人工智能技術深入發展對法律與知識產權行業的影響及對策

#本文僅代表作者觀點，不代表IPRdaily立場，未經作者許可，禁止轉載#

“如何應對AI對法律服務行業的影響？”

來源：IPRdaily中文網（iprdaily.cn）

作者：余剛 李慧 康信知識產權

隨著2022年底生成式人工智能（AIGC）產品ChatGPT的問世，AI的進化速度令人目不暇接。不到一年時間，我們從Chat GPT3.5的聊天和文本生成功能，邁進到性能更加強大的GPT4，一直到兩個月前，僅需一個指令就能自動生成視頻的SORA誕生。同時，AI對法律服務行業的影響正迅速深化和擴展，如何應對成為法律行業共同面臨的問題。已經有行業先鋒，如著名的律師事務所Allen & Overy，他們與美國的Harvey公司合作開發的律師智能助手已投入應用，而更多人則正在考慮采取何種應對策略。

AIGC對法律與知識產權行業沖擊篇

1、不是數字化、信息化

AIGC的革命性質在于它本質上是一個生成式模型，即利用機器學習模型，尤其是深度學習技術，來創造新的內容（如文本、圖像、音樂、代碼、3D模型等）。與傳統的數字化和信息化不同，后者主要將現實世界的信息轉換成易于管理和分析的數字形式。相較之下，AIGC不僅僅是對現實世界的簡單“轉換”或“翻譯”，它已經初步擁有了人類的學習、理解、概括和創造的能力，并利用這些能力來進一步創作出新的內容。

比如，ChatGPT4 已經具備了解讀圖片，并生成文字說明的能力，以下分別為某專利申請流程圖和ChatGPT4對其自動解讀動圖。

2、AIGC與人類特質

AIGC的基礎是大型語言模型和海量數據訓練，它具備迅速處理和分析大量數據的能力，并能快速生成豐富的內容。同時，AIGC也展現了類似人類的特質，包括學習、總結、概括以及進行分析推理等能力，并且作為硅基智能可在算力支持下7*24小時不間斷工作。與之相比，人類作為碳基智能在時間、精力和數據處理能力上可能無法與AIGC競爭，但人類的創造性思維更加深刻和復雜。人類能夠理解、表達和溝通豐富的情緒，進行深度推理分析，并綜合考慮包括倫理道德在內的各種因素，做出復雜而綜合的決策，并提供建議。

3、法律行業適合進行AI的深度垂直應用

在法律行業中，為客戶提供法律咨詢、撰寫法律文件、參與案件庭審以及進行溝通談判等服務都是常見的職責。在這一行業的幾乎所有服務環節中，都會產生諸如法律文書、案件分析、合同、法律意見書和研究報告等各類文件，這些文件是重要的參考或成果物。因此，從某種意義上說，法律行業可以被視為一個近似內容生成行業，盡管它由于各案例情境的不同而涉及大量的人工實踐環節。AIGC通過訓練各種數據，如果能夠接入足夠的法律法規和案例數據，就能通過學習這些數據來生成各類與法律相關的文件。因此，法律行業也已成為AI應用中最典型的垂直場景之一。

專利領域兼具法律和技術屬性，AI工具在該領域應用潛力巨大，比如下面兩幅動圖是某AI大模型對上傳的最高院（2010）民提字第 158 號專利侵權判決書內容的概括以及對其中是否提起無效、侵權成立事實等細節解讀，以及對專利對比文件AU AU2009270482內容和技術創新點解讀的示例（尤其是創新點細節準確地從說明書某個位置被讀取出）。

4、傳統律所的AI革新和飛速發展的初創智能法律服務者

在認識到生成式人工智能對法律行業的重大影響之后，ChatGPT問世僅幾個月，著名律所安理就率先與美國Harvey公司合作。Harvey公司利用其專有的法律數據進行預訓練和微調，為安理律師提供了深度定制的ChatGPT助手。這不僅包括起草法律文件、輔助法律研究、審核法律合同以及解釋法律術語等專業工作，還能基于數據生成相關建議。3月底，另一家國際大型律所宣布與Harvey達成合作，部署生成式人工智能產品。

