Josephine Petrick, Chef för AI-produkter på BriefCatch – Intervjuer

Josephine Petrick, Chief of AI Products på BriefCatch, tillför en av juristbranschens mest specialiserade skrivplattformar en sällsynt kombination av erfarenhet av appellationsprocesser, omdöme kring AI-produkter och praktisk sakkunskap i juridiskt skrivande. I sin roll leder hon BriefCatchs AI-produktstrategi och utvecklingen av generativa och sökbaserade verktyg som ska förbättra hur advokater och domare utformar, redigerar och förfinar juridiska dokument. Hennes bakgrund omfattar arbete som delägare på The Norton Law Firm, senior counsel och appellationsadvokat på Hanson Bridgett samt notarie hos domaren James L. Dennis vid USA:s appellationsdomstol för Fifth Circuit. Kombinationen av erfarenhet från domstol, överklaganden och rådgivning ger henne en praktikers perspektiv på att bygga AI-verktyg som löser verkliga problem i juridiskt skrivande i stället för abstrakta produktivitetsfrågor.

BriefCatch är en AI-driven plattform för juridiskt skrivande och redigering, särskilt byggd för advokater, domare, advokatbyråer, domstolar och myndigheter. Plattformen grundades 2017 och bygger på Ross Gubermans expertis i juridiskt skrivande. Den hjälper jurister att förbättra tydlighet, precision, övertygelse och trovärdighet direkt i skrivflödet. BriefCatch uppger att plattformen stöder fler än 300 advokatbyråer, däribland över 45 Am Law 200-byråer, samt fler än 80 domstolar. Den nyare produkten BriefCatch Next kombinerar expertvägledning i juridiskt skrivande med valfria AI-verktyg avsedda att förstärka, inte ersätta, juridiskt omdöme.

Du började nyligen på BriefCatch som Chief of AI Products efter att ha arbetat som appellationsadvokat, certifierad specialist på överklaganden och utvecklare av juridiska teknikprodukter. Hur har din erfarenhet i skärningspunkten mellan appellationsrätt, juridisk strategi och teknik format din vision för AI i juristyrket?

Efter att ha läst lingvistik på Cal fascinerades jag av AI och önskade alltid att jag hade gått in i området. Jag drogs till möjligheten att utvidga mänsklig intelligens och lösa praktiska problem i stor skala. Jag blev jurist av liknande skäl. Min mamma var författningsjurist och av henne lärde jag mig att juridik kan användas för att hjälpa människor effektivt och i stor skala. När jag väl praktiserade antog jag att vägen till en karriär inom AI hade stängts. Därför är det lite ironiskt och djupt tillfredsställande att min juridiska karriär har fört mig tillbaka till de frågor som intresserade mig från början: Hur använder vi teknik för att göra expertis mer tillgänglig, mer användbar och mer mänsklig?

Jag har experimenterat med stora språkmodeller sedan innan de paketerades som chattbotar, när OpenAI erbjöd sin produkt som en sandlåda. Från början såg jag potentialen för praktisk problemlösning. Kunde den hjälpa till med granskning av akter? Göra research om lokala regler mindre mödosam? Hjälpa till att följa pågående mål i Kaliforniens högsta domstol, uppskatta hur lång tid överklaganden tar eller effektivisera arbetet med yrkanden efter rättegång? Kunde den hjälpa någon att komma vidare när arbetet hade kört fast?

Ett av mina favoritexempel på det sista kommer från min far, en pensionerad talteoretiker som fortfarande arbetar med olösta problem. Jag övertalade honom att prova ett professionellt LLM-konto, och han har använt det för att bevisa satser och göra framsteg i problem som han funderat på i åratal. En anledning till att stora språkmodeller är så effektiva på öppna matematiska frågor som Erdős-problemen är att de tränats inom många matematiska områden och kan överföra tekniker från ett område för att lösa problem i ett annat, exempelvis genom att använda tekniker från algebraisk talteori för att lösa ett problem i elementär geometri. Den upplevelsen fångade något viktigt för mig: AI kan utvidga vår kreativa räckvidd, hjälpa oss att använda ett bredare förråd av mänsklig kunskap och expertis än vi var och en kan hålla i huvudet och därmed åstadkomma framsteg i mänsklig kunskap och verksamhet som annars hade tagit mycket längre tid.

