AI for advokatfirmaer
Advokatbranchen lever af timer — men en voksende del af timerne går til arbejde, klienterne ikke længere vil betale fuld pris for. Første-gennemgang af kontrakter, screening af datarum med tusind dokumenter, research der starter forfra i Karnov hver gang, og onboarding med KYC-dokumentation der trækker sagsopstart i langdrag. Samtidig presser rekrutteringen: der er kamp om dygtige fuldmægtige, og de gider ikke bruge to år på at klassificere lejekontrakter i et datarum.
AI ændrer regnestykket på præcis de opgaver. En model kan lave første-gennemgang af en kontrakt mod firmaets egen klausul-playbook på minutter, screene et datarum for change of control-klausuler og garantibrud med kildehenvisning til side og afsnit, og besvare research-spørgsmål ud fra firmaets egne notater og tidligere sager i stedet for at starte fra nul. Det afgørende er arkitekturen: juridisk AI uden kildekrav hallucinerer domme og paragraffer, så enhver løsning vi bygger svarer kun med henvisning til et konkret dokument — og advokaten har altid det sidste ord.
Fortroligheden er ikke til forhandling. Tavshedspligten og de advokatetiske regler betyder, at klientdata aldrig må ende som træningsdata hos en AI-leverandør eller forlade EU uden kontrol. Derfor bygger vi med EU-region inference, databehandleraftaler og zero-retention — og for de mest følsomme sager kan modellen køre på jeres egen infrastruktur.
Vores tilgang er at bygge småt, måle og skalere: én use case, en pilot på interne dokumenter uden klientdata, målbar effekt — og først derefter bredere udrulning i firmaet. Ingen big bang, ingen licens til et system ingen bruger.
Kender du det her?
Første-gennemgang af kontrakter æder fuldmægtig-timer, som klienten udfordrer på fakturaen — og write-offs på rutinearbejde er blevet hverdag.
Et datarum med 1.000+ dokumenter og en DD-deadline om to uger lægger hele teamet ned, og I ved, at dækningen alligevel aldrig bliver 100%.
Svaret på et research-spørgsmål findes ofte i et notat fra en sag, firmaet førte for tre år siden — men ingen kan finde det, så researchen starter forfra.
Klient-onboarding med KYC, identifikation af reelle ejere og aftalebrev tager dage af manuel administration, før der overhovedet kan arbejdes på sagen.
Standarddokumenter som NDA'er, fuldmagter og lejekontrakter tager timer at tilpasse, men kan sjældent faktureres som andet end småopgaver.
Når en erfaren advokat forlader firmaet, forsvinder viden fra hundredvis af sager ned i arkivet — og de yngre kolleger opfinder den dybe tallerken igen.
Løsninger vi bygger til branchen
Gennemtænkte, konkrete løsninger — fra problem til hvordan de bygges og hvad de typisk flytter.
Kontrakt-review-assistent trænet på jeres egen playbook
Problemet
Første-gennemgang af modpartens udkast er rutinearbejde med høj risiko: en overset ansvarsbegrænsning eller manglende opsigelsesadgang kan koste klienten dyrt. Samtidig er det svært at fakturere fulde timer for arbejde, klienten opfatter som "bare at læse en kontrakt".
Løsningen
En løsning vi bygger til branchen: advokaten uploader kontrakten — eller henter den direkte fra dokumentsystemet — og AI sammenligner den klausul for klausul med firmaets egne standardskabeloner og klausul-playbook. Afvigelser markeres med begrundelse: skærpet ansvar, manglende change of control-bestemmelse, usædvanlig værneting-klausul. AI foreslår konkret ændringstekst i firmaets sædvanlige formuleringer, klar til track changes. Advokaten gennemgår markeringerne, accepterer eller forkaster, og står altid selv for det juridiske skøn. Resultatet er et review-notat med sporbare henvisninger til de konkrete afsnit — ikke en sort boks.
Sådan bygges den: Next.js-app + Claude med RAG over jeres standardskabeloner og klausul-playbook, kørt i EU-region med zero-retention. Integration til Word og jeres dokumenthåndteringssystem (fx iManage, NetDocuments eller SharePoint), så intet skal kopieres frem og tilbage.
