Advokater må formulere seg mer presist om KI

Det snakkes mye om KI i advokatbransjen. Advokater er vanligvis forkjempere for et høyt språklig presisjonsnivå, men når teamet er KI kommer mange av oss til kort.

KI er en generell betegnelse på teknologi som simulerer menneskelige evner og egenskaper. Likevel brukes ofte utrykket synonymt med alt fra språkmodeller, RAG-løsninger til dokumentsorteringsverktøy, til tross for at disse verktøyene er ulike, både teknologisk og funksjonelt.

Når vi slår alt sammen under én paraply, mister vi oversikten over både mulighetene og risikoen, som de ulike verktøyene representerer.

Presisjon er ikke pirk

Dette handler ikke om språklig pirk. Presist språk er avgjørende for å bygge kompetanse og unngå feilslutninger.

Vi har allerede sett eksempler på advokater som har brukt språkmodeller til å finne rettskilder – og endt opp med oppdiktede rettsavgjørelser.

Slike feil kan oppstå når en ikke har forstått eller er bevisst på at språkmodeller er tekstgeneratorer og ikke søkemotorer. 

Videre er det ikke overraskende at det kan oppstå slike misforståelser, når det i dag finnes løsninger som kombinerer språkmodeller med søkemotorer, men som upresist nok bare omtales som KI.

Ikke lenger kun for de spesielt interesserte

Noen vil kanskje mene at et høyt presisjonsnivå fort blir for teknisk for de mindre teknologisk interesserte. En slik tilnærming er farlig, i lys av retningen utviklingen går i. Etter hvert som språkmodeller og andre KI-verktøy blir en vanligere del av arbeidshverdagen, vil advokatene også få et større ansvar for å veilede fullmektigene i hvordan verktøyene kan brukes og, kanskje vel så viktig, hvordan de ikke kan brukes.

I tillegg handler dette om bransjens evne til å utvikle den neste generasjonen av advokater. 

En ny studie fra MIT tyder på at utstrakt bruk av språkmodeller kan gå på bekostning av egen læring. Funnene tyder imidlertid også på at språkmodeller kan bidra til økt læring, om brukt riktig. 

For å sikre at advokater og fullmektiger bruker KI, og samtidig utvikler den nødvendige kompetansen som advokatprofesjonen krever, må vi vite hvordan verktøyene virker og hvordan de ikke bør brukes. Uten et presist språk vil det lettere oppstå misforståelser og i verste fall vranglæring.

Poenget er ikke at alle advokater skal bli teknologieksperter. Poenget er at vi må være bevisst hvilket verktøy vi omtaler og bruker.

Noen eksempler

Avslutningsvis vil jeg gi noen eksempler på språklige presisjoner jeg mener vi bør være flinkere til å bruke:

Språkmodeller: I de fleste tilfeller advokater snakker om KI, mener de egentlig språkmodeller. Kan vi ikke bare si det? Da unngår vi misforståelser de gangene det faktisk er snakk om andre typer KI.

RAG-løsninger: RAG står for Retrieval-augmented generation (RAG) og beskriver en prosess som gir språkmodeller tilgang til konkrete kilder, slik at svarene baseres på både prompt (instruks) og et utvalgt kildemateriale. 

Lovdatas KI-søk og Saga Legals Rettsdata-funksjon er eksempler på dette. For å unngå feilslutninger om hva språkmodeller kan og ikke kan gjøre, er vi tjent med å presisere når vi snakker om RAG-løsninger.

Merk at svaret fra RAG-løsninger også kan inneholde feil eller mangelfulle opplysninger, og en må derfor alltid sjekke at svaret stemmer med kilden. Flere RAG-løsninger produserer svar med referanser, slik at man raskt kan sjekke innholdet i kilden.

Treningsdata: Mange blander sammen treningsdata brukt under utviklingen av en språkmodell og kildematerialet som brukes i en RAG-løsning. 

Treningsdataen brukt under utvikling av en språkmodell er det datagrunnlaget som har gitt modellen evnen til gjette den mest sannsynlige fortsettelsen av en setning. 

Modellen kan imidlertid ikke «hente» informasjon fra treningsdataen. Den vil kun produsere de ordene den finner mest sannsynlig som en respons på prompten. Det er en vesentlig annen prosess, sammenlignet med RAG-løsninger, som søker i kilder.

Les deg opp i sommer om du kan

Sommeren er en fin anledning til å lese seg opp på nye temaer. Anbefalingen er enkel: les deg opp på teknologien og bli mer presis når du omtaler den.