Latham kjøper KI-servere: det viktige er hva firmaet vil kontrollere

Et av verdens store advokatfirmaer kjøper servere for å kjøre kunstig intelligens på egen infrastruktur.

Nyheten inviterer til en enkel overskrift: Advokatene begynner å bygge sin egen KI. Men det interessante er ikke at et advokatfirma kjøper kraftige datamaskiner. Det er hva firmaet vil bruke dem til, hva det ønsker å beholde kontrollen over, og hvorfor det ikke mener det er tilstrekkelig å abonnere på de samme verktøyene som konkurrentene kan kjøpe.

Latham & Watkins gir oss anledning til å stille et spørsmål som også angår langt mindre organisasjoner:

Hvilken del av vår evne til å utføre arbeid vil vi kjøpe eksternt, og hvilken del vil vi bygge og beholde internt?

Hva Latham gjør

Ifølge Bloomberg Laws omtale 11. september 2026, basert på intervjuer med firmaets ledelse, har Latham anskaffet flere NVIDIA H200-GPU-er og eksperimenterer med å tilpasse modeller med åpne vekter. Initiativet startet omtrent tre år tidligere.

Serverne er i drift i et datasenter hos en tredjepart, med tilgang begrenset til Lathams ansatte. Det dreier seg altså ikke nødvendigvis om maskiner inne på firmaets kontorer, men om egen infrastruktur plassert i et eksternt anlegg. Firmaet har ikke oppgitt investeringskostnaden. Bloomberg Law, gjengitt på Lathams nettsted.

For en leser uten teknisk bakgrunn er det nyttig å skille mellom tre elementer.

GPU-er er prosessorer som er særlig godt egnet til operasjonene mange KI-modeller krever.

Modeller med åpne vekter gjør det mulig å laste ned modellparametrene og kjøre dem på egen infrastruktur, i samsvar med lisensvilkårene. Det betyr ikke nødvendigvis programvare uten begrensninger.

Og modelltilpasning, eller finjustering, innebærer å justere en eksisterende modell. Det betyr ikke å trene en kunstig intelligens på nivå med de store laboratorienes modeller fra grunnen av.

Men verken serverne eller modellen utgjør alene et juridisk system. Rundt dem trengs programvare, kilder, prosedyrer, tillatelser, evalueringer og mennesker som har ansvar for å kontrollere resultatene.

Firmaet forlater ikke de eksterne leverandørene

Dette er nyansen som lett forsvinner i sosiale medier.

I en uttalelse gjengitt av The American Lawyer 10. september forklarer Rene Mendoza, Lathams IT-direktør, at strategien skal gi fleksibilitet til å utvikle, teste og sette KI i drift uten å være avhengig av én enkelt leverandør. Omtalen bekrefter at firmaet fortsatt samarbeider med eksterne leverandører og har tilgang til ChatGPT, Claude og Gemini. Den nevner også åpne Nemotron 3-modeller. The American Lawyer, gjengitt på Lathams nettsted.

Valget er ikke nødvendigvis «alt internt» eller «alt eksternt».

Det kan handle om å kombinere begge deler: eksterne verktøy der de tilfører verdi, og egen kapasitet der det finnes grunner til å beholde mer kontroll.

Min tolkning er at den viktige beslutningen ikke er å klare seg uten leverandører, men å unngå at et abonnement hos én av dem blir den eneste mulige måten å arbeide på.

Første grunn: bestemme hvor informasjonen behandles

Før en organisasjon spør hvilken modell som svarer best, bør den spørre hvilken informasjon modellen må få for å kunne svare.

Å arbeide med en offentlig dom er ikke det samme som å arbeide med sensitiv intern dokumentasjon. Å sende forhåndsutvalgte utdrag er heller ikke det samme som å overføre komplette originalfiler.

En egen arkitektur kan gjøre det mulig å behandle visse opplysninger uten å overlate dem til en ekstern modellleverandør. Men denne muligheten må ikke forveksles med en automatisk garanti for konfidensialitet.

