Smart hjelp eller risikabel snarvei?

Dette kan være tidsbesparende, men også risikabelt. Verktøyet gir ofte svar som virker overbevisende, men kan bomme grovt på viktige detaljer.

Hva er fallgruvene, og hva bør artister vite før de setter sin lit til kunstig intelligens i juridiske spørsmål?

Skaskiewicz legger til at det er det viktig å være klar over at tjenestene foreløpig ikke skiller mellom utenlandsk og nasjonal bakgrunnsrett.

— Ved bruk av slike tjenester er det viktig å ta tilbakemeldingen med en klype salt da ikke alle tilbakemeldingene, på det stadiet KI-tjenestene er nå, treffer like godt.

Hva er den største forskjellen mellom juridisk veiledning fra en advokat og fra ChatGPT?

— En advokat foretar en individuell helhetsvurdering av avtalen der man også vektlegger informasjon som ikke fremgår i avtalen. En klausul kan være hensiktsmessig og rimelig for en artist, mens den ikke er det for en annen artist. Det finnes ikke en fasit når det kommer til hva som er en god avtale for artister. Det er mange faktorer som spiller inn – ikke bare de avtalerettslige elementene som fremgår av for eksempel en platekontrakt.

Et effektivt og tidsbesparende verktøy

Alexander Krabberød jobber med produksjon, innspilling og utvikling av unge kreative i Underwerk. De holder til i Flytårnet Fornebu, og jobber hardt for å i løpet av året introdusere et helt nytt studiokonsept i Oslo/Bærum.

Selv holder han til i Berlin, og pendler frem og tilbake fra Oslo. I den tyske hovedstaden jobber han fulltid med produksjon, artistmanagement og forretningsutvikling.

Krabberød har brukt ChatGPT til både oppsummering og revidering av kontrakter – hvor godt fungerer det i praksis?

— Så lenge man forstår hvordan man bruker ChatGPT som et verktøy, fungerer det veldig bra. Da jeg først begynte å utforske KI til revisjon og oppsummering av kontrakter, opplevde jeg en del avvik og «hull» i svarene. Etter hvert forsto jeg at dette i stor grad handlet om hvordan jeg selv formulerte instruksjonene mine. ChatGPT gjør ikke nødvendigvis jobben for deg, men er et effektivt og tidsbesparende verktøy for dem som allerede har en viss forståelse for fagfeltet. Jo tydeligere kriterier og jo mer kontekst man gir, desto bedre og mer presise svar får man.

— I tillegg blir modellen bedre kjent med brukeren over tid. Ved å dele nok informasjon om bakgrunn og situasjon, har jeg fått svært nyanserte forslag og revisjoner som sparer meg for både tid og frustrasjon.

Har du sett tilfeller der artister eller bransjeaktører har misforstått kontrakter fordi de har stolt for mye på ChatGPT?

— Jeg har faktisk opplevd et tilfelle der en artist fikk feil informasjon fra ChatGPT. Dette var tilknyttet fordelinger av fremføring- og låtskriverrettigheter, og hva som er normal praksis rundt dette. Heldigvis ble det avklart og løst, men det viser at ChatGPT fortsatt kan være uforutsigbart, og i verste fall skape komplikasjoner i forhandlinger. Det blir interessant å se om det dukker opp flere slike tilfeller etter hvert – både i min praksis og i bransjen generelt.

Krabberød legger til at den største forskjellen mellom KI og menneskelig juridisk veiledning er tilliten og vurderingsevnen.

— ChatGPT og lignende verktøy er blitt mye bedre gjennom årene, men jeg mener fortsatt det er viktig å ha juridisk veiledning fra mennesker – spesielt når det er snakk om forpliktende avtaler. Advokater forstår konteksten, det etiske landskapet og underliggende faktorer på en helt annen måte. De har også bedre oversikt over norsk lovverk og praksis innenfor spesifikke bransjer.

— Jeg har flere ganger latt advokater se over kontrakter jeg selv har utarbeidet, ofte med litt hjelp fra KI. Tilbakemeldingene jeg får da er alltid verdifulle: De er kritiske, logiske og gir meg ny innsikt i hvordan jeg kan styrke innholdet og gjøre kontraktene mer robuste.

Avgjørende å bygge norske modeller

Morten Goodwin er professor ved institutt for informasjons- og kommunikasjonsteknologi ved UiA. Han forteller at grunnen til at ChatGPT kan gi tilsynelatende gode, men feilaktige juridiske svar ligger i noe som kalles hallusinering.

— Hallusinering i sammenheng med språkmodeller er når modellen gir et svar som virker troverdig og sammenhengende, men som ikke stemmer overens med virkeligheten. Det betyr at modellen kan finne på fakta eller trekke konklusjoner som ikke er basert på reell informasjon, selv om svaret ser ut til å være korrekt, sier Goodwin.

Han forklarer at hallusinering oppstår i språkmodeller som ChatGPT fordi de ikke vet noe på samme måte som mennesker gjør. Modellene er ikke bygget for å ha en intern database av fakta som de slår opp i.

I stedet er de trent til å forutsi hvilket ord som mest sannsynlig kommer som neste, basert på mønstre i enorme mengder tekst.

— Dette betyr at når ChatGPT, for eksempel, ikke finner et klart mønster i treningsdataene som passer til spørsmålet, vil den generere et svar som virker plausibelt, men oppdiktet. Altså, hallusinering skjer fordi modellen ikke har noen innebygget verifisering av fakta. Den finner på et svar som ser troverdig ut, som ofte er riktig, men ofte ikke.

Goodwin mener det er verdt å merke seg at mengden hallusinering er blitt betydelig redusert i de nyeste modellene.

— Min erfaring er at hallusinering forekommer svært sjelden i den nyeste versjonen: ChatGPT Deep Research.

Hvor stor rolle spiller det at modellen er trent opp på hovedsakelig amerikanske kilder?

— Når en modell i hovedsak er trent på amerikanske kilder, vil det naturlig påvirke hvilke svar den gir. Mengden tilgjengelig data er ofte utslagsgivende. For eksempel, hvis du ber en språkmodell om å tegne en dommer, vil den typisk tegne et bilde av en dommer med amerikansk kappe, USA-flagger i bakgrunnen og bibel foran seg, fordi slike fremstillinger er langt vanligere på internett, og derfor i treningsdataene enn bilder av norske dommere. For middag, vil den tegne en typisk amerikansk middag, og sjeldent fårikål. Det samme gjelder juridiske kilder: Når amerikanske rettspraksiser og regler dominerer treningsmaterialet, vil de ofte overskygge norske normer og prinsipper, forklarer Goodwin.

— For å motvirke dette bør man legge frem relevante norske eksempler og presisere tydelig hva slags informasjon man faktisk er ute etter, legger han til.