检索、起草和合同审查更容易吸引注意，律所每天却还要处理客户接收、利益冲突检查、立案建档、文档归档和账单准备。7月31日，Legal IT Insider介绍了自动化平台Caddi在这些后台环节的应用：它不替律师回答法律问题，而是把既有操作转成可执行、可追踪的流程。
从演示操作到固定流程
据Legal IT Insider对Caddi的介绍，用户可以通过屏幕共享演示一次工作步骤，系统据此建立跨越邮箱、文档管理、客户关系管理和业务系统的自动化。报道援引公司披露称，一家未具名的AmLaw 50律所已使用该平台每天处理数百次利益冲突检查。由于客户名称、准确率和人工返工率并未公开，这一规模数据仍应视为企业自述，而不是独立验证结果。
更值得法律行业关注的不是“每天几百次”，而是其技术边界。Caddi官网称，AI主要用于理解演示并生成自动化代码；流程部署后，以确定性代码运行，不让模型在每次处理客户数据时临场决定。其公开用例显示，系统可以跨事项记录、联系人和历史委托运行新客户冲突检查，生成冲突备忘录，再交由合伙人复核。
后台AI为什么不应自由发挥
利益冲突检查不是普通的信息检索。姓名相似、关联公司、历史客户、共同利益关系以及不同办公室保存的数据，都可能改变是否能够接受委托的判断。漏检可能带来退出代理、费用争议、客户关系损害甚至职业责任风险；误报过多，则会拖慢接案。
因此，适合这一场景的自动化不应是“模型给出一个结论”，而应把工作拆成可以核查的步骤：从哪些系统取数、使用哪些匹配规则、发现哪些候选关系、谁处理例外、谁作最终决定。AI可以帮助搭建和维护流程，但是否构成法律意义上的冲突，仍需要具备权限的人结合事实和职业规则判断。
这也说明，律所后台AI的价值标准与聊天助手不同。语言是否自然并不重要，关键是每次运行是否使用同一套规则，输入和输出是否留痕，失败后能否定位到具体步骤，以及权限是否沿用原系统的最小授权。所谓“无代码”只能降低建设门槛，不能取消变更审批、测试和责任分工。
律所落地时应先做什么
对准备引入类似工具的律所而言，比较稳妥的做法不是立即自动化全部接案流程，而是选择一个数量大、规则清楚、已有人工复核的环节做小范围验证，并至少建立四道控制：
- 基准样本：用已完成的冲突检查测试召回、误报和漏报，不能只看节省工时。
- 权限隔离：自动化账户只访问完成任务所必需的事项和字段，避免横向读取全部客户资料。
- 人工关口：系统可以整理候选冲突和生成备忘录，但接受委托的决定不得自动作出。
- 版本与日志：规则、代码、数据源和人工修改都应留存版本，便于事后说明某次检查如何完成。
此外，系统把一次屏幕演示转成代码，并不意味着演示本身就是正确流程。若原有操作遗漏关联方查询或例外升级机制，自动化只会更快地复制缺陷。上线前仍需由风险、合规、信息安全和业务团队共同审查。
后台自动化要留下责任链
Caddi这类产品是否有用，不看它能不能给出“更聪明的回答”，而看后台流程是否稳定、可查。资料收集和规则执行可以交给机器，冲突判断仍要由有权限的人完成；异常提示、人工复核和最终决定也都应留痕。
资料来源
- Legal IT Insider：Startup Corner: Caddi targets law firm operations with an “agent that builds agents”
- Caddi官网：AI Workflow Automation for Professional Services
- Caddi用例页：AI Workflow Automation Use Cases
