Uber zegt dat zijn Legal Redlining Agent de gemiddelde tijd voor contractbeoordeling met meer dan 20% heeft verkort, met een nauwkeurigheid van 91% bij AI-beslissingen. De tool werkt in Microsoft Word. Daar signaleert hij wijzigingen die externe partijen voorstellen, beoordeelt hij juridische risico’s en doet hij aanbevelingen om contractclausules te accepteren, af te wijzen of aan te passen.
De agent stelt ook opmerkingen op waarin hij zijn voorstellen toelicht en markeert wijzigingen die extra aandacht vereisen. Juristen van Uber controleren en keuren elke aanbeveling goed; het systeem neemt niet de uiteindelijke beslissing. Uber heeft niet toegelicht hoe het de gemelde nauwkeurigheid meet. Daardoor is niet duidelijk op welke soorten beslissingen of fouten dat percentage betrekking heeft.
Waarom de eerste versie meer nodig had dan juridische handboeken
Uber begon begin 2024 met de ontwikkeling van de tool en testte die in 2025 met het juridische team. De eerste versie gebruikte retrieval-augmented generation (RAG): een taalmodel zoekt relevant materiaal op — in dit geval juridische handboeken — om een vraag te beantwoorden. Volgens Uber had die aanpak moeite om de juiste voorbeelden te vinden, aan te sluiten bij de toon van onderhandelingen en om te gaan met situaties waarvoor bestaande richtlijnen geen antwoord boden.
Vervolgens voegde het bedrijf een feedbacklus toe waarin de beslissingen en redeneringen van juristen, plus de definitieve aangepaste formuleringen, worden opgeslagen. Volgens Uber bevat die opslag duizenden eerdere interacties. Wanneer een nieuwe clausule binnenkomt, gebruikt het systeem een zoekfunctie en filters om de voorbeelden terug te brengen tot ongeveer 20 kandidaten. Daarna beoordeelt een ander taalmodel hoe relevant die zijn. Een weging geeft recentere beslissingen meer gewicht, met een halfwaardetijd van 365 dagen, terwijl oudere voorbeelden behouden blijven.
Regels houden bepaalde beslissingen buiten het model
Uber combineert die voorbeelden met een regelengine die niet-onderhandelbare juridische eisen afdwingt en de aanbeveling van het model kan overrulen. Het systeem controleert ook of de opgestelde reactie overeenkomt met de gevonden regels. In de opzet van Uber voeren modellen taken uit die sterk afhangen van de context, zoals het interpreteren van intenties en het aansluiten bij de onderhandelingsstijl. Vaste regels beschermen eisen waarover niet onderhandeld mag worden.
Volgens het bedrijf kunnen juristen zien welke regels en eerdere feedback achter een voorstel zitten. Voordat ze op de wederpartij reageren, kunnen ze de formulering of beslissing aanpassen. Uber onderzoekt ook juridische kennisgrafen — gestructureerde kaarten van juridische concepten — en hulpmiddelen om AI-workflows te organiseren. Het bedrijf heeft niet gezegd wanneer dat onderzoek tot veranderingen aan de agent zou kunnen leiden.
Waarom het ertoe doet
Voor juristen van Uber kan de tool de tijd voor terugkerende contractaanpassingen verminderen, zodat er meer ruimte overblijft voor complexe afwegingen. Uber meldt een tijdsbesparing van 20%, maar legt niet uit hoe het de nauwkeurigheid heeft gemeten. Voor bedrijven die vergelijkbare tools overwegen, laat de aanpak van Uber de goedkeuring van aanbevelingen bij juristen. Het aangeleverde materiaal toont echter niet aan of de resultaten ook gelden voor andere juridische teams.