Josephine Petrick，BriefCatch 首席 AI 产品官 – 采访系列

Josephine Petrick 作为 BriefCatch 的首席 AI 产品官，带来了罕见的诉讼辩护经验、AI 产品判断力和法律撰写专长的结合，为法律行业最专业的写作平台之一。作为她的职责，她领导了 BriefCatch 的 AI 产品战略，指导了生成和检索类工具的开发，以提高律师和法官撰写、编辑和完善法律文件的能力。她的背景包括在 The Norton Law Firm担任合伙人、Hanson Bridgett 的高级顾问和上诉辩护律师，以及美国第五巡回上诉法院 James L. Dennis 法官的法务员。这种庭审、上诉和顾问经验给了她一个实践者的视角，去构建解决真正的法律写作挑战而不是抽象的生产力问题的 AI 工具。

BriefCatch 是一个面向律师、法官、律师事务所、法院和政府机构的 AI 驱动的法律写作和编辑平台。该平台成立于 2017 年，围绕 Ross Guberman 的法律写作专长而建立，帮助法律专业人士直接在写作工作流中提高清晰度、精确度、说服力和可信度。BriefCatch 声称支持超过 300 家律师事务所，包括 45+ Am Law 200 家律师事务所，以及 80+ 家法院，其新的 BriefCatch Next 产品将专业的法律写作指导与可选的 AI 工具相结合，旨在增强而不是取代法律判断。

您最近加入 BriefCatch 担任 AI 产品首席官，之前您曾担任上诉律师、认证上诉专家和法律技术产品构建者。您的经验如何塑造了您对法律职业中 AI 的愿景？

在加州大学伯克利分校学习语言学之后，我对 AI 非常着迷，总是希望自己能从事这一领域。我被 AI 扩展人类智能和帮助解决实际问题的潜力所吸引。我成为律师也是出于类似的原因。我的母亲是一名宪法律师，从她那里我学到了法律可以被用来帮助人们高效地解决问题。到我开始执业的时候，我以为自己已经错过了从事 AI 的机会。因此，我的法律职业生涯让我回到了最初让我感兴趣的问题：如何利用技术使专业知识更容易获得、更有用和更人性化？

我已经在尝试大型语言模型有一段时间了，甚至在它们被包装成聊天机器人之前，当时 OpenAI 将其产品作为沙盒提供。我从一开始就看到了它们的实际问题解决潜力。它们可以帮助记录审查、当地规则研究、跟踪待决加州最高法院案件、估计上诉时间、简化事后动议实践或帮助有人摆脱困境吗？

我最喜欢的例子之一来自我的父亲，一位退休的数论专家，他仍然在研究开放性问题。我说服他尝试使用专业版的大型语言模型，他用它来证明定理和在他多年来一直在思考的问题上取得进展。LLM 在解决开放性数学问题（如埃尔德什问题）方面如此有效的原因之一是，它们在许多数学领域都有训练，并可以将这些技术从一个领域转移到另一个领域（例如，使用代数数论中的技术来解决一个基本几何问题）。这对我来说抓住了某些重要的东西：AI 可以扩展我们的创造力，帮助我们利用比我们个人能够掌握的更广泛的知识和专业知识，并利用它在原本需要更长时间的人类知识和事业中取得进展。

我在法律实践中看到了同样的模式。作为一名上诉律师，相同的程序和战略问题一次又一次地出现。因此，我构建了数据库、跟踪器、信息图表、客户资源、上诉时限计算器、事后时限工具，最后帮助构建了一个法律规则数据库。贯穿其中的线索始终是一样的：知识存在，但被困在 PDF 中、书籍中、研讨会中、内部笔记中或某个专家的脑海中。我痴迷于一个 AI 特别适合解决的问题：如何在人们需要时使知识和专业知识可用。

