Je hebt de aanbevelingen van de NOvA gelezen. Je weet dat 68 procent van je collega-juristen wekelijks met generatieve AI werkt. Je ziet dat kantoren om je heen tools testen, pilots draaien, en steeds vaker over "AI-beleid" spreken. En toch loop je rond met dezelfde vraag die wij bij vrijwel elk eerste gesprek horen: waar begin ik, en hoe zorg ik dat het veilig en zinvol is?
Die vraag is logisch. De advocatuur is een van de weinige sectoren waar een verkeerde AI-keuze niet alleen inefficiënt is, maar potentieel het beroepsgeheim schendt. Dat maakt de drempel hoog — en terecht. Maar het maakt het des te belangrijker om de juiste aanpak te kiezen in plaats van helemaal niets te doen.
Bij Green Creatives bouwen we AI-systemen voor kennisintensieve organisaties, waaronder advocatenkantoren in het strafrecht, bestuursrecht, vastgoed en arbeidsrecht. In dit artikel delen we wat we in de praktijk tegenkomen: waar kantoren vastlopen, welke toepassingen echt werken, en hoe je AI implementeert zonder concessies te doen aan vertrouwelijkheid.
Waarom AI voor advocatenkantoren nu urgent is
De druk op advocatenkantoren komt van meerdere kanten tegelijk. Cliënten verwachten kortere doorlooptijden en meer transparantie over kosten. De arbeidsmarkt voor juristen blijft krap. En ondertussen groeit de hoeveelheid data per dossier — denk aan digitale correspondentie, bodycam-materiaal, en steeds omvangrijkere processtukken.
Tegelijkertijd verschuift er iets structureels. Bedrijfsjuristen stellen inmiddels vragen over hoe hun advocatenkantoor AI inzet. Ze willen weten of er transparantie is over het gebruik, en of hun data niet wordt gebruikt om modellen te trainen. Die verwachting verdwijnt niet meer — ze wordt de norm.
De NOvA heeft eind 2025 officiële aanbevelingen gepubliceerd over AI-gebruik in de advocatuur, gestructureerd rond de vijf kernwaarden: onafhankelijkheid, partijdigheid, deskundigheid, integriteit en vertrouwelijkheid. Dat is geen vrijblijvend advies. Het is het kader waarbinnen elk kantoor nu zijn AI-strategie moet vormgeven.
Advocaten die alles nog met de hand lezen en doorzoeken, raken achter. Niet volgend jaar, maar nu. En de verwachting is dat er op termijn ook een overheids-AI komt die juridische content gaat scannen en verwerken. Dit alles speelt zich af vóórdat we het over kunstmatige algemene intelligentie (AGI) hoeven te hebben — de baseline verschuift op dit moment al.
Waar beginnen de meeste kantoren verkeerd?
De grootste fout die we tegenkomen is niet dat kantoren de verkeerde tool kiezen. Het is dat ze denken dat hun data veilig is — en blijft — bij cloud-gebaseerde AI-diensten. Een advocaat die cliëntdossiers invoert in ChatGPT, NotebookLM of een vergelijkbare tool, vertrouwt erop dat die aanbieder de data niet gebruikt voor training, niet deelt met derden, en niet onder jurisdictie valt die toegang tot die data kan afdwingen.
Dat vertrouwen is fragiel. De privacy policies van grote tech-aanbieders wijzigen regelmatig. De Amerikaanse CLOUD Act geeft de overheid potentieel toegang tot data die bij Amerikaanse bedrijven is opgeslagen, ook als die data fysiek op Europese servers staat. En zelfs bij betaalde accounts met een data processing agreement is de controle beperkt. Je vertrouwt op een belofte, niet op een architectuur.
De tweede veelgemaakte fout is beginnen bij de technologie in plaats van bij het probleem. Een kantoor koopt licenties voor een juridische AI-tool, rolt die uit, en merkt na drie maanden dat niemand het gebruikt. Niet omdat de tool slecht is, maar omdat het probleem dat het oplost niet het probleem was waar het team het meeste last van had.
