生成式人工智能（AI）在法律服务领域已不再是新鲜事物。相反，它正逐渐成为渗透到该行业各个角落的基础设施。截至2026年初，74%的律师、税务顾问和其他专业人士表示，他们每周会使用AI数次。[1]在企业法务部门，生成式AI的使用率在十二个月内翻了一番多，达到52%。[2]尽管如此，客户方面的需求仍超过了大多数律所提供的AI服务。 近80%的企业客户表示，在选择顾问时，由AI赋能的服务质量“非常重要或必不可少”，而仅有6%的客户认为自己确实获得了这种服务。[3]32%感到失望的客户已因AI应用问题而重新考虑或计划重新考虑与律所的合作关系，其中三分之一的客户估计，每年价值超过100万美元的业务正面临风险。[4]随着人工智能应用的日益普及，那些将人工智能与治理机制、透明度及可量化成果相结合的法律服务提供商，正领先于仅购买人工智能技术却缺乏更广泛整合计划的同行。福里律师事务所（Foley）继续将自身定位于这场技术革命的最前沿。
要评估一家律所将其人工智能应用于工作成果的成功程度，必须考察以下几点：1）该流程是否被设计为可重复的流程；2）所涉及的人工智能是否被授权采取行动，以及由谁授权；3）该方法能否经受住持怀疑态度的对手对证据和验证的要求；4）是否有人对结果负责。 设计、授权、证明和问责构成了福里律师事务所（Foley）方法论的基础，而乐观态度和开阔的思维方式则使福里能够将人工智能的专业能力转化为客户价值。
关键要点
- 设计：工作流优于工具清单。无论面临何种任务，通常最好询问具体的法律工作流程，而不是陷入对具体技术的纠缠。相反，应询问从头到尾的具体法律工作流程，包括输入内容、基础文件和材料，以及必须由人工介入的环节。
- 授权：对于代理工作，您应明确指定负责人。虽然AI可以执行具体步骤，但必须有人能够说明是哪位律师授权了该任务、审核了输出结果，并对此负责。在允许代理在您无法完全控制的系统上采取行动之前，您应明确界定权限。
- 论证：在电子证据披露（eDiscovery）等领域应用人工智能，不仅要追求效率，更必须具备可辩护性。人工智能辅助审查本质上具有概率性，因此必须配合相应的验证措施，包括抽样方案、上报流程以及记录律师决策的审计轨迹，以确认人工智能的判定是否正确。对于交易、监管及其他业务领域，律师事务所也必须建立同样的验证方案。
- 问责制：你应该先核实AI生成的结果，然后信任你的团队。要询问团队根据原始权威来源对哪些AI生成的结果进行了核实，团队是如何整理源材料的，以及团队决定不将哪些内容交由AI处理的。知道何时应将AI排除在流程之外，是一种至关重要的判断力。
设计：将人工智能系统转化为可重复的工作流
大多数律师事务所都能使用基本相同的AI工具。各事务所之间的区别在于，律师能否向客户详细说明如何完成某项具体法律任务，并在处理下一项事务时复现该结果。一个有据可依的工作流程还会记录提供给AI的源材料、AI生成的输出结果、律师所做的修订，以及支持最终工作成果的法律依据。事务所的广泛采用可以为深入研究具体的法律流程和工作流程提供关键的跳板。
福里律师事务所的律师已将人工智能整合到现有的工作流程中。例如，交易团队在交易的整个生命周期中都运用人工智能，以便尽职调查结果能尽早出炉，从而影响谈判方向；同时，他们还可以将起草的条款与备案数据库进行对比，而非仅依赖某位律师对市场条款的记忆。 同样，诉讼律师使用Relativity aiR（Relativity内置的用于证据开示的人工智能软件），将证据审查时间从数周或数月压缩至数天；同时借助Harvey和CoCounsel识别并整理关键判例，使律师的时间更多地用于策略制定，而非仅限于研究工作。其目的并非为了自动化而自动化，而是为了实现更快、更一致的工作，让律师有更多时间提供战略建议，并使客户能够在更完整的记录基础上更早地做出决策。
通过其“业务创新”计划，福里律师事务所（Foley）将人工智能应用于各个工作流程（例如尽职调查、法律研究以及合同起草和审查），通过让其法律技术团队与业务部门合作，提供经过严格审核的人工智能解决方案，从而优化客户服务。福里律师事务所的“人工智能蓝图”方法论以法律任务为起点，明确人工智能能创造价值的环节，并规定了输入内容、源文件以及质量控制检查点，只有在满足这些要求后，工作流程才能获得“验证通过”的状态。
