律师用AI管理案源，先搞清楚自己的案件在哪里”漏”
很多律师事务所的案源管理，本质上还是靠人记。一个律师手里压着二十几个案件，微信消息、电话备忘录、飞书文档各存一块，案件到了关键节点，全靠自己脑子里那根弦绷着。律师用AI管案源这件事，不是因为AI多先进，而是这根弦确实绷不住了——不是偶尔绷不住，是每周都在绷。
真正的问题不是”忙”，是信息散。潜在客户在公众号留过言、在私信问过费用、在朋友圈互动过，但这些线索从来没有被结构化整理过。等三个月后当事人真的决定委托，律师已经不记得当初聊过什么了。这种漏单不是态度问题，是流程没有托底。
更直白地说：不是客户不信任你，是你没在他犹豫的那个窗口期出现。这个问题，靠招更多助理解决不了，只会让信息更分散——多一个人就多一块孤岛。流程要先有骨架，才谈得上执行。
案源自动分类：从”感觉有戏”到可以量化
案源分类这件事，大多数律所的做法是：按案件类型建文件夹，或者在Excel里手动打标签。这个方法不是不能用，是太依赖人的持续执行。一旦助理换人，或者律师自己在出庭周，分类就停了。停了之后也没人去补，积压下来就成了一堆没有结构的原始记录，等到要找什么的时候翻半天翻不出来。
用AI来做分类，逻辑是这样的：当一个潜在客户通过任何渠道发来咨询，AI根据关键词和表达方式初步判断案件类型——劳动纠纷、婚姻家事、商事合同、房产纠纷等，同时标记紧急程度。不是100%准确，但80%以上能落到正确分类，剩下的再人工调整。这样律师每天早上打开系统，看到的是已经分好类的案件列表，而不是一堆未读消息气泡堆在那里等他自己去捋。
更重要的是，分类之后可以跑数据。哪类案件咨询量高、哪类转化率低、哪个渠道来的客户质量更好——这些以前要靠经验猜，现在有记录可以回溯。一个三人所如果每月有四十条咨询，按照这个维度整理三个月，就能看出来哪个获客渠道的客户更容易成单，值得继续投入。这不是大律所才用得上的分析，规模小的所更需要把资源用在刀刃上，因为根本没有多余的精力去试错。
分类本身也可以做得更细。”婚姻家事”可以继续细分为离婚财产分割、子女抚养权争议、涉外婚姻等，不同细分类型的处理周期、收费结构、所需材料差异很大。AI的标签如果能做到二级分类，对后续的报价和预判都有帮助，而不只是停留在大方向上。这一步很多律所没做，不是不知道有用，是觉得麻烦——但这个麻烦只需要在最初搭框架的时候花一次时间，后面是自动跑的。
跟进提醒机制：不是催你，是帮你守住关键时间节点
很多律师对”自动提醒”有误解，以为就是定时发消息。真正有用的提醒，是基于案件状态的触发逻辑。比如：客户咨询后48小时内没有再联系，系统自动提示律师做一次跟进；案件签约后30天进入庭前准备阶段，相关文件清单自动生成；对方当事人有诉讼时效节点，提前15天推送提醒。这几个节点，任何一个靠人脑记都不稳定，靠系统触发才是常态。
这些不是新鲜事，CRM系统早就有这个功能。但AI的差别在于，它能处理非结构化的信息。客户发来一段话说”我们合同的付款期是明年三月底”，AI可以识别出这是一个时间节点并自动加入提醒日历，而不需要助理手动录入。这个细节很小，但每天省下来的时间是真实的，而且省的不只是时间——省的是人在高负荷状态下漏掉一件事的概率。
还有一种容易被忽视的提醒场景：客户沉默。一个潜在客户咨询之后进入了观望期，两周没有任何互动。这时候系统主动推一条”您上次咨询的劳动仲裁问题，这类案件一般需要提前准备的材料有……”——不是催单，是提供增量信息。这类触达的转化率，通常比什么都不做要高一截，因为它出现在客户刚好还没做决定、又在脑子里转这件事的窗口里。时机对了，信息就有价值；时机错了，再好的内容也是打扰。
取舍建议：如果所里只有三五个律师，不建议一上来就搭全套系统。先把跟进提醒这一块跑通，哪怕只是用AI帮你整理每天的待回复列表，先把漏单率降下来，再谈其他。全套上线看起来完整，但推进阻力大，容易半途而废。从一个点切入，跑出感觉，再往外扩。
律师知识库：不是为了替代思考，是为了不重复造轮子
律所的知识积累，大多是碎片化的。一个律师做过一个复杂的劳动仲裁，里面有很多处理技巧，但这些经验要么停留在他自己脑子里，要么写成了一份没人翻的总结文档，放在某个共享盘的某个角落，久了连本人都找不到。新来的助理或者年轻律师，还是要从头摸索。每次遇到类似案件，都得重新查判例、重新想策略，这部分时间是纯粹的重复消耗，而且这种消耗是隐性的，感受不到但实实在在在发生。