Hoe wij AI-implementatie aanpakken bij advocatenkantoren
Wij beginnen nooit met technologie. Het eerste gesprek gaat over één vraag: waar lopen jullie tegenaan in je dagelijkse werk? Dat klinkt simpel, maar het antwoord verschilt per kantoor en per rechtsgebied. Een strafrechtadvocaat die honderden pagina's aan processtukken doorzoekt, heeft een fundamenteel ander probleem dan een arbeidsrechtjurist die contracten reviewt.
Vanuit dat gesprek vertalen we het knelpunt naar een concrete oplossing. We bieden vervolgens een testfase aan — meestal twee weken — waarin het kantoor met eigen dossiers kan ervaren wat het systeem kan. Geen PowerPoint-presentatie, geen demo met kunstmatige voorbeelden, maar een werkend systeem gevoed met je eigen data. Pas als dat overtuigt, gaan we door naar de volledige implementatie.
De gemiddelde doorlooptijd van testfase tot werkend systeem is zes tot acht weken. Dat is snel, omdat we niet experimenteren — we implementeren een bewezen architectuur die we per kantoor configureren.
Uit de praktijk: een lokaal RAG-systeem voor strafrechtdossiers
Een concreet voorbeeld. Een strafrechtadvocaat in het zuiden van het land werkt dagelijks met omvangrijke dossiers: processtukken, verhoren, rapportages en correspondentie, opgeslagen als PDF's en Word-documenten op een NAS-systeem. Het handmatig doorzoeken van die dossiers kostte uren per zaak. Relevante passages vinden in grote documenten was foutgevoelig. En dwarsverbanden leggen tussen documenten was vrijwel onmogelijk.
Wij bouwden een lokaal RAG-systeem (Retrieval Augmented Generation) dat die dossiers slim doorzoekt met AI. De advocaat kan in natuurlijke taal vragen stellen — "Wat verklaarde getuige X over het incident op 12 januari?" — en krijgt een antwoord met bronverwijzing: documentnaam en paginanummer. Het systeem draait volledig op een Mac Mini in het kantoor. Geen cloud, geen externe API's, geen data die het pand verlaat.
Het systeem verwerkt ook slechte scans — een realiteit in het strafrecht, waar documenten van politie en Openbaar Ministerie regelmatig matig gescand zijn. Geavanceerde OCR-verwerking herkent scheve, vage of deels onleesbare scans, en geeft eerlijk aan wanneer een passage onvoldoende leesbaar is in plaats van te gokken.
Welke AI-toepassingen werken echt voor advocatenkantoren?
Op basis van onze ervaring zijn dit de toepassingen die het snelst waarde opleveren voor kantoren van 10 tot 50 juristen.
Dossiers doorzoeken in natuurlijke taal
Dit is de meest directe toepassing. In plaats van handmatig door mappen te bladeren, stel je een vraag en krijg je een antwoord met bronverwijzing. Het systeem combineert AI-zoeken met trefwoordzoeken (hybrid search) voor maximale nauwkeurigheid. Je kunt filteren per dossier, documenttype of tijdsperiode.
Automatische dossiersamenvatting
Bij het openen van een nieuw dossier genereert het systeem een samenvatting met tijdlijn, betrokken personen en kernpunten. Wat normaal een ochtend kost, is in minuten beschikbaar. De advocaat leest vervolgens altijd het originele document — de samenvatting is een startpunt, geen eindproduct.
Model-switching per vraagtype
Niet elke vraag vereist hetzelfde AI-model. Een snelle feitelijke zoekvraag kan een compact model gebruiken dat in seconden antwoordt. Een complexe analyse van dwarsverbanden in een dossier verdient een groter model dat nauwkeuriger redeneert. We configureren het systeem zo dat de gebruiker per zoekopdracht kan kiezen welk model het beste past.
Audio-samenvattingen voor onderweg
Een functie die verrassend populair is: het systeem genereert een gesproken samenvatting van een dossier of dossieronderdeel. Ideaal om onderweg naar de rechtbank bijgepraat te worden over een zaak. Downloadbaar als audiobestand, met keuze in samenvatting-diepte: kernpunten, uitgebreid of volledig.
