法律 AI 的竞争正在从“谁先买到工具”转向“谁能让工具理解本所业务”。随之而来的问题是：律所能否把既有客户材料用于知识库、检索增强、效果评测，甚至模型微调？近期法律科技报道提醒律所，在用客户数据训练或改进 AI 前，应先与客户沟通。这个提醒看似朴素，却点中了下一阶段法律 AI 建设最容易被忽略的边界。
“进入系统”不等于“用于训练”
实践中常被混在一起的至少有三种处理：材料只在当前任务的上下文中短暂使用；文件进入律所内部知识库，供获准人员检索；内容被用于评测、微调或持续改进系统。三者的目的、保存期限和可见范围并不相同。即使供应商承诺不拿数据训练通用模型，也不能自动回答律所内部是否会把某个项目的成果变成全所资产。
因此，“我们使用企业版 AI”不是充分说明。客户更可能关心：原始文件是否离开指定区域，哪些人员和系统可以调用，输出会不会进入其他项目，删除委托材料时衍生向量、提示记录和评测样本能否一并处理。技术架构越复杂，越需要把这些问题翻译成可理解的授权选项。
从一次性同意转向分层授权
较稳妥的做法不是在委托协议里塞入一条宽泛的“可使用 AI”，而是按用途分层。为当前事项提供摘要、检索或初稿，可以作为一层；将匿名化成果用于内部质量测试，是另一层；把材料用于训练可跨事项复用的模型，则应单独说明。对于商业秘密、调查材料、未公开交易和受特别保密安排约束的数据，还要设置更严格的默认禁用规则。
授权也不应只有“同意或拒绝”两个按钮。客户可以选择允许特定工具、限定数据类型、要求人工复核，或者随时退出后续改进计划。这样做并非把所有风险推给客户，而是促使律所明确自身的数据处理事实。若连系统会保留什么都无法说明，所谓知情同意也很难成立。
合同承诺要能落到系统记录
治理的难点通常出现在承诺之后。客户要求“不用于训练”，律所就需要让这一要求进入事项级权限，而不是停留在邮件或合同附件中。采购团队应核对供应商的留存、再利用、人工访问、分包商和模型提供方条款；技术团队则要保留数据流、版本、调用和删除记录。项目切换模型或新增插件时，也应触发重新评估，而不是沿用旧结论。
- 为每个事项标注允许的 AI 用途和禁止的数据类别；
- 区分任务处理、知识库检索、评测样本与模型训练；
- 把客户退出、数据删除和供应商变更设计成可执行流程；
- 定期抽查权限与日志，确认实际使用没有越过约定。
客户数据确实可能让法律 AI 更贴近真实工作，但“数据越多越好”并不适合法律服务。更可持续的路径，是让每一次复用都有明确目的、适当权限和可追溯记录。律所能够清楚说明数据怎样流动，往往比单纯展示一个更聪明的模型，更能建立客户信任。本文仅作行业观察，不构成法律意见。
参考线索
- Law.com Legaltech News：Training AI Tools on Client Data? Talk to Clients First
- American Bar Association：Prudently Training AI on Client Confidential Information
- DC Bar Ethics Opinion 388
- arXiv：Privilege and confidentiality in generative AI workflows
