企业官网建设流程全解析

数据护城河：看似坚固却有裂缝

法律人工智能面临着大多数行业所没有的数据问题，且这个问题分为两层。第一层是原始法律数据，在美国，只有 Westlaw（汤森路透）、Lexis（RELX）以及 vLex/Fastcase（Clio 于 2025 年 11 月以 10 亿美元收购）拥有近乎完整的覆盖范围。第二层是这些数据库的价值所在，Westlaw 和 Lexis 出售的是基于司法意见构建的编辑基础设施。围绕数据库访问的诉讼显示了现有企业对这一护城河的捍卫力度。

不过，数据护城河可能比看起来更易突破。Free Law Project 的 CourtListener、州级的开放数据计划（如俄克拉荷马州的计划）、哈佛大学的 Caselaw Access Project 等提供了免费的法律材料访问权限。对于人工智能系统而言，对人类研究人员至关重要的编辑层可能没那么重要。此外，还有一类法律技术根本不存在数据护城河。前沿人工智能实验室构建特定应用能力，直接为用户服务，给现有法律技术供应商带来威胁。目前前沿人工智能实验室未收购三大法律数据集之一，是因为法律数据在其战略规划中占比小，汤森路透的市值约为 750 亿美元，RELX 约为 850 亿美元，与这些公司在其他领域所追求的市场相比，法律数据只是微不足道的一部分。

混乱的中间层：律所实施人工智能障碍多

大多数律所内部的障碍是组织层面的，而非技术层面的。律所的数据混乱，治理结构阻碍变革。律所多年来积累数据却未考虑未来的互操作性，治理问题加剧了数据问题。一家拥有 30 名律师的中型律所通常有 10 到 15 名合伙人，每人都有股权和对律所决策的投票权，技术决策往往取决于最低标准，抱怨变革最厉害的合伙人可以阻止变革。小型和中型律所面临的问题最为严重，因为它们缺乏专门的技术领导。

早期采用人工智能的律所将在效率和人才获取方面获得结构性优势，而那些推迟采用的律所将眼睁睁看着优秀的律师助理离开。新的律所结构正在加速这一转变，如 Eudia Counsel（一家位于帕洛阿尔托的人工智能初创公司，获得了 1.05 亿美元的资金，根据亚利桑那州的 ABS 计划推出了第一家人工智能增强型律师事务所）、Virgil（由 Answer.AI 的 Jeremy Howard、《精益创业》的作者 Eric Ries 和创业律师 Luke Versweyveld 共同创立，创建了一家律所，让开发者和律师每天紧密合作，实现法律业务的自动化）、Plymouth Street（专注于技术移民领域，几乎实现了全自动化）、Garfield.Law（在英国成为第一家获得律师监管局授权，完全通过人工智能提供受监管法律服务的律所，以每封信 2 英镑的价格处理小额债务追讨案件）等律所都在积极创新。

效率悖论：计费模式与人工智能效率的矛盾

按小时计费造成了人工智能效率与律所经济之间的矛盾，人工智能每节省一小时律师助理的工作时间，就意味着少了一小时的计费时间。且效率问题因风险而变得复杂，人工智能出错时必须有人负责。按小时计费已经面临来自与人工智能无关的因素的巨大压力，客户要求采用替代计费方式、费用上限、固定费用和效率报告。

一些律所不再等待答案，采用基于价值的计费模式，将人工智能效率作为产品。如 ADVOS Legal（由 Whitney Harper 和 Gwen Griggs 基于停止以小时计费，开始以价值计费的理念创立，并通过 ADVOS Pro 培训其他律所采用同样的模式）、Hello Divorce（由家庭律师 Erin Levine 创立，以 99 美元起提供自助离婚服务，平均约 2000 美元提供全面律师协助，而全国有争议离婚案件的平均费用为 26000 美元）。这种模式适用于可产品化的服务，但处理复杂、定制化事务（跨境并购、多地区诉讼、监管调查）的大型律所实现人工智能效率提升则面临更大的困难。

风险、信任与监督差距：律师谨慎对待人工智能

律师从经验中学会了对新技术持谨慎态度，2013 年至 2018 年期间，谷歌因扫描 Gmail 内容用于广告投放而面临诉讼，其中涉及使用消费者 Gmail 账户的律所客户的电子邮件，2018 年 Matera v. Google Inc. 的和解协议包括禁令救济，要求谷歌停止为广告目的扫描电子邮件内容，这证实了他们对云服务和客户机密通信的担忧，许多律所仍然完全拒绝使用云技术。微软的 Copilot 在法律工作中的实用性极低，截至 2025 年 8 月，在 4.4 亿 M365 订阅用户中，微软的 Copilot 活跃用户仅为 800 万，转化率仅为 1.8%。大型律所使用前沿模型会剥离其对非技术律师有用的应用层。

Levidow Levidow & Oberman 律师事务所的 Peter LoDuca 和 Steven Schwartz 因提交引用 ChatGPT 编造案例的案情摘要，在纽约南区受到制裁，Mata v. Avianca 成为法律行业关于人工智能幻觉问题的警示故事，这对人工智能的采用产生了寒蝉效应。幻觉问题已经成为一个自我实现的预言，解决“假案例”问题并不能解决更深层次的担忧。

随着人工智能从辅助工具转变为主要工作生产者，美国每个州律师协会要求的传统律师监督模式就失效了，面临“监督差距”问题。Baker McKenzie 的应用人工智能创始人兼负责人 Danielle Benecke 提出了“监督差距”的框架，法律行业需要律师、供应商和客户之间新的风险分担模式，但目前还没有。

可及性问题：人工智能未能惠及弱势群体

根据法律服务公司 2022 年的报告，86%的美国低收入人群面临的民事法律问题得不到充分或根本没有法律帮助，人工智能可以填补这一差距，但在法律援助领域并未得到大规模应用。阻碍大型律所采用人工智能的障碍（数据护城河、信任问题、幻觉风险）在服务弱势群体的组织中更加突出，法律行业的人工智能投资流向了 14%能够负担得起律师的人群，而不是 86%负担不起的人群。

法律行业一直对谁可以从事法律工作持保护态度，LegalZoom 因制作非律师可用于法庭自我辩护的表格，在加利福尼亚州被起诉涉嫌非法执业。近年来，亚利桑那州和犹他州等地出现了日益壮大的司法可及性运动，但加利福尼亚州 2024 年的司法差距研究发现，自 2019 年以来，情况变得更糟了，法律需求与法律帮助之间的差距并未缩小。

人工智能在法律行业的未来两大问题

人工智能在法律行业的下一阶段发展面临两个关键问题。第一个是监督问题，随着人工智能能够独立生成完整的工作成果，行业缺乏相应的审查框架。第二个是可及性问题，人工智能驱动的法律服务可以帮助数百万人，但结构障碍（数据护城河、信任缺失、治理瘫痪、责任不确定性）横亘在技术与最需要它的人之间，法律行业的保护主义本能阻碍了变革。这些问题不是技术问题，而是责任、组织和资金问题，回答这些问题有助于确保人工智能为最需要法律帮助的人实现司法服务的民主化。