林上倫律師專文》放大與加速：被 99% 法律人錯過的 AI 真實能力

這半年來，我協助了全球上千位法律工作者匯入 AI，從美國、日本、澳洲到臺灣的律師，乃至各地公益團體，我的心得是 AI 的本質是「放大」與「加速」你的專業，而全球採用率卻不到 2%，先上車的人正握有驚人的生產力紅利。
（前情提要：林上倫律師專文》當你問 AI 今天中午吃什麼，世界正在為這個提問重新規劃能源版圖 ）
（背景補充：林上倫律師專文》AI 變成裁員的萬用藉口！科技公司的集體甩鍋 ）

這半年來，我有幸協助全世界的法律工作者匯入 AI。從美國、日本、澳洲到臺灣的律師，乃至於各地的 NGO 公益團體，我前前後後參與了多達上千次的匯入會議。藉由今天這個機會，我想把這段過程中所觀察到的、現代人對 AI 最常見的幾個誤解，做一次完整的檢討。因為我實在看不下去，太多人因為「錯看」AI 而「小看」AI，進而「攻擊」AI、「抵制」AI，這件事讓我覺得非常可惜。

最大的誤解：「我的工作流程不需要 AI」

在我看來，最普遍也最致命的一個誤解，就是許多人會說：「我的工作流程可能不需要 AI。」這句話本身，就是對 AI 能力的嚴重低估。而這種低估，往往來自於幾種不同的成因。

第一種成因，是「使用的人太差」，導致他誤以為 AI 的產出很爛。很多律師會看到自己的客戶拿 GPT 生成的東西給他看，於是直觀地認為：「這東西怎麼這麼廢？」可這完全是對 AI 的誤解。要知道，AI 產出的品質，最重要的關鍵其實來自於你給它的 input。操作的人能給什麼樣的輸入，出來的東西就是什麼樣的水準。

試想：你的客戶本來就是不懂法律的人，你嘲笑一個不懂法律的人用 AI 的結果很爛，然後據此認為自己不需要 AI，這樣的結論何其荒謬。AI 本質上就是一個「放大」與「加速」的工具：放大你的工作成果，加速你的工作流程。一個連民法、刑法都分不清楚，連什麼是程式法都不知道的人，他當然操作得很爛，更沒有能力去做每一次結果的疊代。這是使用者的問題，不是 AI 的問題。

第二種誤解：用了消費型模型，卻不知道它的限制

第二種成因，是使用者用了「消費型」的模型，卻沒有發現這些消費型 AI 本身的問題。大家要想清楚：那是消費型 AI，不是企業級、商用型的 AI，兩者的設計目的與計費邏輯根本不同。

現今的大型語言模型，在文書處理上的強大，其實已經完全超出一般人的想像。它能做出的文字組合、能經過疊代後產生的結果，要與人類一模一樣其實只需要做風格模仿即可；要超越人類，它只要比人類多疊代幾次就能達成。然而，為什麼很多人會認為成果不行？關鍵在於，你選用的是便宜的消費型模型。

這裡有一個決定性的差異：計費基準。一般消費型模型每次讀取你資料所花費的 input token，真的太少了，可能每次只在一萬到兩萬個 token 左右。當你用這種「吃到飽」的模型時，在這樣的商業機制下，業者為了壓低成本、提高收益，必然會想方設法減少 input token 的使用。

所以會發生什麼事？舉例來說，你丟進去五萬字的契約或判決，它可能只花兩萬 token 的資源來讀。它要嘛每一段只讀一點，要嘛根本只讀前面一兩萬字，後面完全不讀。於是你就會發現：

• 你丟了一份很長的契約，它把雜項條款漏掉了；
• 你丟了一份判決，它最後的判解或沒收事項沒有讀到；
• 你丟了一份冗長的會議記錄，它的整理東缺西缺。

這不是 AI 的能力問題，而是你模型選擇的錯誤。在現在的技術下，無論你上傳多少卷證資料，都是可以被精確讀取的。如果你的計費方式改成「按 token 計費」，相信我，業者會非常開心地去讀取你的每一個字。當 input 被確保之後，在我上千次的輔導經驗中，幾乎不曾出現讓專業法律人員失望的結果。

「我寫得比 AI 好」：這是天真，更是誤判

接下來，很多人會強調：自己的撰寫能力 AI 根本比不上。我必須說，這種想法非常天真。

你要知道，今天全方位在使用 AI 工具的，正是美國最頂尖、最賺錢的律所，而且是從 Summer Associate 的實習生、資深律師到合夥人，全部都有使用 AI 的影子。為什麼？因為當一件事情機器已經可以做到、可以自動生成的時候，就不會有人再回去走古老的路。就像你有了計算機，就不會再去打算盤；你可以拍照記錄，就不會再去逐字抄寫；你可以搭飛機抵達目的地，就不會再徒步、再搭帆船。這就是進步的本質。

