<img height="1" width="1" style="display:none;" alt="" src="https://px.ads.linkedin.com/collect/?pid=2085737&amp;fmt=gif">
Tema: AI

#0994: Muligheter og utfordringer når AI inntar advokatbransjen

Gjest: Trine Melsether

Digitaliseringssjef of Thommessen


Med Vert Silvija Seres

I denne samtalen av #LØRN snakker Silvija med Chief Digital Officer i advokatfirmaet Thommessen, Trine Melsether. Thommessen er en av de største advokatfirmaene i Norge, og de driver i hovedsak med forretningsjus hvor de bistår næringslivet med transaksjoner, komplekse prosjekter og tvister. I samtalen forklarer Trine hvordan maskinlæring er med på å skape muligheter, men også utfordringer i advokatbransjen. Videre gir Trine eksempler på hvor AI benyttes, og hvor det potensielt kan benyttes innen hennes bransje.

- Vi må klare å knekke nøtta dersom vi skal ha AI som en slags samarbeidspartner i tiden fremover!

 

Full transcript

Med Trine Melsether og Silvija Seres

Velkommen til Lørn.Tech – en læringsdugnad om teknologi og samfunn med Silvija Seres og venner.

SS: Hei, og velkommen til en Lørn-samtale. Mitt navn er Silvija Seres, og gjesten min i dag er Trine Melsether som er digitaliseringssjef i advokatfirmaet Thommessen. Velkommen Trine.

TM: Takk. Hei.

SS: Hei. Du, jeg skal si noen ord om serien slik at folk vet hva de hører på, så skal vi gå derfra til å snakke litt mer om digitalisering, advokatbransjen, fremtiden av juss og krig og fred og sånt. Dette her er en samtale i en serie som vi kaller for Applied AI eller anvendt kunstig intelligens. Ideen er å samle en del folk som ikke bare snakker om forskning og kanskje gründerskap i kunstig intelligens som vi har snakket med en del om, men folk som bruker det i sitt daglige yrke og prøver å få verden til å forstå hvordan kunstig intelligens påvirker alle våre jobber og vårt samfunn. Høres det bra ut?

TM: Det høres bra ut.

SS: Det høres veldig bra ut. Så bra. Jeg skal si tre ord om samtaleflyten for din del, og det er egentlig at samtalen består av tre hoveddeler. Den første er hvor vi skal bli kjent med deg og dine drivkrefter, for det er litt spennende for folk å se mot rollemodeller for hvordan man blir god med digitalisering og maskinlæring når man kommer fra kanskje noe helt annet, slik at de også kan følge en slik sti. Også er det ditt prosjekt og hvorfor er det viktig, og hvorfor er det vanskelig som er den andre bolken. Den tredje bolken er dilemmaer og samfunnseffekter av det du holder på med. Inkludert litt livslang læring. Da starter jeg, og mitt første spørsmål er alltid hvem er du og hvorfor ble du slik?
TM: Ja, hvem er jeg? Jeg er 39 år og opprinnelig fra Ålesund. Har to barn og bor nå i Oslo. Utdannet i Trondheim som sivilingeniør innen industriell økonomi og teknologisk ledelse, og tok spesialisering innenfor prosjektledelse. Så når jeg begynte å jobbe, så var det som konsulent innen prosjektfaget, og gjorde det i flere år. Så startet jeg da i advokatbransjen som prosjektsjef først og jobbet med å profesjonalisere hvordan vi gjør prosjektledelse. Så for vel fire år siden, så vi at dette med teknologi kom mer og mer inn i advokatbransjen, og da startet jeg opp i en ny rolle som digitaliseringssjef og jobber nå med innovasjon og teknologi.

SS: Og du er en håndballdame fra før av?

TM: Ja, jeg gikk jo håndball. Jeg driver med volleyball.

SS: Volleyball, mener jeg.

TM: Volleyball, ja. Jeg har spilt volleyball i veldig mange år. Startet i slutten av barneskolen og har drevet på med det hele veien. Synes det er en fantastisk idrett. Veldig gøy. Begynner jo nå å bli på slutten av aktiv karriere, men synes fortsatt det er veldig gøy å spille.

