2026年7月15日，法律费用分析公司Legal Decoder推出Aperture，为企业法务部门和律所提供法律账单数据的自然语言查询功能。据法律科技媒体LawSites报道，用户可直接询问费用、人员配置和事项效率等问题，相关数字和分析结果由Legal Decoder原有的机器学习及结构化分析引擎生成。
与主要用于文书生成的法律AI产品不同，Aperture面向法律费用管理。企业法务和律所通常积累了LEDES账单、事项管理、工时及费用数据，但这些数据多依赖专业人员通过商业智能报表进行筛选和分析。自然语言界面降低了查询门槛，使总法律顾问、业务律师和律所定价团队能够在统一数据口径下继续追问账单明细。
大模型承担查询入口
按照LawSites披露的产品架构，Aperture并不依靠大语言模型直接计算或判断账单结果，而是将其置于Legal Decoder既有分析系统之上，主要负责识别用户问题并调用相应数据。
涉及金额比例、计时人员结构、事项效率和工作类型等结果时，系统仍以底层数据模型和既定分析规则为依据。用户可以查询多人重复参会、工时描述模糊、人员配置不当等情况，也可分析不同事项的成本构成及可能受到自动化影响的工作类别。
这一设计反映出法律行业采用生成式AI的一种路径：保留已有的数据治理和分析系统，在其上增加自然语言交互层。与重新训练一套直接处理法律费用的模型相比，这种架构便于核对计算口径，也更适合对结果留痕和复核。
敏感信息先行处理
法律账单可能包含客户身份、案件策略、交易进度、争议焦点及人员安排。Legal Decoder称，相关数据进入大语言模型前，系统会移除律所名称、计时人员、事项名称和客户名称等可识别信息，并以安全令牌替代。令牌映射还会在会话层级重置，以减少映射关系被长期保存所带来的风险。
上述安排仍需接受具体使用场景的检验。即使模型供应商承诺不以客户数据训练模型，使用方仍需确认数据传输范围、保存期限、访问权限和日志记录，并确保分析结果能够回到账单明细。若系统输出被用于费用核减、替代收费安排或外部律师评价，数据来源和计算口径将直接影响双方的商业关系。
费用管理转向数据核验
对企业法务部门而言，自然语言查询可用于识别块状计费、过度会议、人员级别与任务不匹配，以及事项复杂程度与收费不相称等问题。过去需要费用管理人员逐项筛查的账单，可能由系统先行标记，再交由业务人员复核。
律所也可利用历史账单数据辅助报价、预算及替代收费安排，减少对合伙人经验估算的依赖。更细颗粒度的数据能够帮助律所解释复杂事项的成本来源，也可能使客户与律所围绕服务价值和费用合理性的讨论形成较明确的证据基础。
目前，国内法律科技产品较多集中在合同审查、法律检索和文书生成。Aperture所代表的费用分析场景表明，账单、事项、客户关系和风险审批等业务数据，也可能成为法律AI产品的重要应用对象。不过，这类系统的部署前提包括统一的数据标准、清晰的权限设置，以及完整的操作留痕和人工复核机制。
查询便利不等于自动决策
法律费用分析受到案件策略、业务背景、地区差异和客户关系等因素影响。系统发现异常，并不当然说明收费不合理。例如，高级律师投入较多工时，可能源于案件风险，也可能反映人员配置问题，需要结合事项背景判断。
数据质量同样构成限制。如果工时叙述模糊、事项编码不统一或历史数据缺失，自然语言界面只能加快查询和暴露问题，无法补足原始记录。企业法务和律所在将分析结果用于核减费用、供应商评价或内部绩效管理时，仍应保存底层明细、统计口径和人工复核记录，避免将模型输出直接视为最终结论。