Jag såg samma mönster i juridisk praktik. Som appellationsadvokat mötte jag samma processuella och strategiska frågor gång på gång. Därför byggde jag databaser, spårningsverktyg, infografik, klientresurser, beräkningsverktyg för överklagandens längd, tidsverktyg efter rättegång och bidrog så småningom till en databas med juridiska regler. Den röda tråden var alltid densamma: Kunskapen fanns, men var instängd i PDF-filer, böcker, seminarier, interna anteckningar eller i en experts huvud. Jag blev fixerad vid ett problem som AI är ovanligt väl lämpat att lösa: att göra kunskap och expertis tillgänglig i det ögonblick människor behöver den.

Det formade min vision för juridisk AI. De flesta legal-tech-produkter lovar att AI ska automatisera rutinarbete så att advokater kan fokusera på strategi. Det är sant och värdefullt, men bara början. Det jag är mest intresserad av nu är att aktivera expertis. En advokat kan ha läst rätt bok, gått rätt fortbildning, sparat rätt inlägg eller lärt sig rätt sak i praktiken, men kunskapen är ofta vilande när advokaten faktiskt skriver, gör research eller ger råd till en klient.

BriefCatch befinner sig mitt i denna möjlighet. Juridiskt skrivande handlar inte bara om polering. Det är där juridiskt omdöme, strategi och övertygelse blir användbart för en annan människas tanke. Jag ser fram emot en framtid där AI hjälper advokater att hitta och tillämpa rätt regel, teknik, strategi, varning eller strategiska insikt i stunden, samtidigt som professionellt omdöme och ansvar bevaras. Jag ser det som ett expertis-exoskelett: teknik som hjälper jurister att bära mer kunskap, se klarare, undvika fel som kan förebyggas och använda sitt bästa omdöme när det betyder mest. Om vi bygger dessa system väl gynnas samhället eftersom juridisk expertis blir mindre inlåst i dyra en-till-en-kanaler och mer tillgänglig för de människor, företag, domstolar och institutioner som är beroende av den.

BriefCatch lanserade nyligen RealityCheck, ett verktyg som ska identifiera påhittade eller ostyrkta juridiska hänvisningar före inlämning. Vilka var de största luckorna i befintliga juridiska AI-verktyg som gjorde funktionen nödvändig, och hur allvarligt är problemet med hänvisningars tillförlitlighet i dag?

Den största luckan är att alltför många verktyg fortfarande är optimerade för generering i stället för verifiering. De kan snabbt producera text som ser imponerande ut, men juridiskt arbete slutar inte med trovärdig text. Det börjar inte ens där. Vårt rättssystem bygger i grunden på att domare och advokater troget återger och tillämpar rättskällor. Varje juridiskt verktyg måste börja med källor som verkligen finns, korrekt beskriva vad de säger, hur de har tillämpats och om de stöder det påstående de åberopas för med hänsyn till det sammanhang där avgörandet träffades. Allt mindre än det är juridisk fanfiction. Det finns mindre artiga ord, men dem överlåter jag åt de domare som har hanterat problemet i sina rättssalar.

Därför är ett verktyg som RealityCheck så viktigt. Problemet är inte begränsat till helt fabricerade rättsfall, även om de naturligtvis är alarmerande. Det finns mer subtila och vanliga fel: ett verkligt fall citeras för fel påstående, en rättslig slutsats överdrivs, ett citat ändras en aning, en parentes slätar över en obekväm skillnad eller en hänvisning ser formellt korrekt ut men stöder i själva verket inte meningen den följer.

Det här är inte nya problem i juridisk praktik, men de har förstärkts. Advokater har alltid ansvarat för att kontrollera sitt arbete, men omfattningen och hastigheten i AI-assisterad skrivning gör verifiering ännu viktigare. Frågan är inte bara: ”Hallucinerade AI?” Den är: ”Innehåller det inlämnade dokumentet juridiska påståenden som är korrekta, underbyggda och professionellt försvarbara?”

