中小律所如何挑选法律 AI：评估清单与该向供应商提的关键问题

法律 AI 的供应商越来越多，演示也越来越流畅。但对中小型与精品律所而言，一次错误的选型不仅浪费预算，更可能在保密义务与执业风险上埋下隐患。本文不推荐具体产品，而是提供一份务实的评估框架——让你在被演示打动之前，先用同一套标准衡量所有候选工具。

先想清楚：你要解决的是哪个问题

"法律 AI"是一个很宽的标签。文档审阅、文书起草、类案检索、合同比对、卷宗归纳，是性质不同的任务，对工具的要求也不同。在看任何演示之前，先明确律所当前最耗时、最重复的环节是什么。把需求写下来，按使用频率与时间成本排序，你才能判断某个工具究竟解决了真问题，还是只在演示里好看。

核心评估维度

建议用以下几个维度横向比较所有候选工具，给每一项打分，而不是被单一亮点左右：

• 准确性与可核验性：工具是否会附上来源链接，让你能逐句回溯到原始法条或判例？无法追溯出处的"漂亮答案"在法律场景中价值有限。
• 引用核验的便利度：从 AI 的输出回到原始卷宗或权威数据库需要几步？步骤越短，律师越可能真正去核对，而不是图省事直接采信。
• 数据保密与控制：数据存储在哪里、保留多久、是否用于训练模型、谁能访问？这些必须有书面答案。
• 工作流契合度：它是独立的对话框，还是与案件、文档、当事人信息绑定的工作空间？前者需要大量复制粘贴，后者更贴合实际办案方式。
• 可控性与人工复核：工具是否在设计上强制保留"律师在环"的审查环节，还是把核验完全交给个人自觉？
• 成本结构：按席位、按用量还是按案件计费？随团队规模扩大，费用如何变化？是否有隐藏的接入或迁移成本？

该向供应商提的问题

演示之后，真正能区分供应商优劣的，往往是他们回答以下问题时是否坦诚、具体：

• 我输入的案件材料会被用于训练你们的模型吗？如果不会，如何在合同条款中明确？
• 数据存储在哪个司法管辖区？保留多长时间？我们能否要求删除？
• 当模型产生幻觉或引用错误时，工具如何帮助用户发现？有没有把出处摆在显眼位置？
• 是否支持私域或本地化部署选项，还是只能走公有云？
• 退出时，我们的数据与工作记录能否完整导出？格式是什么？
• 定价在团队从 5 人增长到 30 人时会怎样变化？是否有最低承诺期？

注意一个信号：如果供应商急于用"已通过某某认证""绝对安全""保证不留存数据"这类无法当场核实的口号回应保密问题，而拿不出可写入合同的具体条款，这本身就值得警惕。务实的供应商会给你能验证的事实，而不是营销话术。

小规模试点，再谈全面推广

不要因为一次成功的演示就全所铺开。挑选一两个低风险、高重复的场景——例如内部资料归纳或初稿起草——做一段时间的真实试点。在试点中记录两件事：实际节省的时间（要把人工复核的时间算进去），以及核验过程中发现的错误率。这些来自自己卷宗的数据，比任何供应商的宣传更可靠。

把标准定在前面

对中小律所而言，法律 AI 的价值是真实的，但合适与否高度依赖你的业务结构与保密要求。与其追逐功能最炫的产品，不如先建立一套属于自己的评估清单，用同一把尺子衡量每一个候选工具。当准确性可核验、数据可控制、工作流可契合、成本可预期这四点都站得住时，你的选择才经得起执业风险的检验。