SS: Ja. Kjenner du Helge Storøy og Maria, konen hans?

TM: Ja, det gjør jeg! Sånn, veldig godt, faktisk.

SS: Helge er en av mine kjæreste kollegaer fra Fast Search & Transfer. Jeg har vært og besøkt dem så vidt, og tvillingene da.

TM: Ja, jeg har spilt med Maria i veldig mange år.

SS: Så gøy. Men du, hvordan ender en ingeniør fra NTNU i et selskap som Thommessen?

TM: Ja, det er jo litt tilfeldigheter som spiller inn. Var veldig klar for å prøve noe nytt på det tidspunktet, og så ble jeg litt trigget av at advokatfirmaet Thommessen er ledende innenfor sin bransje, og allikevel så er man så opptatt av å forbedre seg. Kan vi gjøre noe mer, kan vi lære mer og var interessert i prosjektledelse og om de kunne gjøre noe mer på den fronten. Det syntes jeg var utrolig spennende. Også skal jeg si at da jeg jobbet i et litt ingeniørtungt firma, så var det nok mange som ble ganske overrasket. Vet du hva du gjør? Skal du begynne i advokatbransjen? Veldige positive.

SS: Begynne med alt-knappen på tastaturet.

TM: Veldig positivt overrasket. Synes det er utrolig mye hyggelige folk og liker meg veldig godt.

SS: Thommessen er jo også innovativt og fremoverlent selskap. Veldig ungt partnerskap og virker som et veldig spennende selskap. Husker jeg snakket en del med dem, og det som sitter igjen er en tredeling av innovasjonsmuligheter innenfor for eksempel fremtidens juss og advokatbransjen. Jeg tenker at det er et lag som går på effektivisering. Altså det man gjør i dag, bare billigere, raskere og bedre. Det kan være kommunikasjonsverktøy, prosjektledelsesverktøy, dokumentasjon og automatisere kontrakter for eksempel. Også er det et lag som går på nye tjenester. Hva er det du kan gjøre i dag som du ikke kunne gjøre før? Også er det et lag som egentlig går på hvordan man kan utvikle jussen i veien fremover. For det kommer ny juss relatert til selvkjørende biler, sertifisering av algoritmer, maskinlæring og alt mulig rart. Jeg vet ikke, hva gjør en Chief Digital Officer i Thommessen?

TM: De tingene du tok opp nå tilsvarer veldig mye av hva jeg jobber med. Vi kaller dette her litt for innovasjonstrappen vår. Der det nederste trinnet er dette her med å forbedre, og i det så ligger jo det med effektivisering og fornyende systemer, sørge for at ting kan integreres. En god del infrastruktur og arkitektur, og legge til rette for digitalisering. Også er det neste trinnet som er det vi kaller for å forsterke. Kan vi lage nye tjenester som knytter klienter tettere på, kan vi tilby noe nytt i markedet? Også har vi den øverste trappen for oss som er dette her med game changere. Kommer det noe nytt inn som kommer til å forandre alt og som vi følger absolutt med på for å se hva som skjer uti der. Det er trappen som jeg og mitt team jobber mye med. Ellers så tenker jeg at jobben som Chief Digital Officer, så er en av hovedjobbene mine å pirre den nysgjerrigheten i organisasjonen rundt dette med teknologi. Er det noe gjøre bedre, er det noe nytt vi kan utvikle. Hvilke muligheter som finnes for å sikre at vi er fremoverlent og fortsette å være ledende i advokatbransjen.

SS: Effektivisering tror jeg folk forstår. Jeg skjønner at hvis de har en 90% skrevet kontrakt, så jeg kan lett navigere, fylle ut og få advarsler om det som kan være kritisk fremover. Det klarer vi liksom å forestille oss. Men når det kommer til nye tjenester så begynner det å bli vanskeligere for folk å tenke «Ja men, en advokat er en advokat». Du kan ikke bytte advokaten egentlig med en robot i rettsalen, selv om det er forsøk å gjøre det med både dommere og advokater. Men jeg tenker at det ikke er det at vi skal bytte ut advokaten, men at advokaten skal få noen ekstremt gode verktøy til å gjøre jobben sin med fokus på det som bare mennesker kan gjøre. Min opplevelse av advokatbransjen er egentlig som alle andre bransjer, at vi bruker jo 90% av tiden vår på ting som ikke nødvendigvis er spesielt krevende og innovative, men bare må gjøres. Det er der kanskje de nye tjenestene kan komme til.

