken kunnen LLM’s helpen met dingen zoals triage en kennisbeheer, dus ik zou ze niet uitsluiten.

De tweede factor, openheid voor innovatie, kan meer van een poort zijn. Dat is waarom ik denk dat interne juridische teams bijzonder goed zijn gepositioneerd. Ze zitten binnen organisaties die al proberen om snelheid, kosten en kennis te verbeteren. Ze beheren contracten, geschillen, beleid, regelgevingsverplichtingen, klantproblemen, werkgelegenheidskwesties, productadvies, risicobeoordelingen en schaal. Die workflows zijn vaak herhaalbaar genoeg om AI-adoptie te ondersteunen, terwijl ze nog steeds voldoende juridisch oordeel vereisen, zodat betere tools een significante impact kunnen hebben.

Ik denk ook dat rechtszaken, appelpraktijk, gereguleerde industrieën, fintech en cryptocurrency, consumententechnologie, verzekeringen en gezondheidszorg belangrijke gebieden zullen zijn. In rechtszaken en appelpraktijk kan AI bijvoorbeeld helpen bij recordonderzoek, kwestievolgordening, citaatcontrole, procedurele regels, bewijsanalyse, argumentkaart en opstelfeedback. De inzet is hoog, dus de tools moeten serieus zijn. Maar dat is geen reden om adoptie te vermijden. Het is een reden om betere producten te bouwen.

De derde punt – motivatie om te veranderen – is ook een significante poortfactor. De juridische sector als geheel zou gemotiveerd moeten zijn om te veranderen. Het rechtssysteem is langzaam, duur en ontoegankelijk voor veel mensen. De moeilijkere vraag is of het beroep openstaat voor verandering. Ik denk dat het steeds meer openstaat. Sommige delen van de industrie zijn langzaam geweest om te bewegen omdat het bestaande model winstgevend en vertrouwd was. Maar advocaten zijn ook probleemoplossers. Velen van ons zijn gericht op rechtvaardigheid, hervorming en zijn koppig op een nuttige manier. We zijn getraind om te argumenteren voor verandering wanneer het bestaande antwoord verkeerd is.

De particuliere sector kan als eerste bewegen omdat het flexibeler en beter uitgerust is. Regering, juridische hulp en pro bono-organisaties hebben andere beperkingen en moeten vaak focussen op het dringende werk dat recht voor hen ligt. Maar die sectoren moeten zichzelf niet verkorten. Als AI juridische diensten meer efficiënt, toegankelijker en betaalbaarder kan maken, is de langetermijnkans niet beperkt tot één sector. Het is relevant voor iedereen die geïnteresseerd is in het verbeteren van het rechtssysteem.

Rechtbanken, regelgevers en beroepsverenigingen onderzoeken de gebruiken van AI in de juridische praktijk steeds meer. Welke regelgevings- of ethische kaders verwacht u de komende jaren te zien, en hoe moeten juridische technologieaanbieders zich daarop voorbereiden?

Ons bestaande ethische kader kan al most van deze zorgen aan. Advocaten waren altijd verplicht om ervoor te zorgen dat alles wat ze aan een rechtbank voorleggen, gebaseerd is op de waarheid. Ze moeten openhartig zijn wanneer een zaak tegen hen gaat en transparant wanneer ze fouten maken. Ze moeten hun zaken competent en onder toezicht van junioradvocaten en niet-advocaten afhandelen. Ze moeten de gevoelige informatie van hun cliënten vertrouwelijk houden.

De eerste golf van AI-ethiek vereist geen geheel nieuw moreel besturingssysteem. We moeten deze vertrouwde plichten met nieuwe ernst toepassen. De advocaat kan zijn oordeel niet uitbesteden en dan verantwoordelijkheid afwijzen. Dat deel zou niet controversieel moeten zijn.

