दो घड़ियाँ

AI क्षमता उन संस्थानों से वर्षों आगे है जिनके लिए इसे बनाया गया है। अगले दशक का व्यवसाय उस अंतर को पाटना है।

पिछले कुछ महीनों में, मैंने देश के कुछ सबसे बड़े लॉ फर्मों के पार्टनर्स के साथ बैठकर उनसे पूछा कि उन्होंने AI के साथ वास्तव में क्या करने की कोशिश की है।

पैटर्न उल्लेखनीय रूप से सुसंगत था। बीस या तीस वर्षों का अनुभव रखने वाला एक परिष्कृत वकील, एक दस्तावेज़ अपलोड करता और मॉडल से "इस समझौते की समीक्षा करें और मुद्दों को चिह्नित करें" कहता। मॉडल एक सक्षम, सामान्य, अधिकतर बेकार जवाब देता। वकील सिर हिलाता, क्योंकि जवाब उस संदेह की पुष्टि करता जो वह लेकर आया था। दिलचस्प उपकरण। सारांश के लिए ठीक है। वास्तविक काम के लिए तैयार नहीं।

यह स्वाभाविक पहली प्रवृत्ति है, क्योंकि बॉक्स एक सर्च बार की तरह दिखता है जो एक से तीन वाक्यों की क्वेरी को आमंत्रित करता है।

लेकिन फिर हमने निर्देश को फिर से बनाया।

हमने कोई जादुई शब्द नहीं जोड़े। हमने वही किया जो एक वरिष्ठ वकील किसी मज़बूत एसोसिएट को काम सौंपने से पहले करता। हमने क्लाइंट की पृष्ठभूमि, स्थिति, व्यावसायिक उद्देश्य, प्रतिपक्षी की गतिशीलता, वे प्रावधान जो आमतौर पर मायने रखते हैं, वे मुद्दे जो कानूनी लगते हैं लेकिन वास्तव में वाणिज्यिक हैं, वे तर्क जो नहीं देने चाहिए, आत्मविश्वास का स्तर जिसके पीछे वकील खड़ा होने को तैयार था, वह प्रारूप जो क्लाइंट वास्तव में पढ़ेगा, और वे जाँचें जो AI को जवाब आने से पहले चलानी थीं, समझाया।

वही मॉडल। वही दस्तावेज़। अलग निर्देश।

आउटपुट इतना बदल जाता कि कमरे का मूड अक्सर उसके साथ बदल जाता।

यही वह अंतर है जिसे हर कोई अनदेखा कर रहा है। मॉडल बहुत कमज़ोर नहीं था। संस्थान ने इसे आत्मसात करना नहीं सीखा था।

पिछले कुछ महीनों से मैं संयुक्त राज्य अमेरिका के दो सबसे बड़े और सबसे पुराने लॉ फर्मों के साथ चुपचाप काम कर रहा हूँ, उन्हें AI को अपने प्रैक्टिस ग्रुप के दैनिक कार्य में शामिल करने में मदद कर रहा हूँ। ये ऐसी फर्में हैं जिनके पास धीमी गति से चलने का हर संरचनात्मक कारण है: विशाल मुनाफ़ा, शक्तिशाली आंतरिक गुट, गहराई से जुड़ी कार्यप्रणाली, ग्राहक जो अभी भी बिल चुकाते हैं। और वहाँ भी, गंभीर बातचीत बदल गई है।

सवाल अब यह नहीं है कि क्या वकील दस्तावेज़ों को सारांशित करने के लिए AI का उपयोग कर सकते हैं। यह है कि फ्रंटियर मॉडल्स के आसपास वास्तविक कानूनी कार्य को कैसे फिर से बनाया जाए।

दो घड़ियाँ चल रही हैं, और वे तालमेल खो चुकी हैं।

पहली तकनीक की प्रगति को मापती है। यह हर कुछ हफ़्तों में आगे बढ़ती है: एक होशियार मॉडल, एक लंबा कॉन्टेक्स्ट विंडो, एक बेहतर एजेंट, एक सिस्टम जो गंदे फ़ाइल सेट ले सकता है और कार्य उत्पाद वापस कर सकता है जिसके लिए पहले एक टीम की आवश्यकता होती थी। दूसरी उन संस्थानों को ट्रैक करती है जो तकनीक का उपयोग करने वाले हैं, और यह उसी तरह चलती है जैसे संस्थान हमेशा चलते हैं: समितियों, अनुमोदनों, पायलटों, नीतियों, प्रशिक्षणों, स्टीयरिंग समूहों, और इस शांत उम्मीद के माध्यम से कि अगले मुआवज़ा चक्र से पहले कुछ भी मौलिक नहीं बदलना है।

उन घड़ियों के बीच की दूरी अभी व्यवसाय में सबसे महत्वपूर्ण तथ्य है।

AI के बारे में सार्वजनिक बहस ज़्यादातर इस अंतर को अनदेखा करती है क्योंकि यह लगभग पूरी तरह से पहली घड़ी के बारे में बहस है। एक पक्ष सोचता है कि AI पूरी अर्थव्यवस्था को निगलने वाला है। दूसरा सोचता है कि यह सिर्फ़ एक अत्यधिक प्रचारित, अत्यधिक महँगा ऑटोकम्प्लीट है। दोनों तर्क बहुत अधिक मशीन-केंद्रित हैं। मध्य-2026 में जो कहानी अधिक मायने रखती है, वह मशीन के आसपास की हर चीज़ है: प्रोत्साहन, आदतें, मूल्य निर्धारण, किसी संगठन के काम करने के तरीके को बदलने का मानवीय कार्य।

अड़चन बदल गई है। यह अब बुद्धिमत्ता नहीं है। यह उसका आत्मसातीकरण है।

तकनीक बनाने वाली कंपनियों ने इस वादे पर भारी रकम जुटाई कि यह अर्थव्यवस्था को नया रूप देगी (और तेज़ी से), और अब उन्हें यह दिखाना होगा कि नया रूप वास्तविक है। इसका उपयोग करने वाली कंपनियों को ग्राहकों का सामना करना पड़ रहा है जो उन बचतों की मांग कर रहे हैं जिनका हर कोई वादा करता रहा है, और नए "AI-नेटिव" प्रतिद्वंद्वी जो उनका काम लेना शुरू कर रहे हैं। दोनों पक्षों को एक ही चीज़ की ज़रूरत है, और इसकी भारी कमी है: वास्तविक क्षमता, जो श्वेत-कॉलर कार्य में आत्मसात हो गई हो।

