Behandel elk van de 26 Astra for Law-plugins als een governance-object: bepaal per matter type welke plugins actief zijn, begrens hun toegang tot DMS, tijdregistratie en dealsystemen, en log elke aanroep met modelversie, gelezen of geschreven data en menselijke goedkeuring. Zonder die keuzes vooraf blijven onderzoek- en concept-uitvoer niet traceerbaar over de aangesloten tools.
OpenAI kondigde op 17 september 2026 Astra for Law aan: GPT-6 Astra geconfigureerd voor juridisch werk, gekoppeld aan een juridische zoekindex en juridische analyse-instructies. Volgens de officiële aankondiging van OpenAI lanceert het product met precies 26 partnerplugins die ChatGPT verbinden met tools die kantoren al gebruiken, waaronder Relativity, Clio, iManage, Intapp, DeepJudge, Thomson Reuters, Harvey en Legora. Naar onze inschatting ligt daar het echte werk: niet in het model, maar in de vraag welke plugins u aanzet en hoe u hun toegang begrenst.
Wat lanceerde OpenAI precies met Astra for Law en de 26 plugins?
Astra for Law is volgens OpenAI een verticale configuratie van GPT-6 Astra. De aankondiging noemt een juridische zoekindex, instructies voor juridische analyse en schrijven, en toegang via Trusted Access in ChatGPT en Codex, met een API-variant onder de naam gpt-6-astra-law. De technische toelichting van ExplainX beschrijft de index als een verzameling van ruim 230 miljoen bronnen en telt naast de 26 partnerplugins ook negen community-plugins en 47 skills.
- Model plus index: GPT-6 Astra gekoppeld aan een gecureerde juridische zoekindex.
- Toegang: eerst via Trusted Access in ChatGPT en Codex, daarna via de API.
- Uitbreiding: 26 partnerplugins die verbinden met bestaande juridische tools.
- Herhaalbare taken: community-plugins en skills die terugkerende werkstromen inpakken.
ExplainX benadrukt dat Astra for Law bedoeld is als een fundamentlaag waarop leveranciers bouwen, niet als een losstaand product. Dat is precies waarom de plugins zwaarder wegen dan het model zelf.
Wat doen die plugins concreet in matterbeheer, tijdregistratie en dealvergelijking?
De 26 plugins zijn niet decoratief. LawNext beschrijft concrete voorbeelden: de iManage-plugin laat een jurist een onderhandelingsbrief in ChatGPT opstellen en die direct in het matterdossier opslaan; de Intapp-plugin toont activiteiten die nog een tijdregel nodig hebben; de DeepJudge-plugin haalt eerdere deals binnen voor vergelijking; en de Thomson Reuters-plugin brengt HighQ-mattercontext in ChatGPT, met later een koppeling naar CoCounsel Legal.
Legal IT Insider wijst erop dat de plugins zowel de praktijk als de bedrijfsvoering van het recht raken. Dat betekent dat Astra-uitvoer terechtkomt in systemen die financieel en tuchtrechtelijk gevoelig zijn: dossiers, urenregistratie en dealdatabases. Daar ligt de kern van de zaak die de bronnen openlaten. Geen van de aankondigingen legt uit hoe de toegang van een plugin tot een specifieke matter, tot het DMS of tot tijdregistratie precies wordt begrensd, en hoe de uitvoer systematisch wordt geverifieerd. Dat is een keuze die kantoren zelf moeten maken, per matter type.
Wat laten de Harvey- en Legora-tests zien over integratie in specialistische producten?
Artificial Lawyer beschrijft vroege tests van GPT-6 Astra bij Harvey en Legora. In Legora voerde een agent voor het aansluiten van jaarrekeningen een controle uit op 41 documenten, vond alle ingeplante afwijkingen, waaronder een verschil van 500.000 pond, en legde elke controle vast met citaties. Volgens Artificial Lawyer verbeterde die specifieke werkstroom met bijna 40 procent ten opzichte van het vorige model, en zo'n 3 procent gemiddeld over Legora's BAR-benchmark.
