GPT-6 Astra verhoogt volgens tests van Harvey en Legora de kwaliteit van meerstaps juridisch en financieel controlewerk, maar in vertrouwensgevoelige praktijk is dat pas bruikbaar als u per matter kunt aantonen welk model draaide, welke documenten de agent las, welke controles hij uitvoerde en waar een jurist tekende. Behandel Astra-workflows daarom als bestuurde, controleerbare processen.
Aanleiding is een artikel van Artificial Lawyer van 7 september 2026, waarin Harvey en Legora hun eerste tests met OpenAI's nieuwe vlaggenschipmodel GPT-6 Astra beschrijven. Naar onze inschatting is het belangrijkste dat hier niet zozeer een betere chatinterface verschijnt, maar dat juridische AI verschuift naar agents die complete controletaken uitvoeren onder menselijk toezicht. Dat verandert vooral wat u moet vastleggen.
Wat rapporteren Harvey en Legora concreet over Astra?
Volgens de weergave van Artificial Lawyer beschrijft Niko Grupen, Head of Applied Research bij Harvey, Astra als een duidelijke kwaliteitsverbetering ten opzichte van GPT-5.6 Sol op complexe juridische taken. Astra zou brondocumenten beter onderscheiden van concepten, onderbouwde en niet-onderbouwde aannames scheiden en gaten omzetten in concrete redactievoorstellen.
De casestudy van OpenAI over Legora maakt dat kwantitatief. Een door Astra aangedreven agent voerde een financiële tie-out uit over 41 documenten in één run, controleerde balansen tegen proefbalansen en consolidatieschema's, signaleerde geplante afwijkingen — waaronder een discrepantie van £500.000 — en legde elke controle vast als gestructureerd bewijs voor menselijke beoordeling. OpenAI meldt bijna 40% verbetering op deze workflow ten opzichte van het vorige model en ongeveer 3% gemiddeld op Legora's interne benchmark BAR.
Waarom verschuift Astra juridische AI naar agentic, end-to-end werk?
Legora beschrijft zichzelf op de eigen productpagina als een agentic operating system voor juridisch werk, waarin agents plannen, uitvoeren, controleren en opleveren. WebProNews plaatst Astra in een bredere context en spreekt van OpenAI's directe intrede in de juridische workflowlaag, met een model dat lange contexten verwerkt, status bijhoudt en computeracties uitvoert.
Het praktische verschil voor u: een jurist stelt niet langer alleen een vraag aan een assistent, maar delegeert een meerstaps taak aan een agent die over documenten, databronnen en tools heen werkt. Dat vraagt om denken in bestuurde workflows en agents in plaats van losse prompts. Zoals de groeiende kloof tussen kantoren die AI operationaliseren laat zien, zit het onderscheid niet in het model, maar in hoe het werk wordt ingericht.
Welke veiligheids- en governancecontext hoort bij Astra?
Astra arriveert niet in een vacuüm. De wekelijkse juridische AI-briefing van Flank meldt dat een vroeg Astra-model de interne "Critical"-drempel voor cybersecuritycapaciteiten in OpenAI's Preparedness Framework overschreed, waarna OpenAI de reinforcement-learningtraining minstens twee weken pauzeerde om red-teaming en monitoring uit te breiden. Dezelfde briefing vermeldt dat Harvey zich als eerste juridische AI-bedrijf liet certificeren tegen AIUC-1, een standaard voor beveiliging, veiligheid en betrouwbaarheid van AI-agents, en dat Harvey's Memory-functie zo is ontworpen dat concepten-data geen globale modellen traint.
Onze analyse: deze signalen betekenen dat modelupgrades en aantoonbare waarborgen samen op moeten lopen. Dat sluit aan bij bredere verplichtingen; zie hoe auditrechten en bewijsverplichtingen onder de AI Act tot contractuele en technische eisen worden.
Wat moet u per Astra-taak kunnen reconstrueren en aantonen?
De prestatiewinst is in vertrouwensgevoelige omgevingen pas bruikbaar als elke Astra-gedreven taak zo goed mogelijk reconstrueerbaar en controleerbaar is. Wij adviseren om per matter minimaal het volgende vast te leggen:
- Welke modelversie draaide (Astra of een vorige generatie) en wat de reden voor die keuze was.
- Welk benchmark- of evaluatiebewijs die modelkeuze rechtvaardigde, bijvoorbeeld interne suites als BAR.
- Welke documenten de agent daadwerkelijk las in de run.
- Welke controles zijn uitgevoerd en welke afwijkingen of gaten naar boven kwamen.
- Waar een jurist het voorstel accepteerde, aanpaste of overrulede, met een sluitende ondertekening.
Deze punten sluiten aan bij bestaande verwachtingen rond werkpapieren en audit trails. Astra's agentic gebruik zet die verwachtingen om in technische ontwerpeisen. Voor uitkomsten die op tekst berusten, blijft claim-voor-claim controle van AI-uitkomsten een verstandige aanvulling op de logging van de agent.
Hoe helpt een verificatielaag bij het zichtbaar maken hiervan?
Een privacygerichte verificatielaag zoals Vera kan helpen om deze verantwoording te operationaliseren, zonder zelf een taalmodel of chatbot te zijn. Vera kan een taak door geselecteerde onafhankelijke AI-modellen routeren en verificatiestappen, correcties, onderlinge verschillen en bronnen zichtbaar maken voor inspectie. Dat ondersteunt controle en geeft meer zicht op hoe een uitkomst tot stand kwam; het garandeert geen juistheid en neemt hallucinaties niet weg.
Voor gevoelige stukken kan de Semantic Privacy Shield gevoelige documentwaarden vóór AI-verwerking vervangen door synthetische, sessiegebonden equivalenten op EU-infrastructuur. De architectuur is erop ontworpen alleen geanonimiseerde inhoud door te sturen; mislukt de privacycontrole, dan wordt het document niet doorgestuurd. Het professionele eindoordeel blijft altijd bij de jurist. Naar onze inschatting is dat precies de rol die bij Astra past: het model tilt het plafond op, maar de controleerbaarheid van elke stap bepaalt of u het in hoogvertrouwenswerk kunt gebruiken.
Bronnen en referenties
Bronnen: Het artikel steunt op Artificial Lawyer, de casestudy van OpenAI over Legora, de juridische AI-briefing van Flank, de productpagina van Legora en analyse van WebProNews.