वह आत्मसातीकरण पेशेवर सेवाओं में सबसे बड़ा व्यावसायिक अवसर है।

तेज़ घड़ी

एक बड़ी फर्म को AI के बारे में समिति की बैठक निर्धारित करने में जितना समय लगता है, उतने समय में फ्रंटियर मॉडल की दो नई पीढ़ियाँ शिप हो जाती हैं। प्रत्येक फर्म को वृद्धिशील लगता है क्योंकि यह पिछले वाले के समान चैट बॉक्स में आता है। इंटरफ़ेस मुश्किल से बदलता है, इसलिए लोग यह अनदेखा कर देते हैं कि नीचे कितना बदलाव आया है।

2016 में एक वकील वर्तमान AI फ्रंटियर को विज्ञान कथा के रूप में समझता। एक मॉडल एक रिकॉर्ड पढ़ सकता है, एक कठिन समस्या को उप-भागों में विभाजित कर सकता है, उन उप-भागों पर समानांतर में काम कर सकता है, फ़ाइल सेट में खोज सकता है, दस्तावेज़ों में हेरफेर कर सकता है, कोड लिख सकता है, उस कोड को चला सकता है, उद्धरणों की जाँच कर सकता है, और प्रारंभिक प्रॉम्प्ट से परे किसी भी मानवीय भागीदारी के बिना तैयार कार्य उत्पाद वापस कर सकता है। इसे दस साल पहले एक वकील को दिखाएँ और प्रदर्शन कार्यकारी समिति की आपात बैठक में समाप्त होता। इसे आज एक वकील को दिखाएँ और वह पूछता है कि क्या फर्म का IT विभाग उपकरण को मंज़ूरी दे चुका है।

सॉफ़्टवेयर उद्योग तेज़ घड़ी को कार्रवाई में देखने के लिए सबसे आसान जगह है क्योंकि कोड या तो चलता है या नहीं चलता। Anthropic के अंदर, Claude अब प्रोडक्शन में शिप होने वाले अस्सी प्रतिशत से अधिक कोड लिखता है, और मार्च में सर्वेक्षण किए गए औसत शोधकर्ता ने अपने आउटपुट को AI के बिना चार गुना बताया।¹ क्लाइव थॉम्पसन ने Google, Microsoft और Apple में लगभग सत्तर इंजीनियरों का साक्षात्कार लिया और हर जगह एक ही आकार पाया: वरिष्ठ व्यक्ति कम लिखता है, अधिक निर्देशित करता है, और पहले की तुलना में कहीं अधिक शिप करता है।² काम की इकाई उत्पादन से ऑर्केस्ट्रेशन की ओर बढ़ गई है। मानव अभी भी ज़िम्मेदार है, लेकिन मानव अब हर (या लगभग हर) कोड लाइन हाथ से नहीं टाइप कर रहा है।

लेकिन कानून में कोई कंपाइलर नहीं है। एक अनुबंध जो गलत है, क्रैश नहीं होता। वह एक दराज में पड़ा रहता है, स्पष्ट रूप से ठीक, उस दिन तक जब कोई प्रतिपक्षी एक सहमति अधिकार का प्रयोग करता है जिस पर किसी ने पर्याप्त रूप से विचार नहीं किया था, या एक क्षतिपूर्ति खंड एक अनजान ग्राहक के लिए असीमित देयता बनाता है। यह कोडिंग AI की तुलना में कानूनी AI का मूल्यांकन करना कठिन बनाता है, लेकिन मैं आपको पहले हाथ बता सकता हूँ कि यह कम शक्तिशाली नहीं है।³

मेरे इंजीनियर मित्र श्वेत-कॉलर कार्य के बाकी हिस्सों से छह महीने से एक साल आगे हैं कि वे इन उपकरणों का कितनी गंभीरता से उपयोग करते हैं, और मैं वकीलों को जो कुछ भी सिखाता हूँ, वह ज़्यादातर उन्हें देखकर सीखा है। अपने स्वयं के अभ्यास और अपने परामर्श कार्य में, मैंने तकनीकी उद्योग द्वारा अभी-अभी झेले गए बदलाव को कानूनी पेशे के छोटे-छोटे हिस्सों में शुरू होते देखा है। एक मुकदमेबाज़ एक दिन के शोध को बीस मिनट में बदल देता है। एक डील टीम एक सप्ताह की दस्तावेज़ समीक्षा को एक दोपहर में संक्षिप्त कर देती है। एक एकल वकील ऐसा काम लेता है जिसके लिए पहले उसके नीचे एसोसिएट्स की एक मंज़िल की आवश्यकता होती थी।

इनमें से कुछ वकील दुनिया की सबसे बड़ी फर्मों में बैठते हैं, ऐसी चीज़ें बना रहे हैं जिन पर उनके अपने पार्टनर्स ने ध्यान नहीं दिया है और विश्वास नहीं करेंगे। कई छोटे प्रैक्टिस में हैं जिनके पास पूछने के लिए कोई समिति नहीं है: एकल वकील अपने वर्कफ़्लो को पूरी तरह से तोड़ रहे हैं, बुटीक फर्में जो शुरू से ही इन उपकरणों के आसपास बनी हैं, वकील जो काम को बदल सकते हैं क्योंकि उन्हें उस संस्थान से अनुमति की आवश्यकता नहीं है जिसे काम खतरे में डालता है।

तेज़ घड़ी धीमी घड़ी की प्रतीक्षा नहीं कर रही है।

धीमी घड़ी

एक मानक AmLaw 50 फर्म के गलियारों में चलें और आपको, अधिकांश भाग के लिए, वकील अपने अभ्यास को फ्रंटियर मॉडल्स के माध्यम से चलाते हुए नहीं मिलेंगे।

आपको महँगी कानूनी-AI सदस्यताएँ मिलेंगी। स्वीकृत उपकरण। विक्रेता प्रशिक्षण। जिम्मेदार-उपयोग नीतियाँ। नवाचार पुरस्कार। पार्टनर-रिट्रीट पैनल जहाँ हर कोई सहमत है कि AI महत्वपूर्ण है और कोई नहीं बताता कि वास्तव में कौन से वर्कफ़्लो बदलने चाहिए।

