AIは法律業界の変革を始めているばかりである
ハーバードロー校生による弁護士へのインタビューを通じて、法律業界における AI 導入の現状が「慎重な追随」に留まっている実態と、その背後にある認識のギャップが浮き彫りにされた。
キーポイント
AI 利用状況の統計的乖離と現場の実情
調査によって AI 利用率の数値に大きな幅がある一方、トップファームでも導入は慎重であり、業界全体がまだ初期段階にある。
採用の遅れにおける認識の矛盾
弁護士たちは AI の価値を理解し批判的視点を持っているにもかかわらず、自身の業務ではその恩恵を十分に活用できていないというパラドックスが存在する。
「追随者」戦略への警鐘と生産性向上の具体例
リスク回避のために AI を「追随者」として扱う姿勢は誤りであり、メール作成や契約書テンプレート検索など具体的なタスクで既に大きな生産性向上が可能である。
AI の時間節約効果はリスクの大小に依存する
訴訟や契約書作成など高 stakes な案件では、AI の出力を慎重に検証する必要があり、その検証プロセスが AI がもたらす時間短縮効果を相殺してしまう。
タスクの重要性に応じて利用アプローチを変える
弁護士は契約書の重要な条項（例：所有権変更条項）には厳密なチェックを行う一方、メールのような低リスクな業務では小さなミスも許容するなど、状況に応じて AI の使い分けを行っている。
実務分野によるAI導入の差
企業法務は「十分なら良い」文化であるためAI採用が進む一方、訴訟分野では誤りが相手側に悪用されるリスクが高いため、検証が厳しくなりAIの生産性向上効果が限定的である。
AI活用における最適なフェーズ
AIは法律の概要把握や粗いドラフト作成（最初のパス）、および最終的な文体修正や誤字検出（最後のパス）に最も有効であり、重要な戦略的判断が求められる中間プロセスではまだ不十分である。
影響分析・編集コメントを表示
影響分析
この記事は、法律業界における AI 普及が技術的な可能性と実際の現場運用の間にある認識ギャップを浮き彫りにしており、業界全体が「慎重な追随」から「積極的統合」へ転換する必要性を強く示唆しています。特にトップファームのリーダー層に対する警鐘として、AI を単なるリスク管理対象ではなく競争優位性の源泉と捉え直すよう促す重要な示唆を含んでいます。
編集コメント
法律業界の AI 導入が「リスク回避」の名の下に足踏みしている現状を、現場の声を通じて鮮明に描き出しており、業界変革の転換点を示す重要な分析です。
ハーバード・ロー・スクールの3年生であるジャスティン・カールによるゲスト投稿を掲載できることを嬉しく思います。以前、ジャスティンはマイクロソフトで大規模言語モデル（LLM）の Jailbreak 研究を行い、清華大学のシュワルツマン・スカラーとして在籍し、プリンストン大学からコンピュータサイエンスの学位を取得しました。
弁護士が AI をどの程度活用しているのか。公式報告は大きくばらついています。トムソン・ロイター社の調査では法務事務所の 28% が AI を積極的に活用していると報じられた一方、Clio の「Legal Trends 2025」では法律専門職の 79% が事務所内で AI を利用していると報告されています。
さらに詳しく知るために、Vault 上位 20 社にランクされる法務事務所の 7 社で、ジュニア・アソシエイトからシニア・パートナーまで幅広い立場の弁護士 10 名にインタビューを行いました。多くの弁護士が、事務所は AI を慎重に導入しており、業界全体はまだ AI の初期段階にあると語りました。
私がインタビューした弁護士たちは AI に懐疑的なわけではありません。彼らは AI ツールを実際に試し、技術が効果を発揮するタスクを特定でき、同僚たちがなぜ採用が遅れているのかについて鋭い洞察を持っていました。しかし、自身の習慣について尋ねると、より複雑な実態が浮かび上がりました。AI の価値を理解している弁護士でさえ、利益の機会を逃しているように見え、時には彼らが同僚に対してすぐに批判する理由によってです。
あるジュニア・アソシエイトはこの状況をよく表しています。「私の事務所のトップは、無謀になるわけにはいかないため、AI においては『ファースト・フォロワー（後追いで追随する立場）』を目指すべきだと述べています。しかし、AI の導入と無謀さを同一視するのは大きな誤りです。エリート事務所が、自社の事業の中核となる分野において追随者であると見なす余裕などありません。」
購読する
AI が弁護士業務を加速する方法
まず、典型的な弁護士の業務と、各工程において AI ツールがどのように生産性を高めるかについて、簡潔に概観しましょう。
弁護士はクライアントやその他の第三者とのコミュニケーションに多くの時間を費やします。一般用の AI ツール（Claude、ChatGPT、Microsoft Copilot など）を活用して、メールの修正、会議議事録の作成、文書の要約を行うことが可能です。ある企業の弁護士は、内部の AI ツルを用いてデューデリジェンスの電話会議をスケジュールすることがお気に入りの活用方法だと語りました。通常、20 人との調整が必要となるため、これは非常に手間のかかる作業でした。
