متخصص حقوقی هوش مصنوعی (Legal Engineer)
Legal Engineer (Legal AI)
متخصص حقوقی هوش مصنوعی، که در آگهی‌ها بیشتر با عنوان Legal Engineer دیده می‌شود، کار حقوقی واقعی را به workflow هوش مصنوعی تبدیل می‌کند: روند کار وکلا را می‌شناسد، برای بررسی قرارداد، پژوهش حقوقی و تنظیم سند پرامپت، playbook و ایجنت طراحی می‌کند، خروجی مدل را با معیار حقوقی می‌سنجد و به وکلا و مشتریان یاد می‌دهد این ابزارها را درست به کار ببرند. «تحلیل‌گر حقوقی هوش مصنوعی» (AI Legal Analyst) عنوان شغلی رایجی نیست: در بررسی ما در ۲۲ اکتبر ۲۰۲۶ فقط یک آگهی باز با عنوان نزدیک Legal AI Analyst پیدا شد (در Hogan Lovells)، در حالی که Harvey ۳۴ و Legora ۵۳ آگهی باز با عنوانی شامل Legal Engineer داشتند. با وجود کلمهٔ Engineer، این شغل برنامه‌نویسی نیست و بیشتر آگهی‌ها مدرک حقوق و سابقهٔ کار حقوقی می‌خواهند. مؤسسه‌های حقوقی همین کار را با عنوان‌هایی مثل Innovation Attorney یا Legal Engineering Attorney آگهی می‌کنند.
مقدمه و تعریف شغل
متخصص حقوقی هوش مصنوعی (Legal Engineer) میان وکلا و ابزارهای هوش مصنوعی کار می‌کند. کار حقوقی را از درون می‌شناسد و آن را به شکلی درمی‌آورد که یک سیستم AI بتواند با کیفیت قابل قبول انجامش دهد: مراحل یک بررسی قرارداد یا پژوهش حقوقی را از هم جدا می‌کند، برای هر مرحله پرامپت، playbook یا ایجنت می‌سازد، خروجی را مثل کار یک وکیل تازه‌کار بازبینی می‌کند و نتیجه را به وکلا و مشتریان آموزش می‌دهد. Harvey تیم Legal Engineering خود را متشکل از وکلای سابقاً شاغل توصیف می‌کند و Legora در آگهی نقش ارزیابی خود صریحاً نوشته برنامه‌نویسی در پروداکشن لازم نیست. بنابراین با وجود کلمهٔ Engineer، این شغل برای حقوق‌دان‌هاست، نه برنامه‌نویس‌ها. این نقش در دو جا دیده می‌شود: شرکت‌های سازندهٔ ابزار AI حقوقی (Harvey، Legora، Ontra) و تیم‌های نوآوری مؤسسه‌های حقوقی بزرگ (Latham & Watkins، Hogan Lovells).
ایدهٔ این نقش تازه نیست. Richard Susskind در کتاب Tomorrow's Lawyers «مهندس دانش حقوقی» (legal knowledge engineer) را نخستین مورد از هشت شغل تازه برای وکلا شمرد: کسی که حجم زیادی از مطالب و فرایندهای پیچیدهٔ حقوقی را در سیستم‌های کامپیوتری سازمان‌دهی و مدل می‌کند. مدل‌های زبانی این کار را عملی کردند. طبق ویکی‌پدیا، بنیان‌گذاران Harvey در ۲۰۲۲ پاسخ‌های مدل به ۱۰۰ پرسش حقوقی را به سه وکیل دادند تا بسنجند کدام را می‌شود بدون تغییر برای موکل فرستاد و ۸۶ پاسخ تأیید شد؛ همین قضاوت حقوقی روی خروجی مدل امروز هستهٔ این شغل است. Norm Ai می‌گوید خودش Legal Engineering را پایه گذاشته است: فرایندی که در آن وکلا ایجنت‌های AI حقوقی را با ابزارهای بدون کد می‌سازند و بر آن‌ها نظارت می‌کنند. Legal.io از سوابق آگهی‌های خود گزارش می‌دهد که عنوان legal engineer از نیمهٔ اول ۲۰۲۵ تا نیمهٔ اول ۲۰۲۶ بیش از ده برابر شده و شرکت‌های فناوری این نقش را legal engineer می‌نامند، در حالی که مؤسسه‌های حقوقی بیشتر از عنوان‌های practice innovation و مدیریت دانش استفاده می‌کنند.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک متخصص حقوقی هوش مصنوعی (Legal Engineer)
workflow و ایجنت برای یک کار حقوقی مشخص
گروه Custom Solutions در Harvey با گروه‌های حقوقی و مدیران ارشد مشتری می‌نشیند، روند فعلی یک فرایند را می‌فهمد و با پرامپت به زبان طبیعی ایجنت، playbook و ابزارهای سفارشی می‌سازد. Ontra همین را برای workflowهای بررسی، تنظیم و مذاکرهٔ قرارداد می‌خواهد.
playbook ساختاریافته از دانش وکلا
در Latham & Watkins، Legal Engineering Attorney playbook و چک‌لیست گروه‌های حقوقی، موضع‌های مذاکره و سبک نگارش مؤسسه را به پرامپت، schema، درخت تصمیم و مجموعهٔ قواعد تبدیل می‌کند تا سیستم AI بتواند بر اساس آن‌ها کار کند.
مجموعهٔ ارزیابی و benchmark حقوقی
Legora در آگهی Technical Legal Engineer - Evals ساخت مجموعه‌دادهٔ ارزیابی، پاسخ مرجع حقوقی و rubric امتیازدهی را می‌خواهد. Harvey هم از Applied Legal Researcher می‌خواهد benchmark و مجموعه‌دادهٔ اختصاصی بسازد و می‌نویسد این کار شامل نمره دادن به صدها پاسخ و تجزیهٔ هزاران سند است.
پایلوت، دمو و برنامهٔ آموزش
Legal Engineer پیش از فروش در Harvey پایلوت مشترک با مؤسسه‌های حقوقی اجرا می‌کند و ارزش ابزار را روی کار حقوقی واقعی نشان می‌دهد. Ontra هم وبینار، آموزش فردی و دورهٔ خودآموز دربارهٔ workflowهای قرارداد و کاربرد عملی AI می‌خواهد.
کتابخانهٔ دانش آماده برای AI
Knowledge Transformation Attorney در Latham کتابخانهٔ بند، playbook مذاکره، پایگاه شروط رایج بازار و الگوهای لایحه را طوری می‌سازد و نگه می‌دارد که سیستم‌های AI بتوانند آن‌ها را به‌عنوان context به کار ببرند.
