法律 AI 的账
按小时收费的行业,省下的每一分钟都是收入。但真正贵的一课在后头——它能一字不差地找对法条,却判断不了这条法条适不适用。
一家律所的合伙人,把一份五十页的商业合同推到桌子中间。对面坐的不是客户,是来做需求调研的工程师。合伙人没讲业务架构,只说了一句:你跟我把这份合同从头审一遍,别的先不急着问。
这份合同,一个熟练的初级律师要花六个小时。不是读,是对比——每一条都要过三件事:这一条有没有法律风险?跟所里的标准模板差在哪?这个差异是有意让步,还是对方夹带的私货?
法律这一行有一条别的行业没有的规矩:它按时间收费。这条规矩,把 AI 提效这笔账算得比任何行业都清楚——别的行业省时间,省的是成本;这一行省时间,省的是收入。
本文你会看到
01 01 一个按小时收费的行业,省下的时间就是钱
02 02 入场第一天:请律师带你审一份真合同
03 03 三个场景:合同审查、判例检索、合规巡检
04 04 最贵的一课:它找对了法条,却用错了地方
05 05 三条判断,和一段能直接抄的 Prompt

法律服务可能是少有的按小时计费的行业之一。顶级律所每小时的费率能到数千元,底层逻辑很简单:律师的时间太贵,因为法律工作需要高度的专业判断。这条逻辑反过来读,就是这门生意最值钱的一句话——AI 能帮律师省下时间,而省下的每一分钟,直接就是律所的收入。
时间被吞掉的地方有三处。
第一处是对比疲劳。一份五十页的商业合同,律师要逐条审,不是读,是对比。这一条有没有法律风险、与标准模板差在哪、连审两三份之后注意力会明显降下来,审查质量跟着掉。
第二处是文本海洋。中国裁判文书网上有超过一亿份公开判决书。律师接到一个新案子,理想的动作是找到跟当前案件最像的那几份判例,可一亿份判决书摆在面前,靠关键词搜很难搜准,很多最相关的判例,恰恰因为没命中关键词而被漏掉。
第三处是不可能任务。一家跨国公司在中国有五十个运营实体,每个实体每年要向市场监管、税务、海关、环保等多个部门提交数十份合规文件。一次全面的合规巡检,要合规团队干两到三个月,而法规可能在巡检做完的第二天就变了。
这三件事有个共同点:它们都不是判断,是体力活。而体力活,正好是机器最擅长的部分。

法律 FDE 的入场方式,比大多数行业都简单:坐下来,请律师带你逐条审一份真实的合同。
你不需要给法律意见,你也给不了。你要做的是看律师怎么思考。他会指着一行说,这一条看着标准,但放在跨境并购的场景下就有问题;再指着下一行说,这一条看着没毛病,实际上把单方解除权全给了对方。
审完一份你就会明白:法律 AI 的核心,从来不是替代律师的专业判断,而是帮律师更快地找到需要专业判断的地方。
手册把这件事讲得很准:AI 的价值在于缩小搜索空间——从五十页合同里高亮出五条值得细看的,从一亿份判决书里筛出最相关的五十份。
它不做判断。它做的是把范围缩到人看得完。

这套能力,落在三个具体场景上。
场景一,合同智能审查,本质是对比:把待审合同跟律所积累的标准条款库逐条比。做法分四步——把合同拆成三十到八十个条款单元、每条打上标签;每个条款跟标准库做语义对比,不是字符串匹配,甲乙双方和买方与卖方在法律语义上是同一件事;按风险分三级,红的是明显对己方不利、黄的是表述模糊建议澄清、绿的是与标准一致;最后不只标出差异,还解释这个差异是什么、为什么要盯。
场景二,判例智能检索,难点在一道语义鸿沟:你用日常语言问微信聊天记录能不能当证据,而判决书里写的是电子数据、是即时通讯工具生成的电子信息。一个说的是生活,一个说的是法条,词对不上。做法是先把案件事实拆成要素,再映射到法律知识图谱上去找,最后按法律争点的相似度排序,每份判例配一句话摘要。
场景三,自动合规巡检。Agent 盯着法规库的变化,某条跟公司业务相关的法规一变,自动触发评估;再把新法规跟公司现有的合规文档比对,生成一份法规变更影响评估;最后按风险高低给五十个实体排巡检日程,高风险实体优先。
三个场景共用一个底座。但对多数企业来说,最先该上的只有第一个——合同审查高频、边界清楚、错了也接得住。

