律所案件管理如何接入 AI？先把人员、材料、期限和办案记录结构化

• 人员：客户、当事人、主办、协办、联系人及角色；AI 可辅助识别姓名、主体和联系方式；必须人工确认身份关系、利益冲突、授权范围
• 材料：文件类型、来源、版本、所属案件及目录；AI 可辅助 OCR 提取、摘要、问答、字段回填；必须人工确认原文内容、证据属性、正式版本
• 期限：日期、事项、来源、负责人、提醒状态；AI 可从文书中辅助提取时间信息；必须人工确认起算规则、截止时间、责任人
• 办案记录：时间、参与人、处理事项、结论、下一步动作；AI 可辅助整理纪要、提炼待办、辅助检索；必须人工确认事实判断、法律意见、诉讼策略

对律所案件管理而言，结构化不是为了增加录入工作，而是为了让一次录入能够继续服务于协作、提醒、审批、文书、财务和归档。案件云将案件、项目、客户、日程、文档、知识库和审批放在同一业务框架中，为后续 AI 应用提供稳定的关联基础。

人员结构化：AI 必须知道"谁和案件是什么关系"。同一个名字可能代表客户、对方当事人、证人、联系人或承办律师。如果系统只保存姓名，没有主体类型、案件角色和负责关系，AI 很容易在摘要、文书或问答中混淆身份。案件云可以围绕客户、案件和项目记录相关人员，并通过主办、协办、观察者等资源角色划分操作权限。人员结构化后，团队不仅能看清谁负责案件，也能控制不同成员可以查看和处理哪些资料。AI 可以辅助提取人员信息，但当事人身份、代理关系、利益冲突和授权范围仍需律师确认。

材料结构化：文件必须回到具体案件和正确版本。许多律所已经保存了大量电子文件，但文件名可能是"最新版""客户发来的""修改稿2"，无法判断来源、用途和版本关系。材料越多，后续搜索、引用和复核越困难。案件云支持在案件、项目和客户下建立独立文档空间，也支持目录管理、批量上传、在线编辑和知识库沉淀。AI 案件智能填充可以从上传的法律文书中识别关键信息，并辅助回填案件表单。材料识别以后，还要保留原始文件并由律师检查识别结果。AI 生成的摘要或字段不能代替原文。

期限结构化：日期不能只留在文书和个人记忆里。案件中常见的日期包括开庭、举证、上诉、保全续封、材料提交和内部办理时间。只有一个日期，没有事项类型、来源依据、负责人和提醒状态，仍然无法形成可靠的期限管理。案件云支持私人日程、团队日程和业务日程，并可将日程关联到案件、项目或客户。AI 可以辅助从材料中发现时间信息，但期限的法律性质、起算方式和最终截止日必须由律师确认。更稳妥的做法是：识别日期后，由承办律师核对，再建立关联案件的日程和待办，明确责任人及提醒方式。

办案记录结构化：让 AI 看见案件是如何推进的。如果办案过程主要存在于口头沟通和聊天记录中，后来接手的律师只能重新翻材料。案件云可以集中记录案件动态、办理记录、程序节点、文档和相关日程。每次记录至少应包括处理时间、参与人员、事项、阶段性结论、关联材料和下一步动作。结构化的办案记录可以帮助团队快速回看时间线，也能为智能问答、文书辅助和知识沉淀提供更完整的上下文。

案件云的系统 AI 能力覆盖五类高频任务：

• 上传材料后进行智能问答，辅助理解和整理信息
• 从法律文书中中提取案件信息，辅助建立案件
• 对合同文本进行智能审查，形成辅助意见
• 根据材料和任务辅助起草法律文书
• 从相关材料中提取内容，辅助生成要素式起诉状、答辩状或填写要素表格

这些能力的价值不止是生成结果。案件云还可以让结果继续关联案件文档、团队成员、日程、审批和归档，使 AI 输出回到正式工作流中。

通过案件云推进首轮试运行时，可以选择一类高频案件：

• 统一案件、人员和材料的基础字段
• 上传一组脱敏文书，测试案件信息提取与回填
• 将确认后的时间信息转为案件日程和待办
• 统一记录办案经过、阶段结论和下一步动作
• 测试文书辅助、人工修改、团队协作与最终归档

首轮不必迁移全部历史案件。先把一类案件的数据标准和处理流程跑通，再逐步扩展到更多业务，通常更容易形成稳定习惯。

三个常见误区：

• 先采购 AI，再整理案件数据：缺少统一字段、目录和责任关系，AI 很难获得稳定上下文。应先确定一类案件的数据标准，再测试具体能力。
• 把识别结果直接当成正式信息：当事人、案号、金额和期限都可能被识别错误。保存或使用前必须回到原始材料核对。
• 只测试生成，不测试后续流程：能够生成摘要或文书，不代表结果能被团队协作、审批、留存和归档。完整测试必须覆盖生成后的处理链。