Clio 法律 AI 报告令计费小时制承压

Clio 的法律 AI 报告发现，英国和爱尔兰法律专业人士中的 AI 使用率已达 88%，但效率提升如今正与按小时计费模式发生冲突。软件可以加快研究、文件审查和起草工作，减少过去能产生可观费用的人力工时。

这一冲突已不再停留在理论层面。近 80% 使用 AI 的律所告诉 Clio，他们无需增加资源就能处理更多工作。超过 70% 的受访者表示，AI 承担了此前由支持人员处理的行政工作，从而降低了成本。

这给律所带来了一个棘手的问题。如果法律工作从数小时缩短至数分钟，客户是否应少付费用，还是律所应保留这部分效率收益？

企业法务部门越来越倾向于前一种答案。与此同时，律所的营收、绩效和职业晋升，仍以记录工时为衡量依据。AI 正在提升一种传统上“耗时越长、收入越高”的商业模式中的生产效率。

这种压力也不止于定价。常规任务能帮助初级律师识别模式、学习起草并培养判断力。将这些任务自动化或许能改善当下的交付效率，却可能削弱行业未来的人才培养体系。

Clio 法律 AI 报告显示，采用速度已超过整合进度

法律 AI 已进入主流应用阶段，但多数律所尚未围绕它重建运营模式。

Clio 的法律 AI 研究调查了英国和爱尔兰的 513 名法律专业人士及 500 名公众。研究发现，88% 的法律专业人士以某种形式使用 AI。

但只有 27% 已将其嵌入日常工作流程。这一区别将偶尔使用与运营层面的变革区分开来。

律师或许会使用聊天机器人总结文件或润色初稿，但不会改变更广泛的流程。嵌入式使用则意味着，AI 成为可重复工作流程、获批系统、案件管理和质量控制的一部分。

这一差异至关重要，因为个人效率提升并不会自动转化为律所效率提升。律师可以更快完成一项任务，却仍要等待人工受理、分散的记录或未改变的审批链条。

同样的问题也出现在许多行业的知识密集型工作中。当源材料仍然碎片化或难以核实时，更快的内容生成价值有限。团队需要受控访问最新文件、既往意见和与具体案件相关的背景信息。

这有助于解释为何法律 AI 的采用速度可能远快于可衡量的转型速度。购买访问权限相对容易；重新设计工作流程、权限、监督和定价，则需要整个律所协同推进。

Clio 的发现还揭示了透明度缺口。该公司称，81% 的律所表示会向客户披露 AI 的使用情况，但只有 7% 的客户记得曾收到此类披露。

其中可能有多种原因。披露内容可能出现在客户不会阅读的委托文件中。律师也可能只是笼统描述技术，而未说明 AI 会在哪些环节参与工作。

无论原因为何，这种不匹配都会造成信任问题。律所认为自己已进行了沟通，而客户往往并未意识到这项沟通。

当 AI 影响文件、研究或建议时，这一缺口会变得更加重要。客户会希望知道谁审查了结果、哪些信息被输入系统，以及效率提升是否影响了费用。

报告还发现，51% 的法律专业人士会在晚间工作，但只有 32% 希望如此。22% 的人周末工作，而会主动选择这一安排的只有 11%。

这些数据令“自动化必然改善工作生活”的说法变得更复杂。生产力软件可以将时间还给员工，但律所也可以用新增案件和更高目标填满这些产能。

原始报道清楚呈现了这种经济矛盾。律所获得了以相同资源完成更多工作的能力，但其传统营收模式仍与消耗的时间挂钩。

因此，Clio 的法律 AI 报告所描述的不只是技术采用。它展现了一个同时运行两套系统的行业：更快的生产与基于时间的商业逻辑。

在律所协调这两套系统之前，AI 的使用仍将继续在任务层面带来收益，并在商业层面制造紧张关系。

法律 AI 与计费小时制激励相反的行为

AI 奖励速度，而计费小时制将时间转化为收入。

按小时计费很容易理解。律师记录处理案件所花费的时间，律所按约定费率计费，客户收到一份分项账单。

这一模式也将不确定性转移给客户。复杂工作可能扩大，可能出现新事实，对方当事人也可能提出额外要求。律所则获得完成额外工作所需时间的报酬。

AI 改变了可重复工作中的计算方式。它可以对文件分类、比较条款、整理时间线、生成初步草稿，并从大量资料中定位相关内容。

这些系统并不会消除对律师的需求。它们压缩了生产流程中此前需要持续人力投入的部分。

法律融资基金 Lexolent 的创始人兼 CEO Nick Rowles-Davies 用一个尖锐的对比概括了定价问题。他告诉 CNBC，律所不能对 16 秒完成的事情收取 16 小时的费用。

