小編精選 - 技術文章翻譯 · 10月24日

AI 讓我站上了三個舞台。我還是不喜歡公開演講。

用 AI 建置的一年，讓我站上了三個舞台。比起麥克風，我更喜歡那句訊息。

TL;DR： 2025 年 7 月，我開始用 AI 做專案，想看看它能把我帶多遠。結果它把我帶得比預期更遠：走上了阿爾伯克基、洛杉磯和河濱市的法庭會議講台，分享第一線同仁如何帶領小型 AI 試點。這篇是那場演講的文字版、我最想改的一件事，以及三個場域教會我關於做一件我不喜歡的事的體會。

我帶著排練了好幾週的簡報走進阿爾伯克基的會場，卻完全不知道它會不會得到任何共鳴。

那是 2026 年 2 月，我去那裡參加 NACM 2026 Midyear Conference，也就是全美法院管理協會的全國聚會。我也是現場唯一來自我法院的人。第三排沒有同事。活動結束後也沒人可以一起去喝咖啡，順便問一句：「我剛剛表現得還可以嗎？」

我有準備。只是我以前從沒做過這件事。這種組合帶來的風險感，和投影片本身毫無關係。如果表現不好，我得一個人把它帶回家。

那感覺很熟悉。我以前也有過一次。

再一次，獨自站在會場裡

2025 年 7 月，我報名了加州社區大學的 AI 夏令營。不是誰推薦我去的。我在約 1,300 名申請者中拿到 100 個名額之一，而且我是名單上唯一的法院從業人員。

我很擔心自己跟不上電腦科學系學生，所以在夏令營前一個週末，我做了一個陪審團聊天機器人，叫做 Your Honor, I Object，只是想看看自己能不能做出來。夏令營第一天的下午 4:59，我的導師要我做一個 PDF 擷取器，這是整個專案後面會用到的核心。那晚我開著 ChatGPT，身邊還有我的團隊。我們最後在 14 組中拿到第二名。

我開始用 AI，是想知道它究竟能把我帶多遠。後來我發現，演講只是換了一個舞台的同樣實驗。當 NACM 的演講機會出現時，我會答應，也是出於同樣的理由。因為我想知道。

第二次更難

五個月後，也就是 2026 年 7 月，我在洛杉磯的一個法院演講。我原本以為會比較容易。我已經做過一次了。我也熟悉那場講題。

但我緊張得多了。

部分原因是場地本身。洛杉磯高等法院是全美最大的審判法院，而他們很期待我的到來。主辦方這麼熱情當然很好，但也會把你對自己的標準拉高。

另一部分是我自己。從阿爾伯克基回來後，我對自己的期待不是降低，而是提高了。

還有一部分，是胸牌上的名字。當我上台時，我不只是代表自己。我所屬法院的聲譽也跟著我一起進場。聖塔芭芭拉是一個較小的法院，而當我站在最大的法院前面，帶著這個名字發言時，感覺比我一個人站起來還要沉重。

我沒想到第二次會比第一次更難。第一次的時候，我沒有任何東西需要達成。

兩個月，還在改

第三場演講是昨天，2026 年 10 月 16 日，在由河濱高等法院主辦的南區財務主管會議上。主題是「好奇心的貨幣」。

我有兩個月準備時間，但直到前一天我還在改投影片。

有一件事比我預期更有幫助。我請 Claude 把我的講者筆記轉成 MP3，然後在車上聽自己的演講內容。AI 幫我做出這場演講裡提到的試點，也幫我排練這場關於它們的演講。

