De AI-shaped lawyer: drie reflexen voor een vak in transitie

Het juridische vak praat al een decennium over verbreding. De T-shaped lawyer was in 2015 het antwoord: diepe (verticale) juridische expertise aangevuld met horizontale skills — projectmanagement, technologiebegrip, commercieel inzicht, communicatie. Het was een nuttig concept. Het ging ervan uit dat de verticale streep, het juridische productiewerk zelf, stabiel zou blijven en dat je er alleen meer omheen moest bouwen.

Die aanname is achterhaald. AI heeft niet een nieuwe vaardigheid toegevoegd aan het horizontale repertoire. Het heeft de verticale kern verstoord.

Het productiewerk is geen rustpunt meer

Contracten opstellen, DPIA's invullen, classificaties uitvoeren, beleidsteksten schrijven — dat werk wordt in toenemende mate door AI gedaan. Het Wolters Kluwer-benchmarkrapport van dit jaar laat zien dat bijna zestig procent van de Nederlandse advocatenkantoren actief AI-tools gebruikt. Veelzeggender nog: 85 procent van hen vertrouwt op generieke tools als ChatGPT, niet op oplossingen die voor het juridische domein zijn gebouwd.

Maar het echte omslagpunt zit niet in wat advocaten doen met AI. Het zit in wat de klant ermee doet. De klant komt steeds vaker binnen met AI-voorwerk. Een door ChatGPT opgestelde verwerkersovereenkomst met de vraag of het "zo wel oké is." Een AI-gegenereerde risicoanalyse met de verwachting dat de jurist er binnen een dag een advies omheen bouwt. Een verzekeraar die een AI-fraudedetectiesysteem heeft laten bouwen en pas achteraf bedenkt dat de AI Act relevant is.

In die werkelijkheid verandert de eerste taak van de jurist fundamenteel. Het is niet meer "uitzoeken hoe het zit." Het is beoordelen wat iemand anders — of iets anders — al heeft uitgezocht, ontdekken wat ontbreekt in een stuk dat er volledig uitziet, en dan aantonen waarom professioneel advies de investering waard is.

Onderzoekers van Yale Law School publiceerden onlangs een paper met een titel die dit punt precies vangt: "Legal Reasoning Is Not Lawyering." Legal reasoning, oftewel juridische doctrine toepassen op een netjes geformuleerde vraag, is wat AI steeds beter kan en wat benchmarks meten. Lawyering is daarentegen de rommelige werkelijkheid van een klant omzetten in een scherpe juridische vraag en vervolgens naar concreet advies. Dat is wat taalmodellen aantoonbaar níet beter in worden naarmate ze beter scoren op die benchmarks. De onderzoekers tonen zelfs aan dat de kloof kan groeien: betere modellen helpen de jurist die de input voorbereidt, maar niet de klant die dat niet kan.

Drie reflexen, niet drie vaardigheden

Wat heeft een jurist dan nodig in die werkelijkheid? Ik denk dat het antwoord niet zit in meer kennis, meer tools of meer breedte. Het zit in drie professionele reflexen; ingesleten gewoonten die samen het verschil maken tussen een jurist die AI gebruikt en een jurist die waarde levert in een AI-gedreven omgeving.

De eerste reflex is herkennen. Regelgeving ontwarren in een concrete klantsituatie en zien wat er wél kan — niet alleen wat er moet. AI geeft je het meest gangbare antwoord: de verplichtingen, de risico's, de standaardroute. De jurist die waarde toevoegt ziet de route die de AI niet zag. De aanpassing waardoor een systeem buiten hoog-risico AI valt. De stappen die een organisatie compliant maken zonder haar operatie te verstoren. Regelgeving lezen als routekaart, niet als verbodsbord.

De tweede reflex is oordelen. AI-output beoordelen alsof je elk woord zelf had geschreven, en verantwoordelijkheid dragen voor de uitkomst. Het verschil met vroeger is de schijnbare compleetheid: een template had zichtbare gaten, AI-output leest als af. De jurist die oordeelt, redigeert niet. Die onderschrijft of verwerpt, met geëxpliciteerde gronden. Dat is een wezenlijk verschil. Redigeren vertrekt vanuit wat de AI heeft geleverd. Oordelen vertrekt vanuit wat de klant nodig heeft.

De derde reflex is vertalen. De juridische positie omzetten in concrete waarde voor de klant, in de taal van de klant. Dit is het werk dat AI per definitie niet doet, en dat door de productiviteitswinst van AI alleen maar waardevoller wordt. Een compliance-verplichting wordt een verkoopbaar governancepakket. Een classificatie wordt de basis voor een nieuwe productlijn. Een DPIA wordt het fundament onder een datapartnerschap. Dat vertaalwerk vereist niet alleen juridische kennis maar commercieel inzicht, durf om positie in te nemen, en het vermogen om aan tafel te zitten bij gesprekken die niet alleen over recht gaan.