AI は、より明確に法的な業務にも貢献できます。取引弁護士と訴訟弁護士はそれぞれ異なる分野（契約書の作成と訴訟の勝訴）に取り組んでいますが、彼らが行う業務の内容には相当な重複があります。
両タイプの弁護士とも、執筆を開始する前に調査を行うのが一般的です。取引弁護士にとっては、テンプレートとして活用できる過去の契約書を探すことが該当します。訴訟弁護士にとっては、法的覚書で先例として引用可能な法的判断を見出すことを意味します。
Thomson Reuters と LexisNexis は、法的情報の検索可能なデータベース市場を独占する2つの既存企業ですが、司法判断や SEC 提出書類などの公開法的文書を探すための AI ツールを提供しています。Harvey や DeepJudge といった Legaltech スタートアップも、弁護士が大量の公開・非公開文書を素早くスクリーニングして最も関連性の高いものを見つけることを可能にする、AI 搭載型検索ツールを提供しています。
適切な文書を手に入れた後、弁護士はそれらを分析し理解する必要があります。これは汎用大規模言語モデル（LLM: Large Language Model）の優れた活用事例ですが、Harvey は裁判所提出書類、取調録、契約書などの文書を分析するためのカスタマイズされたワークフローも提供しています。また、2021 年に Litera に買収された Kira という、契約書のレビューに特化して設計された AI プロダクトについても好意的な評価を聞きました。
弁護士が執筆を開始する準備ができたら、汎用 AI モデルは初期草案の作成、トーンや構造の修正、校閲を手伝うことができます。Harvey は、文書修订のプロセスを段階的に案内する対話型ツールを通じて、起草支援を提供しています。
最後に、法的業務の一部では、多数のファイルに対して同様の操作を実行する必要があります。例えば、当事者名や日付の更新などが該当します。Office & Dragons（これも Litera に買収されました）は、数百件のファイルを一度に処理できる一括処理ツールを提供しており、文書名の更新、文書内容の変更、およびレッドライン（異なる文書バージョンの比較）の実行が可能です。
多くの法的業務には調査や文章作成が含まれており、AI はこれらの分野で最近大きな進歩を遂げていることに気づくでしょう。しかし、理論上は AI が弁護士の生産性を大幅に向上させる可能性を持っているにもかかわらず、なぜ実務ではそれほど広く利用されていないのでしょうか？次のセクションでは、弁護士たちが AI をより多く使用しない理由として挙げた一般的な要因（説得力のあるものもあれば、そうでないものもあります）を概説します。
AI はリスクが高い場合でも時間を節約できない
主要な訴訟に敗訴したり、相手方に有利になるような契約書を作成したりすることは、クライアントにとって数百万ドル、あるいは数十億ドルの損失につながる可能性があります。そのため、弁護士は AI の出力を使用する前に慎重に検証する必要があります。しかし、その検証プロセスが、AI が本来提供していた生産性向上を相殺してしまうことがあります。
あるシニア・アソシエイトは、Microsoft Copilot を使用して分析を行った若手同僚について語りました。「事件にとって極めて重要だったため、出力をダブルチェックするよう彼に指示しました」と彼は言いました。「しかし、その結果、AI を使用することで節約できた時間よりも多くの時間を要することになりました」。
別の弁護士は、タスクの重要性に応じてアプローチを変えています。例えば、「所有権の変更により一方が契約を変更または終了できるため」「非常に非常に重要」な「コントロール変更条項」については、「すべてを慎重に確認する必要がある」と言います。
しかし、すべての業務がそのような高いリスクを伴うわけではありません。「単なるメールを送るだけの場合、小さなミスがあっても世界が終わるわけではありません」から。
確かに、私が話した最初の4人の弁護士はすべて、AI が役立つ場面として同じ例を挙げました。それはメールの作成と修正です。あるシニア・アソシエイトはこう述べています。「Copilot を使ってメールを修正するのが大好きです。すでに何を伝えたいか分かっているので、満足するまで出力を微調整するのはずっと簡単になります。」
ジュニア・アソシエイトの一人は、この機能が「クライアントに腹が立っているとき、トーンをより丁寧にする必要がある場合に特に役立つ」と付け加えました。AI が生成したメールのトーン、スタイル、正確性を簡単に確認できるため、彼女は意図しないミスを恐れることなく AI を活用できます。
これらの動向は、実務分野ごとの採用率の違いも説明する助けとなります。あるパートナーは次のように指摘しています。「企業法務グループよりも訴訟グループの方が、採用が進んでいることに気づきました。」
彼の仮説は、「企業法務の仕事は完璧を追求するものではなく、『十分』でよい実践であるためだ」というものです。なぜなら、誰もあなたの人生を台無しにしようとはしないからです。一方、訴訟では、あなたが提出した書類が相手側に渡されるたびに、相手側はそれをどうやってあなたにとってより困難なものにするかを考えます。訴訟におけるミスは、相手側の利益のために悪用されるリスクが高いため、訴訟担当者はより慎重に検証を行い、AI が純粋な生産性向上をもたらすことを難しくしています。
