收到一堆罰單後,他打造機器人律師幫忙打官司!會是下個被AI取代的行業嗎?
收到一堆罰單後,他打造機器人律師幫忙打官司!會是下個被AI取代的行業嗎?

你願意把人身傷害賠償、離婚申請或高風險的合約交給人工智慧(AI)嗎?

有如雨後春筍般崛起的法律app和數位服務打賭你會,也由此吸引了矽谷投資人數以百萬美元的資金,同時,也在法律界引發討論,究竟,在面對法律問題時,科技的限制和倫理的那條線在哪?

研發靈感來自違停罰單

對今年24歲、來自英國倫敦、畢業自美國史丹佛大學的app研發工程師布勞德(Joshua Browder)而言,凡是能讓他免繳違規停車罰款、省下打官司的錢就是好科技。

布勞德回憶道,當他18歲、還在倫敦的時候,是個糟糕透頂的駕駛,「我收到一堆貴到不行的違規停車罰單,當時我還在唸高中,我根本付不起」。

透過大量研究交通違規申訴資訊,布勞德發現,其實自己只要「說對話」,就能申訴成功、免繳罰款,「如果你知道該說些什麼,你就能省下大把時間和金錢」。

ai_法律科技_lawtech
圖/ shutterstock

「全球第一位機器人律師」

為了和其他有同樣煩惱的苦主分享自己的研究,布勞德在2015年研發出了號稱「全球第一位機器人律師」──DoNotPay,這款app字面上的意思就是「不付錢」,不僅不讓使用者付交通罰款,也可以讓使用者不用付錢給律師。

它的廣告詞是這樣的: 只要按下按鈕,DoNotPay可以幫你打擊企業、打敗官僚主義還有告任何人。

簡而言之,使用者告訴DoNotPay的聊天機器人自己的法律問題,像是不滿收到違規停車的罰單、想要申訴,DoNotPay就可以幫忙使用者起草法律文件。

布勞德說: 「人們可以用自己的話輸入自己的主張,然後這款搭載機器學習的軟體就能找出法律上正確的說法來匹配。」

「法律制度不應該是付費遊戲。」 布勞德表示,對許多人或小型企業來說,昂貴的律師費讓他們不敢爭取、維護自己的權益,遇到不公不義往往只能摸摸鼻子認了,「 我們想要成為大家的顧問,我們想要避免人們被騙,並且給予人們影響力 」。

布勞德提到,DoNotPay幫助使用者省下大筆可能消耗在政府官僚主義或大企業上的金錢,「 我們想做的就是讓一般人在法律制度下,也握有和大企業同樣的力量」

DoNotPay可以做什麼?

透過DoNotPay,使用者可以快速對違規停車罰單提出申訴、申請保險理賠、申請觀光簽證、對企業商家或當局提出申訴、搜尋自己是否符合某項集體訴訟的資格、起訴科技公司外洩個資、拿回訂房和訂票網站的退款、輕鬆取消健身房的會籍等等,而最後兩項的需求更在COVID-19疫情期間飛速成長。

集中消費糾紛 不做刑事辯護

綜觀 DoNotPay提供的法律服務,大抵集中於消費糾紛,對於較「嚴肅」、較「重大」的訴訟,DoNotPay並沒有提供服務 。布勞德坦言:「 我們不會試圖提供刑事辯護,或是某些非常嚴肅的事情。

### 每月不到一百元 15萬名訂閱戶

目前,DoNotPay靠著使用者訂閱來營利,使用者雖然可以免費下載app,但要使用進階服務就需要訂閱、繳納每月3美元(折台幣約84元)的月費。

至今,DoNotPay已經有15萬名付費訂閱戶,不僅十分受到使用者的歡迎,更在去年勇奪美國律師協會(American Bar Association)頒發的獎項,獎勵他們增加了一般人近用法律的途徑。

至於DoNotPay的成功率如何?DoNotPay創辦人布勞德表示,整體來說成功率有 80%,使用者平均能拿回7,000美元(折台幣約19萬6,805元)。但談到違規停車罰單的申訴成功率只有65%,畢竟「有些人真的有違規」。

car ticket
圖/ Pixabay

質疑機器人律師有誤

然而,隨著DoNotPay這類機器人律師app推陳出新、越來越多人使用,法律界也越來越擔心這類app的「正確性」,有的使用者也指出DoNotPay提供的法律資訊有誤。

