Samenvattingen van juridische dossiers laten argumenten weg

U mag een AI-samenvatting van een juridisch dossier niet als zelfstandige grondslag voor een beslissing gebruiken. U moet de volledige brontekst onafhankelijk beoordelen en vastleggen welke passages uw beslissing dragen.

De aanleiding is een analyse van 13 oktober 2026 van hoe AI-samenvattingen van juridische documenten argumenten weglaten, die aantoont dat taalmodellen bij juridische uitspraken systematisch kwesties en redenen uit het oog verliezen terwijl conclusies beter behouden blijven. De studie onderzocht ruim duizend juridische documenten met een evaluatiekader dat onderscheidt tussen ontbrekende feiten en verkeerd weergegeven feiten. In onze beoordeling is dit geen marginaal probleem: een vloeiende samenvatting die stilzwijgend een beperking, uitzondering of onderliggende reden weglaat, verandert de betekenis van de conclusie zonder dat dit opvalt bij lezing van de samenvatting zelf.

Wat gaat er mis in juridische samenvattingen?

De geteste modellen behaalden voor juridische documenten een duidelijk lagere dekking dan menselijke samenvattingen. Het kernprobleem: argumentatieve passages vormen slechts een klein deel van de brontekst maar het leeuwendeel van wat een samenvatting zou moeten bevatten. Weglating was de dominante foutcategorie, niet verdraaiing of verzinning. Modellen behielden conclusies relatief goed maar misten juist vaker de kwesties en redenen die een conclusie dragen.

Dit is verraderlijk omdat er geen zichtbare onwaarheid is om op te sporen. Een reviewer die alleen de samenvatting leest, mist precies wat niet in de samenvatting staat. Bij consequentiële dossiers is de ontbrekende passage vaak de passage die de uitkomst zou hebben gekanteld.

Welke foutcategorieën moet u monitoren?

• Weglating van kwesties — de juridische vraag die een uitspraak beantwoordt ontbreekt in de samenvatting.
• Weglating van redenen — de argumenten en voorwaarden die een conclusie dragen worden niet opgenomen.
• Behoud van conclusies zonder context — de einduitkomst staat in de samenvatting maar zonder de voorwaarden die eraan gebonden zijn.
• Stilzwijgende betekenisverandering — afzonderlijke zinnen zijn correct maar hun weglating verandert de betekenis van het geheel.
• Brontrouw onder cachecompressie — bij lange-contextsamenvatting kan agressieve compressie van het contextgeheugen ertoe leiden dat het model geleidelijk minder op de brontekst let.

Welke controles moet u aantoonbaar uitvoeren?

1. Blokkeer consequentiële besluiten op basis van samenvatting alleen — een bevoegde functionaris moet de volledige onderliggende documentatie onafhankelijk beoordelen voordat een beslissing wordt genomen.
2. Leg per claim vast welke bronpassage die claim draagt — documenteer voor elke argumentrol welke passages uit het origineel de samenvatting ondersteunen, zodat onafhankelijke beoordeling later reconstrueerbaar is.
3. Voer steekproefsgewijze controle door een tweede reviewer uit — laat een tweede persoon teruggaan naar de brontekst om specifiek naar weglatingen te zoeken, niet alleen naar tekstuele fouten in de samenvatting.
4. Controleer ook het midden van omvangrijke dossiers — vertrouw niet alleen op begin en eind; omdat lange-contextsamenvatting risico's kan creëren, moet u ook de middelste passages expliciet controleren.
5. Toets de onafhankelijkheid van de beoordeling aan identificeerbare bronnen — een formele goedkeuring of handtekening volstaat niet wanneer de functionaris in de praktijk slechts de AI-redenering overneemt; de beslissing moet op identificeerbaar bronmateriaal rusten.

Hoe verschilt dit van huidige praktijk?

Twee overheidsbronnen trekken hier dezelfde grens. Het Australische Department of Industry, Science and Resources verklaart dat medewerkers AI-output voor samenvatten en analyse vóór gebruik beoordelen en als concept of startpunt behandelen, niet als zelfstandige basis voor een beslissing. De verantwoordelijkheid voor advies en besluit blijft bij de medewerker.

De richtlijn van de U.S. Office of Personnel Management over AI in federale werving maakt de grens toetsbaar: een AI-samenvatting is pas niet de beslissende grondslag wanneer een bevoegde functionaris de volledige onderliggende documentatie onafhankelijk beoordeelt, de uitkomst daaraan toetst en de beslissing op identificeerbaar bronmateriaal baseert. De richtlijn waarschuwt expliciet dat een formele handtekening onvoldoende is wanneer de functionaris in de praktijk slechts de AI-redenering overneemt.

Hoe stelt u vast dat beoordeling werkelijk onafhankelijk was?

Zonder expliciete vastlegging van de bronpassages die een beslissing dragen, is achteraf niet vast te stellen of de beoordeling onafhankelijk was. De traceerbaarheid van de dragende passages is daarmee geen administratieve formaliteit, maar een belangrijke manier om onafhankelijke beoordeling aantoonbaar en achteraf controleerbaar te maken. Dit sluit aan bij wat rechtbanken al vaststellen over de verificatieplicht bij AI-citaten in juridische stukken.

Tooling kan u helpen om samenvattingen te genereren, passages te markeren en controleprotocollen uit te voeren. Maar of een passage werkelijk dragende grond is voor uw beslissing, en of u die grond werkelijk onafhankelijk hebt beoordeeld, blijft uw eigen professionele oordeel. Geen systeem kan u die verantwoordelijkheid afnemen.