एक बड़ी फर्म के अंदर वकीलों से पूछें कि वे आज AI का उपयोग किस लिए कर रहे हैं, और आप उनमें से अधिकांश को अब तक बनाई गई सबसे शक्तिशाली तकनीक का उपयोग करते हुए पाएंगे: समय प्रविष्टियों को साफ़ करना, उन दस्तावेज़ों को सारांशित करना जिन्हें कोई पढ़ने की योजना नहीं बनाता, और अपनी अगली बैठक निर्धारित करने वाले ईमेल का मसौदा तैयार करना। एक गंभीर उपकरण का तुच्छ उपयोग।

जो क्षमताएँ मायने रखतीं, जिनमें मॉडल विकसित हुए हैं, वे अप्रयुक्त रह जाती हैं: वास्तविक प्रतिनिधिमंडल, मॉडल को उसी तरह ब्रीफ करना जैसे आप एक अच्छे एसोसिएट को करते, संदर्भ और मानक और निर्णय कॉल स्पष्ट किए जाते हैं, और वापस कुलीन कार्य उत्पाद प्राप्त करना जिसमें दिन लगते थे।

उपयोग डरपोक है, भले ही क्षमता डरपोक न हो।

प्रोत्साहन जाल

धीमापन समझ में आता है, जो बचाव योग्य होने के समान नहीं है।

एक बड़े लॉ फर्म का मुनाफ़ा दो स्तंभों पर टिका है: बिल योग्य घंटा, जो समय के लिए शुल्क लेता है, और लीवरेज, जो प्रत्येक पार्टनर के नीचे जूनियर वकीलों को ढेर करता है और उनके घंटों को मार्कअप पर बिल करता है। AI दोनों को खतरे में डालता है। यह जो भी घंटा बचाता है, वह एक घंटा है जिसे पुराने तरीके से बिल नहीं किया जा सकता। यह जो काम सबसे अच्छा करता है, पहला ड्राफ्ट, ड्यू डिलिजेंस, दस्तावेज़ समीक्षा, साइट-चेकिंग, सारांश, तुलना, फ़ॉर्मेटिंग, ठीक वही काम है जिसे बेचने के लिए BigLaw पिरामिड मौजूद है।

इसलिए तर्कसंगत पार्टनर निजी तौर पर प्रयोग करता है। तर्कसंगत फर्म धीमी गति से चलती है। दोनों किसी वास्तविक चीज़ की रक्षा कर रहे हैं।

यह इनोवेटर की दुविधा है अपने सबसे साफ़ रूप में। जिन फर्मों को पुनर्निर्माण से सबसे अधिक लाभ होगा, वे वही हैं जिनकी वर्तमान अर्थव्यवस्था पुनर्निर्माण को सबसे दर्दनाक बनाती है। वे प्रतीक्षा करते हैं, और प्रतीक्षा तर्कसंगत है जब तक कि यह घातक न हो जाए।

जो लोग बदलाव को मजबूर कर सकते हैं, उनके पास अक्सर ऐसा करने का सबसे कम कारण होता है। एक लॉ फर्म हर साल अपना मुनाफ़ा वितरित करती है। एक पार्टनर का ड्रा इस साल फर्म ने जो कमाया उसका एक हिस्सा है, अगले दस वर्षों का दावा नहीं। एक सार्वजनिक कंपनी का CEO जो अपने व्यवसाय को बदलता है, उसे स्टॉक में भुगतान किया जाता है, जो भविष्य की कमाई का मूल्यांकन करता है जैसे ही बाज़ार कहानी पर विश्वास करता है। एक प्रबंध भागीदार (कभी-कभी एक वर्ष में दस से पच्चीस मिलियन डॉलर वेतन कमाता है, एक लंबे करियर के अंत से पाँच साल दूर) जो अपनी फर्म को बदलता है, उसे अब व्यवधान, अब एक मुआवज़ा लड़ाई, अब कम बिल योग्य मात्रा, और एक भुगतान मिलता है जो उसके जाने के बाद आ सकता है। घड़ी को खत्म करना उसे भुगतान करता है। इसे ठीक करना उसके उत्तराधिकारियों को भुगतान करता है।

धीमी घड़ी भी डर पर चलती है।

पहला है एक चेतावनी भरी कहानी बनने का असममित भय। जो पार्टनर चुपके से एक वर्कफ़्लो का पुनर्निर्माण करता है, उसे एक विनम्र सिर हिलाना मिलता है। जिस पार्टनर का AI फाइलिंग नकली मामलों का हवाला देता है, उसे एक सुर्खी मिलती है जो उसके बाकी करियर तक उसका पीछा करती है। Sullivan & Cromwell ने इस वसंत में यह सीखा, जब एक दिवालियापन मामले में एक आपातकालीन प्रस्ताव AI-जनित उद्धरण त्रुटियों की एक श्रृंखला के साथ बाहर गया।⁴ S&C किसी की भी लापरवाह फर्म नहीं है। यही बात है। प्रतिष्ठा इस विफलता को नहीं रोकती। प्रक्रिया रोकती है।

एक शांत भय भी है, वह जिसे हर वकील ने सौ सुर्खियों में देखा है, कि AI उन्हें पूरी तरह से बदलने वाला है। डर तर्कहीन नहीं है, यह देखते हुए कि वकील इस कथा को तकनीक बनाने वाले लोगों से सुनते रहते हैं। Dario Amodei, Anthropic के मुख्य कार्यकारी, ने पिछले साल रिकॉर्ड पर चेतावनी दी थी कि AI पाँच साल के भीतर सभी प्रवेश-स्तर की श्वेत-कॉलर नौकरियों, जिसमें कानून भी शामिल है, में से आधी को खत्म कर सकता है।⁵ मुझे लगता है कि वह वकीलों के बारे में गलत है, और मैं इस पर वापस आऊँगा कि क्यों। लेकिन एक पार्टनर को भविष्यवाणी पर विश्वास करने की ज़रूरत नहीं है ताकि वह इसका खिंचाव महसूस करे। एक बड़ी फर्म के अंदर से देखा जाए, तो मॉडल का हर गंभीर उपयोग आपके स्वयं के प्रतिस्थापन के पूर्वाभ्यास जैसा लग सकता है: मशीन को काम सिखाएँ और आपने उसे अपनी नौकरी सिखा दी।

इसलिए फर्में, कुल मिलाकर, AI थिएटर में पीछे हट जाती हैं। एक टास्क फोर्स। एक नीति। एक पायलट। एक विक्रेता। "जिम्मेदार नवाचार" के बारे में एक भाषण। पिछले कुछ महीनों में एक से अधिक बार, मुझे शीर्ष लॉ फर्मों के नेताओं के साथ पैनल पर प्रस्तुत करने का अवसर मिला है जो अपने AI कार्यक्रमों को "सर्वश्रेष्ठ श्रेणी" कहते हैं और फिर उन एकमात्र सवालों का कोई सुसंगत जवाब नहीं देते हैं जो मायने रखते हैं: कौन से वर्कफ़्लो बदले, वे कितने तेज़ हुए, ग्राहक के लिए क्या सुधार हुआ, और फर्म अब एक लाइव मामले पर क्या अलग करती है?

