律所AI落地卡在数据和流程，模型退居配角

7月以来，围绕律所AI就绪度的讨论换了主角：基础模型退居配角，数据和业务流程走到台前。Legal IT Insider、Artificial Lawyer等法律科技媒体近期的文章显示，文档分散、知识库维护不足、工作流程不统一，正在制约生成式AI在法律服务中的实际应用。法律科技服务商也开始收购培训机构，把系统实施、人员培训和采用管理装进同一套服务体系。

分散数据拖住系统后腿

Legal IT Insider 7月7日发布的一场律所AI就绪度专题讨论，把数据基础列为部署生成式AI的前置条件。多数律所在引入生成式AI之前，已经分别建好文档管理、案源管理、财务、知识库、邮件和合同库等系统。这些工具各管一段，但系统之间的数据标准、访问权限和关联关系往往并不统一。

当AI需要综合识别具体事项、客户信息、风险偏好和历史处理方式时，分散的数据会成倍放大检索和核验难度。部分文档即使躺在共享盘或业务系统里，也未必有明确的授权范围、版本记录和审计路径——这样的材料，很难直接喂给AI检索或自动化流程。

产品差异藏在模型之外

Artificial Lawyer 7月6日的观点文章提出了一个尖锐判断：基础模型趋同的情况下，法律AI产品的差异更多取决于模型之外的系统能力——条款库、谈判回退立场、审批规则、知识来源和审计机制。

这些配置对应的是律所或法务部门如何办案、审合同、控风险。要让AI参与其中，法律团队得先把依赖个人经验的办案方法、谈判标准和审批要求，转化为可检索、可更新的组织知识，并明确不同岗位和事项的数据访问权限。

通用模型在律师日常工作中的使用也在增加。Business Insider近期报道，一家采用AI工具的律所合伙人把语音输入、提示词和文档起草结合，用于交易支持等工作。案例说明小型团队可以借AI调整起草和沟通流程，但报道所述效率提升属于个案经验，能否复制取决于业务类型、人员能力及复核安排。

培训被当成生意来做

法律AI培训正成为服务商的业务布局。法律科技与咨询服务商Harbor收购英国法律技术培训机构iTrain，显示部分大型服务商正把技术实施、用户培训、采用率管理和长期组织变革整合起来。

道理并不复杂：AI工具能否进入真实案件流程，取决于律师是否持续使用、能否识别需要停止自动处理并转入人工核验的情形，以及团队能否把有效方法沉淀为统一规范。缺少培训和流程约束时，同一工具在不同律师手中可能产生明显不同的结果，输出质量也难以稳定评估。

先整理可授权、可审计的数据

部署AI之前，律所和法务部门需要梳理可授权、可检索和可审计的数据来源，并确定哪些法律判断已形成相对稳定的业务规则、可以交由AI辅助执行。高频事项、常用条款、内部审查口径和审批节点，通常适合优先整理。

AI的使用边界也要写进日常流程：输入材料是否涉及客户秘密或个人信息、模型输出由谁复核、修改过程如何留痕、出错后如何追溯责任。对尚未形成统一标准的复杂法律判断，AI可用于检索、整理和起草，但不宜替律师作最终判断。

现阶段，基础模型的能力仍是法律AI产品的重要组成部分，但真正决定部署效果的，是数据治理、知识维护、工作流连接、人员培训和质量复核。选择工具时只看演示结果或厂商公布的效率数据，很可能买回来一个用不起来的系统。

相关报道

• Legal IT Insider：From data chaos to AI readiness
• Artificial Lawyer：The Legal AI Advantage Won’t Come From the Model Alone
• Business Insider：AI got this lawyer away from his desk
• Artificial Lawyer：Harbor Acquires iTrain for Legal AI Education