TM: Jeg er enig. Jeg tenker jo at når jeg startet opp, så må jeg si at veldig mye av det vi gjorde var på førstetrinnet. Effektivisering og forbedring. Også ser vi nå at vi begynner å komme rundt med det å lage nye tjenester. Dette med kunnskap er på en måte i kjernen av virksomheten, og vi ser jo litt på dette her med å kunne dele kunnskap med kundene gjennom nye tjenester som er mest området vi jobber på. Der er det mulig å utvikle nye tjenester, også er det et ønske også nå fra kunden med selvbetjeningsløsninger og litt slike ting som også kommer mer og mer. For oss faller det inn under det andre trappetrinnet. Å gjøre ting på en litt annen måte enn vi gjør i dag.

SS: Og det er her jeg tenker at vi hører litt med deg hvor kommer muligheter for kunstig intelligens, maskinlæring og datadreven advokatbransje inn. For et av de eksemplene som jeg hørte i forbindelse med innovasjon i deres verden er det å finne mønstrene i for eksempel de nye dommene. Hvilken vei beveger det seg, kanskje oppdage nye problemstillinger. Kanskje man kan bruke maskinlæring også til å finne mulige feil tidligere eller inkonsistenser. Hjelp oss å forstå, hva kan maskinlæring bety for juss og jurister?

TM: Maskinlæring kan påvirke veldig mye. Det er vanskelig å få sett hele bildet. Dette med AI inni domstolene er litt omstridt. Det er ganske mange forskjellige meninger rundt det og rundt hvordan man skal regulere det og hva er greit å gjøre? Men det er på en måte mønstre, så håpet er å kunne kvitte seg med de menneskelige feilene som man kan gjøre. Man bygger system for det. Innenfor advokatbransjen er det forskjellige områder. Det er veldig store dokumentmengder knyttet til å kunne søke og finne er et spor der AI kan komme inn. Det har vært litt det store eksempelet som er festet, prøvd og testet ut, er i forbindelse med kjøp og salg av selskap. Der du har det som kalles datarom. Du har samlet mange kontrakter som skal gjennomgås der man ser etter om det er noe som kan påvirke kjøp- og salgsprosessen. Der har det kommet en del gode systemer som er mye testet og prøvd som bruker AI.

SS: Kontraktanalyse også, hvor man oppdager mulige røde områder og røde felter i kontrakten som da viser seg å være uhorvelig dyre hvis dette går feil vei for eksempel.

TM: Ja, det kan ha konsekvenser. I forbindelse med kjøp og salg så gjennomgår man disse dokumentene, og man ser på hvilke kontrakter som er inngått. Det er litt basic fra de kontraktene, men også om det er noe man må være obs på. Om det er change of control, klausul eller et eller annet som det er viktig at man vet om. Det gjør at vi i dag gjør ganske mye manuelt, og tanken er at mennesker som sitter og gjennomgår masse kontrakter ikke er optimalt, at der kunne man hatt systemstøtte for det.

SS: Vi bør ta en prat med Merethe Nygård og finne ut hva solve og robotics gjør her, men det jeg sitter og tenker på er at jeg har vært i en del MNA-prosesser som investor eller som styremedlem, og det jeg merker at den prosessen med å sjekke masse kontrakter, den er alltid så veldig ettertankedrevet og veldig manuell. Først må du scramble for å få tak i alle dokumentene, og når du har gjort det så må du bare lese deg igjennom tusenvis av sider. Noe digitalisering av den due-prosessen vil jeg se for meg vil være ekstrem nyttig hjelp.

