Het Amerikaanse advocatenkantoor Kirkland & Ellis kiest voor een eigen systeem met kunstmatige intelligentie. Het kantoor bouwt en beheert de technologie zelf, in plaats van een standaardtool te gebruiken. De stap moet snelheid, veiligheid en maatwerk opleveren voor het wereldwijde netwerk. Dit zet druk op kleinere kantoren, die de investering lastig kunnen volgen.
Groot kantoor bouwt eigen systeem
Kirkland & Ellis ontwikkelt een intern AI-platform voor werk zoals contractanalyse, kennismanagement en zoekwerk in dossiers. Zo’n platform combineert grote taalmodellen (AI die tekst begrijpt en schrijft) met juridische databronnen van het kantoor. Het voordeel is regie over data en processen. Ook kan het kantoor functies bouwen die precies passen bij de eigen praktijkgroepen.
Zelf bouwen vraagt wel om stevige teams voor data, beveiliging en governance. Grote kantoren hebben die middelen en schaal. Zij kunnen ook langere ontwikkeltrajecten dragen. Daardoor ontstaat een technologische voorsprong in snelheid en kwaliteit.
Leveranciers bieden ondertussen kant-en-klare opties zoals Harvey, Lexis+ AI en Westlaw Precision AI. Die zijn sneller te starten, maar geven minder grip op data en aanpassingen. Kirkland kiest nu voor maximale controle. Dat signaal telt voor de hele markt.
Kosten drukken kleinere kantoren
Een eigen AI-omgeving is duur. Denk aan licenties voor taalmodellen, beveiligde cloudomgevingen en specialisten. Ook training van medewerkers kost tijd en geld. Voor middelgrote en kleine kantoren kan dit onhaalbaar zijn.
Veel van die kantoren zullen daarom kiezen voor bewezen producten van derden. Tools als Henchman of Luminance richten zich bijvoorbeeld op contractwerk en due diligence. Ze bieden snelle winst met beperkte inrichting. De keerzijde is afhankelijkheid van de leverancier en minder maatwerk.
Deze kloof kan de concurrentiepositie veranderen. Grote kantoren automatiseren meer uren en winnen dossiers met strakke doorlooptijden. Kleinere spelers moeten zich dan onderscheiden met niche-expertise of vaste prijzen. Dat kan de margedruk verder verhogen.
Vertrouwelijkheid stuurt techkeuze
Advocaten werken met zeer gevoelige cliëntdata. Daarom is controle over opslag, toegang en logbestanden cruciaal. Een eigen systeem maakt versleuteling, dataminimalisatie en strikte rollen makkelijker. Dat helpt bij het voldoen aan de AVG en het beroepsgeheim.
Een technische aanpak die vaak wordt gekozen is retrieval augmented generation (RAG). Het model haalt dan passages op uit eigen, gevalideerde bronnen voordat het antwoord geeft. Zo daalt het risico op “hallucinaties” (foute, verzonnen uitkomsten). Ook wordt herkomst beter te herleiden.
Generatieve AI is software die nieuwe tekst of code maakt op basis van voorbeelden, in plaats van alleen te zoeken of te classificeren.
Toch blijven risico’s bestaan. Modellen kunnen bias bevatten of bronnen verkeerd wegen. Interne toetsing, sandbox-tests en duidelijke waarschuwingen naar gebruikers blijven nodig. Dat geldt zeker bij processtukken en adviesbrieven.
Europese regels zetten de toon
De Europese AI-verordening (AI Act) legt straks plichten op voor aanbieders én gebruikers van AI-systemen. Generieke modellen zoals GPT-4o, Claude 3 en Llama 3 vallen onder GPAI-regels met transparantie-eisen. Kantoren die zulke modellen inzetten, moeten op het moment van schrijven risico’s documenteren en technische maatregelen treffen. Denk aan evaluaties van prestaties, veiligheid en copyright.
Daarbovenop geldt de AVG voor alle cliëntdata. Dataminimalisatie, doelbinding en versleuteling zijn verplicht. Bij inzet van clouddiensten zijn verwerkersovereenkomsten en duidelijke rollen nodig. Ook internationale gegevensdoorgifte vraagt extra waarborgen.
Voor de advocatuur telt nog een extra laag: het beroepsgeheim. Loggen, auditen en interne toegangscontrole moeten daarmee in lijn zijn. Een eigen AI-platform kan die governance centraliseren. Dat maakt audits en toezicht eenvoudiger.
Druk op Nederlandse kantoren
De keuze van Kirkland zet een nieuwe standaard in de top van de markt. Grote Nederlandse kantoren zullen dit voelen in pitches en doorlooptijden. Cliënten verwachten meer automatisering bij onderzoek en documentwerk. Wie dat niet biedt, loopt risico op verlies van dossiers.
Middelgrote kantoren kunnen samenwerken met leveranciers om snel te starten. Producten als Henchman, Luminance en iManage integreren met bestaande documentomgevingen. Belangrijk is scherpe inrichtingskeuzes: welke data mogen erin, welke functies eerst, en hoe meten we kwaliteit. Dat voorkomt verspilling en fouten.
Ook gezamenlijk inkopen of sectorbrede pilots kan helpen. Brancheorganisaties en kennisinstellingen in Nederland en de EU kunnen hierbij een rol spelen. Denk aan gedeelde evaluatiekaders en best practices rond AVG en de AI Act. Zo blijft toegang tot betrouwbare AI breder beschikbaar.
Voorsprong vraagt blijvende investering
Een eigen AI-platform is geen eenmalig project. Modellen, data en beveiliging vragen voortdurend onderhoud. Nieuwe Europese regels kunnen extra functies eisen, zoals betere logging of contentlabels. Budget en bestuur moeten daarop zijn ingericht.
Kleine kantoren doen er goed aan te starten met duidelijke use-cases. Begin met documentzoekwerk of standaardclausules, waar winst en risico’s overzichtelijk zijn. Meet prestaties en stuur bij. Zo groeit vertrouwen zonder grote sprongen.
De lijn is helder: wie regie neemt op data en kwaliteit, wint tijd en risico-inzicht. Kirkland kiest daarom voor eigen technologie. Europese kantoren moeten nu bepalen welke route past bij hun schaal en plichten. Dat besluit kan de komende jaren het verschil maken.