Sarah Webb, COO og medgründer av LawVu – intervjuserie

Sarah Webb er COO og medgründer av LawVu. Hun har bakgrunn innen ingeniørfag og programvareledelse, med erfaring fra blant annet LOVEFiLM og Amazon. Hun begynte i LawVu som CTO i 2015 og ble COO i 2020, og har dermed erfaring fra teknologi, drift, sikkerhet og styring. Arbeidet hennes dreier seg om å hjelpe juridiske team med å koble sammen data og arbeidsflyter, samtidig som de balanserer KI-innovasjon mot risiko for virksomheten.

LawVu tilbyr et operativsystem for juridiske team internt i virksomheter. Det samler mottak av henvendelser, saker, kontrakter, kostnader og kunnskap i én sammenkoblet plattform. KI-funksjonene og integrasjonene gjør det enklere for teamene å arbeide på tvers av verktøyene de allerede bruker, samtidig som tilganger og kontroll ivaretas. I dette intervjuet snakker Webb om skygge-KI, agentbaserte arbeidsflyter, institusjonell kunnskap og grunnlaget virksomheter trenger for å ta i bruk KI på en kontrollert måte.

Du var med på å grunnlegge LawVu etter å ha brukt en stor del av karrieren på å bygge opp og lede programvareteam, blant annet hos LOVEFiLM og Amazon. Hva fikk deg til å se juridisk drift i virksomheter som et problem det var verdt å løse, og hvordan har den opprinnelige visjonen din for LawVu utviklet seg etter hvert som KI har endret teknologilandskapet?

Jeg tilbrakte mesteparten av den tidlige karrieren min i ingeniør- og teknologijobber, blant annet hos LOVEFiLM og Amazon. Overgangen til juridisk teknologi var ikke noe jeg hadde planlagt; den skjedde mer ved en tilfeldighet. Jeg har vært i LawVu i nesten 11 år nå, først som CTO, men gikk ganske raskt over til rollen som COO. Bare den overgangen har endret mye ved hvordan jeg ser på virksomheten.

I starten var det første problemet vi prøvde å løse, manglende oversikt. De fleste kundene gikk bort fra Outlook og Excel-regneark, og det føltes som en stor seier bare å samle alt på ett sted. Deretter kom en periode da teamene begynte å jobbe eksternt, og uten en sentralisert plattform ble samarbeid enda vanskeligere. Det forsterket noe vi allerede hadde sett: Mye repetitivt juridisk arbeid ble verken verdsatt eller lagt merke til av resten av virksomheten, fordi det ikke fantes noe sted der arbeidet var synlig. Denne perioden førte til at vi gjorde en grundig innsats for å lære kundene hvordan de kunne strukturere dataene sine og håndtere endringene internt, i stedet for bare å gi dem et verktøy.

Vi bygget også tidlig ut integrasjoner på tvers av Microsoft-pakken, fordi målet alltid var å møte virksomheten der den allerede jobbet til daglig, i stedet for å be teamene gi slipp på det de kjente. Det som har endret seg siden den gang, er omfanget av det samme prinsippet krever i dag. Før handlet det om å senke terskelen for å få et brukbart datasett på plass for enkelhets skyld. Nå er det forskjellen på KI som faktisk kan utføre juridisk arbeid, og KI som bare gjenspeiler den samme fragmenteringen tilbake til deg.

Du har hevdet at «skygge-KI» ofte skyldes problemer med arbeidsflyten, snarere enn problemer med de ansatte. Hva betyr det i praksis, og hva kan organisasjoner lære når ansatte går utenom godkjente KI-verktøy eller -systemer og velger egne løsninger?

Hvis du ikke gjør de riktige verktøyene tilgjengelige internt, kommer folk til å finne sine egne for å jobbe mer effektivt. Det er kjernen i problemet. Når noen går utenom et godkjent system, er det lett å tenke at dette er et brudd på kravene, noe man må stenge ned eller lage en policy mot. I praksis forteller det som regel noe om selve arbeidsflyten: Den godkjente måten å gjøre ting på var tregere eller mer tungvint enn alternativet, så folk fant sin egen vei rundt den.

