一款法律 AI 助手的产品设计思考

前段时间，笔者所在公司发布了「INSSENT AI」，一款法律全领域的 AI 助手。

拓展阅读：

产品地址：

http://lawai.craftsmandecc.com/

INSSENT AI 发布后的短短两周时间里，已经发展了数千个用户，日活稳定在 100-200 人之间，而且我们还与众多真实的用户建立了联系，在这过程中收获了大量宝贵的反馈，和用户一起持续迭代这款产品。

与此同时，还有非常多来自各行各业的朋友前来交流、寻求合作，甚至投资。

• 法律人好奇，如何使用 AI 技术赋能法律行业，带来真正的生产力提升？
• 投资人好奇，「AI+法律」有哪些不错的投资机会，是不是真的跑得通？
• 大家都好奇，我们是怎么做的，使用了哪些技术和数据，以及如何训练？
• 大家都好奇，我们未来的产品方向在哪里，是做领域模型还是垂直应用？
• ......

大家都有一种相似的预判，这次 AI 浪潮将会重现移动互联网的繁荣：在一个新的基础设施上，应用层的创造会被激发，新的热情会被点燃，当然 AI 本身已经足够令人兴奋。

笔者也相信，新一轮 AI 引领的科技革命将会彻底改造法律行业，未来 ——

• 每一位律师，都将熟练掌握法律 AI 工具，用以取代重复低效的工作内容，从事更高价值的法律工作；
• 每一个组织或个体，都将把法律 AI 工具引入日常的工作流或生活中，提升法律服务可产生的经济效益，至少在简单的法律咨询环节，获得成本更低、响应速度更快且质量不错的服务；
• 中国乃至全球的法律行业，都将通过 AI 得到更好的发展，获得更大的想象空间。

然而，对于这一轮 AI 革命将会如何改造法律行业，以及如何到达那个未来，大家的想法和采取的实现路径并不相同。

INSSENT AI 是国内最早一批正式推出的法律 AI 助手，随后一些厂商也陆续推出类似产品以及其他领域的应用，可以说是百花齐放，但如果对此深入剖析，现阶段的「AI+法律」市场也可以说是良莠不齐。

和过去一样，一个重要的新技术出现之后，总会伴随着一些没什么价值的尝试，总是有一些人会把还不成熟的 ChatGPT 的套壳产品作为灵丹妙药进行炒作营销。

历史总是很相似。

作为 INSSENT AI 主创团队之一，笔者可以分享一下本人对「AI+法律」在私人助手领域落地的思考，但不代表 INSSENT AI 官方，毕竟在一个新时代的前夜，大量产品方向尚不明确，我们也仍在探索中。

「AI+法律」

在私人助手场景的落地应用

首先，「AI+法律」，就像十年前的“互联网+法律”，以及近年来兴起的“法律科技”概念一样，是一个非常大的范畴，本质上是一个新科技在法律这个垂直领域的落地。而 INSSENT AI，则是 AI 技术在「法律领域」和「私人助手」这个细分场景的应用。

众所周知，一款产品不可能解决所有问题。因此，INSSENT AI「私人法律助手」的产品定位，其实已经在一定程度上明确了产品的边界。比如它不是专业级的法律检索数据库，也不是专业级的合同起草或审查系统，更不是为了替代律师，至少不是资深律师。

那么，人们可能需要一个「私人法律助手」做什么呢？

我们知道，人们想要解决法律问题，通常有几种方式：直接咨询律师，或者在搜索引擎/内容平台上搜索/提问法律问题后自行解决，但现阶段往往最后还是要咨询律师，毕竟没有法律专业背景的人很难提出精准的问题，而且法律问题和别的问题不一样，与人身、财产强相关，为此人们会更加谨慎。

这个洞察具有一定的数据支撑。

众所周知，百度是历史上最悠久的中文搜索引擎之一，20 多年的发展，中国绝大多数人都使用百度搜索过问题，其中就包括法律问题。根据笔者的研究，每个月，人们在百度上搜索法律问题使用最高频、热度攀升最快的搜索关键词，不是特定的法律专业问题，而是“律师免费咨询”。