這就好比：美國前四大、最賺錢的頂級律所都在用 AI，這就像今年 NBA 總冠軍球隊都認可「最近有顆籃球非常好打」。結果很多人卻去否定它，還去舉一些奇怪的特例，這就像是一支第三世界的籃球隊，跳出來否定全世界最頂尖的玩家，宣稱「這顆籃球不好打」一樣。這種說法既不理性，從機率上、從常理上，也都很難說服任何人。

使用方法的錯誤：被忽略的「Loose Attention」

除了模型選擇，使用方法的錯誤同樣普遍。AI 其實非常容易發生「loose attention」（注意力渙散）的情況。

現在最正確的方式，相信各個業者都知道，是先透過一個資料庫（向量化處理）來做。如果你去看背後的運作，它其實是把每一份檔案裡的所有資料先全部轉換成純文字，再丟給 AI 去做解讀與分析。為什麼？因為 AI 在純文字上的閱讀效果是最好的；PDF 格式會再好一點，DOC 檔會再差一點，至於解析度不夠的圖片型文字，效果就更差。

所以同樣一份資料分析，正確的優先順序應該是：

• 分成多個檔案，不如併成一個檔案；
• 併成一個檔案，不如先用向量化全部轉成文字，再讓 AI 讀取。

可是當你不知道這些事，你可能一次丟了四五份檔案，然後發現結果不對，就直觀地以為「AI 真不行」。其實當已經有人能把 AI 使用到超越人類的程度時，你用錯了，應該檢討的是自己的使用方式，而不是反過來認定「人類還是比較強」。這實在是非常目光短淺。

AI 最強的能力：格式與形式的「無限轉換」

我想特別具體地談一件事：AI 在「格式內容轉換」上的能力，被太多人忽略了。當你有大量而且足夠的內容之後，AI 要進行任何形式的格式轉換，是它最強、最強、最強的地方。

這同時也改變了律師的收費模式。過去你必須覺得「該收費了」才會動手做的事，現在透過 AI，你可以把收費的起算點無限往後延伸，大幅精緻化你的服務，而且不必多收錢。舉例來說，過去一次性付費的諮詢，諮詢完就結束了；但因為有了 AI，諮詢完之後，你可以把相關資料、把你理解的內容請 AI 來做法律分析、做書狀初稿。

以一個勞資爭議訴訟為例：員工與僱主發生糾紛，你在取得當事人同意下，把整個會議過程整理成會議記錄。這份記錄可能包含：

• 未來訴訟策略要怎麼進行；
• 檢舉要怎麼提、要向哪個主管機關申訴；
• 如何依勞基法第 14 條主張勞工被迫離職並請求資遣費；
• 資遣費的計算、加班費的計算、工時的樣態、勞退的金額等等。

這樣一份內容清楚的素材，你可以把它轉換成什麼？你可以轉換成終止契約的存證信函、轉換成談判信件、轉換成起訴狀、轉換成答辯狀、轉換成準備理由狀，甚至轉換成對外的公開宣告。

關鍵在於：當你的內容是 OK 的時候，即使 input 裡夾雜了很多囉嗦、無關的內容，AI 只要在你用對概念、用對工具的前提下，都可以精準地閱讀、擷取並闡述。它要的 input 不是「精緻」、不是「固定格式」，而是「內容清楚、豐富、該講的都有講到」。至於形式，在 AI 的轉換下，太容易了。

被遺忘的金礦：AI「無限疊代」的能力

接下來要談的，是太多人忽略的「無限疊代」能力。什麼叫做「疊代」？我用一個生日卡片的例子來說明。

第一版：你要寫給情人一張生日卡片，臭男生寫出來的可能就是「最愛你了寶貝，愛你一輩子」這種敷衍、沒有任何心意的發言。但對 AI 來說，這一版只要有上你情人的名字、你怎麼愛他、以及你的結論，這就是一個「底稿」了。

第二版：你對 AI 說「這幾年來我們發生過哪些值得感謝的事情」，雖然你不太知道怎麼把它融入，但你只要把事實丟給它，AI 就能自動把這些美好的愛情故事，融進你那張原本很粗糙的卡片裡。

第三版：你覺得《傲慢與偏見》裡某一段愛情的刻畫很完美，於是把這段你欣賞的詞句丟給 AI 進行第三次疊代。於是第三版的生日卡片，就成了標的正確、有你們過去的歷史、又有電影精美臺詞加持的完美成品。

