2025 臺灣 AI 大賞 | 七法 Lawsnote 如何用人工智慧重塑法律服務,從搜尋引擎到金融法遵的突破之路
2025 臺灣 AI 大賞 | 七法 Lawsnote 如何用人工智慧重塑法律服務,從搜尋引擎到金融法遵的突破之路

在臺灣,如果你需要法律諮詢,面對的現實往往是:律師一小時收費5,000到10,000元,打一場官司至少要花費5萬到10萬元起跳。「臺灣的法律服務在價格上相當極端,要不就是非常高昂,不然就幾乎免費,市場的價格與品質指標並不算透明,且沒有中等價位的解決方案。」Lawsnote創辦人郭榮彥,一語道破臺灣法律服務市場的困境。這個現象不僅讓一般民眾無法理解,也讓法律科技新創看到了切入的機會。

對於大多數沒有經歷法律訴訟的臺灣民眾而言,取得法律知識的管道有限,過去只能仰賴Google搜尋相關法條,或參考標準化契約格式,對於這些內容是否適合自己,很難判斷。就算ChatGPT等通用型AI似乎可以解答法律問題,但這些通用工具能否真正解決臺灣法律體系的複雜需求,仍有待商榷。
相較於其他的律師來說,Lawsnote 創辦人郭榮彥的創業歷程顯得獨樹一格。他並非典型的法律系學生,且擁有農化與法律的雙重學術背景。他曾在專利事務所中擔任工程師,並利用夜間在臺灣大學法律系進修取得律師資格。使他在 2016 年創立法律科技公司 Lawsnote 時,能以兼具技術與法律的雙重視角,探索如何將創新科技導入傳統的法律服務中。

Lawsnote創辦人郭榮彥
圖/ 黃馨弘攝影

臺灣法律科技起步早,卻難以有更多發展

目前既有的法律科技通常自下列三大切點切入:

  • 面向民眾,向民眾提供法律諮詢:這類服務試圖繞過傳統律師事務所,直接滿足民眾的法律需求。國際上最知名的案例是美國的 LegalZoom。該公司透過線上問卷與自動化流程,提供民眾以極低廉的價格(例如 10-20 美元)完成如信託申請、遺囑撰寫、公司設立等標準化法律文件服務。LegalZoom 的成功商業模式使其在 2021 年成功於納斯達克(NASDAQ)上市,成為全球法律科技的指標性企業。
  • 面向律師,提升律師的工作效率:透過 AI 技術協助律師、法務人員快速且精準地搜尋判決書、函釋等法學資料,大幅縮減研究時間,提升工作效率。
  • 擔任律師與民眾之間的中介平台:此模式目的在媒合有法律需求的民眾與合適的律師,並可能從中收取平台服務費或媒合費用。然而,這在臺灣的發展卻充滿挑戰。相較於國際市場的蓬勃發展,臺灣在法律科技服務的推展上顯得較為保守,其關鍵瓶頸在於嚴格的律師倫理規範。

但在臺灣,法律社群的既有文化,對熱切導入科技的創業者來說似乎是有些無奈。在 2000 年,臺灣曾經出現過名為「法易通」的電話法律諮詢服務,民眾可以每分鐘 15 元的價格獲得律師的專業建議。然而,這項創新的服務最終卻由全國律師聯合會介入,以《律師倫理規範》第 12 條:「律師不得以支付介紹人報酬之方式招攬業務」為由,最終導致法易通倒閉。「結果律師現在也多半仰賴口碑來接案,沒有太多改變。」郭榮彥說。

七法法律問答機器人
七法法律問答機器人
圖/ 網頁截圖

政府資料混亂:法律科技的最大挑戰

除了法界的保守外,Lawsnote在發展過程中遭遇的最大障礙,還有政府公告資料的品質問題。「政府公告資料的雜訊和錯誤很多,同一筆資料可能會有不同來源,應該要是同一個版本的資料卻有不同內容。」郭榮彥舉例說明:有的時候政府機關公告某法規修正,但經系統比對後發現修正版本與原版本的內容完全相同;相反地,有些法規明明沒有修正公告,卻發現法案內容已經異動。

在整理臺灣的法規和相關資料時,也曾經發現過政府機關在沒有新發文字號的情況下,直接修改已上架的法規內容。另外像是獨特的「下架函釋」制度,政府定期公告要從資料庫移除的函釋,但下架後就再也找不到原始內容,外界也無法得知被移除的具體規範為何。「整個中華民國的政府機制,從法律、法規、規則層層下來,資料處理方法還沒有統一規範,以及現代化的版本控制觀念,這些都讓法案的知識整理相當困難。」

從搜尋引擎到金融法遵的轉型突破

回到2016年Lawsnote創立時,市場上約有5-6個類似團隊都想解決法律搜尋引擎問題,但大多數都因商業模式不夠穩定而收場。Lawsnote能夠存活至今,關鍵在於找到了真正的付費客群,並解決了他們的痛點。
但Lawsnote也不是一次就找到商業模式的,公司也曾嘗試多項業務:像是律師媒合平台、幫助律師了解新法律與規定的線上課程(曾開設8門課程,但銷售不如預期)和律師求職平台(推廣困難)。