TM: Det er akkurat den. Det er den due diligence-prosessen som disse verktøyene har spisset seg imot. Det finnes flere av dem, men det som er litt greien er at de er lært opp på engelske dokument og på engelsk rett, eller kanadisk rett. Dermed ser jo vi på en måte utfordringen med om vi skal ta i bruk disse i Norge. Du har gjerne en miks av norske og engelske dokument, så du får en språkutfordring. Man må gjerne i gang med opplæring i systemer og sliter med å få nok variasjon og store nok datamengder til å få opplæringen til å gi gode nok resultat. Også er det litt på måten vi jobber i dag der det fortsatt finnes en god del håndskrift på kontrakter, man har kanskje en mail som forlenger en kontrakt og litt uformelt språk kanskje. Så det er fortsatt en liten vei å gå før disse skal fungere helt tror jeg.

SS: Jeg tror dette her ville vært ett utrolig fint forskningsprosjekt, men to ting her. Det ene er at dette burde gjøres på tvers av bransjen. At dette her gjøres sammen med noen som er meget gode på norsk språkanalyse, Lilja Øvrelid og hennes folk på Universitetet i Oslo. Også tenker jeg at et slikt bransjesamarbeid på maskinlæring hvor man samler nok kontrakter og kanskje nok juss, selv om det fins masse digitalisert juss i dag, så hadde det vært veldig spennende. Jeg tenker også at dette åpner opp for en helt annen prisingsmodell i en bransje som har som sitt største problem at man ikke kommer seg unna timeprisingsmodell. Det er timer og kroner man utveksler, og da er det veldig vanskelig å skalere opp uten at man ansetter tilsvarende antall hoder. En ting er å bytte ut juniorjurister med maskinlæring, men da mister man opplæringsmulighet til juniorjuristene sine, og det kan man heller ikke gå helt glipp av. La oss si man lager en slik DueDil-robot som både hjelper med å samle alle disse mailene og kontraktene og håndskrevne greier og gjør det til et digitalt system, og klarer å analysere seg gjennom det, så burde man kanskje prise den DueDil-jobben, ikke halvparten til det en vanlig DueDil ville kostet fordi det går mye raskere, men kanskje 10 ganger dyrere fordi det er mye mer vanntett og det blander med seg læringen fra andre tilsvarende prosesser, så jeg tenker at nå er vi ganske nærme et eksempel på ny tjeneste, men også ny forretningsmodell?

TM: Det er jo enig i, også ser jeg jo en del utfordringer med å få til det samarbeidet på tvers. Både på opplæring og disse dokumentene. Jeg var med på noen diskusjoner rundt dette her, og det er litt med... -

SS: GDPR, personvern og kinesiske murer.

TM: Ja, ikke sant. Man kommer fort inn i det. Hvis noen vil begynne å se i læringen og hvorfor modellen fungerer slik som den gjør, kan man da begynne å se kontrakter som er noen andre sine og det blir litt slike ting man prater litt fort om. Og bare det å dele og kanskje åpner man da opp markedet for helt andre aktører. Det ligger liksom litt makt i det systemet som får det her, fordi hvem selger de det til? Er det fortsatt advokatfirmaene eller andre som kan gjøre de tjenestene? Jeg er enig om å samarbeide rundt AI er noe jeg tror må komme for å få stor nok datamengde og stor nok variasjon. Det er veldig spennende ting å prate om og se på, også er det dette med prisingsmodeller. Man har jo et veldig ønske om å effektivisere og ha nye prismodeller. Litt sånn som du sier at det ikke er halvparten, men at det egentlig dyrere fordi det er en annen tjeneste man leverer. Det er veldig nytt.

