AI 如何融入这个职业
律师
角色概述
律师提供法律咨询，起草和审阅文件，在争议中代表客户，并为其应对监管框架。实践中，这一角色的业务范围跨度很大：中型律所的诉讼律师、金融科技初创公司的法务顾问，以及负责并购交易的交易律师，他们的日常工作截然不同。共同的主线是在不确定性中做出判断——解读模糊的法律条文，评估风险，并为面临实际后果的客户提供建议。
法律行业历来对自动化有较强的抵触，部分原因在于法律工作语言密集且高度依赖语境，另一部分原因则在于该行业自我监管的方式造成了结构性的惯性。这种抵触如今正在瓦解。基于法律语料库训练的大型语言模型、合同智能平台和诉讼分析工具的结合，已使人工智能从新奇事物演变为对计时收费模式的威胁，而对于有远见的从业者而言，则成为一种竞争优势。
本角色最主流的解读是，在私人执业或企业内部工作的商业律师，处理合同、合规、争议和交易事务。这也是此处的主要视角。
AI 如何重塑这一职业
这场变革并不均衡。它在不同业务领域的推进速度各不相同，并且压力同时来自两个方向：客户要求更低成本和更快交付，同时 AI 工具现已能够完成以往需要初级律师投入数小时的工作。
合同工作首当其冲。 Harvey、Ironclad 和 Spellbook 等工具可以在几分钟内起草、审阅修订保密协议、主服务协议和雇佣合同并生成摘要。过去需要执业律师投入两小时的工作任务，现在变成了十分钟的审阅工作。律师事务所目前尚未将所有节省的成本让利给客户，但压力正在累积——尤其是来自那些经验丰富的企业法务团队，他们自身也在部署相同的工具，并开始质疑：既然内部就能完成这些工作，为什么还要按照律师费率付费？
法律检索已经被重构。 Westlaw Precision 和 Lexis+ AI 如今能够比任何执业律师更快地调取相关判例、综合裁决要点并标记相互冲突的法律依据。法律检索备忘录——初级律师的核心工作内容——正从一项需要耗时整天的任务压缩为一套验证流程。律师的工作重心从自行查找法律依据，转变为对 AI 的检索结果进行压力测试。
诉讼支持正在文档审阅层面实现自动化。 运用预测编码和 AI 辅助审阅的电子证据开示平台多年来已成为标配，但当前这一代工具走得更远：它们现在可以起草质询提纲、识别不同证人陈述之间的矛盾之处，并根据过往的法庭文件生成动议初稿。
合规与监管监控正从定期的人工审阅转向持续的自动化监控。对于从事金融服务、医疗保健或数据隐私领域的律师而言，这意味着由 AI 负责监控层面的事务，而律师则在出现警示信号时将精力集中于制定应对策略。
AI 可自动化的任务
- 标准合同的初稿生成（保密协议、服务协议、雇佣合同、许可协议）
- 基于既定审查手册的合同审查——标记偏差、缺失条款及非标准用语
- 法律研究整合：提取相关判例、法规及二次文献，并总结判决要旨
- 并购交易中的尽职调查文件审查——提取关键条款、标记风险、填写资料室摘要
- 电子证据开示中的文件审查与特权记录
- 跨司法管辖区的监管变化监测与预警
- 起草日常往来函件、律师函及停止侵权通知
- 总结庭外证言笔录并识别关键自认
- 生成计费叙事和时间条目的描述
- 法院提交截止日期的跟踪与案卷管理
价值日益提升的技能
法律判断与风险校准。 当 AI 承担起研究与文书起草工作，律师的价值便集中于决策环节：在此情景下，基于这些事实，这对客户究竟意味着什么？这需要的是源于经验而并非训练数据的模式识别能力。
客户咨询与关系管理。 客户不再为文件制作付费——他们支付的是懂其业务、能预判问题并在压力下给出清晰答案的人。随着事务性工作走向商品化，情商与商业意识变得更为关键。
提示工程与 AI 输出校验。 能够精准引导 AI 工具、捕捉幻觉并判断输出何时在法律上不可靠的律师，其生产力远超不具此能力的同行。这并非技术技能，而是应用于新媒介的法律技能。
谈判与辩护。 这些仍是深度人性化的能力。读懂对手、设计创造性交易架构、说服法官或陪审团，是当前 AI 系统无法复制的。
监管策略与政策解读。 随着监管日趋复杂、管辖区不断叠加（尤其在数据隐私、AI 治理与 ESG 领域），能将模糊的监管信号转化为可执行商业策略的律师，正被大量需要。
跨学科素养。 不只懂得法律教义，更能理解客户问题背后业务、技术或财务情境的律师，更难被替代，也更难被商品化。
重要性降低的技能
- 手动判例检索与引证验证（Shepardizing）
- 依据模板机械起草合同
