北京
如果AI搞错了一个法律条文，要赔钱的可能不是算法——是那个签下名字的律师。税务精算师、审计合伙人、跨国诉讼顾问，这群专业人士每天都在为每一个判断承担个人责任。对他们来说，用AI不是为了图快，是用命赌。偏偏这群人用量最大、容错最低的场景，成了信义级AI最好的试验场。
汤森路透把公司整座数据仓库搬到了Snowflake上，37000多张经过治理的数据表、350个数据库，构成了所有AI应用的地基。Snowflake开发者与AI体验副总裁Bala Kasiviswanathan说得直白：“AI工具只有跑在被治理过的数据平台上才是真的东西。汤森路透花了好几年时间把可信数据基础搭起来，就是靠这张底座，他们才能做出让人惊讶的事，而且用自己想搏的速度去创新。”
信义级AI不是市场部的口号，它在汤森路透被拆解成四个作业标准：权威内容、数据安全和安全上的真正投入、有专业领域专家负责校验输出结果、以及结果透明可追溯。这套标准最直观的产品就是法律AI助手CoCounsel。它的设计者之一、汤森路透法律创新负责人Laura Safdie不接受任何含糊其辞：“跟没接上法律数据的AI干活就是找死，没接上法律经验也一样。区别只有搞对和搞错的差距。我们只跟那些必须次次都对的专业人士站一边。”
CoCounsel从早期检索增强生成的思路，一路进化成完全代理型助手，且直接搭建在汤森路透权威数据之上。Safdie参与创建的这家公司，正是汤森路透2023年以6.5亿美元收购的Casetext。手握那一套被验证过的法律知识图谱，再叠加平台级的治理能力，现在他们能做的，不只是回答一个案例检索请求，而是像一名法务助理那样持续推演、追问，甚至主动标记结果中的不确定性来源。
身处被Snowflake堆叠起来的计算环境里，汤森路透数据与分析负责人Caitlin Halferty看到的是另一面：治理不但没有拖慢创新，反而让研发速度更快。因为底层数据图谱的可信度确定之后，团队不需要每次发布新功能前都回头去查数据质量，验证周期被大幅压缩。用她的话来说，“管制不是天花板，是弹簧的地板。” 这种体验，和许多企业一边喊要AI安全，一边为数据治理发愁的处境，完全两样。
反常识的地方就在这里：过去普遍认为强管制一定会卡死AI的实验和上线速度，严谨的合规流程只会让团队被流程淹死。但无论是Kasiviswanathan的陈述，还是汤森路透整个方案跑出来的结果，都在表明同一件事——当你面对的是可能带来职业责任风险的输出，AI越快未必越好，可信比快值钱得多。所以这批需要为自己的每一次签字承担法律责任的人，反而成了最早愿意为“受信义标准约束的机器智慧”买单的人。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
