法律行业谈生成式 AI，注意力常被模型能力和对话界面吸引，但更能决定答案能否进入工作成果的，往往是模型背后的知识底座。7 月 20 日披露的一项律所项目提供了一个清晰样本：Clifford Chance 与 Microsoft、Epiq Advisory 合作，将超过 40 万份内部文档重新分类、摘要并纳入可供 AI 使用的知识平台。它提醒行业，部署 AI 并不只是采购一个助手，更像是在重做知识管理。
把“存过文档”变成“能够调用”
很多律所并不缺材料。合同范本、法律意见、项目复盘、培训文件和各地规则长期散落在文档系统、邮件与个人目录中。问题在于，同一主题可能有多个版本，旧文本没有失效标记，命名方式也不统一。这样的资料即使全部接入模型，也只会放大检索噪声。
此次公开信息中，更值得注意的是对文档的重新分类与摘要，而非文档数量本身。所谓“AI-ready”，至少意味着内容有明确来源、适用地域、业务领域、形成时间和版本状态。模型能找到材料只是第一步；它还要知道哪一份应优先、哪一份只能作历史参考，以及哪些内容根本不应出现在当前回答里。
权限不是上线前的一次配置
法律知识有一个特殊矛盾：经验需要复用，客户信息又必须隔离。该平台强调依据元数据控制的权限检索，让律师发现可用知识时仍受客户保密边界约束。这比简单地给所有内部文件加上“仅限员工”更细，因为利益冲突隔离、项目团队范围、地域限制和离职交接都可能改变可访问范围。
因此，知识库接入 AI 后，权限应当随检索、摘要和生成链路一并测试。团队需要检查：搜索结果是否泄露受限文档标题，摘要是否拼接了不同客户的信息，生成答案能否追溯到有权查看的原文，权限变更后缓存是否同步失效。只有把这些问题纳入日志和审计，保密要求才不只是制度文本。
知识团队会从维护者变成产品负责人
传统知识管理常以“收集多少模板、上传多少文件”衡量工作；AI 场景下，指标需要转向可用性。比如，律师是否在 Word、邮件等日常入口获得合适材料，引用是否能回到原文，过期内容被发现后多久完成更新，同类问题是否持续出现错误答案。知识律师、风险团队和 IT 人员也要共同决定内容准入、标签规则与淘汰机制。
对规模较小的律所，这并不意味着必须复制大型平台。更现实的起点，是选一个高频业务，整理少量可信模板和办案指引，为每份材料补齐负责人、版本、地域与权限字段，再用真实问题测试检索效果。范围小一些，反而更容易看清知识质量与 AI 输出之间的关系。
法律 AI 的竞争正在从“谁先接入模型”转向“谁能持续提供可信、合规且贴近工作情境的知识”。界面可以迅速更新，模型也会频繁更换；经过治理的内部经验、清楚的权限边界和可追溯的维护流程，才是律所更难被复制的能力。
资料线索
- Artificial Lawyer：Clifford Chance 发布 AI 知识管理平台
- Epiq：Clifford Chance、Epiq 与 Microsoft 知识管理案例
- Microsoft：Clifford Chance 的生成式 AI 与 Copilot 实践
