对于律师、法官、税务师、审计师以及合规专业人员而言，工作容错率几乎为零。这些专业人士对客户、公众和司法系统承担着崇高的信义义务（Fiduciary Duty）与专业责任。他们的工作依赖于无可挑剔的精准度、严密的事实依据以及无懈可击的保密性。
随着生成式人工智能迅速渗透至专业服务领域，通用消费级 AI 与真正能够满足高风险专业工作场景的 AI 工具之间，差距已愈发明显。
专业人员需要的不仅是一个能够快速生成文本的聊天机器人，他们需要的是“受托责任级 AI”（Fiduciary-Grade AI）。
你所从事的工作关乎重大后果。法律裁决、财务申报、税务立场和审计发现，都承载着无法由算法分担的专业责任。随着 AI 进入这些工作流程，问题已不再是”是否要使用 AI”，而是：你正在评估的 AI，是否配得上你受托完成的工作。
“差不多正确”远远不够 —— 只有一种标准是为如此高的要求而构建的。本指南面向在这一环境中负责 AI 采购决策的领导者，包括总法律顾问、税务负责人、合伙人及管理合伙人、首席合规官，以及与他们协作的采购和技术负责人。本文将说明：
- AI 市场如何逐渐分化为四大类别，以及每一类实际适合什么工作；
- AI 系统必须满足四项原则，才可称为 Fiduciary-Grade AI™（受托责任级 AI）—— 这是汤森路透为高风险专业工作制定的标准；
- 如何在供应商评估、征求建议书（RFP）和合同谈判中，运用这些原则检验供应商；
- 如何构建一套经得起董事会、监管机构和客户审查的商业论证。
如果您已准备好以对待专业工作的同等标准来要求 AI，本指南就是为您而写。
第一部分：市场正在分化
不久之前，AI 的含义还是通用型助手——它可以帮助起草电子邮件、总结会议，或用自信的语气回答问题。这仍然是大多数通用 AI 擅长的领域，但这并不是受托责任工作所需要的能力。
目前，市场上已显现出四类 AI，它们分别为不同类型的工作而构建。
通用型 AI
这一类别指在开放互联网数据上训练的公开聊天助手。它们可用于探索、头脑风暴和个人任务，但其输出具有概率性，极少提供引文，也并非为在法庭、监管机构面前或向客户进行辩护而设计。
生产力副驾（Productivity Copilots）
这类 AI 包括嵌入办公软件中的功能，例如电子邮件、文档、演示文稿和电子表格。它们可在租户边界内利用你的自身内容，加速日常知识工作。但它们并非为解释权威资料、验证引文或为专业意见背书而设计。
专业封装型工具（Professional Wrappers）
这类工具是在通用模型之上构建的领域界面，通常通过从经过筛选的文档集中检索信息来增强能力，并且在某些专业任务上优于通用 AI。但当工作要求系统对数十年的权威资料进行推理、由专家验证，并形成可辩护的工作记录时，其局限性便会显现。
受托责任级 AI （Fiduciary-Grade AI）
要被视为这一类 AI，系统必须建立在权威、领域专属的内容基础上，而不是建立在从开放互联网抓取的信息之上。它必须在具备资质的领域专家实质性参与下构建，而不只是由专家事后审核。它必须将数据隐私和安全作为架构的结构性特征，而不是作为附加政策。它还必须有义务产出可由负责该工作的专业人士追溯、验证和辩护的结果。
这类 AI 是为 “差不多正确但仍然不够” 的工作而设定的标准。
| 维度 | 通用型 AI | 生产力副驾 | 专业封装型工具 | 受托责任级 AI |
|---|---|---|---|---|
| 示例 | 公开聊天助手 | 办公及电子邮件 AI 功能 | 基于通用模型构建的领域界面 | CoCounsel、Westlaw、ONESOURCE |
| 内容基础 | 公开网络 | 你自己的文档 | 部分领域内容，通常通过检索获得 | 专有、经筛选并由专家验证的内容 |
| 专业能力 | 通用训练 | 通用训练 | 一定程度的领域调优 | 由 2,600 多名领域专家塑造 |
| 输出类型 | 概率性输出、无引文 | 草稿和摘要 | 带检索引文的回答 | 可验证、可追溯、可辩护的工作成果 |