進行得很順利。我講的笑話讓滿場財務主管都笑了，這點我就當作是一個勝利。

然後我走下台，等著成就感出現。結果來的卻是「終於結束了」的鬆一口氣。

那時我才明白。我為這場演講感到驕傲。我很喜歡它想傳達的訊息。但我不喜歡公開演講。

這場演講在說什麼

那些緊張感裡最奇怪的地方是：即使我不相信自己能把它講好，我仍然相信這份工作本身。我知道我做了什麼、哪些失敗了、以及我為什麼停手。那才是我想讓大家聽到的部分。

這場演講名為 Building Bridges，核心論點是：在適當條件下，第一線法院員工可以主導 AI 創新。這裡的「主導」指的是五個步驟：發起、申請核准、建置、產出成果、以及回報。

橋梁是從兩端同時搭起來的。我的這一端是好奇心；法院的那一端是界線，還有一位審查我提案並同意小型測試的主管。每個試點的起點都一樣：

先取得書面核准
只能使用公開、去辨識化，或虛構的範例資料
每個結果都有人審查
在開始前就先寫下停損點
兩個法院試點最後都停了下來，而這正是我最喜歡這個故事的地方。

Write of Access 測試的是：一段程式能不能讀取案件資料調閱表單上的手寫內容。我在開始前先把準確率門檻訂在 90%。結果大約只有 80%，所以我停下來看錯誤發生在哪裡。錯誤大多集中在核取方塊、簽名和日期，因為手寫內容和印刷表格重疊在一起。真正有用的答案不是更好的技術，而是一張少一些手寫欄位的表單。

Hung Jury 試著自動化我們提交給司法委員會的年度陪審團資料報告的一部分。我星期五下午開始，星期一早上就停了。三種方法都撞上同一堵牆：來源系統裡的資料太雜亂。現有的 Excel 工作簿仍然是最適合這項工作的工具。問題的解法是資料流程的溝通，不是寫程式。

我寧可在一個週末就發現死路，也不要拖到三個月後才發現。

在這些試點之後，我也持續在工作之外建置專案。Themis Lex 幫助法院同仁看清楚 AI 在他們的職務中能幫上什麼忙、又必須避開什麼。Verity Lex 則用來檢查加州法院的公開紀錄是否符合 AI 相關法院規則。這兩個專案都源自我自己工作中的疑問。

我會想改什麼

Building Bridges 故意做成非技術性的演講，而且我一開始就會這麼說。它談的是人、許可，以及小型測試，不是程式碼。所以當我描述那些試點時，我根本沒有把技術層面放在心上。

但在河濱市，我一直聽到的一個問題是：AI 到底有沒有用法院資料跑過我的試點？那時我才意識到，對法院聽眾來說，AI 介入的方式可能不是技術細節，而可能是第一個問題。這是我會補上的答案。

專案	內容	AI 如何介入
Your Honor, I Object	參加夏令營前的週末練習作品，從來不是法院試點。	一個 AI 聊天機器人。它使用加州公開法規回答陪審團相關問題。僅供展示。
Write of Access	法院試點	ChatGPT 幫我寫 Python。程式把去辨識化的範例表單送到 Amazon Textract。
Hung Jury	法院試點	ChatGPT 幫我寫 Python。沒有任何 AI 模型處理試點資料。

這張表呈現了 AI 的三種不同角色，我認為它們值得分開看：

生成式 AI 回答問題。 只有 Your Honor, I Object 是這樣。那是我在夏令營前測試自己，從頭到尾都沒有接觸任何法院系統。
AI 幫我寫程式。 兩個試點都用了 ChatGPT。它幫我寫 Python 指令碼，但不是它在執行。
機器學習讀取範例文件。 只有 Write of Access 有這麼做。我的程式把去辨識化的範例表單送到 Amazon Textract，這是 AWS 的機器學習服務，能從掃描文件中讀取印刷文字和手寫文字。Textract 不會生成對話式回答；它會從文件中擷取文字和結構化資訊，例如表單欄位。我把每一個結果都和一開始設定的門檻逐一比對。把這些去辨識化樣本送進 Textract，本來就是書面核准的試點內容之一。

我認為，這種區分對那些對法院中的 AI 感到不安的人最重要，而這正是這場演講的物件。下次，我會把它放到投影片上。