同時，這一趨勢催生了新型的法律AI公司。這些公司大致分為兩類：一類是直接在線提供人工智能法律服務的公司，典型的如EVEN UP，專注于個人傷害索賠，市值達到數十億美元；另一類是基于不同大語言模型，為企業或律所開發定制模型的公司，比如基于ChatGPT的Harvey和基于ANTROPIC的Claude技術的Robin AI。這些公司在融資規模、客戶數量和營業額方面都呈現出驚人的增長速度。例如，Harvey公司的年度經常性收入從2023年4月的一兩百萬美元，躍升至2023年12月的千萬美元級別。

5、AI平臺和工具的快速發展大大拓展了實踐應用的空間

作為一種大型語言模型，ChatGPT 3.5版本已能夠非常出色地完成信函起草、翻譯和文本語法修改等任務。這些工作通常由律師助理負責，而ChatGPT 3.5則可以輕松一鍵完成。它生成的商務信函周到且禮貌，基本無需進一步修改。在翻譯方面，它也能夠達到相當準確的水平。通過將生硬的文件輸入ChatGPT，它可以即刻完成語句調整和語法修正，轉化為完美的文稿。

除了律師助理的日常任務外，大型語言模型在法律文書和研究報告的編制方面也取得了長足的進步。ChatGPT在一年內從3.5版本迭代升級到了4.0版本，GPT-4.0擁有廣泛的法律理論知識，并能夠直接生成各類法律文書（如警告函、訴狀、合同）的框架模板。通過專業律師的持續提問和引導，它能夠生成更為詳細的法律文檔（詳見下面的動圖示例）。在此基礎上，專業律師可以進一步根據具體案件的情景完成最終的法律文書。在技術相關的法律工作領域，如專利法，由于與科技界和產業界的交叉，各種大型模型不僅訓練數據充足，而且在獲取技術文獻、摘錄重要內容、回答技術問題、預測技術趨勢方面表現出色，能夠出具一定程度的技術研究報告。同時，也出現了一些通過技術交底書產出專利申請文件或者是通過權利要求書產出說明書的產品（如Patentpal等，效果尚需改進）。

例如，以下分別為GPT4生成專利許可合同的支付條款動圖，以及經律師持續提問后進一步生成強化許可收益監督的條款動圖。

在商用大模型方面，近一年的發展見證了ChatGPT不斷迭代至GPT-4。此外，還涌現出了包括Google、ANTROPIC等公司開發的大模型在內的各具特色的商業人工智能平臺，這些平臺在某些方面超越了GPT-4，例如某大模型在一些技術問題回答上比較準確，以下動圖示出其較為準確地說岀了PAO催化劑制備現狀及較為有前景的催化劑類型。兩個月前，GPT Store上線，目前已有超過300萬應用，涵蓋了眾多辦公通用工具和法律專業工具。Midjourney、Sora等平臺進一步推動了大語言模型向圖像、音頻、視頻生成的多模態發展。同時，紛繁復雜的開源大模型也為眾多開發者提供了進一步在AI上開發私有大模型的機會。

6、AI拉平專業知識差距、工具差距，突顯個性化特質

無論是閉源還是開源，AIGC在知識范圍的廣泛性方面，促使在相同AI應用技能水平下不同專業人士之間的知識差距逐漸縮小。同時，AIGC的大型模型平臺及其應用提供的工具功能能夠賦能于不同的專業人士，進一步減少知識差異。當然，這種差距縮小的可能性，并非必然發生。此外，知識差距縮小的程度和方式也會因企業或個人的特性而異。

通過使用GPTs在法律領域提供的工具，可以快速獲取大量專業法律知識，以下分別為GPTs中和法律相關各個GPT應用，以及通過其中一個GPT應用分別回答美國的專利法、IDS（信息批露聲明）以及IPR(雙方復審)等動圖。