Een ding dat we meer moeten gaan doen is technologie-specifieke training, zodat advocaten niet worden overrompeld wanneer ze AI-uitvoer niet adequaat controleren of verifiëren. Californië vereist bijvoorbeeld nu technologievaardigheid als onderdeel van permanente juridische educatie, en ik denk dat dat de juiste richting is. Maar één uur om de paar jaar is niet genoeg. Advocatenkantoren, juridische afdelingen, rechtbanken en juridische dienstverleners moeten hun eigen interne AI-beleid en verplichte training ontwikkelen: niet alleen “citeer geen gehallucineerde bronnen”, maar wanneer deze tools te gebruiken, wanneer niet, hoe uitvoer te verifiëren, hoe vertrouwelijke informatie te beschermen en hoe te denken over de toewijzing van verantwoordelijkheid tussen mens en machine.

Voor juridische technologieaanbieders moet ethiek niet worden behandeld als een waarschuwingslabel dat aan het einde van het product wordt geplakt. Het moet productarchitectuur zijn. De beste tools zullen verantwoord gebruik gemakkelijker maken door ontwerp: brontransparantie, vertrouwelijkheidscontroles en workflows die menselijke controle faciliteren.

Er is dus een echt ongekend juridisch ethiekvraagstuk aan de horizon. Iedereen is het er nu over eens dat AI advocaten en rechters moet ondersteunen, niet vervangen. Ik stem in met die instinct, gezien waar de technologie vandaag de dag is. Maar wat gebeurt er als AI-systemen sneller, goedkoper, consistenter, objectief betrouwbaarder en minder bevooroordeeld worden dan mensen bij juridische redeneringstaken? Zullen we nog steeds zeggen dat een mens altijd in de lus moet blijven?

Dat is een vreemde en ongemakkelijke vraag, maar ik denk dat we eerlijk genoeg moeten zijn om ernaar te vragen. Ik denk niet dat we dicht bij het vervangen van rechters of advocaten in hoge inzetmenselijke geschillen zijn, en ik zou zeer sceptisch staan tegenover elk systeem dat dat vandaag de dag zou claimen. Maar dit gebeurt al in discrete instellingen: AI lost al bepaalde geschillen op met een grote ADR-aanbieder en op X lost Grok vaak feitcontrole-geschillen op.

We gaan er meestal van uit dat menselijk oordeel het ethische veiligheidsnet is. Vaak is dat zo. Mensen brengen morele verantwoordelijkheid, institutionele legitimiteit, empathie, praktische wijsheid en een begrip van context met zich mee die machines nog niet bezitten. Maar mensen brengen ook vertraging, kosten, inconsistentie, vermoeidheid, vooroordelen, poortwachters en ongelijke toegang met zich mee. Als AI-ondersteunde resolutie meer accuraat, betaalbaarder en toegankelijker wordt dan de status quo, zou de ethische vraag niet door reflex moeten worden beantwoord. De vraag zou moeten zijn: “Welk proces produceert het eerlijkste, meest accurate, meest transparante en meest verantwoordelijke resultaat?”

Als geautomatiseerde of AI-ondersteunde systemen uiteindelijk meer routinegeschillen afhandelen, kan menselijke controle het belangrijkst worden aan de randen: ongebruikelijke zaken, ongemakkelijke mislukkingsmodi en plaatsen waar starre consistentie meer begint te lijken op ouderwetse juridische formalisme dan op gerechtigheid.

Dat is hoe ik denk dat juridische technologieaanbieders zich moeten voorbereiden. Bouw voor de huidige ethische regels, maar ook voor een toekomst waarin het beroep eerlijk moet vergelijken tussen menselijk en machineprestaties. Het doel zou niet moeten zijn om elke bestaande rituele juridische praktijk te behouden. Het doel zou moeten zijn om te behouden wat die rituelen zijn bedoeld om te beschermen: eerlijkheid, nauwkeurigheid, verantwoordelijkheid, legitimiteit en toegang tot gerechtigheid.