सामान्यता हमेशा संकेत होती है। एक फर्म जिसने एक वर्कफ़्लो का पुनर्निर्माण किया था, वह उस वर्कफ़्लो के बारे में बात करेगी।

ड्राइवशाफ्ट

यह सब पहले भी हो चुका है। जब बिजली ने कारखाने में भाप की जगह ली, तो कारखाने के मालिकों ने स्पष्ट काम किया: उन्होंने भाप इंजन को बाहर निकाला, उसके स्थान पर एक इलेक्ट्रिक मोटर डाली, और मशीनों को उसी लंबी केंद्रीय ड्राइवशाफ्ट से चलाया। लगभग तीस वर्षों तक, पौधों ने उस लेआउट को बनाए रखा, जैसे कि बिजली अभी भी तहखाने में भट्टी से आ रही हो।

अर्थशास्त्री जिन उत्पादकता लाभों की प्रतीक्षा कर रहे थे, वे केवल तब आए जब, एक पीढ़ी बाद, कारखाने के मालिकों ने फर्श को फाड़ दिया और नए शक्ति स्रोत के आसपास असेंबली लाइन का पुनर्निर्माण किया, प्रत्येक मशीन पर एक छोटा मोटर रखा और लाइन को शाफ्ट के बजाय कार्य का पालन करने दिया।

समस्या यह नहीं थी कि बिजली का अत्यधिक प्रचार नहीं किया गया था; यह था कि एक सामान्य-उद्देश्य वाली तकनीक तभी भुगतान करती है जब कोई उसके आसपास काम को फिर से डिज़ाइन करता है, और पुनः डिज़ाइन आविष्कार से एक पीढ़ी पीछे चल सकता है।⁶

AI अब उस चरण में है। नया मोटर, सबसे अच्छा, पुराने ड्राइवशाफ्ट में बोल्ट किया गया है, और इसके नीचे का फर्श अभी भी वही है जो भाप के लिए बनाया गया था।

कोका-कोला, जनरल इलेक्ट्रिक नहीं

जब बीसवीं सदी के प्रारंभ में यांत्रिक प्रशीतन सस्ता और विश्वसनीय हो गया, तो स्पष्ट दांव प्रशीतन मशीनें बनाने वाली कंपनियाँ थीं: General Electric, Frigidaire। लेकिन सबसे बड़ा विजेता उनमें से कोई नहीं था।

यह कोका-कोला था, अटलांटा की एक क्षेत्रीय फाउंटेन सिरप कंपनी, जिसने 1920 के दशक में रॉबर्ट वुडरफ के तहत अपने उत्पाद को, उनके वाक्यांश में, इच्छा की पहुँच के भीतर, पृथ्वी के हर शहर में रखने का लक्ष्य रखा।⁷

कोका-कोला ने कभी रेफ्रिजरेटर नहीं बनाया। इसने, किसी और से पहले और अधिक पूरी तरह से, समझ लिया कि सस्ती ठंड ने क्या संभव बनाया, और उस समझ के आसपास खुद को फिर से बनाया जब तक कि एक ठंडा कोक मानव जीवन का एक स्थायी हिस्सा नहीं बन गया।

फ्रंटियर लैब्स इस पल के General Electric हैं। वे जो चीज़ बनाते हैं, कच्ची बुद्धिमत्ता, कुछ मिसालों के साथ दर पर सस्ती हो रही है; जो मानव घंटे यह बदलता है, उसके मुकाबले एक इकाई प्रति कार्य एक राउंडिंग एरर के करीब है।

लेकिन कोका-कोला का भाग्य उसके पास जाएगा जो किसी और से पहले यह पता लगाता है कि "ठंड" किसके लिए है, और उसके ऊपर कुछ ऐसा बनाता है जो पिछले वर्ष किसी भी कीमत पर संभव नहीं था। वह लेन अभी खुली है, एक साथ हर उद्योग में।

किर्कलैंड का दांव

Kirkland & Ellis ने मई में घोषणा की कि वह तीन या चार वर्षों में अपना स्वयं का AI प्लेटफ़ॉर्म बनाने पर $500 मिलियन खर्च करेगा।⁸

वह संख्या (जिसने सभी सुर्खियाँ बटोरीं) उससे कम मायने रखती है जो यह प्रकट करता है। दुनिया की सबसे अधिक कमाई करने वाली लॉ फर्म ने निष्कर्ष निकाला है कि सभी के समान उपकरण (जैसे Harvey, Legora, आदि) किराए पर लेना वह नहीं बचा सकता जो उसने बनाया है। बहस करना मुश्किल है। हर फर्म के लिए उपलब्ध सब्सक्रिप्शन वह नहीं हो सकता जो एक फर्म को अलग करता है, और कानून के अभ्यास में चल रहा बदलाव लाइसेंस कुंजी से मिलने के लिए बहुत बड़ा है।

Kirkland अधिकांश से अधिक उजागर भी है, और उजागरता उसी स्थान से आती है जहाँ से मुनाफ़ा आता है। पिछले साल फर्म ने $10.5 बिलियन राजस्व और $11.1 मिलियन प्रति इक्विटी पार्टनर लाभ अर्जित किया, दोनों रिकॉर्ड।⁹ वे लाभ असम्मानजनक रूप से प्राइवेट इक्विटी पर निर्भर हैं, जो उत्पादन सस्ता होने पर गलत ग्राहक आधार है। प्रायोजक एक वर्ष में दर्जनों बार समान डील संरचनाएँ चलाते हैं, कानूनी खर्च को आधार बिंदु तक ट्रैक करते हैं, और पूछना शुरू कर दिया है कि जो काम एक मशीन तैयार कर सकती है, वह अभी भी एसोसिएट दरों पर क्यों बिल करती है। जो काम दोहराता है, वह काम है जो एक AI मॉडल सबसे तेज़ी से सीखता है। यहाँ तक कि Blackstone, प्रतिष्ठित संबंध, ने फर्म को कम भुगतान करना शुरू कर दिया है।¹⁰

