“顛覆”這個詞來源于克里斯坦森的《創(chuàng)新者的窘境》。許多人一聽到“顛覆”這個詞，感覺一下就不好了。其實克里斯坦森提出“顛覆”這個詞匯本意是一種邊緣化的過程，即新興行業(yè)或者業(yè)務(wù)的崛起，造成傳統(tǒng)行業(yè)、業(yè)務(wù)的邊緣化，顛覆并非消滅而是更迭。

相對于法律行業(yè)來說，什么樣的“東西”會帶來這個行業(yè)的顛覆呢？這恐怕是進(jìn)入網(wǎng)絡(luò)時代，眾多法律從業(yè)人員都會考慮的一個問題，原因很簡單：擔(dān)心自己會不會被邊緣化。

基于這個疑問，不同的人做出了不同的選擇，有人革掉自己的命，投身新興法律行業(yè)，探索顛覆之路。不過這個行業(yè)尚處在初期，還沒有一個大家普遍認(rèn)可的模式；有的人會默默靜觀，覺得時機未到，等形勢明朗了再進(jìn)去；也有人說互聯(lián)網(wǎng)再怎么發(fā)展，也不會對法律行業(yè)造成沖擊，畢竟法律行業(yè)仍然是“以人為本”。

其實不論做出怎樣的選擇都是基于自身的環(huán)境限制，傳統(tǒng)業(yè)務(wù)的大伽們對新興法律業(yè)務(wù)并不感冒，原因在于他們已經(jīng)形成基于傳統(tǒng)業(yè)務(wù)的生態(tài)模式。在這種生態(tài)模式下，案源、業(yè)務(wù)、名譽、收入自成一個封閉的系統(tǒng)。新興業(yè)務(wù)，如果適應(yīng)原有的封閉系統(tǒng)的話，可以考慮；如果在這個系統(tǒng)之外，那么必然不為所動。

那么我們就從這個封閉系統(tǒng)出發(fā)，來看看可能顛覆法律行業(yè)的三大技術(shù)：

一、認(rèn)知計算

第一項當(dāng)然是認(rèn)知計算。對普遍文科背景的律師來說，這個術(shù)語有點陌生。但說到認(rèn)知計算的案例—AI律師Ross，各位恐怕就不會陌生了。Ross所采用的是IBM Watson認(rèn)知計算系統(tǒng)。

認(rèn)知計算最早也是IBM提出的概念，在這個概念的基礎(chǔ)上，IBM研發(fā)出Watson系統(tǒng)，其原理可以通過下面的圖示來理解：

從我們的角度來看，這個原理很簡單，不就是我們?nèi)粘５娜祟愃季S嗎？先對文本或者語言做出理解，而后在理解的基礎(chǔ)上結(jié)合已有的知識框架或者檢索新的知識做出推理，形成結(jié)論，并對結(jié)論做進(jìn)一步學(xué)習(xí)整理，提升認(rèn)知水平。但大家需要注意的是這個主體并非人類，而是一臺機器，而且是一臺可以高效運轉(zhuǎn)的機器。機器和人類的最主要區(qū)別在于效率。

舉個簡單的例子，AI律師Ross和一個人類律師做一個案卷資料分析，Ross所能處理的信息量遠(yuǎn)超過人類律師。對人類律師來說，從上千冊的文本中提取有用信息絕對是一種重負(fù)，但這也是我們?nèi)粘０讣幚碇袝龅降膱鼍?。而Ross完全通過設(shè)定檢索模型，在幾秒之內(nèi)就能完成對這些文本的分析。同時只要我們建立起相對應(yīng)的案例數(shù)據(jù)庫、裁判模型，Ross甚至可以在文本分析的基礎(chǔ)上，給出可行性法律方案。

認(rèn)知計算技術(shù)的產(chǎn)生會將傳統(tǒng)業(yè)務(wù)中的文本審查、法律檢索、簡易案件分析、法律文書生成自動化，如目前是法律助理的話，那么一個不吃不喝、工作高效的智能助理是不是比一個要工資、有脾氣的人類助理，哪個更受歡迎呢！

二、大數(shù)據(jù)量化分析

我們還原一個場景來看看這項技術(shù)的應(yīng)用：小a是某公司的員工，因為懷孕受到老板的處處刁難，小a咨詢律師。律師從法律角度對小a做出建議，老板刁難你估計是不想承擔(dān)女職工三期待遇，想逼迫小a離職（這是一個好律師）。

當(dāng)然這只是原因分析，分析清楚原因后我們該如何做應(yīng)對呢？律師建議三種方案：1.如果公司本身存在未繳納社保等方面的過錯，小a以此為由主動離職，并要求經(jīng)濟補償金；2.如果公司沒有過錯，和公司協(xié)商解除，但補償數(shù)額不好確定；3.和公司耗著，一直耗到三期結(jié)束。小a聽了覺得很有道理，但她問律師那種方案最好，律師說最好結(jié)合自身的情況自行決定。

