 看更多2026年月旦釋讀 | |
發佈日期：2026/08/11 |
|
法律科技與AI工具應用現況與展望
◎本文出處：月旦法學雜誌第372期
【摘要】
本文探討法律科技與AI工具在我國法律實務與教育界的應用現況，使用質性與量化研究方法：一方面透過深度訪談與焦點團體座談，蒐集法官、檢察官與律師對現行法律科技工具之使用經驗、需求與疑慮；另一方面以問卷方式調查法律系學生對AI工具之態度、使用情形與未來期待。研究結果顯示，在實務端，法律人目前主要使用的工具有：裁判與文獻檢索、電子卷證、語音辨識及初階文書處理等，對於資訊安全、分析精準度與責任歸屬存在高度關切；在學生端，則對AI工具持正向態度，並視其為提升學習效率與備考的重要輔助資源，但AI知識多來自學校以外的非正式管道，反映法學教育在相關素養培育尚有發展空間。
【目次】
壹、背景
貳、專家深度訪談與焦點團體座談 參、法律系學生問卷調查 肆、結論 【關鍵詞】
【本文試讀】
壹、背景
生成式人工智慧(generative artificial intelligence, GenAI)，尤其是大語言模型(Large Language Model, LLM)，可能對法律產業帶來革命性的變化。這些技術不僅大幅提升了工作效率，還擴大了法律服務的可及性，使得各規模的法律實體都能從中受益。 同時，技術進步也引發了新的職業挑戰及倫理問題，需要以新的方式來適應變革。
目前文獻中介紹「將人工智慧應用於法律產業」的狀況，大致可分為三個領域： 一、法律實務工作 有文獻依照使用者的類型，將包含人工智慧在內的法律科技區分為面向律師的服務、面向客戶／當事人的服務等，例如線上法律諮詢服務是提供給一般消費者，而電子證據開示(e-discovery)工具則是提供給律師使用。另外，也有研究係依照訴訟的進行過程，分類為律師媒合服務、法律資訊檢索與分析、證據開示、訴狀或文件生成、以及審判文件生成等。最後一種分類，則是依照領域劃分，例如契約法領域、專利法領域（估計專利價值等）、離婚法領域（自動生成相關文書）、侵權法領域（估計賠償金額）、租稅法領域（法律資料分析與預測工具最先進的領域）等。 二、法律研究(Legal Research) 有文獻指出，所有類型的法律人（法官、律師、立法者和學者）都必須在提供各種法律服務的過程中進行研究，因此AI技術可以提供的服務當然也包含「法律研究」這塊。在幾十年前，法律研究還是一項只能在實體圖書館中進行的活動。目前，AI工具則幾乎涵蓋了所有與法律研究相關的活動，例如法律文本分析、法律諮詢、結果預測、契約審查和盡職調查、書狀起草、引用工具等。未來隨著具有強大計算和分析能力的AI出現，其對法律研究的影響將遠遠超過自動化。 三、法學教育 隨著模型升級，GPT-4在律師資格考試(Uniform Bar Exam, UBE)中展現了超越前代的能力，雖有研究指出其在申論題的法律推論仍與頂尖法律人有差距，但此結果顯示，僅以考試分數衡量AI法律能力恐有失真，並促使法學教育有必要重新檢視其評量方式與核心能力的培養。美國律師協會(American Bar Association, ABA)指出，法學教育有必要主動回應技術變遷，將人工智慧相關知識及人機協作模式系統性納入課程設計之中，使學生能理解並有效運用AI作為法律研究、分析與實務工作的輔助工具，以因應未來法律產業對結合專業知識與科技工具之法律人才的需求。 雖上述文獻提示了「人工智慧應用於法律產業」的可能性遍及實務、法律研究與教育領域，但並非根基於我國現狀。最近曾有法律科技公司對法律相關領域領域從業人員721人進行問卷調查，發現臺灣法律工作者的AI採用率已高達85.6%，但其中超過五成使用者是在組織未正式導入的情況下自發使用，呈現出顯著的「個人先行、組織滯後」的治理鴻溝。不過，由於該調查係使用「網路問卷」，僅能得知使用者常用的AI工具種類（例如ChatGPT、Gemini、公司內部自行開發產品等）與使用場景（翻譯、激發靈感、詢問法律問題等）；卻無法得知更細部的資訊，例如公司內部自行開發的產品具體是作用於什麼樣的業務與個人使用感想。