先看证据
律师的第一项工作，往往是找回公司记忆
AT&T在2026年10月宣布与OpenAI合作，计划设计、构建并评估面向内部法务工作的AI流程。合作建立在LegalEdge之上。AT&T于同年1月推出这个法务专业团队，由律师、法律专业人员、技术人员和项目经理组成，目标是把AI用于重大法务事务。公司称，其全球法务部门有数百名律师和法律专业人员。
这个规模带来的难题不只是请求量大。业务团队提出问题后，律师在给出建议之前，通常还要收集事实和文件，并找到其他团队积累的相关经验。知识散落在不同团队时，补齐背景和判断事项轻重缓急就成了正式法律分析之前的一道工序。AT&T与OpenAI所描述的变化，正是试图把这段准备工作从各自搜寻，变成可供法务团队共同使用的入口。
自然语言前门会先整理问题，再整理答案
AT&T首席合规官Bill Ryan描述的设想，是让业务人员通过自然语言提交法律请求。系统计划对请求分类、排列优先级，并关联相关先例、研究资料和过往工作，再把历史背景与建议的初步步骤交给负责的法律人员。这个入口的价值不只是让提问更方便，而是让请求抵达律师时已经带有一部分可用上下文。
因此，系统可能改变的不是法律意见的最终作者，而是律师从哪里开始工作。AT&T称，AI agents也可用于不同任务，例如回答部分常见问题，或收集、整理信息以辅助律师提供意见。但公开材料没有说明什么请求可以由AI直接答复，什么情况必须转交律师，也没有交代分类和优先级如何决定。当前可以确认的是工作流目标，不能据此推断一套已经部署并验证的完整系统。
知识层的难题是相关性与权限，不是文档数量
把先例和过往工作接入请求入口，听起来像是检索能力的扩展，实际还要求系统判断材料是否适用于眼前的问题。相似的措辞不必然代表相似的法律情境，旧记录也可能受特定事实或处理背景限制。如果系统把“找到了相关材料”误当成“找到了可直接参考的处理方式”，它提供的初步步骤就可能影响律师对问题的界定。这是工作流需要控制的风险，不是公开资料已经证实发生的事故。
权限则决定哪些知识能够被调用、由谁看到。公司积累了很多法务经验，并不意味着每位业务请求者或处理者都应接触全部记录。资料接入范围、访问规则和来源追溯，会共同限定系统能提供什么背景。AT&T与OpenAI尚未披露底层架构、数据接入方式或权限配置，因此外部读者无法判断这些边界如何落地。对技术负责人而言，这些治理设计不是模型之外的附属工作，而是知识层是否可信的一部分。
近百件事务说明有实践，不等于证明有效
AT&T称，LegalEdge在推出后的头六个月处理了近100件事务。这个数字说明团队已经有事务进入其工作范围，不只是停留在设想阶段。AT&T于2026年10月8日发布与OpenAI合作的公告，OpenAI随后在10月21日介绍相关工作。公开叙述由此从既有LegalEdge团队，推进到法务请求入口和新工作流的设计与评估。
但近百件事务没有按类型、复杂度或结果质量拆分，也没有对应的节省工时、成本变化、准确率、错误率或业务满意度数据。它不能说明律师是否更快找到了关键材料，也不能证明推荐的初步步骤是否可靠。事务处理量是活动规模的线索，不是效率或风险收益的替代指标。若要判断是否扩大使用，必须把问题从“处理了多少”推进到“以什么质量处理、带来什么变化”。
律师保留决定权，也要看建议怎样塑造判断
AT&T总法律顾问David McAtee强调，决定权始终属于律师。公司还表示，治理、保密、问责和人工审查将纳入工作流。这些承诺划出了重要边界，却没有自动回答具体操作问题：谁核对系统提供的背景，怎样识别不确定或高风险请求，建议的步骤如何被复核。人的最终签字权能限制自动化决策，却不能消除自动化整理对注意力和判断顺序的影响。
对正在评估类似系统的技术与法务负责人，较稳妥的做法是先把验收重心放在流程证据上。材料是否能追溯到来源、访问范围是否与请求相符、错误或不相关的推荐如何被发现，以及哪些请求必须升级给律师，都应能在工作流中得到回答。AT&T尚未公布这些实现细节或效果数据，所以现阶段应把合作看作一项待验证的组织设计，而不是已经证明的效率跃迁。它的核心承诺是减少律师从零拼背景的时间，检验标准则是这种便利有没有以模糊知识边界或弱化审查为代价。