Vi måste också akta oss för att behandla helt mänskligt arbete som guldstandard. Människor felciterar, överdriver och missar saker, särskilt under tidspress. Oavsett textens ursprung är bästa praxis en granskning i flera lager: mänskligt omdöme, källförankrade verktyg, deterministiska kontroller när det är lämpligt och verifieringsflöden som gör fel lättare att upptäcka innan de leder till ett föreläggande från domstolen att lämna en förklaring.

Många advokater är fortfarande skeptiska till generativ AI på grund av oro för korrekthet, etik och professionellt ansvar. Vilka praktiska steg kan juridiska teknikföretag ta för att bygga förtroende och uppmuntra ansvarsfull användning?

Tillförlitliga produkter bör göra sina gränser synliga. De bör visa källor när källor spelar roll och tydliggöra när systemet genererar språk i stället för att verifiera en hänvisning eller tillämpa en deterministisk regel. De bör också vara uppriktiga om begränsningar, eftersom överdrivna löften är ett av de snabbaste sätten att förlora advokaters förtroende.

Ansvarsfull användning måste byggas in i arbetsflödet. Advokater ska inte behöva bli promptingenjörer eller AI-riskansvariga för att använda verktygen väl. Bra produkter bör genom sin utformning styra användarna mot ansvarsfull användning: bevara sekretess, stödja tillsyn, möjliggöra granskning, behålla revisionsspår där det är lämpligt och göra verifiering enkel.

Du har arbetat mycket med retrieval-augmented generation, RAG, och andra tekniker som ska förbättra AI-systems tillförlitlighet. Var brister dagens juridiska AI-produkter fortfarande, och vilka tekniska framsteg krävs för att täppa till luckorna?

Juridiska AI-produkter är redan imponerande på att skriva, sammanfatta, brainstorma och hämta information. Vissa brister fortfarande i ett viktigt mått: den krävande noggrannhet som juridisk praktik fordrar. Vårt rättssystem är beroende av den.

Jag ser tillförlitlighetsgapet som ett systemproblem, inte ett problem med en enda modell. Bättre modeller hjälper, men tillförlitlighet på juridisk nivå kommer från flera lager som samverkar: hämtning och rangordning, verifieringsslingor, minne, arbetsflödesdesign och en hybridarkitektur med deterministiska system och stora språkmodeller.

Den grundläggande mekaniken för informationshämtning är ganska väl förstådd, men det krävs mycket testning och iteration för att få täckning och rangordning rätt. Motverkande agenter och agentbaserade slingor blir vanligare, men designutmaningen är att göra kontrollerna principfasta i stället för att skapa en dyr och långsam härva av dubbelkontroller. För LLM-minne omfattar utmaningarna var minnet hör hemma, som allmänt minne eller i ett specifikt arbetsflöde, och vilken form det ska ha för att agenten ska använda det vid rätt tillfälle. Minnessystem kan kännas påbyggda i efterhand. Arbetsflödesdesign spelar fortfarande roll. Får systemet en enda lång och vag prompt ger det ofullständiga eller generiska resultat. Juridisk AI behöver mer strukturerade arbetsflöden som delar upp uppgiften i medvetna steg, så att systemet har rätt sammanhang och går igenom alla steg som krävs för att skapa ett korrekt och utmärkt juridiskt arbetsresultat. Detta kan dock bli ett mindre problem när vi får större grundmodeller och bättre komprimering.

En annan hävstång är blandningen av deterministiska regler, exempelvis reguljära uttryck, och sannolikhetsbaserade modeller. Stora språkmodeller är oerhört användbara i prototypfasen eftersom de hjälper till att upptäcka problemets form. När man har en fungerande prototyp och förstår mönstret kan det vara klokt att föra tillbaka delar av flödet till deterministisk logik. Även om modellerna kan vara inkonsekventa kompletterar de väl sådant som deterministiska regler inte är flexibla nog att fånga, och de kan själva använda deterministiska regler och kod. De starkaste systemen blir varken rent deterministiska eller rent LLM-baserade. De använder regler där problemet är förstått och modeller där tvetydighet, omdöme eller kontextkänslig språkförståelse behövs. Frågan är var gränsen går: Var slutar reglerna, och var ska modellen ta över?

