AI助力律师业务发展报告——从工具应用到业务变革

AI助力律师业务发展报告——从工具应用到业务变革

系统阐述AI在律师业务中的赋能路径、操作方法、伦理边界与未来趋势

陈西  陈仁慈  |  2026年5月

目  录

前言：AI与法律服务的历史性交汇

一、AI如何改变法律服务的基本逻辑

1.1 从信息不对称到工具不对称

1.2 从"卖时间"到"卖判断"

1.3 大小律所的AI鸿沟与个人律师的弯道机会

二、AI在律师业务中的落地实践

2.1 诉讼业务全流程的AI嵌入

2.2 非诉讼业务的AI赋能

2.3 端到端案例：AI辅助办理一起合同纠纷案

三、律师驾驭AI的核心方法

3.1 提示词：法律人与AI的"专业语言"

3.2 反幻觉：从被动核验到主动防御

3.3 工具组合：构建个人AI工具体系

3.4 流程再造：拆解-嵌入-审核三步法

3.5 输出控制：律师永远是最终责任人

四、AI时代的职业伦理：新工具,老原则

4.1 四大伦理风险的再审视

4.2 构建全链条伦理防护体系

4.3 一个前瞻性问题：AI Agent带来新挑战

五、结语：律师的AI时代生存法则

前言：AI与法律服务的历史性交汇

1983年，龚祥瑞和李克强在《法律工作的计算机化》一文中写道："计算机技术已经运用于法律方面，而且不断地发展，显示了其客观必要性和现实可能性。"彼时，中国律师制度刚恢复不久，个人计算机尚未普及。四十余年后的今天，这一论断在AI时代获得了全新的内涵——AI不再只是"计算机化"的延续，而是一场深刻的范式变革。

进入2025-2026年，AI在法律服务领域的渗透已从"新鲜事物"变为"基本预期"。浚哲学院2025年对中国内地近百位法律从业者的调研揭示了几个关键数据：约80%的受访律师个人使用DeepSeek，74%将法律研究列为最普遍的AI应用场景，但仅有11%的律所使用了自主研发工具，23.4%的律所尚未展开任何AI部署。这一组数据勾勒出一幅矛盾而真实的图景——律师个体已经在主动拥抱AI,但组织层面的系统性转型才刚刚起步。

与此同时，全球AI大模型在2026年4-5月经历了空前密集的迭代。Anthropic发布Claude Opus 4.7及12款法律实践领域专用插件，OpenAI发布GPT-5.5，DeepSeek发布V4 Pro。AI Agent（智能代理）从概念走向规模化商业部署，法律科技行业随之震荡——当Anthropic宣布法律工具矩阵时，汤森路透股价单日暴跌逾15%，万亿市值蒸发。市场的剧烈反应折射出一个底层判断：AI模型提供商正在从"工具供应商"转变为法律工作流的"直接参与者"。

本报告不追求做一份面面俱到的"AI百科全书"，而是聚焦一个核心问题：在AI能力快速演进、市场格局持续变化的当下，律师应当如何理性地拥抱AI，将其转化为切实的业务竞争力？围绕这一问题，报告从市场逻辑、业务实践、方法论和职业伦理四个维度展开分析，力求逻辑严密、论据充分、操作性强。

一、AI如何改变法律服务的基本逻辑

在讨论"AI能做什么"之前，有必要先厘清一个更根本的问题：AI正在如何改变法律服务行业的基本运行逻辑？如果不理解这些底层变化，对AI的讨论就容易停留在工具层面，而忽视了它所带来的结构性机遇和风险。

1.1 从"信息不对称"到"工具不对称"

传统法律服务市场的核心壁垒是信息不对称——律师掌握法律知识、法条检索能力和文书撰写技能，客户因缺乏这些知识和能力而付费。AI正在从两个方向消解这一壁垒：其一，AI驱动的法律信息检索工具使任何人都能快速查找到相关法条和判例，法律的"可获得性"大幅提升；其二，AI文书生成工具的普及使得基础法律文书（如简单合同、律师函）的撰写成本趋近于零。

然而，这不是故事的终点。当信息壁垒被AI打破后，新的壁垒正在形成——工具的运用能力。同样使用DeepSeek，一位不会设计提示词的律师可能只得到泛泛的法律常识，而一位精通提示词工程的律师可以使之生成精准的法条引用、严密的论证结构和可落地的诉讼策略。换言之，法律服务的竞争焦点正在从"谁知道得更多"转向"谁更擅长与AI协作"。我们将这种转变称为"从信息不对称到工具不对称"。