SS: Problemet i det tenker jeg er at man jobber veldig prosjektet, prosjekt og prosjekt, og på grunn av de kinesiske murene eller hva man kaller de, så er det veldig fragmentert kunnskapsdeling egentlig. Det er nesten slik at det sitter i et hode, også må du være kompis med den som kan det, så kan du forstå hva som egentlig skjedde, hvordan og hva kan vi lære av det. Så det å få det ut av hodene og inn i noe som egentlig alle kan ha glede av. Også tenker jeg at konkurransefortrinn til hver eneste advokatpartnerskap vil fortsatt være de relasjoner man har, hvor man stoler på de menneskene som tolker disse systemene. Det å begynne å tenke at en digital jurist er kanskje noe annet enn en jurist som er veldig flink til å sende e-poster, men det er noe med å bruke disse maskinlæringsverktøyene. Dere er de mest språkmektige folka vi har i landet, og det å bruke det på språkuniverset man er på er en utrolig innovasjonsrik arena. Også har jeg lyst å spørre deg om en ide til, og det dreier seg kanskje mer om det tredje nivået i trappen deres. Det er de nye risikoene og den nye jussen. På hvilken måte kunne man oppdaget at «Okay, 50% av klientellet burde egentlig gjennomgå en AML eller hvitvaskings intern-DueDil, og vi kan lage en oppskrift på hvordan de skal gjøre det. Der ser vi at det kommer opp, eller nå skal alle finne ut av technical DueDil». Hvordan kan man hjelpe folk å forutse hvilke juridiske tjenester de burde ha istedenfor å bare gå til dem når de har bedt om hjelp?

TM: Her tror jeg vi er innenfor kjernen av hva som kan komme innenfor innovasjon da. Fordi man har store datamengder, og det er jo utrolig spennende. Kan man begynne å predikere at her burde man se på det her, og så foreslått det. I dag så er jo det veldig lagt opp til at advokatene er veldig få, følge med på hva som foregår og kan foreslå disse tingene, men jeg tror jo at det er potensiale for systemer også som kunne gjort det på en enda bedre måte.

SS: Men du, hvis vi går til noe av det konkrete som man har. For å bruke maskinlæring, så må man ha data. Data i deres tilfelle er for eksempel kontrakter, digitaliserte kontrakter, det er noe språkgreier og så har du noe tallgreier i dem. Bare sånn at folk kan danne seg et bilde i hodet. Kanskje det er folk som jobber med juss, men noe annet, men som blir inspirert. Hvordan kan en sånn løsning omtrentlig fungere?

TM: Kanskje jeg kan beskrive litt hvordan disse systemene fungerer i dag. Man laster opp dokumentene sine og så har systemet blitt lært opp på en del begrep eller klausuler som de skal lete etter. Hvis den opplæringen er gjort, så laster du opp disse dokumentene. Etter et par minutter så vil dokumentet bli synlig der det er markert, og du kan se dette er markert som den klausulen og dette er markert som den klausulen, og da ut dette her i en matrise for å hente ut denne informasjonen. Du ser at det er en markering i kontrakten på at dette er en change of control, så kan du vurdere om dette er en change of control og se på den og gjøre noen notater. Sånn er det at det funker i dag, og på en del av disse her kompliserte begrepene som change of control, så er systemene veldig bra. Det er egentlig litt gøy å drive med opplæring også, for det er ikke så mange eksempler som skal til før man ser at det begynner å treffe. Det klarer å finne change of control i dokumentet.

SS: Men bare for oss som ikke er jurister. Change of control betyr hva det sier, men det er viktig fordi det er egentlig type maktendring som kan komme som en litt uventet konsekvens av et eller annet i kontrakten.

TM: Akkurat. Vi ser jo da gjerne når det er en change of control-klausul, så er det skrevet ganske mye om det, så dermed er det litt lett å få lært opp system på det.

SS: Så det disse systemene lærer er disse ordsammensetningene som ofte henger sammen med change of control, så det kan finne dem andre steder og si at her må du passe på, for her kan det skje noe uventet maktendring.

TM: Ja, så du leter etter mønstre og finner det på nytt igjen i andre dokumenter. Men hvis du da prøver å lære opp på noe som er mye kortere. Hvis du tenker leiekontrakt for eiendom da, så trenger de også å vite hvor stor eiendommen er. Det er mye vanskeligere å få lært de opp på. Det er 100kvm som kan stå hvor som helst i en parentes. Det er ikke standardisert helt hvor det ligger, og det kan skrives som 100. Det er flere måter å skrive det på, det er veldig kort og veldig vanskelig å få lært opp. I det så er det litt av det her med AI-teknologi også. Som menneske så kan det virke veldig skuffende. Klarte den ikke å se hvor stor eiendommen er? Det står jo på førstesiden der. Hvorfor klarte ikke systemet å se det? Det er jo det enkleste, men den klarte å finne change of control som ligger godt gjemt og innbakt. Da har man på kanskje allerede blitt litt skuffet over at det ikke klarte det enkle.