प्राइवेट इक्विटी दूसरी तरफ से भी दबाव डाल रही है। Blackstone और Bain Capital का पैसा अब Norm Law के पीछे है, एक AI-नेटिव कानूनी प्लेटफ़ॉर्म जिसने Sidley Austin की कार्यकारी समिति के पूर्व अध्यक्ष को अपने अध्यक्ष के रूप में भर्ती किया।¹¹ जिस उद्योग ने Kirkland को इतिहास में सबसे लाभदायक लॉ फर्म बनाया, उसने इसके चुनौती देने वालों को वित्तपोषित करना शुरू कर दिया है। Kirkland अपने स्वयं के बाज़ार को पढ़ सकता है। आधे-बिलियन-डॉलर के कार्यक्रम का पहला उत्पाद घोषणा के एक सप्ताह बाद आया, फर्म के प्राइवेट इक्विटी ग्राहकों के लिए एक फंड फ़ॉर्मेशन इंजन।¹²

लेकिन चेक का आकार परिणाम तय नहीं करेगा।

एक स्वामित्व प्लेटफ़ॉर्म उतना ही मूल्यवान है जितना कि वह बदला हुआ अभ्यास जिसमें यह जुड़ा हुआ है। यदि Kirkland आधा बिलियन डॉलर खर्च करता है और अपने वकीलों के वास्तव में काम करने के तरीके का पुनर्निर्माण करता है, तो निवेश एक ऐसी खाई बन सकती है जिसे कोई प्रतियोगी किराए पर नहीं ले सकता। यदि वह आधा बिलियन डॉलर खर्च करता है और वर्कफ़्लो को बरकरार रखता है, तो उसने पुराने ड्राइवशाफ्ट में एक बहुत महँगा मोटर स्थापित किया होगा।

कठिन प्रश्न यह नहीं है कि क्या Kirkland शक्तिशाली तकनीक बना या खरीद सकता है। वह स्पष्ट रूप से कर सकता है, लेकिन खरीदारी आत्मसातीकरण के समान नहीं है। कठिन प्रश्न यह है कि क्या इतनी लाभदायक फर्म खुद को उस काम को बदलने के लिए मजबूर कर सकती है जिसने इसे पहले स्थान पर लाभदायक बनाया। यही वह प्रश्न है जिसका सामना हर मौजूदा कंपनी करती है।

आत्मसातीकरण व्यवसाय

यदि आत्मसातीकरण बाधा है, तो बाज़ार में सबसे मूल्यवान संपत्ति वह है जो क्षमता को तेज़ घड़ी से धीमी घड़ी तक ले जाती है, बिना रास्ते में संस्थान को तोड़े। कभी-कभी वह एक उत्पाद हो सकता है। आज यह आमतौर पर सिर्फ़ एक व्यक्ति है: कोई जो काम को पुराने तरीके से करने के लिए पर्याप्त अच्छी तरह से जानता है और उपकरणों को नए तरीके से फिर से बनाने के लिए पर्याप्त अच्छी तरह से जानता है, पुनर्निर्माण होने के दौरान फर्म के अंदर बैठता है। लगभग कोई भी यह काम नहीं कर रहा है, और लगभग हर किसी को इसकी आवश्यकता होने वाली है।

तकनीकी उद्योग में पहले से ही इस व्यक्ति के लिए एक नौकरी का शीर्षक है। Palantir ने इसे बीस साल पहले आविष्कार किया और इसे "फ़ॉरवर्ड-डिप्लॉयड इंजीनियर" कहा, कोई जो ग्राहक के संचालन में जाता है और सॉफ़्टवेयर के आसपास काम का पुनर्निर्माण करता है, क्योंकि सॉफ़्टवेयर कभी खुद को तैनात नहीं करता। उस समय के अधिकांश भाग के लिए, भूमिका एक Palantir विचित्रता की तरह दिखती थी। इस वसंत में यह वह स्थान बन गया जिसे हर कोई पैसे वाला कॉपी कर रहा है। OpenAI ने मई में इसके चारों ओर चार बिलियन डॉलर से अधिक के साथ एक संपूर्ण तैनाती कंपनी खड़ी की। Anthropic ने अपने इंजीनियरों को क्लाइंट कंपनियों के अंदर शामिल करने के लिए Blackstone, Goldman Sachs और Hellman & Friedman के साथ एक AI-नेटिव सेवा फर्म शुरू की। बुद्धिमत्ता के विक्रेताओं ने निष्कर्ष निकाला है कि आत्मसातीकरण के बिना क्षमता कुछ भी पैदा नहीं करती है, और वह आत्मसातीकरण एक व्यक्ति का काम है।

लेकिन ध्यान दें कि वह व्यक्ति किसके लिए काम करता है। एक फ़ॉरवर्ड-डिप्लॉयड इंजीनियर विक्रेता के लिए काम करता है। अधिकांश व्यवसायों के लिए यह एक अच्छा व्यापार है। एक कारखाना अपने लॉजिस्टिक्स को सभी प्रतिस्पर्धियों के समान विक्रेता प्लेटफ़ॉर्म पर चला सकता है, क्योंकि लॉजिस्टिक्स कभी बढ़त नहीं थी; विजेट थे। एक लॉ फर्म के पास कोई विजेट नहीं है। इसका काम ग्राहक के विश्वास पर चलता है। काम के नीचे का प्लेटफ़ॉर्म वह है जिसे हर प्रतियोगी किराए पर ले सकता है। और इसकी प्रक्रियाएँ फर्म के स्वयं के तरीके को एन्कोड करती हैं। लैब के इंजीनियरों को उस विधि को लैब के रेल पर लिखने दें और यह लैब के उत्पाद में स्थानांतरित हो जाती है, जहाँ बगल की फर्म इसकी सदस्यता ले सकती है। एक लॉ फर्म के लिए, उस व्यक्ति को विक्रेता के बजाय संस्थान के लिए काम करना चाहिए, और जितनी जल्दी हो सके उतना अच्छा।