Et system på egen infrastruktur kan fortsatt sende informasjon gjennom integrasjoner, verktøy, logger, sikkerhetskopier eller støttetjenester. Og en dårlig sikret server kan utsettes for innbrudd selv om organisasjonen eier den.

Spørsmålet er ikke bare hvem som eier maskinen. Det er hvem som har tilgang, hvilke programmer som deltar, hvilken kommunikasjon som er tillatt, og hvordan man kontrollerer at grensene overholdes.

Kontroll følger ikke automatisk med maskinvaren: den må utformes, praktiseres og etterprøves.

Andre grunn: gjøre firmaets kunnskap til egen kapasitet

Bloomberg skriver at Latham vil integrere KI med sine interne systemer og utvikle verktøy som bygger på fagfolkenes erfaring. Ambisjonen går lenger enn å beskytte data: Den handler om å gjøre opparbeidet kunnskap til en særegen evne til å utføre arbeid. Bloomberg Law.

Her oppstår det strategiske spørsmålet.

Hvis to advokatfirmaer abonnerer på samme program, får begge tilgang til en lignende kapasitet. Det betyr ikke at de vil produsere identiske svar: Fagfolkene, kildene, instruksene og gjennomgangen vil fortsatt ha betydning. Men tilgang til verktøyet slutter i seg selv å være et eksklusivt fortrinn.

Forskjellene kan flytte seg til andre områder:

• hvordan hvert firma organiserer kunnskapen sin;
• hvilke prosedyrer det har formalisert;
• hvilke feil det er i stand til å oppdage;
• hvordan det fordeler oppgavene;
• og hvordan det kontrollerer og godkjenner resultatet.

Et dokumentbibliotek blir ikke automatisk til anvendbar erfaring. Det må ryddes, struktureres og knyttes til arbeidet. Det samme gjelder prosedyrer: Det en partner kan gjøre intuitivt, må beskrives eksplisitt før det kan automatiseres med en viss pålitelighet.

Å bygge et eget system handler derfor ikke bare om å installere en modell. Det handler om å avgjøre hvilke deler av faget som kan bli til repeterbare prosesser uten at unntakene eller den faglige kontrollen forsvinner.

Tredje grunn: beholde valgfriheten

Teknologisk avhengighet oppstår ikke bare når en leverandør øker prisene.

Den kan også oppstå når dokumenter, evalueringer, instrukser, integrasjoner og prosedyrer blir så tett knyttet til en plattform at det blir svært vanskelig å bytte.

Egen infrastruktur fjerner heller ikke all avhengighet. Den kan flytte avhengigheten til en maskinvareprodusent, en modellfamilie, bestemte programvarekomponenter eller noen få personer som kjenner systemet.

Et rimelig mål er ikke fullstendig uavhengighet. Det er å beholde reelle alternativer.

Det krever at komponenter kan byttes uten å bygge hele organisasjonen på nytt: skifte modell, flytte informasjon, gjenbruke evalueringer og beholde godkjenningsreglene selv om teknologien som utfører en oppgave, endres.

Arkitekturen har her en forretningsmessig funksjon: å bevare handlingsrommet.

Fjerde grunn: kontrollere økonomien i systemet

Latham erkjenner at tokenkostnader er en faktor, men ikke hoveddriveren for beslutningen. Vi har ingen offentlig kostnadsopplysning som gjør det mulig å beregne lønnsomheten i investeringen. Bloomberg Law.

Generelt gjør kjøp av API-tilgang deler av forbruket til en variabel kostnad. Å kjøre egne modeller flytter noe av denne kostnaden til utstyr, ansatte og drift.

Men lokal kjøring betyr ikke gratis kjøring.

