Legora 押注法律智能体与法律工程：从试点工具走向长链条法律工作流
SOURCE / Legal Tech Monitor · Patrick Forquer on Legora’s Agentic AI, Legal Engineering, and Consumption-Based Pricing
原文
Patrick Forquer on Legora’s Agentic AI, Legal Engineering, and Consumption-Based Pricing
完整原文
法律科技媒体 The Geek in Review 对 Legora 首席营收官 Patrick Forquer 的访谈显示，法律 AI 供应商正把重点从单点起草、摘要或固定自动化，转向能够在明确目标、上下文与人工复核下执行更长任务的智能体式工作流。 Forquer 将这种模式与预设“如果—那么”流程区分开来：系统需要获得事项文件、权限、知识和工具后，提出执行计划，并在关键步骤保留人工判断。访谈把并购尽调列为已有更多实践的场景，同时强调数据层、事项级权限、治理和法律工程人才是扩大部署的前提。 这是一家供应商高管对产品方向和客户实践的陈述，而非独立绩效审计；但它反映了法律 AI 市场的现实要求：若要把智能体引入多步骤法律工作，律所和法务团队需要先界定范围、配置可信数据源、设定权限与复核点，并用可追溯的工作成果评估价值。
归纳
暂无归纳
点评
法律智能体从单点功能走向多步骤事项工作流时，对上下文、权限、数据治理与人工复核的依赖显著增加。
法律视角点评
AI 生成 · 人工审核核心关切
法律智能体从单点功能走向多步骤事项工作流时，对上下文、权限、数据治理与人工复核的依赖显著增加。
法律依据
法律服务中的数据治理、事项权限管理与人工复核要求。
实务启示
评估智能体式法律工具时，应要求明确任务边界、数据来源、事项权限、审批节点和结果留痕，而非只比较功能清单或登录次数。