看上去很美的法律科技：律所冒这么多风险值得吗？

一、风险

花了大价钱，本指望着法律科技带着律所“起飞”，但是否想过它隐藏着诸多风险？

看上去很美的法律科技，“四大”之一安永会计师事务所的英国金融服务法律负责人马修·凯莱特（Matthew Kellet）最近却发文直言不讳地指出，一旦选择了“错误的”法律科技产品，至少会面临7大方面的风险：

这还不包括资金成本。对风险的天然抗拒也反映在法律科技产品的接受度上，它可能没有我们想象的那么乐观。当然，也有反对声音认为，技术是为人所用的，风险是可控的。

过去，我们一直在关注法律科技创业公司数量和融资的火热（福布斯：全球法律科技融资超16亿美元），和一些国际大所在这个方面的各种动作（12家国际大所联手打造法律科技平台），但最近一份来自英格兰及威尔士律师协会的调研报告却指出：

法律科技公司的数量增加，并没有反映在法律从业者使用技术的比例上。

换言之，创业者很多，使用者却不太多。为什么？

二、应用

2019年2月14日，英格兰及威尔士律师协会发布了一份《法律科技应用研究报告》（Lawtech Adoption Research report），探究了哪些类型的法律科技供应商在行业的不同领域具备吸引力，以及背后的驱动力，以期了解科技的应用率对行业未来的影响。

（一）主要发现

研究报告主要发现，英国律所应用法律科技的压力与日俱增。造成这种压力的一些主要原因是：

- 进一步提高效率

- 律师的年龄结构不断变化

- 增加工作量和工作复杂性

- 年轻且精通技术的员工更普遍

而最重要的原因，是客户对成本和效率施加的压力比以前更大。我们在其他分析评论中也看到，律所对于法律科技的应用似乎“身不由己”，一方面要面临同行竞争的压力，另一方面也要满足客户的期待或要求，相当被动。

（二）律所应用法律科技尤为困难

研究发现，整个法律市场都越来越意识到，法律科技很重要，法律行业未来将会变化，应用技术的律所将会更有竞争优势。

但是，一些行业基础障碍还远没有消除，包括合伙制、小时计费、合规风险以及对于技术不断浮动的意识和信心。

以律所为整体配备法律科技，太难了。

（三）法律科技还在“初始期”

虽然似乎法律科技市场中有着五花八门的各种探索，但现阶段，整个行业都仍然更关注效率和自动化。

这个领域还尚未成熟，远不及金融科技在资本和监管方面已经有的发展。

法律科技市场的不同部分对应着不同的成熟度，采用的技术类型也不一样：

（四）英国法律科技欣欣向荣

虽然法律科技公司快速增多，法律人采用法律技术的速度还不很快，经过几年的初始阶段，至少法律科技行业已经到了可以整合及融资的阶段。

三、采购法律人工智能？先要搞懂这10点

法律科技于律所而言已经是一场竞赛，在这片赛场中，一件重要武器就是“人工智能”。

但是，真的有必要投资购买人工智能吗，机器学习初创公司Genie AI联合创始人兼首席执行官Rafie给出了他的建议，采购法律人工智能前，需要搞懂这10点：

（一）区分“专家系统”和“机器学习”

人工智能(AI)是一个广泛的研究领域，泛指研究制造出比人类更聪明的机器。在过去，方法通常涉及使用“专家系统”，即由专家编写的一组规则。例如:“如果是绿色的, 那么就是苹果（if green, then apple）”。

然而，机器学习涉及编码数学模型，如线性回归，用于显示或预测变量参数之间的相互关系，以便从过去的数据中学习。例如，机器学习模型无需手动编写“if green, then apple”代码，而是可以摄取图像数据，然后根据所学习的数百万个参数来判断图像是苹果还是梨。

市场中仍然存在着概念混淆，而且可能是供应商的“故意”，以较低技术含量的产品凭着人工智能的噱头卖出高价。

（二）一定要从实际出发

为什么要购买人工智能？一定是有实际需要并且人工智能工具确实能更好地帮你实现商业目标，而不是为了买而买。

是否有效率提升，风险降低或可用性增加？购买前需要了解整个律所的业务目标或优先级，然后了解相关团队的目标，最后衡量AI技术如何影响这些目标，这一点非常重要。

（三）专业知识

机器学习虽然日益商品化，但仍然是一门专业技术，需要检索供应商是否真正拥有相关专业背景的创始人或教授级的专家。

（四）数据集

机器学习需要数据，律所和法律部门应该确定问题和痛点，并期待收集到可供供应商来解决这些问题的数据集，通常这也需要借助AI工具。

（五）训练

获取数据之后也需要进行训练，这个过程可能缓慢而昂贵。

（六）安全性

机密性、客户合约条款、数据保护、监管和网络安全都是需要考虑的重要问题，律所往往头疼的是，客户又要求效率，又要求隐私安全，私有云可能可以协助实现这一点。

（七）配置团队

大型律所的合作结构比较复杂，可能包括了合伙人、律师小组、知识管理者/专业顾问、产品或项目经理、IT经理和采购人员等，需要专门团队来布置技术应用。

（八）服务器

代码和数据需要存储在某个地方，内部服务器昂贵、需要维护且难以拓展，云存储有隐私问题，私有云不与外部网络连接，被越来越多地采用。

（九）责任和义务

谁来对AI分析的结果负责仍然是一个灰色地带，但是一个重要问题。人工智能“协助”律师，以便律师作出最后决定，还是AI取代某个过程。这个流程是否至关重要，还是只是后台功能。

如果AI犯了一个错误，会有多严重？与律师相比，总体来说错误是更多还是更少，收益比例是多少？这些都需要纳入考量范畴。

（十）真的需要机器学习吗

应该这么问，机器学习提供了哪些额外的好处，并且对于人类以及传统的专家系统是无法实现的？对这个问题充分“较真”，能让律所筛选过滤掉那些炒作型产品。

当机器学习对于提供以前无法实现的结果，或者可以显著更快或更准确地提供相同结果时，它的作用可能是惊人的。

四、结语

存在完全安全、毫无风险的新技术革新吗？显然没有。

从英国的实践我们可以明显地看到，对于法律科技或法律人工智能的探索展现出“返璞归真”的态度——在初级阶段，重点关心效率提升和自动化，而不是无谓地探讨“一步登天”“彻底颠覆”。

这显然是一个更理性、更有发展性的态度。

至于第二阶段会有什么发生，我们交给未来去回答。