تخصص‌های مختلف متخصص حقوقی هوش مصنوعی (Legal Engineer)
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
Legal Engineer پیش از فروش
Pre-Sales Legal Engineer
اجرای پایلوت، دمو و نشان دادن ارزش ابزار روی کار حقوقی واقعی، کنار مدیر فروش؛ نقش Legal Engineer (Pre-Sales) در Harvey. Legal Engineerهای Patlytics همین کار را برای وکلای ثبت اختراع و دعاوی IP انجام می‌دهند.
متخصص محصول پس از فروش
Product Specialist / Post-Sales
راه‌اندازی، آموزش و ساخت ایجنت با گروه‌های حقوقی مشتری پس از خرید و همراهی تا استفادهٔ کامل در کل مؤسسه؛ Legal Engineer, Product Specialist در Harvey و بیشتر آگهی‌های Legal Engineer در Legora.
طراحی راه‌حل و workflow سفارشی
Custom Solutions / Legal Workflow Design
ساخت ایجنت، playbook و ابزار بدون کد برای خودکار کردن یک فرایند مشخص؛ Legal Engineer, Custom Solutions در Harvey و Legal Engineering Attorney در Latham & Watkins.
ارزیابی AI حقوقی
Legal AI Evals
ساخت مجموعه‌دادهٔ ارزیابی، پاسخ مرجع و rubric امتیازدهی و تحلیل خطاهای حقوقی مدل؛ Technical Legal Engineer - Evals در Legora و Applied Legal Researcher در Harvey.
نوآوری و مدیریت دانش در مؤسسهٔ حقوقی
Law-Firm Innovation & Knowledge
کمک به وکلای خود مؤسسه در استفاده از AI و آماده کردن دانش مؤسسه برای AI؛ عنوان‌هایی مثل Innovation Attorney، AI Services Attorney و Knowledge Transformation Attorney در Latham & Watkins و Legal AI Analyst در Hogan Lovells.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
متخصص انطباق، سیستم‌های هوش مصنوعیِ خودِ سازمان را با قانون تطبیق می‌دهد: فهرست سیستم‌ها، طبقه‌بندی ریسک، کنترل و شاهد برای ممیز و ناظر. Legal Engineer برعکس، AI را برای انجام خودِ کار حقوقی به کار می‌گیرد: بررسی قرارداد، پژوهش و تنظیم سند. هر دو از دانش حقوقی شروع می‌کنند، اما موضوع کار یکی حاکمیت بر AI است و دیگری استفاده از AI در وکالت. محل کار هم فرق دارد: انطباق معمولاً در واحد حقوقی، انطباق یا ریسک یک بانک یا شرکت بزرگ است و Legal Engineer بیشتر در شرکت‌های AI حقوقی یا تیم نوآوری مؤسسه‌های حقوقی.
مشاور سیاست‌گذاری روی قانون و مقرراتِ در حال شکل‌گیری دربارهٔ هوش مصنوعی کار می‌کند: تحلیل پیش‌نویس‌ها، سنجیدن اثر مقررات و تدوین موضع برای دولت، نهاد یا شرکت. Legal Engineer با قانون موجود و کار روزمرهٔ وکلا سروکار دارد و خروجی کارش workflow، playbook و مجموعهٔ ارزیابی است، نه گزارش سیاستی. در هیچ‌یک از آگهی‌هایی که برای این صفحه بررسی کردیم کار سیاست‌گذاری خواسته نشده است.
مشاور AI به سازمان‌ها در هر صنعتی کمک می‌کند تصمیم بگیرند AI کجا و چطور در کارشان جا بیفتد. Legal Engineer همین کار را فقط در حوزهٔ حقوق انجام می‌دهد و تقریباً همیشه باید خودش وکیل بوده باشد: Harvey دست‌کم ۳ سال و Eudia دست‌کم ۴ سال وکالت می‌خواهند. فرق دیگر این است که Legal Engineer علاوه بر مشاوره، خودش workflow و ایجنت را داخل پلتفرم می‌سازد و کیفیت حقوقی خروجی را تضمین می‌کند.
هر دو در دمو، پایلوت و جلب اعتماد مشتری نقش دارند و Legal Engineer پیش از فروش در Harvey کنار مدیر فروش کار می‌کند و بخشی از درآمدش کمیسیون است. اما مهندس فروش فنی به پرسش‌های فنی جواب می‌دهد، مثل امنیت، یکپارچه‌سازی و امکان‌سنجی پیاده‌سازی، و Legal Engineer به پرسش‌های حقوقی: آیا این خروجی برای یک وکیل قابل اتکاست و ابزار در کدام مرحله از کار یک گروه حقوقی جا می‌افتد. Legora هر دو نقش را جداگانه، با عنوان‌های Solutions Engineer و Legal Engineer، استخدام می‌کند.
