我用ChatGPT在纽约起诉了一家挪威航空公司，获赔4760美元

一句话看懂：一位纽约旅客利用ChatGPT-Pro的逐步法律指导，在没有雇佣律师的情况下，依据欧盟法规向挪威航空公司Norse Atlantic索赔并最终获赔4,760.36美元。这一案例展示了大型语言模型在专业领域（如跨国法律纠纷）的实用价值，超出常见的问答或内容生成范畴。

事件核心：发生了什么

2025年8月，一名旅客全家乘坐Norse Atlantic航班从奥斯陆飞往纽约，因技术原因遭遇隔夜延误。航空公司仅提供25美元消费卡作为补偿，并随后忽视其索赔申请。该旅客将延误通知复制进ChatGPT-Pro，询问其权益。

ChatGPT-Pro不仅指出挪威虽是北欧国家但属欧洲经济区（EEA），因此欧盟261/2004号旅客权利法规适用于从奥斯陆出发的航班，还区分了“照料权”（如食宿报销）和“标准补偿”（如延误超3小时每位乘客600欧元）。它撰写了索赔和投诉文件，指导用户通过挪威航空投诉机构（Transportklagenemnda）推进，并解释了法律文书送达、调解程序以及利息计算。经过11个月的流程，最终Norse Atlantic支付了4,760.36美元，涵盖了补偿、报销费用及利息。

为什么重要

这一案例展示了大型语言模型（LLM）在超越“通用知识助手”角色方面的潜力。ChatGPT-Pro并不仅仅提供信息摘要，而是扮演了“专家代理”的角色：它解释了法律管辖权、识别了关键法律条款（如“技术原因”几乎不构成免责的“特殊情况”）、提供了跨国的机构提交策略，甚至处理了挪威语的表格填写细节。

从行业角度看，这表明GPT-4o或其后继模型的能力已从“辅助写作/编程”扩展至“复杂交互式任务执行”，尤其适用于个人难以独立获取的专业领域——如跨国法律、税务、合规等。同时，这一事件也揭示了AI驱动的“零工法律顾问”模式可能对传统法律咨询市场产生的影响：交易成本极低、门槛极低，但结果可量化、可回溯。

对用户/开发者/创作者的影响

对普通用户：大模型助手不再只是聊天玩具。在面临保险理赔、航班延误、房东纠纷等场景时，用户可以将其视为“结构化行动指南”而非简单答案来源。关键是将具体文件、邮件、收据复制进去，明确询问“我该怎么做”，而非“这是怎么回事”。
对开发者：此案例凸显了“长链推理”（long-chain reasoning）与“工具调用”的重要性。ChatGPT-Pro需将法规条文、国家机构、表格字段、时间线串联成一个可执行的流程。开发者可以借鉴此类“代理式”交互设计：构建能自动分解任务、跨越多个API或文档的AI Agent。
对内容创作者/媒体：这类真实、细节丰富且带有量化结果的AI使用案例，比泛泛的“AI对行业冲击”更有说服力。创作者应关注“具体场景+具体步骤+具体数字”的报道，避免空洞的预测。

值得关注的后续

服务边界与责任归属：若AI在提供“法律建议”时出错（例如引用过时判决），用户能否追责？本案中用户多次向ChatGPT核实法规来源，这一互动模式可能成为AI产品设计中的一个防错标准。
同类航空索赔模式是否可复制：欧盟261条款是标准化很强的法规，其他地区的法规（如美国、中国）规则更复杂。ChatGPT在处理跨国法律时是否仍能保持类似准确度？目前公开信息显示，本案的成功高度依赖欧洲航空法规的标准化特性，不意味着AI能处理所有法律问题。
对传统法律科技公司的冲击：现有的“航空索赔平台”（如AirHelp）靠人工 + 部分自动化抽取佣金。若普通用户可通过通用AI助手直接完成整个流程，这类垂直服务模式的商业护城河可能被稀释。