法律AI落地最快的原因？谷歌为何先从金融、法律开刀
律师比开发者更早打开AI代理的原因
开篇
读者，上周四那期我们讲了法律AI公司Harvey用两个月自建模型的故事。当时留下一个没展开的问题：为什么偏偏是法律？
答案的一半，其实在三天前就已经出现了。8月25日，谷歌云发布了首批面向特定行业的Gemini Enterprise，一共只有两个：金融和法律。
另一半答案，在OpenAI于8月12日更新的企业使用数据里。这份数据画出了从2026年2月到6月，企业客户中各职能岗位的Codex周活跃用户增长了多少倍。排在最上面的，不是工程岗。
是法律岗。108倍。工程岗是5倍。
Codex是写代码的工具。律师总不会写代码吧。所以今天就从这个不对劲的地方讲起。先说结论：这不是法律突然对AI敞开心扉的故事。代理最先落地的地方，不是最喜欢AI的岗位，而是“什么算做得好”已经写成文档的岗位。
在你相信这108倍之前
先把这个数字看清楚。表格以2026年2月1日为基准（记为1），一直画到6月。
| 岗位 | 相对2月的倍数 |
|---|---|
| 法律 | 108倍 |
| 销售 | 41倍 |
| 招聘 | 41倍 |
| 市场营销 | 26倍 |
| 医疗健康 | 24倍 |
| 财务与会计 | 20倍 |
| 工程 | 5倍 |
介绍这张图表的a16z自己也留了一句提醒：“这一变化在多大程度上要归因于Codex本身的扩大发布，还有待厘清。”我还想补一句：这是倍数，不是绝对量。
那这张表到底留下了什么？我认为留下的是相对排名。
Codex的扩大发布不是只对法律敞开的。销售、市场营销、财务都同样敞开了这道门。大家都是从底部出发，如果法律涨了108倍而市场营销只涨了26倍，这4倍的差距就不能用“门开了”来解释。这是门开之后谁先走进去的问题。今天这篇文章，就是想回答这一个问题。
还有一点要指出。同一份报告显示，截至6月，Codex已经占企业客户Codex与ChatGPT合计输出token的64%。这意味着重心正从“在聊天窗口里提问”转向“把整件工作直接交出去”。法律岗打开的不是编程工具，而是代理。
上周谷歌打开的两扇门
8月25日，谷歌云同时以预览版发布了Gemini Enterprise for Financial Services和Gemini Enterprise for Legal。这是行业定制版本里最先出来的两个。医疗健康与生命科学栏只写着“敬请期待”。
两款产品的架构完全一样，共四层：行业专属领域技能、MCP1连接器、真正执行任务的代理，以及合作伙伴生态。
金融那一侧的门面产品是Financial Research代理。它自带50多项基础技能，能做信用风险评估、投资组合监控、KYC、债券发行等工作。谷歌称，复杂债券投资组合的风险敞口分析时间被压缩到5分钟以内。对接的数据来源包括FactSet、Moody’s、MSCI、PitchBook、Guidepoint、Dun & Bradstreet、SEC EDGAR等。
法律那一侧覆盖合同审查与红线修订、playbook2起草、监管监测、法律检索、DSAR3应对。连接对象包括iManage、NetDocuments、DocuSign、Everlaw、RelativityOne、Thomson Reuters HighQ，以及免费判例数据库CourtListener。开发过程中，Cleary Gottlieb、Freshfields、Weil、Williams & Connolly参与了法律侧，德意志银行和CME集团参与了金融侧。
到这里为止，都是常见的企业软件发布稿。让我停下来多看几遍的，是另外几句话。
金融代理在给出结果时，会附带置信度评分、明确的方法论、可供审计的数据快照，以及精确的引用来源。而在数据治理部分，有这样一句话：“已获授权的数据将继续保持已授权状态，受限的数据将继续保持受限状态。”
关键在于，这不是新造出来的产品规格，而是把职业规范原文照搬过来的一句话。
代理先落座在有评分标准的地方
把这两个信号叠在一起看，图景就出来了。
