为什么 AI 颠覆代码比颠覆法律快十倍?当初级练手工作被瞬间抽空,专业人士靠什么守住判断力与主体性。
- 01.为什么 AI 改变编程比改变法律工作更快?
- 02.如何把法律工作装进反馈闭环:为法律人工智能构建“验证台架”
- 03.没有初级工作,哪来高级判断?
- 04.Mind, Judgment, Agency:AI时代法律人的新能力栈 (当前阅读)
- 05.蒸馏悖论:用一个 AI 训练另一个,是学习还是盗窃?
- 06.“错了赔十万”:当 AI 幻觉走进法庭
- 07.AI 正在如何改变数学(以及其他一切)
- 08.你的工作正在消失,接下来会发生什么
- 09.为什么谢尔盖·布林不想当传奇
Mind, Judgment, Agency:AI时代法律人的新能力栈
当AI把生产效率与人的成长拆开,法律人才培养需要有意识地重建思考能力、判断能力与行动能力。
用几分钟对谈拆解本文核心推演
过去几年,关于 AI 和法律人的讨论,往往集中在工具上。
律师要不要学会更好地使用 AI?法律检索能被自动化到什么程度?年轻律师还需不需要自己起草合同、法律备忘录和诉讼文件?哪些工作会消失,哪些工作会留下来?
这些问题当然重要。
但我越来越觉得,还有一个更深的问题:
如果 AI 开始接管那些过去用来“训练律师”的工作,那么未来的律师究竟要靠什么成长?
过去很长时间里,法律工作和人才培养其实是同一件事。
年轻律师通过读案例、写备忘录、改合同、做研究、参加谈判、观察资深律师如何处理复杂问题,一边完成工作,一边形成能力。
工作本身就是训练。
反复写作训练结构感,反复研究训练逻辑,错误训练判断,真实项目带来经验。
但 AI 可能正在把这两件事拆开。
一个年轻律师现在可以不再经历从空白页面开始写作的痛苦,就拿到一份还不错的初稿;可以在没有完整搭建检索路径之前,就获得一个比较成熟的研究结果;也可以在没有逐条审阅合同的情况下,先看到 AI 提供的风险提示。
效率提高了。
但能力并不一定同步提高。
这可能是 AI 时代法律人才培养最值得警惕的一件事:
生产效率和人的能力,开始分离。
因此,未来的法律人才培养,可能需要从“让人做更多工作”,转向“有意识地设计训练”。
我会把它概括成三个层次:
Mind,思考能力;Judgment,判断能力;Agency,行动能力。
一、Mind:给大脑建立一个“健身房”
可以先想一个很简单的类比。
汽车普及以后,人们不再需要每天走很远的路。
这是效率和生活质量的进步。
但与此同时,日常生活不再自然提供足够的身体运动,于是我们创造了一个新的制度:健身房。
我们开始把“运动”从日常生活中单独拿出来,有意识地训练身体。
AI 对认知工作的影响,很可能也是一样。
过去,法律工作本身就是一种大脑训练。
律师必须自己读材料、记事实、搭结构、找漏洞、写论证、比较不同权威、反复修改。
这些过程未必高效,但它们持续训练一些重要的认知能力。
AI 可以帮助我们拿掉很多不必要的摩擦。
这是好事。
但问题在于,摩擦本身也曾经是训练的一部分。
所以,AI 时代的目标不应该是为了训练而故意恢复低效率,也不是要求律师拒绝使用 AI。
真正需要做的,是把“生产”和“训练”区分开来。
过去,工作天然训练大脑。
未来,我们可能需要像去健身房一样,单独设计一些“脑力训练”。
比如:
先自己搭建论证,再去看 AI 的版本。
先自己识别法律问题,再去询问模型。
读完复杂材料以后,不借助工具重新梳理它的结构。
强迫自己分别站在监管者、企业、原告、被告的角度,做最强版本的论证。
或者反过来训练自己,不再只是问 AI“答案是什么”,而是追问:
它作出了哪些假设?
哪一个事实如果改变,结论就会改变?
