为什么 AI 改变编程比改变法律工作更快？

三、还有一个容易被忽略的差别：法律问题经常连目标都没有定义清楚

很多编程任务的目标相对容易明确。

比如：

建立一个接口；

输入用户编号；

查询数据库；

返回结构化结果；

响应时间低于两百毫秒；

同时加入自动测试。

这不是说任务简单。

而是说，“完成”是什么，通常比较容易描述。

但公司律师收到的问题经常是：

“政府今天打电话来了，你觉得我们应该怎么办？”

这句话背后可能隐藏着十几个问题。

这是正式调查还是非正式询问？

为什么是现在？

之前公司有没有处理过类似情况？

总部知道吗？

我们是否希望合作？

如果合作，会不会形成先例？

如果不合作，会不会升级？

中国法怎么说？

美国法有没有冲突？

业务团队实际上希望达到什么结果？

谁应该去和政府沟通？

很多关键背景甚至根本不在任何数据库里。

它存在于人的脑子里。

存在于组织历史里。

存在于对某个监管机构的理解里。

存在于过去十次会议形成的默会知识里。

所以，高级法律工作很大一部分并不是信息检索。

而是：

重新构建背景。

而这是今天人工智能仍然很难完整获得的东西。

四、更深一层：法律经常不是在寻找答案，而是在决定“我们想要什么答案”

人工智能最擅长的一类问题是：

给定条件，寻找答案。

但是很多高级法律工作实际上是在问：

条件本身应该如何定义？

例如，公司问：

“这个产品能不能上线？”

一个比较初级的法律问题是：

“法律允不允许？”

但真正到了总法律顾问或者高级法务层面，问题往往变成：

“在法律风险、监管关系、商业机会、品牌影响和未来先例之间，我们愿意承担多少风险？”

这时候已经不是单纯的法律推理问题。

它包含：

判断，

价值取舍，

组织授权，

以及责任承担。

人工智能可以告诉你有哪些选择。

可以告诉你每个选择有哪些风险。

甚至可以模拟监管机构的反应。

但最终仍然需要有人说：

我们愿意承担这个风险。

这个动作，本质上是主体性。

所以我越来越觉得，理解法律人工智能不能只讨论智能水平。

还要讨论：

谁有权作出决定？

谁承担后果？

出错以后谁负责？

五、所以法律工作并不是不会被人工智能改变

恰恰相反。

我认为法律行业受到的冲击可能非常大。

只是它的路径不会完全复制软件工程。

很多法律工作已经非常适合被人工智能大幅压缩。

比如：

合同条款提取；

文件比对；

尽职调查；

案件时间线整理；

标准化法律研究；

监管规则梳理；

初稿起草；

政策比较；

证据审阅；

大量标准化合同工作。

这些工作的共同特征是什么？

输入相对有限。

输出相对明确。

信息来源相对可识别。

验证相对容易。

换句话说：

它们越来越像编程。

所以真正应该问的，并不是：

“法律会不会被人工智能替代？”

而是：

这项法律任务有多像编程任务？

一个法律任务越接近“输入明确—输出明确—可以验证—可以纠错”，人工智能介入的速度就会越快。

反过来，如果一个任务高度依赖关系、判断、模糊目标、组织权力和不可逆后果，那么人工智能自主执行的速度就会更慢。

六、可以建立一个简单的人工智能可替代性框架

我觉得可以用几个变量来判断一个任务有多容易被人工智能接管：

可形式化程度

任务能不能被清楚描述？

可验证程度

人工智能做完以后，能不能低成本判断它对不对？

数字化程度

完成任务需要的背景和数据是否已经数字化？

可逆程度

犯错以后是不是容易回滚？

以及：

判断密度

完成任务需要多少规范性、制度性、人际和商业判断？

编程往往具有这样的特征：

可形式化程度高；

可验证程度很高；

数字化程度很高；

可逆程度较高；

判断密度中等。

所以，人工智能的采用非常快。

法律往往恰恰相反。

而在这些变量里面，我认为最重要的可能是：

可验证性。

人工智能能不能取代一个人，很大程度上不取决于人工智能能不能第一次做对。

而取决于：

人工智能做错以后，系统能不能告诉它，它错了。

这是编程的巨大优势。

也是法律的巨大障碍。

七、真正危险的可能不是律师消失，而是法律职业的“生产层”被掏空

过去，法律职业大致是一个金字塔：

资深律师，

中级律师，

初级律师，

律师助理。

初级律师做大量研究、审阅、起草和尽职调查。

然后在这些工作中逐渐形成判断。

但人工智能出现以后，一个可能的新结构是：

资深律师负责判断、主体性和关系管理，

下面不再需要那么多人工生产，

而是一个很大的人工智能层。

研究、起草、审阅、比对、总结，大量由人工智能完成。

这意味着，人工智能不一定首先让资深律师消失。

反而可能首先压缩的是初级和中级律师的生产性工作。

但这又带来一个非常深的问题：

如果判断过去是通过生产工作训练出来的，那么当生产工作被人工智能做掉以后，未来的高级判断从哪里来？

一个律师过去可能要读一百个案例、改五十份合同、写三十份备忘录，才慢慢形成“感觉”。

如果未来年轻律师只负责批准人工智能的输出，他们会不会失去形成这种直觉的机会？

所以，法律人工智能的长期挑战可能不是：

“我们怎么用人工智能替代律师？”

而是：

在机器承担大部分生产工作的时代，我们如何训练人的判断力？

这个问题，我觉得目前远远没有被充分讨论。

八、工程可能只是比法律提前了一代

今天，编程已经越来越从：

“帮我写这段代码。”

走向：

“这是问题，你去解决。”

也就是从辅助工具进入智能体阶段。

而法律人工智能目前大多数时候还停留在：

帮我查；

帮我总结；

帮我写；

帮我审阅；

帮我分析。

真正的法律人工智能革命，可能要等到它跨过下一条线：

“这是这个案件或者事项，你来运行整个流程。”

比如，未来一个法律智能体可以：

收到监管机构的要求；

自动找到公司过去的类似案例；

查询相关法律；

调取内部政策；

识别相关利益方；

生成风险矩阵；

起草回复；

提出升级建议；

更新案件管理系统；

追踪截止日期；

最后交给律师批准。

到了这里，法律工作才真正开始进入智能体时代。

所以，也许软件工程和法律工作并不是走在两条不同的路上。

只是工程已经提前让我们看到了一部分未来。

九、人工智能真正改变的，可能不是“谁更聪明”，而是什么东西变得便宜

过去，好的生产能力很贵。

代码很贵。

法律研究很贵。

合同起草很贵。

分析也很贵。

人工智能正在快速让这些生产活动变便宜。

一旦生产变便宜，职业价值就会向其他地方移动。

在工程领域，价值越来越可能向系统架构、产品判断、系统设计和任务编排移动。

在法律领域，也可能发生类似变化。

当研究、起草、比较、总结都越来越便宜之后，真正稀缺的东西可能是：

判断、主体性、信任和责任承担。

所以，我越来越不愿意用“人工智能会不会取代律师”来理解这个问题。

更准确的问题可能是：

当答案越来越便宜以后，什么东西还值得由人来做？

而我的初步答案是：

人工智能可以越来越高效地生产答案。

但人仍然需要决定：

哪个答案值得相信；

哪个风险值得承担；

哪个目标值得追求；

以及最终，我们希望这个答案把组织带向哪里。

这也许才是人工智能时代专业工作的核心变化：

人工智能让生产变得便宜，而人的价值将更多地转向判断与主体性。