📑 目录

• 一、律师为什么总想让 AI 预测结果
• 二、现实中的翻车现场：人是怎么被预测带偏的
• 三、那 AI 的裁决预测：到底能用在什么地方
• 四、实操开始：如何正确用 AI 预测裁决
• 五、AI 预测最容易失真的 4 个地方
• 六、那我们到底该怎么用这个预测
• 最后一句

一、律师为什么总想让 AI“预测结果”

不是偷懒，是真的有现实需求。

劳动仲裁有三个特点：

• 结果高度依赖事实细节
• 自由裁量空间不小
• 当事人一定会问一句：胜算多大？

而很多时候，律师心里想的是：

“不是我不想说，
是这个问题本身就没法给确定答案。”

于是，AI 被拉上场。

二、现实中的翻车现场：人是怎么被“预测”带偏的

先说三个非常常见的误区：

⚠️ 误区 1：把 AI 的“可能支持”当成“高概率支持”

AI 很爱说：

“法院可能会支持……”

人一听，自动翻译成：

“那大概能赢吧。”

这是第一层误读。

⚠️ 误区 2：忽略裁决逻辑，只看结论

AI 给你一句“支持/不支持”，
但不告诉你——
它是先看什么，再放弃什么的。

这对实务来说，几乎没用。

⚠️ 误区 3：以为模型比仲裁员“更中立”

恰恰相反。
AI 最大的问题是：
它不知道你们当地仲裁员在意什么。

三、那 AI 的裁决预测，到底能用在什么地方？

用得好，它是放大镜；
用不好，它是安慰剂。

四、实操开始：如何正确“用 AI 预测裁决”

下面是可照搬的 3 步法。

🧭 Step 1｜不要问“会不会支持”，先问“怎么裁”

错误问法：

本案仲裁委是否会支持劳动者请求？

正确 Prompt：

请你以仲裁员审理劳动争议的视角，  
模拟裁决思路，而非直接给出结果：

会先审查哪些核心事实
哪些事实一旦证据不足，会直接影响裁决方向
哪些争议点属于自由裁量空间

上例子： 结果：

🧭 Step 2｜强制 AI 交代“不支持的理由”

这是预测里最有用的一步。

Prompt 示例：

在不新增事实的前提下，  
请从仲裁员角度，列出可能不支持该仲裁请求的主要理由，  
并按“影响裁决程度”从高到低排序。

🧭 Step 3｜反向使用：让 AI 预测“最坏情况”

这是一个非常律师向的用法。

Prompt 示例：

假设仲裁员对以下事实采信程度较低，  
请模拟在该前提下的裁决倾向，  
并说明理由。

五、AI 预测最容易失真的 4 个地方

如果你只记一段，记这一段就够了。

1. 对举证责任的理解过于理想化
2. 对“合理性”的判断偏书面，而非实务
3. 低估仲裁员对事实完整度的敏感度
4. 完全不知道地方差异

所以，AI 的预测永远不应单独使用。

六、那我们到底该怎么“用这个预测”？

一个可落地的用法是：

• 把 AI 预测当成：

  • 风险清单
  • 补证清单
  • 沟通当事人的辅助说明

而不是：

• 胜负判断书
• 决策依据

最后一句

AI 的裁决预测，最有价值的地方不在“准不准”，
而在于它让你提前看到一句话：

如果你什么都不补，
这个案子，可能就会这样结束。