IPO 籌備的痛點不是「文件很多」，而是同一時間有上千件事要推進，而且每一件都可能影響交易結果。Cooley 的 Chief Innovation Officer David Wang 在 OpenAI 的案例說明 中描述，律師在 IPO 期間「總是非常忙」，大量資訊需要先被整理、比對、再交給人判斷。
Cooley 在 2025 年參與 180 件交易、總額超過 515 億美元，長期在美國發行人端 IPO 市場居前。這種規模下，真正的瓶頸往往不是產出速度，而是管理層與律師的注意力被切碎。
GO Public 想換掉的，是「從前例開始」的起手式
過去團隊常先找一家可比公司的前例，再改成客戶的版本。Cooley 的 GO Public 建在 ChatGPT Work 上，做法改成從客戶本身出發，把客戶提供的資訊、相關公開來源與整理過的前例放在一起，產生一份為該交易量身打造的起點，再交由律師審閱與驗證。
這裡的關鍵不是模型取代律師，而是 agentic harness 先做第一輪整理。Cooley 的 partner 兼全球資本市場共同主席 Dave Peinsipp 說，重點不是把同樣的工作做快，而是「更快到達一個強起點」，讓律師把時間花在判斷、挑戰揭露內容與策略思考上。
把「哪些步驟可以自動、哪些必須人工」寫成流程
Cooley 的 harness 明確劃分 agent 可自動執行的步驟、律師必須審閱或驗證的環節，以及最後如何彙整。Wang 稱之為把 firm 的資本市場經驗變成「baked-in know-how」。這其實是產品設計問題：不是把模型接上文件庫就結束，而是要先決定責任邊界。
對照本部落格先前的 Data agent 如何縮短從問題到答案的距離，兩者面對的是同一類取捨——自然語言介面降低了取用門檻，但真正決定成敗的是背後的資料整理、權限與人工覆核點。
對產品團隊的三個現實提醒
第一，先定義「誰簽名」。Cooley 強調律師仍有專業義務，要確保對客戶最有利且法律上站得住腳的結果。任何把高風險決策交給 agent 的設計，都必須先回答責任歸屬。
第二，把領域知識當成資產來治理。GO Public 的價值來自 Cooley 累積的前例與分析，而不是通用模型本身。若你的產品要複製這個模式，得先問：這些 know-how 目前存在誰的腦裡、誰的檔案裡，能不能被結構化地取用。
第三，衡量指標要對準「釋放出來的時間去了哪裡」。Peinsipp 的說法是，讓管理層把注意力放回只有他們能加值的地方——業務、故事與決策。如果導入 AI 只是讓同一批人做更多文件，那並沒有解決原本的問題。
這套做法還沒回答的事
OpenAI 的案例說明沒有提供導入前後的具體工時、錯誤率或成本數字，也沒有說明 GO Public 目前覆蓋多少交易、是否對外販售。對想評估類似系統的團隊來說，這些是後續要自己補上的量測。
可以確定的方向是：當 agent 接手的是「整理與比對」，而不是「判斷與承諾」，專業服務的流程才有機會被重寫，而不只是被加速。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。