De rechtspraktijk wordt in toenemende mate geconfronteerd met het concept ‘artificiële intelligentie’. Maar wat is artificiële intelligentie en hoe kan artificiële intelligentie de rechtspraktijk, en meer in het bijzonder het werk van vennootschapsjuristen, vergemakkelijken en zelfs verbeteren? Alvorens hierop in te gaan zijn twee opmerkingen op hun plaats: (i) dit artikel werd geschreven voor een lezer die geen voorgaande ervaring heeft met artificiële intelligentie en (ii) gezien dit artikel geschreven werd voor een niet-technisch publiek, werden sommige complexiteiten vereenvoudigd of samengevat om de leesbaarheid te bevorderen.

Drijvende krachten achter recente  populariteit artificiële intelligentie

Meer en meer actoren in de juridische dienstverlening beginnen met artificiële intelligentie te experimenteren. Het gebruik maken van artificiële intelligentie binnen de juridische dienstverlening is zeker niet exclusief weggelegd voor de advocatuur. Denk maar aan de Juristen, een juridisch kantoor dat geen advocatenkantoor is en dat vorig jaar een ‘AI B2B-robot’ lanceerde. Wat betreft de (internationale) advocatenkantoren, zijn er inmiddels ook enkele die investeren in het gebruik van artificiële intelligentie. Drie van de magic circle kantoren die actief zijn op de Belgische markt zijn een samenwerking aangegaan met bedrijven zoals Kira en Luminance, die software leveren die in staat is om specifieke bepalingen uit een overeenkomst of ander juridisch document te identificeren. Linklaters opteerde dan weer om zelf een soortgelijke toepassing te ontwikkelen. De Orde van Vlaamse Balies kondigde op haar beurt aan dat haar volgende studiedag over technologieën als artificiële intelligentie zal gaan.

Ook de rechtsfaculteiten van universiteiten vergroten het aanbod van lessen omtrent het onderwerp artificiële intelligentie, hoewel dit vooralsnog beperkt blijft tot buitenlandse universiteiten zoals Columbia Law School en Bucerius Law School.

De adoptie van AI in het juridische beroep past binnen een bredere trend waarbij technologie wordt gebruikt voor de bevordering van het juridische beroep en juridische dienstverlening, beter gekend als ‘Legal Tech’. Ons inziens zijn er twee drijfveren achter deze tendens:

• Technologische drijfkrachten: We ervaren momenteel een exponentiële technologische vooruitgang. Die kan worden geïllustreerd door te verwijzen naar Moore’s Law (de observatie dat de processing power van een computer, met name de pure rekenkracht om data te verwerken, grofweg verdubbelt om de twee jaar, terwijl de kosten voor dergelijke rekenkracht halveert). Aangezien de rekenkracht een belangrijke ingrediënt is voor artificiële intelligentie, heeft deze vooruitgang een onmiddellijke impact op de ontwikkeling en adoptie van artificiële intelligentie. Moore’s Law wordt ook gespiegeld in andere aspecten van technologie, zoals de explosie van data en de stijgende adoptie van cloud computin Het gevolg is dat hoe meer we als maatschappij data verzamelen, hoe meer opportuniteiten er zijn voor machine learning-algoritmes om data te gebruiken om voorspellingen te doen. Bovendien zorgt cloud computing ervoor dat AI-toepassingen kunnen draaien op computers die zich in de cloud bevinden. Met andere woorden: juristen kunnen gebruik maken van geavanceerde AI-softwaretoepassingen zonder de nood om te investeren in dure hardware die zich op de kantoren van de jurist moeten bevinden.
• Drijfkrachten specifiek verbonden met het juridisch beroep: Op juridisch vlak is er de ‘more-for-less challenge’, die druk uitoefent op juridische dienstverleners om op efficiëntere wijze juridisch advies en bijstand te verlenen: de consument wilt in toenemende mate juridische dienstverlening maar aan een lagere kostprijs. AI-toepassingen kunnen de uren die een advocaat moet spenderen voor bepaalde taken substantieel verminderen en bijgevolg meer juridische dienstverlening leveren aan een lagere kost. Daarnaast is er de liberalisering van de advocatuur en, meer in het algemeen, het juridisch beroep. De advocatuur wordt gekenmerkt door een zeker wetgevend kader dat de bescherming van de advocatuur, maar voornamelijk ook de algemene bevolking, beoogt. Dergelijke regels maken het moeilijk voor de niet-advocaat, met inbegrip van deze actoren die betere toegang hebben tot AI-applicaties, om de markt voor juridische dienstverlening te betreden. Deze beschermende regels worden in het buitenland echter alsmaar meer in vraag gesteld. In dit kader moet onmiddellijk de nuance worden gemaakt dat deze liberalisering zich momenteel in België niet stelt. Als men kijkt naar het Verenigd Koninkrijk en de Verenigde Staten is de verklaring hiervoor eenvoudig: de Belgische regels omtrent de juridische dienstverlening zijn reeds relatief liberaal. De voornaamste regels in België zijn het pleitmonopolie en het verbod om zichzelf advocaat te noemen indien men niet is ingeschreven op het tableau van de Orde of op de lijst van stagiairs. Behalve deze regels belet niets dat andere actoren dan advocaten juridisch advies verlenen aan juridische consumenten. Toch blijven er in België nog belangrijke beperkingen ingevolge de deontologische regels van de balie. Een belangrijke beperking in België is bijvoorbeeld dat het niet voor de hand ligt om als advocaat een commerciële vennootschap op te richten en uit te baten samen met, bijvoorbeeld, een ICT-specialist. Deze deontologische regels kunnen een belangrijk competitief nadeel inhouden in vergelijk met buitenlandse advocaten.