- 大规模诉讼中的文件审阅与特权日志记录
- 法律文档的格式整理与校对
- 跨司法管辖区人工追踪监管更新
- 生成诉状、动议及协议中的标准化模板章节
- 标准并购交易中耗时的尽职调查信息提取
这些任务并未完全消失——律师仍需理解它们以监督 AI 的输出——但它们已不再能支撑大量计费时长，也无法构成律师的核心竞争力。
当前法律行业中的AI应用情况
AI 的应用虽然不均衡，但在加速推进。大型律师事务所（如 Am Law 100 榜单上的律所）部署 AI 工具主要用于电子取证、合同审查和增强型法律研究，通常是通过与汤森路透（Thomson Reuters）、律商联讯（LexisNexis）或专业法律 AI 供应商签订企业级合作协议来实现。其驱动力在于防守：随着客户对大量依赖初级律师的计费模式提出异议，律所需要保持利润率。
科技公司和金融机构的内部法务团队在很多方面领先于外部律所。他们正利用 AI 处理量大、复杂度低的工作 —— 例如供应商合同、雇佣协议、常规合规查询 —— 从而减少了外部律师费用的支出。这是一种结构性转变，而非临时的成本削减措施。
中型律所和精品所在竞争中处于更危险的位置。它们缺乏大型律所的基础设施投资能力，却面临同样的客户压力。那些较早采用 AI 工具的律所发现，自己能在周转时间和成本上以小博大。仍在观望的律所，其业务正被内部法务团队以及能够规模化提供 AI 辅助高效服务的大型律所蚕食。
独立执业律师和小型律所正在非正式地采用消费级工具（如 ChatGPT、Claude、Copilot），但往往缺乏关于保密性、准确性核验或职业责任合规的正式政策 —— 这本身就埋下了风险隐患。
未来工作流程的演变
2027 年的法律工作流程在结构上将明显有别于 2022 年。以初级律师大量堆砌工时的金字塔模式——即初级律师通过计时收费完成研究和文件审阅，以此支撑合伙人杠杆利润的模式——正面临直接冲击。届时若律所仍未完成人员结构重塑，将遭遇难以逆转的利润空间压缩。
更可能出现的未来是一种双轨模式：少数高技能律师由处理批量工作的 AI 工具提供支撑，而另一个独立的法律运营专业岗位（非律师）则负责管理 AI 工作流、供应商关系及流程合规。在大中型法务部门中，“法律工程师”这一介于法律与技术之间的跨界角色，将成为一个标配职能。
对律师个体而言，工作流程的转变意味着更多时间将花在监督、策略制定与客户沟通上，而在具体产出上投入的时间则会减少。这听起来很有吸引力，但它要求律师在专业能力积累方式上做出真正转变。若初级律师跳过了研究和文书起草的打磨过程，晋升到高级职位时，就可能缺乏当初正是通过这些任务才能建立起来的基础模式识别能力。这是法律行业尚未充分正视的一个真实的人才培养风险。
计费模式也将继续从按小时收费转向固定收费和基于价值的收费模式，尤其是在交易类业务中。AI 使得某些任务在使用恰当工具后几分钟就能完成，计时收费也因此更难站得住脚。
常见AI应用场景
-
合同生命周期管理： 诸如 Ironclad、Icertis 和 ContractPodAi 等平台可自动化合同创建、谈判工作流程、审批流转及义务跟踪。内部法律团队利用这些工具减少在常规协议上对外部顾问的依赖。
-
法律研究增强： Westlaw Precision 和 Lexis+ AI 可生成研究备忘录、展示类似案例并识别巡回法院分歧。基于 GPT-4 构建的 Harvey 正在安理国际（Allen & Overy）与 A&O Shearman 等律师事务所试点，用于研究和起草任务。
-
尽职调查自动化： Kira Systems 和 Luminance 可从并购交易的大量文档集合中提取并归类关键条款，将标准交易的文件审查时间从数周缩短至数天。
-
电子取证与诉讼支持： Relativity、Everlaw 和 Reveal 利用 AI 辅助审查对文件进行优先级排序、识别关键保管人，并大规模标记特权问题。
-
合规监控： Compliance.ai 和 Ascent RegTech 等工具跨司法管辖区监控监管发布，并在变动与业务相关时向法律团队发出警报。
-
起草辅助： 集成为 Microsoft Word 插件的 Spellbook 以及 Harvey，在合同谈判期间提供内联起草建议、替代条款及修订版生成。
推荐的 AI 技术栈
