企业为什么不能把法律AI交给大模型

一、法律行业与其他行业最大的区别：责任

过去两年，生成式AI最常见的宣传语是：更快、更便宜、更高效。

这些特点在很多行业都成立。

但法律行业有所不同。

律师提供的从来不仅仅是一份文本、一份报告或者一个答案。

律师提供的，本质上是判断、责任与信任。

一份法律意见书出错，可能导致交易失败。

一份尽职调查遗漏，可能导致数千万甚至上亿美元损失。

一次国际仲裁策略判断失误，可能决定一个项目的生死。

因此，对于律师而言，AI首先不是效率工具。

而是风险工具。

任何效率提升，都必须建立在责任可控的前提之上。

如果无法控制风险，再高的效率都没有意义。

这也是为什么同样是使用AI，法律行业与市场营销、文案写作、软件开发等行业的逻辑完全不同。

企业购买法律服务时，最终购买的不是文字。

而是律师对这些文字承担责任的能力。

二、企业真正担心的是什么

过去一年，我与不少企业法务、项目负责人和投资决策层交流过。

一个很有意思的现象是：

企业其实并不担心律师使用AI。

他们真正担心的是另外几个问题。

我的项目资料会不会泄露？
我的并购底稿会不会进入模型训练？
我的仲裁材料会不会被第三方接触？
我的商业秘密会不会失去控制？

这些担忧完全合理。

对于一家大型企业而言：

项目文件；
并购资料；
投标文件；
仲裁证据；
融资材料；
特许经营协议；
股东协议；
商业计划书；

往往比律师费本身更有价值。

如果这些资料失去控制，后果远比一份法律意见书出错严重得多。

因此，在企业眼里，法律AI首先是一个数据安全问题。

其次才是效率问题。

很多企业法务其实已经接受了律师使用AI。

但他们无法接受：

不知道律师使用了什么AI；
不知道数据去了哪里；
不知道资料是否进入模型训练；
不知道最终结论如何形成。

换句话说。

企业需要的不是AI本身。

而是可信赖的AI治理体系。

三、AI幻觉为什么是律师最大的风险

除了数据安全之外。

法律AI还面临另一个天然风险：幻觉（Hallucination）。

大模型最大的特点之一，是它会以极高的自信输出错误答案。

对于普通用户而言。

这可能只是一个小问题。

但对于律师而言。

这可能是灾难。

过去几年，全球已经出现多起律师直接引用AI虚构判例、虚构法条而受到法院处罚的案例。

这些事件不断提醒法律行业：AI会犯错。

而且它犯错的时候通常非常自信。

更值得关注的是。

AI正在逐步进入司法程序本身。

最近一年，美国法院已经开始关注AI使用过程中的透明度问题。

部分案件中，法院已经要求披露专家证人在形成意见过程中使用AI的方式和相关提示指令。

这意味着：

AI不仅影响结果。

AI本身也可能成为审查对象。

对于争议解决律师而言。

未来不仅要解释结论。

还要解释结论是如何形成的。

这对律师行业提出了全新的要求。

四、法律AI必须守住的四条底线

过去一年，在持续实践过程中，我逐渐形成了一个观点：

法律AI真正重要的，不是模型能力。

而是边界管理。

无论技术如何发展，有四条底线始终不能突破。

第一，可溯源

任何事实判断都必须能够回到原始材料。

引用的结论必须能够找到出处。

页码在哪里。

条款在哪里。

证据在哪里。

必须能够追溯。

如果无法溯源，那么这个结论就不应该被采用。

第二，可验证

任何法律分析都必须能够被独立验证。

换句话说。

如果换一个具有同等专业能力的律师重新审查。

应该能够得到相同或者高度接近的结论。

AI输出不是最终结论。

律师验证之后的结果才是最终结论。

第三，杜绝幻觉

在法律场景下。

任何无法核实的信息都应视为不存在。

宁可遗漏。

不能虚构。

宁可降低效率。

不能降低真实性。

这条原则看似保守。

实际上是法律服务最重要的底线之一。

第四，客户数据不得进入模型训练

这是我认为最重要的一条。

未经客户授权：

项目资料；

交易文件；

仲裁材料；

法律意见；

尽职调查文件；

都不应进入第三方模型训练体系。

客户的数据属于客户。

这一原则不应因为技术发展而发生变化。

五、律师如何训练AI

很多人听到这里会问：

如果客户资料不能用于训练AI，那么律师如何建立自己的AI能力？

这是过去一年我思考最多的问题之一。

因为律师行业与其他行业不同。

程序员可以通过代码训练AI。

设计师可以通过设计稿训练AI。

营销人员可以通过营销内容训练AI。

但律师不能拿真实客户项目进行实验。

不能拿仲裁案件进行试错。

不能拿法律意见书进行公开训练。

风险太高。

责任太重。

那么问题来了：

律师应该在哪里训练AI？

我的答案是：

专业内容创作。

过去一年，我越来越意识到：

公众号可能是律师最好的AI训练场。

原因很简单。

它同时具备四个特点：

高频。

低风险。

完整闭环。

长期持续。

从选题到检索。

从资料整理到结构设计。

从观点形成到文字表达。

一篇公众号文章几乎覆盖了法律工作流中的大部分核心能力。

更重要的是。

它不会触碰客户数据。

不会影响客户利益。

不会产生执业风险。

对于律师而言。

这是一个极其珍贵的训练环境。

六、未来竞争的不是模型能力，而是治理能力

过去两年，很多讨论集中在：

ChatGPT好还是Claude好？

Gemini好还是其他模型好？

我认为这些讨论的重要性正在下降。

因为模型之间的差距正在不断缩小。

真正拉开差距的，将越来越不是模型。

而是治理能力。

谁能够建立稳定的工作流。

谁能够建立可靠的质量控制体系。

谁能够建立严格的数据安全机制。

谁能够建立清晰的责任边界。

谁就更有可能获得企业客户的信任。

法律行业从来不是技术领先者获胜。

而是值得信赖者获胜。

未来也是如此。

结语

如果说第一代法律AI竞争的是模型能力。

那么下一阶段竞争的核心，将是治理能力。

企业客户最终采购的，不是某个大模型。

也不是某个神奇的Prompt。

企业采购的，是一套能够在效率、质量、责任和安全之间实现平衡的法律生产系统。

而这，恰恰是法律AI真正的门槛所在。