律师与 AI 如何分工，从材料整理到法律判断的工作边界

讨论法律 AI 时，人们经常把问题简化为 AI 能不能替代律师。这个问题过于宽泛，也不利于真正安排工作。更实际的做法，是把一次法律任务拆成材料、事实、检索、分析、文书和交付等节点，再逐项确认 AI 可以承担什么，专业人员必须保留什么判断权，以及结果如何交接和复核。

法律 AI 擅长在大量文字中寻找结构，快速完成整理、提取、比较和初稿。律师和法务的专业价值则集中在确定任务范围、识别关键事实、判断证据、选择规范、权衡策略、与当事人沟通并对最终成果负责。二者不是简单的机器做初级工作、人做高级工作的上下级关系，而是一套需要在每个节点明确输入、输出和责任的协作机制。

如果分工只停留在生成后人工审核，风险依然很大。因为审核者不知道系统使用了哪些材料，也不知道哪些内容是原文提取、哪些是模型归纳、哪些是推测。真正可执行的人机分工，应当在任务开始前就把边界写清楚。

先把一个法律任务拆成可检查的节点

诸如分析案件、审查合同或准备诉讼这样的任务范围太大，直接交给 AI 往往得到一段看似完整但难以验收的结果。更好的拆法是围绕工作节点组织任务。

工作节点	AI 适合承担	专业人员必须保留
材料接收	文件分类、摘要、目录和缺口提示	确认材料来源、版本、授权范围与完整性
事实整理	提取主体、时间、金额、行为和不同说法	确认事实版本，解释冲突材料，决定哪些事实可采用
法律检索	查找法规、案例、实务资料并初步归类	核对效力、版本、适用条件和引用范围
类案分析	提取要素，比较相似点和差异点	判断参考价值、适用限度和策略影响
合同审查	识别条款、提示风险、生成修改建议	平衡法律风险与商业目标，决定是否接受风险
文书起草	形成结构、提纲、段落和备选表达	确认事实、请求、论证、语气并完成定稿
对外交付	整理版本、格式和待办清单	决定交付范围，确认签署并承担专业责任

这张表的核心不是限制工具，而是把判断权放回正确的人。AI 可以扩大检索和整理能力，却不应悄悄改变事实、证据和策略的决策主体。

材料阶段由 AI 整理，由人确定边界

法律工作的第一步不是生成答案，而是确定本次任务允许使用哪些材料。客户陈述、合同文本、聊天记录、付款凭证、内部制度和既有法律意见可能同时存在，但它们的来源、可靠程度和用途并不相同。

律页 AI 智能对话用于提交材料、限定任务并开展连续研究。

律页 AI 智能对话支持提交复杂问题和多种文件附件，并可组合用户材料与可用法律资源进行分析。AI 可以先完成文件清单、时间线、人物关系和待核问题，但使用者仍需确认三件事。

第一，文件是否为当前版本。第二，材料是否有权用于本次任务。第三，哪些内容只是当事人陈述或内部讨论，不能直接当作已确认事实。

如果合同存在多个版本，应明确指定盖章版、修订稿或某次谈判稿。若项目材料中包含敏感信息，还应结合任务目的和适用规则确定提交范围，并检查当前会话的脱敏设置。系统提供处理工具，不代表所有材料都应无差别进入模型。

完成材料边界确认后，AI 才适合继续整理。此时的输出应尽量保持原文可追溯，对无法确认的信息使用待核实、材料未载明或需补充等明确标记，不使用自然语言把缺口悄悄补平。

事实阶段由 AI 提取，由人处理冲突

AI 很适合从多份材料中提取主体、日期、金额、事件和文件关系，也能快速形成时间线和事实表。问题在于，提取出来不等于已经成立。

同一事件可能在客户陈述、对方函件和合同文本中有不同版本。系统可以并列展示不同说法，提示矛盾和缺口，却不应替律师选择相信哪一份材料。事实认定还涉及材料来源、形成过程、上下文和其他证据的相互关系，这些都需要专业人员判断。

可以要求 AI 把事实整理成四栏。

• 材料直接记载的内容
• 信息所在文件和位置
• 与其他材料的矛盾或缺口
• 需要向当事人或项目成员追问的问题

这样的输出适合作为询问和补充材料的起点。若系统直接把所有内容合并成一段完整案情，重要差异反而可能被抹平。

检索阶段由 AI 扩大范围，由人判断适用

法律检索不仅是找出含有关键词的文本，还要确认规范能否适用于当前时间、主体、行为和程序状态。AI 可以组合问题与材料生成检索方向，也可以快速汇总法规、案例和实务资料，但最终使用哪些依据仍需要人工确认。

律页中的法律研究依赖行业数据、行业知识和案件项目信息。法规、裁判案例和上市公告提供行业数据，Lawyeah_Library 提供法律行业知识，用户材料提供当前案件或项目的事实上下文。三个维度能够共同参与研究，却不能互相替代。

规范性依据需要核对具体条文、版本和适用条件。案例需要比较事实、争点、审理程序和裁判理由。法律知识和实务经验可以帮助理解问题结构，却不能在缺少依据时被包装成强制规则。