Wat dit voorbeeld illustreert, is niet dat het model op zichzelf beter is, maar dat de winst ontstaat wanneer Astra achter de ontologie en de citator van een specialistisch product zit, met de agentische werkstroom binnen dat product beheerd. De controles waren traceerbaar omdat Legora ze als citaties vastlegde. Diezelfde traceerbaarheid is geen automatisch gevolg van een plugin; ze moet worden ingericht. Hoe u de citaties en het bronbewijs uit zo'n onderzoekstool per zaak controleerbaar houdt, hebben we eerder uitgewerkt in een analyse over citaties uit een AI-onderzoekstool zoals Legora controleren per zaak.
Welke governance- en verificatiekeuzes moet u per plugin en per matter vastleggen?
Naar onze inschatting wordt elke Astra-plugin een apart beleids- en verificatievlak. De bronnen bevestigen wat de plugins kunnen; de beheersing ervan is aan de organisatie zelf. Dat vraagt om expliciete keuzes op vier assen.
- Toegang en scoping: welke plugins staan aan per team en per matter, en waar mag een plugin in het DMS, mattersysteem of urenregistratie lezen of schrijven.
- Werkstroomkoppeling: welke taken (onderzoek, concipiëren, tijdregistratie, dealvergelijking) lopen via Astra, en op welk punt zit een menselijke controle.
- Logging en audittrail: per aanroep vastleggen welke data is gelezen of geschreven, welke modelversie is gebruikt en welke jurist een suggestie accepteerde of afwees.
- Verantwoordelijkheid: hoe de aansprakelijkheid verdeeld is tussen OpenAI, de pluginleverancier en het interne team wanneer een Astra-gestuurde stap tot een fout leidt.
Deze vier assen sluiten aan bij bredere beheersing van AI in documentworkflows; zie ons stuk over AI-agents in juridische workflows beheersen met governance en audittrails en de bredere themahub over AI-governance en beheersing per werkstroom. Zonder deze keuzes vooraf ontstaat, naar onze inschatting, een extra ondoorzichtige laag boven al complexe systemen in plaats van aantoonbaar snellere en nauwkeurigere werkstromen.
Welke integratiepatronen passen bij complexe zaken en transacties met hoog vertrouwelijkheidsniveau?
Voor zaken met een hoog vertrouwelijkheidsniveau, zoals complexe procedures, regulatoir advies en grote transacties, zijn de volgende patronen bruikbaar. Ze zijn onze redactionele aanbeveling, geen brondwang.
- Onderzoeksplugins als voorstelgenerator: gebruik Astra-onderzoek als voorstel dat verplicht tegen primaire bronnen wordt gecontroleerd voordat het in een advies belandt.
- Concipiëren met controlepunten: route Astra-concepten via DMS-plugins met een tussenstap waarin de jurist wijzigingen bevestigt en de reden annoteert. Hoe u die menselijke tussenstap aantoonbaar vastlegt, staat in ons stuk over menselijke controle bij AI-besluiten aantoonbaar loggen.
- Tijd en facturatie via een beoordelingswachtrij: laat wat de tijdplugin voorstelt eerst langs een jurist gaan voordat het in financiële registraties terechtkomt.
- Dealvergelijking op afgebakende datasets: beperk dealplugins tot jurisdictioneel afgebakende gegevensverzamelingen en leg vast welke precedentensets Astra raadpleegde.
De rode draad is steeds dezelfde: elke plugin die iets leest of schrijft in een systeem dat ertoe doet, moet vooraf zijn gekozen, begrensd en gelogd. Alleen dan wordt de prestatiewinst die Artificial Lawyer bij Legora beschrijft ook een controleerbare winst, en niet louter een snellere black box.
Bronnen en referenties
Bronnen: Het artikel steunt op de officiële Astra for Law-aankondiging van OpenAI en op berichtgeving van Artificial Lawyer, LawNext, Legal IT Insider en ExplainX.