購読する
出力の検証が容易な場合に AI はより大きな価値を生む
この検証に関する制約は、あるアソシエイトがうまく表現したパターンを示唆しています。「AI は物事の最初のチェックと最後のチェックには素晴らしい。」
最初の段階では、弁護士は法律の分野に慣れ親しんだり、非常に粗い草案を作成したりします。これらの出力を直接クライアントや裁判官に見せることはなく、誤りを発見するために後続の編集ラウンドが行われます。この段階でのミスのコストが低いため、徹底的な検証の必要性は少なく、弁護士は生産性の向上を享受できます。
最後の段階では、品質管理が容易になります。なぜなら、弁護士はすでに判例法に精通しており、文書も概ね良好な状態にあるからです。AI は主に文体の変更や誤字の発見を提案するため、弁護士は不適切な提案を簡単に特定し却下できます。
しかし、弁護士の主張内容やその構成方法について重要な決定を下している最中の中間段階では、AI の有用性は低くなります。現在の AI モデルはまだこれを信頼性を持って行うには十分ではなく、弁護士が基礎となる専門分野を完全に習得していない場合、出力に対する効果的な品質管理を行うことはできません。
したがって、法的業務で AI を使用する際の重要なスキルは、AI 出力の正確性と品質を検証しやすくするための戦略とワークフローを開発することです。
ある特許訴訟弁護士は、「AI を使用するたびに品質管理が必要です。作業内容を表示させ、引用を使用させることで、要約が特許の内容と一致していることを確認すべきです」と語りました。ある企業法務担当者は同じ結論に至り、直接引用を用いて自分が確認したい特定の主張を素早く「Ctrl-F」で検索する方法を採用しました。
弁護士向け AI ツールを開発する企業は、検証コストを削減する方法を探すべきです。例えば Google の Gemini には、アップロードされた文書からの主張に対して参照リンクを追加する機能があります。これにより、関連テキストが側面に表示された状態でソースドキュメントが開かれ、ユーザーが主張が基礎資料と一致しているかどうかを素早く確認しやすくなります。
このような機能は AI ツールの能力そのものを高めるものではありません。しかし、検証を迅速化することで、ユーザーが生産性向上の恩恵をより多く享受できるようになります。
AI は経験豊富な弁護士にはそれほど役立たないかもしれない
異なるファームに所属する二人の弁護士が、DeepJudge の AI 搭載自然言語検索の価値について意見が対立しました。
あるアソシエイトは、自分が探している文書にどのキーワードが含まれるか分からないことが多いため、この機能を有用だと感じました。
一方、パートナーは既存のブール演算検索ツールを好みました。これは出力リストに対する制御権がより大きかったためです。彼女は自身の専門分野における文書により慣れているため、自然言語検索による効率化の効果は相対的に小さかったのです。
別のパートナーは、若手弁護士が手作業で業務を行わない場合、優れた法務と劣った法務を見分ける力を身につけられないのではないかと懸念していると私に語りました。「クロージングチェックリストを作成したり、合併のトリガー条件をマッピングしたりする経験がなければ、問題が発生した際にミスを発見するのに十分な知識を持っていると言えるでしょうか？」
ベテラン弁護士でさえも、このトレードオフに直面することがあります。
ある上級訴訟担当弁護士は、AI の「特定のトピックについて迅速に知識を習得できる能力」や、「裁判所の日程表や取調記録の要約に優れている点」を称賛しました。しかし同時に、「AI を使うと、自分で全てを読む場合に比べて、事件の詳細をすべて記憶しておくのが時として難しくなる」とも注意を促しました。
彼は自分の知識の範囲が不明確であるため躊躇する自分に気づきました。「自分が何を知らないのか」がわからなかったため、AI が生成した要約が正しいかどうかを確認することが困難でした。彼の解決策は、元の文書をすべて読むことに戻り、AI は記憶の再確認や理解の補強のためにのみ利用するというものでした。
多くの弁護士は AI の活用事例や能力について認識していない
AI を導入する前提条件として、それが何に使えるかを知っている必要があります。ある担当者は、「あまりにも忙しく、『潜在的な活用事例』を考える時間さえなかった」と述べました。「AI をもっと使わないのは、何に使えばいいかわからないからです」とも話しました。
別の担当者は、この問題を見事に解決した Harvey について称賛しました。
「Harvey は素晴らしいです。なぜなら、活用事例やカスタムワークフローをリストアップしてくれるので、使い方を深く考える必要がないからです」とその担当者は私に語りました。話しながら彼女は Harvey を開き、具体例を示しました。「文書の翻訳、音声の文字起こし、文書の校閲、裁判記録の分析、裁判所への提出書類からのデータ抽出などです」。彼女が特に評価したのは、AI がどのようにして自分の生産性を向上させるかを具体的に示してくれた点でした。
しかし、トレードオフが存在します：弁護士特化型 AI プロダクトのパフォーマンスは、最先端モデルに比べてしばしば劣ります。
