De beroemdste advocaat-stagiair wereldwijd is ongetwijfeld ROSS. De robot was wereldnieuws toen hij aan de slag ging bij de insolventie-afdeling van het Amerikaanse advocatenkantoor Baker & Hostetler. Zijn collega’s van vlees en bloed stellen de superrobot met IBM Watson-technologie sindsdien allerhande insolventierechtelijke vragen. De robotadvocaat spit vervolgens in luttele seconden miljoenen juridische documenten door en komt met een ‘zeer relevant’ antwoord in ‘begrijpelijke taal’, zeggen de makers. Bij elke zoekopdracht leert ROSS bij en volgt hij nauwgezet alle ontwikkelingen op het gebied van nieuwe wet- en regelgeving. De robot beschikt over een bepaalde mate van artificiële intelligentie (AI). Hiermee kan hij reageren op data, toevoegingen van gebruikers en zelf vergaarde informatie. Op basis daarvan kan hij zelfstandig grote hoeveelheden data snel analyseren en vrij adequaat oplossingsrichtingen formuleren voor de beantwoording van een juridisch vraagstuk. Het gaat bij AI dus niet alleen om de rekenkracht, maar vooral ook om de mogelijkheid (zelfstandig) te leren en beslissingen te nemen, en interactie te voeren op basis van natuurlijke taal. Een robot als ROSS volgt algoritmes en herkent patronen. Door constant te leren en te verbeteren, levert hij een steeds beter resultaat. Bij dergelijke toepassingen spreken we ook wel van ‘machine learning’.
Pionieren met slimme software
AI en machine learning zijn allang geen sciencefiction meer. Google gebruikt slimme algoritmes om zoekresultaten zo goed mogelijk aan te laten sluiten bij de gebruiker. Robots in fabrieken, apps zoals de persoonlijke Apple-dienstbode Siri, automatisch bestuurde auto’s en software die vertaalt; het zijn slechts enkele voorbeelden waarbij zelflerende apparaten een rol spelen. De komst van ROSS sprak tot de verbeelding, ook omdat hij de eerste robot binnen de advocatuur was. De kans dat we binnenkort een Nederlandssprekende ROSS krijgen is niet groot. Commercieel gezien is Nederland een betrekkelijk klein taalgebied en daarmee is het (nog) niet aantrekkelijk om een Nederlands lezende en sprekende robot op te leiden. Dat wil niet zeggen dat er in ons land op het gebied van legal tech niks gebeurt. Een exclusief groepje pioniers experimenteert inmiddels met innovatieve software, en Houthoff Buruma is er daar een van. Onlangs haalde het kantoor Luminance in huis, een systeem met machine learning-componenten dat ter ondersteuning van M&A-processen ingezet kan worden.
Snelle leerling
Luminance en soortgelijke systemen fungeren als een soort superscanner, noem het een datadetective. Ze worden gezien als tool, een hulpmiddel, en niet als plaatsvervanger van de advocaat. Wat kan het systeem? In grote lijnen zijn er twee interessante werkvelden. Zo herkent de software verschillende type documenten: financiële documenten, commerciële contracten, statuten, arbeidscontracten, noem maar op. Met een druk op de knop is het daarna mogelijk om een bepaalde selectie toe te wijzen aan de advocaat die gespecialiseerd is in dergelijke documenten. Dat versnelt en stroomlijnt het proces van projectmanagement aanzienlijk. Daarnaast beschikt het systeem over een automatische detectie van clausules. Een advocaat hoeft niet meer alle pagina’s van een contract door te nemen om de meest cruciale informatie snel op het netvlies te krijgen, maar krijgt van het systeem de belangrijkste passages voorgeschoteld met bijvoorbeeld toepasselijk recht, beëindigingclausules, aansprakelijkheidsbeperkingen en een change of control. Op die manier is het mogelijk om snel en efficiënt een enorme hoeveelheid documenten te verwerken en potentiële risico’s vroegtijdig te herkennen.
Het systeem herkent een behoorlijk aantal clausules. Een advocaat kan eenvoudig nieuwe documenttypen en bepalingen classificeren, en kan het systeem zo steeds completer en nauwkeuriger maken. Het systeem leert zodoende snel bij. Vooral bij het due diligence proces en andere documentonderzoeken kan een programma als Luminance een belangrijke rol spelen in het snel en accuraat analyseren van grote hoeveelheden informatie. Met de nadruk op kán, want machine learning technologie verkeert nog in een beginfase en hoewel de computer al sneller en consistenter is, hebben ook de meest geavanceerde toepassingen nog heel wat training nodig om het kennis- en beoordelingsniveau van de advocaat te kunnen benaderen.
Kansen op werk
Naar verwachting zullen binnen vijf tot tien jaar AI-toepassingen en slimme software behoorlijk uitgekristalliseerd zijn in de juridische praktijk. Een programma als Luminance kan in potentie in een paar seconden dezelfde hoeveelheid werk verrichten als waar nu een heel advocatenteam in de dataroom een paar uur zoet mee is. Maar zoemen er straks dan robots door de gangen van de grote Nederlandse advocatenkantoren? Zo’n vaart zal het vermoedelijk niet lopen. Voor veel, vooral junior-advocaten zal het werk uitdagender worden als ze niet meer zoveel tijd kwijt zijn aan het doorspitten van jurisprudentie en databases. Naarmate de technologie meer werk uit handen van de advocaat neemt, zal er een groter beroep op diens creativiteit, empathie, strategisch inzicht en ervaring worden gedaan – iets wat denkende machines (nog) missen. En er ontstaan met de nieuwe tools kansen op nieuw werk. Denk daarbij aan business intelligence. Want door slimme software en data analytics is het mogelijk om veel informatie te verzamelen over de sector waarin een cliënt opereert. Daarmee kun je hem sneller en slimmer adviezen geven, bijvoorbeeld over fusie- en overnamekansen. De ‘robotisering’ van de juridische sector kan leiden tot een nog betere, completere en bredere dienstverlening, waarbij een multidisciplinair team van advocaten, juridische dataspecialisten en tools als ROSS een cliënt terzijde staat.
Google+