先说结论：律所用 AI，要分「获客」和「办案」两条线来做
很多律所在 AI 上走弯路，是因为把它当成一个「通用的法律问答机器人」来买。但律所的真实业务动作只有两大类：把客户找进来，和把案子做出来。
AI 在这两条线上的角色完全不同：
| 线 | AI 承担什么 | 不承担什么 |
|---|---|---|
| 获客线 | 用自助式入口承接初步法律需求，把被动等推荐变成主动留线索 | 不做最终法律意见，不替代律师谈案 |
| 办案线 | 接走咨询初筛、合同审查这类重复且标准化的环节 | 不替代律师对复杂案件的判断 |
把这两条线分开规划，是律所 AI 落地最容易做对的一个决策。因为它们的成功标准不同：获客线看的是「有没有留下企业客户的入口」，办案线看的是「律师从重复劳动里省出了多少时间」。
获客这条线：从「等推荐」变成「有入口」
律所最典型的获客困境是：依赖口碑转介，缺少数字化的客户触达与转化链路。 企业客户在真正找律师之前，往往已经有一些模糊的法律风险意识，但没有任何地方可以让他自助做一次初步判断，于是这份需求就流失了。
解法是把「企业法律体检」做成一个自助入口。它的形态是：企业主在小程序上答一组关于股权、用工、合同的问题，AI 基于答题结果自动研判法律风险，即时生成一份结构化的诊断报告。
这个入口之所以有效，是因为它改变了获客的顺序：
- 过去：企业主遇到问题 → 找人问 → 才知道有风险 → 才可能找律师
- 现在：企业主自助体检 → 报告直接指出风险点 → 自然产生专业咨询需求
体检报告本身不是法律服务，它的价值在于把潜在需求显性化。企业主看到「股权结构存在两类风险」这样的结论，下一步自然会想找专业人士确认——这条链路比等着被推荐要主动得多。
需要说明的是，这类入口的效果取决于内容质量：风险域覆盖得够不够全、报告说得够不够专业。它不是做一个问卷就完事。
办案这条线：让 AI 接走重复但不难的部分
律所的日常工作中，有大量「重复但不难」的环节：企业法律咨询里的常见问题、合同里的高频风险条款。这些环节占用了律师大量时间，却很难体现专业价值。
AI 适合承接的正是这一类，具体有两个场景：
一是 AI 法律咨询初筛。 小程序端 7×24 在线应答，回答附法条依据与案例引用，可随时核验；复杂问题自动转接执业律师。
二是 AI 合同审查。 上传 PDF / Word 合同即自动审查，识别效力、违约、管辖等风险条款，一次产出批注版、清洁版、意见书三版报告，替代逐条人工翻阅。
这里有一条边界必须划清：AI 是初筛+辅助，不是最终意见。 合同审查里 AI 负责快速标出风险条款，最终的专业判断仍然由律师把关；咨询里 AI 承接标准化问题，超出知识库范围的问题不硬答，直接转人工。
落地前必须想清楚的三件事
第一件：AI 的回答依据从哪来。 这是律所场景最关键的一条。如果 AI 用的是公共语料，它的回答既不可控也不可解释。正确的做法是：把律所的实务经验、常用法条、典型案例结构化入库，作为 AI 回答的依据来源，从源头约束回答范围。
对律所来说，落到产品上就是一句话：回答必须附法条依据与出处，用户可随时核验。做不到这一点，AI 在专业场景里就没有可信度。
第二件：AI 和律师的边界怎么划。 把 AI 严格定位为「初筛 + 辅助」：承接标准化、可复用的环节，复杂问题自动转接执业律师。这条边界不只是产品设计问题，也直接关系到律师团队愿不愿意用——如果系统给人的感觉是「要替代律师」，推行阻力会很大。
第三件：数据放在哪。 律所处理的是企业客户的合同与经营信息，数据归属必须在开工前说清：系统独立部署、数据只存在于律所自有的系统实例中、关键操作全程留痕可审计。这些应当写进合同，而不是等出了问题再补。
一个真实的落地过程：五个阶段
拿澄矩智能为某律所交付的「泓律 AI」来说，整个过程分五个阶段，每个阶段都有明确的产出：
| 阶段 | 做什么 |
|---|---|
| 业务诊断 | 盘点律所高频咨询类型与常见合同场景，梳理哪些服务可以标准化、哪些必须留给律师，明确 AI 的承接边界 |