「Claude はより優れたモデルなので、すべての情報が公開されている場合はまだそれを好みます」と、ある弁護士が私に語りました。
一方、多くの弁護士は AI の能力に対して懐疑的な見方をしています。あるアシスタント弁護士は、「ひどい話を聞いたので」という理由で、自社の内部大規模言語モデル（LLM）を試すことを決断しませんでした。
以前、既存の大手企業である Thomson Reuters と LexisNexis がここ数年で AI ツールをプラットフォームに追加したことに言及しました。私がこの点について二人の弁護士に尋ねたところ、彼らは同僚からの評価が芳しくないため試していないと答えました。ある弁護士はそれらを「ゴミ」と表現さえしました。
しかし、初期の悪い経験に基づいて AI ツールを完全に切り捨てるのは誤りです。AI の能力は急速に進化しています。METR の研究者たちは、2019 年以降、AI エージェントが確実に完了できるタスクの長さが約 7 ヶ月ごとに倍増していることを発見しました。昨年に同僚を失望させたツールも、今日では大幅に能力が高まっている可能性があります。
個々の弁護士は、自分が切り捨てたツールについて定期的に再検討し、その能力が向上していないかを確認すべきです。また、企業側はこのプロセスを制度化し、主要なアップデート後に AI ツールを再評価して、自社のニーズにより適切に応えられるかどうかを検証すべきです。
購読する
価格モデルは AI 利用を阻害（または促進）する可能性がある
適切な AI の活用レベルはクライアントによって異なります。
時間単位の請求は、弁護士とクライアントの利益の間に緊張関係を生み出します。より多くの時間を費やすことは、クライアントがより迅速な結果を望む場合でも、事務所にとってはより多くの収益をもたらします。弁護士の効率を高める AI は、請求可能な時間を減らす可能性があります。これはクライアントには良いことですが、事務所の収益にとっては潜在的に悪いことです。
他の価格設定モデルは、インセンティブの整合性を異なる方法で行います。固定料金の場合、弁護士がより速く作業しても、クライアントはコスト削減を実感しません。もちろん、弁護士は効率化から恩恵を受けます。なぜなら、同じ報酬を得ながら作業量が減るからです。成功報酬型（コンテンジェンシー・プライシング）モデルはその中間に位置します。弁護士はクライアントが望む法的成果を達成した際に報酬を受け取るため、クライアントはおそらく、生産性と品質のバランスについて弁護士の最善の判断を信頼したいと考えています。
あるシニアアソシエイトは、クライアントの目標に応じて AI の使い分けをしていると私に話しました。「一部のクライアントは、安く仕上げて 80/20 の法則（重要な 20% に集中する）に焦点を当てるよう指示します。完璧である必要はないので、私はより多くの AI を使用し、重要な部分のみを検証します。」
しかし、別のクライアントは「焦土作戦」アプローチを望んでいました。この場合、アソシエイトはすべての作業を手動で行い、AI は創造的な法的理論の探索にのみ使用しました。これにより、見落としがないことを保証しました。
一部のクライアントには AI 利用に関する明確な指示がありますが、2 人のアソシエイトによると、そのようなクライアントは少数派です。「大多数は特定の好みを抱いておらず、私たちに最善の判断を委ねたいと考えています。」
AI の恩恵を受けることを望むクライアントは、その希望を明確に伝え、効率性を報奨する価格設定の仕組みについて法務事務所に対して要求すべきです。一方、弁護士側も仮定を立てるのではなく、クライアントが何を求めているのかを問うべきです。
原文を表示
I’m pleased to publish this guest post by Justin Curl, a third-year student at Harvard Law School. Previously, Justin researched LLM jailbreaks at Microsoft, was a Schwarzman Scholar at Tsinghua University, and earned a degree in Computer Science from Princeton.
How much are lawyers using AI? Official reports vary widely: a Thomson Reuters report found that only 28% of law firms are actively using AI, while Clio’s Legal Trends 2025 reported that 79% of legal professionals use AI in their firms.
To learn more, I spoke with 10 lawyers, ranging from junior associates to senior partners at seven of the top 20 Vault law firms. Many told me that firms were adopting AI cautiously and that the industry was still in its early days of AI.