图1：法律服务市场结构演变趋势。信息不对称程度持续下降，服务标准化程度快速上升，传统竞争壁垒（经验、人脉）正被技术能力壁垒取代。

1.2 从"卖时间"到"卖判断"

律师行业长期以"按小时计费"为核心商业模式。这一模式的底层假设是：法律服务的价值与律师投入的时间正相关。AI正在从根本上动摇这一假设——当法律检索从8小时压缩至1小时，当合同初稿从半天缩短至数分钟，以时间度量价值的方式不再成立。

但这并不意味着律师的价值被削弱，而是律师的收费逻辑需要重构——从"我花了多少时间"转向"我提供了什么判断"。AI擅长的是信息汇聚和初步分析，而律师的核心价值在于：在AI提供的多种可能性之间做出专业的、不可替代的判断——哪个法律论点最有力？哪个策略最符合客户的实际商业利益？哪个和解方案在成本收益上最优？这些是AI目前无法替代、且在可预见的未来也难以替代的能力。

图2：AI对法律任务效率与质量的双维影响。法律检索、文书起草等环节主要表现为效率提升（省时）；策略制定、合规管理等环节主要表现为质量提升（增值）。律师应重点关注AI能带来质量提升的领域，而非单纯追求效率。

一个值得警惕的趋势是：如果律师的价值主张仅限于"高效地完成基础工作"，那在AI时代是脆弱的。反之，如果律师的价值主张建立在"深刻理解客户需求、精准把握案件要害、独立做出专业判断"之上，AI就只是放大这些能力的工具，而非替代者。

1.3 大小律所的"AI鸿沟"与个人律师的弯道机会

在AI基础设施投入上，大型律所与小型律所/个人律师之间的差距正在急剧拉大。全球顶尖律所每年在AI上投入数百万至千万美元，而中国受访律所中仅8%投入了超过50万元人民币。大型律所拥有资源建设自有AI系统、设立专门的"法律工程师"岗位、开展系统化的内部AI培训——这些是小型律所和个人律师难以企及的。

图3：大型律所与小型律所/个人律师在AI能力各维度的差距。差距最大的领域是定制化部署能力（8.5倍）和知识管理系统建设（5.9倍）。

然而，AI也带来了一个独特的"弯道超车"机会。过去，大型律所的核心竞争优势之一是庞大的知识管理系统和资深律师团队——实现这些需要数十年的积累。而今天，个人律师通过巧妙组合免费的或低成本的AI工具（如DeepSeek基础版+豆包免费版+MetaLaw检索），可以在法律研究、文书起草等核心环节达到接近大型律所初级律师团队的产出水平。

这个判断不是空泛的鼓励，而是有数据支持：调研显示，约80%的受访律师个人已经在使用DeepSeek——这意味着AI的"个人采纳"已远超前于"组织采纳"。对于资源有限的个人律师和初创律所而言，关键策略不是与大所在AI基础设施投入上正面对抗，而是发挥"船小好掉头"的优势——快速学习、灵活组合、在具体业务场景中深度应用。个人律师完全可能在一个细分领域内，凭借对AI的精湛运用，实现与大所同等乃至更高的服务质量。

二、AI在律师业务中的落地实践

理解了AI正在改变法律服务的基本逻辑之后，本章深入到具体的业务场景，分别考察AI在诉讼和非诉讼领域中的实际应用路径。需要说明的是，本章聚焦于"怎么用"而非"用什么工具"——具体的工具选型已在配套报告《AI工具与模型深度对比报告》中详细展开，此处仅在必要时提及工具名称以供参考。

2.1 诉讼业务：AI嵌入全流程

（1）法律检索——从关键词匹配到语义理解

传统法律检索的痛点不在于律师不勤奋，而在于检索方法的局限——关键词匹配意味着如果律师不知道某个法条的"标准表述方式"，就可能搜不到它。AI的法律检索通过语义理解突破了这一限制：即使律师用日常语言描述法律问题，AI也能定位到相关的法条、判例和学理观点。