這個場景恐怕是我們實際中經(jīng)常發(fā)生的，律師提供多種可行性方案，由當(dāng)事人做出選擇，但問題在于律師提出的方案僅僅是定性方案，而不涉及定量分析。三種方案成本收益比對、耗時長短、勝訴幾率這些量化的指標(biāo)均為出現(xiàn)。相當(dāng)于問題換了一種方式拋回當(dāng)事人。

而借助大數(shù)據(jù)分析技術(shù)，尤其是企業(yè)歷史數(shù)據(jù)和區(qū)域裁判數(shù)據(jù)挖掘分析，我們就可以向客戶提供量化后的方案，幫助律師和客戶做出更為優(yōu)化的決策。

也許有人會說成本收益、時間消耗這種量化分析容易做，但勝訴幾率這是千古難題，哪有那么容易量化！確實，法律訴訟異常復(fù)雜，需要考慮的變數(shù)太多，同時還涉及人的心理、情感等諸多不可預(yù)測的因素，機器預(yù)判難度很大。

的確，機器預(yù)判不可能適用于法律訴訟的每個領(lǐng)域，但是在道路交通、勞動爭議、債務(wù)等類型化且簡單的糾紛中仍然有很大的作用空間。裁判文書本身就包含了法律法規(guī)、訴訟類型、訴訟主體、訴訟方略、情感傾向，通過智能系統(tǒng)對裁判文書加以解構(gòu)，我們是有可能做出訴訟結(jié)果的預(yù)測系統(tǒng)。這也是成都斯沃茨公司正在研發(fā)的一個項目，針對婚姻、道交、勞動領(lǐng)域做智能訴訟預(yù)判。

如果這個系統(tǒng)完成，當(dāng)事人發(fā)生糾紛后，第一時間不是找律師，而是通過預(yù)測系統(tǒng)做個核算，如果收益大于成本、勝訴幾率高才會選擇下一個環(huán)節(jié)。這就讓智能訴訟預(yù)判系統(tǒng)成為了一個端口，而端口聚集的眾多用戶必然會實現(xiàn)對法律資源的重新分配，從而打破傳統(tǒng)生態(tài)模式下法律資源的配置方式。

三、專家系統(tǒng)

專家系統(tǒng)技術(shù)和認(rèn)知計算技術(shù)有相似之處，但二者的著眼點不同。認(rèn)知計算技術(shù)著眼于人工智能，是對人類認(rèn)知的模仿；專家系統(tǒng)技術(shù)著眼于整理，是對知識的組合重整。

專家系統(tǒng)的知識的來源是“專家”，但我們知道作為專家尤其是普遍文科背景的法律專家往往不了解計算機技術(shù)，專家提供知識、解決問題會按照自身的知識結(jié)構(gòu)、思維習(xí)慣、語言風(fēng)格來運作。而這種運作方式并不能直接為系統(tǒng)（機器）所識別，所以我們需要法律知識工程師作為接口，實現(xiàn)專家和系統(tǒng)之間的對接。這里的法律知識工程師也就是薩斯金《明日世界律師》中提到的法律新型職業(yè)之一。

一般的流程是法律專家提供解決實際問題的基本知識和經(jīng)驗，知識工程師按照系統(tǒng)推理架構(gòu)對知識進(jìn)行整理，建立知識庫，并利用編碼語言設(shè)立推理機等模塊，形成可以“自動”解決法律問題智能系統(tǒng)。

專家系統(tǒng)的應(yīng)用有對內(nèi)對外兩個方面：對外是作為智能咨詢系統(tǒng)，國內(nèi)如推之，國外如Ross，均具有智能咨詢的功能；對內(nèi)是作為法律人的決策輔助系統(tǒng)，可以自助實現(xiàn)法律人知識管理、相關(guān)法律法規(guī)和案件檢索、費率核算、法律文書自動推送。

專家系統(tǒng)相對于前兩種技術(shù)是一種“溫和”的技術(shù)，目前技術(shù)條件已經(jīng)成熟，也是三大技術(shù)中最容易實現(xiàn)的技術(shù)。某種程度上可以說，我們和專家系統(tǒng)之間只缺一群“法律知識工程師”。

三種技術(shù)都有成型的范例，認(rèn)知計算中的Ross，大數(shù)據(jù)技術(shù)中美國勞動部elaw系統(tǒng)，專家系統(tǒng)中的推之應(yīng)用。但是，為什么這些技術(shù)目前沒有造成法律行業(yè)的“顛覆”呢？

原因只有一個：技術(shù)奇點。這些新型的技術(shù)都是呈現(xiàn)指數(shù)發(fā)展的模式，而這種指數(shù)發(fā)展必然會呈現(xiàn)為一種曲線態(tài)勢，曲線與現(xiàn)實業(yè)務(wù)線交匯的那個點我們稱為技術(shù)奇點。只有曲線超過了這個技術(shù)奇點，才能引發(fā)顛覆性的效應(yīng)。所以應(yīng)了中國的一句古話：不是不變，時候未到！