此外，受訪者多分布於企業部門(32.9%)以及法律事務所(28.4%)，司法機關僅占4.5%。惟我國司法機關自行開發了許多法律科技工具，上述受訪者的回答未必能充分反映此一現實。 本文希望能更深入了解法律人使用法律科技工具的狀況，了解各該工具的優缺點、使用者感想、需求與期待，故採用了深度訪談及焦點團體座談方法，以獲取更細節的資訊。此外，法律系學生也可能是未來的法律從業人員，故本研究也針對法律系學生進行問卷調查，期能掌握未來使用者之意見與感想。另，本文想探究的是法律人使用科技工具的狀況，有些法律科技工具未必使用人工智慧技術，而有些AI工具則不一定專為法律領域所打造，因此本文使用比較寬泛的稱呼「法律科技與AI工具」，下文也不特別區分二者，合先敘明。 貳、專家深度訪談與焦點團體座談
本研究在2024年12月至2025年3月間，進行了10場深度訪談與2場焦點團體座談。首先，深度訪談之受訪對象為10位「具有規劃與應用法律科技工具之決策或行政權限」的法官、檢察官與律師，每場訪談介於1至2小時。其次，焦點團體訪談則邀請「對法律科技較有涉獵或關懷」之13位法官、檢察官與律師，分二場舉行，每場約2小時。訪談與座談之重點有二：1.受訪者使用之法律科技工具，以及對未來發展之期待；2.使用法律AI工具之疑慮。以下彙整訪談與座談獲得之專家意見重點。
一、目前使用的法律科技工具 受訪者提示在其工作流程中較常使用的法律科技工具有六類。惟不同的職業亦有不同的使用重點，分述如下。 律師、檢察官與法官均有使用檢索系統，查找過去的裁判的需求，但使用之系統有所不同。 三者皆會使用的是司法院所建置的「法學資料檢索系統」，可查詢裁判書、判解函釋。受訪法官與檢察官皆指出，司法院內部版本（內網）的功能較外部系統（外網）更為完整，不僅資料不遮蔽個資，亦可依法院別、法條、案由等條件進行進階搜尋。其中二位法官均表示，該系統為日常審理案件中最常使用之工具之一，特別是在撰寫裁判理由、參照先例時，有助於迅速比對不同法院之裁判見解。另位法官指出，在推行大法庭制度後，若有見解變更或裁判不再適用者，系統會特別標註，有助於避免誤用過時見解。雖然司法院法學資料檢索系統有前述優點，但其缺點在於關鍵字搜尋不夠精確。例如有不少受訪法官指出，只要輸入的關鍵字與裁判內容有些微不同，即無法有效搜尋，無法如同Google搜尋般廣泛檢索語義相近者。 律師亦表示，在處理訴訟與撰寫法律意見時，需頻繁查詢法院裁判，除了司法院的系統外，也經常使用法源、Lawsnote等民間公司開發的商業資料庫。針對司法院系統，受訪律師亦認為需輸入非常精確的詞彙組合才能找到所需裁判，缺乏語義容錯機制，使得使用者常需耗費大量時間逐筆篩選與比對案件，使用效率低。其中二位受訪者指出，現行律所普遍使用的Lawsnote資料庫，支援自然語言輸入、提供判決摘要與關鍵詞標註，使用介面較友善，適合大量檢索。 有鑑於上述目前系統的限制，多數受訪者指出，未來應改善關鍵字的相似語義辨識度，提升查詢彈性。也有受訪者期待系統能依據「案情相似度」進行排序，而非僅依法院別或時間排序。最後，亦有二位受訪者提出更有展望性的建議，將裁判資料與法學文獻資料加以整合，建立「智慧型法學知識平台」，讓使用者以自然語言輸入問題，系統的回答能串接裁判及學術論文，不僅提供「找到特定裁判或文獻」的功能，更應具備「統整見解」的能力。此些「期待」係與大語言模型技術的進步有密切關聯。 國內法律文獻檢索方面，部分法官會使用月旦知識庫或法源。有受訪者表示，中文文獻資料庫的檢索功能存在「關鍵字搜尋精準度低」的普遍困境。若輸入的關鍵字範圍過窄，可能無法找到需要的資料；但若範圍過廣，又會出現大量無關內容。 ...（本文未完） 延伸閱讀
相關書籍 more
實務講座 more
|
|
| 看更多2026年月旦釋讀 | |