Det er nettopp derfor skygge-KI utgjør en større risiko enn skygge-IT noen gang gjorde. Hendelser knyttet til skygge-KI står nå for 20 prosent av datainnbruddene, med en gjennomsnittlig kostnad på 10,2 millioner dollar. Det skyldes at folk ikke bare tar i bruk et verktøy som ikke er godkjent; de mater det direkte med sensitivt materiale, som kontraktstekst, avtalevilkår og interne vurderinger.

Det organisasjoner faktisk bør lære av dette, er hvor gapet ligger. Mangelen på et sikkert og godt forankret alternativ hindrer ikke folk i å bruke KI; den får dem bare til å bruke den et sted du ikke kan se. Under dette ligger det en dypere risiko som handler om mer enn sikkerhet. Når arbeidet er spredt på personlige KI-verktøy i stedet for å være samlet i et felles, strukturert system, tar virksomheten beslutninger på grunnlag av et ufullstendig bilde uten engang å være klar over at deler av bildet mangler. Hvis et KI-verktøy bare får se 60 prosent av de relevante dataene fordi resten ligger på noens personlige konto, blir det mindre treffsikkert, og risikoen for feil beslutninger øker. Å forby omveien løser ikke noe av dette. Det gjør derimot å gi folk noe bedre enn omveien.

Basert på LawVus arbeid med hundrevis av juridiske team i større virksomheter, hvilke feil ser du oftest at organisasjoner gjør når de etablerer styring av KI, særlig etter hvert som ansatte får tilgang til stadig kraftigere KI-verktøy for generell bruk?

Den vanligste feilen er å forveksle en skriftlig policy med en faktisk kontrollmekanisme. Mange organisasjoner har nå et dokument som beskriver hvordan KI bør og ikke bør brukes. Svært få har bygget noe operativt rundt den – noe som faktisk styrer hva et verktøy får tilgang til, logger hva det gjør, og gjør det mulig å rekonstruere hendelsesforløpet i etterkant hvis det skulle bli nødvendig.

Den andre feilen er å ikke ta høyde for hvor mye risiko som kommer til med hvert enkelt verktøy. Hver punktløsning et team tar i bruk, enten det gjelder kontrakter, utgifter eller saksinntak, krever sin egen integrasjon, har sin egen autentiseringsprotokoll og lagrer sin egen kopi av sensitive data. Hver for seg virker de håndterbare. Samlet gjør de den juridiske teknologistakken til et fragmentert risikoknutepunkt, og mer enn en tredjedel av sikkerhetsbruddene kan spores tilbake til nettopp denne typen tredjepartstilgang. De fleste team innser ikke hvor mye risikoen summerer seg til før de selv blir gransket etter at noe har gått galt.

Den tredje feilen er å behandle KI-verktøy for allmenn bruk annerledes enn annen programvare som håndterer sensitive data. Alle kundene vi har samarbeidet med siden starten, også offentlige virksomheter, har gjennomgått en fullstendig sikkerhetsvurdering hos oss. Grunnen er at et system som vårt inneholder noe av den mest sensitive informasjonen en virksomhet har: forretningshemmeligheter, data om fusjoner og oppkjøp (M&A) og personopplysninger. Hver dag gir ansatte den samme typen informasjon til offentlig tilgjengelige KI-verktøy uten i nærheten av samme grad av kontroll, fordi det ikke føles som å ta i bruk en ny leverandør – det føles som å bruke et verktøy. Det er dette gapet mellom det som blir revidert, og det som faktisk innebærer risiko, som får de fleste styringsprogrammer til å rakne.

LawVu har tatt i bruk KI-agenter og agentbaserte arbeidsflyter i juridisk arbeid. Hvordan avgjør dere hvilke juridiske prosesser som egner seg for autonom KI-utførelse, og hvilke som alltid bør kreve menneskelig kontroll eller godkjenning?

