AI普及之后,法务为什么可能更忙?

来自一期法律科技播客的观察与解读

业务部门用 AI 起草合同，采购团队用 AI 看协议，产品团队用 AI 整理需求。按理说，法务收到的材料应该越来越完善，处理起来也应该越来越轻松。但在一期《AI and the Future of Law》播客里，Nick Fleisher 转述了一位总法律顾问的反馈：来自产品、采购等部门的 AI 生成内容变得粗糙，反而让法务多出了约 30%—40% 的工作。因为单个任务可以更快完成，整个部门仍然可能更忙。要消化这股新增工作量，法务需要改变的，不仅是使用工具，更是工作进入团队和在团队中流转的方式。

Fleisher 是法律科技公司 Sandstone 的联合创始人兼 CEO，曾在麦肯锡从事法律科技相关工作。在与主持人 Jen Leonard、Bridget McCormack 的对谈中，他谈到的变化贯穿了法务工作的整个过程：业务怎样提出请求，律师怎样取得背景信息，任务怎样分配，以及最终由谁作出决定。

一、效率提升，为什么没有变成轻松？

Fleisher 的观察是，企业使用 AI 后，正在生成更多协议、推进更多谈判，也开展更多采购。这些活动会继续产生法律需求。与此同时，一份经过 AI 起草或修改的材料，如果存在遗漏、误解或粗糙处理，也会把额外的核查和修正工作带到法务桌上。

工作增加的同时，交付预期也提高了。既然法律被视为 AI 的重要应用领域，业务自然会问：为什么合同还不能更快审完？管理层则可能要求业务继续增长，法务团队却少增人，甚至不增人。

外部律所未必能立即缓解这份压力。Fleisher 说，在他接触的总法律顾问中，不少人听到外部律师表示已经使用 AI，却尚未看到交付周期、计费工时或总费用出现相应变化。这是他的客户观察，不能据此推断所有律所，但它解释了企业法务的一种处境：内部要求提速，外部资源的成本与速度却没有同步改善。

主持人 Leonard 也转述了一位总法律顾问的感受：企业和律所讨论费用，背后还有公司高层要求法务重新分配资源的压力。对企业法务而言，AI 带来的变化已经进入预算、编制和工作量之间的关系，远远超出了「买一个工具」的范围。

因此，评估 AI 的价值时，只看一次合同审查快了多少分钟，容易漏掉全貌。还需要看新增请求、补充信息、返工和等待，究竟把节省出来的时间带去了哪里。

二、合同之外，还有一整套业务背景

访谈中最具体的例子，是销售人员通过 Slack 发来一份合同。商业律师接下来需要弄清楚：这笔交易有多重要？客户关系如何？过去与同一交易对手谈过什么？这次有哪些特殊安排？

这些答案散落在不同地方。交易的重要程度和销售备注可能在 Salesforce，沟通过程在即时消息里，历史合同和谈判记录又在其他系统中。律师开始改条款之前，往往先要完成一轮信息搜集。

按照 Fleisher 的介绍，Sandstone 尝试把这段过程连接起来：集中接收邮件、Slack、Jira 等渠道的请求，将任务分配给合适的人或团队，再提取相关业务信息，向销售补问背景，调取历史合同与谈判记录，最后辅助起草回复、审查协议或生成合同。

这里值得关注的是信息之间的关联。同一交易对手的历史让步、当前项目的商业重要性、团队过去的处理方式，都会影响眼前的判断。合同文本只是其中一部分。

Fleisher 把这称为法务的「上下文与知识层」。随着更多工作经过系统，团队希望把分散在文档、人员、企业和业务活动中的关系积累下来，让下一次处理问题时能及时找到相关背景。这是他介绍的产品思路，实际效果仍取决于接入的信息和团队使用情况。

他选择从企业法务切入，也与组织方式有关。按他的经验，大型律所要让众多合伙人统一使用一套工作流程很难；企业法务如果能围绕共同目标形成一致做法，就有机会改造整个部门的协作方式。他借鉴的是工程团队使用 Linear、Jira 的经验：让需求被记录、排序和分配，减少依赖私下发消息和人工转交。

由此看，法务采用 AI 时，一个基础问题是：完成这项工作究竟需要哪些信息，它们在哪里，系统能否找到正确版本？如果这些问题没有解决，接上一个更强的模型，也未必能产生贴合公司的答案。

三、团队经验怎样进入系统？

主持人提出了一个关键追问：律师头脑中的判断、直觉和经验，怎样才能被系统理解？

Fleisher 没有承诺接入历史资料就能立刻复制一位律师。他坦言，最初的输出往往还不像使用者自己的做法，中间会有差距。工具需要在实际工作中观察处理模式，并持续取得反馈。

