Juridische bedrijfsteams testen AI doorgaans op drie aspecten:
Kan het veilig worden toevertrouwd met gevoelige informatie?
Kan de redenering worden verklaard en onderbouwd?
En presteert het consistent op grote schaal?
Deze vragen vormen de leidraad voor het werk van Alexander Lampaert. Als Lead AI Engineer en Data Scientist bij LEGALFLY bepaalt hij hoe instructies worden geïnterpreteerd, hoe gegevensstromen binnen het platform verlopen en hoe grote taalmodellen worden toegepast op daadwerkelijke juridische werkzaamheden.
“Alles wat we bouwen, moet verankerd zijn in data, domeinkennis en concrete inzichten,” stelt hij.
Opmerking: Wanneer uw juridische team de zekerheid nodig heeft dat AI-output kan worden verklaard, verdedigd en gereproduceerd voordat u zich committeert aan een platform — vraag dan een demo aan. We laten u exact zien hoe LEGALFLY met uw gegevens omgaat, waarop de redenering is gebaseerd en hoe het consistent presteert binnen uw gehele team op enterprise-niveau.
Van de gereguleerde bankensector naar juridische AI
Voordat hij bij LEGALFLY in dienst trad, werkte Alexander bij KBC, een van de grootste banken van België. Daar werkte hij samen met juridische, data- en securityteams aan vroege toepassingen van generatieve AI.
“Ik was, samen met Group Legal, verantwoordelijk voor het onderzoeken van de manieren waarop we waarde konden creëren met generatieve AI toen GPT-3.5 net opkwam,” vertelt hij.
Dat werk maakte de beperkingen van interne oplossingen al snel duidelijk.
“Er zijn zoveel externe databronnen. Als elke organisatie die hoeveelheid informatie zelf zou moeten verwerken, zou dat een volledige eigen afdeling vereisen. UX en UI zijn bovendien cruciale succesfactoren. Grote organisaties kunnen daar niet altijd prioriteit aan geven; zij missen de vereiste wendbaarheid of focus.”
In dezelfde periode maakte Alexander kennis met LEGALFLY. “Toen ik zag hoe snel LEGALFLY zich ontwikkelde en hoe nauw het aansloot bij het platform dat wij intern probeerden te bouwen, was ik overtuigd. De overstap naar een team dat zich volledig toelegt op het dagelijks vooruithelpen van juridische intelligentie, was een logische stap.”
Zijn ervaring binnen een gereguleerde instelling bepaalt nu hoe LEGALFLY wordt ontwikkeld om te voldoen aan de standaarden die juridische bedrijfsteams vereisen.
Plan een gesprek met een van onze experts om te ontdekken wat LEGALFLY voor uw praktijk kan betekenen.
Vertrouwen bij gevoelige informatie
Vertrouwelijkheid is binnen het juridische domein niet onderhandelbaar, en Alexanders achtergrond in de gereguleerde financiële sector vertaalt zich direct in de veilige architectuur van LEGALFLY.
“Banken werken met zeer gevoelige informatie,” legt hij uit. Persoonsgegevens beperken zich niet tot voor de hand liggende identificatoren. “Een combinatie van een functie en een medische aandoening geldt voor een bank-verzekeraar eveneens als persoonsgegeven.” Deze nuances zijn bepalend voor de wijze waarop anonimisering, metadata, bewaartermijnen en interne beheersmaatregelen zijn ingericht.
Alle documenten worden volledig geanonimiseerd voordat er enige verwerking plaatsvindt. Namen, functies, locaties, handtekeningen en andere identificerende gegevens worden direct bij invoer verwijderd. Het model analyseert uitsluitend geanonimiseerde content, met granulaire controle over velden, entiteiten en contextuele identificatoren.
Vertrouwen hangt tevens af van de wijze waarop het systeem leert. Alexander is daarin helder: “Wij trainen niet op uw data. We gebruiken uw gegevens niet voor fine-tuning van modellen.”
LEGALFLY leert van instructies, interacties en geverifieerde juridische bronnen. Materiaal van cliënten wordt nimmer trainingsdata.
