法律 AI 導入速度為何最快？Google 為何從金融與法律切入
律師比開發者更早開啟 AI Agent 的原因
前言
讀者，在上週四的刊期中，我向您分享了法律 AI 公司 Harvey 僅用兩個月就打造出自研模型的故事。當時留下了一個未能深入探討的問題：為什麼偏偏是法律？
答案的一半，在三天前就已經揭曉。8 月 25 日，Google Cloud 公開了首批產業專用 Gemini Enterprise，而且僅有兩個領域：金融與法律。
另一半答案，則藏在 OpenAI 於 8 月 12 日更新的企業使用數據中。這是一份呈現 2026 年 2 月至 6 月間，企業客戶的每週活躍 Codex 使用者依職能別成長了幾倍的圖表。排在最頂端的並非工程。
而是法律，足足成長了 108 倍。工程則是 5 倍。
Codex 是一款撰寫程式碼的工具。律師不可能去寫程式碼。因此，今天我們就從這個落差開始談起。先說結論：這並不是法律界突然對 AI 敞開心扉的故事。這是在說，Agent 最先扎根之處，並非最喜歡 AI 的職能，而是「何謂做得好的成果」早已寫在文件裡的職能。
在照單全收 108 倍這個數字之前
首先，讓我們仔細檢視這個數字。這是以 2026 年 2 月 1 日為基準（設為 1）計算至 6 月的倍數。
| 職能 | 相較 2 月倍數 |
|---|---|
| 法律 | 108 倍 |
| 業務銷售 | 41 倍 |
| 招募 | 41 倍 |
| 行銷 | 26 倍 |
| 醫療保健 | 24 倍 |
| 財務／會計 | 20 倍 |
| 工程 | 5 倍 |
介紹這張圖表的 a16z 自己也加上了但書：「這項變化在多大程度上歸因於 Codex 本身的擴大推出，仍有待探討。」我想在此再補充一句：這是倍數，而不是絕對量。
那麼這張表究竟說明了什麼？我認為關鍵在於相對排名。
Codex 的擴大推出並非只針對法律領域開放。業務銷售、行銷、財務也同樣迎來了開放。大家都是從零起步，但法律領域成長了 108 倍，而行銷卻只有 26 倍，這 4 倍的差距無法單純用「大門敞開了」來解釋。這是大門開啟後誰最先走進去的問題。今天的文章正是為了解答這一個提問。
還有一點值得注意。在同一份報告中，截至 6 月，Codex 占了企業客戶在 Codex 與 ChatGPT 合計輸出 Token 的 64%。這意味著工作重心已從在對話框中提問，轉移到了將整項工作全權委託處理的模式。法律職能開啟的並不是寫程式工具，而是 Agent。
上週 Google 開啟的兩扇大門
8 月 25 日，Google Cloud 同步公開了 Gemini Enterprise for Financial Services 與 Gemini Enterprise for Legal 的預覽版。這是產業專屬版本的前兩個產品，而醫療保健與生命科學則僅標註為「預定推出」。
兩款產品的架構完全相同，共分為四個層級：產業專屬領域技能、MCP1 連接器、實際執行工作的 Agent，以及合作夥伴生態系。
金融領域的主打是 Financial Research Agent。它內建了 50 多項基本技能，可處理信用風險評估、投資組合監控、KYC、債券發行等工作。Google 表示，這能將複雜債券投資組合的風險暴險分析縮短至 5 分鐘以內。串接的資料來源包括 FactSet、Moody’s、MSCI、PitchBook、Guidepoint、Dun & Bradstreet、SEC EDGAR 等。
法律領域則涵蓋合約審閱與修訂標記（Redlining）、Playbook2 撰寫、法規遵循監控、法律研究、DSAR3 回應等。串接對象包括 iManage、NetDocuments、DocuSign、Everlaw、RelativityOne、Thomson Reuters HighQ，甚至包含免費判例資料庫 CourtListener。開發過程有 Cleary Gottlieb、Freshfields、Weil、Williams & Connolly 參與，金融領域則有德意志銀行與 CME 集團加入。
到這裡為止，都還只是一般的企業級發表公告。真正讓我目光久久停留的，是另一句話。
金融 Agent 在產出結果時，會一併提供信賴度分數、明確的方法論、供審計使用的資料快照、精確的來源引用。而在資料治理項目中，則有這樣一句話：「獲得授權的資料維持其授權狀態，受權限控管的資料維持其權限控管狀態。」
核心在於，這並非新制定的產品規格，而是直接照錄職業規範的句子。
Agent 會先坐在有計分表的地方
把這兩個訊號疊加來看，輪廓就浮現了。
法律與金融並不是特別偏好 AI 的職業群。相反地，這兩個領域長久以來都被認為相對保守。然而，這兩個職業群擁有其他領域所沒有的三大特質：