这一说法刻意鲜明，大多数法律任务也不会如此大幅缩短。但当律所宣传显著的效率提升，同时开出未变的按小时账单时，它准确捕捉了客户可能的反应。

Clio 发现，约五分之一广泛采用 AI 的律所在完成计费小时目标方面遇到困难。这表明，即使律师完成了更多工作，自动化仍可能削弱用于评价律师的内部指标。

这一冲突在初级律师层面更为明显。更短时间内产出准确结果的律师为客户创造了价值。然而，在严格的工时利用体系下，这个人在该案件上记录的小时数却更少。

律所可以通过分配更多案件来应对。这能够维持总计费小时数，却也将承诺的效率收益转化为更高的工作吞吐量，而非更短的工作日。

它们也可以提高小时费率，以反映专业能力和速度。如果客户认为大部分收益来自软件而非稀缺的专业时间，便可能对此产生抵触。

它们还可以采用固定费、封顶费、订阅费或基于价值的收费模式。只要客户接受约定价格，这些安排便能让律所在高效完成工作时保留更高利润率。

基于价值的定价仍面临棘手问题。法律结果具有不确定性，不同客户对速度、风险降低或战略建议赋予的价值也不同。

固定费用还可能将运营风险转回律所。如果案件变得比预期更困难，除非协议允许调整，否则律所必须承担额外工作。

因此，按小时计费对于不可预测的争议、调查和快速变化的交易仍将有用。核心问题并不是每一项法律事务是否都应放弃基于时间的定价。

问题在于，在技术已使标准化工作的产出更可预测之后，律所是否仍继续对其套用按小时计费的逻辑。

Deloitte 的 2026 年研究表明，客户预期将发生重大变化。其法律行业调查涵盖了 2026 年 4 月至 5 月期间全球 121 位资深法律领导者。

受访者预计，在两到三年内，按小时计费的工作占比将从 72% 降至 44%。85% 的人认为 AI 将改变律所定价。

同一项调查发现，78% 的受访者认为，外部服务提供商使用 AI 所带来的成本降低是最主要的预期收益。这使商业分歧变得明确。

律所可能将 AI 视为服务更多客户并保护利润率的途径。企业内部法务领导者则主要期待它降低外部支出。

Deloitte 还发现，法务部门预计在这一时期内，AI 将自动化或节省平均 28% 的法律工作。61% 已在试验或试点代理式 AI。

代理式 AI 是指能够围绕既定目标执行一连串相互关联步骤的软件。在法律工作中，这可能包括收集条款、核查要求、起草分析，并识别需要审查的例外情况。

随着企业法务部门在内部发展这些能力，它们将获得对外部法律顾问更强的议价能力。它们可以保留常规工作，向律所委派范围更窄的任务，或要求对费用作出更清晰的说明。

这才是法律 AI 与计费小时制争论背后的真正压力。它并不取决于软件取代律师。

它取决于客户能否获得足够的自动化能力，以质疑律所的收费、外包的任务，以及这些任务真正需要多少人力。

大型律所正将法律 AI 纳入实际工作流程

当领先律所在重复、高业务量的法律流程中部署 AI 时，计费小时制的挑战便变得具体。

A&O Shearman 已与 Harvey 合作，为法律工作流程开发 AI 代理。已有报道的应用包括审查贷款协议、分析监管申报文件，以及支持并购和网络安全通报相关工作。