📈 Første-gennemgang går typisk 5-10× hurtigere, og seniorer bruger tiden på skønnet i stedet for at lede efter afvigelserne.
Due diligence-motor der screener hele datarummet
Problemet
En M&A-due diligence med 1.000+ dokumenter og kort frist tvinger teamet til stikprøver og prioritering — og alle ved, at de kritiske vilkår kan gemme sig i bilag 743. Manuel screening er dyr, langsom og aldrig komplet.
Løsningen
Sådan bygger vi den: datarummet indlæses samlet — PDF'er, scannede dokumenter og mailkorrespondance — og AI klassificerer hvert dokument efter type og sagsområde: ansættelseskontrakter, leverandøraftaler, lejekontrakter, tvister. Derefter udtrækkes nøglevilkår systematisk: change of control, eksklusivitet, opsigelsesvarsler, misligholdelsesbeføjelser, garantikataloger. Alt samles i en red flag-rapport, hvor hvert fund henviser til dokument, side og afsnit, så teamet kan verificere på sekunder i stedet for at lede i timevis. Teamet bruger kræfterne på at vurdere fundene og skrive DD-rapporten — ikke på at åbne 1.000 PDF'er. Dækningen bliver 100% af dokumenterne i stedet for stikprøver.
Sådan bygges den: Dokument-pipeline med OCR til scannede bilag + Claude til klassificering og vilkårs-ekstraktion, RAG-indeks over hele datarummet. Kører i EU-region under databehandleraftale; red flag-rapporten eksporteres til Word/Excel i jeres skabelon.
📈 En DD der før tog 3-4 uger kan typisk gennemføres på 1-2 — med fuld dokumentdækning i stedet for stikprøver.
Firmaets egen videns-assistent — research over jeres sager og notater
Problemet
Firmaets største aktiv er viden fra tidligere sager — men den ligger begravet i sagsmapper, notater og gamle processkrifter, som ingen kan søge meningsfuldt i. Og generel AI-research er farlig i jura: modellerne opdigter domme og paragraffer, hvis de får lov.
Løsningen
En løsning vi bygger til branchen: et internt søgeværktøj, hvor advokaten stiller spørgsmål i almindeligt sprog — "har vi tidligere argumenteret mod en konkurrenceklausul i en direktørkontrakt?" — og får svar bygget udelukkende på firmaets egne notater, processkrifter og memoer, altid med kildehenvisning til den konkrete sag og det konkrete dokument. Kan AI ikke finde belæg i materialet, siger den det ærligt i stedet for at digte. Adgangsstyring følger sagsniveau, så kinesiske mure og fortrolighedsringe respekteres. Ny viden indekseres løbende, så assistenten vokser med firmaet — og juniorer får adgang til seniorernes erfaring fra dag ét.
Sådan bygges den: RAG-arkitektur over jeres dokumentarkiv med sagsbaseret adgangsstyring, Claude i EU-region med hårdt kildekrav (intet svar uden henvisning). Kan suppleres med opslag i offentlige retskilder; for særligt følsomme arkiver kan modellen self-hostes.
📈 Research-tiden halveres typisk på spørgsmål, firmaet reelt har svaret på før — og viden forlader ikke firmaet med medarbejderen.
Klient-onboarding med automatisk KYC og dokumentindsamling
Problemet
Fra første henvendelse til sagen reelt kan starte, går der ofte dage: hvidvaskscreening, identifikation af reelle ejere, indsamling af dokumenter og udarbejdelse af aftalebrev. Det er ren administration, klienten oplever som ventetid — og som ingen kan fakturere.
Løsningen
Sådan bygger vi den: klienten modtager et sikkert link og guides gennem præcis de oplysninger, sagen kræver — ID, selskabsdokumenter, ejerstruktur, relevante kontrakter. AI læser det indsendte med det samme, tjekker om det er komplet og læsbart, og flagger hvad der mangler, så klienten rykkes automatisk i stedet for af en sekretær. KYC-delen samler dokumentation til hvidvasklovens krav — identitet, reelle ejere, opslag mod PEP-lister — og lægger det klar til advokatens godkendelse. Til sidst genereres udkast til aftalebrev og ordrebekræftelse i firmaets skabelon. Sagen lander komplet hos den ansvarlige advokat i stedet for at drysse ind over to uger.
