Modellnamnet spelar ingen roll – det är systemet runt om som avgör
Elva AI-modeller testades – ingen klarade komplex avtalsanalys på djupet.
Juridikens AI-skifte accelererar – på två fronter samtidigt
Det händer mycket i skärningspunkten mellan juridik och artificiell intelligens just nu. Och den senaste veckans nyheter ger oss en ovanligt tydlig bild av var branschen faktiskt befinner sig – inte i marknadsföringsfoldrarnas värld, utan i verkligheten.
Låt oss börja med det som många i branschen länge anat men sällan sett svart på vitt.
Modellnamnet är inte svaret
Enligt Artificial Lawyer har LegalOn publicerat ett omfattande riktmärke för 2026 där 11 AI-modeller ställdes mot varandra i hela 3 282 direktjämförelser, testade mot 21 precisionskritiska riktlinjer för avtalsgenomgång. Resultaten är belysande – och lite obekväma för dem som tror att den senaste och kraftfullaste grundmodellen automatiskt löser alla problem.
De allmänna språkmodellerna klarade sig hyfsat på att hitta rätt typ av klausul. Men de snubblade konsekvent på de juridiska detaljerna. Och det är precis där det rättsliga och affärsmässiga värdet sitter.
Skillnaden mellan att identifiera en överlåtelseklausul och att förstå att riktlinjen kräver ett ovillkorligt överlåtelserätt utan samtyckeskrav låter subtil. Men i ett verkligt affärsavtal kan den skillnaden kosta miljoner eller utlösa en rättsprocess. På samma sätt är det inte tillräckligt att notera att ett avtal innehåller bestämmelser om personhälsouppgifter – frågan är om det finns ett uttryckligt erkännande av äganderätt till dessa uppgifter. Det är två helt olika saker juridiskt sett.
Den vanligaste felkällan i riktmärket var dessutom inte vad avtalet sade – utan vad det inte sade. Att identifiera frånvaron av ett krav ställer extremt höga krav på precision, något generella modeller systematiskt underskattar.
LegalOns slutsats är träffsäker: det är inte motorn som avgör, det är hela fordonet. Systemarkitekturen runt modellen – hur avtalstext bryts ned, hur riktlinjer tolkas, hur oklarheter hanteras – är det som skiljer ett användbart juridiskt AI-verktyg från ett som ger en falsk trygghet.
Det är en viktig påminnelse för alla verksamhetsledare som just nu utvärderar AI-lösningar för sin juridiska avdelning: fråga inte bara vilken modell som driver verktyget. Fråga hur systemet är byggt.
BARBRI satsar på den mänskliga sidan av ekvationen
Parallellt med detta tekniska mognadsskede sker något minst lika strategiskt viktigt på utbildningsfronten. Artificial Lawyer rapporterar att BARBRI – en av världens mest etablerade organisationer för juristutbildning – har förvärvat startup-bolaget Lega.
Det är ett klokt drag. BARBRI förstår att det inte räcker att jurister vet att AI-verktyg finns. De måste kunna använda dem med säkerhet, kritisk blick och professionellt omdöme.
Legas grundare Christian Lang, med bakgrund som biträdande jurist på Davis Polk och tidigare strategichef på plattformen Reynen Court, kliver nu in som innovationschef på BARBRI. Hans uppdrag: att bygga AI-kompetens och beredskapsstrategier för studenter och samarbetspartners världen över.
Det som är extra intressant med Legas modell är just kombinationen av en molnbaserad experimentmiljö och praktiska workshopinsatser – en slags laborativ träning där jurister faktiskt får prova, misslyckas och lära sig i strukturerad form. Som Lang själv uttrycker det: juridiska yrkesutövare blir inte förtrogna med AI genom att läsa om det.
Det stämmer precis med vad riktmärket från LegalOn indirekt visar: för att kunna bedöma om ett AI-verktyg verkligen fångar frånvaron av ett samtyckeskrav i en överlåtelseklausul, måste du som jurist förstå både den juridiska substansen och verktygets begränsningar. Det kräver övning, inte bara information.
Mognad kräver både teknik och människa
Det som gör dessa två nyheter så värdefulla tillsammans är att de belyser samma utmaning från var sin sida. Tekniken måste byggas rätt – med specialiserade system, inte bara råkraft. Och människorna som använder tekniken måste utbildas rätt – med praktisk erfarenhet, inte bara teoretisk förståelse.
Juridikens AI-transformation är på allvar i rörelse. Men den kommer inte ske genom att byta ut jurister mot modeller. Den sker när välbyggda system möter välutbildade yrkesutövare.
Vår analys
Dessa två nyheter är symtomatiska för ett bredare mognadsskede inom juridisk AI – och det är ett skede jag välkomnar. Vi rör oss bort från hype och mot substans.
Riktmärket från LegalOn borde bli obligatorisk läsning för alla som upphandlar juridiska AI-tjänster. Det synliggör en kritisk insikt: att välja AI-leverantör är inte samma sak som att välja språkmodell. Systemdesign, specialisering och precisionsarkitektur är det som skapar verkligt värde – och verkligt riskskydd.
BARBRIs förvärv av Lega är lika strategiskt träffsäkert. Utbildningsgapet är reellt. Det finns idag en hel generation jurister som förstår AI konceptuellt men saknar praktisk förmåga att granska, ifrågasätta och använda verktygen med professionellt omdöme. Det är ett gap som måste slutas – och det kan inte slutas med onlinekurser eller läsning.
Samtidigt väcker detta en viktig fråga: när grundmodeller inte räcker, och specialiserade system kräver djup domänkompetens för att byggas rätt – var hamnar makten i värdekedjan? Troligen hos de aktörer som äger kombinationen av juridisk expertis, träningsdata och systemarkitektur. Det är en strukturell förskjutning värd att följa noga.