AI 生成的 “完美判例”，为何被法院驳回？

2025年，北京市通州区人民法院审理了一起法律纠纷。

案件审理过程中，原告代理人提交了一份书面意见，并引用了两个与本案高度相似的参考案例。其中一个案例标注为上海市第一中级人民法院作出的“（2022）沪01民终12345号”案件。

从书面意见来看，这个案例拥有完整案号，也具备相对清晰的案件事实和裁判逻辑。法官进一步检索后发现，该案号对应的真实案件属于民间借贷纠纷，实际内容与代理人提交的材料完全不同。

在法官询问下，原告代理人承认，相关内容来自某AI大模型软件。代理人根据本案事实反复向AI提问，随后将生成内容整理进代理意见，并提交法院。法院最终未采纳相关案例内容，也在判决中对这一行为提出批评。公开报道将涉案工具表述为“某AI大模型软件”，具体产品名称尚未公开。

AI为什么会生成这样的法律内容

这个案例呈现出法律AI幻觉的典型特征。

AI接收到一段具体案情后，会根据已有语言规律生成与问题相匹配的内容。用户提供的事实越完整，AI越容易生成一份结构完整的法律意见。它会模仿裁判文书的表达方式，也会按照法律行业常见的格式组织案号、争议焦点和裁判理由。

生成过程追求内容上的连贯，法律工作要求依据上的真实。两者之间存在明显差异。

AI可能把多个案件中的事实和裁判观点重新组合，也可能将相近法律规则放在同一分析框架中。案号的格式看起来合理，案件内容却缺少真实来源。法条编号能够对应现行法律，具体适用条件却被理解成另一种含义。

当用户的问题本身带有前提时，AI还可能沿着这个前提继续生成答案。用户询问“某个最新案例如何认定”，AI可能直接围绕这个案例展开说明，使用者随后会误以为该案例确实存在。

法律场景对准确性有更高要求。法条需要回到原文核对，案例需要完成检索，结论需要对应案件事实。文字表达的完整性，无法替代来源核验。

法律工作需要一条完整的判断链

企业处理劳动争议时，法律问题通常与多份材料同时存在。

员工是否实际加班，需要结合考勤记录、工作安排和沟通内容判断。企业是否支付了加班工资，需要核对工资表、银行流水和薪资结构。解除劳动合同是否合法，还要查看规章制度、通知流程和相关证据。

这些材料彼此关联。任何一项事实发生变化，都可能影响法律适用和风险判断。

企业需要的法律AI，应当围绕案件材料建立分析过程。系统需要先识别事实，再匹配法律依据，随后结合裁判口径评估风险。每个结论都应当能够说明依据来源，也应当让使用者看见证据缺口。

当企业看到一个风险分数时，还需要理解分数背后的原因。系统应当提示哪些事实推动风险上升，哪些证据能够支持企业主张，后续处理需要优先完成哪些工作。

我们的问答式法律AI如何处理这一问题

我们的问答式法律AI，从案件材料进入系统开始建立分析流程。

企业上传仲裁申请书、劳动合同、工资记录和沟通材料后，系统自动识别文件内容，提取员工信息、争议类型、请求金额和关键事实。案件经过结构化整理后，系统围绕争议焦点匹配法律法规、裁判数据和企业知识库内容。

系统输出的结果会呈现法律依据与案件事实之间的关系。使用者可以查看相关规则，也可以继续核对对应来源。对于每项争议请求，系统还可以整理举证责任、证据状态和补证方向，帮助法务人员快速定位案件重点。

在策略层面，系统可以根据案件事实和证据情况，形成风险评估与处理建议。企业可以结合案件条件比较调解和应诉路径，进一步安排谈判准备或答辩工作。

进入文书阶段后，系统能够基于前面的分析结果生成答辩材料初稿。文书内容来自案件事实和分析过程，律师或法务人员可以继续审阅、修改和确认。

案件结案后，处理材料和结果还可以沉淀到企业数据库中。后续遇到相似争议时，企业可以调取历史案件，了解过去的处理方式，逐步形成稳定的法律管理能力。

准确性，需要成为法律AI的系统能力

通用AI能够快速生成一段法律回答。企业处理真实案件时，需要一套经过事实整理、来源核验和专业审阅的分析结果。

准确性来自系统设计，也来自使用流程。案件材料需要被正确识别，法律知识需要保持有效，裁判数据需要具备来源，分析结论需要能够解释。

这正是问答式法律AI的价值。

它让企业从一个具体问题出发，获得一条完整的判断路径。企业可以了解案件事实，核对法律依据，评估争议风险，再决定下一步处理方式。

AI幻觉提醒我们，法律智能化需要关注答案生成，也需要关注答案如何得到验证。对企业而言，真正有价值的法律AI，始终应当把准确性放在系统核心。