Aperture让法律账单能被追问，但算账仍靠底层模型

法律账单也能”聊”了。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账单数据的自然语言查询。据法律科技媒体LawSites报道，用户可以直接问费用、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。

跟主要做文书生成的法律AI产品不同，Aperture做的是费用管理。企业法务和律所一般积累了大量LEDES账单、事项管理、工时及费用数据，分析这些数据却长期靠专业人员操作商业智能报表。自然语言界面把查询门槛降了下来，总法律顾问、业务律师和律所定价团队可以在统一的数据口径下接着追问账单明细。

把大模型当入口，不当计算器

按LawSites披露的产品架构，Aperture不靠大语言模型直接算或判断账单结果，而是把模型架在Legal Decoder既有的分析系统之上，让它识别用户的问题、调用相应的数据。

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，系统还是以底层数据模型和既定分析规则为依据。用户可以查多人重复参会、工时描述模糊、人员配置不当等情况，也能分析不同事项的成本构成，以及可能受自动化影响的工作类别。

这种设计代表了法律行业用生成式AI的一条务实路径：留住已有的数据治理和分析系统，在上面叠一层自然语言交互。跟重新训练一套直接处理法律费用的模型比，这种架构方便核对计算口径，也更适合给结果留痕和复核。

先把敏感信息摘出去

法律账单可能带着客户身份、案件策略、交易进度、争议焦点和人员安排。Legal Decoder称，数据进大语言模型前，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，改用安全令牌替代；令牌映射还会在会话层级重置，降低映射关系被长期保存的风险。

这些安排还是要放到具体场景里检验。就算模型供应商承诺不用客户数据训练模型，使用方也得确认数据传输范围、保存期限、访问权限和日志记录，并保证分析结果能回到账单明细。输出如果被用于费用核减、替代收费安排或外部律师评价，数据来源和计算口径会直接影响双方的商业关系。

费用管理往数据核验上走

对企业法务部门来说，自然语言查询能用来识别块状计费、过度会议、人员级别与任务不匹配，以及事项复杂程度和收费不相称等问题。过去要费用管理人员逐项筛查的账单，可以让系统先标出来，再交业务人员复核。

律所也能拿历史账单数据辅助报价、预算和替代收费安排，少依赖合伙人的经验估算。颗粒度更细的数据，既能帮律所解释复杂事项的成本从哪来，也让客户和律所围绕服务价值、费用合理性的讨论有了更明确的证据基础。

国内法律科技产品目前多集中在合同审查、法律检索和文书生成。Aperture代表的费用分析场景提醒市场：账单、事项、客户关系和风险审批等业务数据，同样能成为法律AI的应用对象。前提是有统一的数据标准、清晰的权限设置，以及完整的操作留痕和人工复核机制。

查起来方便，不等于能自动定论

法律费用分析受案件策略、业务背景、地区差异和客户关系等因素影响。系统发现异常，不当然说明收费不合理——高级律师工时多，可能是案件风险高，也可能反映人员配置有问题，得结合事项背景来判断。

数据质量同样是硬约束。工时叙述模糊、事项编码不统一或历史数据缺失时，自然语言界面只能加快查询、把问题暴露出来，补不了原始记录。把分析结果用于核减费用、供应商评价或内部绩效管理前，企业法务和律所还是要保存底层明细、统计口径和人工复核记录，别把模型输出直接当成最终结论；这类留痕要求，站内证据类 Skills里也有对应任务。

相关报道

• LawSites：Legal Decoder Introduces Aperture, A Natural Language Interface for Querying Legal Billing Data
• Legal Decoder官网：The Intelligence Behind Legal Spend Data Analytics
• IT Business Net / GlobeNewswire：Legal Decoder Launches Aperture, Bringing Conversational Analysis to Legal Billing Intelligence