或許,面對一個增加法律近用性(accessibility),且費用相較律師鐘點費來說便宜許多的app,有80%的成功率就已經很高了,人們不應該太苛求。但是,法律科技網站Above the Law's Non-Event的自由撰稿人威爾金斯(Steph Wilkins)指出,這種「已經夠好了」的心態不適用於法律,畢竟在主張某些法律權益上,人們沒有再來一次的機會。

「不用懷疑,DoNotPay是一項滿足人們真實需求、充滿野心的計畫。畢竟,像DoNotPay這樣價格合理、近乎免費的法律服務很難取得。大部分的人都會同意,免費獲得正義和法律建議是很棒的事情,但唯有給出正確的法律建議,正義才會到來。」威爾金斯說。

實際上能幫的忙很小

認為像DoNotPay這類機器人律師行不通的人表示,之所以法律專業受到嚴格的規範是有原因的,要是機器人律師「故障」,那麼使用者很容易就會惹上麻煩。

美國華盛頓大學法學教授卡羅(Ryan Calo)表示,只要法律制度存在某些複雜性或阻力,機器人律師就無法處理,「雖然這款app給你一種它能幫助你了解法律制度的印象,但實際上它能幫的忙很小」。

再者,要是代表使用者起訴他人的機器人律師出錯,這筆帳要算在誰的頭上?目前,全世界的法院對這個問題還找不到一個最好的答案,就跟自駕車要是發生車禍,其間的責任歸屬該如何釐清一樣難解。

限制AI發展 最終大企業得利

2018年,美國岡薩加大學(Gonzaga University)法學教授希姆蕭(Drew Simshaw)在一篇研究中寫到,法律專業要想辦法在機器人律師提供的利益和造成的倫理問題間取得平衡。

robot shutterstock
圖/ ShutterStock

希姆蕭教授表示:「法律專業針對法律自助解法的限制有可能會阻礙法律界大型AI革命的發展,最終將有利於大企業而非公共利益。」意即法律人士對「專業」的擁護讓他們想盡辦法阻止DoNotPay這類app的出現,然而民眾一旦難以近用法律,最終得利的將會是擁有完整法律團隊和金錢的大企業。

有律師執照才能提供「法律諮詢」

在美國,機器人律師要小心觸法,它們頂多只能提供使用者相關法律資訊,或從旁協助使用者立案,而非給予使用者所謂的「法律諮詢」,畢竟要是被法院認定為針對個案深入給予法律諮詢,這可能構成無照非法從事法律實務。

DoNotPay創辦人布勞德表示,他們目前還沒有被人以此為由告過,為了跟上與時俱進的法律,他使用了許多律師們也在用的工具,好避免錯誤起訴。

但不是每一間法律科技公司都這麼幸運。2017年,位於美國加州的法律事務所LegalForce將LegalZoom這家法律科技公司告上法院,LegalZoom靠著結合律師和軟體助人起草法律文件來賺錢。

LegalForce指控LegalZoom無照非法從事法律實務,最後這起案子在去年以庭外和解收場,LegalZoom則拒絕評論這起案子。

協助前期分流 後期還是要靠真人

或許,正是因為法律與科技之間的模糊地帶,讓許多法律科技新創公司選擇保守地營運。舉例來說,美國波士頓家事法律師謝文(Casey Shevin)創辦的法律科技新創公司Divorcify,會利用聊天機器人協助使用者申請離婚,讓使用者知道哪一條路──調解、庭外談判或全面訴訟──比較適合,然而一旦進入法律程序的細節,聊天機器人就會把使用者轉給熟悉該條路的真人律師。

其他法律科技公司為了避免涉及無照執業的爭議,乾脆選擇服務律師,而非一般民眾。舉例來說,LexCheck這間法律科技新創公司就走這個路線,他們會協助律師自動審查合約,並且發現有問題時建議律師可以如何調整。過去,這類繁瑣的工作常常落在律師助理或菜鳥律師身上。

真人律師不擔心被取代

對於AI科技強勢來襲,真人律師一點也不擔心會被取代,他們反而很開心AI能幫助他們快速處理大量的法律文件。

律師法官法院法律_law_shutterstock_697157029Resize 1280.jpg
對真人律師來說,他們不怕被機器人律師取代,反而能享受機器人律師快速分析大量資料的好處。
圖/ Shutterstock

