Elke leverancier van contractsoftware heeft inmiddels AI. Wat dat betekent verschilt enorm: van een model dat netjes een datum voorstelt tot een chatvenster dat met veel overtuiging een verkeerd getal noemt.
Dit artikel gaat over dat verschil: waar taalmodellen in contractbeheer echt goed in zijn, waar ze voorspelbaar falen, en hoe je dat tijdens een demo herkent.
Waar AI goed in is
Tekst begrijpen die in vaste patronen staat. De tegenpartij, de startdatum, het contracttype: die staan in vergelijkbare bewoordingen in vergelijkbare documenten. Daar halen modellen een hoge trefzekerheid.
Samenvatten wat er al is. Een lang contract terugbrengen tot de kernafspraken werkt goed, zolang het model alleen samenvat en niets toevoegt.
Taal omzetten naar een zoekopdracht. "Welke contracten lopen komend kwartaal af" vertalen naar een filter op einddatum is precies waar taalmodellen voor gemaakt zijn.
Vertalen en herformuleren. Een Engelse clausule begrijpelijk maken voor iemand die geen jurist is, gaat prima.
Waar AI systematisch faalt
Rekenen en tellen. Dit is de belangrijkste. Een taalmodel voorspelt woorden; het telt niet. Vraag je "hoeveel contracten verlopen er binnen 90 dagen" en laat je het model zelf tellen, dan krijg je een plausibel getal dat net zo goed fout kan zijn. En het klinkt even overtuigend.
Informatie die er niet staat. Verwijst een contract naar algemene voorwaarden die je niet hebt geüpload, dan kan geen enkel model de opzegtermijn kennen. Een model dat er tóch een noemt, verzint hem.
Juridisch oordelen. "Is deze clausule gunstig voor ons" is geen extractievraag maar een weging van risico, onderhandelingspositie en context. Daar hoort een mens bij.
Context over meerdere gesprekken. Een vervolgvraag als "en die van vorig jaar?" vereist dat het systeem onthoudt waar het over ging. Daar gaat het in de praktijk vaak mis, en het resultaat is stilzwijgend een leeg of verkeerd antwoord.
Het gevaarlijkste antwoord is niet "dat weet ik niet". Het is een verkeerd getal met een zelfverzekerde formulering. Een systeem dat zijn getallen uit het taalmodel haalt in plaats van uit de database, geeft dat type antwoord vroeg of laat.
De inrichtingskeuze die het verschil maakt
Er zijn grofweg twee manieren om AI in contractsoftware te bouwen.
Het model zoekt zelf. Je vraagt iets, het model krijgt toegang tot de data en bepaalt zelf wat het ophaalt en hoe het rekent. Flexibel, en onbetrouwbaar zodra het om getallen gaat.
Het model formuleert alleen. De vraag wordt eerst vertaald naar een vaste, controleerbare zoekopdracht in de database. Het resultaat daarvan gaat naar het model, dat er een leesbaar antwoord van maakt, maar zelf niets berekent.
De tweede aanpak is minder indrukwekkend in een demo en aanzienlijk betrouwbaarder in gebruik. Zo werkt NORA: elke telling komt uit een deterministische zoekopdracht, en het antwoord wordt achteraf nog gecontroleerd tegen dat getal voordat je het te zien krijgt.
Vragen die je een leverancier stelt
- Waar komt het getal vandaan als ik vraag hoeveel contracten er aflopen?
- Wat gebeurt er als de informatie niet in het document staat?
- Kan ik zien op welke passage een voorstel is gebaseerd?
- Wat doet het systeem bij twijfel: gokken, of meerdere opties voorleggen?
- Worden mijn contracten gebruikt om modellen te trainen?
- Waar worden ze verwerkt, en staat dat in de verwerkersovereenkomst?
- Kan ik de AI-functies uitzetten als ik dat wil?
De eerste vraag is de belangrijkste en de makkelijkst te toetsen. Een leverancier die uitlegt dat het getal uit een vaste zoekopdracht komt, heeft erover nagedacht. Een leverancier die zegt "de AI kijkt naar je data" niet.
Vragen vijf en zes zijn juridisch, niet technisch. Verwerkt een AI-leverancier persoonsgegevens uit jouw contracten, dan is dat een subverwerking die in je verwerkersovereenkomst hoort te staan.
Wat een realistische verwachting is
AI haalt in contractbeheer het meeste werk weg bij invoeren, niet bij beslissen.
Bij het opbouwen van een register scheelt het uren: het model doet de voorzet, jij controleert. Meer daarover in contractdata automatisch uitlezen met AI.
Bij het gebruiken van dat register scheelt het zoektijd: een vraag in gewone taal in plaats van drie filters instellen.
Wat het niet doet: bepalen of je dit contract moet verlengen, of de voorwaarden acceptabel zijn, of wie er verantwoordelijk is. Dat zijn de beslissingen die ertoe doen, en die blijven van jou.
Beoordeel AI-functies op de rommeligste contracten die je hebt, niet op de nette. Een gescande PDF uit 2019 met handgeschreven aantekeningen laat in één keer zien waar de grenzen liggen.
Koop je zelf AI-tools in? Lees dan de AI Act en je contracten.
Verder lezen
Veelgestelde vragen
- Waar is AI goed in bij contractbeheer?
- Gegevens herkennen die in vaste patronen staan, zoals tegenpartij en startdatum; samenvatten; een vraag in gewone taal omzetten naar een zoekopdracht; en clausules herformuleren voor wie geen jurist is.
- Waar faalt AI in contractbeheer?
- Bij rekenen en tellen, bij informatie die niet in het document staat, bij juridisch oordelen en bij context over meerdere vragen. Het gevaarlijkste is een verkeerd getal met een zelfverzekerde formulering.
- Hoe herken je betrouwbare AI in contractsoftware?
- Vraag waar het getal vandaan komt als je vraagt hoeveel contracten er aflopen. Komt het uit een vaste zoekopdracht in de database, dan is het betrouwbaar; telt het taalmodel zelf, dan niet. Vraag ook of je kunt zien op welke passage een voorstel is gebaseerd.