تأثیر در صنایع مختلف
متخصص حقوقی هوش مصنوعی (Legal Engineer) در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
مؤسسه‌های حقوقی بزرگ
Latham & Watkins هم‌زمان Legal Engineering Attorney، Innovation Attorney، AI Services Attorney و Knowledge Transformation Attorney استخدام می‌کند و Hogan Lovells برای گروه Structured Finance & Derivatives خود Legal AI Analyst می‌گیرد
شرکت‌های سازندهٔ AI حقوقی
در ۲۲ اکتبر ۲۰۲۶، ۳۴ آگهی باز Harvey و ۵۳ آگهی باز Legora عنوانی شامل Legal Engineer داشتند (هر شهر جداگانه شمرده شده)
واحدهای حقوقی شرکت‌ها (in-house)
Eudia برای تیم‌های حقوقی شرکت‌های Fortune 500 وکیل مستقر نزد مشتری (Forward Deployed Lawyer) استخدام می‌کند و Harvey و Legora آگهی‌های جداگانهٔ Legal Engineer برای مشتریان in-house دارند
صندوق‌ها و بازارهای خصوصی
Ontra، که به گفتهٔ خودش بیش از ۱٬۰۰۰ مدیر صندوق، بانک سرمایه‌گذاری و مؤسسهٔ حقوقی از آن استفاده می‌کنند، Legal Engineer را برای workflowهای بررسی و مذاکرهٔ قرارداد می‌خواهد؛ Legora هم Legal Engineer برای Asset Management و Private Equity استخدام می‌کند
مالکیت فکری و ثبت اختراع
Legal Engineerهای Patlytics وکلای باتجربهٔ IP هستند و آگهی Legal Engineer, Intellectual Property در Legora ثبت‌نام در USPTO و مدرک علوم یا مهندسی می‌خواهد
مالیات و حسابرسی
Legora آگهی‌های جداگانهٔ Legal Engineer برای Tax & Audit و Tax & Consulting در استکهلم، پاریس، مونیخ و چند شهر آمریکا دارد
دعاوی و پژوهش حقوقی
AI Services Attorney در Latham از ارتباط اولیه با موکل تا دادگاه و تجدیدنظر به گروه‌های پرونده کمک می‌کند؛ پژوهش Stanford نشان داد ابزارهای پژوهش حقوقی Lexis+ AI و Westlaw هنوز ۱۷ تا ۳۳ درصد مواقع اطلاعات ساختگی تولید می‌کنند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
Legal Engineer یعنی برنامه‌نویسی که در حوزهٔ حقوق کار می‌کند
در آگهی‌ها برعکس است. Harvey تیمش را از وکلای سابقاً شاغل می‌سازد، Legora در آگهی ارزیابی خود نوشته برنامه‌نویسی در پروداکشن لازم نیست و Ontra می‌گوید تجربهٔ کدنویسی الزامی نیست. مهندسان نرم‌افزار همین شرکت‌ها عنوان‌های عمومی مثل Software Engineer یا Applied AI Engineer دارند و در آگهی‌هایشان مدرک حقوق خواسته نشده است. البته برخی نقش‌ها مهارت فنی سبک می‌خواهند: Latham خواندن و نوشتن JSON و YAML را شرط گذاشته و Legora برای نقش Applied AI Knowledge آشنایی با کد یا اسکریپت را.
AI به‌زودی وکیل را بی‌نیاز می‌کند، پس دانش حقوقی دیگر ارزشی ندارد
این شغل دقیقاً به خاطر دانش حقوقی وجود دارد. در گزارش Vals، گروه کنترل وکلا در دو کار از هفت کار (پژوهش در EDGAR و redlining) از همهٔ ابزارهای AI بهتر بود و پژوهش Stanford دید ابزارهای پژوهش حقوقی بین ۱۷ تا ۳۳ درصد مواقع اطلاعات ساختگی می‌سازند. Legora از Legal Engineer می‌خواهد خروجی «واقعاً درست» را از خروجی «فقط روان» تشخیص دهد؛ این کار بدون تجربهٔ حقوقی ممکن نیست.
بدون چند سال وکالت هیچ راهی به این شغل نیست
بیشتر آگهی‌ها سابقه می‌خواهند، اما استثنا هم هست. Legora برای Legal Engineer Associate صفر تا دو سال تجربه (در حد کارآموز یا paralegal) با مدرک J.D. می‌پذیرد و Hogan Lovells برای Legal AI Analyst فارغ‌التحصیل تازهٔ کارشناسی می‌خواهد و نوشته لازم نیست برنامه‌نویس باشید. حقوق این دو نقش ورودی اما خیلی با هم فرق دارد: ۱۶۵ تا ۲۲۴ هزار دلار در Legora در برابر ۵۴ تا ۶۳ هزار دلار در Hogan Lovells.
این کار فقط پرامپت‌نویسی است
پرامپت بخش کوچکی از کار است. Latham از Legal Engineering Attorney می‌خواهد کار پیچیدهٔ دعاوی را به وظایف قابل اندازه‌گیری بشکند، جای بازبینی انسانی را تعیین کند و rubric ارزیابی با golden dataset بسازد. در Harvey بخش بزرگی از کار دمو، پایلوت و آموزش مشتری است و ممکن است ماهی دو تا سه بار یا بیشتر سفر لازم باشد.
فقط وکلای آمریکایی در این بازار شانس دارند
Ontra مدرک JD، LLM یا LLB می‌پذیرد و نوشته مدرک آمریکایی ترجیح دارد اما الزامی نیست. آگهی‌های Legal Engineer در Harvey و Legora در لندن، استکهلم، پاریس، مونیخ، سئول، توکیو، دبی، سیدنی، تورنتو و مکزیکوسیتی هم باز بود. شرایط هر آگهی را جداگانه بخوانید، چون حوزهٔ حقوقی و زبان مورد نیاز از شهری به شهر دیگر فرق می‌کند.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
در سطح ورودی، مثل Legal Engineer Associate در Legora یا Legal AI Analyst در Hogan Lovells، بیشتر وقت صرف آزمودن ابزارها روی کار حقوقی واقعی، ساختن و سنجیدن use case و کمک به پایلوت و آموزش می‌شود، زیر نظر Legal Engineerهای باتجربه‌تر یا وکلای گروه.
- ◆آزمودن یک قابلیت تازهٔ پلتفرم روی چند قرارداد نمونه و نوشتن نتیجه
- ◆مقایسهٔ خروجی AI با پاسخ مرجع و علامت زدن خطاها
- ◆آماده کردن نمونه‌ها و اسلایدهای یک جلسهٔ آموزشی
- ◆مستند کردن پرامپت‌ها و workflowهایی که خوب کار کرده‌اند
میانی (۲–۵ سال)
مسئول چند مشتری یا یک گروه حقوقی هستید: پایلوت را جلو می‌برید، workflow مخصوص کار آن‌ها می‌سازید، دمو و آموزش می‌دهید و بازخوردشان را به تیم محصول می‌رسانید.
- ◆جلسهٔ کشف نیاز با یک گروه حقوقی برای فهم مراحل یک کار تکراری
- ◆ساخت playbook یا ایجنت برای همان کار و آزمودنش روی اسناد نمونه
- ◆دموی زنده برای شرکای یک مؤسسهٔ حقوقی
- ◆نوشتن گزارش بازخورد مشتری برای مدیر محصول
ارشد (۵+ سال)
پیچیده‌ترین پروژه‌ها و مهم‌ترین مشتری‌ها با شماست و معمولاً یک تیم را هم هدایت می‌کنید. بخشی از کار تعیین استاندارد کیفیت برای کل تیم است؛ Legora برای نقش Applied AI Knowledge کسی را می‌خواهد که مهارت‌ها و workflowهای تیم را پیش از انتشار بررسی کند.