När teknikerna läggs i lager kan tillförlitlighetsgapet minskas kraftigt, men priset är teknisk komplexitet, tokenkostnad och fördröjning. Jag väntar mig förbättringar genom tekniska framsteg och när minne och komprimering blir effektivare och enklare att bygga in i grundmodeller.

Juridiskt skrivande kräver ofta nyans, övertygelse och noggrann tolkning av prejudikat. Vilka delar kan AI verkligen förbättra redan i dag, och vilka kräver fortfarande ett unikt mänskligt omdöme?

AI kan redan förbättra mycket juridisk text, särskilt när uppgiften är tydligt definierad. Den kan identifiera oklara meningar, begravda huvudpunkter, inkonsekvens, upprepningar, svag struktur, ostyrkta sakpåståenden, felmatchade definierade termer, hänvisningsproblem och avsnitt där utkastet inte leder läsaren väl. Den kan också hjälpa advokater att brainstorma kreativt, testa argument och tillämpa kända principer för skrivande och övertygelse i själva skrivögonblicket i stället för att bara förlita sig på minnet.

Den sista delen är särskilt spännande för mig. En advokat kan i teorin veta att en inlaga behöver en starkare inledning, en renare regelbeskrivning eller en mer läsarvänlig framställning av fakta. Men när man skriver under press är vetskap och tillämpning inte samma sak. AI kan föra in expertvägledning i arbetsflödet när den faktiskt kan förbättra dokumentet.

Bra juridiskt skrivande är dock inte bara hantverk eller textoptimering. Det är också förmågan att identifiera de mest relevanta, intressanta och målspecifika detaljerna och göra dem till en teori som får läsaren att förstå varför tvisten spelar roll. Min erfarenhet är att mänskliga advokater fortfarande är mycket starkare än stora språkmodeller där. Kanske handlar det om smak, kanske erfarenhet, kanske något djupare i hur systemen fungerar. Modellerna tränas för att skapa sannolika fortsättningar på text, vilket drar dem mot statistiskt ordinära formuleringar. I många juridiska sammanhang är det nyttigt. Man vill ofta inte att juridiskt språk ska dra uppmärksamhet till sig; man vill att idéerna, fakta och rättskällorna ska träda fram.

Men verkligt övertygande juridiskt skrivande beror ofta på att finna det som skiljer sig. Vilken detalj gör målet levande? Vilket faktum förändrar tvistens känslomässiga laddning? Vilken juridisk punkt får en domare att räta på sig och inse problemet? Som appellationsadvokat är det ofta den tråden man söker: den version av målet som är unik och övertygande nog för att få domstolen att bry sig.

Det är den del jag inte vill att AI ska släta ut mot det intetsägande. Ett system kan föreslå tydligare formuleringar, flagga svagheter, stresstesta hänvisningar eller påminna om övertygande tekniker. Men advokaten måste fortfarande avgöra vad som betyder något, vad som ska medges, hur aggressiv man ska vara, vad man inte ska säga, hur osäkerhet ska ramas in och hur målets känslomässiga och etiska kärna ska förklaras.

Jag är försiktig med att säga att AI aldrig kommer att klara detta, eftersom sådana förutsägelser har visat sig fel många gånger. AI utför redan många avgränsade uppgifter snabbare och mer exakt än människor, och det är inte meningsfullt att känna sig hotad av ett verktyg. Men åtminstone i dag kräver de viktigaste delarna av juridisk övertygelse fortfarande mänskligt omdöme: att välja rätt detaljer, förstå varför de spelar roll och bygga en berättelse som berör.

När AI integreras djupare i juridiska arbetsflöden, hur ser du rollen för biträdande och yngre jurister utvecklas? Kan AI i grunden förändra hur nästa generation lär sig juridiskt skrivande och research?

Ja, och vi bör vara avsiktliga. Yngre jurister har traditionellt lärt sig genom att långsamt utföra svårt arbete: forska, skriva, revidera, få kommentarer och gradvis utveckla omdöme. AI förändrar vägen, men behöver inte försvaga den. Rätt använd kan den göra utbildningen mer uttrycklig och effektiv.