Sådan bygges den: Next.js-klientportal med sikker upload + Claude til dokumentlæsning og komplethedstjek, integreret med jeres sagssystem og opslag i CVR for ejerstruktur. Al behandling i EU-region; KYC-materialet arkiveres struktureret til tilsyn.
📈 Onboarding-tiden halveres typisk, og sagerne starter med komplet materiale — færre rykkere, hurtigere første fakturerbare time.
Flere use cases
Kontrakt-analyse og sammenligning
AI læser en kontrakt og identificerer afvigelser fra jeres standardskabeloner, risikoklausuler og manglende standardbestemmelser — med begrundelse og forslag til ændringstekst.
📈 Første-gennemgang typisk 5-10× hurtigere. Seniorer bruger tiden på skønnet, ikke på at lede.
Standarddokument-generering
Skabeloner med parametre — AI udfylder NDA'er, fuldmagter, lejekontrakter og direktørkontrakter ud fra en kort samtale eller den dokumentation, klienten har indsendt.
📈 Produktionstid fra timer til minutter — og dokumenterne følger altid firmaets nyeste skabelon.
Processkrift-forarbejde: kronologi og bilagsoversigt
AI læser sagens akter og bygger en kronologi over hændelsesforløbet, en bilagsoversigt og et faktumresumé — fundamentet for stævning, svarskrift og påstandsdokument.
📈 Forarbejdet til processkrifter falder typisk fra dage til timer, og intet bilag overses i kronologien.
Juridisk research-memo med kildekrav
AI søger i retskilder og firmaets egne notater og syntetiserer fund i et research-memo — bygget så intet svar afgives uden konkret kildehenvisning, fordi juridisk AI ellers hallucinerer domme.
📈 Research-tid typisk halveret. Menneskelig verifikation af kilderne er og bliver obligatorisk.
Mødereferat direkte til sagen
Klientmøder og telefonnotater transskriberes og struktureres automatisk til sagsnotat med aftalte næste skridt — klar til sagssystemet og til timeregistreringen.
📈 Ingen aftener med at rekonstruere noter, og sagens historik er komplet, når kollegaen overtager.
GDPR- og compliance-audits som produktiseret ydelse
AI læser klientvirksomhedens procedurer, databehandleraftaler og kontrakter og identificerer GDPR-mangler eller AI Act-relevante systemer — advokaten kvalificerer og rådgiver.
📈 Bredere compliance-dækning til lavere pris — og en skalerbar fastpris-ydelse oven på timesalget.
ROI og forventninger
Realistisk for et dansk advokatfirma: 20-40% tidsbesparelse på rutinejuridisk arbejde, med størst effekt på kontrakt-review og due diligence, hvor volumen er høj og opgaverne ensartede. Første-gennemgang går typisk 5-10× hurtigere, en DD kan falde fra 3-4 uger til 1-2, og research-tiden halveres på spørgsmål, firmaet reelt har svaret på før. LLM-forbruget ligger typisk på 1.000-5.000 kr om måneden afhængigt af dokumentvolumen — småpenge mod fuldmægtig-timer. Tilbagebetaling af den samlede investering ses typisk efter 3-6 måneder. Én ærlig pointe: fakturerer I udelukkende efter medgået tid, skal gevinsten hentes som flere sager pr. medarbejder, færre write-offs eller fastpris-produkter med bedre marginer — sparede timer bliver ikke automatisk til omsætning af sig selv.
Hvor man starter
- Vælg én use case (typisk kontrakt-review) som pilot — og kør den først på interne dokumenter og afsluttede sager, ikke aktive klientdata
- Få arkitekturen på plads før første klientdokument: EU-region inference, databehandleraftale og zero-retention — fortroligheden er ikke til forhandling
- Indfør et hårdt kildekrav fra dag ét: intet AI-svar uden henvisning til et konkret dokument, og advokaten verificerer altid, før noget forlader huset
- Træn fuldmægtige og advokater i at arbejde med AI-udkast kritisk — det bliver en kernekompetence, ikke en genvej uden om det juridiske skøn
Compliance og data
Advokatbranchen har de strengeste fortrolighedskrav overhovedet. Tavshedspligten og de advokatetiske regler betyder, at klientdata aldrig må bruges som træningsdata eller forlade jeres kontrol: brug EU-region inference (fx Anthropic via AWS Bedrock Frankfurt eller Azure OpenAI EU) med zero-retention og databehandleraftale efter GDPR art. 28 — og overvej en self-hostet model til de mest følsomme sager. Adgangsstyring skal respektere kinesiske mure og fortrolighedsringe på sagsniveau. Bistår firmaet ved ejendomshandler, virksomhedsoverdragelser eller forvaltning af klientmidler, er I omfattet af hvidvaskloven — KYC-data er selv følsomme og skal opbevares struktureret til tilsyn. EU AI Act rammer dokument- og research-assistenter mildt, men output med retsvirkning kræver altid menneskelig kontrol — hvilket i forvejen følger af god advokatskik. Og går AI-anvendelsen ud over sædvanlige arbejdsmønstre, bør klienten orienteres.
