AI implementatie notariaat

AI implementatie in het notariaat werkt anders dan in andere kennisintensieve sectoren, omdat de notariële kernwaarden uit artikel 17 Wna geen ruimte laten voor experimentele werkwijzen. Onafhankelijkheid, onpartijdigheid en zorgvuldigheid zijn geen aanbevelingen maar tuchtrechtelijk toetsbare normen. Waar een marketingbureau bij een fout een blogpost kan corrigeren, kan een notariskantoor bij een fout in een akte te maken krijgen met tuchtrechtelijke gevolgen, civielrechtelijke aansprakelijkheid en reputatieschade die jaren doorwerkt.

De KNB publiceerde op 20 november 2025 de AI-weegschaal, een afwegingskader dat notarissen helpt beoordelen welke AI-toepassingen passen binnen de notariële praktijk en welke niet. Op 18 december 2025 volgde een aanvulling met concrete vragen aan zowel de notaris als de softwareleverancier. Beide documenten zijn het uitgangspunt voor elke AI implementatie via LearnLLM, of het kantoor nu bij nul begint of bestaand AI-gebruik wil gelijktrekken.

De notariële AI-richtlijn die jouw kantoor na afloop in handen heeft, gebruikt het afwegingskader van de AI-weegschaal als basis. Dat maakt de richtlijn intern uitlegbaar en toonbaar richting een KNB-audit of een tuchtklacht.

Daarnaast geldt artikel 4 van de AI-verordening, sinds 2 februari 2025 en sinds 27 juli 2026 in een aangepaste vorm: het is een inspanningsverplichting om maatregelen te nemen die de AI-geletterdheid van medewerkers ondersteunen, zonder dat er een gegarandeerd niveau per medewerker wordt voorgeschreven. Dat de norm zachter is geformuleerd, maakt vastleggen juist belangrijker, want bij een inspanningsverplichting is wat je kunt laten zien het enige bewijs. Het traject levert per medewerker een certificaat dat registreerbaar is in het personeelsdossier, ook voor notarieel medewerkers die zelf geen AI hanteren maar wel met AI-output werken.

Generatiekloof tussen notarissen en kandidaat-notarissen

De generatiekloof tussen notarissen en kandidaat-notarissen is het eerste patroon. Kandidaat-notarissen die recent zijn afgestudeerd, hebben AI in hun opleiding gebruikt en zetten het vanzelf in bij conceptaktes en jurisprudentieonderzoek. Senior notarissen met twintig of dertig jaar ervaring beoordelen diezelfde aktes en zien soms formuleringen die ze niet kunnen plaatsen. Het gesprek daarover gaat dan over stijl, terwijl het over werkafspraken zou moeten gaan.

Een verdampende prompt-bibliotheek

Een verdampende prompt-bibliotheek is het tweede patroon. De ene kandidaat-notaris heeft drie persoonlijke prompts in een notitie-app staan, de andere vijf in een chatgesprek, en de notarieel medewerker werkt met copy-paste uit een eerdere sessie. Dat is geen kantoorbibliotheek maar een verzameling persoonlijke notities die verdampt zodra iemand vertrekt.

Schaduw-IT op cliëntdata

Schaduw-IT op cliëntdata is het derde patroon en het meest risicovolle. Een notarieel medewerker plakt een aktefragment in een gratis AI-tool om de leesbaarheid te checken, of een kandidaat-notaris zet de eerste pagina van een conceptakte in een persoonlijk account voor een tweede mening. Beide gevallen raken de notariële geheimhoudingsplicht, omdat die tools data kunnen gebruiken voor modeltraining of buiten de EU opslaan.

Geen zicht op het gebruik in het kantoor

Geen zicht op het gebruik is het vierde patroon. Een notariskantoor dat licenties heeft gekocht weet vaak niet wie er wekelijks inlogt, voor welk type taken, en met welk effect op de doorlooptijd. In de praktijk blijft het gebruik geconcentreerd bij twee of drie medewerkers, terwijl de licentiekosten voor het hele team doorlopen.