专业人员的判断不只是确认来源真实，还要判断来源与问题之间的连接是否成立。系统找到一条相关规则，律师仍需说明本案事实满足了哪些条件，哪些条件尚未证明，以及是否存在例外或冲突。

类案阶段由 AI 比较，由人决定参考强度

类案分析能够显著体现 AI 的效率优势。系统可以从项目材料提取案情特征，开展多轮检索，比较案例要素并形成报告。它可以帮助律师从大量裁判文书中迅速缩小研究范围。

律页类案分析展示案例比较与研究结果。

但相似度只是筛选工具，不是法律结论。两个案件可能案由一致、关键词相同，却在合同结构、履行过程、证据状况或程序阶段上存在决定性差异。使用者需要回到案例原文，确认相似点是否对应当前争点，差异点是否会改变规则适用。

AI 可以负责生成比较表和反方清单，律师则要决定哪些案例进入研究底稿、哪些只能作为线索、哪些差异需要在文书中主动回应。对客户沟通时，也不应把案例数量或相似度直接转化为确定的结果预测。

合同阶段由 AI 提示，由人完成业务取舍

合同审查尤其适合人机协作。AI 可以快速提取合同类型、主体、标的和金额，识别风险条款，生成审查报告、修改意见和备选文本。法务和律师则需要把这些建议放回真实交易中判断。

律页合同审查生成风险分析、审查意见和合同修订结果。

同一条款对不同立场的风险完全不同。某项责任限制可能在法律上可以接受，却与公司的内部授权冲突。某项付款条件可能降低应收风险，却使交易无法推进。AI 可以提示风险和后果，但不能替业务负责人决定是否让步，也不能替法务承担例外审批责任。

律页合同审查支持设置审查立场和审查尺度，并可对建议进行接受、拒绝、编辑或重新生成。这个过程应明确体现机器提出方案、人确认修订。复核时至少要检查建议是否对应合同原文，修改是否改变交易安排，删除条款后是否出现新的责任空缺，以及内容是否符合公司的授权和政策。

文书阶段由 AI 起草，由人保持论证闭环

文书起草是法律 AI 最容易产生效率感的环节，也最容易掩盖事实与依据之间的断裂。AI 可以生成提纲、梳理段落、统一称谓和格式，也可以把已经确认的事实、争点和依据组织成初稿。

专业人员需要确认的是文书内部是否形成闭环。每项请求是否有事实支持，每项事实是否有材料来源，每个法律判断是否有适用依据，反方问题是否得到回应，待核事项是否被隐藏成确定表述。

生成民事起诉状、审查意见或类案报告时，最好先确认事实和诉求草稿，再进入正式起草。系统遇到材料缺失时应保留待补充标记，而不是生成一个形式完整但基础不明的版本。初稿的价值在于降低整理和表达成本，不等于内容已经可以签署。

策略与沟通必须由专业人员主导

法律策略不只是对规则作技术匹配。它还涉及客户目标、成本、证据取得难度、程序节奏、对方反应、商业关系和声誉影响。同一份分析可能支持多条可选路径，哪一条更适合当前客户，需要律师或法务结合完整背景判断。

AI 可以列出方案、前提、风险和待办事项，也可以帮助准备客户沟通材料。但是否起诉、是否和解、是否接受合同风险、是否对外发送文件，以及怎样向客户解释不确定性，都应由具有相应职责的人决定。

这也是为什么专业人员不能只在最后签字时出现。人的判断应分布在材料确认、事实选择、依据适用、策略形成和交付确认等多个节点。越到流程后端才介入，重新核查前置错误的成本越高。

用项目、任务和权限固定责任

人机分工如果只写在培训材料里，很容易在真实项目中失效。更有效的做法，是把责任写进项目、任务和权限设置。

项目成员与权限设置用于明确协作范围。

项目承接材料与成果，任务说明谁负责执行和复核，权限决定谁能查看、编辑、下载和管理。AI 输出可以作为任务中的工作稿，但不应自动成为交付版。执行人完成整理或初稿后，由指定复核人检查事实、引用和策略，再由负责人确认最终版本。

律页支持在个人、团队、项目和文件层级管理协作范围。团队可以根据实际工作需要安排所有者、管理员、成员和外部成员，并设置不同文件权限。权限控制的是访问与操作范围，不能替代内容复核，但它能让责任边界更清楚。

一套可直接执行的人机协作检查

每次使用法律 AI 前，可以先回答以下问题。

1. 本次任务使用哪些材料和版本
2. AI 需要完成整理、检索、比较还是初稿
3. 哪些内容不得推测或自动补充
4. 输出需要保留哪些来源与待确认标记
5. 谁负责事实复核、法律复核和业务取舍
6. 哪个版本才可以进入对外沟通或正式交付

任务结束后，再检查材料范围是否变化，关键事实是否已核对，引用是否对应原文，未采纳建议是否有原因，最终版本是否由正确的责任人确认。

律师与 AI 的合理分工，不是机器负责速度、人负责签字。它应当是机器在受控范围内完成检索、整理、比较和起草，人持续掌握事实、证据、适用、策略和交付。只有把这种分工落实到每个工作节点，AI 才能提高效率，同时不模糊专业责任。

继续了解律页 AI 智能作业系统

访问律页官网