Geautomatiseerde NDA-beoordeling: wat AI opmerkt waar paralegals overheen lezen

Een litigation support manager bij een kantoor met 200 advocaten voerde vorig jaar een experiment uit. Ze haalde 50 NDA's op die haar team het afgelopen kwartaal had beoordeeld en goedgekeurd, en liet ze vervolgens door een AI-beoordelingstool analyseren. De AI signaleerde problemen in 34 van de 50 overeenkomsten. In de meeste gevallen geen catastrofale problemen, maar bepalingen die afweken van de standaardposities van het kantoor en zonder commentaar waren goedgekeurd.

De meest voorkomende misser? Niet-wederzijdse geheimhoudingsverplichtingen in overeenkomsten die wederzijds hadden moeten zijn. In 11 van de 50 NDA's was de definitie van "Vertrouwelijke Informatie" subtiel ruimer voor de ene partij dan voor de andere, ook al was de overeenkomst opgesteld als een wederzijdse NDA. De paralegals die deze documenten beoordeelden, richtten zich op de voor de hand liggende voorwaarden — zaken als looptijd, jurisdictie en of de standaard uitzonderingen aanwezig waren — en merkten de asymmetrie in de definitiesectie niet op.

Waarom NDA-beoordeling slordig wordt

NDA's worden bij de meeste kantoren behandeld als documenten met een laag risico. Ze komen in grote aantallen voor, zijn relatief kort en zijn zelden onderwerp van geschillen. Dit creëert een beoordelingsomgeving waarin snelheid voorrang krijgt boven grondigheid. Een paralegal die 15 NDA's per dag verwerkt, gaat niet 45 minuten aan elk document besteden. Ze ontwikkelen een mentale checklist, scannen op de belangrijkste punten en gaan verder.

Het probleem is dat tegenpartijen dit weten. Ervaren partijen verwerken soms gunstige voorwaarden in NDA's, juist omdat ze weten dat de ontvangende partij het document slechts vluchtig zal bekijken. Een iets ruimere definitie van "Vertegenwoordigers" die de aannemers van gelieerde ondernemingen van de openbarende partij omvat, of een residuals-clausule die de ontvangende partij toestaat algemene kennis te gebruiken die is opgedaan uit vertrouwelijke informatie — deze bepalingen kunnen aanzienlijke praktische gevolgen hebben, zelfs als de NDA zelf nooit onderwerp van een rechtszaak wordt.

Wat AI consequent signaleert

AI NDA-beoordelingstools werken door elke bepaling te vergelijken met een basislijn van standaard marktvoorwaarden en de voorkeursposities van het kantoor. Verschillende categorieën problemen komen herhaaldelijk naar voren.

Residuals-clausules komen voor in ongeveer 15-20% van de technologiegerelateerde NDA's, en ze behoren tot de meest over het hoofd geziene bepalingen. Een residuals-clausule stelt doorgaans dat de ontvangende partij vrij is om algemene ideeën, concepten of technieken te gebruiken die in het onondersteunde geheugen van haar personeel zijn vastgehouden. In de praktijk kan dit het doel van de NDA aanzienlijk ondermijnen, met name wanneer de vertrouwelijke informatie bedrijfsgeheimen of eigen methodologieën betreft. De AI signaleert deze consequent omdat de taalpatronen onderscheidend zijn.

Non-sollicitatieclausules die in NDA's zijn opgenomen, zijn een andere veelvoorkomende vondst. Ongeveer 8-12% van de NDA's bevat beperkingen op het aannemen van werknemers van de andere partij, soms voor perioden die ruim voorbij de geheimhoudingstermijn reiken. Deze bepalingen hebben vaak afdwingbaarheidsproblemen afhankelijk van de jurisdictie, en ze kunnen conflicten veroorzaken met de andere cliëntrelaties van het kantoor. AI-tools signaleren deze en verwijzen naar de jurisdictie om mogelijke afdwingbaarheidsproblemen te noteren.

Bepalingen over voorlopige voorzieningen variëren meer dan de meeste beoordelaars beseffen. Standaardtaal stelt dat de openbarende partij gerechtigd is om een voorlopige voorziening te verzoeken bij schending. Maar sommige NDA's gaan verder en bevatten bepalingen dat de ontvangende partij instemt met een voorlopige voorziening, afstand doet van de verplichting om een borgsom te stellen, of ermee instemt dat schending onherstelbare schade zal veroorzaken. Elk van deze toevoegingen verschuift de procesberekening aanzienlijk, en ze zijn vaak weggestopt in een sectie over rechtsmiddelen die minimale aandacht krijgt tijdens de beoordeling.