Routinewerk dat AI mag versnellen

Routinewerk dat AI mag versnellen omvat de tekstuele voorbereiding van standaardstukken. Conceptbrieven naar cliënten, eerste conceptversies van veelvoorkomende akte-types zoals een leveringsakte, een hypotheekakte, een eenvoudig testament of een statutenwijziging, samenvattingen van bestaande akten voor cliëntcommunicatie, en de eerste opzet van adviesnotities. AI levert in deze gevallen altijd een concept, nooit een eindproduct.

Ondersteunende intelligentie bij complexer werk

Ondersteunende intelligentie bij complexer werk betreft taken waarbij AI signaleert en de notaris beslist. AI markeert in een conceptakte passages die intern overleg vragen, of stelt vragen voor over de samenhang tussen verschillende rechtshandelingen. De notaris beoordeelt en handelt.

Wat AI nooit overneemt

AI in het notariaat neemt nooit het volgende over: beoordelen of een cliënt de strekking en gevolgen van een rechtshandeling werkelijk begrijpt, de zorgplicht uit artikel 17 Wna, het feitelijke passeren van een akte, het uitvoeren van de Wwft-cliëntenidentificatie, en het verstrekken van juridisch advies aan cliënten zonder tussenkomst van een notaris. Die grenzen staan letterlijk in de AI-richtlijn die het kantoor na het traject in handen heeft.

Eerste opzet leveringsakte in een standaardgeval

De eerste opzet van een leveringsakte werkt op basis van een ingevuld intakeformulier met verkoper, koper, registergoed, koopsom, leveringsdatum en ontbindende voorwaarden, en levert een conceptversie volgens jullie eigen modelakten. De prompt bevat expliciet de instructie om geen artikelnummers of jurisprudentie te citeren tenzij die in jullie modeltekst staan. De kandidaat-notaris controleert vervolgens of alle bijzonderheden van het dossier correct zijn opgenomen.

Cliëntsamenvatting bij een conceptakte

De cliëntsamenvatting bij een conceptakte zet de juridische tekst om in uitleg op B1-niveau, met de essentiële afspraken in toegankelijke taal en de notariële begrippen uitgelegd. Het document bevat altijd een vaste afsluiting die vermeldt dat de notaris het juridische werk doet en dat de samenvatting alleen een communicatiehulpmiddel is.

Correspondentie van notaris naar cliënten

Correspondentie van notaris naar cliënten loopt via prompts die conceptbrieven opstellen voor terugkerende situaties: een ontvangstbevestiging van het dossier, het opvragen van ontbrekende stukken, een planningsbevestiging voor de passeerafspraak en de nazending van afschriften. De prompt gebruikt de huisstijl en het toonniveau van het kantoor, en de ondertekening gebeurt pas bij verzending door een mens.

Voorbereiding van akten via jurisprudentiezoek

De voorbereiding van akten via jurisprudentiezoek vat een ingevoerde rechterlijke uitspraak samen voor het maandelijkse overleg op kantoor, met de feiten, de rechtsvraag, het oordeel en de relevantie voor de notariële praktijk. Het model zoekt de jurisprudentie niet zelf, omdat het dan niet-bestaande uitspraken kan verzinnen.

Er gelden twee harde voorwaarden. De eerste is toegang: het bronsysteem moet een API of een exportmogelijkheid hebben. Veel akte- en dossiersystemen in het notariaat zijn gesloten, en zonder toegang is er niets om op aan te sluiten. Dan blijft alleen robotisering op schermniveau over, waar de kosten per proces een veelvoud bedragen van wat hier staat en een vaste prijs niet realistisch is. Die toets doe ik in de intake, zodat je het weet voordat er een offerte ligt.

De tweede voorwaarde is de aard van het werk. Documenten verwerken, standaardiseren en samenvatten kan wel; een vakinhoudelijk oordeel niet. Een automatisering die inkomende stukken bij een dossier sorteert, de gegevens eruit haalt en een conceptbrief klaarzet, valt binnen de grens. Een automatisering die beoordeelt of een akte passeerbaar is, valt erbuiten, en dat blijft ook zo als de techniek verbetert, omdat de tuchtrechtelijke verantwoordelijkheid bij de notaris ligt.