倫敦律師事務所The 36 Group旗下的刑事律師霍布森(Sally Hobson)就說,她最近靠著AI協助梳理複雜的謀殺案,這起案子得快速分析超過 1萬份文件,而她使用的法律科技軟體Luminance所花的時間比真人少了四周,省下將近 5萬英鎊(折台幣約 197萬元)。

Luminance執行長偉芙(Eleanor Weaver)表示,律師使用AI來輔助工作已經成為常態,目前全球已經有 55個國家、超過 300間律師事務所在使用Luminance,Luminance可協助分析的語言共有 80種。

協助庭審 按時序列出關鍵事件

與此同時,現在的AI已經升級到不只可以協助律師整理、分析文件,還能幫助他們準備庭審,並且尋找有沒有相關法律判例。

倫敦律師事務所Taylor Wessing數位爭議部門負責人利柏曼(Laurence Lieberman)就說,以色列法律科技公司Litigate開發的軟體就有這個功能。

「你上傳你的案件摘要和訴狀後,這個軟體可以跑出誰是這起案子的關鍵角色,然後AI會把一切給連起來,按著時序列出關鍵事件,並且解釋在幾月幾日發生了什麼事。」利柏曼說。

分析法庭歷史數據 準確預測結果

不僅如此,國際會計師事務所德勤旗下的法律部門Deloitte Legal的科技長布洛德(Bruce Braude)表示,他們在用的TAX-I軟體可以分析相似稅務上訴案件的法庭歷史數據,讓他們能夠正確預測上訴的結果,準確率高達 70%。

「它提供了一種更可以被量化的方式來衡量你成功的可能性,你可以用它來決定是否應該繼續上訴。」布洛德說。

遇到充滿情緒的離婚案件時,還是得由真人律師出馬。

複雜的案子還是得交給真人

無論如何,複雜的案子還是得交由真人,AI頂多只能扮演輔助的角色,DoNotPay創辦人布勞德也這麼認為。

幾年前,布勞德原本打算在DoNotPay中加入離婚申請服務,但最後在測試階段失敗了。

「就算在簡單的離婚案中,依然充斥著過多的人類情感和判斷,這些都不是軟體擅於了解的事物,」布勞德接著說:「在某些領域,初期的測試結果還不錯,但我們認為電腦絕對不可能應付得了法庭上的鬧劇,我們最好還是專注在其他領域。」

無論如何,布勞德對離婚申請服務測試失敗一點也不羞於啟齒,在募得新一輪的資金後,他已經準備好在接下來幾個月推出人身傷害訴訟的新服務了。

本文授權轉載自:地球圖輯隊

責任編輯:傅珮晴、錢玉紘

最新8月號雜誌《區塊鏈上的金融新世界》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

關鍵字: #智慧機器人
往下滑看下一篇文章
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
2025.08.13 |

全球製造業正處於前所未有的挑戰中,從勞動力短缺、供應鏈脆弱,到淨零碳排與數位轉型需求的成長,每一項趨勢都正重新定義產業格局。對此,AWS 發布《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》白皮書,深入剖析製造業在全球地緣政治與市場變化下的挑戰與機會,提供台灣製造業適合的落地策略與最佳實踐方法。

《全球地緣新局時代下的製造戰略》白皮書限時下載

擔心無法回本、缺乏知識技術,台灣升級「智慧製造」卡關中

台灣製造業在全球供應鏈中扮演重要角色,但同時面臨地緣政治風險、技術門檻高、人才缺口大等多重挑戰。其中在供應鏈韌性方面,壓力更為顯著。根據英國營運持續協會統計,全球近 8 成企業在過去 12 個月曾遭遇供應鏈中斷事件,凸顯全球供應鏈的脆弱,台灣製造業也難以倖免,特別在國際局勢不確定性與在地原料依賴度高的情況下,會進一步放大成本與交期風險。

