Agentic AI 法律服务：当商业诉讼开始像编程项目一样运行

FRB 的商业诉讼订阅服务，真正值得看的不只是月费制，而是商业诉讼被放进了一个由客户、律师和 AI 共同参与的工作空间。法律 AI 的下一步，可能不是更聪明的聊天框，而是能持续推进真实事项的运行环境。

美国中型律所 Falcon Rappaport & Berkman LLP 在 2026 年 5 月 18 日宣布推出商业诉讼订阅服务。最容易被传播的一句话，是它要“终结 0.1 小时计费”：客户不再按照六分钟为单位接收账单，而是为常规诉讼工作支付可预期的月费。1
如果只看这一层，FRB 的动作很容易被理解成收费模式创新。律所不按小时收费，客户按月购买服务，复杂争议事件再另行计价。这当然重要，但它还不是这个案例最值得看的地方。
更有意思的是，FRB 把商业诉讼放进了一个客户、律师和 AI 共同参与的工作空间。根据 FRB 的公开介绍，每个订阅客户都会进入一个专属 AI workspace，客户和律师在同一环境中围绕诉讼状态、策略和下一步动作协作，AI 在律师监督下参与事项推进。也就是说，它不是简单把律师后台工作做得更快，而是试图把一个诉讼事项本身重新组织起来。
这也是这件事和过去很多法律 AI 工具不同的地方。过去一年，法律 AI 的讨论大多围绕两个问题展开：AI 能不能替律师写文件，AI 会不会让律师费下降。一个指向效率，一个指向价格。但如果只沿着这两个方向看，法律 AI 很容易被压缩成“更快的文书工具”或者“更便宜的律师替代品”。这反而遮蔽了更值得看的变化：AI 智能体进入法律服务后，首先改变的未必是某一份文件的生成速度，也未必是某一小时的费率，而是法律事项本身的运行方式。
FRB 的商业诉讼订阅服务，可以拆成三层来看。
第一层，是常规诉讼工作的月费订阅。诉状、答辩、证据开示、诉前活动、持续案件管理等 recurring litigation work，被纳入一个相对稳定的月度服务包。
第二层，是离散争议事件的固定费用。比如 dispositive motion practice、depositions、trial 这类强争议、高投入、不可完全预测的事项，在发生时另行 scope，并按固定费用定价。
第三层，才是更深的变化：客户进入一个 AI-native workspace，与律师共同看到案件状态、策略、下一步动作和材料流转。这个工作空间不只是一个漂亮的客户门户，也不只是账单展示页面，而是法律服务生产过程被重新组织后的界面。
这才是 Agentic AI 法律服务值得讨论的原因。AI 不再只是律师桌面上的内部效率工具，客户也不再只是把材料交出去、等待邮件和账单的人。法律事项被放入一个持续运行的空间，材料、任务、进度、判断、反馈和责任边界在其中被组织起来。这个变化比“AI 能不能写诉状”更深，也比“律师费会不会下降”更早触及法律服务的生产结构。
一、法律服务从来不是一问一答
很多法律 AI 产品天然会被设计成问答工具。用户问一个法律问题，AI 给一段分析；用户上传一份合同，AI 提供风险提示；用户要求起草一份文件，AI 生成初稿。这个路径很容易理解，因为法律知识看起来适合被问答化，法律人的工作也常常以解释和论证的形式呈现。
但真正复杂的法律服务并不是这样运行的。
一场商业诉讼，不会因为回答了“这个案子能不能赢”就结束。律师需要理解事实背景，梳理证据和时间线，判断法律关系，设计诉讼策略，准备诉状或答辩，处理证据开示，跟踪法院程序，应对对方策略变化，持续调整风险判断，并在关键节点与客户反复沟通。今天补充的一个事实，可能推翻昨天的判断；明天对方提交的一份材料，又可能改变后天的策略。
法律服务的复杂性，不在于单个答案有多长，而在于事项会持续推进。它需要长期上下文、多轮任务拆解、版本管理、反馈修正、人工复核和最终责任。普通聊天框可以回答问题，却很难稳定运行一个法律事项。它可以给出一份看起来完整的分析，但未必知道当前事项走到哪一步；可以生成一份文本，但未必清楚哪些事实已经确认、哪些材料仍然缺失、哪些判断只是暂时假设、哪些结论必须由律师复核。