इसका मतलब यह नहीं है कि विक्रेताओं की कोई भूमिका नहीं है। Anthropic, Palantir, Snowflake और उनके साथी फर्म के पुनर्निर्माण के लिए डेटा आर्किटेक्चर का निर्माण कर सकते हैं। लेकिन प्लंबिंग के ऊपर का काम वकीलों का है, क्योंकि एक सॉफ़्टवेयर कंपनी को फर्म के बाहर किसी और से अधिक पता नहीं है कि उन प्रॉम्प्ट्स और वर्कफ़्लो को कैसे बनाया जाए जो अभ्यास के उस संचित ज्ञान को एन्कोड करते हैं। इस निबंध के प्रकाशित होने से एक सप्ताह पहले, Palantir के अपने मुख्य कार्यकारी, एलेक्स कार्प ने एक CNBC साक्षात्कार में उद्यमों से कहा कि वे अपने AI के पीछे "उत्पादन के साधन" का स्वामित्व रखें, न कि उन्हें किराए पर लें।¹³ वह निश्चित रूप से कुछ बेच रहा है। लेकिन वह सही भी है।

यही कारण है कि परिवर्तन प्रबंधन, व्यवसाय में सबसे कम आकर्षक वाक्यांश, सबसे मूल्यवान प्रकार के कामों में से एक बनने वाला है। पुराने प्रकार का परिवर्तन प्रबंधन नहीं जो हितधारक मानचित्र और अपनाने के डैशबोर्ड का उत्पादन करता है, बल्कि एक नया प्रकार जो विशेषज्ञ निर्णय को स्वचालित प्रक्रियाओं में बदलता है जिसे एक मशीन चला सकती है और एक संस्थान पर भरोसा कर सकता है। हर पुनर्निर्मित वर्कफ़्लो अगले को पुनर्निर्माण करना सस्ता बनाता है, हर परिवर्तित पार्टनर दूसरों को परिवर्तित करता है, और जिस फर्म ने अठारह महीने पहले शुरू किया था, जब तक किसी को पता चलता है, वह एक अलग तरह की फर्म होती है।

एक सदी के लिए, एक संस्थान जो जानता था कि उसे बदलना है, प्रबंधन सलाहकारों को बुलाता था, एक स्टीयरिंग समिति खड़ी करता था, और रोडमैप तैयार करता था। फर्में अभी AI पर वह नाटक चला रही हैं, और यह गलत नाटक है। यह काम करता था, जब यह काम करता था, क्योंकि यह जो परिवर्तन प्रबंधित करता था, वे संगठनात्मक थे: रिपोर्टिंग लाइनें, लागत संरचनाएँ, किस डिवीजन को बेचना है। McKinsey का एक स्मार्ट जनरलिस्ट एक कॉन्फ़्रेंस टेबल के पार से यह सब मैप कर सकता है।

लेकिन हर कोई AI से जो बदलाव चाहता है, वह "संगठनात्मक" नहीं है। यह अभ्यास के अंदर ही रहता है, उन हज़ार छोटे निर्णयों में जो एक मामला बनाते हैं: क्या मॉडल पहला मार्कअप तैयार करता है या केवल एक मुद्दों की सूची; क्लाइंट के उधार आधार के बारे में उसे क्या जानना चाहिए इससे पहले कि वह वाचाओं को छूए; इसके कौन से मामले उद्धरण एक मानव फिर से खींचता है और कौन से स्पॉट-चेक किए जाते हैं; पार्टनर कब हर शब्द पढ़ता है, और कब वह अपवाद मेमो पढ़ती है और घर जाती है। एक प्रबंधन परामर्श फर्म उन सवालों का जवाब नहीं दे सकती क्योंकि जवाब स्वयं 21वीं सदी के कानून के अभ्यास के संस्करण का गठन करते हैं। केवल वे लोग जो कानूनी काम करते हैं, उस काम को ठीक से फिर से डिज़ाइन कर सकते हैं।

फिर भी ऊपर से एक धक्का लगता है। एक पार्टनर अपने अभ्यास को फिर से बनाने में एक कठिन सप्ताह नहीं बिताएगा जब तक कि फर्म ने यह स्पष्ट नहीं कर दिया कि यह एक रणनीतिक अनिवार्यता है, शौक नहीं। लेकिन धक्का केवल दिशा निर्धारित करता है। पुनर्निर्माण व्यक्तिगत वकील की मेज पर होता है, एक समय में एक वर्कफ़्लो, और यह किसी "नवाचार" कार्यक्रम जैसा नहीं दिखता है।

कार्यशाला

यहाँ देखिए कि आत्मसातीकरण व्यवसाय कैसा दिखता है।

एक पार्टनर उस तरह का काम लाता है जो पहले से ही उसका सप्ताह भरता है: ग्राहक की व्यावसायिक प्राथमिकताओं के विरुद्ध समीक्षा करने के लिए एक अनुबंध, एक टर्म शीट और कैप टेबल जिसे वित्तपोषण दस्तावेज़ बनने की आवश्यकता है, एक शोध प्रश्न जहाँ कानून अस्थिर है और आत्मविश्वास का स्तर मायने रखता है, विपक्षी सलाहकार से एक रेडलाइन जिसे उसे एक ग्राहक को सरल अंग्रेजी में समझाना है बिना यह चपटा किए कि परिवर्तन डील के लिए क्या करते हैं।

अधिकांश वकील मॉडल को एक दस्तावेज़ और एक सरल आदेश देते हैं। इसका सारांश दें। इसकी समीक्षा करें। इस पर शोध करें। इसे ठीक करें। फिर वे पूर्वानुमानित रूप से सामान्य उत्तर देखते हैं और निष्कर्ष निकालते हैं कि उपकरण स्वयं सामान्य है। लेकिन मॉडल ने वही किया जो उन्होंने पूछा। वकील ने इसे कार्य दिया और वह सब कुछ रोक लिया जो इसे अच्छा प्रदर्शन करने की अनुमति देता: संदर्भ, विवरण, स्थिति, निर्णय।

एक गंभीर निर्देश वहन करता है जो एक अच्छा वकील एक अच्छे एसोसिएट को बताएगा: क्या मायने रखता है, क्या नहीं, ग्राहक किस बारे में चिंतित है, दर्शक क्या नोटिस करेगा, उत्तर को क्या नहीं मानना चाहिए, अनिश्चितता का कौन सा स्तर स्वीकार्य है, और कार्य उत्पाद को इमारत छोड़ने से पहले क्या सत्यापित करना है।