第一，產出物本來就是文字。 合約、備忘錄、法律意見書、研究報告（Research Notes），全都是 Agent 能直接生成的形態。
第二，什麼叫做「合格」，早已被白紙黑字寫下來。 律師事務所有針對各條款的教戰守則（Playbook），銀行則有 KYC 檢核清單與審查基準表，而且累積了數十年的法規與先例。這正是訓練並評分 Agent 時所需的關鍵材料。上一期我們提過，Harvey 親自建立了 1,750 個工作環境與 7 萬 5,000 個評分項目來訓練模型。法律界正是打從一開始就擁有這份計分表原始版本的領域。
第三，提出依據本來就是職業規範。 律師本來就不會在沒有出處的情況下提出主張，分析師本來就必須載明研究方法論。因此，「引註出處、明確的方法論、稽核軌跡」並非後來才外加在 AI 產品上的安全機制，而是這個行業原本就要求的產出規格。
當這三點結合在一起時，情況就明朗了。在行銷領域，很難對「這句文案好不好」達成共識；但在法律領域，「這個條款是否違反了我們的 Playbook」卻能做出明確判定。只要能做出判定，就能進行委派；只要能委派，Agent 就能運轉起來。
因此，Google 選擇金融與法律作為首要目標，並不單純只是因為市場規模。他們是從能夠為 Agent 的結果打分數的產業著手。因為在無法評分的產業裡，沒有人知道 Agent 究竟是做得好還是做得差。
所以護城河不是模型，而是存取權限
在這次發表中，最耐人尋味的清單莫過於法律連接器名單。那裡面包含了 Harvey 與 Legora。
這兩家公司是法律 AI 市場的代表性競爭對手。Harvey 在 3 月獲得了 110 億美元的估值，Legora 則在 4 月獲得了 56 億美元的估值。然而 Google 並沒有將他們排除在外，而是以連接器的形式將他們納入懷抱。以 Legora 為例，只要雙方客戶批准，使用者就能在 Gemini Enterprise 中使用 Legora 的部分功能，同時 Legora 的來源引用與 Grounding4 依然維持不變。業界媒體《Artificial Lawyer》將此解讀為「這不是競爭，而是生態系」。
我的看法則稍微不同。一旦成為連接器，使用者每天開啟的視窗就變成了 Google 那一端。法律 AI 公司則退居該視窗背後，淪為供應功能的零件。平台從不消滅競爭對手，而是將他們變成合作夥伴，藉此奪走接觸點。
而 Harvey 早已給出了答案。正如上一期所探討的，Harvey 在短短兩個月內推出了自有模型 Tenet，明確將目標定為「讓律師事務所擁有屬於自己的智慧」。從時間點來看更是一目了然。Harvey 於 8 月 18 日發表，Google 則於 8 月 25 日發表。在自己的名字被列入連接器名單的前一週，Harvey 等於先一步給出了「絕不甘為零件」的回答。
因此，如今法律與金融 AI 的戰線分為三層：
| 層級 | 擁有者 | 正在販售的標的 |
|---|---|---|
| 模型 | Google、OpenAI、Anthropic | 智慧本身。兩個月就能重新鍛造的消耗品 |
| 評分環境 | Harvey、Legora | 判斷何謂合格的能力 |
| 存取權限 | FactSet、Moody’s、iManage、Thomson Reuters | 原始資料及其所附帶的權限 |
Google 所販售的，正是將這三者綁定在單一權限體系下的配線。上一期我們總結了「消耗品是模型，資本財是環境」，而這次的發表則為此添上了一筆：僅次於環境的高價之物，就是存取權限。再優秀的 Agent，如果無法依照原有權限讀取 iManage 內的文件，在律師事務所就毫無用武之地。
韓國已經在走三軌模式
這段故事聽起來絕非遙不可及的異國之事，是有原因的。
法務法人太平洋在 7 月成為韓國首家全公司導入 Harvey 的律所，8 月又成為韓國首家全公司導入 ChatGPT Enterprise 的大型律所。至於韓國本土判例，則另外透過 L-Box 與 SuperLawyer 處理。國際合約用 Harvey、本土判例用國產法律科技、文件撰寫與翻譯用通用 AI。這已經是三軌並行了。
Google 所販售的，正是疊加在這三軌之上的治理層。這不是再增加一個工具，而是讓增加的眾多工具在同一套權限規則下運作的架構層。
因此，現在韓國組織需要的提問，不是「該買哪款 AI？」，而是以下兩個問題：
第一，我們組織的重複業務有評分表嗎？
例如合約審閱 Playbook、審查基準表、檢驗檢核表。如果沒有這些，無論買什麼工具，都無法判定產出結果究竟是好是壞。無法判定就無法委派，最後還是得由人工全數重讀一遍。這就是法律與金融業之所以走在前面的原因。製作這張表的工作不是 AI 專案，而是「業務定義專案」，消耗的不是 IT 預算，而是第一線業務人員的時間。