这塑造了我对法律 AI 的愿景。大多数法律技术产品承诺 AI 将自动化单调的工作，以便律师可以专注于战略。这是真的，也是有价值的，但这只是开始。现在我最感兴趣的是激活专业知识。律师可能已经读过合适的书，参加了合适的继续法律教育课程，保存了合适的帖子，或者从实践中学习了合适的教训，但这种知识在律师实际撰写、研究或为客户提供建议时往往处于休眠状态。

BriefCatch 正好处于这一机遇之中。法律写作不仅仅是润色；它是法律判断、战略和说服力变成可供他人使用的东西的地方。我对一个未来充满希望，在那里 AI 帮助律师检索和应用正确的规则、技术、战略、警告或战略洞察力，在保持专业判断和责任的同时。我把它看作是一种专业知识外骨骼：帮助律师携带更多知识、看得更清楚、避免可预防的错误、并在最重要的时候应用他们最好的判断力的技术。如果我们构建得好，社会将受益，因为法律专业知识将不再被困在昂贵的点对点渠道中，而是变得更加可供人们、企业、法院和机构使用，他们依赖于它。

BriefCatch 最近推出了 RealityCheck，一种旨在在提交前识别出幻想或不支持的法律引用的工具。您认为现有的法律 AI 工具中最大的差距是什么，使得这种功能必要？如今，引用可靠性问题有多严重？

最大的差距在于，太多工具仍然专注于生成而不是验证。它们可以帮助快速生成文本，这看起来令人印象深刻，但法律工作并不以生成可信的文本开始。我们的法律体系根本上依赖于法官和律师忠实地记述和应用权威。任何法律工具都必须从实际存在的权威开始，必须准确地描述这些权威的内容、它们如何被应用以及在决定权威的背景下，所主张的命题是否得到支持。任何低于这个标准的东西都只是法律幻想。有更不礼貌的话可以用来形容它，但我会把那些话留给处理过它的法官。

这就是 RealityCheck 这样的工具如此重要的原因。问题不仅仅是完全虚构的案例，尽管那些案例显然令人担忧。还有更微妙、更常见的失败模式：一个真实的案例被引用支持错误的命题，一个持有意见被夸大，一个引语被稍微修改，一个括号使一个不方便的区别变得顺滑，或者一个引用看起来在表面上是合适的，但实际上并不支持它所跟随的句子。

这些并不是法律实践中新的问题，但它们现在被放大了。律师一直负责检查自己的工作，但 AI 辅助的草稿速度和规模使得验证更加重要。问题不仅仅是“AI 是否产生了幻觉？”而是“这个提交的文件是否包含准确、有支持、在专业上可以辩护的法律断言？”

我也认为我们不应该把仅凭人力的工作作为黄金标准。人类也会误引用、夸大和遗漏东西，尤其是在时间压力下。无论文本的来源是什么，最佳实践都是分层审查：人类判断、基于来源的工具、在适当情况下进行确定性检查，以及可以更容易地捕获错误的验证工作流程。

许多律师仍然对生成性 AI 持怀疑态度，担心准确性、道德和职业责任问题。法律技术公司可以采取什么实际步骤来建立信任并鼓励负责任的采用？

值得信赖的产品应该使其边界可见。它们应该在来源很重要时显示来源。它们应该明确指出系统何时生成语言，何时验证引用或应用确定性规则。它们还应该坦率地说明其局限性，因为夸大其词是快速失去律师信任的最快方式之一。

负责任的采用必须融入工作流程中。律师不应该不得不成为提示工程师或 AI 风险官才能有效地使用这些工具。好的产品应该通过设计引导用户朝着负责任的使用方向发展：保持保密性、支持监督、启用审查、在适当情况下保留审计跟踪，并使验证变得容易。

您曾广泛使用过检索增强生成（RAG）和其他旨在提高 AI 系统可靠性的技术。您认为当前的法律 AI 产品在哪些方面仍然存在不足，哪些技术进步可以填补这些差距？

法律 AI 产品已经在撰写、总结、头脑风暴和检索方面取得了令人印象深刻的成就。有些产品仍然在一个重要的指标上存在不足：法律实践所要求的严格准确性。（我们的司法系统依赖于它！）