生成式 AI 應用快速擴展,預計 2025 年台灣企業導入將進入早期大眾階段,並以半導體產業為先導,逐步擴散至其他領域。DIGITIMES 調查顯示,已有 18.1% 的企業採用生成式 AI,並積極用於改善營運效率與產品良率,然而仍有 31.5% 的企業尚未規劃導入,主因包括成本考量、缺乏知識與技術、產業需求不明確,使企業在大規模部署時保持謹慎態度;資誠聯合會計師事務所發布的《2023 臺灣企業轉型現況及需求調查》也顯示,37% 的企業擔心智慧製造投資報酬率過低,30% 缺乏導入知識與技術,27% 不清楚如何實踐,導致智慧製造推動困難。在電子製造業迫切需要專業人才之際,許多產業面臨預算與數據分析能力不足的窘境。

AWS
圖/ AWS

此外,勞動力老化也是台灣製造業的問題。以國發會數據估算,2030 年台灣 50 歲以上就業人口將達 23.8%,導致技術傳承與產線穩定性受衝擊;同時 2050 年淨零碳排目標,迫使製造業必須進行碳盤查與能源優化;加上雖然 9 成企業已啟動數位化,但多數仍停留在營運系統,生產端 IoT 與 AI 應用不足,數據價值未被充分釋放。上述都恐將成台灣製造業升級的阻礙。

全球製造業大變局,智慧製造成關鍵突破口

根據媒體《DIGITIMES》研究,全球智慧製造市場規模將從 2024 年的 3,212 億美元,快速成長至 2033 年的 1 兆 1,583 億美元,年複合成長率高達 13.7%。在社會和全球趨勢的推動下,不只對台灣的製造業帶來新的壓力和挑戰,同時也催生了產業升級需求。

所幸,隨著智慧製造的 4 大技術日益成熟,替台灣製造業帶來更多可能。目前,IoT 透過連接感測器與生產設備,已實現即時監控與資料收集,並支援預測性維護與生產最佳化。世界製造業基金會報告顯示,IoT 已成企業智慧製造的首要投資項目;此外,智慧製造上,AI 現已被廣泛應用於品質檢測、生產流程優化與預測性維護,企業若結合機器學習、深度學習與生成式 AI,即能以數據驅動決策,提升生產靈活性並降低成本。

同時,隨著「數位雙生」的發展,企業可藉其進行「虛擬試錯」與「情境模擬」,在導入新技術前,先模擬其對現有產線的影響,或預測潛在風險與資源耗損,避免浪費;另外,在 AI 大規模應用下,數據隱私、安全風險成為顧慮。「主權 AI」確保企業在可信的基礎架構中進行數據分析與模型訓練,降低數據外流風險,並支援在地資料中心部署,以滿足低延遲、高安全需求。企業若在產業升級中,將智慧製造的 4 大技術整合,即能在自家領域有效推進。

《全球地緣新局時代下的製造戰略》白皮書限時下載

加速轉型關鍵夥伴登場!AWS 台北區域重磅上線

AWS 作為全球雲端運算領導者,深耕台灣市場多年,成為製造業升級「智慧製造」的鑰匙之一,提供全方位資料策略、生成式 AI 創新、敏捷性等多種解決方案,協助製造業突破瓶頸。

過往製造業資料分散在 IoT 裝置、舊設備、資料湖、雲端資料庫與內部系統中,缺乏統一結構與命名規則,也受到組織文化與部門隔閡影響,導致難以擴展或有效利用。藉由「AWS 工業資料經緯」框架,能支援多來源數據關聯與脈絡化,可用於分析、AI 模型訓練與數位應用程式開發,讓資料運用最大化。藉由 AWS 的高性價比基礎設施與豐富合作夥伴網路,企業可大規模部署生成式 AI 應用。

製造業期待透過生成式 AI 來加速產品開發、提升營運效率、優化供應鏈並強化客戶體驗。AWS 提供完整 AI / ML 服務,支援模型建置、訓練、推論與部署全流程,助企業快速、安全落實 AI 應用。企業可將專有資料導入基礎模型,進行微調與最佳化應用。

同時,為協助製造業在全球市場中維持高度韌性與營運敏捷性,AWS 已於 2025 年初在台灣設立全新 AWS 台北區域,涵蓋三個可用區,將使企業能就地處理與儲存必須留存於台灣的資料,確保資料主權與合規性,同時降低延遲、提升應變速度。AWS 預期將在台北投入數十億美元於營運、基礎設施與客戶支持,幫助製造業數位轉型。

立即下載 ➤《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》
掌握產業趨勢、實戰案例與資安關鍵策略,打造下一階段的製造業競爭優勢!

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
蘋果能再次偉大?
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