Mismatches in de reikwijdte van definities zijn het meest technisch subtiele probleem. In een wederzijdse NDA moeten de definities van Vertrouwelijke Informatie, Vertegenwoordigers, Doel en Toegestaan Gebruik symmetrisch zijn. AI-tools ontleden elke definitie en vergelijken de reikwijdte zoals toegepast op elke partij. Wanneer de vertrouwelijke informatie van de ene partij "bedrijfsplannen, financiële prognoses en klantenlijsten" omvat, terwijl de definitie van de andere partij beperkt is tot "technische specificaties en productdocumentatie," signaleert de AI de asymmetrie.

Het volume-argument

Een middelgroot kantoor verwerkt mogelijk 200-400 NDA's per maand. Bij dat volume betekent zelfs een foutpercentage van 5% dat 10-20 overeenkomsten per maand worden verzonden met onbeoordeelde problemen. Over een jaar zijn dat 120-240 overeenkomsten waarbij de cliënt van het kantoor mogelijk voorwaarden heeft geaccepteerd die afwijken van hun standaardposities zonder dat iemand het heeft opgemerkt.

AI-beoordeling elimineert niet de noodzaak van menselijk oordeelsvermogen, maar verandert de workflow van "lezen en goedkeuren" naar "de bevindingen van de AI beoordelen en beslissen." De tweede workflow is sneller en betrouwbaarder omdat de aandacht van de beoordelaar wordt gericht op specifieke bepalingen in plaats van verspreid over het hele document.

Voor advocatenkantoren die grote volumes routinematige overeenkomsten beheren is de efficiëntiewinst aanzienlijk. Maar de belangrijkere winst is risicovermindering. Elke NDA die wordt verzonden met een onbeoordeelde niet-standaard bepaling vertegenwoordigt een potentiële aansprakelijkheid — niet alleen voor de cliënt, maar ook voor het kantoor dat deze heeft goedgekeurd.

De AI afstemmen op kantoorstandaarden

Kant-en-klare NDA-beoordelingstools gebruiken generieke basislijnen. Ze signaleren alles wat afwijkt van breed geaccepteerde marktvoorwaarden. Dit produceert veel ruis omdat elk kantoor zijn eigen standpunten heeft over zaken als uitzonderingsclausules, looptijd en voorkeuren voor toepasselijk recht.

De nuttigere implementatie omvat het trainen van de AI op het eigen draaiboek van het kantoor. Als het kantoor altijd termijnen van 2 jaar accepteert maar alles boven de 3 jaar signaleert, moet de AI die tolerantie weerspiegelen. Als het kantoor routinematig bepaalde typen residuals-clausules accepteert voor technologiecliënten maar deze afwijst voor financiële dienstverleners, moet het systeem verschillende regels toepassen op basis van de branche van de cliënt.

Het opbouwen van deze afstemming kost 4-8 weken initiële opzet, waarin het kantoor de output van de AI beoordeelt en feedback geeft over welke signaleringen echte problemen zijn en welke acceptabele afwijkingen. Na die periode daalt het percentage valse positieven doorgaans van 25-30% naar 8-12%, wat de tool aanzienlijk nuttiger maakt voor dagelijkse beoordeling.

De beperkingen van geautomatiseerde NDA-beoordeling

AI kan geen zakelijke context evalueren. Of een bepaalde niet-standaard bepaling acceptabel is, hangt af van de relatie tussen de partijen, de aard van de transactie en de risicotolerantie van de cliënt. Een startup die haar technologie-roadmap deelt met een potentiële overnemer, accepteert mogelijk voorwaarden waar een beursgenoteerd bedrijf nooit mee akkoord zou gaan. De AI signaleert de afwijking; de advocaat beslist of het ertoe doet.

AI heeft ook moeite met NDA's die verwijzen naar externe documenten of voorwaarden door verwijzing opnemen. Als de NDA stelt dat vertrouwelijke informatie is gedefinieerd in een afzonderlijke raamovereenkomst voor dienstverlening, kan de AI de reikwijdte niet evalueren zonder toegang tot dat verwezen document. Multi-documentanalyse verbetert, maar het blijft een beperking voor zelfstandige NDA-beoordelingstools.

De kantoren die de meeste waarde halen uit geautomatiseerde NDA-beoordeling zijn degenen die het behandelen als een kwaliteitscontrolelaag in plaats van een vervanging voor juridisch oordeelsvermogen. De AI zorgt ervoor dat niets wordt gemist. De advocaten zorgen ervoor dat niets verkeerd wordt begrepen.