此外，福里律师事务所（Foley）的原创聊天机器人（即FoleyChat）在2026年Legalweek大会上荣获“人工智能最佳应用奖”[5]。这项专有技术进一步拓展了福里律师事务所在各工作流程和业务组中应用人工智能的范围。FoleyChat部署在事务所内部，允许律师针对重复性法律任务构建专属智能代理，并提供所需的关键信息。 例如，福里律师事务所的知识产权（IP）律师利用FoleyChat，针对拟议的权利要求修改方案及论点，结合专利申请材料、现有技术及审查员数据进行压力测试，从而帮助律师识别优势、劣势及可能的反驳论点，以获得战略优势并取得更佳成果。通过这种方式，团队可以基于自己选择和整理的材料开展工作，而非依赖通用模型的假设。
授权：从简单的提示语迈向具有能动性的AI
法律界关于代理型人工智能的讨论主要集中在代理能做什么，但更关键的问题在于它们被授权在何处采取行动，以及一旦它们行为不当，责任应由谁承担。客户也是这一分析的一部分，因为许多客户已经将自己的代理部署到与客户、供应商及第三方进行交互的系统中。
法律科技正从独立的提示式工具向自主代理系统转变，后者能够在较少人工干预的情况下组织并执行多步骤任务。 哈维是福莱律所的主要人工智能助手，但该律所还配备了一套功能齐全的人工智能软件组合，只要某款软件更适合当前任务，即可随时调用。普通提示与操控代理型人工智能之间的实际区别不在于指令的长短，而在于律师是否必须手动连接每个步骤（例如，审查诉状、识别诉状缺陷、查阅判例以及起草文件），还是系统能够自行安排这些步骤的顺序。
人工智能也在改变客户所获取的法律服务形式。通过减少初步分析、重复性分析和大规模分析所需的时间和成本，基于人工智能的工作流程能够让法律指导成为企业规划和战略中更常规的一部分，甚至包括那些以往因成本或时间限制而难以获得此类指导的领域。 例如，在评估潜在专利侵权时，更频繁的“自由实施”审查可以在产品开发、发布或商业化之前识别潜在风险，从而使客户能够与律师共同评估策略，就设计、许可、投资和市场进入做出明智的决策。律师仍需明确任务范围、监督工作流程，并评估结果对客户商业目标的影响。
随着代理系统自主性的增强，对结构的要求也随之提高。复杂的任务若能划分为明确的阶段，效果最佳——每个阶段都应具有清晰的输入、有限的范围，并在进入下一阶段前由人工进行核查。与分阶段处理相比，仅通过一条指令要求代理完成复杂任务通常会产生较差的结果，而且律师在将输出结果投入使用前，仍需对其进行优化和修正。
关于人类与人工智能之间责任归属的传统框架，可能也需要进行修订。 亚马逊近期的一起诉讼将这些问题推到了聚光灯下：Amazon.com Servs. LLC 诉 Perplexity AI, Inc.一案（加利福尼亚北区地方法院，2026年3月10日）。在此案中，亚马逊指控 Perplexity 公司的 Comet 浏览器在访问客户亚马逊账户并下单时，伪装成人类购物者，而非声明其为自动化人工智能代理。 亚马逊主张，Perplexity 违反了亚马逊的服务条款以及联邦和州的计算机访问法律。地区法院颁布了初步禁令，禁止 Perplexity 的 AI 购物代理访问亚马逊网站，并裁定是否允许 Comet 访问其网站取决于亚马逊的授权，而非用户的许可。 2026年8月4日，第九巡回上诉法院撤销了该初步禁令并将案件发回重审，认为亚马逊胜诉的可能性不大，因为Perplexity本身并未在联邦及州计算机访问法的意义上“访问”亚马逊的计算机。（Amazon.com Servs. LLC 诉 Perplexity AI, Inc. 案， 第九巡回上诉法院，2026年8月4日） 法院反而认定，是用户访问了亚马逊的计算机，而用户仅仅将Perplexity的AI购物代理作为一种工具加以利用。本案并未确立一项既定规则，而是提出了一个尚无定论且争议激烈的问题，即部署代理的组织是否必须将代理的授权与其将要接触的系统进行映射，以及在人类与机器之间的授权存在缺口时，应由谁承担责任。
自主型人工智能应拓展法律团队的工作范围，而非模糊控制权的归属。系统越能对工作进行序列化处理、跨工具操作或接入第三方环境，团队就越需要有针对性地监督任务执行。每个自主型工作流都应明确指定人类负责人、代理可能访问的系统、在采用人工智能输出结果前的核查点，以及当人工智能的行为超出其被授予的权限时应承担责任的人员。
论证：电子取证中的人工智能——法律界迈向前沿的例证
虽然设计和授权涉及人工智能输出的构建方式，但攻击者恰恰是在取证等领域能够主动对该输出结果提出质疑。这一概念在电子取证领域并非新鲜事。 预测性编码和技术辅助审查早在十多年前就已获得法院认可。此外，在生成式人工智能出现之前，技术辅助审查（TAR）和合同律师安排就早已取代了一级律师审查。因此，在法律行业内，律师们早已习惯于向持怀疑态度的法官辩护机器辅助流程的合理性，并提供抽样统计数据和审计追踪记录。
