过去一年里，法律圈关于 AI 的讨论，已经从“能不能用”悄然滑向“怎么用才不出事”。技术本身的进步很快，工具也越来越顺手，但诉讼是一种高度制度化的写作：它不是写给读者的随笔，而是写给法院、对方当事人以及未来可能复核你每一个字的审查者的正式文件。也正因为如此，法院对 AI 生成内容的态度并不浪漫——它不关心你用没用工具，关心的是你递交上去的那份文件，是否真实、可核、可追溯。近期有一则引发广泛关注的新闻：美国联邦法院在一宗专利纠纷中，对多名律师作出经济处罚，原因并非他们“使用 AI”，而是他们提交给法院的文件里出现了 AI 生成的虚假案例引用与错误引述。对外行读者而言，这听起来像一个“写作失误”；对法官而言，这却触碰的是司法程序最敏感的神经：法庭文件的可信度。更关键的是，法院把这类风险视为“可预见的”，因此把责任坚定地放回到律师职业义务上——签字的那个人，不能把锅推给工具。我们先把法院真正惩罚的点讲清楚。很多报道在标题上会写“律师用 AI 写诉状被处罚”，但如果只记住这句话，容易得出错误结论：仿佛只要用了 AI 就会挨罚。事实上，法院并没有把 AI 当作“禁品”，而是把“未经核实的 AI 生成内容”当作程序风险。你可以用 AI 帮你整理结构、润色语言、把事实材料写得更清楚；但只要触及法源层面——判例、法条、引述页码、段落号、出处链接——你就必须像对待一份来自实习生的草稿一样，逐条复核、逐条闭环。否则，一旦出现虚构判例或错误引述，法官不会关心你是因为“忙”还是“信任工具”，只会问一句最朴素的问题：你为什么没有核查？回到这起近期的“标杆案”。在堪萨斯州联邦法院审理的一宗专利侵权诉讼中，原告方律师提交的文件被发现包含 AI 生成的虚假案例引用与引述。法院最终对多名签字律师分别处以罚款，合计约 12,000 美元，并要求其中与 AI 生成内容直接相关的律师将该裁定向纪律机构报告。此类裁定之所以被称为“标杆”，并不因为金额有多高，而在于裁判思路异常清晰：第一，哪怕只有一名律师实际使用了生成式 AI，其他在文件上签字的律师也不能以“不是我写的”为由免责；第二，签字责任并不是“我相信团队”，而是“我确保提交前完成必要的核查”；第三，AI 幻觉已被普遍认知为生成式模型的固有缺陷，既然缺陷可预见，律师就必须通过流程控制把风险消解，而不是把风险带到法院面前。相关报道与裁定逻辑，在权威媒体已有较充分披露。如果说这起案件告诉我们“法院会罚”，那么另一类案件则更尖锐地说明“法院罚的到底是什么”。在犹他州一宗上诉程序中，有律师提交的文件引用了并不存在的判例，其中被媒体反复提及的例子是“Royer v. Nelson”。后续调查显示，文件由非持证人员或团队支持人员借助 ChatGPT 生成，律师本人未作充分审阅与核查即提交。法院的关注点并不是“谁按了生成按钮”，而是“谁把未经核实的内容递交给了法庭”。换句话说，哪怕 AI 只是被当作“打字员”，只要它生成了虚构判例而你没发现，问题仍然是你的专业失职：你把核查义务外包了。该案的后果往往也不止罚款，可能包括承担对方费用、退还客户费用、向公益机构捐赠等具有惩戒和教育意义的安排。更值得律所认真对待的是：在部分法官那里，罚款并不是终点，而只是起点。近年来的趋势是，一旦 AI 造成的引用错误被法官认定为“严重、反复、或显示出对职业义务的轻忽”，法院可能选择更具威慑力的处置方式，比如要求律师退出案件、将裁定送达客户或移送纪律程序，甚至在资格层面作出限制。对律师而言，这类后果的“疼痛感”远高于金额本身，因为它直接影响客户关系、行业声誉乃至执业前途。对于“从罚款升级到纪律性处置”的趋势，主流媒体亦有专门梳理。为什么法院对这类问题反应如此强烈？答案其实并不复杂。第一，虚构判例会直接消耗司法资源：法官与对方当事人需要花时间去查一个并不存在的引用，诉讼的时间与成本被无端抬高。第二，它破坏了对抗结构的公平：诉讼的基本前提是双方围绕真实的事实与真实的法源进行博弈，虚假引用会把对抗变成“打假”。第三，它伤害的是法庭文件作为一种制度文本的信用：当“引用”不再可信，法官就只能通过更强监管来维护程序秩序。也正因如此，许多裁定中反复强调的并非 AI 技术本身，而是律师把一个已被广泛认知的技术缺陷带入法庭，并且未通过职业化的质量控制来纠正。讲到这里，很多同行会追问一个更务实的问题：既然效率压力摆在那儿，律所到底该怎么“合规用 AI”？我的建议是，把 AI 想象成一个“极会写作、但可靠性极差的实习生”。你可以让它起草，你甚至可以让它给出多种论证思路，但你不能让它决定引用什么、也不能让它替你完成 cite-check。真正可落地的路径，不是简单喊一句“谨慎使用”，而是把 AI 纳入律所既有的质量控制体系，并把“可审计”作为硬标准。所谓“可审计”，首先意味着你要明确边界：AI 在事实梳理、结构组织、语言润色上的价值通常是正向的，但在生成判例清单、判例要旨、法条条文、引述页码与段落号方面，其风险是结构性的。很多翻车都来自一种心理错觉：AI 写得太像“正经法律文本”，以至于人会在潜意识里降低警惕，忽略了对引用的逐条核验。其次，可审计还意味着“来源闭环”：凡是出现在诉状、陈述、意见书里的法源（判例/法条/引述/统计数据），必须能够回溯到权威数据库或官方出版物；没有来源支撑的内容，哪怕论证再顺，也不应进入最终提交件。再次，可审计意味着“双人核查”的最低配置：起草者核一次，签字律师再核一次，关键案件可引入第三道核查（例如专业支持团队独立核验）。最后，可审计需要“留痕”：不仅是为了应对潜在质疑，更是为了让团队在高强度节奏下仍能保持可复制的质量水平，避免依赖个人记忆与临场谨慎。在对客户沟通上，很多团队也需要更新表达方式。客户问“你们用 AI 吗？”最容易犯的错误是回答得过于防御，或者过于轻描淡写。更专业、也更能建立信任的说法是：我们可以在不涉及法源真实性的环节使用工具提升效率，但所有法条、判例与引述均由执业律师在权威来源中逐条核验，并由签字律师承担最终责任。这样回答的核心，不是展示“我们很先进”，而是展示“我们有控制风险的制度”。回到文章的起点：AI 并不是“禁止入庭”，它只是要求法律写作回到一种更古老、也更硬核的标准——可验证性。生成能力再强，如果不能被核查、不能被追溯、不能被解释，就不适合进入法庭的正式文本。未来真正能够长期、稳定把 AI 用在诉讼与争议解决中的团队，不会是写得最快的团队，而是最先把 AI 纳入质量控制体系、让每一个引用都能回到权威来源、让每一次使用都能说清楚“我们做了什么核查”的团队。（注：文中案例信息主要依据公开报道整理。具体裁定条文、罚款金额与纪律移送细节，以法院裁定原文及官方记录为准。）