因此，法律 AI 真正进入专业服务时，问题就会从“回答得好不好”转向“能不能进入事项”。这也是工作空间的重要性所在。AI 智能体要发挥作用，需要一个可以加载上下文、拆解任务、管理版本、吸收反馈、保留边界的运行环境。
二、法律事项正在获得项目运行环境
编程领域已经走过一段类似的路。
早期代码 AI 主要做代码补全，生成一个函数，或者根据提示写一段脚本。它有价值，但仍然围绕局部任务展开。真正改变编程工作方式的，是 AI 开始进入整个代码项目：读取代码仓库，理解项目结构，查看文件之间的依赖关系，提出修改计划，改动多个文件，运行测试，根据报错继续修复。
编程 AI 的跃迁，不在于它能不能写出一段漂亮代码，而在于它能不能进入项目环境。
法律 AI 也在走向类似的方向。早期法律 AI 回答法律问题、总结案例、起草条款、审查合同。下一阶段的法律 AI 会进入一个具体法律事项：读取材料，理解事实，拆分任务，生成待办，准备初稿，提示风险，跟踪进展，并在律师监督下持续迭代。
这里的类比需要稍微说清楚。法律事项像编程项目，不是说诉讼可以像代码一样自动测试，也不是说法律服务可以被完全自动化。真正相似的地方，是二者都需要进入一个长上下文、长链条、强约束、可持续修正的项目环境。一个复杂软件项目需要理解需求、拆解任务、读取既有代码、设计架构、处理依赖、维护版本、运行测试、修复错误，并让人确认产品目标是否被满足。一个复杂法律事项同样需要理解需求、拆解任务、读取既有材料、判断法律关系、维护文件版本、处理外部反馈，并让律师和客户确认法律目标与商业目标是否仍然一致。
从这个角度看，法律 AI 的下一步并不只是法律问答更准确，也不只是文书生成更流畅，而是法律事项开始有了类似“项目运行环境”的基础设施。工作空间使 AI 从单点输出进入持续协作。它不再只回答某个问题，而是在事项推进中承担结构化工作。
这解释了 FRB 案例真正值得看的地方。商业诉讼原本就是典型的长程法律任务。事实不断补充，程序持续推进，对方策略不断变化，法院节奏也不是律师完全可以控制。如果这种任务仍然被放在传统邮件、电话、文档和小时账单里，AI 只能成为律师后台的效率工具。客户最多感受到回复快了一些，账单结构却未必更容易理解，事项过程也未必更可见。
一旦诉讼进入一个工作空间，AI 就可能成为事项推进中的协作角色。它可以整理材料、梳理时间线、拆解问题、准备初稿、追踪状态、提醒待办。律师负责判断、策略和复核。客户则在同一个空间中看到案件状态、理解下一步动作、补充事实材料，并在关键节点参与决策。诉讼由此不再只是律师后台完成的一组劳动，而成为一个被组织起来的长程项目。

配图一：法律事项从一问一答走向长程任务
三、法律服务不能照搬编程自动化
但这个类比不能走得太远。法律事项可以像编程项目一样被组织，却不能简单套用编程自动化逻辑。这个差异恰恰决定了法律 AI 的门槛。
编程任务有较清晰的机器反馈。代码能不能运行，测试能不能通过，功能是否符合预期，很多环节可以通过系统反馈来验证。复杂软件项目当然也有模糊性，但“运行、报错、修复、再测试”的闭环相对明确。
法律服务的反馈机制要复杂得多。一个法律判断是否稳妥，取决于事实是否完整、证据是否充分、法律解释是否可靠、法院或监管机构如何理解、交易对方如何反应、客户的风险偏好是什么、商业目标是否变化。法律事项没有一个简单的“测试通过”。
诉讼策略不能由系统跑一下就知道对不对。合规判断、交易安排、争议解决也不能只靠模型输出一个“通过”或“不通过”。很多法律服务面对的并不是确定性计算，而是不确定性管理。它需要在事实、规则、策略、责任和客户选择之间持续校准。
所以，法律 AI 可以借鉴编程的长程任务组织方式，却不能复制编程的自动化想象。编程工作空间更强调代码、测试和部署；法律工作空间更强调事实、判断、协作和责任。AI 可以推进任务，律师必须保留判断，客户也必须参与事实确认和商业取舍。
这也是为什么法律服务中的工作空间不只是技术界面。它是责任结构。它决定哪些材料被加载，哪些事实被确认，哪些任务由 AI 处理，哪些输出需要律师复核，哪些结论可以对客户交付，哪些风险仍需保留。没有这个结构，AI 越强，风险越容易被隐藏在看似顺滑的文本输出里。
四、工作空间让法律服务被重新定价