7、什么性質的法律工作會被AI替代？

從當前的應用來看，法律工作中那些僅僅涉及提供知識類的工作是必然會被取代的，背誦記憶復現這些知識本身會被完全替代，而法律工作中涉及知識選擇的能力不會被完全替代。法律中涉及經驗僅涉及可復制知識的法律服務會被從賦能開始而逐步取代，涉及創造性和個性化法律服務的，比較難被取代。

AIGC下法律服務企業的應對篇

面對人工智能時代的到來，通用法律以及知識產權等各專業領域法律服務的企業，都應當積極思考、適應變化，并采取行動應對人工智能帶來的變革。

8、制定企業發展AI應對戰略

隨著AIGC爆發式發展，應用范圍和深度的拓展及應用產品層出不窮，給包括法律服務行業業務模式、技能要求帶來了深遠的影響，也必然對服務內容、崗位設置、團隊建設模式等相關領域形成不同程度的沖擊。從法律服務企業的角度來看，法律咨詢服務可能被機器人取代，甚至傳統的產業鏈將被顛覆，AI公司將成為法律服務企業的重要合作伙伴和供應商，從業人員需要AI技術賦能進行更新迭代。

面對如上種種變化，企業在傳統的經營發展戰略以外，還需要制定AI應對戰略，圍繞AI技術、AI產品的應用設定發展目標，對相關的AI技術基礎構建、服務項目創新和流程優化、人員能力建設內容、倫理道德要求、風險管控等事項的具體工作內容、安排進行規劃，并給予上述安排足夠的資金、人力資源保障。

9、構建企業私有化大模型

隨著大模型開源項目的出現，企業構建私有化的定制大模型（LLM）在技術層面上日臻成熟。法律服務行業企業應綜合考慮數據治理要求、企業自身競爭力以及成本開展構建企業私有化大模型工作。法律服務行業企業構建私有化大模型一是可以提升AI工具的使用質量，結合通用模型缺乏專業知識和行業數據積累的問題，提高輸出成果的針對性和精準度。二是可以滿足數據治理的要求，包括防止敏感數據和涉密數據外泄，符合客戶、政府等第三方的數據合規要求。企業可對私有大模型進行本地部署，將相關數據在大模型上訓練，產出保密的且為企業自己所用的成果。私有化大模型包括四個關鍵要素：

私有大模型要素一：數據建設

私有化大模型的要義在于個性化，能夠形成個性化的基礎就在于訓練模型所用的數據。這里所說的數據既包括行業數據，行業數據例如包括常法律領域的法律法規數據、訴訟文書數據、知識產權領域的專利數據等，也包括企業自身數據，包括企業內部案例數據、內部知識庫等。企業首先需要完成信息化數字化，將自身擁有的數據轉變為大模型訓練所需要的數據。法律服務領域已經做好IT和數字化建設的企業將在這一輪私有大模型的訓練中占上數據優勢。

私有大模型要素二：模型選擇

各類開源大模型已不斷涌現，這些大模型的主要區別在于架構和算法不同。以開源大模型為基礎，企業可以通過構建自身的大模型，訓練數據，進行微調實現私有大模型構建。不同模型在架構、參數數量、訓練數據量、能力特點等各方面都存在差異，法律服務行業企業應綜合模型可靠性、安全性、許可合規性等根據預期目標適當選擇。

私有大模型要素三：算力支持

大型模型需要更多的計算資源進行訓練和部署，這可能導致技術基礎建設方面更高的成本。AI為算力之軀，對于AI芯片等需求正如人類對于糧食需求一樣，消耗極大。無論是云服務提供商還是本地服務器，都是需要比較大的算力成本。這種算力的要求非常驚人，例如，由于AI GPU的海量規模需求, “AI芯片之王”的英偉達公司NVIDIA的市值在2024年2月達到了2萬億美元的水平。GPU卡國內時常面臨一卡難求的情況。因此，企業需要根據應用需求在一定算力和資金支持下建設企業私有大模型。

