律师拿AI代写被查！律所怎么考核

员工滥用AI、AI绩效考核、律师执业合规——这三个词在2026年罕见地撞在了一起，AI合规风险第一次以"被罚"的姿态摆在律所管理者面前。2026年8月19日，澳大利亚公平工作委员会对一名用AI撰写"plain wrong"申诉材料的Aldi门店助理罚款1230澳元，这是全球首例因"滥用AI提交材料"被罚的劳动者。同月，加拿大安大略省法律学会法庭对律师Mazaheri开出3.115万加元成本令，只因他用AI准备的呈文里塞满了不存在的判例。两起案件共同指向一个被忽视的管理命题：当员工把工作交给AI，组织该怎么考核"用得对不对"？

对律所而言，这个命题比别处更尖锐。法律文书容错率极低，一个虚假引注足以让整份代理意见失分，甚至引来法庭制裁。传统考核看的是办案数、创收、客户满意度；AI进来之后，出现了一个管理盲区：律师可能用AI代写代理意见、用AI检索类案却从不核查、用AI生成文书却不当面审阅。这些动作，管理者过去既看不见、也管不到。

一、法律行业的考核困局：用AI的人多，查AI的人少

法律工作高度依赖个人专业判断，传统考核看的是办案数、创收、客户满意度。AI进来之后，出现了一个管理盲区：律师可能用AI代写代理意见、用AI检索类案却从不核查、用AI生成文书却不当面审阅。加拿大2026年上半年74起AI幻觉事件里，19%即32起是执业律师本人——这说明"专业身份"并没有天然屏蔽滥用。问题在于，律所既不知道律师用了多少次AI，也不知道每次调用的内容是否合规、是否经过核查。

员工AI绩效考核在这里不是"监工"，而是把"AI辅助的质量责任"从模糊变成可量化。当"用AI"成为常态，考核的对象就不应只是"办了多少案"，还应包括"用AI用得对不对"。

二、八维考核：把AI使用拆成可量化指标

51Tokens的八维AI考核引擎，把"一个人怎么用AI"拆成八个可观测维度：使用率（用了多少）、合规率（命中红线的比例）、敏感拦截率（系统拦下了多少风险请求）、核查留痕率（输出是否经过人工确认）、返工率（因AI错误导致的重做）、单位产出token成本、审批时效、质量评分。对律所而言，最有价值的是中间几档：合规率和敏感拦截率直接反映"有没有把客户机密喂给公网AI"；核查留痕率反映"AI生成的内容有没有被律师本人审过"。

当这些指标进入律师的绩效视图，滥用AI代写却不负核查责任的行为，会从"看不出来"变成"一眼可见"。考核不是要罚人，而是让"用AI"这件事在律所内部可解释、可负责。

三、从"禁不禁"到"怎么管"：律所的三种考核姿势

第一种，红线一票否决。凡把委托人涉密材料传入未授权公网AI、凡提交未经核查的AI生成法律文书，计入合规事故，与晋升、分红挂钩。

第二种，效率正向激励。把"单位产出token成本""AI辅助带来的文书工时下降"作为正向指标，鼓励用得聪明而非用得少。

第三种，留痕即合规。要求每次AI辅助文书都标注"AI辅助范围+人工核查签名"，系统侧留存核查记录，出事时这就是免责凭证。三种姿势不互斥，红线管底线、激励管效率、留痕管证据，合起来构成律所的AI考核骨架。

考核落地的关键：指标怎么算分

八维指标落到考核，关键是"可解释"。合规率=经系统拦截或提醒后规范处置的请求数÷总请求数；核查留痕率=带人工确认标记的AI生成文书÷AI辅助文书总数；单位产出token成本=某律师当月token支出÷当月计费工时。三个数合起来，就能回答合伙人最关心的问题："这位律师用AI，是提效了还是埋雷了？"提效型表现为合规率高、单位成本低；埋雷型表现为敏感拦截率忽高忽低、核查留痕率偏低。系统把这两种画像自动分开，管理者不用再靠感觉。

需要提醒的是，考核的尺子要稳，不能月初鼓励用AI、月底因账单超了就反过来罚用得多的人。51Tokens的做法是把"效率"和"合规"拆成两条独立轴线：用得聪明且合规，正向激励；用得糙且踩红线，一票否决。两条线不互相抵消，律师才知道边界在哪。对律所而言，考核的终点不是罚人，而是让"用AI"这件事在内部可解释、可负责。

一个常被问到的问题是：八维指标会不会让律师觉得"被监控"？答案是看怎么用。51Tokens把指标默认呈现为"团队视图"而非"个人盯梢"：合伙人看到的是整体健康度，个别异常才下钻到个人。这样既保留了管理能见度，又不让一线律师感到每敲一个字都被审视。考核的出发点应是"帮律师用得更稳"，而不是"抓律师的小辫子"——出发点错了，再好的指标也会变形。

说到底，法律行业的AI考核不是技术手段，而是职业责任在AI时代的延伸。当一份文书可能带着虚假引注出门，组织就有义务在流程里设一道闸；这道闸长什么样，八维考核给出了可量化的答案。

四、影子AI：最容易被漏掉的考核盲区

很多律所的AI考核只覆盖"公司采购的工具"，漏掉了律师个人用自己账号登录的公网AI——也就是"影子AI"。Remizova案里，销售总监用的是个人DeepSeek账号；Aldi案里，员工用的是个人ChatGPT。这类调用的风险最高，因为组织完全看不到、管不到。51Tokens的应对是把调用通道收口到统一网关，无论律师用哪个模型，请求都先过网关；同时对"通过个人账号外传客户数据"的行为做DLP侧检测与告警。

需说明边界：51Tokens不替代DLP/SIEM等专业安全系统，而是把AI调用的可见性补上，让考核有数据可依。它不承诺100%拦截影子AI，但能让"组织内发生的AI调用"尽可能进入可观测范围。

五、考核落地：律所AI绩效五步

1. 定义AI辅助的合规边界，写进律师执业规范。明确哪些材料禁入公网AI、哪些文书必须人工核查。

2. 统一调用入口，让每次调用可被记录。收口到网关，考核才有数据基础。

3. 配置八维指标，重点看合规率与核查留痕率。这两项是律所最该盯的"质量闸门"。

4. 把指标接入现有HR绩效体系，红线一票否决、效率正向激励。考核落到人，责任才落到位。

5. 每月生成团队AI使用画像，对异常（如某律师敏感拦截率骤降）及时干预。考核的终点不是罚人，而是让"用AI"在律所内部可解释、可负责。

2026年的罚单已经说明：法院罚的是"没核查就提交"的人，组织罚的应是"没机制就放行"的管理。把AI考核做成日常，律所才能在用得好和站得稳之间找到平衡。

你所在的团队，律师用AI辅助写文书，有没有"必须人工核查+留痕"的硬规矩？欢迎在评论区聊聊你们的考核做法。

—— 51Tokens，让每一次模型调用都看得见、说得清、查得到

51AIPro · 企业AI治理专家

安全·合规·可控·增效，AI 全流程治理一次布防

长按识别 · 关注公众号

长按识别 · 合作洽谈

官网 https://51aipro.com/