AT&T 與 OpenAI 的法律合作，將共享知識置於內部工作核心
AT&T 正擴大與 OpenAI 的合作，以重組法律支援，同時讓律師保留決策權。AT&T 與 OpenAI 的法律合作針對一項常見瓶頸：在專業判斷開始前，尋找所需資訊。其意義在於改變工作如何送達法律專業人員手上，而不只是協助他們更快產生文件。
AT&T 於 2026 年 10 月 8 日宣布這項合作。OpenAI 於 10 月 21 日發表更深入的介紹，說明一個用於接收及準備法律請求的規劃中系統。這些日期相當重要：最新報道描述的是一項持續發展的計劃，而非宣布一個已完成部署、且已有獨立量度結果的方案。
核心張力在於個別建立的專業知識與共享機構知識之間。包括 Thomson Reuters 及 Microsoft 在內的法律科技供應商，早已競爭將 AI 與專業工作流程連繫起來。AT&T 的計劃提出了一個更偏向組織層面的問題：當法務部門重新設計工作的起點時，會帶來甚麼改變？
AT&T 與 OpenAI 的法律合作實際改變了甚麼
根據 OpenAI 對法律需求接收的說明，AT&T 正探索一套以自然語言運作的系統，接收以日常語言撰寫的請求。系統將會分類請求、設定優先次序、尋找相關過往工作，並建議初步步驟。AT&T 首席合規官 Bill Ryan 將此形容為一項規劃中的計劃。
這個擬議流程之所以重要，是因為接收一項請求與理解其法律意義，是兩種不同活動。一則訊息可能清楚交代商業期限，卻令背後的法律問題仍然模糊。在提供建議之前，律師需要足夠脈絡，以區分眼前的請求與實際問題。
擬議的改變，是將資訊蒐集工作移近請求進入部門的一刻。
這帶來改善業務團隊與法律專業人員之間交接的機會。部門不再將每則傳入訊息視為獨立委派，而是可以檢視其與較早前工作之間的關係。潛在好處來自能夠在不同案件之間保留脈絡。
這項計劃建基於 LegalEdge，即 AT&T 的內部法律組織。AT&T 在其法律工作流程公告中表示，LegalEdge 於 2026 年 1 月啟用，並在首六個月內處理近 100 宗事項。這建立了營運基礎，但並未量度擬議需求接收系統的表現。
單憑事項數量不足以證明生產力。不同事項的複雜程度、緊急程度，以及所需專業人員投入都不一樣。若沒有比較方法，數量難以說明新流程是否提升質素，或減少完成工作所需的總投入。
AT&T 亦描述了不同層級的協助。部分獲批准的工作可以取得自動回應，而其他工作則涉及為律師蒐集資訊。公司表示，律師將決定如何使用 AI agents，即執行一連串任務的系統。
這個區分避免這項計劃被簡化成單一的自動化論述。回答獲批准的行政問題，與解讀陌生的合約爭議，涉及不同責任。部門在決定軟件應獲得多少酌情權之前，必須先區分這些類別。
對評估這項公告的讀者而言，有意義的發展在於設計合作關係及其預期帶來的工作流程改變。兩間公司的說法都未能證明，自動化需求接收流程已在整個部門運作。若將這個設計視為已完成的服務，便會抹去最關鍵的實施問題。
法律營運承受讓知識可用的壓力
眼前壓力落在負責組織法律工作的人身上。律師可以個別採用助手，但共享需求接收需要就擁有權、存取權限、分流及覆核作出決定。這些決定跨越法律營運、科技團隊及專業執業團隊之間的界線。
一個實用的介面無法彌補責任不清。若傳入請求橫跨多個議題，必須有人決定誰負責回應。否則，更快的分類只會同時將不確定性送到多個人手上。
組織負擔將轉向令專業知識可被發現、保持最新並可追責。
試想一項示例性的合約請求，涉及公司在早前談判中接受過的條款。找到先前協議只是開始。覆核律師還需要理解，為何當時接受這項例外，以及其條件是否仍然適用。