SS: Men Trine, kunne dette vært et produkt i seg selv? At man lager smarte, digitale kontrakter. At man definerer et format sånn at de kundene som bruker deres kontrakter kommer til å ha kontrakter som er mye lettere å lese av AI i fremtiden?

TM: Ja. Litt mer standardisering av kontrakten er på vei. Det kommer mer og mer, og man ser det i forskjellige bransjer at det har kommet. Det også et prosjekt i gang i England på en one-NDA som det kalles som skal bli en standard av NDA, og jeg tror det kommer mer og mer standardiseringen av kontrakter. Og en liten kobling om det vi snakket om å forbedre og ha automatiserte dokumenter, det er med på en måte standardisere litt mer. At man får mindre håndskrivning og litt mer standardformat på det.

SS: Dette her med automatiserte kontrakter hvor du egentlig får et skjema, du fyller det ut, og ut plopper en maskinlesbar og forståelig kontrakt, så tenker jeg at en annen tjeneste som ville vært veldig spennende. Vi signerer slike aksept på utrolig mange helt uforståelige kontrakter fra Google, Apple og alle de som henter inn dataene våre, og en sånn type forenklingstjeneste eller noe som hjelper oss sluttbrukere etter hvert vite hva vi faktisk har signet på. Det er sikkert et evig kappløp, for da finner de et annet språk for det, men jeg tenker at noen som hjelper oss stakkars forbrukere hva vi faktisk mener når vi sier i ganske mange situasjoner i livene våre. Jeg tenker på persondata relatert til helse eller finans i de nye tjenestene.

TM: Jeg tror jo også det er ett veldig bra case. Da har du litt mindre variasjon. Du kan lære systemet for en type kontrakt og varianter innenfor det. Jeg tror det er ett kjempespennende case, og hvis du kan få ut hva det som egentlig står her. En risikovurdering på hva du egentlig signerer på, det tror jeg er en veldig spennende tanke.

SS: Utrolig mye å leke med, også har jeg lyst å høre deg litt kort mot slutten. Den nye jussen. Hvordan kan man tenke rundt, la oss si en selvkjørende bil. Den kjører, og den har algoritmer i seg som foretar en del avgjørelser som ikke er opplagt feil eller korrekte. Det er egentlig eldgamle filosofiske problemer med skjønn. Skal du kjøre på eller skal du krasje selv? Verdi av liv og så videre. De som bygger disse selvkjørende bilene byger jo inn noe etikk i de algoritmene som kjører dem. På et eller annet tidspunkt så må man sjekke den etikken som den bilen bruker mot norske lover og respekt for myke trafikanter og så videre. Men jeg forstår ikke hvem som kan stille kravene til disse algoritmene hvis ikke det er våre egne lover. Hvordan kobler vi algoritmer til lover i fremtiden. Hvordan kan vi begynne å tenke der i det hele tatt?

TM: Jeg føler jo det er litt det å forstå hvordan disse systemene fungerer. Hva er det som ligger bak, hva er bygd inn. Oppkjøringene til denne diskusjonen her også, så spurte du litt om bøker. Jeg anbefalte en bok som heter «Hallo Verden» som tar for seg litt av disse dilemmaene her. Hvor mye skal vi stole på algoritmene og hvor mye skal være menneskelig skjønn? Det litt interessante der som hun problematiserte litt er at ingen systemer er perfekt. Uten noen algoritmer gjør jo vi mennesker også feil, og vi også kan kjøre på folk og gjør stor skade i trafikken, mens disse nye algoritmene kan gjøre det mye tryggere i trafikken, men kan ha innebygde valg som vi egentlig ikke ønsker. Hvordan sørger vi for at de blir riktig, det er en veldig stor utfordring fremover. Jeg tror det er den nøtten vi må klare å knekke for å få til AI som en samarbeidspartner for oss mennesker i tiden fremover.