我认为可靠性差距是一个系统问题，而不是单个模型的问题。更好的模型会有所帮助，但法律级别的可靠性来自多个层次的协同工作：检索和排名、验证循环、内存、工作流设计和混合的确定性/LLM 架构。

检索的基本机制相当成熟，但要使回忆和排名正确，需要大量的测试和迭代。对抗性代理和代理循环变得更加普遍，但设计挑战在于使这些检查变得有原则，而不是创建昂贵、延迟重的“双重检查扩散”。LLM 的内存挑战包括内存属于哪里（通用内存与特定工作流内存；内存系统可能感觉像后置的）、内存的形式以及确保代理在适当时访问内存的方式。工作流设计仍然很重要；如果系统给出一个单一的长而模糊的提示，它将产生不完整或通用的结果。法律 AI 需要更多结构化的工作流，将任务分解为刻意的步骤，以确保它具有所需的上下文，并执行生成准确、优秀的法律工作产品所需的所有步骤。但是，这可能会随着我们开发更大的基础模型和改进压缩而变得不那么重要。

要拉的另一个杠杆是确定性规则（如正则表达式）和概率模型之间的混合。LLM 在原型阶段非常有用，因为它们帮助您发现问题的形状。一旦您有一个良好的工作原型并理解模式，您可能希望将工作流程的一些部分回退到确定性逻辑。虽然 LLM 可能不一致，但它们在补充确定性规则无法捕捉到的内容以及利用确定性规则/代码方面非常出色。最强大的系统不会是纯粹的确定性或纯粹的 LLM。它们将在问题被理解时使用确定性规则，在需要模糊性、判断或上下文敏感的语言理解时使用 LLM。问题在于边界在哪里：规则在哪里结束，模型在哪里接管？

当您开始分层这些技术时，您可以在可靠性差距上取得巨大的改进，但权衡是工程复杂性、令牌成本和延迟。随着技术进步和内存、压缩变得更加有效、更容易融入基础模型，我预计这些将会改善。

法律写作通常需要细微差别、说服力和对先例的谨慎解读。您认为 AI 目前可以真正改进法律写作的哪些方面，以及哪些元素仍然需要独特的人类判断力？

AI 已经可以改进法律写作的许多方面，特别是当任务明确定义时。它可以帮助识别不清楚的句子、埋藏的要点、不一致、冗余、弱组织、不支持的事实断言、不匹配的定义术语、引用问题和草稿未能引导读者的地方。它还可以帮助律师创造性地集思广益、测试论点和应用已知的写作和说服原则，而不是仅仅依靠记忆。

对我来说，这最后一点尤其令人兴奋。律师可能在理论上知道一份简报需要更强的介绍、更干净的规则陈述或更易读的事实陈述。但是，当您在压力下撰写时，知道和应用是两回事。AI 可以帮助将专家写作指导融入工作流程，正是在它可以真正改进文档的时候。

但好的法律写作不仅仅是手艺或文本优化。它也是识别最相关、最有趣和最具案例特色的细节，并将其转化为使读者了解为什么这个争议很重要的理论。这是我认为人类律师比 LLM 强大的地方。也许这是品味、经验，或者是关于这些系统工作方式的更深层次的东西。LLM 被训练为生成文本的可能续写，这在许多法律背景下都很有用。您通常不希望法律写作引起人们的注意。您希望思想、事实和权威能够突出出来。

但真正具有说服力的法律写作往往取决于找到不同之处。哪个细节使案件栩栩如生？哪个事实改变了争议的情感基调？哪个法律点会使法官坐起来并认识到问题？作为一名上诉律师，这通常是我试图找到的线索。您正在寻找使案件独特且令人信服的版本。

这就是我不希望 AI 淡化的部分。系统可以建议更清晰的措辞，标记弱点，压力测试引用，或者提醒律师说服技巧。但律师仍然必须决定什么很重要，什么可以让步，如何大胆，如何处理不确定性，以及如何解释案件的情感和伦理核心。