Vi legger større vekt på konsekvensene og hvor enkelt det er å reversere prosessen enn på hvor komplisert den ser ut på papiret. Hvis en feil er billig å oppdage og enkel å rette opp, er prosessen som regel godt egnet for autonomi. Derfor passer arbeid med stort volum og tydelige rammer, som saksinntak og innledende sortering, ofte godt.

Alt som berører en ekstern forpliktelse, juridisk risiko eller en beslutning som er vanskelig å reversere, krever at et menneske er involvert, uansett hvor nøyaktig agenten ser ut til å være i testing. Det er samme logikk som ligger bak hvordan vi tenker på risikotoleranse mer generelt i LawVu. Vi finner ut hva et team kan leve med, setter de riktige kontrollene på plass og åpner først deretter for mer. Den egentlige testen handler ikke om nøyaktighet, men om vi kan si hva agenten fikk tilgang til, hvorfor den utførte handlingen, om den hadde tillatelse til det, og om vi kan dokumentere dette i etterkant. Hvis vi ikke kan svare på dette, er prosessen ennå ikke klar til å kjøres på egen hånd.

Disse beslutningene er ikke «én gang for alle»: En prosess som er trygg å automatisere i dag, kan bli utrygg når bruken øker, eller når arbeidsflyten begynner å omfatte mer sensitivt materiale enn i starten. Derfor må grensen vurderes på nytt, ikke bare trekkes én gang.

LawVus MCP-server lar organisasjoner koble verktøy som ChatGPT, Claude og Microsoft Copilot direkte til det juridiske arbeidsmiljøet sitt. Hvordan kan virksomheter gi eksterne KI-systemer nyttig tilgang til virksomhetsdata, samtidig som de ivaretar tilgangsrettigheter, muligheten for revisjon, personvern og kontroll?

Det er lett å tenke at tilkobling og sikkerhet står i motsetning til hverandre, men det trenger ikke å være slik. Plattformen må fortsatt være den autoritative kilden for tilgangsrettigheter, ikke KI-verktøyet som ligger oppå den. Enten noen starter en samtale i ChatGPT, Claude eller Copilot, skal det de har lov til å se og gjøre, ikke endres ut fra hvilket grensesnitt de tilfeldigvis åpnet den dagen.

Dette fungerer bare hvis miljøet i den andre enden allerede har de riktige kontrollene på plass før du kobler til noe. Det er nettopp dette grunnarbeidet de fleste virksomheter hopper over. Alle behandler MCP som en automatisk sikkerhetsgevinst fordi mindre data flyttes rundt, og det stemmer, men bare hvis mottakersystemet kan opplyse om hva som ble åpnet, hvorfor og av hvilken agent på vegne av hvem – og dokumentere det i etterkant.

Her finnes det også en forretningsmessig gevinst. Hvis det sentrale KI-verktøyet kan gjenkjenne når en forespørsel har en juridisk dimensjon og automatisk sende den videre til LawVu, slipper ansatte å bruke tid på å finne ut hvilket system de skal gå til i utgangspunktet. Det betyr også at de ikke tyr til et personlig KI-verktøy som ikke har tilgang til et pålitelig og sikkert datasett. Å gi folk ett godt styrt startpunkt bidrar til større utbredelse enn det noen gang ville gjort å låse alt ned.

KI-modeller for allmenn bruk kan være kraftige, men mangler ofte virksomhetens institusjonelle hukommelse, tidligere beslutninger og spesifikke risikoprofil. Hvilken informasjon og infrastruktur må være på plass rundt en KI-modell før den kan bli virkelig nyttig i virksomhetsarbeid med høy risiko?

Jeg tenker på horisontal KI som en briljant fremmed: en person som har lest utrolig mye, skriver vakkert og kan snakke om nesten hva som helst. Men vedkommende har aldri møtt klienten din. Har aldri deltatt i forhandlingene dine. Vet ikke hvordan organisasjonen din balanserer risiko. Og har aldri sett samtalene som førte til unntakene teamet ditt ble enige om for seks måneder siden.