- ◆بازبینی workflowهای تیم پیش از انتشار برای مشتری
- ◆جلسه با مدیر حقوقی (general counsel) یک شرکت دربارهٔ برنامهٔ استفاده از AI
- ◆تعریف rubric و استاندارد کیفیت برای یک حوزهٔ حقوقی
- ◆استخدام، آموزش و ارزیابی Legal Engineerهای تازه
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈شناختن روند کار وکلا و تبدیل آن به workflow، playbook و ایجنت روی پلتفرم‌های AI حقوقی
- ◈طراحی و اصلاح پرامپت برای بررسی قرارداد، پژوهش حقوقی و تنظیم سند
- ◈بازبینی خروجی AI از نظر درستی، کامل بودن، استدلال و صلاحیت قضایی، مثل بازبینی کار یک وکیل تازه‌کار
- ◈ساخت مجموعهٔ ارزیابی، پاسخ مرجع و rubric امتیازدهی و دسته‌بندی خطاهای تکرارشونده
- ◈ساختاردهی دانش مؤسسه (playbook، الگوی قرارداد، کتابخانهٔ بند) برای استفاده در سیستم‌های AI
- ◈اجرای پایلوت، دمو و آموزش برای مؤسسه‌های حقوقی و واحدهای حقوقی شرکت‌ها
- ◈رساندن بازخورد وکلا به تیم محصول و مهندسی به زبانی که غیرحقوق‌دان‌ها بفهمند
- ◈مستند کردن best practice و ساختن playbook داخلی برای گسترش استفاده از AI
- ◈حفظ محرمانگی و اطلاعات privileged موکل در همهٔ مراحل کار با AI
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک متخصص حقوقی هوش مصنوعی (Legal Engineer) موفق به آن‌ها نیاز دارد
دانش و مهارت حقوقی
پایهٔ این شغل؛ Ontra دست‌کم ۱ سال، Harvey ۳ سال و Eudia ۴ سال وکالت یا کار حقوقی مرتبط می‌خواهند
Harvey شناخت عمیق روند کار، چالش‌ها و فشارهای مؤسسه‌های حقوقی را می‌خواهد، از جمله توازن ریسک حقوقی و اولویت‌های کسب‌وکار
Ontra تجربهٔ تنظیم، بررسی یا مذاکرهٔ NDA، قرارداد با تأمین‌کننده و قراردادهای تجاری را امتیاز می‌داند
برای تشخیص استناد ساختگی یا نقل نادرست؛ ابزارهای پژوهش حقوقی هنوز ۱۷ تا ۳۳ درصد مواقع خطای ساختگی دارند (Stanford)
Latham حفاظت از اطلاعات محرمانه و privileged را در وظایف هر چهار آگهی AI که از آن بررسی کردیم آورده است
آگهی‌ها گاهی حوزهٔ مشخص می‌خواهند: IP در Patlytics، مالیات و حسابرسی و صندوق‌ها در Legora، معاملات تجاری در Ontra
مهارت‌های AI و فنی
Ontra کار عملی با Claude، GPT، Harvey یا Legora را شرط گذاشته؛ لازم نیست همه را بلد باشید
Latham تسلط به نوشتن، ارزیابی و اصلاح پرامپت در workflowهای حقوقی پروداکشن را می‌خواهد
rubric، golden dataset، مقایسهٔ رودررو و دسته‌بندی خطا (Latham) و ساخت مجموعهٔ ارزیابی و پاسخ مرجع (Legora)
Harvey ایجنت و playbook را با پرامپت به زبان طبیعی می‌سازد؛ Ontra ساخت یک skill یا workflow قابل استفادهٔ دوباره را امتیاز می‌داند
JSON، JSON Schema، YAML و Markdown؛ شرط آگهی Legal Engineering Attorney در Latham
Knowledge Transformation Attorney در Latham آشنایی با RAG، جستجوی معنایی، گراف دانش و پایگاه دادهٔ برداری را می‌خواهد
Legora برای Applied AI Knowledge آشنایی با کد یا اسکریپت را می‌خواهد و Ontra ساخت ابزار کوچک با Codex یا Claude Code را امتیاز می‌داند
مهارت‌های نرم
Legora و Eudia هر دو توانایی ارتباط روشن با مخاطب حقوقی و فنی را صریحاً می‌خواهند
Harvey راحتی در اجرای دموی زنده، برگزاری کارگاه و گفت‌وگوی راهبردی با مشتری را می‌خواهد
Ontra تهیه و ارائهٔ وبینار، آموزش فردی و دورهٔ خودآموز را جزو وظایف آورده است
Harvey از Applied Legal Researcher می‌خواهد در موقعیت‌هایی که معیار موفقیت روشن نیست نتیجهٔ مطلوب را تعریف کند
Legora از Legal Engineer Associate مستند کردن best practice و کمک به playbook داخلی را می‌خواهد
Harvey حضور اجرایی و توانایی جلب اعتماد ذی‌نفعان حقوقی و کسب‌وکار در همهٔ سطوح را می‌خواهد
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به متخصص حقوقی هوش مصنوعی (Legal Engineer)
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
سواد هوش مصنوعی و محدودیت‌هایش در کار حقوقی
پیش از هر ابزاری باید بدانید مدل زبانی چطور کار می‌کند و کجا اشتباه می‌کند. پژوهش Stanford نشان داد حتی ابزارهای پژوهش حقوقی Lexis+ AI و Westlaw بین ۱۷ تا ۳۳ درصد مواقع اطلاعات ساختگی تولید می‌کنند، و در پروندهٔ Mata v. Avianca دادگاه وکلایی را که رویه‌های ساختگیِ ChatGPT را در لایحه آورده بودند ۵٬۰۰۰ دلار جریمه کرد. این مرحله برای این است که بدانید چه چیزی را باید راستی‌آزمایی کنید.
پرامپت‌نویسی و طراحی workflow برای کار حقوقی
پرامپت را روی کار حقوقی واقعی تمرین کنید: خلاصهٔ قرارداد، فهرست ریسک‌ها، پیش‌نویس نامه. بعد یاد بگیرید یک کار بزرگ را به مراحل کوچک بشکنید؛ Latham & Watkins از Legal Engineering Attorney دقیقاً همین را می‌خواهد: تقسیم کار پیچیدهٔ دعاوی به وظایف قابل اندازه‌گیری با ورودی، خروجی، نقطهٔ تصمیم و معیار کیفیت مشخص.
کار عملی با پلتفرم‌های AI حقوقی
آگهی Ontra کار عملی با ابزارهایی مثل Claude، GPT، Harvey یا Legora را شرط گذاشته و Hogan Lovells از تحلیل‌گر می‌خواهد Harvey، Legora، Claude Cowork و Microsoft Copilot را بیازماید. اگر به پلتفرم‌های تخصصی دسترسی ندارید، با ابزارهای عمومی و فقط روی اسناد عمومی یا ناشناس‌شده تمرین کنید و مستندات و دموهای پلتفرم‌های حقوقی را دنبال کنید.
