從流程自動化邁向認知自動化，為什麼生成式AI是法律的「工業革命」？

穿越到300年前的律師

嚴格來說，人類歷史上經歷了3次的工業革命，300年前，由於蒸汽機和紡織機的發明，開啟了人類利用自動化機具取代大量人力作業的社會活動。19世紀末的電氣革命，因為電力和內燃機的應用，擴大了自動化的可能性，解放了大量依賴勞力活動的勞動力。第三次工業革命從半導體延續到電腦，進一步將自動化從實體的勞力活動延伸到腦力活動。

這些新的發明和技術解放了大量的勞動力，可以說整個工業革命的進程，就是透過科技來將社會活動自動化的進程，包含了生產製造的自動化，以及資訊處理的自動化。

然後在過去300年，人類社會發生翻天覆地的變革時，法律服務，作為人類社會歷史最悠久的工作之一，其實並沒有太大的改變。除了從手寫進入到打字，從飛鴿傳書進階到Email，法律服務的核心，包含處理、交付以及資源分配的本質上並沒有太大的改變。

我們甚至可以合理假設，現代的律師，穿越時空回到300年前，在那個沒有電燈的時代，可能仍然可以勝任當時的法律專業工作。而這個假設在任何從事「製造」的工作中，可能都無法成立。

流程自動化和認知自動化

2016年，Google發表的AlphaGO人工智慧在圍棋上打敗了全世界的人類，與此同時，全球的媒體都在猜測AI將對那些工作帶來衝擊，而這次，法律工作者完全無法置身事外，首當其衝被認為是「最可能被AI取代的工作之一」。

甚麼原因讓這些300年來不受科技發展影響的法律專業工作者，一時被推上風口浪尖？

回首整個工業革命歷史，可以看成是一個自動化的歷史，更精確地說，是一個「流程自動化」的過程，水力紡織機將紡織流程自動化，電動機將生產流程進行自動化，半導體可以預寫入各種流程反覆作業，一封Email的傳輸作業，也將資訊傳輸的繁瑣流程，透過各種通訊協定自動完成了。

在這條巨大的自動化長河中，涉及人類的「認知」（Cognition）行為，則一直處在過去流程自動化無法涉足的高地。Email 的傳輸作業可以自動化，但撰寫Email本身則依賴人類的高度認知，在過去的科技中不存在被自動化的可能。

然而AI打破了這個限制。

就如同佐為可以在平安時代下圍棋，到了現代也可以用一樣的方式（或是在網路上）下圍棋，圍棋棋士是一個全然依賴高度複雜「認知」的職業，就像法律工作一般，從來沒有受到工業革命的影響，因此當AlphaGO成功證明AI能夠完成複雜認知作業時，也意味著工業革命從「流程自動化」進入到「認知自動化」的時代來臨了。

單一認知到複雜認知：智慧湧現

然而AlphaGO、AI或是深度學習在過去8年內，並未如大眾預期對於法律工作帶來嚴重的衝擊，儘管在eDiscovery流程已經大量採用AI進行，然而大多法律工作者實際上並未感受到他們在工作上涉及的「認知」，處在「自動化」的進程中。

圍棋和法律工作雖然同樣涉及高度的人類認知，但受到AI衝擊天差地遠，關鍵在於過去AI擅長的認知作業仍含有所限制。

圍棋是個困難的單一任務，下出最好的一步棋，並持續這麼進行，而我們知道AI已經在這個領域表現得非常優秀，但是當認知任務的複雜性提高的時候，例如需要更多的領域知識、背景事實、外部資料乃至人生經驗，AI的表現便會指數下降，即便這個複雜的認知對人類來說並不困難。

AI在處理困難的單一認知時做的很好，從下圍棋到預測蛋白質結構，我們可以將其視為單一任務的天才，但法律工作涉及的認知非常複雜，也因此AI對於「認知自動化」在法律領域的影響遠僅限於單一認知任務，例如eDiscovery的分類資料。

但這個前提隨著智慧湧現的出現而有所改變。

生成式AI與法律應用_系列文章（1）文章中我們介紹過「智慧湧現」（Emergent Ability）的現象，為AI模型的表現帶來了飛躍性的成長，更重要的是，具備智慧湧現的AI，或是我們稱為大語言模型，具備了處理複雜認知任務的基礎能力。

在法律服務的交付中，充滿了複雜的流程作業和認知作業的混合工項，雖然透過流程自動化可以將其中部分流程交由電腦負責，但一旦涉及判斷、產出等等的行為，自動化的部分就會被切斷，造成自動化帶來的效益不高，然而生成式AI補足了法律服務的這個斷點。

這樣說明或許不太容易理解，以下我們以Lawsnote的合約生命週期管理系統為例，詳細說明單純的流程自動化，與搭配生成式AI的合約生命週期管理系統有甚麼差異。

合約管理的認知自動化：OCR文字辨識+自動到期提醒

在前面我們提到，法律服務在過去300年來並未受到太大的科技影響，然而隨著人工智慧的發展，特別是生成式AI的出現，法律服務正面臨著「認知自動化」的巨大轉變。接下來我們將以Lawsnote的合約管理系統為例，說明單純的流程自動化與搭配AI的合約管理有何不同。

合約管理涵蓋了從撰寫、審閱、議約到簽署、保存及續約的整個合約生命週期。在過去流程未自動化的階段，合約用印完成後需要人工上傳歸檔，並由專人填入合約管理表單的各項欄位，如簽約主體、付款期程、合約到期日等在履約階段應注意的重要事項。在需要查閱合約條款時，也只能打開檔案逐條檢視，這個過程不但耗費人力，也容易因人為疏失而產生錯誤。

隨著OCR（Optical Character Recognition，光學字元辨識）技術的成熟，為合約管理帶來了革命性的改變。OCR是一種能夠將印刷或手寫的文字轉換成電子文字的技術，透過掃描或拍攝文件影像，再利用影像處理和模式辨識技術，將文字內容數位化。

當企業將OCR辨識系統應用到合約管理流程中，只要上傳已用印的合約影像，系統就能自動辨識並帶入對應的欄位資訊，大幅減少人工輸入的時間和錯誤率。此外，OCR系統還能夠將合約內文轉換成可搜尋的電子檔，使用者只要輸入關鍵字，就能快速找到相關的合約條款，不必再逐頁翻閱紙本文件。

合約管理系統與生成式AI間的無數可能

單純仰賴OCR等技術，在面對複雜的法律專業工作時仍有其侷限。以審閱合約為例，系統難以判斷條款的風險或提出修訂建議，這些涉及專業知識、經驗判斷的「認知」工作，在過去都必須倚賴律師等法律工作者親自處理。

但隨著ChatGPT等大型語言模型展現驚人的「智慧湧現」，AI已具備處理複雜認知任務的基礎能力。Lawsnote的合約管理系統有效的應用了生成式AI，不僅將例行的作業自動化，還可以協助合約審閱並標示風險條款，甚至能夠依據過往案例提供修訂建議。藉由AI處理大量的認知工作，再搭配法律工作者的把關，將使合約管理的品質和效率大幅提升。

總結來說，合約管理系統經歷了從全人工、OCR流程自動化，到引入AI實現認知自動化的演進過程。這個變革象徵著，在生成式AI的助力下，法律服務正式進入工業4.0的智慧化時代。