Det er derfor noe av det første mange juridiske team gjør, er å koble KI til en forhandlingshåndbok, og det skal sies at dette er utrolig verdifullt. Gir du en KI-modell tilgang til klausulene dere foretrekker, alternative standpunkter, godkjenningsterskler og forhandlingsveiledning, merkes effektivitetsgevinstene nesten umiddelbart. Utfordringen er at de viktigste juridiske beslutningene ofte tas når standardstandpunktet ikke lenger passer: En strategisk kunde trenger et unntak, en mulighet for sterk vekst rettferdiggjør en større risiko, eller en forhandling kommer til et punkt der kommersielle hensyn veier tyngre enn den foretrukne klausulen.

Det er da det juridiske skjønnet begynner å bli synlig. Noe av den mest verdifulle kunnskapen finnes i unntakene, ikke i forhandlingshåndboken. Hvorfor gjorde vi et unntak for denne kunden? Hva skjedde forrige gang vi forhandlet om dette standpunktet med samme motpart? Har virksomheten akseptert denne risikoen andre steder? Ble saken eskalert tidligere, og hva ble den endelige beslutningen?

Svarene finnes sjelden i ett enkelt dokument. De er spredt på tvers av kontrakter, godkjenninger, e-poster, saksdokumenter, møtenotater og den samlede erfaringen til dem som var involvert på det aktuelle tidspunktet. Dokumentet registrerer bare utfallet, mens organisasjonen bevarer begrunnelsen andre steder.

En briljant fremmed kan lære reglene bemerkelsesverdig raskt, men å forstå hvorfor reglene ble tøyd i utgangspunktet, er en helt annen utfordring. Det som vanligvis skiller nyttig KI fra KI som skaper grunnleggende endringer, er hvor mye av sin egen erfaring organisasjonen har bevart, slik at KI kan lære av den.

Mange selskaper har over tid samlet opp frakoblede kontraktsystemer, verktøy for saksbehandling, regneark, e-postarkiver og andre kilder til virksomhetskunnskap. Hvor viktig er det å ha et enhetlig datagrunnlag før man tar i bruk KI-agenter, og hva må en organisasjon gjøre for å gjøre dataene sine virkelig KI-klare?

Juridisk arbeid er et perfekt eksempel på hvorfor dette er viktig: Kontrakter redigeres med endringsmarkeringer i Word, godkjenninger kommer på e-post, beslutninger tas på Slack, og så legges KI oppå dokumentlageret i stedet for å koble sammen selve arbeidsprosessene. Å legge KI oppå et fragmentert system gir bare raskere tilgang til kaos.

Selskapene som brukte flere år på å bygge opp en reell datainfrastruktur og få systemene sine i orden før KI kom, er de som allerede høster gevinster av KI. Det er egentlig kjernen i saken. Du kan ikke skalere agenter oppå frakoblede kontraktsystemer, verktøy for saksbehandling, regneark og e-postarkiver og samtidig forvente pålitelige resultater. Grunnlaget må på plass først: sammenkoblede systemer, tydelige tilgangskontroller og en definert risikotoleranse, før du i det hele tatt kan begynne å tenke på å skalere KI.

Når virksomheter vurderer om de skal bygge sine egne KI-applikasjoner, kjøpe spesialiserte KI-plattformer eller koble allsidige modeller til eksisterende systemer, hvordan bør teknologiledere tenke om valget mellom å bygge, kjøpe eller integrere?

Å bygge eller kjøpe høres ut som en teknologisk beslutning. Etter min erfaring handler det egentlig om hvor moden den juridiske driften er. Det dreier seg om hvor seriøst et juridisk team betrakter seg selv som en funksjon, med egne arbeidsflyter, data og driftsmodell. Får man denne modenheten på plass, følger den rette KI-strategien for juridisk arbeid gjerne av seg selv.

Når det gjelder å bygge: For de få teamene som har ressurser til å drive som et programvareselskap, kan det være fornuftig. Modellene utvikler seg, infrastrukturen endres, og arbeidet blir aldri helt ferdig. For de fleste team er utfordringen ikke å bygge løsningen én gang, men å vedlikeholde den for alltid.

