Steeds vaker lees ik dat de juridische sector sterk achterloopt bij het adopteren van technologische innovaties – legal tech – en dat een belangrijke factor daarbij is dat advocaten en juristen te weinig kunnen programmeren. Daar zit in theorie wat in: wie niet weet hoe software werkt of wat het kan, zal niet snel geneigd zijn naar een software-oplossing te gaan. En zeker als de dienstverlening zelf steeds meer geautomatiseerd wordt, dan blijven de mensen achter die alleen maar met vulpen een pleitnota weten te produceren. Maar toch is het complexer dan dat.
Dat de juridische sector sterk achterloopt, staat buiten kijf. Het is pas vrij recent dat er grote aandacht is voor technologische innovatie, onder de hippe term “legal tech”. Van apps voor tijdschrijven tot Artificial Intelligence contractsanlyse. Veel van die legal tech is op zichzelf niet heel bijzonder: ze automatiseert alleen wat er al bestaat. Dat is handig en efficiënt maar maakt dingen niet fundamenteel anders. Tijdschrijven blijft tijdschrijven.
Er zijn natuurlijk wel echte vernieuwingen, zoals die automatische contractsanalyse. Laat een computer speuren naar opvallende clausules of rare combinaties, en dan kan een mens daar gericht naar kijken wat het juridisch voor problemen (of aansprakelijkheden) geeft. Zo gebruik je van beiden het beste. Het grappige is, hier loopt de juridische sector dan weer een heel eind voorop – ik zie nauwelijks aandacht voor bijvoorbeeld AI om broncode te analyseren of fraude in wetenschappelijk onderzoek aan te tonen.
Leren programmeren geeft je relevante skills en inzichten over hoe programmeren werkt en wat software kan. (“Dat was wel een beetje een desillusie” aldus een juridische kennis van me na een summercamp op dat gebied.) Dat kan erg nuttig zijn als je klanten daarover wilt adviseren, of na wilt denken over nieuwe diensten of de manier van aanbieden daarvan.
Veel belangrijker lijkt me kunnen zien wat de sector nodig heeft, beter gezegd wat de klant nodig heeft. Want uiteindelijk zal die het worst wezen of het een AI is die zijn contract doorvlooide of een mens dat er met 20 jaar ervaring snel naar keek. Die wil weten of hij kan tekenen, of dat zijn schadeclaim goede kans van slagen heeft en hoe die claim te gaan halen.
Dat op een effectieve manier doen vereist veel meer dan alleen een nieuwe app of kunnen programmeren. Dat vereist een nieuwe manier van werken, de bereidheid om te zeggen, we gaan het helemaal anders doen. En juist dát is de grote uitdaging in de juridische sector.
Arnoud
Iets met schoenmaker.. Als je een goede vertaler bent hoef je toch ook geen vertaalsoftware te kunnen maken? Wel handig als je goed kunt werken met vertaalsoftware. Juridisch werk leent zich slechts gedeeltelijk voor automatisering volgens mij maar als je je als jurist juist met dat deel bezig houdt ga je daarin beter mee.
Als je ergens “iets van moet vinden” zal je toch op zijn minst moeten begrijpen wat dat “iets” is. Dat is wat anders dan vertaalsoftware moeten kunnen schrijven omdat je vertaler bent. Zie het als gereedschap wat je nodig hebt om je werk te doen. Voor de vertaler is dat de vertaal software. Voor een tech-jurist is dat wellicht het begrijpen van code (waar dan weer programmeer kennis voor nodig is)
Als tech-jurist ja, uiteraard. Maar welk percentage van de juristerij is tech-jurist? Ik gok minder dan 1 procent.
Een AI die algemene voorwaarden analyseert ten behoeve van consumenten lijkt me wel wat… Met al die online diensten, (on)handige apps en andere contracten die je op bijna dagelijkse basis moet afsluiten heb je niet de tijd om ieder contract in detail door te nemen. De voorwaarden zijn wel al in digitale vorm beschikbaar… het lijkt me een leuk Open Source project om een AV-AI-app te maken.
Het hoeft niet opensource. Maar een website die in heldere woorden van bepaalde algemene voorwaarden uitlegt zou wel helpen. Met name omdat ze mbt de lengte soms eerder op een boek lijken dan normale afspraken die passen bij de dienst/omzet.
Niet helemaal waar, kijk maar eens naar deze twee artikelen: Controversial software is proving surprisingly accurate at spotting errors in psychology papers (2017) Accuracy of cited “facts” in medical research articles: A review of study methodology and recalculation of quotation error rate (2015)
Beide gaan over algoritmen die gebruikt worden om fouten op te sporen in wetenschappelijk werk, en als je ze beide leest kun je duidelijk zien dat er in twee jaar tijd veel vooruitgang is gemaakt in het analyseren van fouten middels algoritmen. Misschien dat de wetenschappers meer financiering zouden kunnen krijgen als ze het met buzzwoorden omkleden (Binnenkort: “Big Data Science Fraud Tech, featuring Blockchain”), maar het is zeker wel een ontwikkelend gebeid.
En de simpelere tekstanalyse is al helemaal gemeengoed: alle hogescholen die ik ken controleren standaard of er bij ingeleverde verslagen sprake is van plagiaat. Dat is volgens mij niet heel verschillend van de genoemde contractanalyse. Of zit in de door Arnout genoemde contractanalyse naast het matchen van teksten, ook tekstinterpretatie?
Plagiaatcontrole is veel simpeler: het matchen van fragmenten tekst zonder ze te proberen te interpreteren. Bij contractanalyse probeer je de betekenis uit een stuk tekst te extraheren.