Video-analyse en transcriptie
Steeds vaker bevatten dossiers videobestanden: bewakingsbeelden, verhooropnames, bodycam-materiaal. Het systeem transcribeert spraak automatisch en maakt videobestanden doorzoekbaar op tijdstempel. "Wat zegt verdachte op minuut 14:30?" wordt een beantwoordbare vraag.
Wat is overhyped?
Tools die beweren juridisch inhoudelijk advies te geven zonder menselijke verificatie. AI is sterk in het doorzoeken, samenvatten en structureren van informatie. Het is niet betrouwbaar genoeg om zelfstandig juridische conclusies te trekken. De NOvA is hier terecht helder over: de advocaat blijft eindverantwoordelijk voor advies en rechtsbijstand. AI ondersteunt, maar stuurt niet.
Hoe zit het met privacy, AVG en het beroepsgeheim?
Dit is de vraag die elk gesprek domineert, en dat is terecht. De vertrouwelijkheid van cliëntgegevens is geen feature die je er later bij configureert — het is de architecturale basis van het hele systeem. Wij lossen dit op met een aanpak die fundamenteel verschilt van de meeste AI-aanbieders op de markt.
Ten eerste: we draaien alle AI-modellen lokaal op eigen hardware bij de klant. Dat betekent dat er geen data naar een cloud gaat, geen externe API's worden aangesproken, en geen verbinding wordt gemaakt met servers van derden. Ook niet bij het wisselen tussen modellen.
Ten tweede: we gebruiken standaard Europese taalmodellen. Mistral, ontwikkeld en getraind in Frankrijk, is ons aanbevolen standaardmodel. Voor kantoren die waarde hechten aan Europese datasoevereiniteit — en dat zouden alle kantoren moeten doen — is dat de logische keuze. Daarnaast zijn open source modellen van Meta (Llama), Google (Gemma) en Microsoft (Phi) beschikbaar als alternatieven, allemaal lokaal draaiend.
Ten derde: we leveren standaard een compleet compliance-pakket mee. Dat omvat een AI-beleid template conform de NOvA-aanbevelingen, advies over de DPIA (Data Protection Impact Assessment), een cliënttoestemming-clausule voor de opdrachtbevestiging, en volledige audit logging. Elk gebruik van het systeem is traceerbaar: wie zocht wat, wanneer, in welk dossier, met welk model, en welke bronnen het systeem teruggaf. Bij een tuchtrechtelijke procedure of audit door de Orde kun je precies aantonen hoe AI is ingezet.
Wat de NOvA-aanbevelingen concreet betekenen voor je implementatie
De aanbevelingen van de projectgroep Digitalisering & AI van de NOvA zijn gestructureerd rond vijf kernwaarden. Dit is hoe een goed ontworpen AI-systeem daar in de praktijk aan voldoet.
Op het gebied van vertrouwelijkheid schrijft de NOvA voor dat je geen vertrouwelijke gegevens in gratis tools invoert, dat input en output binnen de kantooromgeving moeten blijven, en dat je een DPIA uitvoert bij verwerking van persoonsgegevens. Een lokaal systeem dat op eigen hardware draait, voldoet hier architecturaal aan — het is geen kwestie van beleid alleen, maar van technische onmogelijkheid om data te lekken.
Wat betreft deskundigheid stelt de NOvA dat je alleen tools met bronvermelding mag gebruiken, zodat output verifieerbaar is. Elk antwoord dat ons systeem geeft, bevat een bronverwijzing naar het specifieke document en de paginanummers. De advocaat controleert altijd het originele document.
Voor onafhankelijkheid geldt: AI ondersteunt, maar stuurt niet. Het systeem zoekt relevante passages — de juridische interpretatie blijft bij de advocaat. En op het gebied van integriteit levert het systeem volledige audit logging en een kantoorbreed AI-beleid.
Het kostenmodel: eenmalig investeren versus doorlopende licenties
De meeste juridische AI-tools op de markt werken met een per-seat licentiemodel. Dat betekent dat je kosten lineair stijgen met het aantal gebruikers. Bij een kantoor van 30 juristen dat €50 tot €100 per gebruiker per maand betaalt, praat je al snel over €18.000 tot €36.000 per jaar — elk jaar opnieuw.