在实践中，有效的AI法律检索应遵循"三层递进"策略：第一层，用日常语言向AI描述案件事实和争议焦点，让AI快速给出初步的法条范围和类案方向——这一步解决"从零到一"的问题；第二层，将AI提供的法条和判例作为索引，回到权威数据库（中国裁判文书网、Alpha案例库等）核实原文，确认真实性和时效性——这一步解决"幻觉风险"；第三层，将核实后的真实判例重新输入AI，要求其进行深度的裁判倾向分析和法律论证——这一步实现"从信息到洞察"。

（2）文书生成——AI搭框架，律师做精修

诉讼文书的撰写是律师最高频、最核心的工作内容之一。AI在文书生成中的最佳定位不是"代笔人"而是"框架搭建者"——快速生成逻辑完整、格式规范的基础文本，律师在此基础上进行精准化、个性化的深化修改。

根据文书类型的差异，AI的使用策略应当有所不同。对于起诉状、答辩状等要素式文书——案件事实、请求事项、法律依据的结构相对固定——AI的自动化程度可以较高，律师主要审核事实准确性和法律逻辑。对于代理词、质证意见等论证型文书——需要深度的法律说理和个案策略嵌入——AI应作为"论证素材提供者"辅助律师构建逻辑框架，核心论点和策略取舍必须由律师主导。

（3）案件策略——AI作为"反对意见提供者"

AI在案件策略制定中有一个被低估的价值：扮演"反对者"的角色。律师在准备案件时，往往会不自觉地陷入"确认偏误"——倾向于寻找支持已有判断的证据，而忽视反面的裁判可能。AI可以没有"立场包袱"地提供反方观点、指出己方论证的薄弱环节、模拟对方可能提出的抗辩。

一个实用的做法是：在律师形成初步诉讼策略后，设定AI角色为"对方代理律师"，要求其逐条反驳己方的核心论点和证据链。这种"AI模拟对抗"可以在开庭前帮助律师发现论证盲区、完善攻防体系，其价值远超单纯"让AI帮我写策略"的单向使用方式。

（4）证据分析——长文本窗口带来的质变

2026年，100万token上下文窗口成为旗舰模型的标配——这意味着整本案卷材料（约70万-100万字）可以直接一次性输入AI进行分析。这对证据整理和案卷分析带来的变化是质的飞跃而非量的改善：过去需要律师分批次、分主题地阅读和分析的庞大证据体系，现在可以由AI在全局视角下一次性完成时间线梳理、证据链构建和矛盾点标注。律师的时间从"阅读和整理"中释放出来，可以更多地投入到"分析和判断"之中。

2.2 非诉讼业务：AI赋能的三个层次

（1）法律咨询——从"单兵作战"到"有AI智囊团随行"

法律咨询业务的痛点在于：律师必须在短时间内对客户提出的、可能横跨多个专业领域的问题给出初步判断。在高度专业化的趋势下，一个深耕劳动法的律师面对客户突然提出的知识产权问题，往往需要查阅大量资料才能给出可靠意见。AI在此场景的价值不是替代律师的专业判断，而是大幅缩短"查找资料→形成初步认识→关联自身知识储备"的学习曲线。

有效的做法是：面对跨领域的法律咨询，先用AI快速获取该领域的法条框架、常见争议类型和典型裁判观点（5-10分钟），再用自身的法律思维训练将这些信息整合到个案分析之中，最后向客户出具经过专业判断的法律意见。这一模式使个人律师和小型律所有能力承接更为复杂、跨领域的咨询业务，而不必担心在客户面前暴露知识盲区。

（2）合同审查——AI是最勤勉的"提醒清单"

合同审查是最早、也是最广泛使用AI的法律业务场景之一。AI在此领域的核心优势在于"不疲劳"——可以逐条比对关键条款、标注缺失项、检查定义一致性，这些正是人类律师在长时间审查后容易疏忽的环节。

但必须直面现实：截至2026年上半年，即使是最先进的AI模型，合同审查准确率仍低于50%（据2026年合同审核大赛数据，参测10个模型无一超过50%）。这意味着AI在当前阶段只能作为"提醒清单"——帮助律师发现可能的遗漏风险点——而不能作为"审查决策者"。最终的法律判断必须由执业律师作出。对于律师而言，最理性的合同审查策略是：用AI做第一轮全量扫描（发现潜在问题），律师本人做第二轮精准判断（核实问题并形成修改意见），再用第二个不同的AI工具做第三轮补充核查（防止遗漏）。（3）尽职调查与合规管理——的"主场"