ارزیابی خروجی و ساخت مجموعهٔ آزمون
این مهارتی است که شما را از یک کاربر خوب AI جدا می‌کند. Legora در آگهی Technical Legal Engineer - Evals ساخت مجموعه‌دادهٔ ارزیابی، پاسخ مرجع و rubric امتیازدهی را می‌خواهد و Harvey از Applied Legal Researcher ساخت benchmark اختصاصی. LegalBench و CUAD نمونه‌های عمومی خوبی‌اند که ببینید یک کار حقوقی چطور به ورودی و خروجی قابل سنجش تبدیل می‌شود.
ساختار دادن به دانش حقوقی و مهارت فنی سبک
نقش‌های ارشدتر کمی مهارت فنی هم می‌خواهند، بدون اینکه برنامه‌نویس شوید. Latham خواندن و نوشتن JSON، JSON Schema، YAML و Markdown را شرط گذاشته، Legora برای نقش Applied AI Knowledge آشنایی با کد یا اسکریپت (حتی خودآموز) را می‌خواهد و Ontra ساختن یک اپ کوچک با Codex یا Claude Code را امتیاز می‌داند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
پلتفرم‌های AI حقوقی
پلتفرم AI برای مؤسسه‌های حقوقی و واحدهای in-house؛ Legal Engineerهای Harvey روی همین پلتفرم برای مشتری ایجنت و playbook می‌سازند و Ontra و Hogan Lovells آن را در آگهی نام برده‌اند
پلتفرم AI برای بررسی قرارداد، پژوهش و تنظیم سند؛ در آگهی‌های Ontra و Hogan Lovells هم آمده است
دستیار AI حقوقی Thomson Reuters؛ در گزارش Vals در هر چهار کاری که ارزیابی شد امتیاز بالا گرفت
دستیارهای عمومی و قرارداد
دستیار عمومی Anthropic؛ Ontra کار عملی با Claude یا GPT را می‌خواهد و Hogan Lovells از Claude Cowork نام برده است
دستیار AI مایکروسافت برای سازمان‌ها؛ Hogan Lovells آزمودن Microsoft Copilot/Cowork را جزو وظایف تحلیل‌گر آورده است
ارزیابی و دادهٔ حقوقی
مجموعهٔ ۱۶۲ کار استدلال حقوقی که حقوق‌دان‌ها و پژوهشگران برای سنجیدن مدل‌های زبانی جمع کرده‌اند؛ الگوی خوبی برای طراحی آزمون خودتان
مجموعه‌دادهٔ بررسی قرارداد که The Atticus Project گردآوری کرده و متخصصان برچسب زده‌اند؛ برای تمرین استخراج بند و ارزیابی
ساختار داده و خودکارسازی سبک
تعریف قالب ساختاریافتهٔ خروجی؛ Latham تسلط به JSON و JSON Schema را برای Legal Engineering Attorney شرط گذاشته است
قالب ساده برای نوشتن playbook و دستورالعمل‌هایی که مدل می‌خواند؛ در فهرست Latham در کنار YAML آمده است
ابزار کدنویسی با AI؛ Ontra تجربهٔ ساخت اپ کوچک یا workflow با Codex یا Claude Code را امتیاز می‌داند و می‌گوید پروژهٔ شخصی هم پذیرفته است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
Legal AI Analyst / Legal Engineer Associate
۰ تا ۲ سال
آزمودن ابزارها روی کار واقعی، ساختن و سنجیدن use case، کمک به پایلوت و آموزش، مستند کردن best practice؛ مثل Legal Engineer Associate در Legora (با مدرک J.D.) یا Legal AI Analyst در Hogan Lovells (با کارشناسی)
Legal Engineer
۲ تا ۵ سال
مسئولیت پایلوت و رابطه با چند مشتری یا گروه حقوقی، طراحی workflow و ایجنت برای کار مشخص، دمو و آموزش و رساندن بازخورد مشتری به تیم محصول
Senior / Lead Legal Engineer
۵+ سال
رهبری پیچیده‌ترین پروژه‌های مشتری و مدیریت یک تیم Legal Engineer؛ Legora این نقش را «بازیکن-مربی» توصیف می‌کند. در مؤسسه‌های حقوقی معادلش Innovation Attorney یا AI Services Attorney با دست‌کم ۵ سال سابقه است
Head of Legal Engineering
پس از سطح ارشد
ساختن و اداره کردن کل این کارکرد در یک منطقه یا شرکت؛ Harvey برای Head of AMER Legal Engineering دست‌کم ۹ سال و برای Head of Legal Engineering, EMEA دست‌کم ۱۲ سال سابقه پس از گرفتن صلاحیت وکالت (PQE) می‌خواهد
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
خطای ساختگی و مسئولیت تأیید خروجی
عمومیپژوهش Stanford نشان داد ابزارهای پژوهش حقوقی LexisNexis و Thomson Reuters بین ۱۷ تا ۳۳ درصد مواقع اطلاعات ساختگی تولید می‌کنند و در پروندهٔ Mata v. Avianca دادگاه وکلا را به خاطر رویه‌های ساختگی ChatGPT جریمه کرد. وقتی شما workflow را تأیید می‌کنید، باید بدانید کجا خروجی را خط‌به‌خط با منبع بسنجید.
محرمانگی و اطلاعات privileged
شرکت بزرگمؤسسههای حقوقی با اطلاعات بسیار حساس کار می‌کنند. Latham حفاظت از اطلاعات محرمانه، privileged و مالی را در وظایف هر چهار آگهی AI که از آن بررسی کردیم آورده و از Innovation Attorney می‌خواهد کار AI مشتری با رعایت امنیت اطلاعات و الزامات مؤسسه و مشتری انجام شود.
معیار موفقیت مبهم
عمومیدر کار حقوقی همیشه یک پاسخ درست وجود ندارد. Harvey از Applied Legal Researcher می‌خواهد در موقعیت‌هایی که معیار موفقیت تعریف نشده نتیجهٔ مطلوب را خودش تعریف کند و Legora از Legal Engineer می‌خواهد خروجی واقعاً قوی را از خروجی فقط باورپذیر جدا کند.
