Perplexity lancerede 24. juni 2026 Computer for Counsel. Ifølge dækningen er det et agentisk, LLM‑agnostisk orkestrationslag målrettet juridiske teams – ikke en ny lovdatabase. Adgang skulle være for Enterprise‑ og Max‑kunder nu. Løftet er ligetil: mindre tid på administrativt bøvl, mere tid til egentlig jura.
Hvad er Computer for Counsel
Computer for Counsel er bygget som en agentisk arkitektur oven på Perplexity Computer. Pointen er LLM‑agnosticitet: systemet ruter opgaver på tværs af mange modeller, så brugeren ikke låser sig til én leverandør. Arkitekturen orkestrerer research, udkast og workflow‑trin på tværs af web, interne systemer og specialiserede juridiske kilder. Det er et styringslag – ikke en erstatning for Westlaw, Lexis eller Bloomberg Law.
Den tekniske mekanik er den forventelige i 2026: nedbryd opgaven i delopgaver, vælg model efter delopgave, og sy det sammen igen. Altså en trafikdirigent for sagsforberedelse – nu pakket målrettet til jurister med eksplicitte kilder, citationslinks og connectors.
Hvordan det virker i praksis
Ifølge MarkTechPost dekomponerer systemet en juridisk opgave til delopgaver, vælger en model og en datakilde pr. del, og samler resultaterne til et memo, brief eller dealsummary. Hvert svar skulle linke tilbage til de brugte kilder, så citater hurtigt kan tjekkes. Der loves ikke fuldautomatisk strategi; vurderingen ligger fortsat hos juristen.
Hvad kilderne faktisk bekræfter
MarkTechPost skriver, at lanceringen skete 24. juni 2026, og at Computer for Counsel udvider Perplexity Computer. Produktet skulle være tilgængeligt for Enterprise‑ og Max‑abonnenter. Artiklen beskriver et multi‑modellag, der ruter over 20 modeller per delopgave. Premiumkilder inkluderer Midpage (retspraksis + citator), samt nævnte integrationer/forbindelser til Deel og LegalZoom; “400+ tools” via MCP nævnes også.
Hvorfor det her betyder noget for advokatkontorer
Det er ikke et skifte af juridisk database, men et ekstra lag oven på værktøjer, mange allerede bruger – Midpage, DocuSign, NetDocuments, Box, eventuelt Clio og Microsoft 365. Implementeringen handler derfor om connectors, adgangsstyring og governance snarere end datamigrering. Det kan give hurtigere time‑to‑value, men stiller krav til IT og sikkerhed.
Good‑law‑checks forsvinder ikke. Systemet lover kilde‑links og Midpage‑understøttelse, men den afgørende vurdering – om en afgørelse stadig står – ligger fortsat hos citator‑tjenester og juristen. Det kan accelerere processen, men kræver stadig tjeklister og en klar “review før brug”‑politik.
Tekniske detaljer nævnt af MarkTechPost
Multi‑modellag: 20+ modeller i pulje, modelvalg per delopgave, løbende evaluering for at holde puljen aktuel. Kildesporbarhed: hvert svar linker til sin kilde. MCP‑connectors: beskrevet som en åben standard til at forbinde AI‑systemer med eksterne værktøjer og data. Administratorer kan installere egne MCP‑connectors til interne systemer.
Integrationsliste som nævnt: Midpage, Deel, LegalZoom, DocuSign, NetDocuments/Box, DeepJudge, Clio (Vincent), samt Carta/Ironclad i varierende tilgængelighedsstatus. Også Microsoft 365 og Google Workspace via app‑connectors. Det peger på et økosystem, hvor systemet trækker fra de rette kilder på rette tidspunkt frem for selv at opbevare alt.
Kontekst om hukommelse, tokens og latency
Agentiske systemer rammer hurtigt token‑lofter og kontekstvinduer ved lange sagsforløb. VentureBeat fremhæver forskningsrammer som MRAgent og LangMem, der viser, hvor dyrt og støjfyldt langtidshukommelse kan blive, hvis man blot pumper mere tekst i konteksten. Orkestrering alene fjerner ikke token‑grænser eller støj i retrieval.
Det gør styring af hukommelse og genfinding kritisk: selektiv kontekst, iterative forespørgsler og audit af, hvilke delopgaver der faktisk kræver lange vinduer. Ellers drukner man i sin egen pipeline – og i omkostninger.
Begrænsninger og usikkerheder ved lanceringen
Der mangler en officiel, komplet liste over de 20+ modeller – versioner, licenser og eventuelle specialtrænede juridiske modeller. MCP beskrives som en åben standard, men uden primære links til specifik standarddokumentation og sikkerhedsmodel. “400+ tools” er lovende, men uden fuld connector‑liste og rettighedsniveauer (read‑only vs. write) er risikovurdering vanskelig.
Prisstruktur og SLA er uklare, ligesom relevansen for mindre firmaer. Der foreligger ikke uafhængige benchmarks for juridisk præcision ved lancering. Thomson Reuters‑tallet om ~75 procent, der peger på administrative opgaver som hovedudfordring, optræder i MarkTechPost; den direkte TR‑kilde og metode bør findes, før man baserer business cases på tallet.
Hvad adskiller det fra Westlaw og Lexis
Perplexity positionerer ikke Computer for Counsel som en erstatning for de store juridiske databaser. Arkitekturen ligger ovenpå og orkestrerer arbejde på tværs af netop de kilder. Det gør værktøjet til et “meta‑lag”, ikke en autoritativ database. Fordelen er fleksibilitet; prisen er, at autoriteten bor hos kilderne, ikke i orkestreringslaget.
