AI 帮人自己打官司后，美国联邦法院的队可能更长了

美国联邦法院里，一个长期稳定的数字变了。

一篇尚未同行评审的研究称，非囚犯民事案件中，当事人不请律师、自己打官司的比例，多年来大约在 11% 附近。到 2025 年，这个比例升到了 16.8%。

这事有意思的地方不在于“AI 会写诉状”。会写，只是入口。真正麻烦的是，法院不是搜索引擎，也不是客服系统。一个案子进来，就要有人看、有人排、有人裁。

我更在意的是这个冲突：AI 可能让更多普通人够到法院门槛，但法院处理请求的核心资源，仍然是法官、书记员和程序时间。

AI 降低了自诉门槛，增长主要来自原告

这篇论文题为《Access to Justice in the Age of AI》，作者使用了 2005 年至 2026 年超过 450 万起美国联邦法院非囚犯民事案件，以及 4600 万条 PACER 案卷记录。

PACER 是美国联邦法院电子案卷查询系统。法律研究者常用它追踪案件文件、动议和程序进展。

研究看到的变化很直接：自行诉讼占比长期约 11%，2025 年升至 16.8%。论文还把变化拆到原告和被告两端，结果更有指向性。

这个结构很关键。

如果增长主要来自原告端，AI 的作用就更像是帮潜在索赔者把第一份文件送进法院。它不只是帮已经被起诉的人写答辩。

过去自己起诉的门槛并不低。普通人要判断管辖权，要写事实陈述，要知道什么请求可能被驳回，还要跟上程序要求。生成式 AI 出来后，至少在文本层面，它能把这些工作包装成一份“看起来像法律文件”的材料。

但这里不能把相关性写成因果关系。

论文是预印本，尚未同行评审。它也不能证明 GPT-4 发布后，某一个具体案件就是由 AI 推动产生的。更稳妥的说法是：时间序列和案件结构显示，生成式 AI 普及后，自行诉讼的入口压力明显上升。

案子不只是变多，每个案子也更重

法院拥堵不是“收件箱满了”这么简单。

一个民事案件进入系统后，可能带来送达、排期、动议、补充文件、证据程序和裁判文书。即便案子最后被驳回，中间也要消耗人工判断。

研究称，自行诉讼案件的案内活动量较 AI 普及前上升 158%。这比占比上升更值得警惕。

因为法院怕的不是多几份文本，而是多出一批必须处理、必须回应、还可能反复补正的请求。

论文还用 Pangram 这类 AI 检测工具，抽样分析了 2019 年至 2026 年的 1600 份起诉状。结果显示，带有 AI 文本迹象的比例从接近零升至 2026 年的 18% 以上。

这个数据只能当旁证，不能当铁证。

AI 检测工具本身会误判。法律文书又天然格式化，套语多、句式稳定，更容易让检测结果变得不干净。把“检测像 AI”直接等同于“AI 写的”，风险很高。

所以，这项研究目前最有价值的地方，不是宣布“AI 已经堵住法院”。它更像把一个新变量放上桌面：当写诉状、写动议、写程序文件的成本下降，法院面对的不是更多网页点击，而是更多法律请求。

请求一旦进入法院，就不能像垃圾邮件一样批量删除。

司法入口变宽，谁要调整动作

这件事不能只从法院负担看。

对请不起律师、但确有劳动、消费、住房或民权纠纷的人来说，AI 可能是真正的入口工具。它能帮人组织事实、生成初稿、理解表格要求。很多人以前不是不想维权，而是第一步就走不进去。

但入口变宽，不代表结果一定更好。

如果 AI 编造判例、误解管辖权、生成重复动议，纠错成本会转给法院。律师使用 AI 幻觉引用已经出现过被处罚的案例。自行诉讼当事人更缺少专业校验，风险只会更难控。

对关注 AI 与法律交叉影响的读者，我会看两个指标，而不是只看“AI 写了多少诉状”：自行诉讼案件的驳回率、和解率、胜诉率有没有变化；法院处理这些案件的周期有没有拉长。入口数量只能说明门开了，结果质量才说明路通不通。

对司法系统和法律科技从业者，动作要更具体。

如果你在做面向自诉人的 AI 法律工具，不该只优化“生成一份诉状”。更该加上引用校验、管辖权提示、风险提示、重复动议拦截，以及清楚的“这不是律师意见”边界。

如果你在法院或相关机构评估 AI 工具，采购重点也不该只放在写作效率。更该看三件事：能不能安全做格式审查，能不能辅助分流模板化事务，能不能留下 AI 辅助使用记录，方便法官判断材料来源和可靠性。

这才是现实约束。

美国联邦法院不能像平台审核那样扩容，也很难短期买来更多法官产能。司法系统的瓶颈不只是文本生产，而是判断力。AI 把前端生产力放大后，后端判断力如果没有跟上，排队就会变长。

接下来最该观察的不是一句空泛的“AI 会不会改变法律”。变量已经很清楚：法院是否要求披露 AI 辅助使用；法官和书记员能否安全使用 AI 处理模板化事务；自行诉讼案件的结果质量是否改善。

如果这些指标没有改善，AI 扩大的可能只是程序流量。门更宽了，但队伍更慢。