尽职调查是AI优势最突出的法律业务场景。该业务的核心特征——海量文本的收集、分类和信息提取——恰好是当前AI最擅长的能力。传统的尽调方式需要初级律师逐份阅读工商档案、合同、诉讼记录，人工摘录关键信息——既低效又容易遗漏。AI可以一次性处理大量文件，自动识别关键信息、标注潜在风险、生成结构化的尽调摘要。

在合规管理领域，AI的应用存在两个不同的价值层面。浅层应用是"法规监控"——利用AI实时追踪法规更新并自动标注与企业业务相关的变化；深层应用是"合规体系设计"——利用AI的系统分析能力，协助企业设计和优化合规架构。前者已是2026年的成熟应用，后者尚处于早期探索阶段。

2.3 端到端案例：AI辅助办理一起买卖合同纠纷案

以下是AI辅助办理一件典型买卖合同纠纷案件的全流程示例，展示各环节的AI工具选择和使用方法：

图4：AI辅助诉讼案件端到端工作流示例。典型耗时从传统方式的30-40小时压缩至8-12小时（效率提升约70%），但每个AI输出节点均需律师审核。

需要特别强调，这一流程中律师的投入不是减少了，而是发生了结构性转移——从"收集和整理"转向"审核和判断"。如果说传统办案模式下律师60%的时间用于查找和整理信息、40%的时间用于分析和判断，那么在AI辅助模式下这一比例可能变为20%对80%。这是AI对律师工作最根本的改变——不是"少干活"，而是"把时间花在更有价值的地方"。

三、律师驾驭AI的核心方法

AI工具的质量固然重要，但决定AI输出价值的决定性变量是使用者的能力。同一个DeepSeek，在不同律师手中产出的内容质量可能天差地别。本章不重复"AI工具大全"式的罗列，而是聚焦律师需要系统培养的五项核心能力。

3.1 提示词：法律人与AI的"专业语言"

提示词（Prompt）是律师与AI之间的"专业语言"。如果将AI类比为一位极其博学但缺乏背景信息的助理律师，那么提示词就是这位助理的"办案指引"——指引的质量直接决定了助理产出的质量。

在法律场景中，一个好的提示词应当包含三个基本要素：背景（Context）——向AI清晰传递案件的法律语境、关键事实和核心法律问题；角色（Role）——设定AI应站的专业立场和分析视角；任务（Task）——将复杂问题拆解为AI可以逐个完成的、可验证的具体子任务。此外，还可以附加格式（Format）要求——如篇幅、引注规范、输出结构等，以提升AI输出的直接可用性。

图5：法律提示词结构解剖。以一起买卖合同纠纷为例，展示一个完整提示词的四层结构：背景→角色→任务→格式。

需要特别指出，四个优化技巧可以显著提升提示词的效能：①提供示例（Few-shot）——在提示词中附上一两份符合预期输出风格的示例，比任何抽象描述都更有效；②使用肯定性指令——与其说"不要遗漏法条"，不如说"请逐一列出所有适用的法条及其具体款项"，AI对肯定性指令的遵循度远高于否定性禁令；③分段迭代——将复杂任务拆分为数个对话轮次逐步推进，每轮输出经审核后作为下一轮的输入，避免AI在中途"走偏"后导致大量返工；④纳入客户画像——在脱敏前提下将客户的行业属性、风险偏好和商业目标嵌入提示词，使AI的输出更具针对性和可用性。

3.2 反幻觉：从被动核验到主动防御

AI"幻觉"——生成貌似合理但与事实不符的内容——是法律场景中最大的单点风险。不同模型的幻觉率差异显著：DeepSeek在法律场景的幻觉率约为2%-5%，ChatGPT-4o在中国法律场景可高达18%-25%。但即便是幻觉率最低的模型，也无法完全杜绝这一风险。

律师面对AI幻觉，不应满足于"事后核验"式的被动心态，而应建立主动防御的三层机制：

第一层——输入层防御。提供给AI的参考资料质量越高，AI产生幻觉的概率越低。尽量输入法律法规原文全文（而非仅提供法条号），同步提供权威的学理观点和实务指南，使用律师本人撰写的相似文书作为范本。这相当于给AI划定了一个"可信信息圈"，缩小了产生虚构内容的空间。