| 工作范围 | 单一任务 | 单一任务 | 单一产品内的多步骤工作 | 跨内容与工具的端到端工作流程 |
| 数据承诺 | 常会使用输入数据进行训练 | 受租户边界限制，具体因许可而异 | 因供应商而异，应查阅合同 | 客户数据不用于训练第三方模型 |
| 最适合的场景 | 探索、头脑风暴 | 个人生产力 | 中等风险的专业任务 | 高风险的受托责任工作 |
为什么需要受托责任级 AI（Fiduciary-Grade AI） 标准
数代以来，专业信任一直由标准、认证和受托责任来定义。当一个人拥有会计领域的 CPA 或法律领域的 JD 等资质时，我们不仅理解其能力，也理解约束其行为的义务。
如果我们期望 AI 承担专业人员相当一部分的工作时间，就必须采取同样的逻辑。正如我们会评估一个人是否胜任某项工作，我们也必须验证一个 AI 系统是否适合支持其所承担的工作。
这正是受托责任级 AI 的含义 —— 汤森路透针对高风险专业领域中 AI 应如何运作所制定的标准。它面向负有注意义务并受到监管监督的专业人员而设计：使用权威、领域专属的内容；受到严格的隐私与安全保障；在领域专家的参与下构建；并被设计为产生透明且可验证的输出。
责任始终由人承担
AI 可以协助完成工作，但不能承担后果。责任始终完全由人类承担。受托责任级 AI 的设计目标是支持人类判断，而不是取代人类判断 —— 它应产生能够在高风险专业环境中被审查、解释和辩护的结果。
第二部分：受托责任级 AI 的四项原则
受托责任级 AI 的定义，不仅取决于它能产出什么，也取决于它被允许访问、保留和依赖什么。这四项原则是汤森路透为专业领域建立的标准，也应是评估所有用于高风险工作的 AI —— 无论是我们的还是其他供应商的——所应遵循的标准。
每一项都是设计约束，而非营销宣言；每一项都可以检验；每一项都揭示了通用型 AI 无法满足专业工作要求的地方。
1）以权威资料为基础，并可获得恰当的上下文
受托责任级 AI 系统的实质性输出，必须源自权威、经过筛选且领域专属的内容，而非从开放互联网抓取的信息。每项重要输出都必须可追溯至具备资质的专业人士能够独立查找、引用、验证并信赖的来源。
但仅有权威资料还不够。AI 智能体还必须在完成专业工作所需的完整上下文中运行。只有当系统能够访问、理解并作用于完成工作所需的特定数据、知识、系统和工具时，它才能完成专业工作所要求的复杂、多步骤任务。
“ 错误和幻觉造成的后果过于严重，难以承受。它们会导致声誉受损、执业资格丧失、客户流失以及客户关系破裂。正因如此，受托责任级 AI 才显得至关重要。”
—— Steve Hasker，汤森路透总裁兼首席执行官
应关注什么：
- 由执业专业人士筛选和验证的内容基础，而非从开放网络拼凑而成的内容；
- 可直接链接至权威来源的引文，而非转述式引用；
- 能够跨越专业工作实际发生的系统和工具运行的平台，而不只是局限于一个应用程序内；
- 在上下文中完成研究、起草、分析和审查等端到端流程，而不是生成需要专业人士自行重新拼接的孤立成果。
“ 汤森路透正在打造 CoCounsel Legal，使其成为法律工作开展方式的核心受托责任级系统：与律师使用的工具相连接，并按其工作所要求的标准构建。”
——David Wong，汤森路透首席产品官
同样的标准也适用于税务和审计。一个企业税务团队若要计算涉及数十个司法辖区的税务准备金，需要的是能够基于最新、权威税法进行推理的 AI，而不是通用模型给出的近似判断。ONESOURCE 正是为这一要求而构建：以经过验证的税务权威资料为基础，连接实际发生这类工作的系统，并产出税务专业人士能够验证和签署认可、且可辩护的结果。
2）以不可妥协的数据隐私与安全为保护基础
在隐私至关重要的场景中，受托责任级 AI 系统必须从架构上为隐私提供保护。隐私和安全必须是架构的结构性特征 —— 而非政策附加项、可选配置，也不能在底层接入前沿模型后就被放松。
应关注什么：
- 供应商以书面形式承诺：你的数据不会被用于训练其模型或任何第三方模型；