Wordt er wel gebouwd, dan is het in het notariaat vrijwel altijd de variant met controlestap: elke verwerking wordt gelogd, zodat achteraf herleidbaar is wat het systeem heeft gedaan en wie het heeft afgetekend. Zonder dat logboek is de automatisering wel sneller, maar niet verantwoordbaar, en daarmee onbruikbaar in een kantoor dat onder toezicht staat.

Een veilig AI-platform voor het notariaat moet drie dingen kunnen aantonen: dataopslag binnen de EU, geen training op klantinput, en een verwerkersovereenkomst die past bij de notariële geheimhoudingsplicht. De keuze van het platform is daarom een van de zwaarste afwegingen in elk notariaattraject en wordt expliciet in de intake besproken.

Mag een notaris ChatGPT gebruiken voor dossiers?

Een notaris mag ChatGPT gebruiken voor dossiers, mits het juiste licentietype wordt gekozen en herleidbare cliëntgegevens uit de prompt blijven. De gratis en de standaard betaalde versie zijn niet geschikt, omdat input in trainingsdata kan terechtkomen en dataopslag niet gegarandeerd binnen de EU plaatsvindt. ChatGPT Business en Enterprise trainen standaard niet op klantdata en maken een verwerkersovereenkomst mogelijk. Bij Claude van Anthropic via Team of Enterprise geldt hetzelfde, met Zero Data Retention als aanvullende afspraak op aanvraag.

Alternatief voor ChatGPT in een notariskantoor

Een veilig alternatief begint bij modellen die hun dataopslag binnen Europa garanderen en die onzekerheid expliciet markeren in plaats van zelfverzekerd een onjuist artikelnummer te produceren. Voor de meeste notariskantoren is een zakelijke licentie op een mainstream model toereikend: ChatGPT Business of Enterprise, Claude Team of Enterprise, of Microsoft 365 Copilot via een zakelijk werkaccount. Self-hosted oplossingen bestaan voor kantoren met zwaardere eisen, maar zijn voor een reguliere notariële praktijk doorgaans onevenredig duur.

AI dataopslag in Europa

AI dataopslag in Europa is een harde eis voor notariële AI-implementatie, niet vanuit de KNB rechtstreeks maar vanuit de AVG- en UAVG-systematiek waaraan ook de notariële geheimhoudingsplicht vasthangt. In het traject leg ik bij elk gekozen platform vast waar de data staat, welke subverwerkers worden gebruikt en welke verklaring de leverancier daarover heeft afgegeven. Dat sluit aan op de KNB-aanvulling van december 2025, die expliciet vragen aan de softwareleverancier voorschrijft.

Governance kent in deze aanpak drie documenten die jouw kantoor na afloop in handen heeft: de notariële AI-richtlijn als intern werkdocument, het governance-document voor verantwoording richting KNB, BFT en cliënten, en de certificaten per medewerker. Samen vormen ze het AI-beleid van het kantoor, in de vorm waarin een toezichthouder of tuchtcollege het zou willen zien.

De notariële AI-richtlijn maakt expliciet wat AI in jullie kantoor mag opleveren en wat door een notaris of kandidaat-notaris moet worden gecontroleerd. Welke data mag in een prompt, welke output gaat zonder controle naar buiten en welke vereist een tweede paar ogen, en hoe verhouden AI-toepassingen zich tot de notariële kernwaarden. Het document is bewust kort gehouden, vier tot zes pagina's, zodat elke medewerker het werkelijk leest.

Het governance-document beschrijft de werkwijze op een hoger abstractieniveau: hoe het kantoor de inzet van AI verantwoordt richting cliënten, hoe het gebruik wordt gedocumenteerd voor een eventuele audit of tuchtklacht, en welke verklaringen de leveranciers hebben afgegeven over dataopslag, modeltraining en subverwerkers. Een notariskantoor zonder die documentatie staat bij een audit zwakker dan een kantoor dat AI nooit heeft ingezet, omdat de gebruikssporen er wel zijn maar de verantwoording niet.

Gebruiksgraad van de gedeelde prompt-bibliotheek

De gebruiksgraad meet welk deel van het team de bibliotheek wekelijks gebruikt voor de aangewezen akte-types. Adoptie is geslaagd als een ruime meerderheid daarop zit, ongeacht of dat een notaris, kandidaat-notaris of notarieel medewerker is. Juist de aansluiting van senior notarissen is een goede toets, omdat daar de generatiekloof gedicht moet worden.