Når det gjelder å kjøpe: De fleste team ender opp med dette, men «å kjøpe» er ikke ett enkelt alternativ. Det rommer minst tre forskjellige ting som ofte slås sammen. Allsidig KI, som ChatGPT, Copilot og Claude, er kraftig, men forstår ikke automatisk saksstrukturer, saksinntak eller godkjenningsarbeidsflyter. KI som kobles til én enkeltløsning, for eksempel via MCP, er et betydelig fremskritt, men innsynet er fortsatt begrenset til det som finnes i akkurat det systemet.

Den største muligheten ligger i KI som forstår hvordan juridisk arbeid henger sammen på tvers av hele funksjonen, ikke bare hva som skjer i ett bestemt verktøy. Når saksinntak, saker, kontrakter, kostnader og kunnskap er samlet på ett sted, kan KI resonnere ut fra helheten i stedet for bare én del av den.

Du har hatt både CTO- og COO-roller i LawVu, med ansvar for teknologi, drift, sikkerhet og produktgjennomføring. Hvordan har denne kombinasjonen formet tilnærmingen din til å balansere rask KI-innovasjon mot sikkerhet, etterlevelse, pålitelighet og virksomhetsrisiko?

Jeg begynte i LawVu som CTO i 2015 og tok på meg COO-rollen i 2020, så jeg har arbeidet på tvers av både teknologi og drift i over ti år.

Denne kombinasjonen endrer måten man tenker på innovasjon innen KI versus sikkerhet og etterlevelse, fordi man ikke opplever dem som separate diskusjoner. Når jeg har ansvar for styring, risiko og etterlevelse internt, samtidig som jeg bygger en plattform som hjelper kundene med å håndtere de samme funksjonene, kan jeg ikke behandle innovasjon og sikkerhet som trinn som følger etter hverandre. Det ene kommer ikke etter det andre – de skjer samtidig, eller ikke i det hele tatt. Helt siden starten har alle kundene våre gjennomgått en fullstendig sikkerhetsvurdering, og hver gang du legger til et nytt verktøy i økosystemet ditt, øker du risikobildet knyttet til disse dataene. Dette gjelder oss internt like mye som kundene våre. Derfor tvinger det å bygge løsningen og samtidig være ansvarlig for hvordan den styres, deg til å ivareta begge deler på én gang.

Hvordan tror du agentisk KI vil endre rollen til juridiske avdelinger i virksomheter fremover? Tror du juridiske avdelinger først og fremst vil bruke KI som et produktivitetsverktøy, eller kan de etter hvert bli tilsynsførere for i stor grad autonome arbeidsflyter som fungerer på tvers av virksomheten?

Generativ KI har flyttet samtalen fra gradvise effektivitetsgevinster til en grunnleggende nytenkning om hvordan juridisk arbeid utføres, og hvordan driftsmodellen må se ut i en verden som raskt beveger seg mot agentiske funksjoner. Jeg ser ikke på agentisk KI som en hype, men som et gjennomføringslag som kan hjelpe juridiske avdelinger med å gå fra å administrere arbeid til å utføre det aktivt, med de rette kontrollene og sikkerhetsmekanismene på plass.

Akkurat nå skjer det et skifte mot en «inngangsport» i organisasjoner: Forretningsbrukere begynner stadig oftere med verktøy som Microsoft Copilot eller Claude, og spørsmålet blir hvordan juridiske avdelinger kan sørge for at disse interaksjonene er koblet til de riktige systemene, dataene og arbeidsflytene.

Jeg ser det altså ikke som et valg mellom et produktivitetsverktøy og en tilsynsrolle, men som en utvikling. Juridiske avdelinger begynner med å bruke KI til å utføre enkeltoppgaver raskere, men etter hvert som de agentiske funksjonene modnes, ligger den virkelige muligheten i at juridiske avdelinger selv eier gjennomføringslaget og utfører arbeidet aktivt gjennom systemer med god styring, i stedet for bare å lage førsteutkast raskere.

Takk for et flott intervju. Lesere som vil utforske sammenhengende juridiske operasjoner og KI-arbeidsflyter med god styring, kan besøke LawVu.