文件可能保留最終條款，卻遺漏了支持該決定的討論。相關解釋可能存在於往來通訊、事項摘要，或同事的記憶之中。因此，搜尋質素與機構知識彼此重疊，但並不完全相同。
這個差異會對知識擁有者構成壓力。必須有人辨識哪些材料代表已獲批准的指引、哪些記錄歷史例外，以及哪些已經過時。檔案庫可以包含所有這些類別，卻未必令其差異一目了然。
這項工作亦需要回饋流程。當律師拒絕建議的先例時，組織需要有方法保留原因。否則，同一份具誤導性的材料可能反覆出現，將維護工作轉移到每一位未來覆核者身上。
正是在這裏，AT&T 與 OpenAI 的法律合作在法律科技採購以外變得相關。購買軟件的部門，仍需要一套營運模式來決定軟件應知道甚麼。能夠存取模型，並不代表該模型在組織內已確立權威。
業務團隊亦面對相關調整。更容易取得法律支援，可能改變員工提交甚麼及何時提交。更易使用的服務可以揭示先前未被滿足的需求，即使個別任務變得較易處理，請求數量仍可能增加。
這令簡單的工作量比較變得不可靠。部門可能服務更多員工，卻未有減少整體排隊量。它亦可能更早發現問題，因而產生額外工作，這些工作改善風險管理，而非降低可見活動量。
外聘律師同樣面對有條件的壓力。若內部團隊更善於準備事項，外部顧問將收到不同類型的委派。他們的價值部分取決於能否有效提供與客戶既有知識互補的專業意見。
這是擬議模式所帶來的含意，而非這次合作已獲驗證的結果。公告並不足以支持法律職位或外判工作將全面消失的預測。它確實值得人們更密切留意，準備工作、專業意見及機構記憶如何彼此配合。
需求接收決定哪些脈絡送達律師
需求接收是接收、澄清及轉介請求的過程。由於它在可見的法律交付成果之前發生，其重要性很容易被忽略。然而，最初的框架會影響哪些文件被視為相關，以及哪些問題獲得注意。
能夠撰寫流暢摘要的助手，可以提升可讀性，同時保留錯誤假設。若原始請求描述的是錯誤問題，語言流暢並不會修正底層框架。接收案件的律師仍需要了解系統如何得出其解讀。
一個有用的起點，必須連同相關資訊一併呈現不確定性。
再考慮另一項示例性請求：一名員工詢問現有協議是否容許客戶資訊的新用途。這項請求聽來像是直接的合約解讀，其意義卻可能取決於員工尚未提供的事實。
有效的流程會在提出充滿把握的建議前，先識別缺少的資訊。它會區分已確認事實與假設，並解釋為何先前協議看似相關。這讓律師有可供評估的內容，而不只是可供閱讀的文字。
同一原則亦適用於優先次序。一則短訊可能包含緊急問題，而一份冗長提交則可能涉及例行工作。分類緊急程度，需要的不只是量度訊息長度或偵測熟悉的法律詞彙。
相似性與適用性之間亦有差別。過往工作可能看似與新請求相近，卻涉及不同當事方、責任或情況。有用的系統應保留這些差異，而不是將它們壓縮成籠統答案。
這是擬議工作流程的分析要求，而非對 AT&T 已公開功能的描述。公開資料沒有說明其分類方法、評估流程，或如何處理含糊請求。這些細節將決定系統能夠可靠地完成多少準備工作。
知識問題與個人及團隊知識之間的區分，有更廣泛的相似之處。對一個人有用的資訊，在成為可靠的共享基礎設施前，可能需要額外的擁有權及存取規則。
這個相似之處不應掩蓋法律工作的特殊要求。部門在提供文件存取權前，必須考慮某人是否有權查看該文件。便利並不能解決存取、保密及專業責任之間的關係。
令人信服的實施方案亦會保留回到原始請求的途徑。摘要必然會選取及壓縮資訊。當某項細節顯得不尋常，或建議看來缺乏根據時，覆核者需要檢視哪些內容被遺漏。
由此形成的工作流程，沒有自主助手的敘事那麼整齊。部分請求應迅速推進；另一些則應暫停以作澄清。其價值在於協助負責的專業人員以較少重建工作，辨識當中的分別。