Risken är att yngre jurister hoppar över den kamp som bygger omdöme. Om ett verktyg producerar ett trovärdigt utkast för snabbt kanske en ny advokat inte lär sig hur argumentet byggdes, var svagheterna finns eller varför en inramning är bättre än en annan. Det skulle vara en verklig förlust.

Men möjligheten är enorm. AI kan fungera som lärare, simulator, skrivcoach och källa till omedelbar återkoppling. Den kan visa alternativa strukturer, identifiera ostyrkta påståenden, förklara varför en hänvisning kanske inte stöder ett påstående eller jämföra ett utkast med principer för effektivt juridiskt skrivande. Den kan också ge yngre jurister fler övningstillfällen. Vi lär och utvecklas genom övning och återkoppling.

De byråer och juridiska avdelningar som lyckas bäst kommer inte bara att ge yngre jurister AI och hoppas på det bästa. De kommer att bygga om utbildningen kring den. De ber de yngre förklara sina val, verifiera resultat, jämföra alternativ och lära sig att övervaka AI-assisterat arbete på samma sätt som de så småningom övervakar mänskligt arbete.

Du har gett råd till klienter inom allt från kryptovalutor och konsumentteknik till komplicerade affärstvister. Finns det särskilda sektorer där juridisk AI kommer att tas i bruk snabbast, och varför?

Jag tror att juridisk AI tas i bruk snabbast när

1. organisationen har arbetsflöden som fungerar väl med stora språkmodeller,
2. organisationen är öppen för innovation och
3. organisationen är motiverad att förändras.

På den första punkten är juridik ett naturligt område för stora språkmodeller, eftersom lag i många avseenden är mänskligt beteende och mänskliga värden kodade i språk. Juridiskt arbete förvandlar röriga fakta till kategorier, regler, skyldigheter, argument, risker och konsekvenser. Det är precis den terräng där språkmodeller kan vara starka, förutsatt att de är förankrade, verifierbara och utformade kring hur advokater faktiskt arbetar. Därför tror jag att de flesta juridiska organisationer är bra kandidater, möjligen med undantag för dem vars huvudsakliga tjänstemodell är människa-till-människa-interaktion. Men även pro bono-kliniker kan använda modellerna för exempelvis triage och kunskapshantering, så jag skulle inte utesluta dem.

Den andra faktorn, öppenhet för innovation, kan vara en större spärr. Därför är interna juridiska team särskilt väl positionerade. De sitter i organisationer som redan försöker öka hastigheten, minska kostnader och göra kunskap operativ. De hanterar avtal, tvister, policyer, regulatoriska skyldigheter, kundfrågor, arbetsrätt, produktrådgivning och riskbedömningar i stor skala. Arbetsflödena är ofta tillräckligt repeterbara för AI, men kräver ändå så mycket juridiskt omdöme att bättre verktyg kan göra en verklig skillnad.

Jag tror också att tvistemål, appellationsverksamhet, reglerade branscher, fintech och kryptovalutor, konsumentteknik, försäkring och hälso- och sjukvård blir viktiga områden. I processer och överklaganden kan AI exempelvis hjälpa till med aktgranskning, spårning av frågor, hänvisningskontroll, processregler, bevarandeanalys, argumentkartläggning och återkoppling på utkast. Insatserna är höga, så verktygen måste vara seriösa. Men det är inte ett skäl att undvika användning, utan att bygga bättre produkter.

Den tredje punkten, motivation att förändras, är fortfarande en betydande spärr. Som jag ser det bör juristbranschen i stort vara motiverad att förändras. Rättssystemet är långsamt, dyrt och otillgängligt för alltför många. Den svårare frågan är om professionen är öppen för förändring. Jag tror att den blir det alltmer. Vissa delar har rört sig långsamt eftersom den befintliga modellen var lönsam och välbekant. Men jurister är också problemlösare. Många av oss drivs av rättvisa och reformer och är envisa i en nyttig mening. Vi är tränade att argumentera för förändring när det befintliga svaret är fel.

