Uber gebruikt een interne assistent in Microsoft Word om voorgestelde contractwijzigingen te analyseren en juristen opties voor te leggen: een clausule accepteren, afwijzen of aanpassen. Uber-juristen beoordelen elk voorstel en beslissen zelf wat in de reactie aan de wederpartij terechtkomt, volgens Uber Engineering.
De AI kan het voorwerk doen; de jurist houdt de regie over wat Uber uiteindelijk voorstelt.
Wat de assistent bij contractwijzigingen doet
De Legal Redlining Agent is ontwikkeld voor terugkerende werkzaamheden bij contractonderhandelingen. De Word-invoegtoepassing herkent wijzigingen van een wederpartij, probeert de bedoeling ervan te duiden en toetst ze aan risico’s en interne regels. Vervolgens kan de assistent een voorstel doen en een toelichting opstellen. Juristen kunnen de wijziging nader bekijken en bepalen welke reactie ze gebruiken.
Dat onderscheid is ingebouwd in de werkwijze: de tool doet voorstellen, terwijl Uber-juristen de beslissing nemen. Voor niet-onderhandelbare eisen kan een vaste regel een modelaanbeveling overrulen; bij zaken als toon en onderhandelingsstrategie gebruikt het systeem feedback uit eerdere beslissingen.
Hoe eerdere beslissingen de voorstellen beïnvloeden
Uber beschrijft een systeem dat voorbeelden uit eerdere onderhandelingen ophaalt om een nieuwe wijziging van context te voorzien. De eerste aanpak gebruikte retrieval-augmented generation (RAG): een taalmodel krijgt relevante informatie uit bijvoorbeeld juridische draaiboeken aangereikt. Volgens Uber leverde die aanpak soms slecht passende zoekresultaten op, met een ongeschikte onderhandelingstoon of weinig houvast voor situaties die niet in de voorbeelden voorkwamen.
Daarom legt het feedbacksysteem meer vast dan alleen of een jurist een voorstel accepteerde. Uber noemt onder meer de context van het contract, de wijzigingen van de wederpartij, de analyse van de AI, de keuze en redenering van de jurist en de uiteindelijke aangepaste tekst. Het systeem koppelt voorbeelden aan de bedoeling achter een wijziging en aan de oorspronkelijke contractzin; regels worden gekoppeld aan de zinnen waarop ze van toepassing zijn.
Zoekopdrachten en metadatafilters brengen duizenden eerdere interacties terug tot ongeveer twintig kandidaten. Daarna beoordeelt een taalmodel welke voorbeelden het meest relevant zijn. Uber beschrijft ook een instelbare halveringstijd van 365 dagen voor de weging van oudere feedback: recentere voorbeelden tellen daardoor zwaarder mee.
Vaste regels en menselijke beoordeling
De combinatie van regels en feedback verdeelt het werk. Een deterministische regel geeft voorrang aan een harde eis die niet onderhandelbaar is. Voor kwesties waarbij toon of strategie meer speelruimte vraagt, gebruikt de agent eerdere keuzes van juristen. Ook na die stappen beoordelen Uber-juristen de aanbeveling en bepalen ze of ze die overnemen, afwijzen of aanpassen.
De Word-koppeling vraagt om technische aanpassingen
De integratie in Word brengt volgens Uber eigen technische problemen mee. De Office JavaScript API kan traag reageren; sommige structuren met bijgehouden wijzigingen kunnen crashes veroorzaken, en verwijderde tekst kan als een lege tekenreeks terugkomen. Uber beschrijft caching, voorzichtig laden en aparte opslag van de tekststatus als oplossingen voor die situaties.
De invoegtoepassing is gebouwd met React en TypeScript. Een Python-backend stuurt de workflow aan met LangGraph, terwijl OpenSearch wordt gebruikt voor het ophalen van regels en eerdere feedback en Redis voor sessiestatus. Die onderdelen maken de interne opzet concreet, maar de beslissingen over contractwijzigingen blijven bij de juristen.
Welke resultaten Uber meldt
Uber meldt dat de gemiddelde tijd voor contractbeoordeling met meer dan 20% daalde en dat AI-gegenereerde beslissingen 91% nauwkeurig waren. Het gaat om resultaten die Uber zelf rapporteert in zijn beschrijving van de agent.
Uber zegt dat de ontwikkeling van de eerste versie begin 2024 begon en dat het bedrijf de agent in 2025 met het juridische team testte.