这些任务包含适合自动化的结构化要素。审查贷款文件可能要求律师查找特定条款、比较措辞、识别偏差并汇总发现。

当 AI 代理获得清晰指令和合适文件时，可以加速这些步骤。律师仍需确认输出结果、解读异常措辞，并将发现与客户目标相联系。

重要的变化并非完全自主的法律建议，而是从源文件到可供审查结果这一过程的压缩。

Slaughter and May 在 2026 年 4 月宣布在全所范围部署 Harvey，迈出了更广泛的一步。这项全所部署覆盖所有业务领域。

其所述应用场景包括并购、尽职调查、监管研究和文件分析。这些是核心法律工作流程，而非边缘性的行政试验。

Slaughter and May 还强调了人工监督。这一点很重要，因为部署 AI 并不会将专业责任转移给软件供应商。

律师仍需对建议、保密信息的处理以及为客户作出的决策负责。因此，人工审查是服务的一部分，而非可有可无的保障措施。

这提供了一种更有用的法律工作划分方式。机器可以加快检索、比较、整理和初步生成；律师则负责核验、战略框架、谈判和责任承担。

这一边界会因事务而异。标准化的公司申报与新颖的法庭论证，或受多个监管制度影响的交易，所带来的风险并不相同。

律所同样需要可靠的内部知识。仅依赖通用材料的 AI 工具，无法自动理解客户协商达成的立场、风险偏好、既往争议或获批措辞。

案件背景信息往往分散在邮件、合同、笔记和此前的法律意见中。治理完善的知识库可帮助专业人士在采纳生成式答案前检索相关材料。

这也是为什么工作流整合比独立聊天界面更重要。法律输出取决于可追溯性、最新信息、访问控制以及可审计的审查流程。

安全性同样影响采用决策。律所处理享有特权保护的通信、个人信息、交易数据以及机密商业计划。

他们必须了解提示词是否会被保留、数据在哪里处理、谁可以访问数据，以及客户信息是否会被用于训练未来模型。在律师将客户材料输入系统之前，这些控制措施应当得到妥善确定。