然而，最新进展在于采用了“主动式排序”方法，其中审查、问题梳理和特权分级作为相互关联的阶段，在人工监督下进行。如今，人工智能能够在数小时或数天内（而非数周或数月）识别相关材料、筛选关键文件、梳理问题并整合大量电子存储信息。尽管如此，法院并不接受以效率为由来解释证据提交存在缺陷的情况。因此，可审计的工作成果至关重要。
福莱律师事务所是Relativity公司内置的发现流程人工智能软件aiR的最早采用者之一。该律所在发现流程初期便使用aiR，以加快一级审查进度、筛选出关键文件，并协助客户在整体案件策略的背景下评估事实。 只有建立了明确的质量控制机制，审阅速度的提升才能可靠。这些机制包括用于验证AI编码的抽样规程、针对含糊文件上报的升级处理程序，以及记录纳入或排除特定记录决策的审计追踪记录。因此，aiR通过优化一种可重复且可验证的工作流程来创造价值，而该流程仍需由律师主导决策。
例如，在一项多语言内部调查中，Foley 利用 aiR 分析西班牙语文件，生成英文输出结果，并指出问题所在及提供支持性引用。[6]通过有针对性的提示优化和质量控制流程，最终被 Foley 的律师审核人员推翻的 aiR 建议比例不到 1%。这一案例说明了利用人工智能从海量数据集中高效获取洞察的优势，同时该过程仍可量化且可审核。 随着人工智能应用的扩展，其他法律流程也将从电子取证（eDiscovery）中已实施的、同样可验证的工作流程中受益。
责任：保密性、准确性，以及何时不应让人工智能掌控局面
问责制是成功应用人工智能的关键要素。一个团队可能拥有设计完善的工作流程、经过适当授权的代理以及经过测试的审查流程，但如果没有人核实输出结果，或者不清楚在何种情况下不应将人工智能纳入流程，工作仍可能失败。此外，人工智能工具可能会营造出一种虚假的准确性表象，从而导致人们对结果产生虚假的信心。 一份措辞精炼的答案可能掩盖了薄弱或不恰当的依据、不完整的论据基础，或是未经检验的假设。问责制要求关注保密性和特权影响，确保准确性基于能够规避“幻觉”风险的来源，并具备判断力，以明确何时不应让人工智能主导工作。
近期的一些法院判决展示了围绕人工智能使用所形成的、涉及保密性、律师-客户特权及工作成果原则的法律框架。在“美国诉赫普纳案”（ 纽约南区联邦地区法院，2026年2月17日） 中，法院认定，与公开可用的AI平台（Claude）进行的沟通不享有特权或保密性，因为这些沟通涉及非律师，且该平台会保留用户对话记录。相比之下，在“华纳诉吉尔巴科公司案”（密歇根东区联邦地区法院，2026年2月10日）中，法院认定，当工作成果的披露对象是人工智能程序而非对方当事人时，人工智能辅助生成的诉讼材料符合工作成果保护的条件，并特别指出生成式人工智能程序是“工具，而非人”。Morgan诉V2X, Inc.案（科罗拉多州地方法院，2026年3月30日）进一步强化了该保护原则，即当输出结果不太可能落入对方手中时，仍需披露所使用的AI平台。综合来看，这些案件的关注重点不再仅仅是是否使用了AI，而是更侧重于使用方式、使用主体以及采取了哪些保障措施。 与单纯访问平台相比，安全与治理措施将越来越成为决定特权和保密性是否可能被放弃的关键因素。
问责制还要求对潜在的幻觉错误进行监测，这类错误通常分为三类：
- 所谓“捏造”，是指人工智能编造出并不存在的案例或引用，这通常是最容易被发现的错误。
- 当人工智能引用一位真实的权威人士时，却援引了该来源从未使用过的措辞或引语，就会发生“误归因”现象；由于引用看似合法，这种错误更难被发现。
- 当人工智能虽然准确引用了权威观点，却错误地声称该观点支持某项法律主张（而实际上并非如此）时，便构成了“误解”。
在上述三种错误中，错误表述最为危险，因为要识别这种错误需要法律判断，而不仅仅是核对引用。因此，实际义务比单纯确认引用是否存在要广泛得多。 必须对照来源核查结论。法律团队应阅读相关判例，核实法律法规，并根据法院记录确认案件进展情况。每种引证错误都可能削弱法律文书的效力，且已导致一些律师和律所因依赖人工智能生成的法律依据却未进行充分核实而受到制裁。[7]