Regnestykket må omfatte innkjøp og fornyelse av maskinvare, strøm, vedlikehold, sikkerhet, tilgjengelighet og spesialistarbeid. Også timene som går med til å løse problemer leverandøren ville håndtert i en kjøpt tjeneste, må regnes med.

For et stort firma med tilstrekkelig volum av egnede oppgaver kan investeringen være lønnsom. For en organisasjon som bruker infrastrukturen lite, kan det motsatte være tilfellet.

Den relevante sammenligningen er ikke bare pris per token. Det er totalkostnaden ved å produsere et tilstrekkelig pålitelig resultat, inkludert kontroll og retting.

Det som krever et stort firma i dag, kan bli mer tilgjengelig

Dette økonomiske regnestykket er ikke statisk.

Fremskritt innen maskinvare og mer effektiv programvare kan gjøre det mulig å utføre enkelte oppgaver med mer beskjedne ressurser i morgen enn i dag. Kvantisering søker for eksempel å representere modellparametrene med mindre minne; andre forbedringer utnytter utstyret bedre eller tar i bruk spesialiserte modeller. Alle alternativer har begrensninger og må vurderes ut fra hvordan de påvirker kvaliteten på arbeidet.

Det er ikke nødvendig å kjøre verdens kraftigste modell lokalt. Det nødvendige er å ha tilstrekkelig kapasitet til å løse en konkret oppgave godt.

Dette åpner en interessant mulighet for mindre advokatfirmaer og bedrifter: rimelig lokal kapasitet for enkelte prosesser og sensitiv informasjon, kombinert med eksterne tjenester for arbeid som krever andre egenskaper.

Vi vet ikke når eller hvor langt en slik kostnadsreduksjon vil gå. Kravene, bruksvolumet og behovet for oppfølging kan også øke.

Konklusjonen er derfor ikke å kjøpe overdimensjonert infrastruktur i dag. Den er å bygge modulært, slik at bedre og rimeligere lokal kapasitet kan tas inn uten å begynne fra grunnen av.

Hva et lite advokatfirma bør lære

Å kopiere serverkjøpet ville være å forveksle den synlige beslutningen med begrunnelsen bak den.

Utgangspunktet bør være langt enklere: identifisere en reell prosess, forstå risikoene og undersøke hvilken arkitektur den trenger.

Å sammenligne versjoner av offentlige dokumenter, organisere intern kunnskap og la en agent sende meldinger er forskjellige problemer. De krever ikke de samme ressursene og bør ikke ha de samme tillatelsene.

Før man investerer, bør man svare på følgende:

Hva vil vi forbedre? Hvilken informasjon inngår? Hvordan skal vi måle kvaliteten? Hva må forbli under vår kontroll? Hvem kan stoppe systemet?

Deretter kan man avgjøre hva man skal kjøpe, konfigurere og bygge.

De første testene bør bruke offentlig eller syntetisk dokumentasjon. En prototype som fungerer, viser ennå ikke at et system er klart til å motta sensitiv informasjon.

Nyheten er ikke GPU-ene

Vi vet ikke om investeringen vil gi Latham et varig fortrinn. Det ville heller ikke være seriøst å fremstille beslutningen som et bevis på at alle firmaer bør følge samme vei.

Men den synliggjør et viktig spørsmål: Å ta i bruk KI kan bli en beslutning om hvordan advokatfirmaet organiseres, ikke bare hvilke verktøy det bruker.

Hvilken kunnskap det beholder.

Hvilke prosesser det utvikler.

Hvilken informasjon det deler.

Hvem det er avhengig av.

Og hvem som kontrollerer beslutningene som får virkninger utenfor organisasjonen.

Min konklusjon er ikke at advokatfirmaer bør bli maskinvarebedrifter. Den er at de bør unngå også å sette bort vurderingen av hvordan deres egen evne til å utføre arbeid skal organiseres.

Verktøyet kan tilhøre leverandøren. Arbeidets arkitektur og ansvaret for resultatene må fortsatt ligge hos organisasjonen.