- 供应商以书面形式承诺：你的数据不会在你自己的环境之外被共享；
- 即使供应商与其他方合作，其隐私与安全承诺依然有效 —— 针对供应商集成的任何前沿模型合作伙伴，均应获得书面确认；
- 企业级控制措施，例如加密、访问管理、审计日志、数据驻留与相关认证；
- 对于更换供应商后你的数据将如何处理，供应商能提供清晰回答。
3）由人类专业知识构建，而不只是接受人工监督
专业工作流程必须在相关领域、具备资质的专家实质性参与下进行设计、测试和持续优化。监督不等同于专业知识；系统经过专家审核，也不等同于系统由专家塑造。
当出现模糊性或风险时，系统必须能够识别自身局限，并引入专业人士，而不是生成一个夸大可靠性的输出。此外，客户应能获得实时人工支持 —— 因为在专业工作中，透明度和信任都依赖于此。
应关注什么：
- 有明确、规模可观的具备资质的领域专家团队，参与评估、内容筛选和工作流程设计，而不是只在事后审核输出；
- 系统能够呈现不确定性并引入人工判断，而不是生成无法支撑的、自信满满的答案；
- 可实时获得合格的人工支持，而不只是自助式文档；
- 基于真实世界的专业工作流程进行评估，而非仅依据合成基准测试。
“ 法律专业人士应当拥有值得托付最重要工作的 AI。在专业环境中，对 AI 的信任是系统本身的一种属性——它被构建进架构之中，并且可在每一步得到验证。”
—— Joel Hron，汤森路透首席技术官
4）为透明、可验证的推理而设计
受托责任级 AI 系统必须提供可供审查的记录，说明它做了什么、依赖了什么。该记录应足以让具备资质的专业人士，以及在适用情况下的监管机构、法院或审计人员，评估输出的依据，并判断其可靠性和可辩护性。
让规划、推理和执行过程中的每一步都清晰可见，还有另一层意义：它可以帮助年轻专业人士学习。一个能展示其工作过程的系统，也是一个能够教学的系统。
应关注什么：
- 对系统每一步操作、所查询的来源以及调用的工具，都提供可审查的记录；
- 推理建立在权威内容之上，而不是建立在未注明来源的网络数据之上；
- 引文系统应使审查者能够一步追溯每项主张的来源；
- 输出应适合人工审查，并被设计为可以检查、解释和辩护；
- 供应商愿意明确说明系统能做什么、不能做什么，以及在哪些环节必须保留人工参与。
决定性问题
随着 AI 更深入地进入受监管工作，决定性问题不再是系统能否生成答案，而是：对该答案承担责任的专业人士，能否验证它并为它背书。
为什么选择汤森路透
在汤森路透我们并不是出于一种愿景或抱负才提出这一标准。我们是基于 150 多年来建立内容、工具和专业知识的经验而形成这一标准 —— 这些正是专业人士在最具后果性的工作中所依赖的基础。
CoCounsel、ONESOURCE、Westlaw、Checkpoint、路透社新闻：它们并不是在通用模型之上叠加的 AI 实验，而是专业信任的基础设施。受托责任级 AI 则是我们确保 AI 能够赢得其在这套基础设施中一席之地的方式。
支撑这一标准的规模
受托责任级 AI 标准植根于我们为专业领域提供的规模化能力。2,600 多名具备资质的领域专家 —— 包括执业律师、注册会计师、审计师、税务专家和监管分析师——参与塑造支撑我们产品的内容筛选、工作流程设计和评估框架。
他们不是数据标注人员，也不是输出审核人员；他们是定义工作本身”正确应当是什么样”的专业人士。他们的专业能力由权威内容支撑：覆盖 150 多个司法辖区、数十年的判例法、税法和监管指引 —— 这些内容从设计上就不是任何通用模型所能获得的。
这不是营销主张。这正是我们能够构建以下 AI 的原因：以权威资料为基础、以结构性隐私保护为保障、由真正的领域专业知识塑造，并被设计为产生可验证的工作成果。本指南中的四项原则，都反映了我们多年来持续建设的能力。
第三部分：构建商业论证
AI 投资需要以和专业工作本身相同的基础来进行论证：严谨、具体且有证据支持。以下是我们对于如何构建这一论证的观点，源于我们对高风险 AI 标准的原则。最终采用的指标和权重，将取决于你的专业领域、工作流程和风险偏好。