अपनी कार्यशालाओं में, मैं इसे एक शारीरिक रचना के रूप में सिखाता हूँ: कार्य, पृष्ठभूमि, निर्णय, बाधाएँ, प्रदेय, सत्यापन। एक बार जब वकील शारीरिक रचना देख लेते हैं, तो वे अपने स्वयं के प्रॉम्प्ट में विफलता को पहचान लेते हैं। उन्होंने "सारांश" माँगा जब उन्हें एक ग्राहक-तैयार स्पष्टीकरण की आवश्यकता थी कि रेडलाइन में क्या बदला, क्या रुका, और किसे अभी भी एक निर्णय की आवश्यकता है। उन्होंने "शोध" माँगा जब उन्हें एक बॉटम-लाइन-अप-फ्रंट मेमो की आवश्यकता थी जो स्थापित कानून को खुले प्रश्नों से अलग करता है और स्वतंत्र रूप से प्रत्येक उद्धरण को सत्यापित करता है। उन्होंने "अनुबंध समीक्षा" माँगी जब उन्हें उन प्रावधानों की एक रैंकिंग सूची की आवश्यकता थी जो बातचीत की मुद्रा को बदलते हैं, प्रत्येक के लिए प्रस्तावित प्रति-भाषा के साथ।

ध्यान दें कि उस शारीरिक रचना में क्या नहीं है: कुछ भी तकनीकी नहीं। कोई कोड नहीं, कोई सिंटैक्स नहीं, कोई सेटिंग नहीं। एक गंभीर निर्देश का हर शब्द सरल अंग्रेजी है, वही अंग्रेजी जो एक पार्टनर पहले से ही एक एसोसिएट के साथ डेस्क के पार उपयोग करता है। यह एक मानसिकता है, सॉफ़्टवेयर कौशल नहीं: मॉडल के साथ एक शानदार नए एसोसिएट की तरह व्यवहार करें जिसने सब कुछ पढ़ा है और आपके ग्राहक के बारे में कुछ नहीं जानता है, और तदनुसार इसे ब्रीफ करें। जो वकील इसे सबसे तेज़ी से अपनाते हैं, वे शायद ही कभी सबसे छोटे या सबसे तकनीकी होते हैं। वे अक्सर सबसे अच्छे डेलिगेटर होते हैं, वे जिन्होंने एक करियर मेज पर निर्णय को स्थानांतरित करना सीखा।

वह प्रॉम्प्ट लेयर है। यह मायने रखता है क्योंकि यह साबित करता है कि उपकरण वास्तविक काम कर सकता है जब वकील इसे वास्तविक निर्देश देता है। लेकिन एक फर्म के लिए, प्रॉम्प्ट लेयर केवल शुरुआत है।

सवाल यह है कि मानव श्रम के आसपास बना एक संस्थान उस तकनीक को कैसे आत्मसात करता है जो उस श्रम के एक बढ़ते हिस्से को सस्ता, तेज़ और प्रचुर बना देगी।

एक फर्म केवल अलग-अलग वकीलों को बेहतर प्रॉम्प्ट लिखना सिखाकर और यह उम्मीद करके कि बदलाव अपने आप फैल जाएगा, इस समस्या का समाधान नहीं कर सकती। काम को व्यक्तिगत निर्देश से संस्थागत क्षमता की ओर बढ़ना होगा।

यहीं पर प्रॉम्प्ट स्वचालित वर्कफ़्लो में बदल जाते हैं।

एक प्रॉम्प्ट मॉडल को बताता है कि इस विशेष मामले में क्या करना है। एक वर्कफ़्लो एक प्रक्रिया है जो मॉडल को बताती है कि कोई विशेष वकील, प्रैक्टिस ग्रुप, या फर्म उस श्रेणी का काम कैसे करती है। व्यवहार में इसमें कुछ भी असाधारण नहीं है। एक वर्कफ़्लो एक सरल-अंग्रेज़ी प्लेबुक है जिसे मॉडल शुरू करने से पहले पढ़ता है, वे स्थायी निर्देश जो एक पार्टनर पहले दिन एक नए एसोसिएट को देता है, सिवाय इसके कि मॉडल उनका पालन हर मामले में, हर बार, बिना याद दिलाए करता है। कुछ प्रक्रियाएँ यांत्रिक होती हैं: वर्ड डॉक्यूमेंट को बिना खराब किए कैसे मार्कअप करें, साइटेशन वेरिफिकेशन को एक अलग पास के रूप में कैसे चलाएँ, कुछ भी बाहर भेजने से पहले फ़ॉर्मेटिंग को कैसे मान्य करें। इससे अधिक मूल्यवान प्रक्रियाएँ सारगर्भित होती हैं: एक विशेष वकील अनुबंध की समीक्षा कैसे करता है, वह हमेशा किन प्रावधानों की जाँच करती है, वह कब अधिक तथ्य माँगती है, वह कब प्रति-भाषा प्रस्तावित करती है, वह कब आधार को अस्वीकार करती है क्योंकि रिकॉर्ड इसका समर्थन नहीं करता, वह कहाँ धीमी हो जाती है क्योंकि अनुभव ने उसे सिखाया है कि यहीं पर गलतियाँ छिपी होती हैं।

यही अधिकांश कानूनी-AI उत्पादों की मुख्य कमी है। वे एक मॉडल को एक कानूनी इंटरफ़ेस में पैकेज करते हैं और वकील से उत्पाद के वर्कफ़्लो के अनुरूप होने के लिए कहते हैं। बेहतर दृष्टिकोण दूसरी दिशा में काम करता है: मॉडल को वकील के अभ्यास के अनुरूप बनाना। टिकाऊ संपत्ति रैपर नहीं है। यह फर्म का अपना तरीका है, जिसे इतनी सटीकता से लिखा गया है कि मॉडल उसका पालन कर सके, वकील उसकी निगरानी कर सकें, और संस्थान समय के साथ उसमें सुधार कर सके। यही कारण है कि इसे किसी और के उत्पाद के अंदर नहीं रहना चाहिए।

एक अच्छा अनुबंध-समीक्षा वर्कफ़्लो कोई टेम्पलेट नहीं है। यह पार्टनर की समीक्षा अनुक्रम है: समाप्ति, देयता सीमाएँ, क्षतिपूर्ति, विवेक मानक, IP स्वामित्व, उत्तरजीविता, मुद्दा-दर-मुद्दा सिफारिशें, वास्तविक प्रति-भाषा, और एक अंतिम पास जो पूछता है कि अगर ग्राहक इसे देखे तो वकील को किस बात पर शर्म आएगी। एक सीखे-गए-सबक फ़ाइल कोई नॉलेज-मैनेजमेंट का तमाशा नहीं है। यह संचयी तंत्र है। मॉडल कुछ चूक जाता है, वकील इसे सुधारता है, और सुधार अगले रन का हिस्सा बन जाता है।

