企业法务长期被视为最难被 AI 改造的职能之一：知识分散、判断依赖经验、错误成本高。AT&T 与 OpenAI 的合作，提供了一个观察这类场景如何起步的样本。
发生了什么
据 OpenAI 发布的信息，AT&T 正在与 OpenAI 合作，目标是让法律知识更容易被获取。具体落点在 AT&T 内部的 LegalEdge 团队：该团队正在重新思考法务需求的受理（intake）方式，并尝试把法律判断规模化。
OpenAI 的表述相对克制，没有披露模型选型、部署规模或效果指标。可以确认的是两点：一是合作方向聚焦「知识可获取性」，而非直接替代法律判断；二是改造对象包含流程本身——intake 是法务部门最典型的瓶颈环节，需求从业务方进入法务后如何分类、分流、补全信息，直接决定后续人力消耗。
为什么重要
法务是企业内 AI 落地难度最高的场景之一。原因不在于文本处理能力，而在于三点：法律知识高度依赖内部制度与历史先例；判断需要可追溯的依据；错误的责任归属清晰且昂贵。因此，多数企业的做法停留在文档检索或合同初稿生成，很少触及流程重构。
AT&T 的切入点值得注意：先改 intake，再谈判断。intake 环节的特点是高频、结构化程度低、重复劳动多，恰好是 AI 能稳定产生收益的地方——把需求描述规范化、把常见问题前置回答、把复杂问题准确路由给对的人。这一步做扎实，才谈得上「scaling legal judgment」。
另一个背景是，企业法务的 AI 采购正在从「工具试用」转向「与模型厂商直接共建」。OpenAI 这类厂商发布企业客户案例，本身也是在向其他大型组织释放信号：法务是可以被拆解成流程问题来做的。
影响与看点
对企业法务负责人而言，这个案例的参考价值在于顺序：先做知识可获取，再做流程受理，最后才是判断辅助。跳过前两步直接上「AI 法律顾问」，通常会在准确性和责任边界上卡住。
对开发者与企业 IT 来说，值得关注的是这类项目对检索、权限与审计的要求。法务知识天然分层——不同角色能看到的制度、判例、合同模板不同，AI 系统必须继承这套权限体系，否则无法进入生产。
需要冷静看待的是，目前公开信息没有效果数据，也没有说明人机分工的具体边界。企业法务 AI 的真实进展，往往体现在「多少需求不再需要律师介入」这类内部指标上，而这恰恰是厂商案例中最不常披露的部分。一个独立判断：法务 AI 的竞争点不在模型能力，而在谁能把企业内部的知识治理和流程改造做完。