真正的轉機出現在2018年。當時兆豐銀行在美國被重罰後,金管會開始積極修訂金融業內控內稽法規,要求業者建立法律遵循制度。2019年金融業開始洽談專業顧問導入法遵流程,發現事務繁雜程度超乎想像。Lawsnote恰好在此時推出解決方案:結合法規監控與AI比對技術,協助金融業自動化處理法規異動與內規連結。

「2019年剛好Google BERT出來,我們就用BERT來做AI比對,把法規跟內規做連結。法規異動時就直接把流程串起來,告訴相關單位哪個內規需要檢視。」這項創新讓Lawsnote在競爭激烈的法遵市場中脫穎而出,甚至在技術評比中, 比資源龐大的四大會計師事務所提出的AI解決方案表現更好。

知識圖譜:AI時代的法律服務核心

進入大語言模型時代,Lawsnote面臨新的技術挑戰。「如果要牽涉到大語言模型,資料還要再進一步處理。我們現在在做法律知識圖譜,讓RAG可以更好使用,主要是解決正確性問題。」郭榮彥解釋,臺灣是大陸法系國家,凡事都要有法律規範為依據。以民法第184條「故意不法侵害他人權利者,要負損害賠償責任」為例,其中包含許多不確定概念:什麼叫「故意」、「不法」、「權利」,都需要透過函釋或判決來解釋。

知識圖譜的概念是將法條作為第一個節點,再透過標註技術連結相關的函釋、判決等資料,讓AI能夠理解法律概念間的關聯性。「現在的RAG大部分都是向量搜尋,問題的向量跟答案的向量其實完全不一樣,單純用向量去找資訊常常會找到錯誤或相關度低的結果。知識圖譜可以增加搜尋精準度。」

面對政府資料治理問題,郭榮彥提出具體建議:「法規的版本管理系統有存在的必要性,這樣就能把所有法規的異動都放在上面,並做好版本控制,讓想要了解最新規定或了解沿革(版本變化)的法律使用者都能清楚理解。」

目前臺灣的法律雖由立法院制定,但是子法與行政命令的修正公告就會由主管機關處理,並送交法務部的全國法規資料庫歸檔,就容易造成資料分散且標準不一的問題。「如果統一有一個這樣的版本系統就好了,讓每個主管機關都可以開一個自己的帳號,方便管理。」郭榮彥說,這樣的統一平台不僅有助於資料治理,也能促進法律科技的發展。

市場規模與國際化挑戰

談到臺灣法律科技市場的發展潛力,郭榮彥坦言:「以臺灣市場規模來看,法律科技公司最終要走到IPO可能難度較高,但如果成為中等規模的企業,臺灣是有機會能夠留下幾家法律科技公司的。」除非擴大市場,走向「臺灣加日本、東南亞」等更廣泛的市場,才有可能取得更大的估值。

然而,出海意味著需要面臨各國法律體系差異的挑戰。「我們在臺灣是從判決書起家,但日本並不會公開判決書。」即使是同樣採用大陸法系的國家,具體制度仍有很大差異。美國最大的法律科技公司Thomson Reuters(路透社母公司)在英美法系國家發展良好,但在大陸法系國家包括中國、日本、德國等地,也都只是市場參與者之一,並非主導地位。

AI工具快速重塑團隊合作模式

Vibe Coding的普及也改變了Lawsnote的工作模式。「現在導入vibe coding,讓現在工程師和專案經理的工作架構改變很多,以前PM要跟工程師討論對產品的想法,需要花很多時間準備文件和來回討論,現在PM甚至可以把整個原型完成後,先做到有一定功能的程度,對於溝通就大有幫助。」更特別的是,Lawsnote的專案經理大多具有法律背景,他們對法律的領域知識和科技工具同時有深度理解,對於開發新功能非常有助益。

「有了Vibe coding,公司的每一位律師現在又學了另外一個技能,即便不具有寫成是專業,也能先試著自己下prompt得到他想像中的產品,甚至是可以部分互動的產品,這是很大的變化。」具有AI技能又加上某種領域專業的跨領域人才優勢,讓Lawsnote在產品開發上更貼近實際需求。

Lawsnote 創辦人郭榮彥律師
圖/ 黃馨弘攝影

法律科技的百花齊放時代

回顧臺灣法律科技的發展歷程,郭榮彥感慨:「我們在臺灣做法律科技做這麼久,能夠留下來的公司真的不多。不過現在同時也是最好的時代,大語言模型的出現讓很多以前不可能的事情,都變的更加簡單。」

從Lawsnote的發展軌跡可以看出,成功的法律科技公司需要具備三個關鍵要素:深厚的資料處理能力、對法律行業的深度理解,以及持續的技術創新。在AI原生時代,這些能力將決定誰能在法律科技的競賽中脫穎而出,真正實現讓法律服務更加普及的願景。

資料處理仍是法律AI發展的第一個環節,需要政府有更好的資料治理、業界有更開放的合作態度,也需要更多人才投入這個領域。臺灣的法律科技雖然面臨挑戰,但也有自己的優勢,特別是在資料處理和垂直領域的深耕上。隨著AI技術的發展,相信會有更多創新解決方案出現,讓法律服務變得更親近、更普及。

關鍵字: #新創公司 #AI
往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

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
一次搞懂工業AI
© 2026 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