فشار فروش و سفر
استارتاپدر شرکت‌های سازندهٔ ابزار، بخشی از این نقش به فروش گره خورده است. درآمد Legal Engineer در Harvey به شکل OTE با نسبت ۷۵ به ۲۵ (ثابت به کمیسیون) اعلام شده و آگهی می‌گوید ممکن است ماهی دو تا سه بار یا بیشتر سفر لازم باشد.
کار دقیق و تکراری
عمومیHarvey در آگهی Applied Legal Researcher صریح نوشته که برای اینکه مدل کار یک وکیل تازه‌کار را انجام دهد، باید کارهایی شبیه کار وکیل تازه‌کار کرد: نمره دادن به صدها پاسخ و تجزیهٔ هزاران سند. این بخش کار کم‌زرق‌وبرق اما ضروری است.
ورود بدون سابقهٔ وکالت دشوار است
عمومیبیشتر آگهی‌ها سابقه می‌خواهند: Ontra ۱ سال، Harvey ۳ سال، Eudia ۴ سال و Latham برای Innovation Attorney ۵ سال. راه‌های ورودی مثل Legal Engineer Associate در Legora یا Legal AI Analyst در Hogan Lovells کم‌شمارند و رقابت برایشان زیاد است.
حقوق و بازار کار جهانی
حقوق جهانی متخصص حقوقی هوش مصنوعی (Legal Engineer)
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Legora posting, Legal Engineer Associate (New York, 0–2 years, J.D. required), posted Feb 3, 2026: base range, plus equity and bonus; median = midpoint
- Hogan Lovells posting, Legal AI Analyst (6 US offices; recent graduates, bachelor's, no law degree; 1-year term), posted Oct 9, 2026: base ranges, Baltimore low to New York high; median = midpoint
- Ontra posting, Senior Legal Engineer (US / NYC area, 3+ years), posted Sep 28, 2026: base range, plus equity; median = midpoint
- Harvey posting, Legal Engineer (Law Firm, Corporate) (New York, 3+ years practice), posted Jun 17, 2026: OTE range, 75% base / 25% commission, plus equity; median = midpoint
- Glassdoor UK, 'Legal Engineer', estimate updated Oct 2026, base pay, 35 salaries: 25th–75th pct; median
- Legora posting, Legal Engineer, Law Firms (Paris, no years stated), posted Jun 9, 2026: posted salary range; median = midpoint
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: AI را وارد کار روزمره کنید
یک ابزار عمومی را هر روز برای کارهای غیرمحرمانه به کار ببرید: خلاصه، فهرست ریسک، پیش‌نویس. اصول پرامپت‌نویسی را هم‌زمان یاد بگیرید.
ماه ۲: محدودیت‌ها و خطاها
پژوهش Stanford دربارهٔ ابزارهای پژوهش حقوقی را بخوانید و روی ده پرسش از حوزهٔ خودتان استنادهای ابزار را بررسی کنید.
ماه ۴: ارزیابی
برای یک کار تکراری در حوزهٔ خودتان بیست نمونه با پاسخ مرجع بسازید و خروجی AI را با rubric بسنجید.
ماه ۵: playbook ساختاریافته
playbook یک نوع قرارداد را به Markdown و یک JSON Schema برای خروجی تبدیل کنید.
ماه ۶: پورتفولیو و درخواست
دو پروژه را با توضیح روش و نتیجهٔ ارزیابی مرتب کنید و برای نقش‌های Legal Engineer در شرکت‌های AI حقوقی یا تیم‌های نوآوری مؤسسه‌ها درخواست بدهید. در رزومه، سابقهٔ حقوقی و کار عملی با AI را کنار هم بگذارید.
پروژه‌های پیشنهادی برای رزومه
مقایسهٔ دو ابزار AI روی بررسی قرارداد محرمانگی (NDA)
مبتدیبیست NDA عمومی یا ناشناس‌شده جمع کنید، برای هر کدام فهرست مرجع ریسک‌ها را خودتان بنویسید و خروجی دو ابزار یا دو پرامپت را با یک rubric ساده امتیاز دهید. در یک صفحه بنویسید کدام خطاها جزئی بودند و کدام ریسک حقوقی واقعی. هرگز سند واقعی موکل را در ابزار عمومی نگذارید.
تبدیل یک playbook مذاکرهٔ قرارداد به دستورالعمل ساختاریافته
متوسطموضعها، موضع‌های جایگزین (fallback) و خط قرمزهای یک نوع قرارداد را بنویسید و آن را به پرامپت و یک JSON Schema برای خروجی تبدیل کنید؛ همان کاری که Latham از Legal Engineering Attorney می‌خواهد. خروجی را روی چند قرارداد بیازمایید و نسخهٔ نهایی را با توضیح تصمیم‌ها منتشر کنید.
آزمون راستی‌آزمایی استنادها در پژوهش حقوقی
متوسطسی پرسش حقوقی با پاسخ و منبع مرجع آماده کنید، پاسخ ابزار AI را بگیرید و بشمارید چند استناد وجود ندارد یا ادعای منبع را درست نقل نکرده است. روش پژوهش Stanford دربارهٔ ابزارهای پژوهش حقوقی الگوی خوبی برای این کار است.
جدول due diligence با استخراج بند از قراردادها
پیشرفتهبا قراردادهای CUAD یک workflow بسازید که بندهای مشخصی مثل تغییر کنترل، انتقال یا فسخ را استخراج کند و در جدول بگذارد. دقت را با برچسب‌های خود مجموعه‌داده بسنجید و حالت‌هایی را که مدل اشتباه کرده دسته‌بندی کنید.
بستهٔ آموزشی و دمو برای یک گروه حقوقی
متوسطبرای یک گروه حقوقی فرضی (مثلاً قراردادهای تجاری) سه use case انتخاب کنید، یک دموی ده‌دقیقه‌ای و یک راهنمای کوتاه بسازید و زمان و کیفیت کار را پیش و پس از استفاده از AI مقایسه کنید. Ontra و Harvey هر دو آموزش و دمو را بخشی اصلی از این نقش می‌دانند.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق ویکی‌پدیا، پیش از Harvey وکیل دعاوی اوراق بهادار و ضدانحصار در مؤسسهٔ حقوقی O'Melveny & Myers بود. هم‌خانه‌اش Gabriel Pereyra، پژوهشگر سابق Google DeepMind و Meta، مدل GPT-3 را به او نشان داد و Weinberg دید می‌شود با آن روند کار حقوقی را بهتر کرد.