第二层——输出层防御。对AI输出的所有"硬信息"（法条名称和编号、判例案号、具体数据、人名地名）默认持有怀疑态度，逐一回到权威原始来源核查。一个重要的经验法则：AI输出中凡是"看似完美符合需求"的内容——特别是呈现为规律化编排的判例案号、精准得令人惊讶的数据——恰恰是最需要警惕的对象。AI的幻觉往往不是"显而易见的胡说八道"，而是"有模有样的虚构"。

第三层——交叉验证层防御。任何重要的法律结论或核心法条引用，至少使用两个基于不同底层模型的AI工具进行独立验证。如果两个模型的结论一致，仍须回到原始来源确认（因为两者可能存在相同的训练数据偏差）；如果两者结论不一致，则必须深入核查差异原因。

2025年12月审结、2026年3月被写入最高人民法院工作报告的全国首例"AI幻觉"侵权纠纷案（杭州互联网法院(2025)浙0192民初18143号）为律师使用AI确立了一条清晰的责任边界：法院最终驳回原告全部诉讼请求，核心理由是AI非法律主体、被告已尽提示义务、原告未受实际损害。但这一判决隐含的推论对律师而言是一记警钟——AI提供方不承担严格责任，意味着使用AI的律师必须自行承担因依赖AI错误输出而产生的执业风险。律师不能以"是AI说的"为由推卸勤勉尽责义务。

3.3 工具组合：构建个人AI工具体系

不存在一款能解决所有法律问题的"超级AI工具"。不同工具搭载不同的底层模型、配备不同的法律数据库、擅长不同的任务类型。理性策略不是寻找到那款"最好的"工具，而是建立一个与自身执业类型相匹配的三层工具体系：

基座工具（1个）：选择一款综合能力强、日常使用最频繁的通用AI作为主力工具。对于绝大多数中国律师，DeepSeek（基础免费、推理最强、幻觉最低）或豆包（中文最顺、免费、速度快）是这一层的最佳候选。基座工具承载日常的法律问答、文书草拟、思路梳理等高频基础任务。

专项工具（2-3个）：根据自身执业领域搭配法律垂直工具。诉讼律师建议搭配MetaLaw（类案检索效率最高）或AlphaGPT（法律数据库最全）；企业法务建议搭配通义法睿（批量合同审查）和文心一言（法规实时查询）。专项工具承载高精度要求的专业任务。

校验工具（1个）：选择一款采用不同底层模型的AI作为交叉验证工具。例如，如果基座是DeepSeek，校验层可以使用通义法睿或文心一言。该工具的核心功能不是日常使用，而是在重要任务完成后对关键结论进行独立验证。

3.4 流程再造：拆解-嵌入-审核三步法

将AI融入律师工作,不是简单地在现有流程中"插入一个AI环节"，而是需要重新思考工作流程本身。本章提出"拆解-嵌入-审核"三步法，作为律师系统化应用AI的方法框架。

第一步——拆解。将一项法律任务（如"准备一个诉讼案件"）拆分为若干个清晰可分的子环节：案情梳理→类案检索→法条研究→策略制定→文书撰写→质量审核→成果归档。拆解的关键准则是：每个子环节的输入和输出都应该是明确的、可核验的——如果一个子环节连"做完的标准是什么"都说不清楚，AI就很难在其中发挥作用。

第二步——嵌入。为每个子环节匹配最合适的AI工具和使用方式。选择的标准不是"哪个工具最强大"，而是"哪个工具在特定环节的输出最可靠、最节省后续修正成本"。对于AI辅助程度高的环节（如类案检索、文书初稿），AI可作为"第一轮生成者"；对于AI辅助程度低的环节（如策略制定、质量终审），AI应退后为"建议提供者"或"补充核查者"。

第三步——审核。在流程层面建立"人机双签"机制——每个AI输出节点都设有律师审核关，审核通过方可进入下一个环节。这不仅是质量控制手段，更是勤勉尽责义务的程序化保障。特别建议在关键节点（法条引用、判例引用、数据结论）进行"人工回源验证"——回到原始法律法规和裁判文书中核对——而非仅依赖AI工具的交叉验证。