私有大模型要素四：團隊建設

建設私有化大模型需要AI專業人員和法律服務企業專業人員兩類人員參與。AI專業技人員主要負責大模型的構建（如個性化參數設定）、預訓練、運行維護等工作，企業可以自建團隊，也可以與外部機構合作。專業人員主要負責提供專業知識支持，比如篩選訓練數據、構建提示詞、參與訓練AI等，需要從專業員工中進行選拔和培養。

10、加強商用AI平臺和軟件的應用

商用AI 平臺和軟件的應用在一定時間內占據非常重要的位置。商用AI 平臺軟件通常屬于閉源軟件，目前相對于開源大模型處于比較先進的位置。商用AI平臺和軟件應用時需要注意避免將涉及保密事項輸入商用AI平臺和軟件。

多平臺互相補充互相驗證

除了ChatGPT外，Google、ANTROPIC開發的大模型等各具特色的商業人工智能平臺也相繼出現，初步形成了由多個商用大模型主導的市場局面。隨著競爭的多元化，這些AI平臺展現出了較為鮮明的特點，例如有的大模型在長文本處理和多模態能力上突出，有的大模型在對話能力上更強，而另外一些大模型則顯示出更為綜合的能力。不同模型由于其先天的技術基礎和后天的訓練過程不同，已經逐漸顯示出能力上的差異，可以在應用過程中進行多平臺的相互補充和驗證。

挖掘應用通用和專業AI工具

商用大模型作為平臺的應用發展，為法律應用的進一步發展奠定了良好的基礎。例如，商用大模型ChatGPT不僅在線直接提供服務，同時也充當一個平臺，提供了類似于App Store的功能。兩個月前，隨著GPT Store應用商店的上線，GPTs(Generative Pre-trained Transformers)展現了其強大的平臺功能。目前，首批應用已經達到了300萬個，集成了包括圖像生成(DALL-E)、寫作(Writing)、辦公工具(Productivity)、研究分析(Research & Analysis)、編程/軟件開發(Programming)、教育(Education)、生活(Lifestyle)等七大類工具?？梢灶A見，得益于GPTs的自定義功能和龐大的用戶群，衍生應用的數量將持續增加，這為法律行業應用的深度和廣度提供了堅實的基礎。

這些工具中，多項可以應用于法律服務。例如，寫作類(Writing)工具中的All around Writer(全能作家)、Human GPT(人性化GPT)、Copywriter GPT(文案GPT)可以用于生成各種專業文件和宣傳文案；辦公工具類(Productivity)中的Slide Maker(幻燈片生成器)、Canva；編程/軟件開發類(Programming)工具可以用于開發個性化軟件。

多模態大模型的應用

SORA的一條指令便能生成東京街頭女子的視頻，這令無數人感到震撼。在法律行業中，文本應用的廣泛性無可置疑，而圖片、音頻、視頻的應用則相對較少。然而，每個律所不僅是法律服務的提供者，也是一個運營實體，需要進行品牌推廣、制作圖片音視頻文案等相關工作。因此，在這些領域中，加強對多模態大模型的應用顯得尤為重要。

11、開發“智能數字員工”-AI agent

隨著AIGC對于人工智能技術的突破，能夠替代人類自動進行智力勞動的“智能數字員工”AI agent日漸可行。AI agent將基于大語言模型（LLM），自動進行任務分解規劃并自動完成任務，實現對于人類的工作任務的替代（agent）。AI agent與傳統的實現流程自動化的軟件機器人、虛擬人不同，其是依據AIGC技術達到對于需求的理解、規劃以及任務實施。通過開發AI agent，可以將工作中流程、事務性任務交給agent，而將需要人類特質能完成的任務留給人類律師，包括建立客戶關系，深入理解客戶的特殊需求，綜合情勢做出判斷以及創新型任務。