因此，成功部署所需的不仅是许可证。律所还需要获批的使用场景、来源限制、审查标准、事件处理流程，以及适配各业务领域的培训。

他们还需要衡量成效。节省的时间很有价值，但不能是唯一指标。

如果某个工作流能更快生成初稿，却增加了修改工作，可能几乎不会创造净价值。一个能给出流畅但缺乏依据答案的研究工具，即使看似高效，也可能增加风险。

律所应跟踪准确性、审查时间、返工、客户满意度和案件结果。他们还应区分在可计费工作上节省的时间与在行政事务上节省的时间。

这种区分会影响商业结果。自动化排期、立案接收、工时记录和文件归档，能够释放产能，却不会直接削减客户工作。

自动化合同审查或法律研究，则会影响律所目前可能正在计费的任务。因此，同样的生产率提升可能对收入产生截然不同的影响。

推进最快的律所正在测试这两类场景。行政自动化可在现有模式下提高利润率，而实质性自动化则迫使律所更直接地讨论定价。

这正是大型部署如此重要的原因。它们能够提供证据，说明哪些任务被压缩、仍需要多少监督，以及客户是否获得可衡量的收益。

更快的初稿带来了初级律师培养难题

AI 可以在律所替代重复性工作之前，就先消除这些重复性工作所提供的学习机会。

初级律师传统上通过大量实践学习。他们审阅文件、研究案例、梳理时间线、核查引文，并为资深律师准备初步草稿。

其中许多工作进展缓慢，有些也很枯燥。但这些工作也让新律师接触到反复出现的结构、事实矛盾，以及决定论证是否成立的细微之处。

一名初级律师审阅数百份合同时，会开始识别不寻常的条款。研究复杂法律问题的人，则会理解为什么看似相关的判例并不适用。

这些经验并不会被完整地体现在最终备忘录中。它们通过与一手材料的反复接触，以及经验丰富律师的纠正而逐渐形成。

AI 瞄准了许多同样的任务，因为这些任务包含模式、可检索文本和可预测的输出。这可以降低客户成本，也让初级律师免于低价值的重复劳动。

但它也可能形成从任务分配到成稿之间的捷径。初级律师看到了答案，却没有经历产生该答案的推理步骤。

Harvey 欧洲、中东和非洲区负责人 Jorge Bestard 在 CNBC 报道中谨慎地指出：更快获得草稿，并不会自动带来更快获得胜任能力的路径。

这种区别应指导培训设计。律所不能假设，监督 AI 输出所教授的技能，与完成底层工作所培养的技能相同。

有效审查需要对正确答案应包含什么形成内在判断。一个从未建立这种判断框架的律师，可能难以识别细微的遗漏。

当 AI 回应看起来很完整时，风险会进一步增加。流畅的语言可能掩盖薄弱的来源、遗漏的例外，或无法从相关权威依据中推出的结论。

判断力之所以仍然宝贵，恰恰是因为输出快速而有说服力。律师必须知道何时该暂停、质疑结果，并回到原始材料。

律所无需保留每一项手工任务，也能应对这一问题。他们可以设计结构化练习，要求初级律师将 AI 输出与一手来源进行比较。

他们可以要求律师记录自己为何接受或拒绝重要建议。他们还可以让初级员工在职业早期就轮岗参与谈判、客户会议和战略讨论。

资深律师需要投入专门的指导时间。这会再次与利用率目标发生冲突，因为教学通常不会像客户工作一样立即产生收入。

Thomson Reuters 的 2026 年专业人士劳动力报告发现，78% 的律所专业人士认为，处于职业早期的律师需要依赖经验丰富者的指导，以培养 AI 正在替代的技能。

