用 GPT 更好地处理法律：将大语言模型与律师进行比较 [pdf]
大语言模型越来越多地被拿来与人类律师比拼，例如做合同审查；一些研究和初创公司声称，它们能以极低成本达到相近准确度。评论者认为，LLM 在更便宜地获取法律信息和进行常规文件分析方面有巨大潜力，但也指出了严重问题，包括幻觉、缺乏责任承担、监管障碍，以及当前模型无法处理高风险、强事实依赖的工作，如刑事辩护或复杂家事法。许多人预计，LLM 会成为增强而非取代律师的强大工具——尤其适用于标准化文件和初步研究——同时警告说，类似行会的职业结构和法律限制可能会减缓更深层次的冲击。
AI 为平价法律帮助带来的承诺
- 许多人将 LLM 视为近未来的“面向大众的律师”：审阅个人文件（税务、医疗、保险、婚姻），解释可选方案，并在无需每小时 500 美元计费的情况下提供低风险指导。
- 人们已经在用 LLM 做关于执照、合同和软件法律问题的初步研究，以学习术语并在聘请专业人士前梳理问题。
- 类似的热情也出现在医疗和财务建议，以及面向消费者的合同摘要（租约、ToS、保险）中。
可靠性、责任与监管
- 核心担忧是：LLM 可能自信地出错，却没有医疗过失式责任或律师协会监管。
- 律师有执照、伦理规则、职业责任保险和声誉风险；目前 LLM 和供应商都没有。
- 提出的想法包括：强制“法律 GPT”或其运营者购买类似职业责任保险；推出新的“AI 建议”保险；但执行和赔付可得性都不清楚。
- 未经许可从事法律业务的规则，以及由律师主导的立法机构，被认为可能成为完全自动化法律服务的障碍。
能力：LLM 何时有帮助，何时会失败
- 目前最强的用途：合同/文件审查、条款提取、摘要，以及“这是否标准？”检查，尤其适用于高频、低风险协议。
- 多位从业者表示，LLM 在分析合同方面比生成合同更强；标准化模板加轻量 AI 编辑，比完全由 AI 起草的文件更受青睐。
- 弱点包括：复杂、依赖具体事实的工作（刑事辩护、家事法、定制交易）、细微的附带条件（例如信托受益人），以及谈判策略。
- LLM 缺乏意图性，无法像“这样做有辩护空间但处于灰区”那样给出细致的风险评估，而这正是真实执业的核心。
对律师、可及性与权力的影响
- 有人预计效率会大幅提升，初级岗位会减少；也有人认为类似行会的保护会保住高端工作和定价。
- 对失业专业人士的同情，与对廉价法律顾问巨大未满足需求之间存在张力。
- 担忧在于：政府可能用 LLM 取代穷人的人类辩护律师，从而削弱第六修正案保护。
技术与产品考量
- RAG、匿名化、限定范围，以及“人在回路”验证，被视为务实模式。
- 用户观察到安全“削弱”和上下文限制；也有人指出更新的模型基准测试更好，但并没有解决真实性问题。
- 已有多家初创公司在销售 AI 辅助审查和问答，但商业化和信任仍然充满挑战。
对论文的批评
- 据称该研究只使用了 10 份采购合同和一套审查 playbook；评论者认为这对于“行业级”结论来说过于狭窄。
- 一些人认为它更像营销而非严谨基准测试，尤其考虑到其商业关联。