Nederlandse advocatenkantoren omarmen in hoog tempo AI-tools als Harvey en Legora, maar daarmee bouwen ze volgens Rad Parvin nog geen blijvende voorsprong op. De Senior Value Partner bij Valliance ziet in de investering van Kirkland & Ellis in een eigen AI-platform een fundamenteel andere strategie: niet de technologie, maar het institutionele geheugen van het kantoor staat centraal.
Kirkland & Ellis kondigde eind mei een meerjarig partnership met Palantir aan, onderdeel van een investering van 500 miljoen dollar in een eigen AI-platform. Veel berichtgeving destijds deed het lijken alsof ze ‘simpelweg’ een eigen AI-tool gingen bouwen. Dat doet de zaak zwaar tekort.
Wat Kirkland bouwt, heet in de techwereld een ontologie: een gestructureerde digitale kopie van hoe in essentie een kantoor werkt. Het is meer dan alleen een documentenarchief. Het reikt van specifieke kennis en procedures bij terugkerende cases, tot de uitzonderingen die het ooit accepteerde en vooral: waarom. Kortom, het vastgelegde institutionele geheugen van het kantoor zelf, met een AI-laag die tijdens het werk door die kennis heen redeneert.
Waarom niet Harvey of Legora
Een kant-en-klaar platform als Harvey of Legora is grotendeels getraind op publiek materiaal: uitspraken, wetgeving, gepubliceerde stukken. Dat is voldoende voor routinewerk, maar niet van het niveau dat een specialistische praktijk juist onderscheidt. Een LPA wordt niet bij de rechtbank gedeponeerd, een onderhandelde huurclausule of een schikkingspositie evenmin.
Desondanks gaat de adoptie in Nederland inmiddels hard: Houthoff werkt met Harvey, Linklaters koos voor Legora en NautaDutilh stapte over op Legora nadat een eigen AI-experiment werd stopgezet. CMS koos voor Harvey, Loyens & Loeff heeft beide tools in huis en HVG Law heeft met Zeno een Nederlandse variant. Bijna elk groot kantoor heeft dus al een AI-toepassing draaien.
Maar het feit dat bijna al deze kantoren met dezelfde platforms werken, legt eigenlijk al het probleem bloot. Dit zijn puntoplossingen, softwareproducten die iedere concurrent kan inkopen. Iedereen krijgt toegang tot grofweg dezelfde functies en snelheid. Hoewel het je efficiënter kan maken, bouw je er geen eigen kennisvoorsprong mee op. Ook zullen dit soort oplossingen op termijn geen terugkerend kostenvoordeel meer opleveren, maar een maandelijkse vaste uitgave op de balans worden.
Waar dit Nederland hard raakt
Een goed voorbeeld van de tekortkomingen van een puntoplossing is te vinden in de fondsenpraktijk. Amsterdam is een van de belangrijkste vestigingsplaatsen voor private-equity- en fondsstructuren in Europa. Kantoren zoals Loyens & Loeff, NautaDutilh, Houthoff en De Brauw beschikken daardoor over jaren aan unieke kennis. Een enorme hoeveelheid van die kennis zit verborgen in mailboxen, dossiers of in het geheugen van partners, maar niet in een centraal systeem. Elke side letter, elke afwijkende clausule in een participatieovereenkomst, elke onderhandelde uitzondering op het eigen marktstandaard-beding. Kirkland & Ellis zet die €500 miljoen in op het creëren van het missende systeem.
Een ontologie maakt van die redenering een auditspoor: wie besliste wat, wanneer en waarom. Daardoor krijgt AI inzage in de totstandkoming van beslissingen, niet alleen de uitkomst. Zonder die context wordt AI al snel een black box die een precedent kan terugvinden, maar niet begrijpt waarom dat precedent ooit passend was.
Een jonge advocaat wordt met zo’n kennislaag voorzien van de context achter eerdere beslissingen en leert daardoor sneller redeneren vanuit het niveau van een partner. Tegelijk verkleint het de kans dat AI verouderde werkwijzen herhaalt of een precedent toepast dat alleen onder heel specifieke omstandigheden logisch was.
Geen eigen tool
Het verschil met een abonnement op een bestaand AI-platform is dat een ontologie moeilijker te kopiëren wordt naarmate een kantoor deze langer gebruikt. Elk dossier dat er doorheen loopt, maakt het systeem rijker. Een concurrent met evenveel budget kan bijvoorbeeld hetzelfde Harvey-abonnement afsluiten, maar niet dezelfde tien jaar aan vastgelegde beslissingen.
Een bekend tegenargument luidt dat wanneer een kantoor een eigen systeem bouwt, deze over een paar jaar alweer achterhaald is. Dat bezwaar raakt echter niet waar Kirkland mee bezig is. Het kantoor concurreert niet op modelniveau, het bouwt zijn ontologie erop. Elke verbetering van het onderliggende model maakt die eigen kennislaag waardevoller in plaats van overbodig. Hetzelfde model krijgt met tien jaar aan vastgelegde clausuleposities en dossierbeslissingen toegang tot context die een generiek model simpelweg niet heeft. Het voordeel is dus cumulatief in twee richtingen tegelijk: het onderliggende model wordt beter en de eigen kennis wordt rijker met elk dossier dat er doorheen loopt.
Het prijskaartje van €500 miljoen dollar schrikt wel af. Maar voor de meeste kantoren is die investering überhaupt nog een stap te ver. Het begint veel kleiner: eerst moet in kaart gebracht worden welke cruciale kennis nu ongedocumenteerd blijft. Daarna volgt pas de keuze in infrastructuur. Kennis moet behandeld worden als iets om op voort te bouwen, niet om op te besparen. De kantoren die daar nu mee bezig zijn, bouwen een voorsprong op die straks niet meer in te halen is door de achterblijvers die alleen de standaard tools hebben gehuurd.
Rad Parvin is Senior Value Partner bij Valliance
