515 亿美元，180 笔交易。这是国际律所 Cooley 在 2025 年交出的 IPO 成绩单。他们没靠堆人头，而是把 ChatGPT Work 塞进了自研产品 GO Public 里。当整个法律行业还在讨论 AI 会不会让律师失业时，这家头部机构已经用 Agent 框架重构了资本市场业务的底层逻辑。这不仅是效率的提升，更是知识工作形态的彻底翻转。
核心看点
- Cooley 基于 ChatGPT Work 构建 GO Public，将 IPO 准备时间大幅压缩。
- 核心不是替代律师，而是用 agentic harness 控制工作流，让 AI 做初筛，律师做高价值决策。
- 法律行业从“抗拒改变”转向“人机协同”，资本市场的 AI 渗透率正在加速。
▎从“找 precedent”到“以客户为起点”
传统做法是找可比公司的先例（precedent）然后改。GO Public 直接从客户自身信息出发，结合公开数据和精选先例，生成定制起点。AI 处理海量信息，律师专注判断。这种转变标志着知识工作流的倒置。以前是“人找知识”，现在是“知识找人”。对于产品经理来说，这意味着 AI 产品的核心壁垒不再是模型本身，而是“baked-in know-how”（内置的领域诀窍）。Cooley 把 20 多年的资本市场经验喂给了 OpenAI 的技术，这才是核心护城河。模型大家都能调，但把行业老炮的经验固化进 Agent 的工作流里，变成系统里默认的审查规则，才是别人抄不走的资产。这种将隐性知识显性化、代码化的能力，决定了 AI 工具在垂直行业的最终胜率。
▎AI 法律工具的边界与避坑指南
别以为买个 API 就能复刻 Cooley 的成功。原文提到他们构建了“agentic harness”（代理控制框架），明确规定了哪些步骤 Agent 可以自动执行，哪些必须由律师审查。如果你在自己的企业里盲目推行 AI 自动化，没有设置这种“硬隔离”和“人工校验节点”，大概率会产出充满幻觉的垃圾文件，甚至引发合规灾难。失败条件很明确：缺乏领域专家与 AI 工程师的深度结对，只让 IT 部门闭门造车。Cooley 的成功在于他们的法律工程师、创新顾问和执业律师是一起工作的，这种跨职能团队的磨合成本，往往被外界严重低估。具体来说，harness 会强制 Agent 在生成招股书章节时，必须引用内部知识库的具体条款，并高亮需要人工复核的风险点，这种细粒度的控制才是避免 AI 翻车的关键。
- 传统模式：依赖人工翻阅数千份文件，耗时数周，容易遗漏关键条款。
- GO Public 模式：Agent 自动梳理信息，律师只做 review 和 validate，准备周期大幅缩短。
- 人力分配：传统模式下律师 80% 时间在找资料，现在 80% 时间在做高价值判断。
▎企业级 AI 工作流的落地清单
想复用 Cooley 的逻辑，你需要一份可执行的排查清单。第一步，盘点你的核心业务流，找出那些“信息密集但规则相对固定”的环节，比如招股书初稿生成、合规文件比对。第二步，提取你们公司老专家的隐性知识，将其转化为结构化的 Prompt 或知识库。第三步，搭建类似 agentic harness 的控制台，强制要求 AI 输出必须附带信息来源，并设置人工复核的强制拦截点。第四步，先在一个边缘项目上跑通最小可行性产品，验证准确率后再向核心业务推广。不要指望一步到位，小步快跑才能控制风险。很多企业在第一步就卡住了，因为他们连自己的核心业务流都画不清楚，更别提把老专家的经验拆解成 AI 能懂的指令了。
▎把注意力抢回来，才是最大杠杆
Dave Peinsipp 强调这揭示了 AI 在企业级应用中的核心价值：把决策质量的上限彻底拔高。单纯降本只是顺带的结果。当 AI 把律师从繁琐的文档海里捞出来，他们才有精力去思考交易结构、挑战披露信息。对于创业者和管理层而言，IPO 准备期间高管的注意力是最稀缺的资源。AI 帮企业把高管的注意力抢回来，聚焦在业务和故事上，这才是 ChatGPT Work 带来的最大杠杆。未来资本市场的竞争，不仅是业务数据的竞争，更是“谁能更快用 AI 提纯决策质量”的竞争。那些还在观望的企业，可能会在下一个融资周期里发现，对手的决策速度已经让他们望尘莫及。把 AI 当作一个不知疲倦的初级分析师，让核心员工去做合伙人级别的判断，这才是组织进化的正确姿势。
点个赞再走？
你公司的核心业务流里，哪个环节最该先接入 AI Agent？说说你的踩坑经历。
往期推荐
- ·5大维度，GitHub Copilot 开始量化 Agent 调用
- ·Anthropic呼吁放缓，3万AI代理却在全天候跑研发
- ·英伟达 NVLink 进苹果，M8 Ultra 服务器放弃自研
点击公众号头像 → 历史消息，可翻阅以上文章