در تابستان ۲۰۲۲ همراه Pereyra شرکت Harvey را بنیان گذاشت. اولین آزمایششان یک پرامپت دربارهٔ قانون اجارهٔ مسکن کالیفرنیا بود: مدل به ۱۰۰ پرسش حقوقی جواب داد و سه وکیل بررسی کردند کدام پاسخ را می‌شود بدون تغییر برای موکل فرستاد؛ ۸۶ پاسخ تأیید شد. به گفتهٔ خودش، بسیاری از اعضای تیم فروش Harvey وکلای سابق مؤسسه‌های بزرگ حقوقی‌اند.
اولین قدم Harvey یک ارزیابی ساده بود که وکلا انجامش دادند؛ همان کاری که امروز هستهٔ نقش Legal Engineer است. به نظر می‌رسد در این حوزه، توانایی سنجیدن دقیق خروجی مدل با معیار حرفه‌ای از ساختن خود مدل مهم‌تر است.
از دانشکدهٔ حقوق Stanford و دانشگاه کالیفرنیا در Berkeley فارغ‌التحصیل شد و عضو کانون وکلای نیویورک و کالیفرنیاست. پیش از فناوری حقوقی، در Kirkland & Ellis و Quinn Emanuel وکیل دعاوی ثبت اختراع برای شرکت‌های بزرگ فناوری بود.
به نوشتهٔ معرفی‌نامه‌اش در Silicon Flatirons، هم‌بنیان‌گذار و مدیر نوآوری Casetext است و ابزار تحلیل لایحهٔ این شرکت، CARA A.I.، از سوی مجمع جهانی اقتصاد، انجمن کتابخانه‌های حقوقی آمریکا و کانون وکلای آمریکا شناخته و تحسین شده است. او CodeX Fellow در مرکز انفورماتیک حقوقی Stanford است و روی اینکه وکلای دعاوی چطور به قانون دسترسی پیدا می‌کنند و آن را کنار هم می‌گذارند کار می‌کند.
او از مسئلهٔ روزمرهٔ یک وکیل دعاوی، یعنی پیدا کردن و کنار هم گذاشتن رویه‌ها، محصول ساخت. مسئله‌ای که در کار حقوقی هر روز با آن درگیرید می‌تواند نقطهٔ شروع شما در AI حقوقی باشد.
حقوق را در دانشگاه گلاسگو خواند (LL.B.، ۱۹۸۳) و در ۱۹۸۶ از کالج Balliol آکسفورد دکترای «کامپیوتر و حقوق» گرفت. طبق ویکی‌پدیا از اوایل دههٔ ۱۹۸۰ روی فناوری حقوقی کار کرده و مشاور فناوری اطلاعات Lord Chief Justice (رئیس دستگاه قضایی انگلستان و ولز) است.
کتاب‌هایی از Expert Systems in Law (۱۹۸۷) تا Tomorrow's Lawyers (۲۰۱۳) و How To Think About AI (۲۰۲۵) نوشته است. در ۲۰۰۰ نشان OBE را «برای سهمش در به‌کارگیری فناوری اطلاعات در حقوق و اجرای عدالت» گرفت و در ۲۰۲۵ به CBE ارتقا یافت.
او دهه‌ها پیش از مدل‌های زبانی روی سیستم‌های خبره در حقوق کار می‌کرد. هستهٔ کار، یعنی سازمان‌دهی دانش حقوقی برای ماشین، از ابزارهای هر دوره ماندگارتر بوده است؛ کسی که این مهارت را دارد با عوض شدن ابزار عقب نمی‌ماند.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Legal Engineer
تحلیل نیازمندی‌ها
Relevant Experience: 1+ years of directly relevant legal experience with a focus on transactional law. Experience drafting, reviewing, or negotiating NDAs, vendor contracts, and other commercial contracts is a plus. Experience in private practice and/or in-house in an investment bank or asset manager is a plus.
فقط یک سال تجربهٔ حقوقی مرتبط، که برای این حوزه کم است، اما در حقوق معاملات و قرارداد. اگر تا حالا NDA یا قرارداد تجاری تنظیم یا بررسی کرده‌اید، همین تجربه ارزش دارد.
ضروریEducational Background: Possession of a JD, LLM, or LLB, with US qualifications preferred but not mandatory.
مدرک حقوق لازم است، اما لازم نیست آمریکایی باشد. LLB همان مدرک کارشناسی حقوق در بسیاری از کشورهاست؛ یعنی حقوق‌دانی با مدرک خارج از آمریکا هم می‌تواند درخواست بدهد.
ضروریPractical AI Experience: Hands-on use of AI tools such as Claude, GPT, Harvey, or Legora in legal or professional work is required. Comfortable refining prompts, checking outputs for accuracy, and recognizing when human legal judgment is needed; experience with every named tool is not required.
مهم‌ترین شرط فنی: باید واقعاً با ابزارهای AI کار حقوقی کرده باشید و بدانید کجا خروجی را اصلاح کنید و کجا قضاوت وکیل لازم است. تسلط به همهٔ ابزارهای نام‌برده لازم نیست.
ضروریCommunication Skills: Strong verbal and written communication abilities; prior experience in a customer-facing role is advantageous.
بخشی از کار آموزش و جلسه با مشتری است؛ تجربهٔ کار مستقیم با موکل یا مشتری امتیاز دارد.
مهمOrganizational and Problem-Solving Skills: Demonstrated organizational excellence and high ownership, with a proactive approach to building systems, problem-solving, teamwork, and results orientation.
کارفرما کسی را می‌خواهد که خودش نظم و سیستم بسازد، نه فقط کار محول‌شده را انجام دهد.
مهمAI Workflow Building: Experience building a reusable AI skill or custom workflow, or experimenting with Codex or Claude Code to create a small app or more involved workflow is preferred. Exploratory or personal projects are welcome; coding experience is not required.
امتیاز، نه شرط. پروژهٔ شخصی هم پذیرفته است؛ یک workflow یا ابزار کوچک که خودتان ساخته‌اید می‌تواند همین بند را پوشش دهد، بدون اینکه برنامه‌نویس باشید.
مفیدNew York City Area: Must be willing to work 3 days per week (typically, Tuesday-Thursday) in office, building and iterating on workflows directly alongside our attorneys and engineers.
کار حضوری در نیویورک، کنار وکلا و مهندسان. این نقش دورکاری کامل نیست.
مهمتحلیل مسئولیت‌ها
Product Development Collaboration: Work closely with Product and service delivery teams to develop and refine contract review, drafting, and negotiation workflows, ensuring they align with client needs and industry standards.