Ons model werkt fundamenteel anders. Je investeert eenmalig in de implementatie van het systeem, inclusief hardware-configuratie, RAG-systeem, gebruikersbeheer, audit logging en security. Daarbovenop komt een maandelijks onderhoudscontract voor updates, security patches, model-updates en monitoring. Alle software is open source — er zijn geen licentiekosten. De enige doorlopende kosten zijn het onderhoud en de stroom voor de server, die rond de vijf euro per maand ligt.
Het verschil wordt duidelijker naarmate je kantoor groeit. Bij een per-seat model betaal je meer voor elke nieuwe gebruiker. Bij ons model voeg je een gebruikersaccount toe — dat is het. De investering is al gedaan.
Hoe krijg je het team mee?
Advocaten zijn van nature risicomijdend — terecht, gezien de consequenties van fouten in hun werk. Dat maakt adoptie van nieuwe technologie een grotere uitdaging dan in de meeste andere sectoren. Twee dingen helpen.
Ten eerste: de testfase. Advocaten overtuig je niet met een presentatie maar met ervaring. Als ze hun eigen dossier uploaden en binnen seconden een antwoord krijgen dat klopt en verwijst naar de juiste pagina, is het gesprek over. De interface is vergelijkbaar met ChatGPT — de meeste gebruikers zijn binnen één sessie productief.
Ten tweede: de onboarding. We verzorgen een training van twee uur, op locatie of remote, plus een gebruikershandleiding met instructies per module en per model-profiel. Het doel is dat elke gebruiker zelfstandig kan werken na die ene sessie.
Wat ook helpt: beginnen bij de mensen die er het meeste baat bij hebben. In de praktijk zijn dat vaak de advocaten die de zwaarste dossiers behandelen. Als zij het gebruiken en er positief over zijn, volgt de rest.
Kant-en-klaar versus custom: wanneer kies je wat?
Er zijn inmiddels tientallen juridische AI-tools op de Nederlandse markt: GenIA-L van Sdu, LegalMike, Saga, Legal Mind, Andri, en internationale spelers als Harvey. Het zijn voornamelijk juridische zoektools die werken op basis van openbare bronnen — rechtspraak.nl, wetten.nl, vakliteratuur.
Wat wij bouwen is iets fundamenteel anders. Ons systeem doorzoekt de eigen dossiers van het kantoor, lokaal, met volledige controle over de data. Het zijn complementaire oplossingen. Een kantoor kan GenIA-L gebruiken voor jurisprudentieonderzoek in openbare bronnen, en daarnaast een lokaal RAG-systeem voor de analyse van eigen cliëntdossiers. De eerste is een juridische zoekmachine. De tweede is een dossiersysteem met AI.
De keuze hangt af van het probleem. Als je sneller jurisprudentie wilt doorzoeken, is een bestaande tool vaak voldoende. Als je eigen dossiers wilt doorzoeken zonder dat data het kantoor verlaat, heb je een custom oplossing nodig.
Wat verandert er de komende twaalf maanden?
Drie ontwikkelingen die wij verwachten. Ten eerste: AI wordt standaard in de verwachtingen van cliënten. Bedrijfsjuristen vragen nu al hoe hun kantoor AI inzet. Over een jaar is dat geen vraag meer maar een selectiecriterium.
Ten tweede: de overheid gaat AI inzetten voor het scannen en verwerken van juridische content. Dat verandert het speelveld structureel — kantoren die hun eigen data op orde hebben en AI-tools beheersen, hebben een voorsprong.
Ten derde: de modellen worden snel beter. Wat vandaag een groot model vereist voor complexe analyse, kan over zes maanden een compact model dat sneller draait. Daarom bouwen we systemen met model-switching: je kunt nieuwe modellen toevoegen zodra ze beschikbaar komen, zonder het hele systeem te vervangen.
Het advies is eenvoudig: begin nu, begin klein, maar begin bewust. Een testfase van twee weken met eigen dossiers geeft je meer inzicht dan zes maanden vergaderen over toolselectie.
Plan een gesprek en we laten je zien waar de kansen liggen voor jouw kantoor.