因此，擴展法律判斷能力，意味著改善判斷發生時的條件。這不代表只要出現相似字詞，便複製資深律師的結論。當組織嘗試在團隊之間重用經驗時，這個分別尤其重要。
法律 AI 供應商早已競爭連接式工作流程
AT&T 的計劃進入一個既有供應商已強調工作流程整合的市場。相關比較在於機構知識於流程何處進入，以及專業人員如何核實所得工作成果。這並不需要宣告哪個模型勝出。
Thomson Reuters 於 2025 年 8 月 5 日宣布 CoCounsel Legal，將研究能力與引導式工作流程結合。其法律研究工作流程強調公司的法律內容，並以 Westlaw 為起點。該公司將此定位為把研究與後續專業工作連繫起來的方法。
Microsoft 在其法律助理文件中描述了另一個切入點。Copilot for Legal 支援合約審閱、草擬及比較等文件工作流程中的活動。Microsoft 明確將其輸出界定為建議性質。
競爭的關鍵問題，在於每種方案能否有效地將專業工作與評估該工作所需的脈絡連結起來。
以研究為核心的產品，起點是對權威法律資訊的需要。以文件為核心的助理，則由正在審閱的協議或草稿開始。以受理為核心的設計，起點更早——在機構仍在釐清需要處理甚麼工作之時。
這些起點可以並存。同一宗事項中，一個部門可能同時需要內部歷史資料、外部研究及文件編輯。難處在於，資訊在這些活動之間流轉時如何保留其原有意義。
對企業買家而言，這形成了功能與完整服務之間的實際差異。一項強大的草擬功能，並不代表傳入的請求會送達合適的專家。一個井然有序的佇列，也不代表答案建基於最新的權威資料。
這項比較亦令「自行建立還是採購」這個熟悉的選擇變得更複雜。公司可能會自訂受理流程，同時倚賴既有的研究工具。它也可能採購文件協助工具，但仍自行負責內部指引及審閱標準。
這些是可行的架構選擇，並非 AT&T 部署方案的已披露細節。現有公告沒有提供足夠的技術資訊，讓人將這項計劃對應至完整系統。它們不應被用作支持關於特定模型、整合或替代產品的說法。
這個資訊缺口很重要，因為看似相近的示範，可能掩蓋了截然不同的營運承諾。原型或可成功檢索相關文件，卻未解決存取權限管理及持續維護問題。投入生產的服務則必須反覆處理這些責任。
因此，供應商比較應聚焦於整個工作流程的證據。買家需要了解，當來源材料互相矛盾、權限改變，或請求超出預定範圍時，系統會如何處理。這些情況所揭示的資訊，比精心挑選的示範更多。
對 AT&T 而言，獨特之處在於嘗試將組織設計與 AI 輔助工作連結起來。其意義將取決於這些選擇如何共同運作。這項合作本身並不代表它優於研究平台或文件助理。
人工監督需要有關其審閱工作的證據
OpenAI 的說法包含 AT&T 總法律顧問 David McAtee 設下的一條清晰界線：「決策將永遠由律師作出。」這確立了所述的責任分配，但仍未說明律師將如何檢視及質疑系統的貢獻。
審閱者可以保有最終權力，卻沒有足夠資訊以有效率地行使該權力。若要核實一項建議，必須重新進行整個調查，助理只是轉移了工作，而非減少工作。因此，審閱介面的質素與答案質素同樣重要。
當審閱者能識別來源、假設、遺漏及未解決問題時，人工監督才具實質意義。
獨立研究提供了堅持這項區分的理由。一項由 Stanford 主導、關於法律 AI 可靠性的研究，發現在受評估的專門研究產品中存在幻覺。所謂幻覺，是指歪曲事實或缺乏支持的生成內容。
該研究針對特定工具及較早的評估期間。它並未衡量 AT&T 計劃中的系統，也未確立現有產品的表現。其相關性較為有限：檢索到真實法律材料，並不會自動保證生成答案可靠。
