為執業律師部署 AI：本地脫敏與大模型案件處理

客戶為多個國家與地區的執業律師，至今已逾數十名。他們的執業範疇涵蓋訴訟與非訴訟業務，業務構成多隨案源變化。

服務以律師個人為部署單元，不採用律師行統一部署的集中式系統。理由有二：

(a) 案件保密。集中式系統把整間律師行的案件材料匯集於同一平台，接觸範圍隨之擴大。以律師個人為單元獨立部署，系統與數據只限該律師本人及其承辦的案件使用，符合“有需要知道”原則，與律師行設置資訊屏障的通行做法一致。

(b) 經驗累積。每位律師的業務構成、文書習慣與客戶要求各不相同。為律師個人配置的場景、文書範本與術語，隨其所辦案件持續更新，累積為律師本人的工作方法與文書標準。

律師行同樣可以採用這一方式：按每位律師的需要分別部署，各自獨立運作。

律師普遍面對的問題可歸為四類。

(a) 保密。案件材料含當事人身份、證件、帳戶與金額等資料，律師對客戶負有保密責任。未經處理的材料上載至雲端 AI，存在洩露與喪失法律專業保密權的風險。美國律師協會 2024 年 7 月發布的第 512 號正式意見指出，律師須了解生成式 AI 如何使用資料，並採取保障措施；將客戶機密輸入 AI 前，一般應先取得客戶的知情同意；香港律師會 2024 年 1 月的立場文件亦指出，經雲端服務使用 AI 涉及客戶資料私隱與法律專業保密權。

(b) 可靠性。AI 可能編造事實與出處，而文書的責任始終在律師。史丹福大學 2024 年的研究發現，專業法律 AI 工具出錯的比例逾 17%。

(c) 文書負擔。閱卷、證據整理、合約紅線回應與案件梳理耗費大量時間，佔用律師用於法律判斷與客戶溝通的時間。

(d) 工具落地。通用 AI 工具需要用戶自行摸索指令與流程，產出的格式不穩定，難以直接套用律師的文書範本。

合作按四個環節推進。

(a) 初步診斷。我們以診斷工作坊檢視律師耗時最多的文書工作，確定 AI 的切入點。律師的工作可分為兩類：一類與法律判斷緊密相關，包括法律依據、證明目的、對證據的意見與訴訟策略；另一類與法律判斷無關，包括長文件理解、結構化起草、紅線回應、時間線梳理與材料索引。AI 只承擔後一類，前一類始終由律師完成。

(b) 全面診斷與方案。律師的業務隨案源變化，穩定的分類是文書類型而非法律範疇，因此場景按文書類型選定。每位律師從場景庫中選定三個場景，常用組合為證據梳理、合約紅線回應與案件大事記。每個場景以律師確認的文書範本作為產出的成型標準與驗收依據，並確定材料的分級使用規則。

(c) 實施。在律師本機部署脫敏工具，並按其執業範疇配置；為律師選定的場景分別配置工作指令與文書範本，以脫敏的舊案材料測試；最後由律師本人獨立操作完成驗收。

(d) 持續營運與維護。每季回訪，按律師所辦案件與客戶要求的變化，更新文書範本、場景指令與脫敏配置；模型與工具升級後進行相容調整與回歸測試。

系統的設計遵循三項要求：律師無須學習技術；數據安全可控；一切產出均為供律師審閱修改的草稿。

(a) 本地脫敏。高度敏感的案件材料，在律師本機完成脫敏後方交由雲端大模型處理；產出取回後在本機還原。真實資料不離開律師本機。

(b) 本地開源模型與雲端前沿模型的取捨。開源模型可以在本地部署，數據無須離開本地，但須在質素、速度與成本之間取捨：能在個人設備上運行的模型須經量化壓縮，處理長篇卷宗時質素下降、等候時間長；在律師行自建伺服器上部署接近前沿水平的模型，則需要大額硬件投入與專職技術人員維護。雲端前沿模型能力完整、回應迅速，但材料須離開本地。本項目以脫敏銜接兩者：識別並替換敏感資料的步驟在律師本機完成，後續工作交由雲端前沿模型處理。真實資料不離開律師本機，律師亦可使用前沿模型的完整能力。

(c) 分級使用。律師按材料的敏感程度分級處理，只有高度敏感的材料須經脫敏，日常工作不因安全措施而增加負擔。

(d) 能力邊界。系統只處理“有甚麼”，不判斷“意味着甚麼”：

證明目的、對證據的意見與訴訟策略，由律師本人完成。

(e) 可核實。產出中的事實性陳述可指回來源材料，不確定處予以標註；材料不全時，系統提示缺失項目，不自行補寫。每個場景經多輪測試、確認結果穩定後，方交付使用。

(a) 案件材料可安全使用雲端前沿模型。高度敏感的材料經本地脫敏後使用，真實資料不離開律師本機。

(b) 場景由律師本人獨立操作完成，產出直接套用律師確認的文書範本，以 Word 追蹤修訂呈現，律師審閱修改即可，無須重寫。

(c) 產出可核實。事實性陳述均可指回來源材料，不確定處有標註，材料不全時系統提示缺失項目。

(d) 律師的時間由材料整理與文書起草，轉向審閱與法律判斷。

(e) 職責邊界清楚。證明目的、對證據的意見與訴訟策略由律師本人完成，文書的責任主體始終是律師。

(f) 服務已在多個國家與地區的數十名律師中交付。