The lawyers I interviewed weren’t AI skeptics. They’d tested AI tools, could identify tasks where the technology worked, and often had sharp observations about why their co-workers were slow to adopt. But when I asked about their own habits, a more complicated picture emerged. Even lawyers who understood AI’s value seemed to be leaving gains on the table, sometimes for reasons they’d readily critique in colleagues.
One junior associate described the situation well: “The head of my firm said we want to be a fast follower on AI because we can’t afford to be reckless. But I think equating AI adoption with recklessness is a huge mistake. Elite firms cannot afford to view themselves as followers in anything core to their business.”
Subscribe now
How AI can accelerate lawyers’ work
Let’s start with a whirlwind tour of the work of a typical lawyer — and how AI tools could make them more productive at each step.
Lawyers spend a lot of time communicating with clients and other third parties. They can use general-purpose AI tools like Claude, ChatGPT, or Microsoft Copilot to revise an email, take meeting notes, or summarize a document. One corporate lawyer said their favorite application was using an internal AI tool to schedule due diligence calls, which was usually such a pain because it required coordinating with twenty people.
AI can also help with more distinctly legal tasks. Transactional lawyers and litigators work on different subject matter (writing contracts and winning lawsuits, respectively), but there is a fair amount of overlap in the kind of work they do.
Both types of lawyers typically need to do research before they begin writing. For transactional lawyers, this might be finding previous contracts to use as a template. For litigators, it could mean finding legal rulings that can be cited as precedent in a legal brief.
Thomson Reuters and LexisNexis, the two incumbent firms that together dominate the market for searchable databases of legal information, offer AI tools for finding public legal documents like judicial opinions or SEC filings. Legaltech startups like Harvey and DeepJudge also offer AI-powered search tools that let lawyers sift through large amounts of public and private documents to find the most relevant ones quickly.