法律和金融不是特别喜欢AI的行业，反而长期以保守著称。但这两个行业有三件事，是别的行业没有的。
**第一，产出物是文本。**合同、备忘录、法律意见书、研究笔记——正好是代理能产出的形态。
第二，“什么算合格”早已写成文档。律所有逐条的playbook，银行有KYC核对清单和审核标准表。规章和先例已经累积了数十年。这正是训练和给代理打分所需要的原材料。上一期我们提到，Harvey自己搭建了1,750个工作场景和75,000个评分项来训练模型。而法律行业一开始就拥有这份评分表的原本。
第三，给出依据本身就是职业规范。律师本来就不能没有出处就下判断。分析师本来就要交代方法论。所以“引用来源、明确方法论、审计追踪”，不是后来给AI产品加的安全阀，而是这个行业原本就要求的产出规格。
所以谷歌把金融和法律选作首批目标，不只是因为市场规模。它选的是能给代理的产出打分的行业。在无法打分的行业里，没有人知道代理做得好不好。
所以护城河不是模型，而是接入权
这次发布里最有意思的清单，是法律连接器名单。里面赫然有Harvey和Legora。
这两家公司是法律AI市场里的头号竞争者。Harvey去年3月估值达到110亿美元，Legora在4月获得56亿美元估值。但谷歌没有把它们挤出去，反而把它们纳为连接器。就Legora而言，若双方客户都同意，就能在Gemini Enterprise内部使用Legora的部分功能，Legora自身的引用来源和grounding4机制仍然保留。业内媒体Artificial Lawyer把这解读为“不是竞争，而是生态”。
我的看法略有不同。一旦成为连接器，用户每天打开的那个窗口就变成了谷歌的窗口。法律AI公司则变成了在这个窗口背后供应功能的零件。平台不会杀死竞争者，而是把它变成合作伙伴，从而拿走接触点。
而Harvey已经给出了自己的答案。正如上期所讲，Harvey在两个月内推出自研模型Tenet，把“让律所拥有自己的智能”定为目标。看时间点会更清楚：Harvey发布是8月18日，谷歌发布是8月25日。在被列入连接器名单的一周前，Harvey先给出了“不做零件”的答案。
于是眼下法律与金融AI的战线分成了三层。
| 层级 | 掌握者 | 卖的是什么 |
|---|---|---|
| 模型 | 谷歌、OpenAI、Anthropic | 智能本身。两个月就能被重新塑形的消耗品 |
| 评分环境 | Harvey、Legora | 知道“什么算合格”的能力 |
| 接入权 | FactSet、Moody’s、iManage、Thomson Reuters | 原始数据及其附带的权限 |
谷歌卖的，是把这三层接成一套统一权限体系的接线工程。上一期我们总结过“消耗品是模型，资本品是评分环境”，这次发布再补一句：**比评分环境更贵的，是接入权。**再好的代理，如果不能在保留权限的前提下读取iManage里的文件，律所也用不了。
在韩国，三条轨道已经在运转
这个故事听起来一点也不遥远，是有理由的。
法律事务所太平洋在7月成为国内首家全公司引入Harvey的律所，8月又成为国内大型律所中首家全公司引入ChatGPT企业版的机构。国内判例检索则分别用LBox和SuperLawyer来跑。国际合同用Harvey，国内判例用本土法律科技，文件撰写和翻译用通用AI——已经是三条轨道了。
谷歌卖的，正是叠加在这三条轨道之上的治理层。不是再增加一个工具，而是让已经增多的工具，在同一套权限规则下运转。
所以现在韩国组织需要问的问题，不是“要买哪种AI”，而是两个问题。
第一，我们组织的重复性工作有评分标准吗？
合同审查playbook、审核标准表、核查清单。没有这些，无论用什么工具，都无法判定结果做得好不好。判定不了，就无法授权，最终只能靠人重新全部看一遍。法律和金融先走一步，原因就在这里。制作这份评分表不是AI项目，而是业务定义项目，需要投入的是业务部门的时间，而不是IT预算。
第二，要接入代理的系统本身有没有权限体系？
谷歌发布文案里那句“受限的数据将继续保持受限状态”，为什么是产品的核心？如果你所在的组织，内部文件散落在个人电脑和聊天工具里，你会立刻明白。律所能对接连接器，是因为它们本来就用iManage。文件如果没有挂权限，连接器根本无处可接。韩国组织的瓶颈，往往不在模型性能，而在这里。