我谨慎地表示“AI永远无法做到这一点”，因为这些预测已经被证明是错误的很多次。AI已经可以比人类更快、更准确地执行许多离散任务，我不认为这值得担心。这是一个工具。但至少目前，法律说服的最重要部分仍然需要人类判断：选择正确的细节，理解为什么它们很重要，并构建一个引人入胜的故事。

随着 AI 更深入地融入法律工作流程，您如何看待初级律师和初级律师的角色演变？AI 是否可能从根本上改变下一代律师的法律写作和研究技能的发展？

是的，我们应该对此有意图。初级律师传统上通过缓慢完成艰难的工作来学习：研究、撰写、修订、获得反馈、逐渐发展判断力。AI 将改变这一过程，但它不必削弱它。用得好，它可以使培训更加明确、更加有效。

风险在于初级律师可能会错过构建判断力的奋斗。 如果一个工具太快地产生了可信的草稿，新律师可能不会了解论点是如何构建的，弱点在哪里，或者为什么一个框架比另一个框架更好。 那将是一个真正的损失。

但机会是巨大的。AI可以作为导师、模拟器、写作教练和即时反馈的来源。它可以显示替代结构、识别不支持的断言、解释为什么一个引用可能不支持一个命题，或者将草稿与有效的法律写作原则进行比较。它还可以为初级律师提供更多的练习机会。获得练习机会并获得反馈是我们学习和成长的方式。

做得最好的公司和法律部门不会只是给初级律师提供AI，并希望他们能做到最好。他们将重新设计培训以适应AI。他们将要求初级律师解释他们的选择、验证输出、比较替代方案，并学习监督AI辅助工作，就像他们最终将监督人类工作一样。

您曾为从加密货币和消费技术到复杂商业诉讼等各个行业的客户提供咨询。您认为法律AI采用将加速的特定领域是什么，为什么？

我认为法律 AI 采用将会加速的领域是

1. 该组织的工作流程与 LLM 非常匹配，
2. 该组织对创新持开放态度，
3. 该组织有动力去改变现状。

在第一点上，法律是一个非常适合 LLM 的领域，因为法律在很多方面是人类行为和人类价值观以语言为载体。法律工作将混乱的事实转化为类别、规则、义务、论点、风险和后果。这正是语言模型可以强大的领域，假设它们是基于事实的、可验证的，并且围绕律师实际工作的方式进行设计。因此，我认为大多数法律组织都是良好的候选者，除了那些主要的服务模式是人与人之间的互动。然而，即使对于像无偿法律援助诊所这样的组织，LLM 也可以帮助处理诸如初步筛查和知识管理等事情，所以我不会排除它们。

第二个因素，开放创新，可能是一个更大的门槛。因此，我认为内部法律团队尤其具有优势。他们位于已经试图提高速度、降低成本和使知识运作的组织内部。他们管理合同、诉讼、监管义务、客户问题、就业问题、产品咨询、风险评估等规模问题，同时需要法律判断。这些工作流程通常足够可重复，以支持 AI 采用，同时仍然需要足够的法律判断，使更好的工具能够产生有意义的差异。

我也认为诉讼、上诉实践、受监管行业、金融科技和加密货币、消费技术、保险和医疗保健将是重要领域。例如，在诉讼和上诉工作中，AI 可以帮助记录审查、问题跟踪、引用检查、程序规则、保存分析、辩论图和草稿反馈。利害关系很高，因此工具需要是严肃的。但这并不是避免采用 AI 的理由；这是一个理由，去构建更好的产品。

第三点，改变的动力，是一个重大的门槛因素。从我所看到的，法律行业应该有改变的动力。司法系统缓慢、昂贵，并且对于太多人来说是不可及的。更难的问题是该行业是否愿意改变。我认为它越来越愿意改变。该行业的一些部分由于现有模型是利润丰厚的和熟悉的而行动迟缓。但律师也是问题解决者。我们中的很多人都致力于正义、改革和有益的顽固。我们被训练去为改变而辩论，当现有的答案是错误的时候。