這意味著協助工具可能以多種方式出錯。系統可以引用真實文件，卻得出缺乏依據的結論。它也可以準確概述一份協議，卻忽略該協議為何與當前事項不同。
內部知識帶來另一項複雜因素。過往決定即使真實，亦未必代表現行政策。重新使用時，必須了解機構是將其視為一般指引，還是在特殊情況下接受。
這些疑慮並不否定這項計劃。它們指出評估必須作出的區分。檢索的準確性、詮釋的準確性、分流的恰當性，以及最終回應的適切性，彼此相關但仍是不同問題。
公開公告未有提供所提議受理流程的比較錯誤率或詳細評估方法，也未提供經獨立驗證、關於其對法律回應時間影響的量度。這限制了目前可作出的結論。
即使生產力數據有利，亦需要審慎解讀。較快的回應可能反映請求較容易、範圍較窄，或有額外工作在其他地方完成。有效的評估需要在初步輸出之外，同時計入修正及審閱所需的工作量。
存取控制同樣需要密切關注。一個在搜尋時遵守權限的系統，若生成摘要送達錯誤受眾，仍可能造成問題。評估應追蹤資訊在交接過程中的流向，而非在檢索到文件時便停止。
更廣泛的取捨很直接：知識愈容易重用，理解其限制便愈重要。機構可從讓相關經驗傳播得更廣中受益，但亦需要機制，防止舊有例外或缺乏支持的推論獲得非預期的權威性。
隨著設計合作夥伴關係發展，值得留意的事項
下一批有用證據將關乎擬議服務如何在真實工作中運作。在未來數月，讀者應依次留意部署範圍、經審閱的表現及持續採用情況。這些都不需要假定一則公告已代表完成轉型。
最有力的訊號，將是把界定清楚的工作流程、可量度成果及可問責的審閱程序連結起來。
首先，留意受理系統正在何處運作的具體描述。有意義的更新會指出支援哪些請求類別，並解釋提交內容超出該等類別時會如何處理。這會比泛泛而談企業可用性，更容易評估該計劃。
明確的範圍會加強 AT&T 正在建立可重複服務的論點。若持續的描述仍僅限於計劃中的能力，該計劃便會停留在較早期階段。單憑任何一種結果，都無法確立此方法最終是否成功。
其次，留意表現證據是否涵蓋律師在收到 AI 準備的材料後所進行的工作。有用的指標會把回應時間與修正、遺漏問題及審閱工作量連結起來。若專業人士必須花更長時間核對，較快的初步摘要只能提供有限洞見。
能夠計及這些取捨的評估，會加強改善處理能力的理據。僅限於生成輸出或完成搜尋的量度，則只能支持較狹窄的結論。它們顯示活動發生，卻未能證明法律服務有所改善。
第三，留意該工作流程是否在其目標受眾中贏得重複使用。持續採用很重要，因為偶爾的實驗不能證明一個流程適合日常工作。有用的證據會說明員工是否會再次使用，以及法律專業人士是否持續接受由此產生的交接。
採用情況同樣需要解讀。高使用率可以反映便利性，卻不能證明準確性；低使用率則可能揭示整合不足或範圍不匹配。把使用證據與經審閱的成果結合，才能呈現更可信的圖像。
對開發者而言，這使該計劃成為圍繞不確定性及責任設計協助工具的案例研究。對企業買家而言，它突顯了將 AI 連接至內部資訊背後的組織工作。對知識工作者而言，它說明了取得過往工作與對該工作有信心，仍是不同需要。
AT&T 與 OpenAI 的法律合作值得關注，因為它處理的是專業判斷之前的準備工作。其下一階段應透過這些準備工作的質素，以及它協助律師作出的決定來評估。
在採用類似方法前，請檢視你自己的機構在哪些環節，令請求與答案之間的脈絡流失。問問誰負責維護獲批准的指引、誰處理互相矛盾的先例，以及誰可授權存取敏感材料。然後找出哪些證據能顯示協助工具改善了完整服務，包括審閱及修正。AT&T 的計劃提供了一項可供追蹤的具體發展，而非可普遍照搬的範本。對知識工作者而言，問題很實際：當相關經驗變得更容易檢索時，它是否也變得更容易評估？請留意能回答這個問題的部署細節及經審閱成果。