该报告还发现，24% 的律所专业人士会拒绝一份无法使用专业级 AI 工具的工作。因此，律所正承受来自两个方向的压力。

他们必须提供现代工具以吸引人才，同时也必须保留帮助员工安全使用这些工具的人类指导。

传统的律所金字塔模式可能因此改变。律所历来会广泛招聘初级律师，分配大量执行性工作，并随着时间推移晋升其中较小的一部分人。

如果软件吸收了部分执行层工作，律所可能会减少对通才的招聘。他们可能更重视经验丰富的专家、法律工程师、产品专业人士，以及兼具技术素养与判断力的律师。

这种转变带来长期风险。减少初级人才引进可以改善当前的经济效益，却会缩减未来经验丰富的合伙人和高级顾问的供给。

律所无法无限期地招聘资深律师，而不在某个地方培养他们。即使 AI 完成了大量入门级生产工作，行业仍需要一条可信的从新手到专家的发展路径。

客户同样与这一问题息息相关。他们完全可能拒绝为不必要的手工工作买单，但在未来数年里，他们仍需要有能力的律师。

解决方案不能是将培训时间伪装成客户价值。律所需要透明定价，并对专业发展作出明确投资。

最有力的模式会将 AI 素养与法律基本功视为互补。初级律师应理解系统如何生成结果、如何检验这些结果，以及何时不应使用它们。

他们还需要直接接触法规、判例、合同、证据和客户决策。没有这种基础，AI 监督就可能沦为表层编辑，而非专业审查。

幻觉与客户信任限制了效率叙事

当律师无法确认答案来自何处或其是否正确时，更快完成法律工作价值有限。

生成式 AI 系统可能产生幻觉，即以自信的方式陈述缺乏可靠来源材料支持的内容。在法律实践中，这可能包括不存在的案例、不准确的引文或对权威依据的错误描述。

法院已经处理过包含虚构引文的提交文件。这些事件表明，通用型系统的语言流畅性不能替代来源核验。

法律专业产品试图通过将输出连接至权威数据库并提供引文来降低风险。这改善了审查流程，但并不能消除职业责任。

被引用的来源仍可能不相关、过时或被误解。模型可能识别出正确文件，却从中得出错误结论。

律师必须打开来源、评估其权威性，并确定其是否适用于相关事实。错误后果越严重，所需的审查程度就应越高。

这正是激进效率主张值得保持怀疑的地方。供应商或许能展示某个工作流如何在几分钟内生成答案，但产出时间只是其中一个组成部分。

完整衡量还应包括准备、来源验证、纠正、升级处理和最终批准。律所应将这一总成本与现有人工流程进行比较。

他们还应测试非常规案件，而不只是干净的示例。法律事务之所以常常变得复杂，是因为文件不完整、司法辖区不同，或相关措辞中包含例外。

一个在标准化材料上表现良好的系统，可能会在事务偏离既定模式时失效。而这些边缘案例往往承载着最大的风险。

治理带来了另一项挑战。Thomson Reuters 发现，34% 的律所专业人士在使用其所在律所尚未授权的 AI 工具。

未经授权的使用可能绕过保密控制、保留政策和获批的审查程序，也可能使律所无法解释究竟是哪个系统影响了某份文件。

单靠禁止不太可能解决这一问题。面对繁重工作量的律师会寻求节省时间的工具，尤其是在获批选项依然缓慢或无法使用时。

律所需要提供易用、安全的替代方案和明确的边界。他们应说明哪些数据可以进入各个系统、哪些任务需要批准，以及生成的工作必须如何核查。

客户沟通也必须改善。如果 81% 的律所认为自己披露了 AI 使用情况，但只有 7% 的客户记得这一披露，正式合规并未形成共同理解。

有用的披露应说明系统做了什么，以及律师审查了什么。它应避免暗示 AI 独立提供了法律服务。

定价透明度同样重要。即便 AI 缩短了产出时间，客户也可能接受反映专业能力、速度和风险的固定费用。

他们不太可能接受看起来与实际工作量脱节的按时计费账单。隐蔽的效率收益比公开协商的利润率更容易侵蚀信任。

仅仅因为客户认识到这种冲突，按小时计费就不会消失。既有的薪酬制度、预算方法和采购惯例改变缓慢。

有些事务也确实仍然难以预测。诉讼、调查、谈判和紧急监管应对，都可能因律所无法控制的事件而扩大。

因此，怀疑性的结论应当更为有限。AI 不会终结按小时计费，采用数据也不能证明律所已经实现安全自动化。

相反，AI 加重了律所证明按小时计费在何处仍属合理的负担。它也迫使律所证明，更快的工作依然准确、保密，并受到专业监督。

三个信号将揭示定价是否真正改变

下一阶段将通过合同、人员配置和客户行为来衡量，而不是通过购买了多少 AI 许可证。

第一个信号，是可重复工作收费安排出现明显转变。律所应开始公布或协商更多固定费用、费用上限、订阅制和与结果挂钩的结构。

Deloitte 预测按小时计费工作占比将从 72% 降至 44%，为市场提供了明确基准。如果这一占比显著下降，法律 AI 与按小时计费之间的冲突就正在改变商业实践。

如果尽管自动化已广泛应用，按小时计费仍占主导地位，那么律所很可能正在保留生产率收益，或仍难以将试验转化为可靠的工作流程。

美国律师协会强调了讨论与行动之间的距离。其关于律所经济状况的分析指出，仅有 19% 的律所因采用 AI 而调整了收费安排。

如果客户施压真正发挥作用，这一比例应当上升。委托函和采购请求将比会议上的预测提供更有力的证据。

第二个信号是初级律师培训和人员配置的重新设计。当软件承担更多初步研究、审阅和起草工作时，律所应说明律师助理如何培养判断力。

应关注是否出现受保护的培训时间、在监督下进行的来源核查项目、更早接触客户的机会，以及新的法律工程职业路径。这些变化将表明，律所认识到了学徒制培训面临的问题。

单纯减少初级律师招聘则会传递不同的信息。这意味着律所正在获取短期人力成本节省，却没有解决未来专业能力缺口。

第三个信号是客户的实际约束。企业法务部门可以要求提供任务层面的透明度，审计与 AI 有关的节省，并将标准化工作转交给替代服务提供商或内部团队。

Thomson Reuters 报告称，71% 的企业法务专业人士预计，随着 AI 使用增加，律所将改变收费方式。然而，62% 的律所专业人士表示，其定价结构保持不变。

这种错配为采购团队和总法律顾问推动变革创造了空间。他们的决策将决定效率提升是降低费用、扩大服务，还是主要提高律所利润率。

客户不应假定每一项 AI 辅助任务都会变得便宜。他们仍在为问责、判断、可用性和风险转移付费。

不过，他们可以提出更好的问题。技术加快了哪些步骤？谁审核了输出结果？效率提升如何影响人员配置和收费？

律所领导者也应提出一个同样直接的问题：律所奖励律师的是创造价值，还是主要奖励记录工时？

Clio 的法律 AI 报告显示，采用 AI 已经成为现实。更艰难的转型涉及定价、培训、治理和信任。

法律专业人士如今有机会用更具战略性的工作取代低价值的重复劳动。这一结果并非自动实现，更快的工具也可能只是带来更大压力。

未来几年将揭示谁会获得被节省下来的时间。客户会得到更低或更可预测的费用吗？律师能否获得更健康的工作安排和更深入的工作？

还是说，律所在维持计时目标的同时，要求员工处理更多案件？答案将决定法律 AI 是改善这一职业，还是仅仅加速其既有的矛盾。