据英国媒体公开报道，一名自由职业者借助法律人工智能工具Garfield AI准备催款及诉讼材料，追讨约7000英镑欠款，相关主张获得法院支持。工具参与的环节主要包括催款、诉前材料整理、起诉文件和证人陈述草拟，正式出庭仍由人类律师完成。
这起案件受到关注，一方面是因为争议金额较低，传统法律服务成本可能接近甚至超过当事人的预期收益；另一方面，案件也显示出法律人工智能在诉讼中的实际分工。目前公开信息并不足以支持“AI律师独立赢得诉讼”的说法，其作用主要集中在庭前辅助。
小额案件的应用条件
小额债务、服务费拖欠和发票争议通常涉及合同、订单、电子邮件、发票、付款记录及催收沟通等材料。相较于复杂商事诉讼，这类案件的事实链条往往较短，证据类型较为固定，程序也更容易拆分为材料归集、时间线整理、诉前通知和文书填写等步骤。
对争议金额不高的当事人而言，律师费、时间投入和对诉讼程序的不熟悉，可能成为放弃追偿的原因。若人工智能工具能够降低材料整理和文书初稿的成本，部分原本缺乏经济可行性的请求可能因此进入协商或诉讼程序。不过，相关工具的作用仍取决于输入材料是否完整、案件事实是否存在争议，以及当地诉讼规则是否允许相应做法。
复杂抗辩考验人工判断
小额债务案件并非都适合标准化处理。被告提出抵销、反诉、履行瑕疵或时效抗辩后，案件可能迅速超出模板化文书的适用范围。证据真实性、合同主体、跨境履行、管辖权及法律适用等问题，也需要结合具体事实作出判断。
在这些情况下，人工智能生成的时间线、诉状或证人陈述只能作为工作底稿。律师和当事人仍须逐项核验姓名与主体资格、金额计算、付款记录、诉讼时效、管辖依据及法律引用。未经复核的错误一旦写入诉讼文件，可能影响案件判断，严重时还可能涉及误导法院。
行业机会集中在庭前环节
从法律服务市场看，小额争议具有数量多、单案收费空间有限、当事人价格敏感等特点。人工智能若用于归档、检索、事实梳理和文书初稿，有望压缩重复劳动，使律师把更多时间用于证据判断、和解谈判和庭审陈述。
这一模式也可能扩大基础法律服务的覆盖范围，但其商业成效仍需更多案件验证。厂商公布的处理效率、成本节省或案件结果，通常受到样本规模、案件难度和人工介入程度影响，不宜直接等同于独立执业能力或胜诉概率。
生成速度解决不了谁对文书负责
法律人工智能进入诉讼流程后，责任链条比生成速度更为重要。产品应保存材料来源、修改版本和人工确认记录，并对未经核验的事实及法律结论作出提示。提供服务的律所或平台还需处理执业资质、利益冲突审查、客户保密、个人数据保护和错误输出责任等问题。
Garfield AI相关案件提供了一个较为具体的应用样本：标准化程度较高的庭前工作可以由工具辅助，出庭代理、复杂抗辩和最终签署仍由具备资格的专业人员承担。小额债务案件可能继续成为法律人工智能较早落地的领域，但自动化范围仍受事实复杂度、程序要求和责任制度约束。
资料来源
The Guardian、Law Society Gazette、Business Insider及Legal IT Insider关于Garfield AI参与小额债务案件的公开报道。