設定AI agent員工的崗位和能力需求

法律服務企業根據自身的業務流程、崗位設置，選擇需要AI agent的崗位，并設定數字員工的能力需求。例如，可以開發客服AI agent，完成客戶的常見詢問；可以開發文秘書類AI agent，進行案件流程管理等；可以為律師或者專利代理人開發AI agent助手，協助完成包括信函起草、賬單開具、法律查詢等工作；也可以考慮開發用于品牌推廣的文案類、音視頻等的AI agent。

探索對AI agent員工的管理模式

由于AI agent的加入，人類員工與智能數字員工的職能如何分配，如何發揮協同作用將是首要問題；而在未來對智能數字員工如何進行有效管理可能將成為最受關注的問題，包括對使用中不可預知的問題和風險如何及時發現和應對等等。

12、服務項目創新和流程優化

隨著AI工具、私有化大模型、智能數字員工的引入，法律企業傳統的服務項目在操作流程、技術要求方面必然會發生變化，而且很可能會有一些的新的服務項目產生。

服務項目創新

在私有大模型的加持下，法律服務機構未來的服務項目會包括直接利用自有的大模型作為向客戶提供服務，不同服務機構的競爭可能主要區分在其大模型的準確性和效率方面，尤其是在一些個性化要求較低的法律服務中。針對復雜的法律服務項目中，法律服務機構彼此之間的競爭在高價值內容提供和低價值工作成本的剝離，如何應用人工智能輔助工作將律師從低價值工作中剝離出來集中高價值方面的工作，提高質量并降低成本，可能是法律服務機構競爭焦點。法律服務機構應用AI工具提供更好的成果輸出展示也是可能創新項目之一，例如利用AI工具形成可讀性更強的圖表、音視頻給客戶等。

服務流程優化

法律服務機構的服務流程創新主要體現在任務自動化、溝通與協作、質量控制和效率評估等多方面。任務自動化主要體現在許多重復性和標準化的任務，如合同審核、信函起草、文件翻譯信函翻譯、數據整理，都可以通過AI自動化技術來完成，此外法律文檔（警告函、起訴書、合同、專利領域的申請文件等）、法律或技術研究報告（法律進展報告、科技文獻綜述報告）的初稿也可以通過AI自動化技術生成。溝通與協作主要體現在與AI Agent或者AI平臺與客戶溝通實現信息及時響應和信息同步，以及內部AI Agent與人類員工的協作。質量控制和效率評估體現在通過AI進行數據評估來評估作業進度和質量，比較實際表現與預期目標，并分析效率和生產力問題。

13、人員團隊組織和能力建設

人工智能時代，法律服務企業需要不斷加強人員團隊組織和能力建設，不僅要提高團隊人員的AI意識，而且要綜合提高其專業知識素養和AI技術應用能力。

團隊人員要具備對AI及相關技術的基本理解和應用能力，如ChatGPT、Gemini、Claude 等的使用，探索AI在企業各經營環節的應用方式，主動將AI工具有效整合到工作實踐中。團隊人員需要有終身學習能力，AI技術日新月異，需要能夠不斷跟進，熟悉最新技術發展和應用。同時，能夠甄別AI系統提供的成果的真實可靠性、邏輯符合性，并能夠在此基礎上進一步進行分析和解讀，提取有價值的專業角度的洞察和策略。隨著AI技術在法律實踐中的應用，需要人類員工具備更強的倫理和法律責任意識，準確辨析、判斷哪些工作可以借助AI系統完成，AI系統提供的哪些成果會存在倫理和法律問題。

崗位設計方面，企業需要突破傳統模式，增設如法律知識工程師、提示工程師等負責數據和大模型訓練的崗位，負責AI工具使用的推廣和私有化大模型的建設，并全面跟進律師、咨詢師、流程人員的日常業務，以便根據AI工具的使用提出服務模式、內容、流程的創新優化建議。