第二，要串接 Agent 的系統具備權限控管嗎？
只要是內部文件散落在個人電腦與通訊軟體中的組織，立刻就能明白為什麼 Google 發表會上的那句「受權限保護的資料仍維持其權限控管」，會是這款產品的核心所在。正是因為律所使用 iManage，連接器才得以成立。如果文件本身沒有設定權限，根本連串接的地方都沒有。韓國組織真正的瓶頸，往往不在於模型效能，而在於這個環節。
結語
總結來說有三點：
第一，法律職群的 Codex 使用者成長 108 倍，這個數字很大程度上包含了基期效應。但在相同條件下領先其他職群 4 倍的相對排名，才是真正的訊號。
第二，Google 之所以選擇金融與法律作為首波產業特化對象，是因為這兩個產業早已具備為 Agent 成果評分的標準。
**第三，**競爭格局已從模型效能轉移到資料存取權與權限體系。Google 將 Harvey 與 Legora 納為連接器，而 Harvey 在一週前以自家模型做出回應就是明證。
建議您本週不妨嘗試做一件事：在組織中挑選三項最常重複的工作，並分別**用五行寫下「出現什麼樣的結果才算合格」。**只要有了這五行，委派便得以展開；如果沒有，增加的只會是工具而已。法律領域之所以走在前面，正是因為他們早已擁有了這五行。
📎 參考資料與延伸閱讀
核心來源
- OpenAI, “Enterprise signals: What frontier firms are doing differently”, 2026.8.12 更新。 ··· 這是 108 倍這個數字的第一手來源。除了各職群的倍數之外，建議您一併閱讀「前沿企業＝每月 AI 使用量前 10%」的定義，以及將 Token 視為商業價值之不完全指標的自述前提。
- a16z, “Charts of the Week: Winds of Thematic Change”. ··· 這是介紹該圖表的文章。值得注意的是，作者親自加註了「這在多大程度上是由於 Codex 的擴大推出，仍是有待探討的問題」這一前提。
- Google Cloud, “Introducing Gemini Enterprise for Legal”, 2026.8.25. ··· 請親自確認 Harvey 與 Legora 出現在連接器清單中的段落。本文第 4 章的內容正是出自這份清單。
- Google Cloud, “Introducing Gemini Enterprise for Financial Services”, 2026.8.25. ··· 50 多項預設技能、信賴度分數與稽核用快照，以及「授權資料仍維持其授權狀態」這句話都出自於此。
- Artificial Lawyer, “Google Launches Gemini Enterprise for Legal”, 2026.8.25. ··· 這是業界將這項發布解讀為「生態系」而非「競爭」的證據。由於這與我的解讀立場相反，一起對照閱讀有助於客觀判斷。
背景知識
- ZDNet Korea, “OpenAI 邁入律所市場第一步…會成為通用 AI 擴散的信號彈嗎”, 2026.8.5. ··· 當中整理了太平洋律師事務所（Bae, Kim & Lee）全公司導入 ChatGPT Enterprise，以及「專用 AI ＋ 通用 AI」的並行架構。想了解韓國背景脈絡可以從這篇開始。
- 《法律新聞》, “太平洋，全公司導入法律 AI「Harvey」”, 2026.7. ··· 這是韓國國內律師事務所首次全公司導入 Harvey 的案例。
- TechCrunch, “Legal AI startup Legora hits $5.6B valuation”, 2026.4.30. ··· 這裡記錄了被 Google 納入連接器的這兩家公司，先前彼此進行何種競爭的背景。
📝 術語說明
각주
-
MCP（Model Context Protocol）：將 AI 連接至外部系統資料與功能的標準化協定。與其為每個服務單獨佈線，這更像是使用符合規格的標準插座。 ↩
-
教戰守則（playbook）：律師事務所或企業法務部門針對各項契約條款，預先制定「哪些可以接受、哪些必須修改」的內部準則表。對人類來說是操作手冊，對 AI 而言則是評分標準。 ↩
-
DSAR（資料主體存取請求，Data Subject Access Request）：個人要求企業「說明如何持有並處理本人個資」的權利。由於有嚴格的回覆期限，且必須翻遍全公司內部文件，是典型仰賴人工成本極高的業務。 ↩
-
基礎錨定（grounding）：為了避免 AI 憑空捏造回答，而將其論據錨定於實際文件並要求同時提供出處的做法。若找不到依據文件，選擇不回答反而更安全。 ↩
