近期，海外法律从业者参与人工智能模型训练、法学院增设AI必修课程以及受监管行业测试AI Agent等动态，显示法律AI的应用重点正从工具采购延伸至训练、评测和流程治理。对律所和企业法务而言，模型能否遵循内部审查口径、交付标准和风险边界，已成为落地环节需要处理的问题。
法律从业者参与模型训练
据Business Insider报道，一些律师、退休法官和法律助理利用夜间或周末参与AI训练，工作内容包括设计法律问题、评价模型回答以及补充示范答案。相关报道主要基于从业者案例，尚不足以说明行业整体规模，但反映出法律专业人员已进入模型训练和质量评估环节。
法律材料的使用门槛高于一般网页文本。案件分析往往涉及事实筛选、法律规则适用、证据判断和风险权衡，文本表面相似并不代表结论相同。由法律人员参与训练，实质上是把办案经验和审查方法整理为模型可以学习、测试和修正的工作样本。
这一变化也给法律服务机构提出了新的知识管理要求。过去，律所引入AI时多关注法律检索、文书起草和文件比对等功能；随着使用深入，内部审查清单、专业方法、风险偏好和交付规范，需要进一步转化为提示词模板、评测集及质量控制流程。能否持续维护这些材料，将直接影响同一工具在不同机构中的使用效果。
Business Insider另一篇报道介绍了律师借助Claude处理语音记录、初稿生成、问题拆解和客户沟通等工作的案例。此类个案表明，通用模型可以被嵌入多步骤法律工作流，为小型团队减少部分后台工作。不过，报道中的效率改善属于使用者自述，其适用范围仍取决于业务类型、数据质量和复核投入。
法学院增设AI课程
据Times Union报道，奥尔巴尼法学院计划要求学生接受AI相关训练，课程涉及人工智能在法律职业中的收益、限制与风险。教学重点包括识别错误引用和虚构案例、判断何时需要人工复核，以及理解客户保密义务和执业责任。
类似课程回应了法律服务市场的现实需求。企业法务、小型律所和公共法律服务机构均可能使用低成本、高频次的AI工具。如果培训仅限于产品操作，使用者仍难以处理来源核验、数据安全和责任划分等问题。更具体的教学和内部培训，可围绕合同风险分级、检索来源核验、诉讼材料交叉检查，以及客户数据进入模型前的脱敏和授权规则展开。
AI Agent带来流程治理压力
能自主拆解任务、调用工具并生成报告的Agentic AI，正被部分受监管行业用于测试、文档处理、风险评估和报告制作。TechRadar援引相关行业观察称，AI Agent的应用速度已超过部分组织治理制度的调整速度。由于不同机构对“采用”和“部署”的统计口径并不一致，相关趋势仍需结合具体应用场景判断。
现有审批和复核制度大多按照员工逐步完成任务的方式设计。AI Agent一旦跨系统读取文件、调用数据库或向业务部门推送结果，权限控制、版本管理、责任归属和操作留痕可能出现缺口。
以合同审查为例，企业需要记录系统读取的文件版本、适用的审查规则、自动生成的修改意见及最终批准人员。法律检索系统生成备忘录时，律师还应能够追溯引用来源，核对案例是否真实、有效，并了解系统筛选或舍弃了哪些材料。缺少上述记录，自动化流程可能引发保密、合规及职业责任风险。
因此，法律机构在采购和部署AI系统时，除比较模型性能和使用成本外，还需审查数据使用范围、访问权限、评测方式、人工复核节点及日志保存安排。专业经验能否形成稳定的训练和评测材料，自动化输出能否被追溯和纠正，将影响法律AI的实际使用边界。