3.5 输出控制：律师永远是最终责任人

AI输出的内容经历了"语言模型的概率计算→与提示词的语境匹配→格式化输出"这样一个纯粹技术化的过程。它没有任何法律意义上的认知、判断或负责能力。因此，律师对AI输出的后期优化不是"润色"——而是实质性的法律审查和职业判断。这要求律师对AI输出进行三个层次的逐级审核：

准确层——逐条核实AI引用的法条是否真实存在、条文内容是否与现行有效版本一致、引用的判例案号是否对应真实的裁判文书。这是最低要求，也是最容易出问题的环节。

相关层——删除或改写与客户具体情况相脱节的内容。AI的生成本质上是"统计平均"的结果，它给出的是"通常情况下的合理回答"，而法律服务恰恰要解决"个案中的特定问题"。未经相关性筛选的AI输出，如同未经裁剪的成衣——大致合身，但细节处必定不合体。

强化层——围绕AI输出的薄弱环节，有针对性地进行人工深化。律师的专业增量体现在"AI给出了A、B、C三种思路，而律师基于对案情的深入理解选择了B，并补充了AI未曾触及的D角度"。这才是AI时代律师不可替代的价值所在。

四、AI时代的职业伦理：新工具，老原则

AI为律师带来了前所未有的赋能手段，但也为传统的职业伦理框架注入了新的变量。面对AI，需要回答的核心伦理问题不是"是否应该使用AI"——技术本身是中性的——而是"在什么边界内、以什么方式使用AI，才不背离律师职业伦理的基本要求。"

有趣的是，AI并没有"创造"出全新的伦理义务类型。保密、真实、勤勉尽责、持续发展——这些是律师职业伦理中早已存在的基本原则。AI所做的，是让这些传统原则在新技术环境下有了新的、更复杂的适用场景。

4.1 四大伦理风险的再审视

图6：律师AI应用伦理风险矩阵。高风区（右上）包含三项最需要警惕的风险：输入客户信息至境外AI、未核实AI生成法条直接引用、完全依赖AI不加人工审查。

保密义务：输入即风险

保密义务是律师最严格的职业伦理底线。《律师法》第三十八条要求律师保守在执业活动中知悉的国家秘密、商业秘密和当事人隐私。在AI环境下，保密义务呈现出新的复杂性——"输入即风险"。律师将客户的案件信息输入AI工具的每一次操作，都构成一次潜在的信息暴露。即使AI服务商承诺数据安全，技术上也无法完全排除数据在传输、存储、用于模型训练等环节的泄露风险。

在工具选择的层面，这意味着：涉及客户敏感信息的案件，必须优先选择支持完全本地部署的工具（如DeepSeek V4 Pro自托管版）；境外AI工具（如ChatGPT）严禁输入任何含有当事人信息、案件策略或证据细节的内容；即使是国产合规工具，在输入前也应对客户身份信息进行脱敏处理——使用化名替换当事人姓名，以字母代号替换公司名称，以区间值替代具体金额。这些不是技术问题，而是伦理问题——保密义务的履行始于输入端的审慎。

真实义务：AI幻觉与律师的"信使责任"

真实义务要求律师在诉讼中不得积极实施歪曲真实的行为。在民事诉讼中，这一义务体现为"不得作虚假陈述"；在刑事诉讼中，则强调辩护律师"不得帮助犯罪嫌疑人、被告人隐匿、毁灭、伪造证据"。基于AI固有的幻觉问题，真实义务面临一个前所未有的追问：如果律师提交给法庭的材料中包含了AI虚构的法条或判例——即使律师本人主观上并不知情——这是否构成对真实义务的违反？

答案是明确且严峻的。从2023年北京通州法院发现的律师引用AI虚构判例事件，到2026年美国多起律师因提交AI生成的虚假判例而受法院制裁的案件，司法实践已经形成了清晰的立场：律师对提交给法庭的全部信息负有核实义务，以"AI说的"为由的抗辩不成立。这意味着律师不仅是AI输出的使用者，更是AI与法庭之间的"守门人"——传输给法庭的每一条信息都必须经过律师本人的实质性核实。

勤勉尽责义务：AI时代的标准正在提高

勤勉尽责义务（也称注意义务）是委托关系赖以存续的信任基础。在AI辅助场景下，勤勉尽责的标准不是降低了——"因为有了AI帮忙"——而是实质性地提高了。当AI能够在数分钟内完成过去数小时的工作时，对律师"勤勉"的期待自然会从"做了检索"转变为"做了充分且经过核实的检索"。

