The development of disruptive technologies such as artificial intelligence (AI), autonomous and electric vehicles, and smart grids challenges legal frameworks to remain relevant, adaptive, and coherent over time. This is evident in the transport sector, where technological innovation has the potential to fundamentally reshape transportation, logistics, and urban design, or is already doing so. Against this backdrop, the present study examines the legal ramifications of such transformations by exploring whether AI-based tools can support forward-looking legal research. Specifically, it aims to identify and map potentially complex or unclear legal situations that may arise from the deployment of disruptive technologies. 

This study employs two large language models (LLMs), Microsoft 365 Copilot and Claude Sonnet 4.6, to generate possible future legal scenarios for the period 2026–2037, using a scenario-based research design primarily situated within a Swedish and EU legal context. Several methods for engaging with the LLMs are applied, including mixed prompting, Chain-of-Thought prompting, the RACE framework, and meta-prompting.

The results show that both LLMs kept well to the prompt instructions regarding output format, including the integration of future scenarios, external drivers, and potentially challenging legal themes. Additionally, while differences between the responses of the two LLMs were observed, these were primarily differences of degree rather than of kind. 

The overall conclusions suggest that both LLMs demonstrate potential usefulness for further research and may serve as exploratory tools in legal research as a point of departure. However, although the scenarios produced by the LLMs were grounded in contemporary legal research “hot topics”, a more thorough examination of the validity of their claims is required to support well-founded decisions regarding future research. Finally, it is recommended that researchers should inter alia continue refining their “prompt literacy” while still relying on human judgment, especially for critically evaluating the validity and robustness of LLM-assisted research. 

Utvecklingen av disruptiva tekniker såsom artificiell intelligens (AI), självkörande och eldrivna fordon samt smarta elnät utmanar rättsliga ramverk att kunna förbli relevanta, anpassningsbara och sammanhängande över tid. Detta är tydligt inom transportsektorn, där teknisk innovation har potential att i grunden omvandla transporter, logistik och stadsplanering, eller redan håller på att göra det. Mot denna bakgrund undersöker denna studie de rättsliga konsekvenserna av sådana förändringar genom att utforska om AI-baserade verktyg kan stödja framåtblickande juridisk forskning. Mer specifikt syftar studien till att identifiera och kartlägga potentiellt komplexa eller oklara rättsliga situationer som kan uppstå till följd av införandet av disruptiv teknik. 

Denna studie använder två stora språkmodeller (LLM), Microsoft 365 Copilot och Claude Sonnet 4.6, för att generera möjliga framtida rättsliga scenarier för perioden 2026–2037, med hjälp av en scenariebaserad forskningsdesign som huvudsakligen utgår från ett svenskt och EU-rättsligt sammanhang. Flera metoder för att interagera med språkmodellerna tillämpas, däribland mixed prompting, Chain-of-Thought-prompting, RACE-ramverket och metaprompting. 

Resultaten visar att båda språkmodellerna följde instruktionerna i uppgiften väl när det gäller utdataformat, inklusive integrering av framtida scenarier, externa drivkrafter och potentiellt komplexa juridiska frågor. Härutöver kunde visserligen skillnader mellan språkmodellernas svar konstateras, men dessa var främst gradskillnader. 

De övergripande slutsatserna tyder på att båda språkmodellerna visar en potentiell nytta för vidare forskning och kan fungera som utgångspunkt och verktyg för juridisk forskning. Däremot ska tilläggas att även om de scenarier som genererades utgick från aktuella ”heta ämnen” inom juridisk forskning, krävs dock en mer ingående granskning av giltigheten i påståendena för att välgrundade beslut om framtida forskning ska kunna fattas. Slutligen rekommenderas bland annat att forskare fortsätter att förfina sin ”läs- och skrivkunnighet” för promptar, samtidigt som de fortsätter att förlita sig på mänsklig kompetens, särskilt när det gäller kritisk utvärdering av giltigheten och tillförlitligheten hos forskning som stöds av stora språkmodeller.