核心觀點

OpenAI 的案例研究指出，澳洲企業律師事務所 Gilbert + Tobin 將 ChatGPT Enterprise 與 Codex 視為強化營運流程的工具，而非取代律師的專業判斷。它的啟示不在於「法律業也能用 AI」，而是高信任、敏感資料密集的專業服務，若要把 AI 從個人助理擴大成組織能力，必須同時具備高層支持、職能化導入、資料治理與明確的人類簽核責任。

從示範採用到跨職能擴散

Gilbert + Tobin 先在營運團隊以受控方式試用，再延展到行銷、商務開發、招募、財務、科技、轉型部門與部分法律實務。CEO Sam Nickless 以自己的使用案例傳遞「AI 不是作弊」，使採用不被視為繞過專業，而是把判斷力用在更高價值的地方；轉型團隊則按不同職能示範可立即使用的流程，而非只提供泛用訓練。官方數據稱，截至 2026 年 6 月，已啟用 ChatGPT 席位的 87% 為活躍使用者，超過該所其他工具常見採用率兩倍。

這和 AI 原生公司：把工作流程變成可複利的營運能力 的觀察互相呼應：大規模採用不會自動產生價值，關鍵在把角色、脈絡、任務步驟與完成標準嵌回真實工作，而非只把聊天工具發給每位員工。

治理不是煞車，而是擴張前提

事務所處理大量客戶與商業機密，因此在擴張前先界定核准任務、可輸入的資料、輸出覆核方式，並檢視契約保障、角色型存取、資料處理與管理控制；使用具澳洲資料落地的 OpenAI 環境，則是回應內部要求與客戶期待的部署條件。每一個工作流仍由人界定範圍、檢查結果、運用專業判斷並核准成品。

這補足 ChatGPT Enterprise 用量分析與支出控管：企業 AI 治理新基礎設施 所談的管理視角：用量與支出可見性固然重要，但受監管場景還須把「資料能否進入、誰能執行、產出是否可簽核」設成操作層的控制點。治理不是導入末期才補的審查，而是讓組織敢把存取與任務範圍逐步放大的基礎。

Codex 的位置：承接步驟，不承接責任

Codex 被用於界線清楚、可由人覆核的多步驟營運工作。例如製作涵蓋 300 個實體的稽核報告，官方稱可避免約一個工作天的人工整理；檢查並重新命名 1,100 個上傳檔案，則替代了原需數日的作業。另有針對利益衝突、KYC、反洗錢與政治公眾人物的選定檢核：系統執行研究與處理步驟、輸出報告，最終仍交由人員審閱簽核；部分案件由 3 至 8 小時縮至數分鐘。

這種分工與 Legora × GPT-6 Astra：41 份財報勾稽的代理工作流 相似：代理適合先完成大量資料定位、比對與紀錄，把專家的注意力集中到例外、風險與最終結論。速度數字是官方案例結果，不能直接套用到其他法域或組織；真正可複製的是流程設計——限制來源與權限、保留證據與審閱軌跡，並讓具資格的人承擔最後責任。

實務判讀

若要把這個案例轉成導入策略，可從高頻、規則相對清楚、且能完整回溯的支援流程開始，例如文件分類、資料擷取、初步研究或例外清單。先定義不能交給 AI 的判斷與資料邊界，再量測週期時間、品質、例外率、人工覆核負荷與稽核紀錄完整度。當控制點與責任歸屬跟著能力同步成長，AI 才會從偶爾幫忙的工具，變成可安全擴張的營運系統。

相關連結

反向連結

以下頁面引用了本頁：