他举的例子很日常：一项请求应交给谁，谁需要审批，应调用哪套工作指引，应该补充哪些信息。刚开始使用的几周，客户仍按原来的方式手动处理，工具则在 Teams、Slack、Word 或邮件等工作环境中逐步积累这些偏好。

这套机制还有一个值得注意的方向：把个人习惯放回团队中比较。Fleisher 提到，有人长期沿用某个条款，只因为过去一直这么写；有人看到知名交易对手，就默认对方议价能力更强，忽略了这笔交易对对方同样重要的背景。

当系统能呈现相关事实和同事处理类似事项的方式，律师就多了一次重新检查自己判断的机会。这里的「偏差」包括惯性、经验路径和未经核实的假设。

不过，发现差异并不等于证明谁对谁错。团队中更常见的做法，也不自动成为最佳答案。对这段访谈更稳妥的理解是：AI 有机会帮助组织显露原本分散的经验，让人进一步讨论哪些做法应该保留、哪些需要调整。观察决策模式，距离完整掌握法律判断，仍有明显距离。

四、提前看见瓶颈，比事后催办更有价值

传统的法务工作往往从「收到请求」开始：合同到了，才安排审查；问题出现了，才寻找负责的人。Fleisher 希望 AI 帮助团队更早看见即将到来的需求。

他用一个产品发布场景解释这种可能性：系统从业务信息中发现新产品即将上线，而唯一的产品法务已经满负荷。如果照现有安排继续推进，团队两周后就可能成为瓶颈。提前知道这一点，就能先准备基础材料，或调整人员与工作安排。

这是他用来说明主动管理价值的场景，并非经过独立验证的预测精度。它的启发在于，法务介入工作的时间可以前移。过去等需求送到桌面，现在尝试结合业务进度和团队负荷，及早判断哪里需要支持。

做到这一点，也要求律师接受部分信息搜集工作由 AI 协助完成。Fleisher 提到的做法包括整理会议内容、向业务同事补问问题，以及跨系统汇总背景。律师据此决定何时介入，无须亲自参加每一场对话。

这也解释了访谈中「智能体」的含义。在 Fleisher 看来，智能体可以是在不同系统间执行动作的 AI 工具，工作过程依然可以保留人工审核。例如，工具向事先知情的销售同事询问背景，再辅助修改合同，律师仍审阅并确认修改结果。

而让工具直接与交易对手来回谈判，涉及的风险和后果就不同了。他认为，这类工作需要更多人工批准环节。讨论智能体时，具体弄清它可以联系谁、执行什么动作、在哪一步等人批准，比笼统地谈「自动化程度」更有意义。

五、买到工具以后，工作才刚开始

Fleisher 对 AI 落地的描述相当务实。团队习惯了自己收请求、打开业务系统、研究交易对手、调模板、逐条比较。即使工具可以代办其中一部分，人也需要时间去改变熟悉的工作方式。

数据准备同样会影响使用体验。接入旧资料时，团队可能发现某个文件夹不该纳入，某份工作指引已经过时，某些条款也不再适用。如果这些内容直接进入系统，后续输出就会受到影响，使用者也容易因此失去信任。

Sandstone 因而与法律运营团队合作，并由具有律师或法律运营背景的人员参与实施，帮助客户整理数据、理解输入的影响，再通过培训和答疑调整使用方式。访谈提供的经验是，采购和实施之间有大量具体工作，单靠一次演示无法替代。

至于最终的法律判断，Fleisher 保留了清晰的边界：企业要判断一项业务收益，是否值得承担眼前的法律风险。AI 可以提供正反分析，但在高风险、高价值事项上，他仍认为应该由人作出最后决定。他也承认，一些低风险、低价值事项存在进一步自动化的空间，尤其当服务成本原本就妨碍问题得到处理时。

这些讨论放在一起，给法务负责人提供了一个实际的起点：先检查团队每天把多少时间花在找资料、补背景、分任务和等回复上，再判断哪些环节适合交给工具，哪些决定必须留给人。Fleisher 甚至认为，行业过早把注意力集中到复杂的合同修改上，而行政协调与工作分配中还有大量可以改善的空间。

AI 让生成一份材料变得容易，也让法务有机会更早获取信息、更快组织工作。最终能否从忙碌中腾出判断和思考的空间，取决于团队怎样把这些能力放进每天的工作里。

节目：AI and the Future of Law

本期：How AI Is Reshaping In-House Legal Teams with Nick Fleisher

嘉宾：Nick Fleisher；主持人：Jen Leonard、Bridget McCormack

整理依据：用户提供的中英逐字稿；本文为主题重组与解读，非逐字翻译。产品能力、客户反馈和未来判断均按访谈语境归因。

官方节目与文字稿 ｜ Spotify