一位合夥人近日告訴我們，她已不再要求初級律師起草標準商業信函的初稿。模型更快，狀態好的時候，品質也更好。然後她停頓了一下：「問題在於，我已經分不清哪天是它狀態好的日子。」
這句話比大多數廠商的宣傳材料更誠實地刻畫了當下 AI 法律起草的現狀。這項技術確實有用。它也確實不夠穩定，而這種不穩定本身，才是採用時真正應該思考的問題。
AI 起草真正擅長的領域
大型語言模型如今能勝任一條狹窄但具商業價值的法律工作帶。它們擅長結構重複、語言密集、且容許人工二次審閱的任務。
具體而言：
- 標準信函的初稿——訴前函（Letter Before Action）、催辦函、基本催款函、指令備忘錄。結構成熟，模型很少把格式弄錯。
- 條款抽取與比對——在一組供應商合約中提取賠償、責任限制或終止條款，並並排呈現。
- 將複雜條文轉譯為通俗英語——把意向書或和解契據改寫為客戶可讀的摘要。
- 附表與表格搭建——構建損失明細表（Schedule of Loss）骨架、揭露索引或事實時間線。
- 多語言處理——以英語依英國法起草，同時以客戶母語向其解釋文件。這是生產力提升最大、也最站得住腳的環節。
這些都不能取代具資格的律師。但都縮短了從空白頁到可審閱初稿的距離——而那正是大多數計費摩擦所在。
AI 起草悄然失手的地方
失手的方式才是關鍵，因為它們在展示中看不出來。
第一，引用編造。模型仍會發明貌似合理的案例名、段落號與法條編號。在被引導支持某一立場時風險最高。英國已有律師因提交含虛構判例的文件遭到法官批評，監管氛圍並不寬容。
第二，司法管轄漂移。在美國語料上訓練為主的模型會不自覺地套用美國合約慣例——堆疊的「represents and warrants」、賠償語言、與英國法不契合的法律適用措辭。讀起來流暢，實則微妙地不對。
第三，默默遺漏。模型擅長完成你要求的，不擅長提醒你忘了要求什麼。條款可能整段缺失——例如責任限制條款中缺少對詐欺的例外——而輸出看起來仍是完整的。
第四，保密性問題。許多工具透過第三方基礎設施處理提示，保留視窗未必透明。對受保密保護的材料，問題不在廠商是否可靠，而在資料路徑是否經得起監管者、客戶或保險人的審視。
第五，校準缺失。模型不知道自己何時不確定。它沒有誠實的「我在猜」訊號。每個輸出都以相同的自信呈現，而這恰恰是法律工作最不該有的使用者體驗。
英國法律視角下的採用
英國律師監管局（SRA）對 AI 的態度審慎而非壓制。SRA 關於人工智慧在受監管執業中使用的指引強調，既有職責已涵蓋大部分領域：執業能力、保密、監督，以及不得誤導法庭。監管者並未要求律所發明新倫理，而是要求把舊倫理應用到新工具上。
這個框架很有用，因為它跳出了「該不該用 AI」的二元辯論。誠實地說，大多數律所已經在用，往往是非正式地用，問題在於這種使用是有規範的，還是處於灰色地帶。
站得住腳的做法至少包含：
- 書面 AI 使用政策，列明經批准的工具與禁止用途（例如未經合夥人簽字時不得就有爭議法律問題出具意見）。
- 明確的資料路徑——提示流向何處、保留多久、是否用於訓練。
- 監督機制——將 AI 輸出視為入職第一週的輔助人員所作：有用，但未經合資格律師審閱前不得寄送或歸檔。
- 對客戶的適度透明——並非每個案件都需告知 AI 參與起草，但某些客戶和案件需要。
- 日誌紀律——一旦事後受到質疑，律所能還原模型產出與人工修改之間的差異。
構建工作流
真正從 AI 法律起草中獲益的律所，不是買了最貴授權的律所，而是把工作拆解為階段、並誠實評估每個階段是否適合交給模型的律所。
一個可行的模式：模型基於既定範本與事實模式產出結構化初稿。律師按檢查清單覆核，明確測試已知失誤模式——編造引用、美式漂移、缺失例外、法律適用語言。覆核後的初稿在必要時交由第二名人工把關。任何文件離開律所時，背後都有具名的人。
這並不光鮮，卻是律所 AI 採用中能在投訴、稽核或職業責任保險審查下站得住腳的版本。文件自動化歷來回報那些在範本與審閱紀律上認真投入的律所；AI 起草是同一個交易，只是上行與下行風險都更陡。
工具已足以勝任嚴肅工作。決定這份工作是否安全的，是工作流程。
常見問答
起草客戶文件時使用了 AI，是否需要告知客戶？ 英國並無一刀切的揭露規則，需視委託函、案件敏感度及客戶合理預期而定。對高風險或客製化工作，透明通常是更穩妥的預設選項。
可以使用通用型 AI 工具，還是必須使用法律專用工具？ 若資料路徑與政策清晰，通用工具可處理低風險任務；但法律專用平台通常在司法管轄錨定、引用紀律與保密姿態上更可靠，能顯著降低審閱負擔。
律所採用 AI 起草最常犯的錯誤是什麼？ 把它當作純生產力工具，而非需被監督的起草人。出事的律所往往是因為輸出「看起來沒問題」而跳過結構化審閱環節。
英國法下的文件起草，配以人工律師審閱——訴前函、合約、損失明細表與文件審查，詳見 JustiScript。