FRB 这次发布容易被解读为收费模式创新，因为“终结 0.1 小时计费”本身足够有传播性。但这个表述真正刺痛传统律所的地方，并不只是客户不想看见 0.1 小时账单，而是 AI 进入后，律师时间与法律价值之间的关系开始松动。
如果原来客户按小时给律师付费，现在 AI 辅助后，律师投入的小时数减少了，是否意味着律师收入就会减少？在传统小时费逻辑下，这个问题几乎无法回避。同样的工作，律师花的时间少了，可计费小时自然减少。AI 越有效率，律师可出售的时间越少。对依赖小时费的律所而言，这不是技术问题，而是收入结构问题。
这也是为什么许多律所即使已经在内部使用 AI，也未必愿意把 AI 的使用过程完整呈现给客户。客户一旦知道某些工作原来需要十小时，现在 AI 辅助后只需要两小时，下一句话自然会变成：那我为什么还要付十小时的钱？
FRB 的启发在这里。它没有简单把 AI 节省出来的时间折算成更低的账单，而是试图换一个价值单位：客户购买的不是律师逐小时投入，而是一个由律师监督、AI 参与、客户可见的诉讼推进系统。
这个变化很关键。AI 压缩的是低层级处理时间，提升的是整个工作空间的运行效率。律师的价值则从亲自完成每一步，转向设计任务、处理例外、作出判断并承担责任。客户购买的也不再只是“律师时间乘以律师经验”，而是工作空间、AI 处理能力、律师判断能力、客户协作机制和持续推进结果的组合。
法律服务的定价基础由此发生变化：从律师个人时间，转向事项推进能力。
这比“律师费会不会下降”更重要。AI 当然会压缩一部分传统可计费劳动，但它也会迫使法律服务重新定义价值。律所如果仍然把价值完全绑定在时间上，AI 效率越高，收费解释越困难；律所如果能够把 AI、律师和客户组织成一个高效运行的事项系统，收入未必随着小时减少而减少，价值捕获方式却会发生改变。
未来律所之间的竞争，可能也会因此发生变化。客户未必只问“你们用了什么 AI”，而会问：AI 在事项中做了什么，律师如何复核，哪些过程对客户可见，哪些节点需要客户决策，费用对应的是时间消耗，还是事项推进能力。真正被产品化的，不只是某个 AI 工具，而是 AI 参与后，法律服务如何被组织、解释和负责。

配图二：价值单位从律师时间转向事项推进能力
五、律师的角色从执行者变成组织者
在这种结构里，律师不会消失，但律师的价值位置会发生变化。
传统法律服务中，律师价值常常通过亲自完成大量具体工作体现：阅读材料、总结事实、起草文件、检索案例、回复客户、安排时间、准备策略。AI 进入之后，其中一部分工作会被压缩，另一部分会被重新组织。继续用“我花了多少小时”解释全部价值，会越来越困难。
工作空间模式下，律师的价值会更集中地体现在组织能力上。
律师要设计任务。一个事项如何拆解，哪些步骤先做，哪些材料要补，哪些问题要优先判断，哪些节点需要客户决策，这些不是模型自动生成一个待办清单就能完成的。律师还要监督 AI，决定哪些任务可以交给 AI 先处理，哪些输出必须复核，哪些判断不能自动化，哪些材料不能进入某些系统。
更重要的是，律师要处理例外。法律服务最有价值的部分，往往不在标准动作，而在例外情况：事实冲突、证据不足、对方策略变化、监管口径模糊、客户目标调整。AI 可以把大量信息工作前置，但例外处理、策略取舍和责任承担，仍然是律师价值最集中的地方。
客户也会在这个过程中重新理解律师价值。客户会逐渐看到，律师并不是因为逐字阅读每一份材料才有价值，也不是因为亲自起草每一段文本才有价值。律师的价值在于判断哪些事实重要，哪些风险不可接受，哪些策略值得推进，哪些 AI 输出可以采用，哪些看似顺滑的答案其实不能对外使用。
这会改变律所内部的能力结构。过去，一个诉讼团队的基本分工，是低年级律师处理材料和初稿，中年级律师整合推进，高年级律师和合伙人负责策略、客户沟通和最终判断。AI 进入工作空间后，基础信息处理会被加速，但任务拆解、复核标准、证据判断、客户沟通和责任承担会更早变得重要。一个律师是否有价值，不只取决于他能不能完成某个动作，也取决于他能不能把这个动作放进一个可运行、可复核、可交付的事项流程里。
律师由此从后台执行者，转向法律事项工作空间的设计者、监督者和最终责任人。
六、客户也进入了事项运行过程
Agentic AI 法律服务改变的不只是律师和 AI，也改变客户的位置。
