核心觀點

OpenAI 發布 Astra for Law，把 GPT-6 Astra、法律搜尋索引，以及面向法律分析與寫作的指令包成可供律所與法律科技公司使用的基礎。重點不只是把通用模型「換成法律提示詞」，而是把權威來源檢索、專業工作脈絡、資料處理控制與既有工具整合，同時保留律師對結論的檢驗與責任。這延續 Gilbert + Tobin × OpenAI：法律服務業的治理式 AI 規模化 的訊息：在高信任專業服務中，治理不是導入後的煞車，而是能否規模化的前提。

檢索能力：先找得到可檢查的權威

法律研究的難點不只是生成一段看似合理的摘要，而是找到正確法源、定位關鍵段落，並判斷其與眼前事實的相關性與拘束力。Astra for Law 的法律索引涵蓋美國判例、法規、法院規則與行政裁決，超過 2.3 億個 URL、每日更新，並透過 Free Law Project 納入 CourtListener 的判例資料。這類設計把模型的工作從「憑通用網路資訊作答」推向「回到可供專家查驗的來源」。

官方以 Vals AI Legal Research Bench 私有驗證集的 200 題測試主張：在最高推理強度下，完整系統的正確性檢核通過率為 54.0%，高於 GPT-6 Astra 僅配網路搜尋的 38.7%；判例題多找到 24% 參考案件，在經稽核的目標段落中最多多取回 54% 相關內容。這些是供應商在特定私有評測與設定下的結果，適合視為「垂直索引加專用流程值得驗證」的證據，不能直接當作各法域、各案型或法律意見品質的普遍保證。

從研究到交付：把不確定性寫進流程

產品的專用指令意在協助將研究套用到客戶事實、擬定論點或交易條款，並主動辨別判決理由與附帶意見、反方不利案件與合約例外所造成的風險轉移。真正有用的輸出不應只是更流暢的草稿，而應讓律師更快看見需要推翻、補證或升級判斷的地方。這和 Cooley × ChatGPT Work：以代理工作流加速 IPO 準備 的 speed to quality 相同：代理先整理與比對，專家把時間用在例外、策略與最終可辯護性。

初期方案經由 ChatGPT 與 Codex 的 Trusted Access 提供給受邀律所；符合資格者可使用 API 的 Zero Data Retention，ChatGPT Enterprise 使用預設也不納入人工審查。OpenAI 與 Latham & Watkins 共同設計資訊權限、倫理隔離牆、客戶指示與事務所監督，說明法律 AI 的可用性必須與資料邊界、利益衝突管理和責任軌跡一併設計。

可組合生態，而非單一取代

OpenAI 同時推出 26 個法律夥伴外掛，可連接 Relativity、Clio、iManage、Intapp、DeepJudge 與 Thomson Reuters HighQ 等工具；另有社群外掛、可調整 skills 與 ChatGPT for Word。這使律所能將 AI 放進既有的案件、文件與工作管理系統，而不是將敏感材料搬進孤立聊天視窗。Sullivan & Cromwell、Ropes & Gray 與 Cooley 的案例也共同指向同一模式：以自有劇本、先例、資料室脈絡和明確覆核程序，建構貼合個別實務的工作流。

對導入者而言，較好的起點不是追求「自動產生法律建議」，而是選擇法源可控、任務範圍清楚、可逐筆回查且有資格人員能完整覆核的研究、文件比對或盡職調查子流程。應同時量測來源命中率、遺漏與錯引、例外發現時間、人工修訂負荷和審閱紀錄完整性；把效率、專業責任與客戶保密放在同一張驗收表。這也與 ChatGPT Work：跨應用工作代理平台與 GPT-5.6 發布 所強調的企業代理原則一致：跨工具的端到端交付，必須搭配受控權限與可稽核的人類驗收。

相關連結

反向連結

以下頁面引用了本頁：