Deloitte曾在预估将有11.4万个法务相关工作将在未来内消失，如今这个趋势已经走出敲门阶段，人工智能(AI)等各种新形态法律科技(lawtech)已经开始进入律师事务所，或影响委托人决策，对律师产业开始产生实质影响。
传统上，律师事务所的营运模式多半是由薪水惊人的合伙律师，带领低薪的法务助理、新进律师来处理案件，但自从金融危机后，企业法务预算降低，连带使得事务所传统的获利模式遭受挑战，如今人工智能科技的出现，更促使事务所更乐意透过新科技来取代重复性高的工作。
举例来说，英国的Berwin Leighton Paisner法律事务所，便利用人工智能(AI)系统Ravn来处理房地产权争议案件，该系统会自动从英国房地注册系统撷取信息，一旦有与案件相关的注册变动，便会主动通知承办律师。
传统上，律师事务所遇到相关案件，多半会召集初阶律师与法务助理，以人力的方式，耗费数天从数百上千页的文件中，找出可利用的证据、法条、案例等。
国际连锁律师事务所Baker McKenzie东京分所合伙律师井上朗(Akira Inoue)，亦自开始在该所启用AI系统来辅助相关法律工作。他当时受到一家汽车零组件业者委托，处理该公司遭美国司法部指控违反美国反垄断法的案件，工作必须分析大量该公司内部文书、信件、会议纪录以及员工数据等，透过AI系统，他得以快速找到可能的证据。
他表示，通常在处理跨国反垄断法案件时，相关文件量可能高达1亿笔之多，透过AI系统，目前得以过滤到1%约100万笔，尽管仍然不少，但相较于过去需要40个人力、每天工作12小时、需时3个月后，才能找出1万笔有用的信息来说，已经省时太多。该公司目前在AI过滤后，只需要4名员工进行后续数据审阅。
不过井上朗强调，在实际使用前，AI系统需要经过训练，才能真正符合需求。他表示，在判断企业是否涉及联合行为时，常常会需要找出企业间私下协议的证据，在这种状况下，AI系统必须要能够辨别员工对外通联纪录中「今晚要一起喝点啤酒吗？」和「我订了一间包厢」、「今晚除了你我之外还有别的人会参与吗？」这些话语间的细微差异。
该公司需要先喂给AI系统大量数据，然后由律师挑选出可能有问题的数据，供AI系统学习，并逐步提高其运作效果。他强调，进行训练时，必须挑出真实数据中有问题的部分，若是由律师自己草拟可能有问题的内容，对AI系统的训练并无帮助。
另家国际事务所Orrick, Herrington & Sutcliffe东京分所合伙律师高取芳宏(Yoshihiro Takatori)亦表示，一家客户因为他们采用AI系统，得以将人工处理文件数量由200万笔降至15万笔，光律师费就省下21万美元。
不过律师事务所也担心，目前有经验丰富的律师能够训练AI系统，但当今的资浅律师未来升为合伙人后，他们实际过滤分析文件的经验较前辈少了许多，能否更有效地训练未来的「AI伙伴」，可能将会是新的问题。
文章出自： 惠仲法律事务所 .tw/