因此，还是真实的律师靠谱。

人人都想认识一个律师朋友。

但是，就像福特汽车的创始人福特先生所说：“如果我最初问消费者他们想要什么，他们会告诉我‘要一匹更快的马’！”一样，人们并不是真正想要一匹更快的马，而是想要「更快的交通工具」。

同理，人们也不是真正想要咨询律师，而是希望「更好地解决法律问题」。

「AI+法律」

使法律服务出现新范式成为可能

传统意义上，当人们想解决一个法律问题，常见的解决方案就是律师或法律咨询机构，但随着互联网的发展，解决方案逐渐多元。

区分人们寻求法律解决方案的方式，我们可以把法律服务的需求方大概分为以下两类：

• 第一类用户遇到法律问题会先去搜索相关信息，尝试自己解决，解决不了的时候再去找律师或法律咨询机构解决；

• 第二类用户遇到问题直接找律师解决。

虽然没有具体的数据支撑，但凭直觉判断，现阶段肯定是第二类用户占大多数，第一类用户还比较少，但正在慢慢增多，而这部分用户就是以 80 后、90 后为代表的第一代互联网原住民，再加上普法工作的持续推进和获取信息的门槛持续降低，学习法律知识、在线法律咨询的趋势将会加速。

在这个过程中，人们解决法律问题的需求是不变的，但随着技术的发展，肯定会带来新的解决方案。

那么，这个新的解决方案可能是什么呢？

首先，我们先来分解一下原来的解决方案 —— 律师，到底提供了什么价值？

• 挖掘、梳理客户需求，即根据律师的所学和过往的经验进行提问、归纳和总结

• 提供相法律服务，包括简单的法律咨询和文件起草工作，以及更复杂的谈判、出庭等“人”的因素占主要作用的工作

• 作为“人”与客户之间的信任关系

‍‍

与此同时还要考虑以下几个因素：

• 成本：虽然近年来行业出现一些低价竞争的情况，但总体上律师费还是挺高的。
• 专业性：律师的专业能力参差不齐，不一定能解决客户的问题，但法律服务缺少好的评判标准，导致专业性的需求被掩盖，但这并不意味着这个需求没有了。当然，有时候专业性也不是最重要的。‍‍‍
• 信息不对称：由于律师行业缺少科学或合理的律师评价体系，客户在专业能力参差不齐的市场上很难找到适合自己的律师。于是就出现了很多律师没客户，同时客户也找不到合适律师的情况。

那么，在新的科技水平下，可能会出现一个新的解决方案，可以帮助客户挖掘、梳理需求，甚至进一步提供法律服务，同时成本更低、专业性更高、更稳定。

现在我们知道，在大模型取得突破后，这是很有可能的，也就是法律 AI 助手。

与此同时，如果这个解决方案不是“人”，而是“机器”，其实也会在一定程度上解决律师行业信息不对称的问题。

打造一款法律 AI 助手的难点

然而，正如 OKR 之父约翰•杜尔所说：“Ideas are easy. Execution is everything.” 想法很简单，执行才是一切。

笔者认为，人类对法律 AI 助手的期待，或者说最期待的获取法律知识的方式，就是像和人一样交流 —— 向专业的人，问专业的事，解决专业的问题。在未来，“专业的人”将会无处不在，也就是智能机器人。

但是，由于法律行业的特殊性，人们对法律服务的专业性天然有很高的要求，就像人们都希望得到资深律师或资深医生服务一样，人们对法律 AI 助手的期待亦是如此。

这就意味着，如果我们想要打造一款法律 AI 私人助手，那么这款产品的专业性和回答的准确度就至关重要了，像 ChatGPT 会出现的“幻觉”是绝对不允许出现的。

所以要想打造一款法律 AI 助手，至少会面临以下几个难题：

第一：法律数据的数量不足。

首先，我们需要对 AI 有一个基础的认知，即 AI 主要由三个基本要素组成：算力、算法、数据，缺一不可。

其中，算力的核心是芯片，全世界都吃紧，操心也没用，算法目前都是基于市面上领先的大模型，以 Transformer 架构为主，而大模型的突破除了架构本身的问题，大数据也起到了很大的作用。

然而，虽然以 ChatGPT 为代表的大模型使用了海量的数据进行预训练，但在垂直领域，比如法律行业，数据仍然非常缺乏。即便是业内公开的数据源 —— 司法裁判文书，已经上网的有 1.4 亿份，但与 GPT-3 及以上的大模型超过 1 万亿的参数量相比，根本就不在一个量级，而且从目前来看，算力的问题也不太可能支持每个领域都有一个基础模型。

