判決書摘要為何比想像中困難
判決書不是能靠等比例壓縮處理的文件。一份五十頁的判決，真正決定結果的可能只有兩三段理由，其餘是兩造主張與不爭執事項的整理。按篇幅比例縮短的摘要，會忠實地把不需要的部分縮小，同時把最關鍵的推論一併壓平。
結構上的困難在於，法院不會用固定的方式標示哪一段重要。理由可能夾在主張的整理之中；核心的法律見解有時只出現一次，之後就直接適用而不再重述。判決書也大量引述當事人主張與下級審見解，模型若沒有追蹤「這句話是誰說的」，就會把敗訴一方的主張寫成法院的認定——這是這類工具最常見、也最傷的錯誤。
再者，訴訟律師要的其實很少是「這個案子發生什麼事」。比較接近的是：爭點在哪一個、法院採取什麼判準、哪些事實被認定為重要、以及這份判決對手上的案子有利還是不利。最後一項已經不是摘要，而是取決於讀的人正在辦什麼案子；沒有這個脈絡，任何摘要都答不出來。
現行模型做得好的部分
在上述限制之內，值得把可靠的能力講清楚，因為流程只能建立在這些之上。
結構性資訊的抽取相當穩定：當事人、審級與程序經過、法院與日期、主文、法院自行整理的爭點。把長篇判決轉成貼合原文結構的大綱也做得好——即使你打算全文細讀，有大綱也能更快找到位置。針對眼前這份文件回答具體問題（例如「關於時效，法院怎麼說」）同樣可靠，因為那是可驗證的檢索，而不是綜合判斷。
另一個做得好的是跨文件的繁瑣工作：一次讀四十篇判決，指出哪些提到某個條文、哪些結論相同、哪些在程序上可資區別。檢索之後的初步篩選才是真正花時間的地方，而且這一步容錯較高——判斷錯了，代價是多讀一篇，不是給錯意見。
比較不可靠的，是壓縮時的價值判斷：法院給了好幾個理由，哪一個才是支撐結論的那一個。這一段留給自己。
幻覺出現在哪裡，引註溯源如何降低風險
判決書工作中的幻覺，很少是憑空捏造。在檢索式的系統裡，模型手上有原文，失誤反而更細微、更難抓：張冠李戴、過度概括，以及看似合理的填補。
張冠李戴是把當事人主張、下級審認定或不同意見書寫成本案見解。過度概括是把法院在特定事實下的判斷寫成通則，把使它成為個案判決的限定條件拿掉。填補則是補上一個「看起來對」的段號、日期或案號。三者讀起來都很順，也都不會自己舉手。
引註溯源是結構上的解法。摘要中的每一個陳述都附回原文段落，查核就從重讀變成定點確認。先引原文再改寫、在檢索結果不足時直接說沒有依據的系統，能明顯壓縮這些錯誤存活的空間；標示信心程度的用意相同——告訴你該把注意力放在哪裡。
但溯源不等於解決。引註可以指向一個真實存在、卻不支持該句話的段落。它改變的是抓錯的成本：從重讀整份判決變成讀一段。這個差距，才是流程可行與否的關鍵。
不會把省下時間吃回去的查核流程
查核要划算，強度就得跟用途相稱，分層處理。
用於篩選時——決定六十筆結果裡先開哪幾筆——直接採用摘要，不必查核。判斷錯的代價是白讀一篇，而且立刻就會發現。用於自己理解案情時，抽查摘要當成法院見解的那幾句，以及任何陳述法律通則的句子，回原文讀那幾段；其餘可以不查，因為還沒有東西建立在上面。
只要會離開事務所——給客戶的法律意見、書狀、任何要送出去的文件——每一個引註、每一句引述都要自己對照原文。不是再跑一次 AI，是人去讀那份判決。這不是等技術成熟就會消失的限制，而是專業責任的所在，不會因為換了工具就轉移給廠商。
實務上的效果是，AI 把工作從流程中段挪到兩端：找資料與篩選變快，真正需要判斷的分析時間不會減少，而查核因為有溯源而範圍明確。真正會白忙的做法，是每一種用途都用最高強度查核——把只是用來篩選的摘要，當成要寫進書狀那樣逐字核對，省下的時間在查核階段就先花掉了。