Den privata sektorn kan gå först eftersom den är rörligare och har bättre resurser. Myndigheter, rättshjälp och pro bono-organisationer har andra begränsningar och måste ofta fokusera på det akuta arbetet framför dem. Men de bör inte underskatta sig själva. Om AI kan göra juridiska tjänster effektivare, mer tillgängliga och billigare är den långsiktiga möjligheten inte begränsad till en sektor. Den är relevant för alla som vill att rättssystemet ska fungera bättre.

Domstolar, tillsynsmyndigheter och advokatsamfund granskar i allt högre grad användningen av AI i juridisk praktik. Vilka regulatoriska eller etiska ramverk väntar du dig de kommande åren, och hur bör leverantörer av juridisk teknik förbereda sig?

Vårt befintliga etiska ramverk kan redan hantera de flesta av dessa frågor. Advokater har alltid varit skyldiga att se till att allt de framför till en domstol är förankrat i sanningen. De måste vara uppriktiga när ett rättsfall talar emot dem och öppna när de gör misstag. De måste sköta sina ärenden kompetent och övervaka yngre advokater och andra yrkesgrupper som hjälper dem. De måste skydda klienternas känsliga information.

Den första vågen av AI-etik kräver inte ett helt nytt moraliskt operativsystem. Vi behöver tillämpa dessa välbekanta skyldigheter med nytt allvar. Advokaten kan inte lägga ut omdömet och sedan avsäga sig ansvaret. Det borde inte vara kontroversiellt.

Vi bör satsa mer på teknikspecifik utbildning så att advokater inte blir överraskade när de brister i att övervaka eller kontrollera AI-resultat. Kalifornien kräver exempelvis nu teknisk kompetens som del av fortbildningen, vilket är rätt riktning. Men en timme vartannat eller vart tredje år räcker inte. Advokatbyråer, juridiska avdelningar, domstolar och rättshjälpsorganisationer bör utveckla egna interna AI-policyer och obligatorisk utbildning: inte bara ”citera inte hallucinerade källor”, utan när verktygen ska användas, när de inte ska användas, hur resultat verifieras, hur konfidentiell information skyddas och hur ansvaret mellan människa och maskin ska fördelas.

För leverantörer av juridisk teknik bör etik inte behandlas som en varningsetikett som klistras på produkten i slutet. Den bör vara produktarkitektur. De bästa verktygen gör ansvarsfull användning lättare genom sin utformning: källtransparens, sekretesskontroller och arbetsflöden som underlättar mänsklig granskning.

Inget av problemen vi ser nu är alltså egentligen nytt. Men en verkligt unik juridisk-etisk fråga syns vid horisonten. I dag är nästan alla överens om att AI ska hjälpa jurister och domare, inte ersätta dem. Jag delar den instinkten med tanke på var tekniken befinner sig. Men vad händer om AI-system blir snabbare, billigare, mer konsekventa, objektivt mer tillförlitliga och mindre partiska än människor i juridiska resonemangsuppgifter? Kommer vi fortfarande att säga att en människa alltid måste vara med i processen?

Det är en märklig och obekväm fråga, men vi måste vara ärliga nog att ställa den. Jag tror inte att vi är nära att ersätta domare eller advokater i mänskliga högrisktvister, och jag skulle vara djupt skeptisk till ett system som i dag påstod motsatsen. Men det händer redan i avgränsade sammanhang: AI avgör redan vissa tvister hos en stor ADR-leverantör, och på X avgör Grok ofta faktagranskningstvister.

Vi antar vanligtvis att mänskligt omdöme är den etiska säkerhetsventilen. Ofta är det så. Människor bidrar med moraliskt ansvar, institutionell legitimitet, empati, praktisk klokhet och förståelse av sammanhang som maskiner ännu saknar. Men människor medför också dröjsmål, kostnader, inkonsekvens, trötthet, partiskhet, grindvaktsfunktioner och ojämlik tillgång. Om AI-assisterad tvistlösning blir mer korrekt, billigare och mer tillgänglig än dagens ordning bör den etiska frågan inte besvaras reflexmässigt. Frågan bör vara: ”Vilken process ger det mest rättvisa, korrekta, transparenta och ansvarstagande resultatet?”

Om automatiserade eller AI-assisterade system så småningom hanterar fler rutinmässiga tvister kan mänsklig granskning bli viktigast i kanterna: ovanliga mål, obehagliga feltillstånd och platser där strikt konsekvens börjar likna mindre rättvisa och mer gammaldags juridisk formalism.

