从2022年11月 OpenAI投资的Harvey与安理律所签约开始以来，大量的法律科技企业都陆续推出了相关应用。这里面既有老牌的法律科技公司，比如汤森路透、lexis，也有一些专门领域的新兴科技公司，比如合同领域的Robin，股权激励领域的易参等等。同时，不难发现这些产品更多面向律师和公司法务个人，直接以企业为服务对象、针对企业法律活动提供全面产品和解决方案的应用还没有问世。

从华宇近三年来对企业业务场景洞察和新技术预研结果来看，法律大模型在企业侧法务与合规业务中的落地，需要三大关键因素：一是模型能力、二是数字化基础、三是场景挖掘。

首先，关于模型能力的构建，尤其是在法律应用领域这样专业性强低容错率的行业，还需要具备很多前提条件。除了关键技术外，它还需要两个辅助：一部分是知识辅助，通过本地和线上的重要数据、知识的融合，克服大模型所带来的幻觉风险；另一方面是应用增强，大模型的能力需要结合实际应用场景，进行特定任务下的自动化和打包，才能更好的被使用。

另外，关于模型本身，我们需要一个强大、高性价比的法律专业大模型。当ChatGPT刚发布的时候，有一种声音说未来一个大模型就足够满足人类绝大多数需求。随着技术演进和认知提升，目前业务共识更倾向于：未来满足人类多样化需求的除了通用大模型以外，应该还包括很多专业模型，以此构成一个模型的生态。在低知识领域由通用模型满足需求；而在高知识含量的专业领域，例如法律、医疗、金融等，则由专业化的模型来解决专门化的问题。

除了应用大模型的能力和大模型本身以外，对于大模型的应用场景也需要满足一定的条件。也就是说工作场景和全流程越能满足数字化的条件，那么大模型应用的效果越好。

在整个法律领域，司法的业务链条在持续的数字化投入下日趋完善。近几年，在全面依法治国、智慧法治建设下，国家也颁布了一系列政策鼓励和引导企业运用新一代信息技术建设合同管理、案件管理、合规管理等信息化系统，实现上下贯通、全面覆盖、实时监测。

国内大量企业通过与一些科技公司合作，围绕着法务合规的各个应用场景和工作业务链条，推动法务数字化转型。华宇元典也构建开发了两款数字化产品——元典Yodex智慧法务平台和元典数智合规管理系统，通过这样的数字化产品和工具，将原先分散在企业其他各个业务系统的法律活动数据、场景聚合到一起，进一步受益于大模型可能带来的工作模式变革。在这两个产品的底层，华宇元典使用的是新一代核心信息技术，即知识图谱技术、无代码平台和华宇万象法律大模型。数字化的过程不单单是流程构建，还有很多数据治理的工作。

具体来说，哪些工作场景会有明显的效率提升呢？在企业法务全产业链条数字化基础之上，华宇元典目前在四大场景实现了大模型在企业法律服务工作中的应用。

第一类：法律咨询

企业合规管理的主要难题在于合规培训最后一公里。大部分业务人员以及所处的组织并不清楚在任一时间节点应遵循的合规义务是什么，不得不进行大量培训和被动式灌输，不仅浪费法务资源还无法形成知识沉淀与复用。

在大模型的帮助下，可实现智能解析企业各项规章制度与风险合规管理办法等内部文件，同时辅以外部法律知识形成面向全体员工的智能法律/合规咨询助手。业务人员可随时随地检索，有效提升合规意识。

第二类：知识获取

传统的工作模式是从海量的法律数据中进行检索，同时还需要借助一些使用门槛较高的数据库工具。而现在依托智能法律助手就可以进行高效知识获取。

例如，企业在案管过程中会做大量类案研究，基于自身特定类型业务进行风险分析。现在，通过智能法律助手可知道所归纳的案件类型的数量，以此判断企业在哪类业务中面临更高诉讼风险。

第三类：文本生成

企业需要进行大量案件和合规管理，并希望以此赋能前端业务。大型企业在对典型重大案件进行复盘总结时，主要通过案件研究、材料归纳形成复盘和结案报告并向上级主管汇报。现在，智能法律助手通过对案件前期填报的证据材料和信息进行全面研判归纳，即可帮助法律人高效生成结案报告。

第四类：数据监督

当前企业纠纷案件管理以结构化数据为导向，以人工数据填录为手段。现在在大模型帮助下可从大量结构化文本中自动提取相应数据进行智能回填，从而让法务人员有更多的精力专注于诉讼策略制定、诉讼风险防范、经验沉淀等具有更高价值的工作。

目前为止，华宇元典有幸和大量的企业客户携手见证了法律业务与新一代信息技术融合所创造的惊人应用成效，同时也邀请更多人一起见证法律人科技运用的拐点时刻。