核心觀點

OpenAI 的案例研究指出，國際律師事務所 Cooley 以 ChatGPT Work 建立專有產品 GO Public，協助資本市場團隊處理首次公開發行（IPO）準備期間的大量資訊。其核心不是讓模型替律師做出法律結論，而是用一套受控的代理工作流，先把客戶資料、相關公開資訊與精選先例整合成更貼近個案的起點，再由律師驗證、挑戰並作成判斷。Cooley 的說法是：目標並非單純「更快」，而是更早抵達足夠好的初稿，讓人的時間回到最需要專業、經驗與策略思考的決策上。

從「比照先例」到「從客戶出發」

傳統 IPO 專案常以相似公司的既有文件為基礎，再逐步調整到客戶情境；這既仰賴團隊經驗，也需要在時間壓力下反覆比對大量材料。GO Public 改採客戶為中心的起點：匯入客戶提供資料、相關公共來源與經過挑選的先例，交由代理先進行整理與分析，形成供專業人員審閱的客製化底稿。

這種改變的價值不只在搜尋速度。IPO 籌備會消耗管理團隊注意力，且牽涉高度敏感、不可逆的揭露與資本市場決策；若能把「找資料、對資料、彙整初步脈絡」前移，人員便能更集中檢視例外、揭露品質、交易故事與風險判斷。它呼應 ChatGPT Work：跨應用工作代理平台與 GPT-5.6 發布 所描述的方向：企業 AI 的價值逐漸由單次問答，移往串接資料、拆解步驟並交付可覆核工作成果的工作層。

Agentic harness：把自動化邊界寫進流程

Cooley 將其系統描述為以 ChatGPT Work 建構的 agentic harness。這個 harness 的重點是明定：哪些步驟可由代理自動執行、哪些節點必須由律師審閱或驗證，以及每個步驟如何銜接。事務所的法律工程師、創新顧問與執業律師共同把資本市場的既有知識轉成可重複使用的流程；官方稱之為把專業知識「烘焙」進工作流。

此處值得把「受控」視為產品能力，而不是事後補上的限制。專業服務中的資料來源、任務範圍、人工簽核與責任歸屬，若無法明確定義，代理即使能產出流暢文字，也不適合進入正式交易流程。Gilbert + Tobin × OpenAI：法律服務業的治理式 AI 規模化 的案例同樣顯示，法律 AI 能擴張的前提是先限定可處理資料與核准任務、保留審閱軌跡，並由具資格的人承擔最終責任。

「速度到品質」而非取消覆核

Cooley 把效益稱為 speed to quality：先縮短抵達高品質起點的時間，再把律師與管理層的注意力留給只有人能承擔的事情。這是對「AI 節省多少工時」較成熟的詮釋：在高風險知識工作中，最應量測的未必是輸出量，而是審閱是否更聚焦、例外是否更早浮現、決策等待時間是否縮短，以及品質與可辯護性是否維持。

不過，這仍是供應商與客戶共同發布的單一案例，未公開錯誤率、審閱負荷、合規事件或跨案型比較，不能直接推導成普遍的效率承諾。組織若要驗證成效，應先挑選範圍清楚、來源可控且能由專家完整覆核的子流程，以基準組比較週期時間、修訂輪次、遺漏／例外發現率與人工覆核成本；不可因為代理已完成「第一刀」就取消專業查核。

實務意義

對律所與其他受監管專業服務而言，Cooley 的可複製之處不是複製其先例庫，而是四個設計原則：

  1. 用真實個案脈絡取代泛用提示：把已授權資料、公開來源與精選知識放入明確工作邊界。
  2. 將人類覆核設為流程節點：代理可整理、比對、提出待查事項；法律解釋與最後核准不能模糊轉移。
  3. 先以高價值的注意力回收衡量效益：判斷專家是否能更早處理關鍵風險，而非只看文件生成量。
  4. 保留責任與證據鏈：對資料來源、代理動作、版本及簽核者留下可回查紀錄。

在 OpenAI 自身仍處於上市準備階段的脈絡中，OpenAI 機密 S-1 申報：$8520 億估值的 IPO 前夕 也說明 IPO 的法規、揭露與資本市場壓力本身就高度複雜。GO Public 因而可視為一種垂直領域代理模式：用流程與治理承接繁瑣工作，但不把問責外包給模型。

相關連結

反向連結

以下頁面引用了本頁：