用AI建知识库，核心动作是三步：第一，把过往案件的材料、判决书、处理流程做结构化录入；第二，用AI对这些材料打标签、建索引，方便后续检索；第三，当新案件进来时，AI能自动匹配相似案例，给出参考思路。这不是让AI替你做判断，是让你在做判断之前先看一眼”我们所以前处理过类似的，最后怎么走的”。有时候这一眼能省掉两个小时，有时候能避开一个之前踩过的坑。
实际操作里，知识库还可以延伸出一个具体用途：客户接待话术沉淀。一个律师在初次咨询时，能把复杂的法律问题解释清楚，让当事人听懂，这本身是一项需要反复打磨的能力，不是人人天生会的。如果把表达效果好的接待记录整理进知识库，新律师在处理同类咨询时可以参考，这比统一培训更接地气——因为它是真实发生过的，不是理论上”应该怎么说”。
容易被忽略但很关键的一点：知识库的质量取决于录入的质量。很多所在建知识库的时候，把所有文档一股脑导进去，包括大量过时的模板、没有结论的草稿、重复的版本。这样建出来的库，检索结果噪音很大，律师用几次找不到想要的东西，就不再信任这个工具，之后彻底不用了。建库之前要先做一次”信息卫生”——把没有参考价值的材料清掉，比做完整录入更重要。这一步不用AI，人工判断反而更快更准，因为什么东西有没有价值，只有做过这些案件的律师自己清楚。
场景化细节：一个咨询客户是怎么”掉”的，又是怎么接住的
有一个具体的场景可以说明问题。一位律师在本地业主群里发了一条房产纠纷的科普内容，当天有三个人私信来咨询。律师当时在开庭，晚上回复了其中两个，第三个因为消息滑走了没看到。两周后那个没有回复的客户，去了另一家律所。
这不是个例，也不是律师态度不认真。出庭日、庭审准备期、连续开会的下午，都是信息最容易滑走的时段。偏偏这些时段，律师的主要精力全在案件上，没有多余的注意力去翻消息。这是结构性问题，不是个人问题。个人努力可以缓解，但缓解不了根本。
如果加了AI的接收层，这条流程可以改成这样：三条私信进来，AI自动识别咨询意图，生成摘要，标记为”待回复-房产纠纷-紧急度中”，推送到律师的待办清单。律师出庭回来，看到的是三条整理好的待处理事项，而不是淹没在几百条消息里的未读气泡，要自己一条条翻出来判断哪条重要。
操作建议就这一句：把AI的待办清单设置成每天固定时间推送，不要依赖律师自己去主动打开系统查看。人在高负荷状态下的主动行为是不稳定的——”等我忙完这件事再去看”，忙完就忘了。固定时间推送是被动接收，可靠得多。这个设置一分钟能改，但要真的改，不能停留在”知道”这一步。
这个改动很小，但它把”靠人记”变成了”靠系统托”。律师的精力还是花在判断和沟通上，AI负责的是不让信息从缝里漏掉。漏单率下降，不是因为律师变得更勤快，是因为流程变得更可靠。两件事的性质完全不同，可持续性也完全不同。
值得关注的几个运营数据指标
上了这套流程之后，有几个数字是值得定期看的，不用太复杂，不需要专门的BI工具，一张简单的表格就能追踪：
- 咨询响应时效：从客户发出咨询到律师第一次回复的平均时间。这个数字如果能从24小时压到4小时以内，转化率通常有明显变化。客户在咨询的当天，焦虑程度最高，决策意愿也最强，回复越早，信任建立越快。拖到第二天，那个窗口期基本就过了。
- 案件跟进断档率：有多少案件在某个阶段超过7天没有任何跟进记录。这个指标能暴露流程里的漏洞在哪个环节。如果断档集中在签约前阶段，说明报价之后缺乏后续动作；如果集中在开庭后，说明结案跟进太弱，口碑转介绍的机会也跟着漏掉了。问题不一样，解法也不一样。
- 知识库检索命中率：律师在处理案件时主动查询知识库的频率，以及查询后是否找到了有用的参考内容。如果命中率持续低，说明录入质量有问题，要回去清理数据，而不是继续往里塞更多文档——量越大，噪音越大，反而更难用。
- 渠道来源转化比：不同获客渠道带来的咨询量和最终成单量的比值。有些渠道咨询量大但成单率极低，说明引流内容和实际服务之间有认知落差，需要调整内容方向，而不是加大投放。投入和回报不成比例的渠道，越早识别出来越省钱。
这四个指标重要的是养成每两周看一次数据的习惯，让流程优化有据可依，而不是靠感觉判断”好像有改善”。数据不用多，选最能反映问题的几个，持续看比偶尔看全面更有价值。感觉有时候对，但感觉没法告诉你问题出在哪个具体环节。
最后说一点认知上的问题：很多律师在评估”要不要用AI管案源”时，衡量标准是”它准不准”。这个标准本身就偏了。AI在这个场景里的价值，不是替代人的判断，是把信息从散乱变成有序，把需要人主动记的事情变成系统自动托底。80%的分类准确率加上人工复核，比0%的系统分类加上靠人全记，要稳得多。接受”不完美但可运行”，才是这套东西能真正跑起来的前提。追求100%再动，往往是一直不动。
