MR. SPECIAL NAJAAR 2026 / 29 infrastructuur “HET KAN AANTREKKELIJK WORDEN VOOR GROTE KANTOREN STEEDS MEER ONDERDELEN VAN HUN AI-INFRASTRUCTUUR IN EIGEN HAND TE NEMEN” ADVOCATUUR Hoewel EUCLYD zich voorlopig vooral richt op grote industriële afnemers en institutionele sectoren, sluit Groenevelt niet uit dat ook advocatenkantoren op termijn tot de klantenkring gaan behoren. “De behoefte aan betrouwbare, veilige en zelfstandig beheersbare AI-infrastructuur neemt de komende jaren alleen maar toe. Zeker in sectoren waar met vertrouwelijke informatie wordt gewerkt, is de vraag wie de rekenkracht levert en waar gegevens worden verwerkt van groot belang.” De juridische sector is voor EUCLYD momenteel nog niet in beeld, benadrukt Groenevelt. “Maar als we drie tot vijf jaar verder kijken, krijgen steeds meer grote, internationale advocatenkantoren behoefte aan eigen, soevereine rekenkracht.” Een van de grootste kantoren in Amerika, Latham & Watkins, heeft zelfs recent al eigen AI-servers aangeschaft, geeft hij als voorbeeld. “Grote kantoren beschikken over omvangrijke hoeveelheden vertrouwelijke kennis en zijn steeds afhankelijker van AI bij het verwerken daarvan. Zelf controle kunnen uitoefenen over de gebruikte infrastructuur kan voor zulke organisaties heel belangrijk worden.” Dat betekent overigens niet dat ieder advocatenkantoor straks een eigen datacentrum nodig heeft, zegt Groenevelt. “De ontwikkeling begint veel eerder, bij de manier waarop kantoren hun AI-software aanschaffen en gebruiken. Op dat terrein verwacht ik de komende jaren een ingrijpende omslag.” PARADOX Een van de belangrijkste problemen vandaag de dag is volgens Groenevelt dat advocatenkantoren de werkelijke kosten van AI nog altijd onderschatten. “Veel aanbieders rekenen momenteel prijzen die niet volledig overeenkomen met de werkelijke kosten van de achterliggende technologie. AI-diensten zijn feitelijk gesubsidieerd, bijvoorbeeld doordat aanbieders voorlopig genoegen nemen met lagere opbrengsten om klanten te winnen en marktaandeel op te bouwen.” Maar dat model zal niet onbeperkt houdbaar zijn. “Je ziet nu al dat aanbieders hun tariefstructuren aanpassen en dat advocatenkantoren zich steeds vaker afvragen hoeveel zij uiteindelijk moeten betalen om de krachtigste modellen te kunnen blijven gebruiken.” Daarbij doet zich een opmerkelijke paradox voor, schetst Groenevelt. “De Jevons-paradox: hoewel de kosten per token – de rekeneenheid waarmee het gebruik van taalmodellen wordt afgerekend – steeds verder dalen, wordt de totale rekening groter.” Dat komt doordat het gebruik van AI sneller zal stijgen dan de prijs per token daalt. De Jevons-paradox blijkt in de geschiedenis keer op keer van toepassing te zijn op technologische innovatie, en Groenevelt verwacht dat de AI-revolutie daarop geen uitzondering gaat zijn. “Goedkopere rekenkracht maakt nieuwe toepassingen mogelijk, terwijl bestaande toepassingen steeds intensiever worden gebruikt. Een advocaat die AI aanvankelijk alleen inzet om documenten samen te vatten, kan dezelfde technologie later gebruiken om complete dossiers te analyseren, onderzoek uit te voeren, conceptadviezen te schrijven en verschillende scenario’s door te rekenen. De kosten per afzonderlijke handeling dalen, maar het aantal handelingen groeit explosief.” BUY AND BUILD Mede daarom verwacht Groenevelt dat grote advocatenkantoren hun afhankelijkheid van gespecialiseerde AI-leveranciers geleidelijk zullen verminderen. De afgelopen jaren draaide het vooral om het inkopen van bestaande software. Inmiddels ziet hij een verschuiving naar een combinatie van buy and build: kantoren kopen technologie in, maar ontwikkelen ook steeds meer zelf. De eerste stap is relatief overzichtelijk. “Een kantoor kan bijvoorbeeld een eigen gebruikersomgeving bouwen die rechtstreeks communiceert met de taalmodellen van OpenAI, Anthropic of andere aanbieders. De advocaten krijgen dan een eigen AI-interface, afgestemd op de systemen en werkprocessen van het kantoor. De onderneming betaalt voor het gebruik van de achterliggende modellen, zonder noodzakelijkerwijs een compleet pakket als Harvey of Legora af te nemen.” Vervolgens kunnen kantoren experimenteren met open modellen die zij zelf beheren of laten draaien op gehuurde infrastructuur, gaat Groenevelt verder. “Daarmee krijgen ze meer controle over de technologie, de kosten en de omgang met vertrouwelijke gegevens. Maar dat vergt wel technische kennis, investeringen en een gedegen beveiligings- en kwaliteitsbeleid.” EIGEN MODELLEN Een volgende stap is dat advocatenkantoren hun AI-modellen zelf gaan aanpassen of verder ontwikkelen. Dat hoeft niet te betekenen dat zij vanaf nul een compleet taalmodel bouwen. “Het is nu al mogelijk om bestaande open modellen met gespecialiseerde gegevens en trainingsmethoden geschikt te maken voor je eigen specifieke juridische werkzaamheden.” De opkomst van Europese modellen maakt die ontwikkeling volgens Groenevelt extra interessant. Hij wijst onder meer op het Franse Mistral en Kolibri, het recent verschenen Duitse model van Aleph Alpha. “Met zulke opties groeit het aantal alternatieven voor de technologie van de grote Amerikaanse aanbieders. De modellen zijn niet uitsluitend voor de juridische sector ontwikkeld, maar kunnen wel als basis dienen voor gespecialiseerde toepassingen.” Een opmerkelijk voorbeeld is het Amerikaanse legaltechbedrijf Harvey. Dat ontwikkelde zijn eigen juridische model Tenet door het Chinese open model Kimi K3 verder te trainen. De Amerikaanse aanbieder van juridische AI gebruikt daarmee Chinese technologie als fundament voor een eigen product. Voor Groenevelt illustreert dat hoe snel de verhoudingen veranderen. Het is niet langer vanzelfsprekend dat gespecialiseerde AI-toepassingen afhankelijk zijn van de gesloten modellen van een handvol Amerikaanse technologiebedrijven.
RkJQdWJsaXNoZXIy ODY1MjQ=