DWF 用 Copilot 把新服务方案准备从 7 天缩短到 7 小时

旧流程卡在信息搜集与文档组织

DWF 是一家英国法律与专业服务机构，也是首家在伦敦主板上市的律所。业务开发团队在引入 Microsoft 365 Copilot 之前，从发现一个潜在商业机会到形成完整的服务主张需要 7 天。这 7 天由多个环节串联而成：机会研究、内部简报、客户沟通材料起草和打磨。按照 DWF 首席财务官 Chris Stefani 的说法，他们相信知识工作将被 AI 大规模颠覆，希望在这场变化中处于前列。

传统流程中大量时间花在信息搜集和文档组织上，而不是花在需要专业判断的环节。对法律和咨询机构来说，快速响应机会是竞争力的一部分，但这种响应速度长期受制于材料准备周期。DWF 选择与 Microsoft 合作，在 2024 年初向全球所有员工部署 Microsoft 365 Copilot，没有按层级或职能分阶段推进，而是直接全员上线。

AI 介入机会研究、简报和初稿生成

DWF 的做法是把 Copilot 嵌入业务开发流程的前期阶段。在机会研究环节，Copilot 协助搜集和综合信息，并对机会参数进行结构化整理；在内部简报环节，Copilot 生成初稿供专业人员审阅和补充；在客户材料环节，Copilot 生成沟通初稿和演示文稿框架，专业人员在此基础上加入法律判断和行业知识。

区域管理合伙人 Hilary Ross 在官方披露中给出了一个具体例子：一项原本需要 7 天完成的新服务主张工作，在使用 Copilot 之后缩短到 7 小时。另一位合伙人 Simon Murray 披露的单次任务数据是：研究加演示材料制作从 2 天压缩到 1.5 小时。

节省出来的时间被用于主题研究和客户问答准备。这个分工有一个明确的前提：所有对外内容由专业人员负责审核，AI 生成的内容不直接发出。官方披露未说明 Copilot 在 Word、PowerPoint、Outlook 等 M365 应用间的数据流动路径，也未披露当 Copilot 生成错误事实或合规偏差时的具体纠错与回退机制。

两个数字的统计口径

7 天到 7 小时、2 天到 1.5 小时，这两个数字来自案例披露的具体任务实例。官方披露未说明这两个任务的复杂度、涉及的材料类型、客户要求或团队规模，也未披露 DWF 完成了多少次类似任务、有多少次达到类似压缩比例。

对于考虑类似改造的机构，有几个条件值得提前确认。哪些内部资料可以进入 AI 的工作上下文、哪些不能，需要在试点之前明确。专业内容的责任归属也需要清晰界定——谁审核、谁签发，不能因为引入 AI 而变得模糊。

DataHub 判断：前提明确时可复制

DataHub 判断这个案例适合法律、咨询、会计及其他依赖专业材料和快速响应的服务机构。前提是知识权限清晰、专业责任人能够审核所有对外内容、机构愿意投入时间记录人工基线并在试点后对比周期、准确性和返工次数。

DataHub 判断验证重点应放在审校后的成品质量与合规检查通过率，而非初稿生成速度，因为专业服务的交付风险集中在准确性一侧。官方披露未包含成本、样本周期或异常回退机制，读者应当在自己的环境中验证这些条件是否成立。

复制这一做法需要组织具备结构化的商业机会识别流程、可供 AI 检索的内部知识库或外部研究资源访问权限，以及能够判断法律与行业专业边界的团队成员。DWF 的实践依赖专业人员在 AI 生成初稿后补充判断和主题知识，因此需要明确划分哪些环节由 AI 辅助、哪些环节必须由人工审核，并建立客户材料发布前的合规审查机制。

复制此做法需要具备以下前提：组织已在 Microsoft 365 环境中完成 Copilot 许可分发与权限配置，业务开发团队能够在 Word、PowerPoint 等应用中直接调用 Copilot 功能；团队成员需要掌握提示词工程基础，能够将商业机会描述结构化为可被 AI 理解的研究任务；内部简报与客户材料模板需已数字化并存储在 SharePoint 或 OneDrive 中，确保 Copilot 可以访问组织知识库；流程层面需明确专业人员对 AI 生成内容的审核责任边界，法律服务场景尤其要求人工验证所有事实性陈述和合规要求。

DataHub 判断：公开材料未披露 DWF 是否对 Copilot 输出内容实施了专门的合规性检查流程，也未说明业务开发团队的规模、参与试点的人员数量或推广范围。案例报告的两个周期数据均为具体任务实例，公开材料未披露这些任务的复杂度分级标准、是否包含多轮客户反馈修改、以及节省时间的统计口径是否剔除了人工审核与补充判断的用时；读者无法从现有证据判断该做法在不同复杂度的业务开发场景中是否具有可重复性。