哪一段推理只是“听起来合理”?
哪一个法律依据才是真正支撑结论的关键?
这种训练的目标不是怀念手工时代,而是维持认知能力。
真正值得保留和强化的,不只是知识,而是更底层的能力:
注意力、记忆力、抽象能力、推理能力、论证能力,以及独立思考。
一个真正会使用 AI 的律师,不应该因为 AI 而变得更少思考。
相反,他应该变得更会思考。
二、Judgment:为律师建立一个“飞行模拟器”
第二层更难。
法律知识可以教。
但判断力往往来自经验。
为什么资深律师做决定时常常更快?
未必只是因为他知道更多规则。
更重要的是,他见过更多事情。
他知道哪些风险只是理论上的,哪些风险真的会发生;哪些问题看起来很小,但很快会升级;哪些时候应该坚持,哪些时候应该退一步。
这其实是一种对复杂情境的识别能力。
但真实经验有一个很大的问题:
它很稀缺,也很随机。
一个律师可能工作十年,也未必真正经历过一次突击执法、重大数据泄露、刑事调查、董事会危机,或者两个司法辖区法律直接冲突的情况。
这时候,飞行员的训练方式很值得借鉴。
现代飞机已经高度自动化。
但飞行员并没有因为自动化而只学习“怎么按按钮”。
恰恰相反,他们会花大量时间在模拟器里,训练那些现实中很少发生、但一旦发生就后果极其严重的情境。
原因很简单:
高风险判断不能依赖于“等事情真的发生以后再学”。
法律人才培养也应该逐渐走向同样的方向。
想象一个年轻律师进入一个模拟场景。
晚上十一点,公司收到通知:监管机构明天一早将到办公室检查。
总部要求本地团队未经批准不得提供任何信息。
现在,你有五分钟。
第一步做什么?
第二步做什么?
第三步做什么?
然后场景继续变化。
监管人员提前到了。
他们要求马上查看一台员工电脑。
本地业务负责人正在群里讨论此事。
有人已经把消息传给媒体。
首席执行官现在要求你五分钟内给出建议。
这时候,没有一个简单的“标准答案”。
而这正是训练的意义。
律师要做的不是背规则,而是:
判断优先级,
管理不确定性,
识别信息缺口,
平衡不同风险,
向不同相关方沟通,
并在压力下作出决定。
AI 在这里的价值,可能远远不只是“回答法律问题”。
它可以成为一个情境生成器。
它可以扮演监管机构、首席执行官、对方律师、记者、董事会成员,甚至一个难以合作的内部同事。
它可以根据你的决定不断改变事实。
也可以在模拟结束后告诉你:
你忽略了什么?
哪个判断过于保守?
哪个风险被低估?
哪个沟通顺序出了问题?
如果说过去,经验必须等待现实世界慢慢给予,那么 AI 第一次让“模拟经验”变得非常丰富。
一个年轻律师当然不可能在两年里真正经历五十次重大调查。
但他完全可能在两年里,训练五十次高度逼真的危机场景。
模拟不会完全替代真实经验。
真实世界中的机构、个性、权力关系、利益和后果,比任何模拟都复杂。
但模拟可以提前建立对复杂情境的识别和反应能力。
这也是飞行模拟器真正的价值。
三、Agency:不仅要分析世界,还要推动世界
即使具备很强的思考能力和判断能力,也还不够。
第三层是 Agency。
这里我更愿意把它理解为:让事情真正发生的能力。
法律人从来不是生活在一个纯粹的逻辑系统里。
他们生活在组织、制度、人际关系、利益、政治和权力结构之中。
一个律师完全可能法律分析是对的,但最后还是失败。
为什么?
首席执行官没有被说服。
总部和本地团队无法达成一致。
监管机构对公司的行为作出了完全不同的理解。
业务团队觉得法律意见太抽象、太保守、太晚。
所以到了更高层级,真正重要的能力越来越不是“能不能把法律分析做对”,而是:
你能不能让事情往你认为正确的方向推进。
这包括很多传统法律训练很少系统培养的东西。
能不能把复杂的不确定性翻译成一个业务负责人可以直接行动的建议?