Voor organisaties met strikte geheimhoudingsplichten waarborgt dit de bescherming van interne knowhow, ondersteunt het audits en compliance, en blijft de werking voorspelbaar op grote schaal.
Uitlegbare redeneringen met een juridische grondslag
Uitlegbaarheid begint bij context. Voor Alexander betekent een accurate juridische redenering dat het model moet uitgaan van de juiste aannames: jurisdictie, beleid, risicotoleranties en opstellingsnormen.
“Een groot taalmodel absorbeert alles wat het te zien krijgt in één keer. Dat heeft concrete gevolgen voor de wijze waarop u het instrueert.”
Bij generieke tools zoals ChatGPT kunnen negatieve voorbeelden tot verwarrende resultaten leiden. “Als u een clausule toont en zegt ‘formuleer dit niet zo’, beschouwt het model dit nog steeds als relevant. Duidelijke, positief geformuleerde instructies werken aanzienlijk beter.”
Om dezelfde reden is identiteit van essentieel belang. In generieke tools begint elke vraagstelling zonder context. Tenzij de gebruiker telkens de eigen organisatie, jurisdictie en risicobereidheid opnieuw specificeert, valt het model terug op algemene patronen.
Bij LEGALFLY hoeven gebruikers daar niet over na te denken, omdat identiteit op platformniveau is ingebed. “Gebruikers uploaden hun bedrijfsinformatie. Wij extraheren deze gegevens om een profiel op te bouwen van de organisatie en de gebruiker. Die context is daardoor permanent aanwezig.”
Met de juiste identiteit, bronnen en jurisdictie als uitgangspunt is de redenering herleidbaar. Uitkomsten kunnen direct worden gekoppeld aan een wettelijk vereiste, intern beleid, een clausulebibliotheek of een erkende juridische uitgever.
Het onderliggende principe blijft onveranderd ten opzichte van traditioneel machine learning. “Garbage in, garbage out,” aldus Alexander. De architectuur van LEGALFLY is erop ingericht om de input helder en gestructureerd aan te bieden.
Betrouwbaarheid en consistentie op schaal
Juridische afdelingen van ondernemingen vereisen instrumenten die voorspelbaar functioneren over verschillende taken, gebruikers en regio's heen. Alexander ontwerpt met die verwachting als uitgangspunt.
De intelligentielaag van LEGALFLY is gebouwd rond gecontroleerde datastromen, gevalideerde juridische bronnen, gestructureerd contextueel leren en prompting-frameworks die de reële juridische praktijk weerspiegelen.
In-house teams werken met gedeelde sjablonen, terugkerende clausulepatronen, gedefinieerde risicoposities en goedkeuringsprocessen. Het platform conformeert zich aan deze institutionele standaarden in plaats van individuele gewoonten.
Als gevolg hiervan zijn uitkomsten reproduceerbaar. Een toetsing die in de ene jurisdictie wordt uitgevoerd, verloopt volgens hetzelfde stramien wanneer deze in een andere jurisdictie wordt herhaald. Een dossier dat door de ene jurist wordt behandeld, volgt dezelfde logica wanneer een collega het overneemt.
Voor juridische teams betekent deze consistentie dat AI-ondersteunde beslissingen verdedigbaar, auditeerbaar en reproduceerbaar zijn. Betrouwbaarheid is ingebouwd en wordt niet aan het toeval overgelaten.
Juridische intelligentie afgestemd op de enterprise-praktijk
Veel van Alexanders werkzaamheden vinden plaats onder de motorkap, maar vormen de basis voor de uiteindelijke gebruikerservaring: vertrouwelijke data die integer wordt verwerkt, redeneringen gebaseerd op herleidbare standaarden en output die consistent blijft binnen de gehele organisatie.
“Alles wat we bouwen, moet verankerd zijn in data, domeinkennis en concrete inzichten,” besluit hij.
Het is het fundament van de ontwerpfilosofie van LEGALFLY: juridische intelligentie ontworpen met het oog op veiligheid, uitlegbaarheid en betrouwbaarheid, afgestemd op de daadwerkelijke werkwijze van juridische teams en gebouwd om te voldoen aan de hoogste professionele standaarden.