Once lawyers have the right documents, they need to analyze and understand them. This is a great use case for general-purpose LLMs, though Harvey offers customized workflows for analyzing documents like court filings, deposition transcripts, and contracts. I also heard positive things about Kira (acquired by Litera in 2021), an AI product that’s designed specifically for reviewing contracts.
Once a lawyer is ready to begin writing, general-purpose AI models can help write an initial draft, revise tone and structure, or proofread. Harvey offers drafting help through a dialog-based tool that walks lawyers through the process of revising a document.
Finally, some legal work will require performing similar operations for many files — like updating party names or dates. Office & Dragons (also acquired by Litera) offers a bulk processing tool that can update document names, change document contents, and run redlines (comparing different document versions) for hundreds of files at once.
You’ll notice many legal tasks involve research and writing, which are areas where AI has recently shown great progress. Yet if AI has so much potential for improving lawyers’ productivity in theory, why haven’t we seen it used more widely in practice? The next sections outline the common reasons (some more convincing than others) that lawyers gave for why they don’t use AI more.
AI doesn’t save much time when the stakes are high
Losing a major lawsuit or drafting a contract in a way that advantages the other party can cost clients millions or even billions of dollars. So lawyers often need to carefully verify an AI’s output before using it. But that verification process can erode the productivity gains AI offered in the first place.
A senior associate told me about a junior colleague who did some analysis using Microsoft Copilot. “Since it was vital to the case, I asked him to double-check the outputs,” he said. “But that ended up taking more time than he saved from using AI.”
Another lawyer explicitly varied his approach based on a task’s importance. For a “change-of-control” provision, which is “super super important” because it allows one party to alter or terminate a contract if the ownership of the other party changes, “you want to make sure you’re checking everything carefully.”
But not all tasks have such high stakes: “if you’re just sending an email, it’s not the end of the world if there are small mistakes.”
Indeed, the first four lawyers I talked to all brought up the same example of when AI is helpful: writing and revising emails. One senior associate said: “I love using Copilot to revise my emails. Since I already know what I want to say, it’s much easier for me to tweak the output until I’m satisfied.”
A junior associate added that this functionality is “especially helpful when I’m annoyed with the client and need to make the tone more polite.” Because it was easy to review AI-generated emails for tone, style, and accuracy, she could use AI without fear of unintentional errors.
These dynamics also help explain differences in adoption across practice areas. One partner observed: “I’ve noticed adoption is stronger in our corporate than litigation groups.”
His hypothesis was that “corporate legal work is more of a good-enough practice than a perfection practice because no one is trying to ruin your life.” In litigation, every time you send your work to the other side, they think about how they can make your life harder. Because errors in litigation are at greater risk of being exploited for the other side’s gain, litigators verify more carefully, making it harder for AI to deliver net productivity gains.
Subscribe now
AI adds more value when verifying outputs is easier
The verification constraint points toward a pattern one associate described well: “AI is great for the first and last pass at things.”
For the first pass, lawyers are familiarizing themselves with an area of law or generating a very rough draft. These outputs won’t be shown directly to a client or judge, and there are subsequent rounds of edits to catch errors. Because the costs of mistakes at this stage are low, there’s less need for exhaustive verification and lawyers retain the productivity gains.
For the last pass, quality control is easier because lawyers already know the case law well and the document is in pretty good shape. The AI is mostly suggesting stylistic changes and catching typos, so lawyers can easily identify and veto bad suggestions.
But AI is less useful in the middle of the drafting process, when lawyers are making crucial decisions about what arguments to make and how to make them. AI models aren’t yet good enough to do this reliably, and human lawyers can’t do effective quality control over outputs if they haven’t mastered the underlying subject matter.
So a key skill when using AI for legal work is to develop strategies and workflows that make it easier to verify the accuracy and quality of AI outputs.
One patent litigator told me that “every time you use AI, you need to do quality control. You should ask it to show its work and use quotes, so you can make sure its summaries match the content of the patent.” A corporate associate reached the same conclusion, using direct quotes to quickly “Ctrl-F” for specific propositions he wanted to check.
Companies building AI tools for lawyers should look for ways to reduce the costs of verification. Google’s Gemini, for example, has a feature that adds a reference link for claims from uploaded documents. This opens the source document with the relevant text highlighted on the side, making it easier for users to quickly check whether a claim matches the underlying material.
