// 维基 · 资料 · 2026 年 9 月
面向律师的人工智能：任务、智能体、聊天机器人
“数字法——2026”继续教育课程讲义（专题8）。规则以2026年9月为准；具体情况的评估取决于其情节。
简短回答
对律师而言，人工智能是准备工具而非决策者。模型预测文本；准确性靠核对原始来源确立。例行工作——检索、转录、摘要、草稿、案卷初筛——可在关卡之后交给机器；决策、签字与对外立场仍归律师。
语言模型如何工作
模型基于数以十亿计文本的统计规律预测下一个词。貌似可信的文本可能不真实：数据不足处，模型会自圆其说——它没有内在的“我不知道”。自信的语气不代表准确；薄弱处是罕见判例与最新登记册。由此得出工作规则：人工智能的每个结论在核对来源前都只是假设。
任务与技术
- 语音识别 ——庭审、访谈、通话的转录文本；
- 分类 ——按类型整理来件与合同；
- 数据抽取 ——从合同包中抽取主体、金额、期限、编号；
- 摘要 ——案卷摘要、实践综述；
- 生成 ——函件、立场、纪要的草稿；
- 语义检索 ——知识库、司法实践、尽调资料室。
RAG：带资料库的模型
在RAG（检索增强生成）方案中，模型不是“凭记忆”作答，而是依据检索到的你的文档片段：查询→库内检索→回答→来源链接。这带来时效性（模型训练于“过去”，知识库是“今天”）与可核查性。此处同样可能出现幻觉——链接仍须核对，回答质量取决于知识库的完整度。
聊天机器人作答——智能体行动
聊天机器人错误的代价是错误回答；自行执行步骤并使用工具的智能体，其错误代价是错误行为。这一区别是法律性的而非技术性的。智能体需要四道关卡：允许行为清单（其余默认禁止）、最小权限、支出上限、行为日志。关键步骤须人确认。不得让智能体：对外发送付款与文件、以事务所名义对外沟通、未经去标识化接触敏感数据、作出最终决定。
边界：2026年实践
- 第 А27-7831/2025 号 ——因引用不存在的司法文书被罚5万卢布；援引人工智能不获减轻；
- 案号 А71-11377/2025 ——委托人被罚5千卢布：12处实践引用无一属实；
- № 02-1545/2026 ——因将报表上传公共人工智能服务而被解雇；
- № 22-1201/2026 ——人工智能结论不能替代专家意见（刑事诉讼法典第74条）；
- 最高法院全体会议2026年5月21日第15号决议第42项 ——借助人工智能获得的事实须向法院披露。
国际上同一情节：Mata v. Avianca（律师因虚构先例受制裁）、Ayinde v. Haringey（法院接受对未经校对提交人工智能文本的道歉）、Matt v. Air Canada（聊天机器人虚构票价，公司被判承担费用）。详见 《俄罗斯AI司法实践》 和 《工作中的人工智能：员工可以做什么》.
无需编程的部门聊天机器人
机器人覆盖：制度与规范问答、申请进度、知识库访问、来件接收与分派、新人培训。不覆盖：咨询与法律立场、对外沟通、交易与争议决策。
无代码的四种做法：机器人搭建器（场景式，数据留在平台）→模型厂商的助手（一晚可建成——核查数据架与许可）→企业RAG平台（知识库、角色、日志、来源链接）→自建技术栈（本地模型与自有库上的智能体——完全可控，需要专业能力）。部门的典型路径：厂商助手试点→平台→当敏感数据规模使云端不可接受时自建。
三个数据架
- 公开数据 ——法律、判例、出版物：可在任何地方处理；
- 可去标识数据 ——清除标识符后方可上云；“去标识”合同可凭金额、期限与结构被识别——这些也须清理；
- 敏感数据 ——交易数据、个人数据、秘密：仅用本地模型，数据不出圈。
数据架在选择工具之前确定，而非在泄露之后。
给服务商的四个问题
- 我们的数据在何处被物理处理；
- 服务是否以我们的数据训练、还有谁能看到；
- 日志里有什么：谁、何时、查询了什么；
- 事件发生时如何处置、数据如何返还或删除。
没有明确回答本身就是回答：只能给该服务前两架的数据。
从何入手
任务+数据架+内部知识库。先在厂商助手上试点，验证同事需求，再上平台。自动化改变工作方式，而非签字人。