传统法律服务中，客户往往是需求提出者和结果接收者。客户提交材料，等待律师反馈；律师提出问题，客户补充事实；律师交付意见，客户决定是否采纳。这个模式下，客户很难真正看到法律服务如何发生，只能通过阶段性结果和账单感知进展。
工作空间会改变这种体验。客户可以持续看到当前阶段、待办任务、材料缺口、风险提示和下一步动作。客户可以知道哪些工作由 AI 初步处理，哪些判断由律师确认，哪些问题需要自己补充事实或作出商业取舍。客户不再只是等待结果，而是进入事项运行过程。
这会反过来改变客户对法律服务的期待。客户会越来越难接受一句“我们正在处理”，也会越来越关心事项到底卡在哪里，下一步是谁的任务，AI 已经做了什么，律师确认了什么，哪些问题仍然不确定，费用对应的是哪些推进能力。
工作空间的穿透性正在这里显现。它不是一个漂亮的客户门户，也不是单纯展示进度的仪表盘。它是客户、律师和 AI 重新分工的界面。一旦这个界面形成，客户对法律服务的理解就会改变。服务过程被打开，价值单位也随之改变。
七、FRB 的信号意义
FRB 不是全球顶级大所，它的模式也仍然处在早期试点阶段。公开信息有限，工作空间的具体功能、技术架构、客户体验和风险控制机制都还需要进一步观察。但正因为它不是超级大所，这个案例反而更有信号意义。
顶级大所可以把 AI 嵌入内部系统，用品牌、客户关系和复杂业务继续维持高溢价。中型律所的处境不同。它们没有顶级大所的品牌护城河，却更有动力通过 AI、透明协作和服务产品化重新定义客户体验。FRB 把 AI 工具栈、诉讼服务、客户协作和收费方式放在一起重组，本质上是在尝试回答一个更现实的问题：当客户已经知道 AI 可以参与法律工作，律所还能用什么方式证明自己的专业价值？
答案不会只是“我们也用了 AI”。这句话太薄了。真正有意义的回答，是律所能否把 AI 的处理能力、律师的判断能力和客户的参与需求组织成一个稳定运行的事项系统。
这也是 Agentic AI 法律服务区别于普通法律 AI 工具的地方。普通工具解决某个任务如何更快完成；Agentic AI 法律服务解决一个法律事项如何在人、AI、客户和材料之间持续推进。
八、真正被重估的，是法律服务的价值单位
FRB 的案例不应被简化成“美国中型律所推出诉讼订阅制”。更准确地说，它展示了一个早期信号：法律服务正在从问答式、后台式、小时费式的交付，走向基于工作空间的人机协作。
表层是订阅制，中层是 AI 参与的诉讼工作空间，底层是法律服务价值单位的变化。
过去，客户购买律师时间。未来，客户可能购买一个持续运行的法律事项工作空间。在这个工作空间里，AI 承担基础处理，律师承担判断和责任，客户参与事实确认和商业决策。法律服务的价值不再主要通过“律师花了多少小时”来解释，而是通过“事项如何被更好地组织、推进和交付”来体现。
这并不意味着小时费会立刻消失，也不意味着律师会被 AI 替代。更可能发生的是，客户越来越难接受完全黑箱的法律服务过程，也越来越难接受仅用时间本身解释专业价值。AI 越深入法律事项，客户越会追问：AI 做了什么，律师判断了什么，事项推进到了哪里，我还需要配合什么，费用对应的是时间，还是实际推进能力。
当法律事项开始像编程项目一样运行，法律 AI 的核心问题就会改变。它不再只是能不能回答得更好，而是能不能进入真实事项，与人一起持续推进。
法律 AI 的下一步，不是更聪明的聊天框，而是能跑起来的法律事项工作空间。
参考资料
〔1〕 Falcon Rappaport & Berkman LLP, Falcon Rappaport & Berkman Launches Litigation Subscription Model with Client AI Portal, Declares Death of the Point One, May 18, 2026, https://frblaw.com/falcon-rappaport-berkman-launches-litigation-subscription-model-with-client-ai-portal-declares-death-of-the-point-one/