能不能判断什么时候必须坚持,什么时候应该妥协?
什么时候需要升级处理?
什么时候应该接受经过计算的风险?
能不能在危机发生之前建立信任?
能不能理解一个制度实际上如何运转,而不仅仅是它的规则写了什么?
最重要的是:
当所有选项都不完美时,你是否愿意作出明确建议,并承担这个建议?
AI 越强,这种能力可能越重要。
因为信息和分析会越来越充足。
当每个人都能在很短时间里生成一份看起来很不错的法律分析时,真正产生差异的,就变成了下一步。
你能不能说服会议室里的人?
能不能协调相互冲突的利益相关方?
能不能在没有完美答案的情况下作决定?
能不能把分析变成行动?
这也是为什么,未来的法律人不能只是一个更高效的信息处理器。
他必须能够:
清楚地思考,成熟地判断,有效地行动。
效率不等于能力
这里最需要警惕的,是组织很容易把 AI 带来的效率提升,当成了人的成长。
一个年轻律师可能工作量翻倍、速度提高一倍,但成长速度反而下降。
这会变成一个新的管理问题。
过去,产出和成长是绑定在一起的。
一个年轻律师写法律备忘录,是因为这份备忘录需要被写出来。
但在写的过程中,他同时也学会了如何思考。
AI 把这两件事拆开以后,备忘录仍然可以被生产出来。
但问题变成了:
律师本人有没有因此变得更好?
如果答案不一定,那么律师事务所和企业法务部门就不能再假设:
只要把真实工作交给年轻人,他们自然就会成长。
未来的人才体系可能需要更明确地区分几件事。
有些工作,是为了效率。
有些训练,是为了保持认知能力。
有些模拟,是为了培养判断力。
有些真实任务,是为了培养行动力。
过去,这几件事可能都发生在同一个工作流程里。
未来,未必如此。
AI时代,我们真正要培养什么样的法律人
今天很多所谓的 AI 培训,核心问题还是:
律师会不会用 AI?
这当然重要。
但还远远不够。
真正的问题可能应该换成:
当技术越来越强,人应该变成什么样?
AI 可以让律师更快。
可以让知识获取成本更低。
可以让分析更便宜。
但如果与此同时,它减少了律师经历独立思考、真实历练和独立决策的机会,那么组织就必须主动重建这些成长机制。
这才是新的法律人才挑战。
Mind,是保持思考能力。
Judgment,是在真正的危机到来之前训练判断。
Agency,是把判断转化为现实中的结果。
这三层加在一起,构成了 AI 时代新的法律人才能力栈。
而我觉得这里最重要的一句话,并不是“我们要保留律师过去的工作方式”。
恰恰相反。
我们不需要保留律师过去如何工作,但必须重新设计律师如何变得优秀。
跳出个人能力栈,当大模型开始跨边界互相“蒸馏”推理轨迹时,著作权法与商业秘密的传统防线为何瞬间失灵?
蒸馏悖论:用一个 AI 训练另一个,是学习还是盗窃?
认知地图延伸 · FURTHER READING
同主题深度文章推荐
没有初级工作,哪来高级判断?
AI正在把过去捆绑在一起的生产与成长拆开:企业可以跳过新人的练习直接获得产出,却仍期待十年后有人能接手例外、失败与战略责任。
AI 正在如何改变数学(以及其他一切)
陶哲轩教授关于 AI 在数学中的变革潜力——从发现隐藏联系到形式化证明验证——以及在 AI 能力与人类创造力之间寻找平衡的思考。
如何把法律工作装进反馈闭环:为法律人工智能构建“验证台架”
如果编程比法律更快被 AI 改变,是因为软件拥有编译器与单元测试构成的验证闭环,那么在不增加律师额外负担的前提下,我们该如何为法律工作搭建一套真正运转的验证闭环与测试台架?
One essay a week on law, AI, and judgment.
Bilingual essays, audio podcasts, and new book chapters straight to your inbox.
思想沙龙与读者批注 · READER SALON