Artificiële intelligentie als verzamelterm en aanverwante terminologie

Hoewel artificiële intelligentie een grote vlucht heeft genomen, blijft het moeilijk om exact te weten wat het begrip precies inhoudt. Het begrip wordt bovendien vaak samen met of in de plaats van andere concepten gebruikt zoals machine learning en deep learning. Om te begrijpen wat de impact is van artificiële intelligentie op de rechtspraktijk en hoe deze verband houdt met de zojuist vermelde aanverwante concepten, is het belangrijk het begrip artificiële intelligentie te definiëren. Terwijl er meerdere definities bestaan die eveneens niet altijd even precies zijn of niet universeel aanvaard worden, is de makkelijkste manier om artificiële intelligentie te definiëren als een computer of een machine die “taken kan uitvoeren die normaal menselijke intelligentie vereisen, zoals visuele perceptie, spraakherkenning, beslissingen nemen of vertalen tussen twee talen” .

In feite kan artificiële intelligentie gezien worden als een spectrum waarop verschillende technologieën kunnen worden geplaatst. Het spectrum dekt technologieën die we als maatschappij voor de hand liggend achten (zoals de zakrekenmachine) tot meer geavanceerde technologieën (zoals de zelfrijdende auto).

Artificiële intelligentie wordt vaak samen met andere concepten zoals machine learning en deep learning gebruikt. Sommige auteurs gebruiken dergelijke termen zelfs als synoniemen en hanteren het begrip artificiële intelligentie als ze in werkelijkheid machine learning bedoelen. We kunnen zeven dergelijke technieken identificeren: machine learning, natural language processing, expert systems, zicht, spraak, planning en robotica. Elk van deze technieken maakt het doorgaans mogelijk voor een computer om een specifieke taak uit te voeren die gebruikelijk gereserveerd wordt voor een mens. Voor zicht en spraak is dat het herkennen van afbeeldingen en objecten, en het begrijpen van het gesproken woord. Machine learning heeft als doel om een computer regels te laten ‘leren’ met het gebruik van data en voorbeelden, eerder dan deze regels rechtstreeks in de computer te laten programmeren door een mens. Natural language processing houdt verband met het begrijpen en vertalen van natuurlijke taal.

Expert systems

Vooraleer we machine learning en natural language processing kunnen behandelen, is het belangrijk om even stil te staan bij wat men noemt ‘expert systems’. Zo’n systeem wordt bereikt door het programmeren van de expertise van een menselijke expert en diens onderliggende redeneringen om problemen op te lossen met ‘als-dan’-regels. Het expert system stelt de gebruiker vragen en zet op basis van die input de nodige logische stappen zetten, die reeds werden geprogrammeerd door de menselijke expert, om tot een bepaalde uitkomst te komen.

Expert systems hebben echter de rechtspraktijk niet kunnen ‘disrupten’. Het is immers moeilijk om de impliciete kennis van de expert te programmeren in een expert system. Bovendien is het duur en complex om zulk programma te onderhouden. Dat is zeker het geval voor rechtsgebieden die onderworpen zijn aan regelmatige wetswijzigingen, waar men veelal tegen het probleem zal botsen dat het niet houdbaar is om het expert systeem voortdurend te actualiseren.

Deze beperkingen hebben als gevolg gehad dat de juridische praktijk haar hoop heeft gevestigd op machine learning en natural language processing. Daar gaan we in een volgend deel verder op in.

Rémy Bonnaffé
Freshfields Bruckhaus Deringer

Over de auteur

Rémy is a corporate and M&A lawyer at Freshfields Bruckhaus Deringer. Rémy advises corporate clients and financial investors on both public and private M&A, joint ventures and capital markets operations in Belgium and internationally. He is a member of the Freshfields Innovation Team, where he helps to generate ideas and develop business cases relating to innovating the firm’s legal services. Rémy has been seconded to the Freshfields Innovation Team in London as a Product Owner. Rémy obtained his law degree at Ghent University and an LL.M. at Columbia Law School. Rémy co-founded the Columbia Law School Legal Technology Association.