所以，法律“大模型”，可能并不成立。

同时还要区分不同场景，每一个场景都需要大量数据进行训练，才能使 AI 在某些场景变得智能，否则如果只是给 ChatGPT 套个壳，并不会带来实质性的提升。

比如「智能合同审查」这个场景，只有用某个领域、足够多、真实的合同，对算法进行训练，才有可能实现所谓的智能合同审查。这就意味着，你必须服务足够多的客户，而且这是现阶段唯一可行的路径。因为客户不可能把机密的合同数据随便开放给你，首先数据权属尚不清晰，其次即便国家出台了相应的法律法规，企业对使用数据的态度转变也需要相当漫长的时间。

因此，如果一家公司压根就没做过几家合同审查的客户，突然推出了一款“智能合同审查产品”，那么大概率就是给类 ChatGPT 产品套个壳，并不是真的智能合同审查。

顺着这个框架去思考，对于很多所谓的“AI+法律”产品是不是真的，其实很容易就能判断清楚了。

第二：法律数据的质量也不高。

由于人们对法律服务专业性的高要求，AI 在法律领域落地所需的法律数据的质量要求，就比训练大模型要高得多的多。

目前市面上领先的大模型 —— GPT-4 的参数量超过 1 万亿，对于大模型来说，数据量级比数据质量更重要，这使得 ChatGPT 更加智能，但也可能是“幻觉”（hallucinating，指 AI 编造事实）问题出现的原因之一。

对于法律行业来说，业内公开的数据源 —— 司法裁判文书，已经上网的有 1.4 亿份，数据量似乎很大，法律问答、文章、期刊文献也很多，但数据质量未必很高。

事实上，人们对「大数据」普遍存在误解，觉得「大数据」就等于数量大，其实不然。大数据至少包含以下四个维度：

• 数量大

• 维度多且最好是正交的

• 完备性

• 实时性

只有同时具备以上四个维度，才能最大限度地发挥数据的价值，毕竟大数据本质上是个统计学的问题。

因此，法律行业的很多数据的质量都不高，都需要一定程度的处理：

• 司法裁判文书：数量大，但维度有限，不完备也不实时 —— 并不是所有文书都上网了，也不是实时更新的，文书依据的法律可能被修改或废止，但文书不会自动修正，而且我国统一法律适用也不成熟。
• 法律问答、文章、期刊文献等：从本质上看，绝大多数的法律问答、文章、期刊文献都没有太大的价值，因为法律服务市场理论上存在最好的服务，由各个领域的头部法律服务机构提供。就像合同模板库这个概念一样，每个业务领域理论上只存在一份最完善的合同模板，覆盖几乎所有场景，而且这份模板只能是服务足够多客户的机构推出的，因为这个机构见过足够多的问题，因此绝大多数律师提供的模板都没有太大的价值。只是国内的法律服务市场还很初级，很多律师提供的文本看起来也很有价值，但未来必然会面临整合。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

因此，如果直接使用这些公开的数据，那么机器回答法律问题就肯定不够专业和准确。

这就意味着，只要追求专业性，法律服务就必然会趋同，从而泯灭多样性。虽然在法律行业，专业性有时候并不是最重要的，可以解决问题的方法也不只有少数几种，但这并不妨碍用户想要最专业的解决方案。

正如笔者在《法律 ChatGPT？INSSENT AI 来了！》中写道：

与目前主流的 AI 应用场景 —— AIGC（即 AI 生产内容）不同的是，易参设计 INSSENT AI 的总体思路是：

打造一个能给出靠谱法律意见的助手，每一条输出后面，都可以明确地指向某一个法律法规的条文或者案例，让你知道来源是靠谱的，而不是一本正经地胡说八道。

综上所述，AI 在法律领域的落地，本质上是要解决小样本学习的问题。

至于机器如何更好地理解用户的问题，并且能够像律师一样，为了帮助用户明确问题而进行多轮追问，除了大模型本身需要持续进步以外，关键就是如何用好数据，以及根据新的交互方式，重组我们的知识体系。