一个值得专门讨论的问题是：在AI Agent可以自主执行多步骤工作流的当下（如自动接收邮件→识别合同请求→调取范本→逐条审查→生成修订版→发送回复），律师的介入时点后移到了流程末端。如果律师仅在流程结束后进行一次性审查，而非常态化监控Agent的执行过程，可能因监管缺失而构成对勤勉尽责义务的违反。这意味着，AI越强大，律师的过程管理能力就越重要。

职业发展义务：两种同样危险的偏差

职业发展义务面临的风险表现为两种方向相反的偏差。一种是"技术保守主义"——固守传统工作方式，拒绝学习AI技能。在AI已显著改变法律服务标准和客户期望的今天，"不会使用AI"本身正在成为专业能力的短板，构成对职业发展义务的消极违反。另一种是"技术依赖主义"——将AI的输出视为"标准答案"而不加思考地采纳，放弃作为律师的独立判断，这种"技术异化"使人从工具的使用者沦为工具的附庸，同样背离了职业发展义务的核心要求。

健康的路径在这两个极端之间：保持学习新技术的开放心态，同时始终维持对自身专业判断的自信和独立。AI是强有力的思考伙伴，但思考的责任——以及思考的最终所有权——始终属于律师。

4.2 构建全链条伦理防护体系

预防AI带来的职业伦理风险，不能依赖碎片化的"注意事项"，而需要建立覆盖AI使用全流程的系统性防护体系：

输入端——严守保密红线。选择安全等级高的国产合规工具，涉及敏感信息优先本地部署；建立个人信息分类标准，核心敏感信息（身份、商业秘密、未公开案情）在输入前坚决排除或脱敏；仔细阅读AI工具的用户协议和数据政策，这不应被视为"走形式"，而是律师履行注意义务的实质环节。

使用中——坚持交叉验证。对AI输出的所有"硬信息"进行多源核实；建立"凡AI输出，必先质疑"的职业习惯——尤其警惕那些"看起来完美符合需求"的内容，因为AI的幻觉往往包装在高度贴合用户预期的外衣之下。

完成后——保留完整记录。建立独立的AI使用工作日志，记录每次使用的时间节点、输入的提示词和获得的原始输出；通过规范的文件命名实现版本管理（如"20251101初稿_AI生成"、"20251120修改稿_人工修订"、"20251201终稿"）。这些记录不仅便于律师复盘工作流程，更是在面临执业争议时证明已履行勤勉尽责义务的关键证据。建议保存期限至少为案件结束后三年。

持续中——主动建设AI能力。系统培养提示词设计、事实核查和成果转化三项核心AI技能；建立清晰的人机协同定位——AI是"协驾"（co-pilot），律师是"机长"，最终决策权和责任始终在律师。

图7：AI时代律师能力结构的此消彼长。法条记忆、文书格式手工排版等传统能力正在弱化；AI提示词设计、事实核查跨源验证、人机协同工作流设计等新能力正在崛起。

4.3 一个前瞻性问题：AI Agent带来的伦理新挑战

AI Agent的出现——即AI能够自主规划任务步骤、调用外部工具、执行多步工作流——为律师职业伦理框架带来了一个尚未有明确答案的前沿问题。

当AI Agent在律师设定的规则框架内"自主"完成审查、分析和起草工作时，律师的伦理责任边界在哪里？如果AI Agent在执行过程中犯了一个错误（例如，在合同审查中遗漏了一个关键风险条款），而律师在终审时也未能发现——这个责任的归属是清晰的（属于律师），但责任的性质可能需要重新讨论：它是"律师自己疏忽"的过失，还是"律师对工具监督不力"的另一种类型的过失？

目前，法律行业尚缺乏专门针对AI Agent使用的执业规范和伦理指引。2026年5月，中国推出了全球首个智能体AI综合监管框架，将AI智能体按风险分级管理，并强制要求AI系统主动披露其身份。这是良好的开端，但距离形成完善的律师AI伦理规范体系仍有相当距离。律师应主动关注这一领域的制度建设进程，在规则空白期以最审慎的标准约束自身对AI Agent的使用。一个可行的过渡方案是：将AI Agent的输出视同"初级律师的工作成果"，对其执行同等的监督和审核强度——这一标准在现行职业伦理框架内是合理且可操作的。

