Under de senaste åren har den juridiska AI-marknaden präglats av en kapplöpning mellan modeller, funktioner och nya produkter. Nästan varje vecka lanseras nya AI-agenter, arbetsflöden eller dokumentverktyg som lovar högre produktivitet.
Samtidigt blir skillnaderna mellan de stora språkmodellerna allt mindre, och funktioner som igår uppfattades som unika blir snabbt standard.
Det väcker mer grundläggande frågor: Vad är det som finns kvar när modellerna har bytts ut? Vad är det egentligen som skapar ett långsiktigt värde när tekniken hela tiden förändras?
Tre lager av juridisk AI
Man kan beskriva dagens AI-lösningar i tre olika lager.
Lager 1: Språkmodellen
Längst ner finns de stora språkmodellerna – exempelvis GPT, Claude och Gemini. Det är dessa som gör det möjligt att förstå frågor, analysera text och formulera svar.
De är den tekniska motorn bakom dagens AI.
Men de är också i hög grad en gemensam infrastruktur. De flesta AI-leverantörer bygger på samma eller liknande modeller, och utvecklingen drivs av ett fåtal globala teknikföretag.
Det innebär att modellerna i sig sällan blir en långsiktig konkurrensfördel.
Lager 2: AI-tjänsten
Nästa lager består av de tjänster som jurister faktiskt använder. Här finns funktioner för dokumentanalys, research, dokumentproduktion, arbetsflöden och samarbete.
Det är här leverantörer konkurrerar om användarupplevelse och funktionalitet.
Även detta lager förändras snabbt.
Nya funktioner introduceras och sprids snabbt mellan olika produkter. Det som idag uppfattas som unikt blir ofta en hygienfaktor imorgon.
Lager 3: Kunskapen
Det tredje lagret är betydligt svårare att kopiera. Det handlar om kunskap. Inte bara juridisk kunskap, utan den samlade erfarenhet som byggs upp över tid.
Det är också här framtidens verkliga konkurrensfördel sannolikt kommer att finnas.
Två typer av kunskap
När vi talar om AI som "lär sig" handlar det egentligen om två olika kunskapslager.
Organisationens egen kunskap
Den första handlar om hur den enskilda organisationen arbetar. Med tiden kan AI förstå sådant som:
-
hur advokatbyrån vanligtvis strukturerar sina utlåtanden
-
vilka formuleringar som föredras
-
hur olika delägare brukar resonera
-
vilka risknivåer organisationen normalt accepterar
-
hur specifika klienter vill att rådgivningen ska utformas
-
vilka arbetsprocesser som fungerar bäst.
Det handlar inte bara om att återanvända dokument. Det handlar om att successivt bygga upp organisationens kollektiva arbetsminne. AI kan då börja förstå hur just den här verksamheten arbetar.
Den auktoritativa juridiska kunskapen
Men juridiskt arbete bygger inte enbart på intern erfarenhet. Det bygger också på rättskällor, juridisk metod och kvalitetssäkrad expertkunskap. Här finns ett annat kunskapslager. Det omfattar exempelvis:
Framtidens AI behöver båda kunskapslagren
Det är först när dessa två kunskapslager möts som den verkliga potentialen uppstår.
Den organisationsspecifika kunskapen gör AI relevant.
Den auktoritativa juridiska kunskapen gör AI tillförlitlig.
Tillsammans skapar de ett system som inte bara vet hur organisationen brukar arbeta, utan också kan stödja arbetet med kvalitetssäkrade rättskällor, juridisk metod och aktuell juridisk expertkunskap.
Resultatet blir inte bara snabbare produktion.
Resultatet blir bättre beslutsunderlag.
Från textproduktion till verifiering
Under de senaste åren har AI framför allt beskrivits som ett verktyg för ökad produktivitet. Men inom juridiken är produktivitet bara ena sidan av ekvationen.
Den andra är verifiering.
En jurist kan aldrig nöja sig med att ett svar låter övertygande. Resonemanget måste kunna granskas, rättskällorna kontrolleras och slutsatserna försvaras.
Om AI producerar text snabbare men samtidigt ökar tiden som krävs för att verifiera innehållet riskerar produktivitetsvinsten att utebli. Det är detta som brukar beskrivas som The Verification Value Paradox.
Den intressanta frågan blir därför inte hur snabbt AI kan skriva.
Den intressanta frågan är hur mycket AI kan minska kostnaden för att verifiera resultatet.
Det blir särskilt tydligt när man jämför juridik med andra områden där AI används. Inom mjukvaruutveckling kan AI-genererad kod ofta testas automatiskt. Kompilering, enhetstester och integrationstester fångar många fel innan programvaran tas i bruk. Juridiken fungerar annorlunda.
Ett AI-genererat avtal kan inte, på ett liknande sätt som mjukvarukod, ”köras" för att se om det innehåller fel. En otydlig formulering, en felaktig riskfördelning eller en missad rättslig konsekvens visar sig ofta först när avtalet ska tillämpas – ibland flera år senare och i värsta fall i en kostsam tvist.
Därför handlar verifiering inom juridiken inte bara om kvalitetssäkring. Den handlar om riskhantering. Ju högre kostnaden för ett oupptäckt fel är, desto större blir värdet av AI som minskar verifieringsbördan snarare än bara producerar mer text.
Det är här kombinationen av organisationskunskap och auktoritativ juridisk kunskap blir avgörande.
Ju bättre AI förstår både hur organisationen arbetar och vilka juridiska källor som ligger till grund för analysen, desto mindre tid behöver juristen lägga på att kontrollera och återskapa resonemanget.
Vad betyder detta för juridisk AI?
För leverantörer av juridisk AI innebär detta ett strategiskt skifte. Historiskt har fokus legat på att ge jurister snabbare tillgång till juridisk information.
Nästa steg är att låta den kunskapen följa juristen genom hela arbetsprocessen – från uppdragets första analys till färdigt dokument – samtidigt som den kombineras med organisationens egen erfarenhet och arbetsmetodik.
Från snabbare produktion till större tillit
Generell AI känner världen.
Auktoritativ juridisk AI känner juridiken.
Den enskilda organisationen känner sina klienter, sitt arbetssätt och sin egen erfarenhet.
Framtidens mest värdefulla juridiska AI kommer sannolikt inte att bygga på endast ett av dessa lager. Den kommer att bygga på förmågan att förena alla tre.
För när generell intelligens, kvalitetssäkrad juridisk kunskap och organisationens kollektiva arbetsminne samverkar förändras AI:s roll. AI-tjänsten går från att vara ett verktyg för snabbare produktion till att bli ett stöd för juridiskt försvarbara beslut.
Och det är först då AI kan leverera det som juridiken egentligen efterfrågar – inte bara högre produktivitet, utan större tillit.
Läs mer om "The Verification Value Paradox" här.
Upptäck JUNO Flow – utvecklad för att minska verifieringsbördan och stärka förtroendet genom hela arbetsflödet.
