一位合伙人近日告诉我们，她已不再要求初级律师起草标准商业信函的初稿。模型更快，状态好的时候，质量也更好。然后她停顿了一下：「问题在于，我已经分不清哪天是它状态好的日子。」
这句话比大多数厂商的宣传材料更诚实地刻画了当下 AI 法律起草的现状。这项技术确实有用。它也确实不够稳定，而这种不稳定本身，才是采用时真正应该思考的问题。
AI 起草真正擅长的领域
大型语言模型如今能胜任一条狭窄但具商业价值的法律工作带。它们擅长结构重复、语言密集、且容许人工二次审阅的任务。
具体而言：
- 标准信函的初稿——诉前函（Letter Before Action）、催办函、基本催款函、指令备忘录。结构成熟，模型很少把格式弄错。
- 条款抽取与比对——在一组供应商合同中提取赔偿、责任限制或终止条款，并并排呈现。
- 将复杂条文转译为通俗英语——把意向书或和解契据改写为客户可读的摘要。
- 附表与表格搭建——构建损失明细表（Schedule of Loss）骨架、披露索引或事实时间线。
- 多语言处理——以英语依英国法起草，同时以客户母语向其解释文件。这是生产力提升最大、也最站得住脚的环节。
这些都不能取代具资格的律师。但都缩短了从空白页到可审阅初稿的距离——而那正是大多数计费摩擦所在。
AI 起草悄然失手的地方
失手的方式才是关键，因为它们在演示中看不出来。
第一，引用编造。模型仍会发明貌似合理的案例名、段落号与法条编号。在被引导支持某一立场时风险最高。英国已有律师因提交含虚构判例的文件遭到法官批评，监管氛围并不宽容。
第二，司法管辖漂移。在美国语料上训练为主的模型会不自觉地套用美国合同惯例——堆叠的「represents and warrants」、赔偿语言、与英国法不契合的法律适用措辞。读起来流畅，实则微妙地不对。
第三，默默遗漏。模型擅长完成你要求的，不擅长提醒你忘了要求什么。条款可能整段缺失——例如责任限制条款中缺少对欺诈的例外——而输出看起来仍是完整的。
第四，保密性问题。许多工具通过第三方基础设施处理提示，保留窗口未必透明。对受保密保护的材料，问题不在厂商是否可靠，而在数据路径是否经得起监管者、客户或保险人的审视。
第五，校准缺失。模型不知道自己何时不确定。它没有诚实的「我在猜」信号。每个输出都以相同的自信呈现，而这恰恰是法律工作最不该有的用户体验。
英国法律视角下的采用
英国律师监管局（SRA）对 AI 的态度审慎而非压制。SRA 关于人工智能在受监管执业中使用的指引强调，既有职责已涵盖大部分领域：执业能力、保密、监督，以及不得误导法庭。监管者并未要求律所发明新伦理，而是要求把旧伦理应用到新工具上。
这个框架很有用，因为它跳出了「该不该用 AI」的二元辩论。诚实地说，大多数律所已经在用，往往是非正式地用，问题在于这种使用是有规范的，还是处于灰色地带。
站得住脚的做法至少包含：
- 书面 AI 使用政策，列明经批准的工具与禁止用途（例如未经合伙人签字时不得就有争议法律问题出具意见）。
- 明确的数据路径——提示流向何处、保留多久、是否用于训练。
- 监督机制——将 AI 输出视为入职第一周的辅助人员所作：有用，但未经合资格律师审阅前不得发送或归档。
- 对客户的适度透明——并非每个案件都需告知 AI 参与起草，但某些客户和案件需要。
- 日志纪律——一旦事后受到质疑，律所能还原模型产出与人工修改之间的差异。
构建工作流
真正从 AI 法律起草中获益的律所，不是买了最贵授权的律所，而是把工作拆解为阶段、并诚实评估每个阶段是否适合交给模型的律所。
一个可行的模式：模型基于既定模板与事实模式产出结构化初稿。律师按检查清单复核，明确测试已知失误模式——编造引用、美式漂移、缺失例外、法律适用语言。复核后的初稿在必要时交由第二名人工把关。任何文件离开律所时，背后都有具名的人。
这并不光鲜，却是律所 AI 采用中能在投诉、审计或职业责任保险审查下站得住脚的版本。文档自动化历来回报那些在模板与审阅纪律上认真投入的律所；AI 起草是同一个交易，只是上行与下行风险都更陡。
工具已足以胜任严肃工作。决定这份工作是否安全的，是工作流程。
常见问答
起草客户文件时使用了 AI，是否需要告知客户？ 英国并无一刀切的披露规则，需视委托函、案件敏感度及客户合理预期而定。对高风险或定制化工作，透明通常是更稳妥的默认选项。
可以使用通用型 AI 工具，还是必须使用法律专用工具？ 若数据路径与政策清晰，通用工具可处理低风险任务；但法律专用平台通常在司法管辖锚定、引用纪律与保密姿态上更可靠，能显著降低审阅负担。
律所采用 AI 起草最常犯的错误是什么？ 把它当作纯生产力工具，而非需被监督的起草人。出事的律所往往是因为输出「看起来没问题」而跳过结构化审阅环节。
英国法下的文件起草，配以人工律师审阅——诉前函、合同、损失明细表与文件审查，详见 JustiScript。