BriefCatch heeft zijn reputatie opgebouwd rond het verbeteren van juridische schrijven in plaats van het simpelweg automatiseren van juridisch werk. Hoe balanceert u productiviteitswinsten van AI met de noodzaak om kritisch denken, juridische redenering en beroepsverantwoordelijkheid te behouden?

Ik denk niet dat productiviteit en kritisch denken in spanning hoeven te staan. Feitelijk, wanneer een advocaat efficiënter is in routine-taken, creëert dit meer ruimte voor creatief, kritisch denken. De vraag is dus wat voor soort productiviteit we creëren. Als AI alleen helpt om meer woorden sneller te produceren, is dat niet noodzakelijkerwijs vooruitgang. Juridisch werk heeft al genoeg woorden.

Het betere doel is om advocaten te helpen duidelijker, accurater, overtuigender en verdedigbaarder werk te produceren. Dat is waarom de focus van BriefCatch op schrijven ertoe doet. Juridische schrijven is niet alleen de decoratieve laag bovenop juridische analyse. Het is waar de analyse precies, testbaar en bruikbaar voor de lezer wordt.

De manier om verantwoordelijkheid te behouden is om AI te ontwerpen als een expertise-laag, niet als een autoriteitssubstituut. Het instrument kan suggereren, markeren, verifiëren, vergelijken en onder druk zetten. Het kan helpen bij het toepassen van schrijfprincipes, zwakheden identificeren en problemen opsporen. Maar de advocaat moet de finale beslissing nemen en verantwoordelijk blijven voor het werk. Om mijn favoriete Peloton-instructeur te parafraseren, “De AI doet suggesties, u maakt beslissingen.”

Mijn eigen mening is dat AI het meest waardevol is wanneer het de advocaat meer betrokken maakt. Een goed systeem zou de aandacht van de advocaat moeten scherpen. Het zou de vraag moeten stellen die de advocaat misschien heeft gemist, de autoriteit tonen die moet worden gecontroleerd of een duidelijker manier suggereren om het punt uit te drukken. Het zou de gebruiker niet in slaap moeten wiegen met de gedachte dat geloofwaardige tekst hetzelfde is als afgewerkt werk.

Kijkend naar de toekomst, vijf jaar vanaf nu, wat ziet u als de ideale relatie tussen advocaten en AI? Ziet u AI voornamelijk als een assistent, een medewerker of iets dichter bij een vertrouwd juridisch co-piloot?

Ik geef de voorkeur aan “expertise-exoskelet”. Het ideale juridische AI-systeem zou advocaten en rechters moeten helpen bij wat ze al verantwoordelijk voor zijn, maar met betere reikwijdte, betere herinnering, betere consistentie, betere creativiteit en betere verificatie-instrumenten.

Over vijf jaar hoop ik dat advocaten AI-systemen zullen hebben die diep in hun workflows zijn geïntegreerd en veel gespecialiseerder zijn dan de huidige algemene chatbots. Een advocaat die een brief opstelt, zou in staat moeten zijn om te putten uit schrijfvaardigheid, jurisprudentie, recordmateriaal, procedurele regels, citaatcontrole, interne kennis en strategisch feedback zonder de workflow te verlaten. Maar het systeem zou ook transparant moeten zijn over wat het weet, wat het heeft gecontroleerd en waar de advocaat oordeel moet uitoefenen.

De ideale relatie is niet gedelegeerd begrip of oordeel. Het is gekalibreerd vertrouwen. Advocaten zouden moeten weten welke taken het systeem uitstekend in is, welke taken toezicht vereisen en welke taken vierkant bij menselijk oordeel horen. Als we dit goed doen, zal AI expertise meer beschikbaar maken. Het zal advocaten helpen om beter te schrijven, zorgvuldiger te redeneren, voorkombare fouten te vermijden en meer tijd te besteden aan de delen van het werk die intuïtie en oordeel vereisen. Ik vind het idee van een legioen “Mecha-advocaten” veel interessanter en optimistischer dan eenvoudige automatisering.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten BriefCatch bezoeken.