Features like these don’t make AI tools any more capable. But by making verification faster, they let users capture more of the productivity gains.
AI might not help experienced lawyers as much
Two lawyers from different firms disagreed about the value of DeepJudge’s AI-powered natural-language search.
One associate found it helpful because she often didn’t know which keywords would appear in the documents she was looking for.
A partner, however, preferred the existing Boolean search tool because it gave her more control over the output list. Since she had greater familiarity with documents in her practice area, the efficiency gain of a natural-language search was smaller.
Another partner told me he worried that if junior lawyers don’t do the work manually, they won’t learn to distinguish good lawyering from bad. “If you haven’t made the closing checklist or mapped out the triggering conditions for a merger, will you know enough to catch mistakes when they arise?”
Even senior attorneys can face this tradeoff.
A senior litigation associate praised AI’s ability to “get me up to speed quickly on a topic. It’s great for summarizing a court docket and deposition transcripts.” But he also cautioned that “it’s sometimes harder to remember all the details of a case when I use AI than when I read everything myself.”
He found himself hesitating because he was unsure of the scope of his knowledge. He didn’t know what he didn’t know, which made it harder to check whether AI-generated summaries were correct. His solution was to revert to reading things in full, only using AI to refresh his memory or supplement his understanding.
Many lawyers are unaware of AI use cases and capabilities
A prerequisite for adopting AI is knowing what it can be used for. One associate mentioned he was “so busy” he didn’t “have time to come up with potential use cases.” He said, “I don’t use AI more because I’m not sure what to use it for.”
A different associate praised Harvey for overcoming this exact problem.
“Harvey is nice because it lists use cases and custom workflows, so you don’t need to think too much about how to use it,” the associate told me. As she spoke, she opened Harvey and gave examples: “translate documents, transcribe audio to text, proofread documents, analyze court transcripts, extract data from court filings.” She appreciated that Harvey showed her exactly how it could make her more productive.
But there’s a tradeoff: the performance of lawyer-specific AI products often lags state-of-the-art models.
“Claude is a better model, so I still prefer it when all the information is public,” one lawyer told me.
Meanwhile, many lawyers take a dim view of AI capabilities. An associate decided not to try her firm’s internal LLM because she had “heard such bad things.”
Earlier I mentioned that incumbents Thomson Reuters and LexisNexis have added AI tools to their platforms in recent years. When I asked two lawyers about this, they said they hadn’t tried them because their colleagues’ impressions weren’t positive. One even described them as “garbage.”
But it’s a mistake to write AI tools off due to early bad experiences. AI capabilities are improving rapidly. Researchers at METR found that the length of tasks AI agents can reliably complete has been doubling roughly every seven months since 2019. A tool that disappointed a colleague last year might be substantially more capable today.
Individual lawyers should periodically revisit tools they’ve written off to see if they have grown more capable. And firms should institutionalize that process, reevaluating AI tools after major updates to see if they better meet the firm’s needs.
Subscribe now
Pricing models can discourage (or encourage) AI use
The right level of AI use varies by client.
Billing by the hour creates tension between lawyer and client interests. More hours means more revenue for the firm, even if the client would prefer a faster result. AI that makes lawyers more efficient could reduce billable hours, which is good for clients but potentially bad for firm revenue.
Other pricing models align incentives differently. For fixed-fee work, clients don’t see cost savings when lawyers work faster. Lawyers, of course, benefit from efficiency since they keep the same fee while doing less work. A contingency pricing model is somewhere in the middle. Lawyers are paid when their clients achieve their desired legal outcome, so clients likely want lawyers to use their best judgment about how to balance productivity and quality.
One senior associate told me he used AI differently depending on client goals: “Some clients tell me to work cheap and focus on the 80/20 stuff. They don’t care if it’s perfect, so I use more AI and verify the important stuff.”
But another client wanted a “scorched earth” approach. In this case, the associate did all the work manually and only used AI to explore creative legal theories, which ensured he left no stone unturned.
Some clients have explicit instructions on AI use, though two associates said these clients are in the minority. “Most don’t have a preference and want us to use our best judgment.”
Clients who want the benefits of AI-driven productivity should communicate their preferences clearly and push firms for pricing arrangements that reward efficiency. For their part, lawyers should ask clients what they want rather than making assumptions.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み