Advocatenkantoor indexeert 30 jaar aan archieven voor AI

Voor: 30 jaar aan ontoegankelijke binaire bestanden

Stel je een middelgroot kantoor voor met een gedeelde schijf vol dossiers die teruggaan tot begin jaren 90. Duizenden memo's, processtukken en adviezen — veel in Corel WordPerfect (.wpd). Nieuwe medewerkers konden er niet in zoeken; zelfs het vinden van "die zaak die we hadden over schadevergoeding in '98" betekende mappen één voor één openen of hopen dat iemand de bestandsnaam onthield. De kennis was er, maar het indexeren van juridische archieven voor zoeken — laat staan voor AI — was onmogelijk zolang alles in binair WPD bleef.

Het doel: doorzoekbare zaakgeschiedenis en een privé LLM

Het kantoor wilde een privé LLM/RAG-assistent: een vraag stellen in natuurlijke taal en antwoorden krijgen die gebaseerd zijn op hun eigen precedent en werk. Dat betekende WPD omzetten naar een tekstformaat (Markdown of TXT), vervolgens splitsen, insluiten en laden in een vectoropslag — allemaal ter plaatse of in een gecontroleerde omgeving. De eerste stap was het knelpunt: ze moesten miljoenen woorden in massa verwerken zonder vertrouwelijke klantgegevens naar de cloud te sturen.

Hoe ze het deden: WPD Converter + massa-export

Ze richtten WPD Converter op de oude dossiermappen en exporteerden alles naar Markdown (met TXT als optie voor de eenvoudigste invoer). De mapstructuur werd behouden, zodat dossier- en jaarmetadata intact bleven. Conversie liep lokaal op één werkstation; geen document verliet het gebouw. De uitvoer ging rechtstreeks naar hun bestaande pipeline: splitsen per sectie, insluiten met hun gekozen model, laden in hun vectordatabase. Binnen een paar dagen hadden ze een doorzoekbare zaakgeschiedenis die drie decennia omvatte — gereed voor RAG.

Na: onmiddellijke antwoorden van een kantoorbrede AI-assistent

Het "na" is de beloning. Advocaten en personeel raadplegen nu de assistent: "Wat hebben we betoogd in Smith versus Jones over de verjaringstermijn?" of "Vat onze positie samen over arbitrageclausules in leveranciersovereenkomsten." Het systeem haalt relevante fragmenten op uit de geconverteerde archieven, en de LLM antwoordt met citaten naar interne documenten. Het indexeren van juridische archieven maakte oude bestanden niet alleen te openen — het maakte ze de ruggengraat van een privé, kantoorspecifieke AI. Geen cloudconversie, geen gegevenslek; alleen lokale conversie gevolgd door hun eigen RAG-stack.

Conclusie

Deze casestudy van een advocatenkantoor (hypothetisch maar realistisch) toont het patroon: voor = ontoegankelijke binaire archieven; na = doorzoekbare zaakgeschiedenis die een privé LLM aandrijft. De mogelijkmaker is lokale, massaconversie van WPD naar tekst — zodat je decennia aan werk kunt indexeren zonder het ooit te uploaden.