Så bör leverantörer av juridisk teknik förbereda sig. Bygg för dagens etiska regler, men också för en framtid där professionen måste jämföra mänsklig och maskinell prestation ärligt. Målet ska inte vara att bevara varje befintlig ritual i juridisk praktik. Målet ska vara att bevara det ritualerna ska skydda: rättvisa, korrekthet, ansvar, legitimitet och tillgång till rättssystemet.

BriefCatch har byggt sitt rykte på att förbättra juridiskt skrivande i stället för att bara automatisera juridiskt arbete. Hur balanserar ni AI:s produktivitetsvinster mot behovet av att bevara kritiskt tänkande, juridiskt resonemang och professionellt ansvar?

Jag tror inte att produktivitet och kritiskt tänkande måste stå i konflikt. När en advokat blir effektivare i rutinuppgifter skapas faktiskt mer utrymme för kreativt och kritiskt tänkande. Frågan är därför vilken sorts produktivitet vi skapar. Om AI bara hjälper advokater att generera fler ord snabbare är det inte nödvändigtvis framsteg. Juridiskt arbete har redan gott om ord.

Det bättre målet är att hjälpa advokater att skapa tydligare, mer korrekt, mer övertygande och mer försvarbart arbete. Därför spelar BriefCatchs fokus på skrivande roll. Juridiskt skrivande är inte ett dekorativt lager ovanpå analysen. Det är där analysen blir precis, prövbar och användbar för läsaren.

Ansvar bevaras genom att AI utformas som ett expertislager, inte som en ersättning för auktoritet. Verktyget kan föreslå, flagga, verifiera, jämföra och stresstesta. Det kan hjälpa till att tillämpa skrivprinciper, hitta svagheter och upptäcka problem. Men advokaten måste fatta det slutliga beslutet och förbli ansvarig för arbetet. För att parafrasera min favoritinstruktör på Peloton: ”AI ger förslag. Du fattar beslut.”

Min egen uppfattning är att AI är som mest värdefull när den gör advokaten mer engagerad. Ett bra system ska skärpa advokatens uppmärksamhet, ställa frågan som kan ha missats, lyfta fram rättskällan som behöver kontrolleras eller föreslå ett tydligare sätt att uttrycka saken. Det ska inte vagga in användaren i tron att trovärdig text är detsamma som färdigt arbete.

Om vi blickar fem år framåt, hur ser det ideala förhållandet mellan advokater och AI ut? Ser du främst AI som assistent, samarbetspartner eller något som liknar en betrodd juridisk medpilot?

Jag föredrar ”expertis-exoskelett”. Det ideala juridiska AI-systemet ska hjälpa advokater och domare att göra det de redan ansvarar för, men med större räckvidd, bättre minne, bättre konsekvens, större kreativitet och bättre verifieringsverktyg.

Om fem år hoppas jag att jurister har AI-system som är djupt integrerade i deras arbetsflöden och mycket mer specialiserade än dagens allmänna chattbotar. En advokat som skriver en inlaga ska kunna använda skrivexpertis, rättsfall, akter, processregler, hänvisningskontroller, intern kunskap och strategisk återkoppling utan att lämna arbetsflödet. Men systemet ska också vara transparent med vad det vet, vad det har kontrollerat och var advokaten måste använda sitt omdöme.

Det ideala förhållandet är inte delegerad förståelse eller delegerat omdöme. Det är kalibrerat förtroende. Advokater bör veta vilka uppgifter systemet är utmärkt på, vilka som kräver tillsyn och vilka som tydligt hör till mänskligt omdöme.

Om vi lyckas kommer AI att göra expertis mer tillgänglig. Den hjälper jurister att skriva bättre, resonera noggrannare, undvika förebyggbara fel och lägga mer tid på de delar av arbetet som kräver intuition och omdöme. Jag tycker att idén om en legion ”mecha-advokater” är mycket mer intressant och optimistisk än enkel automatisering.

Tack för den utmärkta intervjun. Läsare som vill veta mer kan besöka BriefCatch.