AI在法庭上仍需人类协助才能发挥作用。
数据分析与法律研究公司LexisNexis持续让真实律师参与AI模型的测试工作。该公司法律与专业业务部门首席技术官格雷格·迪克森（Greg Dickason）在接受InformationWeek采访时表示了这一点。
处理大量信息本应是AI的强项，但若在法律研究中出现错误，律师可能会因此受到法官的当庭质询。AI捏造案例随后被援引至庭审中的情况屡见不鲜，令主审法官深感不满。
AI的法律顾问角色
迪克森将AI定义为法律行业的变革性技术，指出其能够大幅缩短案例研究所需的时间。不过，他同时坦承这一领域存在过度炒作的现象，因为模型供应商往往会极力鼓吹AI的能力。
鉴于法律和专业用户对结果的精准性与上下文理解有着严格要求，LexisNexis的AI开发工作大部分在内部完成，并与约4000名工程师协作，这些工程师在推动技术演进的同时也持续提升自身能力。迪克森表示："其中相当一部分人已经转型进入数据科学领域。"
AI不仅改变了律师研究案件的方式，也改变了公司内部的工程开发模式。迪克森说："我们正在更多地利用智能体进行编程和构建，例如Claude Code、Codex等平台。"目前，AI约占LexisNexis整体生态系统的30%，他预计这一比例最终将增长至70%。
LexisNexis的很大一部分工作，类似于在数以万计的法律文件中进行开卷考试，迪克森说，这些内容会被精炼成一至两页供模型使用。他将此与那些可能需要处理百万份文件的通用大模型相比较——后者往往因无法有效消化如此庞大的内容而陷入混乱。
AI对法律行业的影响不容忽视。它生成的摘要帮助律师理解海量信息。迪克森举例说，AI可以在数分钟内给出研究结果，而此前可能需要两名初级律师花费整整一周才能完成。他表示："大语言模型显然能帮助律师做得更好——但并非完美无缺。"
上下文理解与准确性的重要性
仅仅高效找到相关案例还远远不够，还必须对结果进行核查，确认其上下文的准确性，并验证所引用的案例先例是否真实存在。为此，LexisNexis采用AI模型相互检验的机制，并邀请数百名律师对AI的输出结果进行评估。
迪克森表示，AI难免会犯错，及早发现错误是防止其演变为系统性问题的关键。如果模型逐渐引入错误信息并陷入自我编造的循环，这些错误可能变得极为隐蔽。
LexisNexis所采用的双重校验机制，能够推动AI跳出思维定式，重新审视答案，并可能意识到此前忽略的上下文信息。迪克森说："在某些方面，它们极其聪明；在另一些方面，却又愚蠢透顶……这有点像，你有一位才华横溢的修车师傅，能修好任何车，却经常忘记车库在哪，也不知道车钥匙放在何处。"
LexisNexis早在ChatGPT引发全球关注之前，就已将AI应用于搜索系统的优化。当公众对AI兴趣大增后，LexisNexis推出了面向用户的AI模型，可直接在其界面中用于研究和文件起草。
尽管AI的研究效率可能是律师的十倍，但并非所有AI都适合用于法律工作。迪克森指出，那些误引AI幻觉案例的律师，可能是使用了他们日常熟悉的AI工具，并将其研究结果奉为圭臬。他说："他们用同一个工具查食谱，然后又用它问法律问题并直接采用，这种做法实在不妥。"
Q&A
Q1：LexisNexis是如何保证AI在法律研究中的准确性的？
A：LexisNexis采用多重机制保障准确性：一是让AI模型相互检验，二是邀请数百名律师对AI输出结果进行人工评估。此外，公司大部分AI开发在内部完成，由约4000名工程师负责，许多人已转型为数据科学方向。这种"人机协作"的双重校验机制，能有效防止错误信息逐渐积累并演变为系统性问题。
Q2：AI在法律研究领域目前最大的风险是什么？
A：最大的风险是AI"幻觉"问题，即模型捏造实际上并不存在的案例。已有多起律师在庭审中引用AI虚构案例的事件，令法官十分不满。迪克森还特别指出，部分律师将日常使用的通用AI工具直接用于法律研究，并轻信其结果，这是非常危险的做法，因为这类工具并非专为法律场景设计。
Q3：LexisNexis的AI目前占其业务的多大比重？
A：据LexisNexis法律与专业业务CTO迪克森介绍，AI目前约占LexisNexis整体生态系统的30%，他预计这一比例未来将增长至70%。在具体应用上，AI已被用于案例研究、文件摘要生成、内部编程开发等多个环节，部分工程任务已借助Claude Code、Codex等智能体平台完成。
