人工智能在法律研究中的应用：律师事务所如何使用LLMs进行判例法、合同和发现

律师事务所于2026年初开始将判例法搜索和文件审查转向大语言模型。

多家律所报告称，在常规事务上，首次审查时间减少了一半以上。这一变化给传统研究团队和外部供应商带来了新压力，这些团队和供应商仍未实现强大的模型集成。

律所率先测试LLM用于判例法搜索

大型律所从判例法查询入手，因为该任务提供了清晰的衡量指标。合伙人可以将模型结果与同一事务的先前人工搜索进行比较。

纽约一家律所针对180个事务进行了为期六周的试点。模型找出了94%的先例，这些先例是律师在上一年标记为关键的。其余6%是模型未接受过训练的旧引文。

合同分析从试点转向日常使用

合同审查紧随判例法，成为第二常见的任务。模型现在会在上传的协议中标记非标准条款、缺失定义以及不一致的付款条款。

团队加载标准格式以及对方草案。模型返回修订版本和简短备忘录，按风险级别列出问题。

芝加哥一家律所报告称，普通商业租赁的处理时间现在平均为40分钟，而非之前的四小时。

发现审查随新限制扩展

诉讼中的文件制作仍是工作量最大的任务。模型对数百万页文件进行特权和相关性分类。

特权准确性仍需人工审查边缘邮件。因此，即使模型声称置信度高，律所仍会让高级律师进行第二轮审查。

一位诉讼合伙人指出，模型会遗漏跨越多个线程的上下文，因此最终特权日志仍需人工确认。

道德规则影响模型选择

2025年发布的州律师协会意见要求律师了解所使用任何工具的局限性。因此，律所避免使用将数据发送到第三方服务器且无明确保留政策的模型。

大多数大型律所现在坚持使用私有实例或本地部署选项。他们还记录每一次查询，以便日后在工作成果出现问题时由主管进行审计。

小型律所面临不同权衡

中型和小型律所通常依赖云版本，因为他们缺乏IT人员进行本地部署。这些律所以更高的风险换取更低的初始成本。

他们通过更严格的提示模板和对任何影响客户建议的模型输出进行强制二次阅读来弥补差距。结果是采用速度比大型律所慢，但仍能节省可观的时间。

仍难以自动化的内容

关于诉讼策略和和解价值的判断仍超出当前模型范围。合伙人继续直接处理这些决策，因为模型不具备客户特定的风险承受能力或过往结果数据。

监管不确定性依然存在。两个州仍在起草指导意见，明确模型生成的备忘录是否属于律师工作成果。这些州的律所在更清晰的规则出台前，会保留额外的人工签字层。