AIGC下法律服務企業的風險管理篇

企業在擁抱人工智能技術的同時，需要加強對人工智能所伴生的相關風險的管理。從法律服務企業的視角來看，主要包括以下幾種風險：

14、有害輸出風險

當前人工智能系統所使用的大型語言模型并不能像人類一樣理解詞語和語言，而是基于海量數據的訓練，進而發現人們常用的語言模式，預測下一個最有可能的詞語。從本質上講這不是對詞語的理解，而是對詞語排列組合方式或習慣的了解。因此，一旦訓練數據出現偏差，那么極有可能產生放大偏見的結果。在企業使用非私有化模型時，如果模型訓練數據集不透明，那么出現有害輸出的風險將大大提高。

15、數據安全風險

在使用商業AI工具和非私有化模型時，任何輸入到模型中的信息都可能會被存儲下來或通過互聯網傳播，這就意味著企業的敏感數據、保密信息可能泄露給競爭對手，甚至被惡意行為者獲取。泄露的信息還可能被用于訓練新版本的模型，這相當于企業辛苦積累的知識、訣竅成為了他人可以免費獲取的經驗。同時，將信息在企業的管控范圍以外使用，也不符合客戶、政府等第三方的數據合規要求。即便在使用私有大模型時，也需要加強對于該私有大模型的管理，避免數據泄露風險。

16、法律倫理風險

在當前的技術條件下，大型語言模型尚且不具備理解本質意義，進而發現真理、追求正義的能力，其輸出的成果有可能不真實，甚至存在歧視、辱罵性和無意義的內容。如果法律服務過于依賴人工智能，或者不能對其輸出的成果進行有效的甄別、提煉和升華，將偏離提供法律服務的初衷，甚至做出違背公平正義的法律意見或咨詢建議。因此，需要法律服務企業加強對使用AI工具的服務項目、業務模式的法律、道德、倫理的審視和管理。

未來展望

隨著人工智能技術、產品和商業化應用的飛速發展，其在法律行業的深度應用和嵌入已是大勢所趨、作為法律服務機構和從業人員，必須順應行業和技術發展趨勢，采取積極的措施，只有成功應對人工智能時代帶來的挑戰，才能捕捉到人工智能技術帶來的機遇，享受到新一輪發展周期所帶來的紅利。

法律服務企業是應對的主體。意識層面上，要勇于改變法律行業傳統的工作和經營模式，肯于在人工智能應用方面投入精力、財力。實踐層面上，要通過制定戰略，整體規劃應對策略和具體措施，不斷提升自身人工智能利用和管理水平的基礎上，尋找利用人工智能技術為企業帶來收益的商業機會。對內，通過AI工具的利用提高工作效率，通過AI agent員工的開發降低人力成本；對外，通過業務模式、商業模式的創新，開拓新的服務領域和項目。

法律服務從業人員是一切應對措施的制定者、執行者。無論在行業中從事著哪類工作、扮演著哪個角色都應當通過持續學習，拓展自己知識和能力邊界，改變“法律專業以抗拒創新聞名”的歷史，積極應用人工智能工具提升工作效率和質量，積極適應人工智能時代新的工作模式，挖掘并不斷提高在人工智能時代下的自身價值。

（原標題：人工智能技術深入發展對法律與知識產權行業的影響及對策）

來源：IPRdaily中文網（iprdaily.cn）

作者：余剛 李慧 康信知識產權

編輯：IPRdaily辛夷          校對：IPRdaily縱橫君

注：原文鏈接：人工智能技術深入發展對法律與知識產權行業的影響及對策（點擊標題查看原文）

「關于IPRdaily」

IPRdaily是全球領先的知識產權綜合信息服務提供商，致力于連接全球知識產權與科技創新人才。匯聚了來自于中國、美國、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區的高科技公司及成長型科技企業的管理者及科技研發或知識產權負責人，還有來自政府、律師及代理事務所、研發或服務機構的全球近100萬用戶（國內70余萬+海外近30萬），2019年全年全網頁面瀏覽量已經突破過億次傳播。

（英文官網：iprdaily.com  中文官網：iprdaily.cn） 

本文來自IPRdaily中文網（iprdaily.cn）并經IPRdaily.cn中文網編輯。轉載此文章須經權利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉載，請注明出處：“http://www.meihaolucy.com