这份手册里最值钱的一段,不是效果数字,是踩坑复盘的第一条。
AI 正确地找到了相关法条,却把它用错了地方。举一个具体的:它把《民法典》里的情势变更原则,用到了一个商业租赁纠纷上,而这条原则恰恰不适用于当事人本来就可以通过商业谈判解决的问题。
要命的地方在这儿:它不是答错了,是答得很像对的。字面含义它一字不差,适用边界它一个字都读不出来。而那道边界,是法学院读三年、再执业五年才长出来的判断力。
解法也写在手册里:别只给每条法条存条文内容,还要存它的适用条件和排除情形。AI 推荐法条时,两个维度一起查。
另外两条坑,跟技术没关系,但更容易翻车。
一条是预期管理。律师客户对 AI 的期待分成两个极端:一拨人觉得 AI 来了律师费该降一半,另一拨觉得 AI 不可靠、每一处都得人工复核。两种都不现实。交付时该说的话只有一句——这是初级律师级别的辅助,它把你从逐条比对里解放出来,让你专注需要判断力的活。
另一条是数据壁垒。各家律所的内部判例库不互通,A 律所上次案子找到的绝佳判例,B 律所不知道,只能从公开裁判文书里重新搜一遍。这是制度问题,不是技术能解决的。

把这一章收成三条能搬走的判断。
第一条,问它把范围缩到了多小,别问它答得对不对。判断一个法律 AI 好不好,不看它能不能给出一段像模像样的法律意见,看它能不能把五十页缩到五页、把该细看的那五条挑出来。
第二条,法律意见的签字权,永远在持证律师手上。AI 的输出只能是参考,这句话该写进产品,也该写进交付时跟客户说的第一句话里。
第三条,法条要连适用条件和排除情形一起存。只存条文内容的库,迟早会在某一份合同上,把一条正确的法条用到一个错误的地方。
最后附一段可以直接抄进项目的 Prompt,做合同审查的差异分析。
你是合同审查助手,已接入本所的标准条款库,即对己方有利的条款集合。请逐条审查以下合同条款与标准条款库的差异。待审条款与相关标准条款成对给出。
审查维度有三个。一是差异类型:实质性差异,对己方权利义务产生实际影响,如违约金金额不同、免责范围扩大;表述性差异,仅措辞不同、法律含义相同;新增条款,标准库中没有对应条款。
二是风险等级:高,明显不利于己方,建议必须修改;中,存在模糊或不确定之处,建议澄清;低,可接受的商业让步。三是修改建议:每个高风险和中风险条款都要给出修改后的建议文本,并预判对方可能拒绝、附一条可接受的妥协底线。
约束:最终法律判断由持证律师做出,你的输出仅作参考;如涉及跨境合同,标注管辖法律对条款效力的影响;如果你的判断与标准条款库存在矛盾,标注需人工复核。
这周先做一件事:
把手边最近审过的一份合同拿出来,圈出你当时真正花时间的那五条,看它们是被什么挑出来的。
把标准条款库翻出来,数一下里面有没有适用条件和排除情形这两栏。
把 AI 的输出格式定死:只准标差异、给风险等级、附建议文本,不准出结论。
这三样凑不齐,先别让它碰正式合同。
晚一步的代价不难算:合同是一单一单审的,第一单用错了法条,损失的不是这一单的律师费,是客户以后还找不找你。而这条线上,对手的辅助工具已经帮他把初级律师的比对工时砍掉了一轮。
你们家的法务或律所,开始用 AI 审合同了吗?是第一遍就让它过,还是只让它做初筛、人来签字?评论区写下来。
转给你身边那个正在推法务数字化的同事,比收藏有用