Ofte stillede spørgsmål
Må vi overhovedet sende klientdata gennem en AI med vores tavshedspligt?
Ja — hvis arkitekturen er rigtig. Kravet er, at data behandles i EU, at der er en databehandleraftale, og at leverandøren hverken gemmer eller træner på jeres dokumenter (zero-retention). Det svarer juridisk til at bruge en cloud-baseret dokumentplatform, hvilket de fleste firmaer allerede gør. For særligt følsomme sager kan modellen køre på jeres egen infrastruktur, så intet forlader huset. Vi sætter aldrig et system i drift, før den del er på plads.
Hvad hvis AI'en opdigter en dom eller en paragraf?
Det er den reelle risiko i juridisk AI, og den tager vi som en arkitektur-opgave, ikke et løfte: systemerne bygges med hårdt kildekrav, så intet svar afgives uden henvisning til et konkret dokument, advokaten kan åbne. Kan modellen ikke finde belæg, siger den det i stedet for at digte. Og verifikationen ligger altid hos advokaten — AI laver forarbejdet, mennesket bærer ansvaret. Det er samme kvalitetssikring som med en fuldmægtigs udkast.
Hvad koster det?
Selve AI-forbruget er typisk 1.000-5.000 kr om måneden afhængigt af dokumentvolumen — det er udviklingen af løsningen, der er investeringen. Prisen afhænger af, om vi starter med én afgrænset pilot eller et bredere setup med integrationer til jeres sags- og dokumentsystem. Se vores priser på /priser, eller book en snak, så regner vi på jeres konkrete volumen. Tilbagebetalingen ligger typisk på 3-6 måneder.
Kan det integreres med vores sags- og dokumentsystem?
Ja, og det bør det — AI-værktøjer, der lever i en separat fane, dør stille. Vi integrerer med de gængse dokumenthåndteringssystemer (fx iManage, NetDocuments, SharePoint) og med Word, hvor arbejdet reelt foregår, så review-notater og ændringsforslag lander direkte i jeres eksisterende arbejdsgang. Sagssystem-integration afklarer vi konkret ud fra, hvad I kører.
Mister vores fuldmægtige læringen, hvis AI laver første-gennemgangen?
Læringsopgaven flytter sig, den forsvinder ikke. Fuldmægtigen går fra at lede efter afvigelser i 80 sider til at vurdere og udfordre AI'ens markeringer — det træner det juridiske skøn hurtigere end mekanisk gennemlæsning. Firmaets playbook og videns-assistenten gør samtidig seniorernes erfaring tilgængelig fra dag ét i stedet for efter tre års sagsbehandling. Ansvaret og det endelige skøn ligger uændret hos advokaten.
Relaterede guides
Sådan bygger du et RAG-system fra bunden — komplet teknisk guide
Detaljeret teknisk guide til at bygge Retrieval-Augmented Generation: arkitektur, valg af komponenter, chunking-strategier, evaluation, og almindelige fælder.
GDPR-kompatibel AI i danske SMB'er — det du faktisk skal have styr på
Praktisk guide til at implementere AI i en dansk virksomhed uden at krænke GDPR. EU AI Act, databehandleraftaler, EU-regioner, anonymisering — det hele her.
Vælg den rette LLM til din opgave: Claude vs GPT vs Gemini i 2026
Honest, opdateret sammenligning af de tre førende LLM-familier på de opgaver der betyder noget for danske virksomheder. Hvornår du vælger hvad, og hvornår du vælger en kombination.