生成式 AI 进入诉讼，并不只发生在起草诉状或检索判例的环节。近日，多家电子取证机构与律所解读美国加州北区联邦法院在 Schulte v. LinkedIn Corp. 一案中的发现程序裁定：法院把用于文档响应性判断的生成式 AI 工具视为技术辅助审查（TAR）的一种，而没有因为“生成式 AI”四个字另设一套更高门槛。
法院审查的不是模型名，而是流程是否合理
根据法院裁定，LinkedIn 计划先用 25 组检索式缩小保管人文件范围，再由 Relativity aiR 辅助过滤不相关文档。LinkedIn 还披露，该工具不使用种子集或训练集，负责作出最终的响应性判断，并由人工对不同判断类别抽样复核。原告要求禁止前置筛选、让工具处理全部保管人文件，并进一步披露遗漏率估算、错误率和人工复核人数等指标。
美国联邦治安法官 Laurel Beeler 于 2026 年 6 月 30 日签署的裁定驳回了这些请求，同时要求双方继续协商检索式是否需要调整。裁定明确称 Relativity aiR 是一种 TAR；在没有指出具体生产缺陷的情况下，仅凭目标文档集达到 204,444 份，并不足以启动对对方审查方法的进一步“审查之审查”。
这不是给所有法律 AI 发放“通行证”
这份裁定的意义不在于法院认证了某个产品，更不意味着使用生成式 AI 后产生的结果当然准确。法院处理的是特定案件中的发现程序争议，判断依据仍是合理性、比例原则以及双方既有的电子存储信息协议。它也不是关于证据真实性或可采性的最终裁判，更不能直接等同于其他司法辖区的规则。
真正的变化是，法院关注点正从“能不能用 AI”转向“使用过程能否被解释和辩护”。工具名称可以变化，但诉讼团队仍需说明：哪些数据先被纳入或排除，筛选条件如何形成，AI 承担哪一步判断，人工复核覆盖哪些类别，发现异常时如何回溯。
对电子证据实务的三个提醒
- 把 AI 写进 ESI 协议。如果一方希望取得精确率、召回率、遗漏率或抽样方案，应尽量在协议谈判阶段约定，而不是发生争议后再要求对方全面开箱。
- 保留可审计记录。检索式版本、数据范围、参数变化、抽样结果和人工纠偏都应形成日志。可辩护性来自过程证据，而不是厂商宣传。
- 人类复核不能只停留在口号。抽样对象、频率、异常阈值与升级机制应事先设计；对特权、商业秘密及关键争点文档，还需设置更严格的复核层级。
对中国律师和企业法务而言，这一美国案例没有直接约束力，但提供了值得借鉴的工作方法：采用生成式 AI 审查大量电子材料时，先建立数据范围、筛选逻辑、权限控制和质量验证，再讨论模型效率。未来电子取证争议的核心，很可能不是有没有使用 AI，而是谁能用完整记录证明这套流程合理、稳定且可复核。
结语
生成式 AI 正在被纳入既有的电子取证框架，而不是取代框架。对诉讼团队来说，最重要的能力也将从“会调用模型”升级为“会设计并证明一条可辩护的审查链条”。效率可以由机器放大，程序责任仍然属于律师与当事人。
参考来源
- 美国政府信息网站（GovInfo），Schulte v. LinkedIn Corp. Discovery Order（2026 年 6 月 30 日）：https://www.govinfo.gov/content/pkg/USCOURTS-cand-4_22-cv-00237/pdf/USCOURTS-cand-4_22-cv-00237-26.pdf
- Arnold & Porter，Court Declines to Give Generative AI Review Special Scrutiny, Treats It as TAR：https://www.arnoldporter.com/en/perspectives/blogs/edata-edge/2026/07/court-declines-to-give-generative-ai-review-special-scrutiny
- DISCO，GenAI Review Just Got Its Day in Court（2026 年 7 月 24 日）：https://csdisco.com/blog/schulte-v-linkedin-genai-document-review