结语
总结三点。
第一，法律岗Codex用户增长108倍，很大程度上是低基数效应造成的数字。但在同样条件下比其他岗位领先4倍的相对排名，是真实信号。
第二，谷歌把金融和法律选作首批行业定制目标，是因为这两个行业早已具备给代理产出打分的标准。
**第三，**竞争的焦点已经从模型性能转移到数据接入权和权限体系。谷歌把Harvey和Legora纳为连接器，而Harvey在一周前就已用自研模型给出了回应——这就是证据。
这周给你一个可以试着做的事：从组织里选出最常重复的三项工作，为每一项**用五行字写下“什么样的结果算合格”。**有了这五行字，授权才会开始；没有它，只会不断堆砌工具。法律行业先走一步，是因为它本来就已经有了这五行字。
📎 参考资料与延伸阅读
核心来源
- OpenAI，“Enterprise signals: What frontier firms are doing differently”，2026年8月12日更新。……这是108倍数字的一手来源。建议连同“前沿企业＝月度AI使用量前10%”这一定义，以及OpenAI自己关于“token是衡量业务价值的不完美指标”的提醒一并阅读。
- a16z，“Charts of the Week: Winds of Thematic Change”。……这篇文章介绍了这张图表。重要的是，作者自己也留了一句提醒：“这一变化在多大程度上归因于Codex的扩大发布，还有待厘清。”
- Google Cloud，“Introducing Gemini Enterprise for Legal”，2026年8月25日。……可以亲自去确认连接器名单里出现Harvey和Legora的那一段。今天这篇文章的第四部分正来自这份名单。
- Google Cloud，“Introducing Gemini Enterprise for Financial Services”，2026年8月25日。……50多项基础技能、置信度评分与审计快照，以及“已获授权的数据将继续保持已授权状态”这句话，都出自这里。
- Artificial Lawyer，“Google Launches Gemini Enterprise for Legal”，2026年8月25日。……这是业内把这次发布解读为“不是竞争而是生态”的证据。它和我的解读方向相反，建议对照来看，方便自己判断。
背景知识
- ZDNet Korea，“OpenAI，首次进入律所市场……会成为通用AI扩散的信号弹吗”，2026年8月5日。……整理了太平洋全公司引入ChatGPT企业版，以及“专业AI+通用AI”并行结构的情况。理解韩国背景可以从这篇开始。
- 法律新闻，“太平洋，全公司引入法律AI’Harvey’”，2026年7月。……这是国内律所首次全公司引入Harvey的报道。
- TechCrunch，“Legal AI startup Legora hits $5.6B valuation”，2026年4月30日。……这里能看到被谷歌纳为连接器的两家公司此前是如何互相竞争的背景。
📝 术语说明
注释
-
MCP（Model Context Protocol）：将AI连接外部系统数据和功能的方式标准化的一套协议。与为每个服务单独接线相比，它更接近于使用规格统一的插座。 ↩
-
playbook（操作手册）：律所或企业法务部门为每一类合同条款事先制定的内部标准，规定“这一条可以接受，那一条必须修改”。对人来说是一份手册，对AI来说则是一份评分表。 ↩
-
DSAR（Data Subject Access Request，数据主体访问请求）：个人向企业要求“告诉我你持有我哪些个人信息”的权利。这类请求有答复期限，且需要翻遍企业全部内部文件，是典型的人工处理成本高昂的工作。 ↩
-
grounding（依据锚定）：为防止AI凭空编造答案，将其答案绑定在真实文件之上并同时给出出处的做法。找不到依据文件时，不作答才是更安全的选择。 ↩