私营部门可能会先行动，因为它更加灵活和拥有更多资源。政府、法律援助和无偿法律服务组织面临不同的约束，通常不得不专注于他们面前的紧急工作。但这些部门不应该低估自己。如果 AI 可以使法律服务更加高效、可及和负担得起，那么长期机会不仅仅局限于一个部门；它适用于任何关心使法律体系更好地发挥作用的人。

法院、监管机构和律师协会越来越密切地审视法律实践中 AI 的使用。您预计在未来几年内会出现哪些监管或道德框架，法律技术提供商如何为此做好准备？

我们现有的道德框架已经可以处理大多数这些问题。律师一直被要求确保他们向法庭提出的所有内容都以事实为基础。他们必须在案件对他们不利时坦率，并在他们犯错时透明。他们必须以胜任的方式处理案件，并监督帮助他们的初级律师和非律师。他们必须保持客户敏感信息的保密性。

第一波 AI 道德并不需要一个全新的道德操作系统。我们需要以新的严肃性来应用这些熟悉的职责。律师不能将判断力外包，然后否认责任。那部分不应该有争议。

我们应该开始做的事情之一是技术特定培训，这样律师就不会被他们不能充分监督或检查的 AI 输出所措手不及。例如，加利福尼亚现在要求技术能力作为继续法律教育的一部分，我认为这是正确的方向。但是一两年一次的培训还不够。律师事务所、法律部门、法院和法律服务组织应该开发自己的内部 AI 政策和强制培训：不仅仅是“不要引用幻想来源”，而且是如何使用这些工具、什么时候不使用、如何验证输出、如何保护敏感信息以及如何思考人机之间的责任分配。

对于法律技术提供商来说，道德不应该被视为在产品末端贴上一个警告标签。它应该是产品架构。最好的工具将通过设计使负责任的使用更加容易：透明的来源、保密控制和促进人类审查的工作流程。

所以我们目前看到的问题并不是“新”的。但是，有一个真正前所未有的法律伦理问题即将出现。现在，几乎每个人都同意 AI 应该协助律师和法官，而不是取代他们。我同意这种本能，考虑到技术当前的状态。但是，如果 AI 系统变得比人类更快、更便宜、更一致、更客观可靠、更少偏见呢？我们是否仍然会说人类必须始终保持在循环中？

这是一个奇怪且令人不安的问题，但我认为我们需要足够诚实地提出这个问题。我不认为我们接近用 AI 取代法官或律师在高风险的人类纠纷中，至少目前不是这样。但这已经在某些领域正在发生：AI 已经在一家主要的ADR提供商中解决某些纠纷，而在 X 上，Grok 经常解决事实核查纠纷。

我们通常假设人类判断力是道德后盾。通常确实如此。人类带来了道德责任、制度合法性、同理心、实践智慧和背景理解，这些是机器目前尚不具备的。但人类也带来了延迟、成本、不一致、疲劳、偏见、门槛效应和不平等的获取机会。如果 AI 辅助解决方案变得比现状更准确、更负担得起和更易于获取，那么道德问题不应该被本能地回答。问题应该是，“什么过程会产生最公平、最准确、最透明和最负责任的结果？”

如果自动化或 AI 辅助系统最终处理更多常规纠纷，人类审查可能会在边缘变得更加重要：不寻常的案例、不舒服的故障模式以及僵化的一致性开始看起来更像老式的法律形式主义，而不是正义。如果我们做对了，AI 将使专业知识更容易获得。它将帮助律师写得更好、推理更谨慎、避免可预防的错误，并花更多时间在工作的需要直觉和判断力的部分上。我认为“机械律师”团队的想法比简单的自动化更有趣、更乐观。感谢您这次精彩的采访，希望读者能够通过访问 BriefCatch 来了解更多信息。