2026年6月，英国法律科技公司Garfield AI协助一名自由职业者追讨7000英镑服务费欠款，并在郡法院获得胜诉。公开报道显示，Garfield AI参与了催款、起诉材料整理、抗辩与反诉处理以及庭前文件准备，庭审陈述和现场应对则由人类出庭律师完成。
这起案件被部分媒体称为“AI律所首次赢得庭审”。从已经披露的办案过程看，案件结果来自法律软件与专业人员的协作，AI主要承担诉前及庭前的流程性工作，并未独立出庭或代替律师完成法庭辩论。
从催款到庭前准备
该案涉及自由职业服务费欠款。根据Garfield AI及英国媒体披露的信息，系统帮助当事人生成催款函、整理起诉材料、回应对方提出的抗辩和反诉，并准备证人陈述及庭审文件包。案件所需证据主要包括合同、发票、邮件往来和付款记录。
小额债务案件通常金额有限、事实关系相对清晰，但催收、立案和庭前准备需要投入时间与专业成本。当律师费接近甚至超过争议金额时，部分当事人可能放弃追索。此类系统试图通过表单化收集信息、梳理时间线和批量生成文件，降低前期处理成本。
对中小企业、自由职业者和平台商户而言，这种工具可能扩大法律服务的覆盖范围。不过，Garfield AI披露的案件数量、处理效率及成本优势主要来自企业自身陈述，仍需结合更多案件和独立数据观察。
庭审仍由律师完成
该案的庭审代理由人类出庭律师（barrister）完成。AI负责信息采集、材料归类、催告函和诉状草稿、证据清单及庭前文件包；律师则在法庭上进行陈述和回应，判断法官关注的问题，并对代理行为承担相应的职业责任。
这一分工反映出当前诉讼自动化较为可行的应用范围：格式相对固定、规则较为明确的材料准备可以由系统辅助完成，事实认定、证据真实性审查、法律适用、诉讼策略和和解条件仍需专业人员判断。案件一旦出现复杂反诉、证据冲突或程序争议，对人工介入的要求也会随之提高。
国内小额争议的应用空间
国内的小额债务、物业费、买卖合同尾款、劳动报酬和平台服务费纠纷，也存在材料标准化程度较高、律师服务成本与争议金额不匹配的问题。律师事务所和法律服务机构可以利用类似工具完成初步材料收集，检查合同、发票、转账记录和沟通记录是否齐备，并识别管辖、时效及潜在反诉风险。
这类工具也可用于案件入口筛选，辅助判断事实链条是否完整、证据能否对应诉讼请求以及继续推进的成本。但不同司法辖区在诉讼程序、法律服务监管和数据保护方面存在差异，英国个案的做法不能直接移植到国内。
金额算错也会进裁判文书
诉讼文书直接影响当事人的实体和程序权利。未经审阅的AI生成材料可能出现事实表述失真、法律条文或案例引用错误、请求金额计算偏差以及证据链缺口。涉及个人信息、商业秘密和案件材料时，数据存储、模型调用和第三方访问权限也需要接受审查。
对于提供相关服务的机构，人工复核、版本留痕和责任分配应当纳入固定流程。系统生成的内容由谁确认，关键事实如何核验，发生遗漏或错误后由谁承担责任，均需在服务开始前向当事人说明。Garfield AI案展示了诉讼准备环节的自动化可能性，也表明庭审代理、专业判断和职业责任目前仍由人类法律从业者承担。