Ik noem dit profiel de AI-shaped lawyer: ontwarren, onderbouwen, verzilveren.

Twee ongemakkelijke thema's

Twee dwarsliggende thema's raken elk van de drie reflexen, en ze worden in het vakdebat te weinig benoemd.

Het eerste is verantwoordelijkheid. In een werkstroom waarin AI de eerste versie levert, is de verleiding om redacteur te worden van andermans output: doorlezen, aannemelijk vinden, doorsturen. Dat is geen professioneel oordeel. De AI-shaped lawyer draagt verantwoordelijkheid voor elke uitkomst alsof hij die zelf had geproduceerd. En dat vereist iets ongemakkelijks: je moet het ook zelf kunnen schrijven. Periodiek produceren zonder AI, niet uit nostalgie maar als kalibratie. Als je niet meer weet hoe een goede eerste versie eruitziet, kun je een slechte niet herkennen.

Het tweede is automation bias — de neiging om machinaal gevalideerde output minder kritisch te beoordelen. Moderne tooling controleert basiskwaliteit: hallucinatiedetectie, bronverificatie, jurisdictiecontrole. Dat vangt de grove fouten. Maar "geen hallucinaties gevonden" is geen kwaliteitskeurmerk. Het is een uitnodiging om scherper te kijken naar wat de tooling niet kan zien: de ontbrekende regelgeving, de gemiste commerciële implicatie, de route die werkt voor deze klant maar niet het meest voorkomende antwoord is.

Het MIT-onderzoek van Ju en Aral naar mens-AI-samenwerking bevestigt dit patroon buiten de juridische sector: mensen die met AI werken, doen 62 procent minder eigen bewerkingen op tekst en delegeren 17 procent meer dan aan menselijke partners. En deelnemers die doorhadden dat ze met AI werkten, delegeerden nóg meer. Het bewustzijn dat je met een machine werkt, maakt je niet automatisch kritischer.

"Wees kritisch" is dan ook een waardeloos advies als het niet wordt ondersteund door structuur. Wat wél werkt is een patronenlogboek: een lopende registratie van momenten waarop AI-output niet klopte, waarop tooling tekortschoot, of waarop je jezelf betrapte op klakkeloos vertrouwen. Dat logboek levert na verloop van tijd een persoonlijk foutenpatroon op dat waardevoller is dan welke checklist ook. Het maakt automation bias zichtbaar voordat het een gewoonte wordt.

Niet alleen gebruiken, maar voeden

De AI-shaped lawyer is op een gegeven moment niet alleen een betere gebruiker van AI-tooling. Hij wordt iemand die de tooling beter maakt. Wie in de eigen praktijk patronen herkent en die omzet in iets herbruikbaars, maakt het werk van collega's beter. Een terugkerend type vraag dat beter gestructureerd kan worden, een correctie die steeds opnieuw nodig is, bijvoorbeeld.

Dat kan een template opleveren, een skill in het AI-systeem van het kantoor, een bijdrage aan de collectieve kennisbank of een casus die de volgende generatie kan gebruiken om van te leren. Het punt is dat de AI-shaped lawyer niet alleen uit het systeem put, maar het systeem voedt. Dat onderscheidt een professional die met AI werkt van iemand die AI laat werken.

Het gat

Het gat tussen individueel AI-gebruik en institutionele begeleiding is het bepalende vraagstuk van het juridische vak op dit moment. Slechts 23 procent van de kantoren heeft recent geïnvesteerd in talentontwikkeling en bijscholing rondom AI. De NOvA publiceerde vorig jaar aanbevelingen voor AI in de advocatuur langs de vijf kernwaarden: deskundigheid, vertrouwelijkheid, onafhankelijkheid, integriteit, partijdigheid. De aanbevelingen zijn de juiste principes. Maar principes zonder een structuur om ze in de praktijk te brengen, blijven voornemens.

De structuur die het vak nodig heeft is niet meer opleiding in de klassieke zin, zoals kennis consumeren en een toets doen. Het is een fundamenteel andere benadering van professionele vorming: werken op echte casuïstiek, beoordeeld worden op of je advies aantoonbaar meer oplevert dan wat een taalmodel met standaard prompting produceert, en de gewoonte ontwikkelen om je eigen blinde vlekken bij te houden.

Het juridische vak heeft altijd geleefd van het verschil tussen een correct antwoord en een goed advies. AI maakt correcte antwoorden goedkoop. Goed advies niet. De vraag is of we de komende generatie juristen opleiden voor het eerste of voor het tweede.

Ik denk dat het antwoord helder is. Maar het vraagt om actie, niet om nog een debat over de vraag of AI het vak gaat veranderen. Die vraag is beantwoord. De volgende is: wie bouwt het profiel dat het vak nodig heeft?