شما صدای حقوقی تیم محصولید: workflowهای بررسی، تنظیم و مذاکرهٔ قرارداد را با آن‌ها طراحی می‌کنید و مطمئن می‌شوید با استاندارد بازار و نیاز مشتری می‌خواند.
Enablement Material Creation: Develop and deliver training materials such as webinars, 1:1 training, and self-directed courses to educate Ontra employees and legal network members on contract workflows and practical AI use.
آموزش بخش ثابت کار است: وبینار، آموزش فردی و دورهٔ خودآموز برای همکاران و شبکهٔ وکلای همکار شرکت.
Market Monitoring: Keep an eye on relevant markets, including legal AI, contract automation, and legal service delivery to inform workflow improvements.
باید تحولات AI حقوقی و خودکارسازی قرارداد را دنبال کنید و از آن برای بهتر کردن workflowها ایده بگیرید.
Efficiency Initiatives: Drive operational efficiency by piloting AI-first legal workflows, evaluating outputs against legal playbooks, and measuring quality and turnaround time. Experiment with prompts and prototypes, iterate quickly on feedback, and turn promising ideas into practical improvements.
هستهٔ نقش همین است: workflow را آزمایش کنید، خروجی را با playbook حقوقی بسنجید و کیفیت و زمان انجام کار را اندازه بگیرید. یعنی ارزیابی، نه فقط ساختن.
Stakeholder Consultation: Act as a technical subject matter expert by providing consulting support on AI-native services and Contract Automation projects, participating in meetings with product managers, development teams, and clients.
در جلسه‌های مدیر محصول، تیم توسعه و مشتری، شما متخصص حوزه‌اید و باید نیاز حقوقی را به زبان قابل فهم برای همه بیان کنید.
نتیجه‌گیری کلی
Ontra این نقش را «بخشی prompt engineer، بخشی طراح workflow حقوقی، بخشی مشاور محصول و بخشی سازنده» توصیف می‌کند. شرط ورودش نسبتاً پایین است: یک سال تجربهٔ حقوقی در قرارداد و معاملات، مدرک JD، LLM یا LLB (نه لزوماً آمریکایی) و کار عملی با ابزارهای AI؛ کدنویسی لازم نیست. بازهٔ حقوق اعلام‌شده ۱۷۰ تا ۲۳۸ هزار دلار در سال به‌علاوهٔ سهام است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
به گزارش Legal.io (ژوئیهٔ ۲۰۲۶) و بر پایهٔ سوابق آگهی‌های این سایت، عنوان legal engineer از نیمهٔ اول ۲۰۲۵ تا نیمهٔ اول ۲۰۲۶ بیش از ده برابر شد و سریع‌ترین رشد را میان عنوان‌های تازهٔ حقوقی-فناوری داشت. همان گزارش هشدار می‌دهد که پایهٔ این رشد کوچک است: کل نقش‌هایی که حقوق را با فناوری و محصول ترکیب می‌کنند حدود ۲٫۴٪ آگهی‌های ثبت‌شده در آن سایت است.
منبع: Legal.io, New-law job titles are outpacing the market (Jul 2026)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
در نظرسنجی Future of Professionals شرکت Thomson Reuters (۲۰۲۳)، ۶۶٪ پاسخ‌دهندگان پیش‌بینی کردند AI مسیرهای شغلی تازه‌ای در حرفه‌شان می‌سازد و ۶۸٪ انتظار داشتند ظرف پنج سال نقش‌هایی که به مدرک سنتی حقوق یا مالیات نیاز ندارند بیشتر شوند.
BLS آمریکا پیش‌بینی می‌کند اشتغال وکلا از ۲۰۲۵ تا ۲۰۳۵، ۵٪ رشد کند، سریع‌تر از میانگین همهٔ مشاغل. BLS گروه جداگانه‌ای برای Legal Engineer ندارد و این عدد فقط تصویر کلی بازار وکالت را نشان می‌دهد.
بازار این شغل هنوز کوچک و متمرکز است: در بررسی ما بیشتر آگهی‌های Legal Engineer مال دو شرکت، Harvey و Legora، بود؛ پس تقاضا تا حد زیادی به رشد چند شرکت AI حقوقی بستگی دارد. بخشی از نقش‌ها هم به فروش نزدیک‌اند و درآمدشان کمیسیون دارد. ریسک سوم مسئولیت کیفیت است: وقتی ابزارهای پژوهش حقوقی هنوز بخش قابل توجهی از مواقع اطلاعات ساختگی تولید می‌کنند، کسی که workflow را تأیید می‌کند باید بتواند از تصمیمش دفاع کند.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۲ منبع بررسی شده است.
- Legal Engineer — Ontra (job posting)
- Senior Legal Engineer — Ontra (job posting)
- Legal Engineer (Law Firm, Corporate) — Harvey (job posting)
- Applied Legal Researcher — Harvey (job posting)
- Legal Engineer Associate — Legora (job posting)
- Technical Legal Engineer - Evals — Legora (job posting)
- Legal Engineer - Applied AI Knowledge — Legora (job posting)
- Legal Engineer, Law Firms (Paris) — Legora (job posting)
- Legal Engineering Attorney — Latham & Watkins (job posting)
- Innovation Attorney – Client Team Enablement — Latham & Watkins (job posting)
- AI Services Attorney — Latham & Watkins (job posting)
- Knowledge Transformation Attorney — Latham & Watkins (job posting)
- Legal AI Analyst — Hogan Lovells (job posting)
- Forward Deployed Lawyer — Eudia (job posting)
- Legal Engineer — Patlytics (job posting)
- Harvey — open roles (Ashby job board)
- Legora — open roles (Ashby job board)
- Norm Ai — job posting with company description (Legal Engineering)
- Legal.io — New-law job titles are outpacing the market (Jul 2026)
- ITJobsWatch — Legal Technologist (UK)
- Glassdoor UK — Legal Engineer salaries
- Magesh et al. — Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools (arXiv)
- Vals AI — Vals Legal AI Report (Feb 2025)
- Mata v. Avianca, Inc. — Wikipedia
- Harvey (software) — Wikipedia
- Richard Susskind — Wikipedia
- Slaw — Tomorrow’s Job Market (Susskind’s new legal jobs)
- Silicon Flatirons — Pablo Arredondo
- Canadian Lawyer — Thomson Reuters Future of Professionals report (Aug 2023)
- BLS Occupational Outlook Handbook — Lawyers
- Berkeley Law Executive Education — GenAI for the Legal Profession
- LegalBench — benchmark of legal reasoning tasks