AI 发展的几个不同范式

具体到技术实现路径上，也还没有共识。

目前，不论是在学术界还是工业界，对于 AI 的发展路径存在几个不同范式的讨论：

• 直接训练不同垂直领域的 foundation model（基础模型）
• 对大语言模型（LLM）进行“微调”（fine-tuning）
• 通过 Hugging-GPT、Auto-GPT、ChatGPT-Plugin 等“代理”（agent）应用，以大模型为大脑，调用各种专家模型（比如法律）来解决问题

这几个发展路径都有很多机会和挑战：

首先，直接训练不同垂直领域的 foundation model（基础模型），最垂直、最专业，但大概率不够智能，而且成本非常高。

其次，对大模型进行“微调”（fine-tuning），可以使用大模型的能力，但可能会导致大模型学到了新的知识，却丢掉了旧的知识或原有能力（如推理和理解能力），特别是当微调的领域需要非常强的推理（reasoning）能力的时候，微调就不是非常好的选项 —— 虽然未来可能会找到比较好的办法，但现阶段还是比较难。

通过 Hugging-GPT、Auto-GPT、ChatGPT-Plugin 等“代理”（agent）应用，以大模型为大脑，调用各种专家模型来解决问题，优势是可以解决数据合规的问题，因为不需要把数据上传给大模型预训练或微调。

但“代理”这个范式的问题是，一方面依赖大模型本身的理解、任务拆解和调度等能力的提升，而且目前大模型在垂直领域是否有足够强的泛化能力（generalization ability，指算法对新样本的适应能力）还是个问题，另一方面也需要建立专家模型生态，专家模型的供给需要足够丰富。只有同时具备以上几个条件，这个生态才有可能转起来。

在这个范式下，AI 创新要想赢得市场，生态可能比技术更重要。

以上三个发展路径，似乎都 make sense，但也都需要探索。换句话说，AI 在垂直领域的落地，目前还要解决很多科学问题，还没到拼工程能力的阶段。‍‍

大多数法律 AI 产品都还很初级

但整个行业的天花板会不断提高

一直以来新技术都是博取眼球的噱头。可以预见的是，炒作法律 AI 概念的产品未来会越来越多，很多人会因此感到焦虑。

众所周知，目前 AI 最成熟的应用场景就是 AI 生成内容，但在缺乏数据的垂直领域，只要关键词写得足够准确，向 ChatGPT 提问和在搜索引擎上搜索并不会带来明显的效率提升 —— 广告太多从来都不是核心问题。

比如有人会问：

“如何使用 ChatGPT 来生成合同？”

这个问题就很奇怪，为什么要用 ChatGPT 来生成合同？直接使用合同模板库不就行了？

即便 ChatGPT 可以生成专业且严谨的合同，为此你需要写个几百字精准的 prompt（提示词），然后对生成的结果进行多轮修正，有这功夫，为什么不花个十几分钟，直接调用合同模板库的模板和条款？

这不是更快么？何况 ChatGPT 还做不到。

一个并不智能的产品，自然不能带来多大的生产力提升。都是炒作而已。

所以，为什么要用 ChatGPT 来生成合同？

为了显得自己很“技术派”？这种盲目追风的现象，就是典型的「FOMO」的表现。

注：FOMO，Fear of Missing Out，中文可以叫：错失恐惧症，也称为社群恐慌症。指的是人们害怕错过任何有趣或重要的事情，以至于经常感到焦虑和不安。在这个社交媒体和数字化时代，FOMO 现象变得是如此普遍，因为人们通过社交媒体可以看到其他人的生活和活动，并且会担心自己可能会错过一些与之相关的体验或事件。同时，FOMO 也被定义为一种对后悔的恐惧，而这种恐惧使得你情不自禁地陷入到对错失结交社会关系、获取新奇经历、投资机遇或是其它事情的忧虑中。

正如过去几次科技革命一样，数字化浪潮滚滚向前，无可阻挡，各行各业终将被技术或多或少地改造，市场天花板也会不断提高。

但对于创业者来说，对趋势和时机的判断也很重要 —— 由于种种现实原因，科技并不能解决所有问题。这也是最容易被忽视的。‍‍

-FIN-

点击关注「法律修音机」，你将感受到一个朋克的灵魂，且每篇文章都有惊喜。