SS: Jeg tror det er veldig viktig det du egentlig både sier og konkluderer med, og det er at AI er en partner og verktøy, og vi mennesker må aldri delegere bort fra oss ansvar for sluttresultatet. Verken for utvikling eller for bruk, men da tror jeg vi trenger jurister som er villig til å ta noen timer på skolebenken og forstå algoritmer, forstå litt om maskinlæring. Ikke nødvendigvis ta et helt kurs på fulltid, men plukke litt herfra og derfra som fra denne samtalen. For å ta ansvar så må man kunne litt om språket.

TM: Programmering og AI. Det å kunne litt om det er kjempeviktig. Sånn som vi snakket om litt tidligere også. Disse verktøyene som vi driver å lære opp, vi hadde med oss advokater som satt og gav opplæring. Det er jo spennende å se når du får trykket og sett resultater på læringen du gjør. Et av disse systemene kommer med etter opplæringen og sier at «Du markerte dette her, men det ville jeg ikke markert» eller «Basert på det du lærte meg nå, så ville jeg også markere dette her. Er det riktig?». Begynner å forstå mønstre og hvordan den er bygget opp, det tror jeg både vi og advokatene som satt og jobbet med det syntes var veldig spennende. Man får litt mer forståelse for hvordan systemer fungerer, og det hjelper jo veldig til når man skal inn i en diskusjon når man skal inn i AI eller hvordan dette kan hjelpe oss videre.

SS: Du anbefalte også en bok som heter «Who Can You Trust?» av Rachel Botsman. Vil du si to ord om den?

TM: Den ser også litt på hvilke apper og systemer som har kommet de siste årene, men da med det perspektivet om å bygge tillit, og hvordan får vi tillitt til systemene våre? Hvordan gjøres det? Det synes jeg er veldig interessant fordi når man lager nye tjenester også, hvordan skal man få bygget den tilliten med sluttbrukeren, og hva kan gjøre at man ikke gjør det som kan være vel så viktig.

SS: Jeg digger forresten sitatet som du har gitt oss om at «The strength of a team is each individual member, the strength of each member is the team”. Tydelig en volleyball-

TM: Volleyballspiller. Dette her med å være i et team og ha sine styrker, men allikevel så er det teamet som er det viktigste, og det er der du kan få gjort mest. Det er der man kan oppnå mest. Både i volleyball, men også på jobb.

SS: Veldig kult. Da går vi inn mot landing, og det jeg har lyst å avslutte med er å spørre deg om dette med hjemtid når alt blir data og maskinlæringsdrevet. Hvilken rolle skal jurister ha? Er det fortsatt bruk for dem, og hvordan utfyller de rollen sin best mulig?

TM: Det første er at det er absolutt bruk for dem. Jeg tror AI kanskje endrer noe av oppgavene våre, men det er fortsatt mange oppgaver som mennesker må gjøre og gjør best. Sp tenker jeg at jurister er en veldig viktig for å kunne forstå AI og de avgjørelsene som gjøres, hva som er greit og ikke er greit for å kunne gå inn i de vurderingene der. Jo mer teknologi som kommer, så må jo det henge sammen med jussen og hvordan vi regulerer det og kontrollerer det. Jeg tror at jo mer teknologi som kommer, jo mer trenger vi juristene til å spille på lag og sikre at vi får det samfunnet vi ønsker å ha.

SS: Det er et nytt team.

TM: Ja, nytt team.

SS: Veldig, veldig fint. Trine, tusen takk for at du var med oss i denne Lørn-samtalen om anvendt AI, og at du inspirerte oss til å tenke på en fremtid hvor jurister egentlig blir sterkere og bedre sammen med teknologi og ikke motsatt.

TM: Tusen takk. Veldig hyggelig å få komme.

Du har nå lyttet til en podkast fra Lørn.Tech – en læringsdugnad om teknologi og samfunn. Nå kan du også få et læringssertifikat for å ha lyttet til denne podkasten på vårt online universitet lorn.university.