在沒有 AI 的時代，這樣改三次，每次可能都要花一個小時；但在 AI 的世界裡，你修改一次的時間，AI 可能已經疊代了無數次。

生日卡片只是一個小角落。對律師而言，一份長篇的書狀、長篇的宣告，透過疊代能比你一次次手動修改快上多少？傳統上，資深律師最喜歡罵小律師了：「小律師交一版，罵一下、退回去；交二版，再罵一下、再退回去。」這種工作方式多麼沒有效率。今天你就應該運用 AI 如此快速的疊代能力，去快速精進每一份書狀的品質。這才是正確的使用方式。

為什麼專業工作者需要「專用 AI」？

但這裡要特別提醒：如果你用的是傳統或錯誤的模型，根本無法做正確的疊代。為什麼？因為每一次疊代花的都是更昂貴的 input token 與 output token，而這正是消費型模型最想節省的成本。

舉例來說，一篇 5000 字、分成數段的文章，你只要求修改第三段，會發生什麼事？消費型模型會直接把你沒說要修改的地方寫上「（略）」，因為它認為「你沒說要改的，我就不幫你生成，這樣才能節省」。可是這完全不對。我們人類傳統的工作環境，每一次都是基於前一版來進行修正的。AI 為了避免浪費 token，會把你可能下一步要修正的地方直接刪除、寫個「略」，或進行大規模整併，讓你根本無法疊代。一旦無法疊代，你等於把 AI 最強、最強的功能直接放棄了，這多麼可惜。

消費型模型是給誰用的？是給一般人用的。是給那些只是想問「我咳嗽、鼻子癢癢該怎麼辦」這種簡短、不需要疊代的問題用的。只要涉及專業，你就需要疊代，那根本不是一般消費型模型的範疇。結果你用消費型模型這種不適合的工具，去否定 AI 的能力，這實在是一種對科技本質的誤判。

別把別人的錯誤，當成自己不進步的理由

還有很多人會看到一些 AI 的負面新聞，而對自己「沒有使用 AI」感到沾沾自喜。近期確實有一些美國律所，因為 AI 產生了「判決幻覺」而被法院制裁。看到這種新聞，有些人就轉貼出來，大聲宣告「絕對不能用 AI」。

但你知道嗎？今天其中一間律所發生這種事，相對地有多少律所沒有發生、卻因此節省了大量時間、精進了大量產能？這些頂尖律所自己都已經公開揭露了，你可以去看看美國最頂尖的跨國律所用的是哪些 AI 工具。我講白了：那些出事的律所，就是用錯了。他們可能為了省錢用了一般的消費型模型，又沒有做後續的檢查工作，沒有體認到 AI 的本質是「放大與加速你的專業能力」，而不是「取代你的判斷」。當然會出問題。

把別人的錯誤，當成自己不去使用 AI、不去進步的理由，這非常可惜，也非常侷限，完全不符合現在的情勢。

AI 是「普世科技」，而採用率卻低得驚人

今天大家要知道，AI 就是一個「普世科技」。它是任何人都能使用、學習門檻很低、而且非常直觀的東西，就跟智慧型手機一樣。當你用了智慧型手機，你可能會想：全世界還有多少人在用「智障型手機」？大概不到 10% 了。

可是 AI 這麼好取得、這麼厲害、這麼好用的東西，全世界的採用率卻不到 1%、不到 2%。我只能說，非常非常可惜。換個角度看，這也正是現在懂 AI 的人最好的時機，因為當 99% 的人還沒上車時，先上車的人就能爆發出驚人的生產力。

那麼，我為什麼會如此清楚每一位律師使用 AI 的狀況與痛點？正是因為這半年來，我真的協助了將近千位全世界的法律工作者進行 AI 的匯入與介紹，才會累積出這些心得。

而我認為，這些工具對公益團體更是重要。我想特別感謝司法改革基金會及冤獄平反協會的肯定。能夠協助公益團體將 AI 匯入他們的工作，是讓我感到最有意義的一件事。這些團體有非常多繁重的文書工作，匯入 AI 之後，不僅大幅節省了人力，也達到了非常好的效果，相信確實幫上了他們不少忙。非常感謝他們的信任，能夠在 AI 時代盡一份 AI 法律人的心力，是我的榮幸。

財團法人民間司法改革基金會致贈的感謝狀，肯定林上倫律師無償提供 M-ROSS.AI 系統，協助會務的外文文獻翻譯、判決摘要與文字整理。

臺灣冤獄平反協會（Taiwan Innocence Project）致贈的感謝狀，感謝 M-ROSS.AI 應用於外文文獻翻譯及摘要、中文判決摘要與非機敏檔案的光學文字辨識。

這篇文章，真的只是因為我看到太多人因為一個錯誤的認知，而去攻擊、去抵制 AI，實在讓我看不下去。我必須說：真正在使用 AI 的人，只會繼續嘲笑這種抵制。因為這個錯誤的認知，反而會讓你遠遜於其他對手，遠遠跟不上，遠遠被這個時代拋在後頭。