法律與專業服務的生成式 AI：
合約審閱、判例檢索與知識庫

2023 年，一位美國律師在法庭上引用了六個判例支持己方主張——其中幾個，是他用生成式 AI「查」出來的。問題是：那些判例根本不存在，是模型憑空編出來的、連案號都煞有介事。他因此被法官制裁，成了法律圈流傳的警世故事。但就在同一段時間，另一項研究顯示，GPT-4 在美國律師資格考（Bar Exam）中的成績達到約應試者前 10% 的水準^[1]。同一種技術，既能通過律師考，又會捏造判例——理解這個矛盾，就理解了法律 AI 該怎麼用。

為什麼「捏造判例」是法律 AI 的頭號風險？

語言模型本質是機率性的文字生成器^[5]，它的目標是「生成看起來最合理的文字」，而不是「說出真的事」。學術界對此有系統性回顧：幻覺（hallucination）是模型會生成看似合理、卻無法從輸入驗證的內容，且這是其內建屬性而非偶發錯誤^[2]。在法律場景，這個屬性特別致命——因為一個編造的案號、一段虛構的條文，外行完全看不出破綻，卻可能讓整份書狀失去可信度、甚至構成執業疏失。所以法律 AI 的第一原則不是「它有多聰明」，而是「怎麼確保它引用的每一個依據都真實存在」。

解方：用 RAG 把每一個引用接地到真實資料庫

正確的做法，是永遠不讓模型「憑記憶」給你判例或條文，而是用檢索增強生成（RAG）：先從你信任的判例庫、法規資料庫檢索真實文件，模型只根據檢索到的內容作答，並附上可點回原文的來源^[3]。這樣一來，AI 的角色從「可能造假的顧問」變成「幫你把相關條文與判決找齊、摘要、比對的研究助理」，而依據的真偽由資料庫保證、由律師覆核。RAG 要答得準，文件切塊與檢索策略是關鍵，我們在〈RAG 知識庫為什麼答不準〉裡有完整拆解。同樣講求嚴謹查證的金融法遵場景，思路相通，可參考〈金融業導入生成式 AI〉。

三個真正落地的場景

在守住接地與把關的前提下，法律與專業服務有三個高投報場景。其一，合約審閱：讓 AI 對照事務所的標準條款庫，標出偏離、缺漏與高風險條款，律師只需聚焦在被標記的重點，大幅壓縮初審時間。其二，判例與法規檢索：用自然語言問「有沒有類似爭點的判決」，由 RAG 從真實資料庫撈出候選並摘要，律師再判斷適用性。其三，內部知識庫：把事務所累積的書狀範本、內部見解、過往案件經驗做成問得到的知識庫，讓資淺律師快速站上資深的肩膀。Susskind 在《Tomorrow's Lawyers》中早已預言，法律服務會從「客製手工業」走向「可分解、可標準化、可用科技槓桿」的流程——AI 正加速這個轉變^[4]。

不變的是：律師是最後、也負全責的把關者

技術再進步，法律責任的歸屬不會轉移給模型。所有 AI 產出的分析、檢索、草稿，都是「給專業人員的初步材料」，最終判斷與簽名仍在律師。這不是保守，而是專業倫理的必然。基礎模型的大型研究也提醒，下游應用會繼承同一個模型的缺陷，不能盲信^[6]。務實的導入節奏，是選一個容錯較高的內部場景（知識庫或合約初審）做試點，建一組真實案例的評測集衡量準確率，站得住腳再擴大——這套方法我們寫在〈企業導入生成式 AI〉，也整理在〈生成式 AI 解決方案總覽〉。用對了，AI 讓律師從繁瑣的檢索與比對中解放，把時間留給真正需要判斷的地方。