福莱律师事务所的人工智能应用能够促进负责任的人工智能使用，因为该所将人工智能视为一种辅助技术，而非人类判断的替代品。 通过人工监督、结构化的AI治理以及严格的质量控制流程，Foley既能充分利用AI带来的效率优势，又能最大限度地降低与权限、保密性及AI“幻觉”相关的风险。该律所采用安全、隔离的AI系统，大幅降低了客户信息被用于训练公开模型或泄露给第三方的风险。 数据隔离、访问控制和审计追踪机制，使雄心勃勃的AI工作流程具有可辩护性。面临的挑战在于，如何在这些保护措施与人们对知识可获取性和可操作性日益增长的期望之间取得平衡。福里律师事务所通过保持方法论的高透明度，并实施验证标准——使客户能够了解并影响AI知识的应用方式——从而保护这些创造价值的AI系统。
向律师事务所和公司提出的关键问题
客户应就律师事务所如何使用人工智能向其提出一些具体问题。公司的总法律顾问也应能就公司自身使用人工智能的情况回答同样的问题。负责任地使用人工智能并非律师事务所仅在推介时口头宣称就能实现的；律师事务所必须能够证明其人工智能的使用情况。在评估律师事务所的人工智能使用情况时，不要只要求提供工具清单。 相反，应要求查看一个从开始到结束的实际案例，并提出以下问题：
- 设计。向人工智能输入了哪些信息？参考了哪些来源进行核对？是否经过人工审核？在将任务视为完成之前，必须满足哪些条件？
- 授权。该作品的哪些部分是由人完成的，哪些部分是由人工智能完成的？责任是从何时起从人工智能转移到律师身上的？人工智能是否曾在律师事务所控制的系统之外自主行动过？如果是这样，发生这种情况时应由谁负责？
- 证明。团队是如何检查AI的工作的？检查的频率如何？什么情况会触发二次核查？团队是否在工作开始前就制定了这些标准，而不是事后为了解释错误才临时制定？如果日后出现疑问，有哪些记录可以说明当时的情况？
- 问责制。客户信息是如何处理的？哪些内容已根据适用法律或原始资料进行了核对？该公司已决定哪些类别的工作应完全禁止人工智能介入？
能够清晰阐明整个流程的企业——包括工作如何设计、各环节由谁负责、结果如何验证，以及出现问题时由谁负责——将脱颖而出。仅靠早期采用还远远不够。客户理应全面了解人工智能如何优化流程，并每天带来更出色的成果。
本文在2026年暑期实习生尼克·麦克纳尔蒂的协助下完成。
[1]汤森路透，《2026年专业人士未来报告》，第4页，https://www.thomsonreuters.com/en/institute/future-of-professionals-2026/report（最后访问日期：2026年9月30日）。
[2]ACC 与 Everlaw，《生成式人工智能对企业法务部门的战略价值日益提升》（2025年10月14日）（美国受访企业法务人员中积极使用生成式人工智能的比例从23%跃升至52%，增幅超过一倍），https://www.acc.com/resource-library/generative-ais-growing-strategic-value-corporate-law-departments-survey-results（最后访问日期：2026年9月30日）。
[3]汤森路透，《2026年专业人士未来报告》，第4页，https://www.thomsonreuters.com/en/institute/future-of-professionals-2026/report（最后访问日期：2026年9月30日）。
[4] 同上。
[5]Foley & Lardner，《Foley 在 Legalweek 科技法律领军人物奖中荣获“人工智能最佳应用奖”》（2026年3月10日）， https://www.foley.com/news/2026/03/foley-wins-best-use-of-ai-at-legalweek-leaders-in-tech-law-awards/（最后访问日期：2026年9月30日）。
[6]Foley & Lardner，《借助生成式人工智能打破语言障碍：Foley & Lardner 如何利用 Relativity aiR for Review 进行多语言文件审查》（ 2025年3月17日），奥利维亚·S·辛格尔曼与拜伦·J·麦克莱恩，https://www.foley.com/insights/publications/2025/03/breaking-language-barriers-generative-ai/（最后访问日期：2026年9月30日）。
[7] 参见，例如，Malkeet Lnu 诉 Blanche 一案，177 F.4th 1014, 1031（第九巡回上诉法院，2026年6月3日）。