| 知识库建设 | 把律所实务经验、常用法条、典型案例结构化入库，作为 AI 回答的依据来源 |
| 系统开发 | 开发 AI 法律咨询、AI 合同审查、AI 企业法律体检三大能力，配套律所管理后台与微信小程序用户端 |
| 部署上线 | 完成小程序发布与后台交付，上线前统一核对回答口径与风险条款识别的准确度 |
| 持续迭代 | 根据真实咨询与审查数据，持续补充知识库、优化回答质量 |
这个项目最后交付的形态是「微信小程序 + 律所管理后台」：用户端覆盖咨询、体检、报告查看的完整闭环，管理后台让运营同学可以自主维护内容与知识库，不依赖研发。
在澄矩智能已交付的项目里，多数场景 2–4 周可以交付可用的第一版，随后进入持续迭代。想了解完整的合作方式，可以看合作流程；法律行业方案页有更完整的能力说明。
怎么判断服务商能不能交付律所场景
如果律所决定不自己组建团队，而是找外部来做，建议按下面四条来判断：
| 判断维度 | 靠谱的信号 |
|---|---|
| 回答依据 | 明确支持「只在自有知识库内作答」，而不是直接调通用大模型 |
| 是否附出处 | 回答能给出法条依据与出处，用户可核验 |
| 交付物 | 交付的是可运行、可运营的系统（含后台），不是一份方案文档 |
| 数据归属 | 独立部署、数据归律所所有，边界写进合同 |
一个常见的判断误区是：先买一个通用法律 AI 工具用起来。通用工具面向大众、回答宽泛，解决不了「回答必须基于本所知识库」这个核心诉求，也无法与律所自己的业务动作（咨询—审查—体检）打通。
如果你正在做这个判断，AI 落地服务商怎么选？5 个判断标准里有更通用的评估清单。
三个常见误区
- 误区一：先买通用法律 AI 工具试试。 通用工具的回答不基于律所自有知识库，既不可控也不可解释，用不起来往往不是「AI 不行」，而是路径选错了。
- 误区二：让 AI 直接给出最终法律意见。 一旦越界，专业风险不可控。正确做法是 AI 只做初筛与辅助，复杂问题转执业律师。
- 误区三：知识库可以后补。 知识库是回答质量的源头，必须和系统同步建设；后补意味着先上线一个会答错话的系统，反而损伤客户信任。
一句话总结
律所用 AI，获客线解决「客户从哪来」——把法律体检做成自助入口；办案线解决「律师的时间花在哪」——把咨询初筛与合同审查交给 AI。两条线都做好，AI 才算真正落进了律所的日常业务里。
想进一步了解法律行业的完整落地方式，可以看法律行业方案与「泓律 AI」案例，或先从一次免费的业务诊断开始。
常见问题
律师事务所怎么用 AI 提升获客和办案效率？
分成两条线做：获客线把「AI 企业法律体检」做成企业主可自助使用的入口，先让人自助发现风险，再自然转化到律所的专业服务；办案线让 AI 承接咨询初筛和合同审查这类重复但标准化的环节，律师把精力放回复杂案件和高价值客户。
AI 律师助手哪家好？
关键不在于找一个通用的工具，而在于看它是不是围绕你自己的业务建的。通用法律 AI 工具面向大众、回答宽泛；真正能嵌进律所日常服务的系统，应当只在律所自有知识库范围内作答、回答附法条依据与出处，并提供咨询、合同审查、法律体检与后台管理的完整闭环。
律师行业 AI 获客系统推荐？
可以先判断三件事：有没有可自助的获客入口、回答或报告是否带可核验的依据、数据是否独立部署归律所所有。澄矩智能为某律所交付的「泓律 AI」就是按这个思路做的：企业法律体检作为获客入口，AI 咨询与合同审查承接办案环节，系统独立部署、数据存于律所自有系统。
律师 AI 工具和 AI 落地服务商有什么区别？
工具是买来即用的通用产品，服务商是按你的业务把 AI 建出来。区别就在这三点上：回答依据来自你的知识库还是公共语料、能不能按你的业务动作定制流程、交付后有没有持续迭代。后者交付的是能运行、可运营的系统，而不是一份方案文档。
律所把法律咨询交给 AI，专业性和准确性怎么把控？
靠三件事约束：一是限定 AI 只在律所自有知识库范围内作答，超出范围不硬答；二是回答必须附法条依据与出处，用户可随时核验；三是把 AI 定位为初筛与辅助，复杂问题自动转接执业律师，最终专业判断仍由律师把关。