价值的三个视角
1. 衡量完成的工作，而不只是加速的任务
受托责任级 AI 以权威资料为基础，并具备完成多步骤专业工作的上下文。你应关注的价值，是系统能够从头到尾完成多少专业工作流程，而不是它将某一项单独任务加快了多少。
2. 可验证、可辩护的输出
AI 必须提供透明、可验证的推理过程，足以让监管机构、法院或审计人员评估每项输出的依据。专业人士能够验证、解释和辩护的工作成果，本身就是一种价值——采购方可以通过审查负担、引文准确率和首次审查通过率来衡量这种价值。
3. 将能力释放给更需要判断的工作
当出现模糊性或风险时，系统应当引入具备资质的专业人士，而不是输出夸大可靠性的答案。当这条边界划分得当时，专业人员的时间就能回归到最需要人类判断的工作中。采购方应将此表述为时间配置的转移，而不是人员编制的削减。
风险的三个视角
1. 责任始终由人承担
即使 AI 承担了更多工作，它也不会承担任何责任——责任仍由专业人士承担。因此，采购决策也是在选择：专业人士愿意为哪一种 AI 的结果署名背书，又不愿为哪一种 AI 的结果署名背书。
2. “差不多正确”的成本
“差不多正确”并非假设性的风险。想象一份税务申报引用了一项六个月前已修订的法规；一条合同条款援引了错误司法辖区的判例法；或一项审计发现基于已经被替代的准则。
在所有这些情形下，为输出负责、承担后果的是专业人士，而不是 AI。正确答案所带来的收益，与错误答案造成的损失之间存在严重不对称——这是任何 AI 商业论证中最关键的因素。
3. 会累积的数据暴露风险
隐私和安全应是架构的结构性特征，而非政策附加项。这里需要权衡的风险是：一类承诺被写入合同，并且在合作关系中仍然有效；另一类承诺则可能在未来被重新配置。前者可以采购，后者不应采购。
值得定价的不对称性
在高风险专业工作中，一个出色答案的收益，是更快、更好的案件或项目结果；而一个错误答案的代价，则是专业人士必须为之负责的后果。这种不对称性——而不是许可证成本的比较——才是你的 AI 商业论证中最重要的输入因素。
第四部分：采购路径
不存在唯一正确的采购流程。以下路径是我们基于与已使用我们 AI 技术的专业服务机构和部门合作的经验所提出的建议。请将其视为一种观点，而非硬性规定：
- 从工作出发，而不是从工具出发。
识别那些出错后果最严重、且专业人员投入时间最集中的工作流程。以工作流程为锚点进行评估，通常比以产品功能为锚点更容易得出清晰的决策。 - 让 AI 类别与工作相匹配。
针对每一项工作流程，判断第一部分中的四类 AI 中哪一类适合其风险等级。有些工作适合生产力工具，而高风险专业任务则需要受托责任级 AI 系统。 - 运用四项原则。
在评估电话会议、RFP 和合同谈判中，使用第二部分的原则作为评估任何重点候选供应商的框架。具体的回答、书面承诺，以及供应商主动说明系统限制，都是积极信号。合适的供应商会欢迎严格审查；含糊的回答本身就是一种答案。 - 在真实工作中试点。
应以真实案件、事项或申报材料进行评估，并由资深专业人士审查。精心安排的演示不能替代真实试点。你在试点阶段采用的标准，应与未来在正式生产环境中执行的标准一致。 - 将承诺写入合同。
该标准对于权威内容、结构性隐私与安全、专家参与和可验证推理的要求，也应当体现在你的合同中。真正符合这一标准的供应商，会愿意把这些承诺写下来。
这正是汤森路透所遵循的标准，也是通过 CoCounsel 为法律、税务、审计和合规专业人士提供的标准。这是我们对自身的要求，也是我们认为这些专业领域应当用来要求任何 AI 的标准。
每位专业人士都知道哪些工作不能委托出去
受托责任级 AI，是我们为这样一类工作设定的标准：专业人士不会把这些工作委托给任何无法为其结果辩护的人或事物。
如果你正在为专业工作评估 AI，你的标准至少应与自己对工作的标准一样高。我们构建这一标准，就是为了达到这一要求。
汤森路透：变革者的选择。
及时获取行业专属的 AI 洞察，以及 CoCounsel 的最新动态。
立即与我们的专家联系，申请 CoCounsel Legal 演示。