Doorlooptijd op de gekozen akte-types

De doorlooptijd op de gekozen akte-types is de hardste indicator van tijdwinst. Voor standaardgevallen zoals leveringsaktes, hypotheekaktes en eenvoudige testamenten maak ik de doorlooptijd voor en na het traject inzichtelijk, mits de werkwijze ook werkelijk wordt toegepast. Voor complexere maatwerkakten meet ik niet op tijdwinst maar op consistentie van de werkwijze.

Kennis van de notariële AI-richtlijn

Kennis van de richtlijn meet of medewerkers de kernregels kunnen benoemen zonder het document erbij te pakken. Welke data mag in een prompt, welke akte-output gaat door een tweede paar ogen, en hoe wordt AI-gebruik gedocumenteerd voor een eventuele KNB-audit. Kan het overgrote deel van het team dat benoemen, dan is de richtlijn werkelijk geland.

Activiteit van de interne eigenaar

De activiteit van de interne eigenaar is de meest voorspellende indicator voor de situatie een half jaar later. Iemand die vragen krijgt over prompts, nieuwe medewerkers introduceert en de bibliotheek bijwerkt wanneer een nieuw akte-type zich aandient, houdt de werkwijze warm. Blijft die rol stil, dan is dat het eerste signaal dat de werkwijze gaat verdampen.

Wat als het toch niet past, is een vraag die bij elke investering hoort. Voor een notariskantoor is die extra relevant, want een mislukt traject kost budget en tast ook het vertrouwen van medewerkers in AI aan. Het traject kent twee momenten waarop stoppen kan zonder dat het kantoor vastzit.

Het eerste moment is na de intake. Blijkt dat de gekozen akte-types te complex zijn voor een eerste implementatie, of dat het kantoor eerst zijn aktebeheer moet uniformeren, dan stoppen we daar. Vergoeding alleen voor de geleverde uren, geen verplichting tot vervolg.

Het tweede moment is na het traject zelf: geen abonnement, geen opzegtermijn. De prompt-bibliotheek, de notariële AI-richtlijn en het governance-document zijn eigendom van het kantoor, zonder licentie. Wil het kantoor later begeleiding voor andere akte-types of specialisaties, dan is dat een nieuw afgebakend traject.

Een AI implementatie partner voor een notariskantoor moet twee dingen kunnen: AI in de praktijk hebben gebruikt waar fouten gevolgen hebben, en begrijpen wat een tuchtrechtelijk kader met een werkwijze doet. Achter LearnLLM staat Dennis van de Velde, SEO-specialist bij Space'M Online en dagelijks professioneel gebruiker van AI in productie-omgevingen. Op eigen infrastructuur draaien workflows die via de API aan SEO-taken werken: contentpipelines, analyses op Search Console-data en technische audits. Die bouw ik met AI als bouwpartner, precies zoals ik het een kantoor aanleer.

Het primaire model in mijn dagelijkse werk is Claude van Anthropic, vooral omdat het onzekerheid expliciet benoemt waar andere modellen doorbluffen. Die eigenschap weegt zwaar in een juridische context, waar een verzonnen ECLI of artikelnummer tuchtrechtelijke gevolgen kan hebben.

Daarvoor werkte ik bij Rabobank, ABN Amro en Van Lanschot, omgevingen waar nauwkeurigheid en integriteit geen aanbevelingen zijn maar harde vereisten. Het four-eyes-principe waar banken op draaien, vertaal ik in elke notariële implementatie naar controlepunten die passen bij jullie schaal: één interne eigenaar in plaats van een compliance-afdeling, en een governance-document van een paar pagina's in plaats van een handboek.

LearnLLM is een specialistisch traject naast mijn werk bij Space'M Online, geen consultancybureau met een leger juniors. Drie tot vier trajecten per kwartaal, persoonlijk uitgevoerd, voor kantoren die geen wisselende consultants over de vloer willen. Zoekt jouw kantoor alleen opleiding zonder traject, dan is AI training voor bedrijven de route; werkt jouw kantoor in een andere kennisintensieve sector, dan geldt een vergelijkbare aanpak bij AI implementatie voor het mkb.