合适的技术栈取决于您的业务领域与律所规模，但在2025年，一位配备得当的商业律师通常会组合使用以下一种或多种工具：
- Harvey 或 Spellbook —— 用于文件起草、研究综合与合同审阅
- Westlaw Precision 或 Lexis+ AI —— 用于判例法研究，提供 AI 生成的判例摘要并集成引文校验工具
- Ironclad 或 ContractPodAi —— 若担任内部法律顾问或处理大量合同时，用于合同生命周期管理
- Kira Systems 或 Luminance —— 在交易类业务中提供尽职调查信息提取
- Relativity 或 Everlaw —— 用于诉讼业务密集的律所中的电子取证
- Microsoft Copilot for M365 —— 在现有工作流程中辅助文件起草、电子邮件管理及会议纪要生成
- Compliance.ai —— 用于受监管行业的法规动态监测
关键提醒：本技术栈中的所有工具均不能取代法律审查。每一份产出都离不开一位深谙基础法律、足以识别错漏的律师。技术栈能放大一位称职律师的能力，但绝非取而代之。
风险与挑战
幻觉与法律准确性。 大语言模型会自信地编造判例引用。Mata 诉 Avianca 案——律师提交了 AI 生成的、引用了虚构判例的诉状——如今已是法学院课堂上引以为戒的案例。核查工作流程并非可选项；它是一项职业责任要求。
保密与数据安全。 将客户信息输入第三方 AI 工具会引发严重的保密特权与隐私顾虑。多数企业级法律 AI 工具提供私有化部署或数据隔离，但许多律师正在使用的消费者级工具并不具备这些保护措施。律师协会已着手发布指引，但规则制定仍未跟上实践发展的步伐。
职业责任与非法执业。 当 AI 起草文件时，谁来为文件的准确性负责？根据现行规则，是监督律师。但随着 AI 工具自主性增强，责任框架将需要随之演进。不理解其 AI 工具内部运作方式的律师，无法对其进行充分监督。
初级律师培养通道。 如果 AI 接手了过去用于培养初级律师的工作，法律行业将面临下一代资深从业者的技能断层。律所已开始着手应对这一难题，但业界尚未形成共识性解决方案。
客户期望与收费压力。 客户一旦知晓 AI 能在数分钟内起草一份合同，将越来越不愿为此类工作支付律师费率。不主动重构收费模式的律所，将被市场倒逼重塑。
监管与伦理不确定性。 法律执业领域的 AI 治理规则仍在书写之中。在数据本地化要求严苛的司法管辖区（欧盟、部分亚太市场）执业的律师，在部署基于云的 AI 工具时将面临额外的复杂性。
未来展望（3～5 年）
到2028年，法律行业将完成一次结构性洗牌。将AI融入工作流程的律所和从业者，将拥有更低的成本基础、更快的交付周期，以及每位律师处理更复杂工作的能力。未能做到这一点的，则只能在商品化业务上拼价格——而面对技术赋能的竞争对手，这场赛跑他们毫无胜算。
最易受持续自动化影响的执业领域，是大量交易性业务（标准商业合同、住宅房地产、常规劳动事务），以及文件密集型的诉讼支持。最不易受波及的领域，则是那些需要深度判断、涉及新颖法律问题、高利害关系辩护，以及依靠多年积累的客户信任关系来承载的业务。
相对于外部律师支出，公司法务的职能将持续扩张。能有效运用AI的总法律顾问，将在内部消化更多工作的同时削减外部法律预算，进而加速法律人才从私人执业向企业法务部门流动。
新的法律角色将不断涌现：法律运营经理、AI合规官、法律技术专家，以及设计并维护AI辅助工作流程的法律工程师。这些岗位并不要求取得律师执业资格，但需要法律知识与运营及技术熟练度的深度结合。
按小时计费不会消失，但五年内将退居为少数仅面向成熟客户的计费模式。固定收费、订阅制以及基于结果的收费安排，将成为除真正不可预测的诉讼之外一切业务的主流。
最终洞见
未来十年能蓬勃发展的律师，不是那些抗拒 AI 的人，也不是不加批判地将事务全盘委托给 AI 的人。他们深刻理解 AI 能做什么、不能做什么，并善用它作为效能放大器——同时持续磨炼任何模型都无法复制的判断力、人际关系与战略思维。
法律实践的核心始终是信任：客户信任律师能够理解自身处境、维护自身利益，并在利害攸关之际给予坦诚忠告。AI 可以加速围绕这份信任而展开的各项工作，但它无法取代信任本身。
这个职业不会萎缩——它正在重塑。那些及早认清这一点、据此调整自身技能、并围绕“人类比机器更擅长之事”来构建业务的律师，将会发现未来十年生产力更高，而非更低。
