Uber: Juristteamets AI-agent kortade den genomsnittliga granskningstiden för avtal med över 20 procent
Enligt Uber har en AI-agent som företagets juristteam använder i Word kortat den genomsnittliga granskningstiden för avtal med över 20 procent. Agenten föreslår svar på motpartens ändringar, men juristerna fattar besluten. Fasta regler går före språkmodellens förslag när en regel gäller en klausul.
Teknikwebbplatsen InfoQ skrev den 16 november om avtalsagenten hos Ubers juristteam utifrån ett blogginlägg från företaget. TechGig återgav uppgifterna dagen därpå med nästan samma ord. Siffrorna är alltså Ubers egna, och ingen av publikationerna har bekräftat dem.
Legal Redlining Agent fungerar som ett tillägg till Microsoft Word. Agenten identifierar ändringar som avtalets motpart föreslår, tolkar deras syfte och jämför dem med riktlinjerna från Ubers juridiska avdelning. Därefter föreslår den i en kommentar, med motivering, om klausulen ska godtas, avvisas eller ändras. Ändringar som kräver närmare granskning markerar den separat. Juristerna granskar och godkänner förslagen.
Enligt Uber har den genomsnittliga granskningstiden minskat med över 20 procent, och AI:ns beslut har en träffsäkerhet på 91 procent. InfoQ och TechGig anger varken vad granskningstiden jämförs med eller hur träffsäkerheten mäts.
Juristernas tidigare beslut styr förslagen
Uber inledde utvecklingen i början av 2024 och testade agenten med sitt juristteam under 2025. Den första versionen hämtade relevanta texter ur den juridiska avdelningens förhandlingsriktlinjer och gav dem till språkmodellen som underlag för svaret (retrieval-augmented generation, RAG). Systemet hade svårt med sökträffarnas relevans, med förhandlingstonen och med situationer där riktlinjerna saknade exempel, skriver InfoQ.
Senare införde Uber en återkopplingsslinga som sparar juristernas beslut, motiveringarna och den slutliga redigerade texten. På så sätt får agenten inte bara uppgifter om vilka tidigare förslag som godkändes utan också exempel på hur motsvarande klausuler har hanterats.
Likhetssökning och metadatafiltrering gallrar fram ungefär 20 kandidater ur tusentals tidigare fall, och språkmodellen bedömer sedan hur relevanta de är. Färska beslut viktas med en exponentiellt avtagande vikt som har en justerbar halveringstid, för närvarande 365 dagar. Ett år gammalt exempel får alltså hälften av ett färskt exempels vikt, men även äldre exempel finns kvar.
Juristteamet bestämmer vilken ton och stil som eftersträvas. Utvecklarna underhåller promptens struktur och applikationens arbetsflöde.
Fasta regler går före språkmodellen
Ovillkorliga juridiska krav bevakas av en deterministisk regelmotor som alltid ger samma resultat för samma indata. Om någon av dess regler gäller en klausul går regeln före modellens rekommendation. Språkmodellerna sköter uppgifter som kräver tolkning av sammanhanget, till exempel förslag till avtalsklausuler och förhandlingston. Till sist jämför systemet svaren med de hämtade reglerna.
Word-tillägget är byggt med React och TypeScript, och LangGraph styr arbetsstegen i backendtjänsten, som är skriven i Python. Parallella steg identifierar ändringens syfte, bedömer risken och hämtar riktlinjerna. OpenSearch lagrar regler och återkoppling för sökning. Redis håller sessionsdata i minnet för följdfrågor.
Uber undersöker också harnessar som Claude Code och OpenCode för sina AI-agenter. En harness är ett program som styr agenten, ger modellen verktyg och kör arbetsstegen. Agentens utvecklingsteam planerar dessutom att undersöka om kunskapsgrafer kan beskriva juridiska begrepp och sambanden mellan dem.
Läs mer: Hur en agent fungerar · Agentkarta