五、结语：律师的AI时代生存法则

回到龚祥瑞和李克强1983年的那篇文章。两位作者在四十余年前就指出，计算机技术运用于法律"显示了其客观必要性和现实可能性"。这一判断的核心洞见不在于技术预测——当年的计算机与今日的AI已不可同日而语——而在于方法论：法律人应当主动关注技术发展，并理性评估其对法律工作的影响。这一方法论在AI时代依然适用，且更为紧迫。

AI对律师行业的影响可以概括为三句话：AI改变工具，工具改变方法，方法改变格局——但AI不改变法治的基本原则和律师职业的核心价值。

面对这个判断，律师可以采取以下五个具体行动：

第一，立即开始使用，但保持审慎。不必等待"完美的AI工具"出现——那样的工具不存在，也不会存在。从今天开始，选择一款合规的国产AI工具，从低风险的日常任务（如法律常识查询、文书格式整理）入手，逐步扩大使用范围。切忌将敏感案件信息输入AI，也切忌将AI输出不经验证直接用于法律服务。

第二，投资学习提示词设计和事实核查两项核心技能。这两项技能的组合，如同律师职业的"阅读能力"和"写作能力"——是AI时代的职业基本功。提示词设计决定了你从AI那里获取多少价值，事实核查能力决定了你能否安全地使用这些价值。

第三，根据自身执业领域建立个人AI工具体系，而非频繁追逐新工具。工具的更迭是无止境的，但一个经过深思熟虑的三层工具体系（基座+专项+校验）可以在较长时间内保持稳定有效。与其每月尝试一个新工具，不如深入掌握三到四个核心工具。

第四,建立AI使用的工作记录习惯——从第一次使用就开始。当执业争议发生时，完整的工作记录是证明勤勉尽责的最有力的证据。而在缺乏记录的情况下，律师很难证明自己"已经对AI输出进行了实质性审核"。

第五，也是最重要的——永远不要放弃独立判断。AI可以提供信息、分析、建议和初稿，但它不能替代律师的思考。最终的决定永远是律师的决定，最终的责任永远是律师的责任。在AI时代，律师的核心竞争力恰恰在于那些AI无法替代的部分：对客户需求的深层理解、对案件全局的通盘把握、在法律灰色地带做出有说服力的判断、以及在技术与人文之间找到恰当的平衡。

正如81%的受访律师所认同的：AI将增强而非取代律师。这个判断是可以主动实现的——前提是律师主动选择成为AI的驾驭者，而非被动的使用者。学习AI、应用AI、超越AI——在这个过程中，律师专业判断、伦理责任和人文关怀的核心价值不仅不会被技术消解，反而会在技术的映衬下愈发彰显其不可替代的意义。

图8：AI对律所商业模式的冲击程度。小时费率定价模式、知识管理模式和初级律师培养路径是受冲击最大的三个领域。这要求律所管理者和律师个人都需积极思考适应策略。

参考来源

1. 龚祥瑞、李克强，《法律工作的计算机化》，《法学杂志》1983年第3期。

2. 浚哲学院（Thornhill Academy），《中英法律行业AI应用比较调研报告》，2025年。

3. 国务院，《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11号）。

4. 杭州互联网法院，（2025）浙0192民初18143号民事判决书。

5. 最高人民法院，《2026年最高人民法院工作报告》，2026年3月。

6. Anthropic, "Claude for Legal: 12 Practice-Area Plugins", May 2026.

7. Anthropic, "Claude Opus 4.7 Technical Report", April 2026.

8. OpenAI, "GPT-5.5 System Card", April 2026.

9. DeepSeek, "DeepSeek V4 Pro Technical Report", April 2026.

10. LawNext, "Anthropic Goes All-In on Legal, Releasing More Than 20 Connectors and 12 Practice-Area Plugins", May 2026.

11. TechOrange, "Anthropic大舉進軍法律AI：Claude推12款專用工具，讓律師工作流成為AI Agent新戰場", May 2026.

12. 《中华人民共和国律师法》，2017年修订。

13. 中华全国律师协会，《律师执业行为规范（试行）》。

14. 《中华人民共和国数据安全法》，2021年。

15. 《中华人民共和国个人信息保护法》，2021年。

16. 2026年合同审核大赛测评数据，2026年。

17. 智通财经，"引爆万亿抛售后，Anthropic再祭法律利器"，2026年5月。