法律行业的 AI 采购正在出现一个清晰变化：试用名单越来越短，全员部署的消息越来越多。7 月 22 日，Willkie Farr & Gallagher 宣布与 OpenAI 合作，在全所推出 ChatGPT Enterprise，并把模型接入自有平台；一天前，Clark Hill 也宣布扩大与 Thomson Reuters 的合作，为律师提供 Next Gen CoCounsel、Westlaw Advantage 与 Practical Law。两条路线都说明，AI 正成为律所的基础工作环境。
“人人可用”并不等于“人人会用”
全员许可解决的是入口问题，未必自动带来稳定产出。律师工作高度依赖事项背景、法域、客户偏好与交付标准，同一个摘要或初稿任务，在不同团队里可能有完全不同的合格线。若采购后只统计登录次数，容易把偶尔提问误判为真实采用；若只鼓励自由探索，又会产生提示词散落、材料上传边界不清和复核责任模糊等问题。
因此，更值得观察的指标不是“开了多少账号”，而是有多少高频任务形成了可重复路径。例如，首次会谈材料整理是否缩短了准备时间，尽调问题清单能否稳定覆盖团队规则，研究备忘录中的引证是否可以回溯，合同初审结果有没有被律师接受、修改或驳回的记录。这些数据比一次漂亮演示更接近投资回报。
通用平台与专业工具会长期并存
近期部署也说明，律所并没有在“通用模型”和“法律垂直工具”之间作一次性选择。通用平台适合写作、会议整理、内部知识问答和跨部门协作；专业产品则依靠法律数据库、引证校验、特定工作流与行业责任设计，处理研究和交付环节。大型律所更可能采用组合方案：底层模型提供广泛能力，专业内容提供可信来源，自有系统保存方法、模板和权限。
组合越丰富，治理越不能停留在一份使用政策。不同工具对输入数据、保留期限、训练使用、外部连接和审计日志的处理并不相同。采购部门需要维护清晰的工具清单，业务团队需要知道什么材料能放进哪个环境，信息安全与法务则要为高风险动作设置审批或人工确认。这里的重点不是把所有使用锁死，而是让权限随任务风险变化。
从续费谈判倒推部署设计
一个实用做法，是在采购之初就设想十二个月后的续费会议，并提前约定三类证据：
- 采用证据：活跃用户、连续使用周期，以及真正进入流程的事项类型；
- 质量证据：人工修改率、引证核验结果、遗漏与误报的处置记录；
- 经营证据：交付周期、内部成本、客户反馈，以及是否催生新的服务方式。
这也会改变培训方式。与其组织一次面向所有人的功能讲解，不如围绕诉讼、交易、知识管理等具体团队，选择两三个任务共同设计、测试和复盘。优秀案例可以沉淀为模板，失败案例则应进入风险清单。这样形成的不是某位“AI 达人”的个人技巧，而是律所可管理、可移交的组织能力。
全员部署是法律 AI 普及的重要信号，但席位数只是起点。下一轮竞争更可能发生在使用深度：谁能把律师判断、可靠来源和技术能力编排成日常流程，谁才更有机会把软件预算转化为客户可感知的速度与质量。本文仅作行业观察，不构成法律意见。
参考线索