I praksis: behold abonnementerne på databaser med retspraksis, citatorer og lovgivning, og lad orkestreringslaget håndtere gentagelser, formatering og sammenstilling. Forveksling af roller giver fejl.
Fordele og risici ved multi‑model
Fordele: leverandøruafhængighed og mulighed for at matche delopgaver til de stærkeste modeller – reasoning, parsing, oversættelse, kontraktudtræk m.m. Også bedre robusthed, hvis en model degraderer eller ændrer pris.
Ulemper: overhead til vedligehold af modelpulje, evalueringer, performance‑monitorering og governance – herunder forklarlighed af “hvorfor valgte systemet model X til delopgave Y”. Fejlsøgning bliver sværere, når flere modeller leverer brudstykker. Latency akkumuleres, især hvis retrieval‑kæden ikke er stram.
Operationelle konsekvenser for implementering
Integration: forvent arbejde med MCP‑connectors, godkendelser og sikkerhedsreview. Mapping til IDM/CMIS/EDRM‑systemer og arkiver kræver tid. Start i et isoleret miljø. Få audit‑logs og versionsstyring på connectors fra dag ét. Dokumentér dataflow – ellers består I ikke et tilsyn.
Kildeverifikation: indfør en kort tjekliste før noget går til klient – kilde, citat, citatorstatus, metadata. Automatik kan hjælpe, men “review” skal være et krav. Gem review‑beslutninger som bevis for kvalitetskontrol.
Tekniske spørgsmål man bør få afklaret
– MCP‑specifikation: autentificering, scopes og data i transit/at rest. Støtte for nøgle‑rotation og least privilege per connector. – Modellogning: modelvalg per delopgave inkl. modelversion, temperatur og prompts. – Eval‑kadence: hvor ofte reevalueres modelpuljen, og kan kunder få indblik i eval‑resultater per domæne.
– Token-/kontekststyring: mulighed for loft pr. opgave og delopgave samt synlige omkostninger i preview. – Latency‑SLO’er: maksimale ventetider pr. workflow. – Data residency: hvor ligger midlertidige artefakter, og kan de blive i region.
Konkret om performance og omkostninger
Routing pr. delopgave kan hæve kvaliteten – og regningen. Hvert ekstra hop koster tokens og tid. Ved lange, iterative sager vokser kontekst og hukommelsesbehov hurtigt. Forskning peger på, at passiv retrieval ikke rækker til lange forløb; derfor er kuratering, delte resuméer og selektiv genfinding nødvendige for at holde pris og kvalitet under kontrol.
Indfør nøgletal fra start: pris pr. afsluttet opgave (ikke per prompt), “review‑rate” (hvor ofte må output afvises), “rework‑tid” og latency pr. tasktype. Uden de tal flyver man i blinde.
Pilotdesign der giver svar i stedet for slides
Start smalt. Administrative opgaver med lav juridisk risiko: dokumentresuméer, standardklausul‑checklister, NDA‑indtag, dataudtræk til due‑diligence‑mapper. Definér mål: tidsbesparelse pr. opgave, fejlrate i udtræk/citater, andel svar der går igennem uden større omskrivning.
Lav en review‑protokol: to‑trins godkendelse for alt, der rammer klientarbejde. Log modelvalg og connectors som en del af sagen. Efter 4–6 uger er der datagrundlag til at beslutte udvidelse – eller at sige stop.
Governance der holder vand ved et tilsyn
– Logging af modelvalg, prompts og kilder per delopgave. – Versionsstyring og adgangsanmodninger for MCP‑connectors. – Regelmæssige audits af modelpuljen for koncept‑drift, bias og nøjagtighed i domænespecifikke opgaver. – Klar afgrænsning: hvad må automatiseres, og hvad kræver juristens aktive godkendelse.
Tilføj et “kill switch”‑princip: hvis citatverifikation fejler, må flowet ikke videre til klient. Træn teamet i, hvornår man siger “stop” – det reducerer fejl mere end endnu et dashboard.
Hvad der endnu ikke er dokumenteret
– Komplet modelliste og versioner (åbne vs. kommercielle, domænespecifikke modeller). – MCP’s officielle specifikation og sikkerhedsmodel i detaljer. – Liste over de 400+ værktøjer og hvilke rettigheder connectors har. – Priser, SLA’er og entry‑niveau for mindre firmaer. – Status og vilkår for LegalZoom‑integration og eventuelle eksklusiviteter.
Og vigtigst: uafhængige benchmarks for juridiske opgaver. Uden dem bliver det svært for compliance‑ansvarlige at godkende fuld udrulning. Her bør Perplexity eller tidlige kunder lægge tal på bordet.
Kort sammenligning med andre løsninger
Der findes andre agentiske lag og assistenter, men mange er bundet til én model eller én database. Computer for Counsel sigter mod at ligge ovenpå og være agnostisk. Det er forskellen – og grunden til, at man ikke må forveksle det med en database: autoriteten hentes udefra, ikke fra produktet.
Omvendt har specialiserede juridiske værktøjer indbyggede kontroller og citatorer, som er gennemprøvede. Den sikre vej er et “både og”: fasthold de autoritative kilder, og lad orkestreringslaget tage travlheden.
En nøgtern vurdering
Hvis MarkTechPosts beskrivelse matcher den faktiske implementering, leverer Computer for Counsel en logisk arkitektur for juridiske workflows i 2026: multi‑model, kilde‑linket, connector‑drevet. Det adresserer reelle smertepunkter. Men troværdigheden hviler på dokumentation, benchmarks og klarhed om sikkerhed og dataflow.
Effekten kommer først, når løsningen er bundet ind i eksisterende systemer, review er sat, og de første 100 sager er igennem. Papiret lyder godt – forskellen mærkes, når man trykker send.
