Gilbert + Tobin
律所AI治理与规模化
OpenAI
法律/专业服务
企业部署案例
标准案例｜可参考但仍有缺口
B级证据
规模化
B
证据等级
Gilbert + Tobin：律所AI治理与规模化
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
标准案例｜可参考但仍有缺口
7 / 12
业务背景1 / 2
改造流程1 / 2
技术工作流2 / 2
人机与治理 / 2
量化结果2 / 2
来源定位1 / 2
仍可补强：业务背景、改造流程、人机与治理、来源可定位性
业务问题
法律行业既希望扩大AI使用，又需要严格治理、保密和专业责任。
解决方案
与OpenAI建立治理与规模化采用框架，把AI用于法律知识工作。
技术架构与生产工作流
Step 01
SOP / 历史案例 / 专家访谈
→
Step 02
文档解析、切分与元数据标注
→
Step 03
Embedding / 语义索引
→
Step 04
按当前问题检索相似案例与规则
→
Step 05
LLM基于证据生成建议并附出处
→
Step 06
专家确认 → 新经验回写知识库
关键技术与基础设施组件
知识库/RAGEmbedding/向量检索权限与元数据LLM专家审核
人机分工与责任边界
律师保留专业判断与最终责任。
FDE 动作拆解
- 跟岗识别“什么时候员工会去找老师傅”
- 访谈专家，把隐性判断条件转成可检索案例和规则
- 设计知识粒度、标签、版本和权限，而不是只做文档上传
- 用真实问题做召回率/答案可用性验证
- 把反馈、错答和新案例持续回灌
可迁移复用的落地方法论
- 先选高频、高成本、可验证的窄流程
- 能用确定性工具验证的步骤，不让模型自评
- 高风险动作保留人工责任
- 把每次人工修正变成后续可检索的上下文/规则
业务成效与交付成果
2026年9月公开案例；首版不补写未核准数值。
证据边界与核验记录
- 公开资料确认业务流程；技术组件为基于公开描述的架构抽象
- 当前链接为官方汇总入口，尚需补充可直接定位该案例的深链接或页码。