 

Read full transcript

Tittel og selskap?
- Digitaliseringssjef (CDO) i Advokatfirmaet Thommessen

 

Utdanning og hobby?
- Sivilingeniør innen Industriell Økonomi fra NTNU. Den store hobbyen er volleyball

 

Hvem er du, og hvordan ble du interessert i AI og teknologien rundt?
Utdannet sivilingeniør i industriell økonomi fra NTNU og arbeidet flere år som konsulent innen prosjektledelse. Startet i Thommessen som prosjektsjef og arbeidet med å profesjonalisere prosjektledelse i våre oppdrag, før jeg for noen år siden vendte tilbake til tech ved å bli digitaliseringssjef. Arbeid med teknologi og innovasjon i et advokatfirma synes jeg er kjempespennende, og AI teknologi kommer i flere og flere "legal tech" produkter.

 

Hva er det viktigste dere/du gjør på jobben?
Vi har et eget innovasjonsteam i Thommessen, og det viktigste vi gjør er kanskje å vekke nysgjerrighet og entusiasme rundt nye løsninger og teknologi i organisasjonen. Hvordan kan vi arbeide bedre og mer effektivt, og hvordan kan vi levere enda bedre løsninger til klientene våre?

 

Hva fokuserer du på innen teknologi/innovasjon?
At vi kan forenkle hverdagen for advokatene våre og klientene våre. AI løsninger er ikke her for å ta fra advokatene jobbene, men de kan forenkle og sørge for at vi bruker mer tid på andre (og kanskje artigere) oppgaver. I tillegg er jeg veldig opptatt av å utforske nye, unike tjenester til klientene våre som treffer på deres behov.  

 

Hvorfor er det spennende?
Fordi det handler om å få til endring. Hvordan kan vi utvikle, tilpasse og ta i bruk løsninger slik at det gir verdi? Det setter føringer for hvordan vi trener og utvikler ferdigheter og kompetanse, både innen teknologi, men også innen ledelse om vi skal få dratt med hele organisasjonen vår. Innovasjon er jo også mye å tørre, og prøve noe nytt. Jeg blir trigget av å teste nye løsninger, muligheter og ferdigheter. Tørre å prøve noe nytt og utfordre status quo – hvordan ser egentlig fremtidens advokatfirma ut? Samlet sett så blir dette for meg en perfekt miks av kunnskap, kreativitet og å arbeide sammen med verdens beste team.

 

Hva synes du er de mest interessante kontroverser?
Vel, jeg synes premisset om at nå trenger vi ikke advokater lenger (som det ble snakket mye om i starten) ikke treffer og gjør at vi får en endringsmotstand som er unødvendig. AI teknologi kan gjøre masse bra!

 

Dine andre favoritteksempler på lignende prosjekter, internasjonalt og nasjonalt?
Flere eksempler internasjonalt på kontraktsgjennomganger som er gjort med AI teknologi. De har gjerne mindre variasjon i datasett, samt at løsningene allerede er trent opp på gjeldende språk og rettsområde.

 

Hva tror du er relevant kunnskap for fremtiden?
Teknologi og programmering tror jeg er relevant kunnskap fremover. I tillegg så tror jeg kunnskap om samarbeid og empati, sammen med kritisk tenkning og problemløsning blir viktig. Teamarbeid er for meg veldig viktig - det å bygge et team med ulik spesialkompetanse, men som samarbeider på en god måte. Da kan man få til utrolig mye.

 

Hva gjør vi unikt godt i Norge innen AI?
Vi har stor tillit til teknologi, og er gode til å implementere og ta i bruk ny teknologi.

 

Refleksjonsspørsmål

Samle deg med en venn eller en kollega for å se om du klarer å svare på spørsmålet nedenfor.



Spørsmål:

Hva kan maskinlæring bety for lover og advokater  i fremtiden? 

!

Want to show off this case to your friends and coworkers?

Download summary (Available soon)
SME

This is what you will learn:

AI / maskinlæring
Standardisering
Digitalisering
 
 

The strength of the team is each individual member. The strength of each member is the team

- Trine Melsether

Recommended literature:

«Hallo verden. Hvordan være menneske i en verden styrt av datamaskiner» Av Hannah Fry 

"Who can you trust?" Av Rachel Botsman

This is Thommessen

Thommessen er et av de største advokatfirmaene i Norge og driver hovedsakelig med forretningsjus.