कठिन हिस्सा तकनीकी नहीं है। फ़ाइलें ज़्यादातर सादा टेक्स्ट हैं। कठिन हिस्सा वरिष्ठ वकीलों से उस चीज़ को बाहर निकलवाना है जो वे लगभग अनजाने में करते हैं: वह वाक्य जिस पर उन्हें भरोसा नहीं होता, वह मामला जिसे वे बिना जाँचे कभी उद्धृत नहीं करते, वह खंड जिसे वे दो बार पढ़ते हैं क्योंकि इसने एक बार क्लाइंट का पैसा खर्च करवाया था, वह व्यावसायिक बिंदु जो मायने रखता है भले ही वह सैद्धांतिक रूप से दिलचस्प न हो। इनमें से कुछ भी अंतिम कार्य उत्पाद में स्पष्ट रूप से दिखाई नहीं देता। इसे काम होने के दौरान ही निकालना होता है।

यही कारण है कि AI अपनाने के बारे में सबसे गंभीर फर्में इसे एक नवीनता के रूप में नहीं देख रही हैं। AI की लहर बेहतर सारांश पर नहीं रुकेगी। यह स्टाफ़िंग, मूल्य निर्धारण, प्रशिक्षण, गुणवत्ता नियंत्रण, ग्राहक अपेक्षाओं, और उन लोगों के बीच आंतरिक शक्ति वितरण पर दबाव डालेगी जो इस तरह से काम कर सकते हैं और जो नहीं कर सकते। जो फर्में गंभीरता से आगे बढ़ रही हैं, वे उस दबाव के एक साथ आने से पहले अपने सर्वश्रेष्ठ वकीलों की प्रवृत्ति को बुनियादी ढाँचे में बदलने की कोशिश कर रही हैं।

यही वह बाज़ार विभाजन है जिसे मैं करीब से देख रहा हूँ। कुछ फर्में अभी भी सॉफ़्टवेयर को मंज़ूरी दे रही हैं। अन्य कानून के अभ्यास में एक नए उत्पादन फ़ंक्शन को शामिल करने की तैयारी कर रही हैं।

दूसरे समूह को पकड़ना बहुत मुश्किल होने वाला है।

किसी भी तरह

एक ओर, इस निबंध में कुछ भी यह अपेक्षा नहीं करता कि तेज़ घड़ी अपनी वर्तमान दर से चलती रहे। भले ही, जैसा कि संशयवादी सुझाव देते हैं, हम एक विशाल AI बुलबुले के बीच में हों और कल प्रगति रुक जाए (जो, रिकॉर्ड के लिए, यहाँ से ऐसा नहीं दिखता), Opus 4.8 और Fable 5 के स्तर के मॉडल पहले से ही कानून के अभ्यास को बदलने के लिए पर्याप्त हैं, और संस्थानों को बने रहने के लिए उस क्षमता को आत्मसात करना होगा। और अगर घड़ी चलती रहती है, तो सवाल और भी तीखा हो जाता है: जब मशीन लगभग सब कुछ उत्पादित कर सकती है, तो वकीलों के लिए क्या बचा है?

मेरा उत्तर यह है कि कानून का उच्च स्तर वस्तुकृत नहीं होगा, और इसके वकीलों को बदला नहीं जाएगा। जैसा कि मैंने कहीं और लिखा है, प्रीमियम निष्पादन से निर्णय की ओर स्थानांतरित हो जाएगा, और घड़ी जितनी तेज़ चलेगी, वह प्रीमियम उतना ही बड़ा होता जाएगा।¹⁶

चालान का झूठ

इस सब परिवर्तन के अंत में, मानवीय हिस्सा जो बचेगा, वह निर्णय लेने की क्षमता है।

"निर्णय" से मेरा तात्पर्य वह पेशेवर तारीफ़ नहीं है जो वकील खुद को देते हैं। बल्कि वास्तविक निर्णय: कौन सा जोखिम मायने रखता है, कौन सी लड़ाई लड़ने लायक है, कौन सी रियायत हानिरहित दिखती है लेकिन बाद में नुकसान पहुँचाएगी, कौन सा तर्क अदालत स्वीकार कर सकती है, कौन सा बिंदु ग्राहक को लगता है कि कानूनी है लेकिन वास्तव में व्यावसायिक है। यह अंततः दबाव और अनिश्चितता के तहत निर्णय लेने के बारे में है।

यही वह चीज़ है जिसे ग्राहक हमेशा से कुलीन वकीलों से "खरीदने" की कोशिश कर रहे थे।

फिर भी चालान ने इसे देखना मुश्किल बना दिया।

एक सदी से, लॉ फर्में दृश्यमान, मापने योग्य काम के लिए बिल भेजती थीं: शोध, प्रारूपण, परिश्रम, उद्धरण-जाँच, रेडलाइन, हस्ताक्षर पृष्ठ, समापन सेट। उस काम में से कुछ के लिए वास्तविक कौशल की आवश्यकता थी। इसका अधिकांश भाग मेहनत का काम था। इसमें समय लगता था, और समय को मापना आसान था, इसलिए समय वह इकाई बन गया जिसे पेशा बेचता था।

उस इकाई का एक तर्क था। काम लोगों द्वारा किया जाना था। जो जूनियर इसे करते थे, वे इसे करते हुए सीखते थे। जो पार्टनर इसकी निगरानी करते थे, वे जूनियर के समय को मार्जिन में बदल देते थे। ग्राहक भुगतान करता था क्योंकि डील बंद करने, ब्रीफ दाखिल करने, परिश्रम पूरा करने, या रिकॉर्ड की समीक्षा करने का कोई और तरीका नहीं था।

लेकिन बिल करने योग्य घंटे ने उत्पादन और निर्णय लेने के बीच के अंतर को भी धुंधला कर दिया। उत्पादन इकट्ठा करने, प्रारूपित करने, तुलना करने, सारांशित करने, फ़ॉर्मेट करने, जाँचने और व्यवस्थित करने का कुशल काम है। निर्णय लेना वह क्षण है जब एक वकील उस सारी सामग्री को लेता है और ग्राहक को बताता है कि क्या करना है।

ग्राहकों ने दोनों के लिए भुगतान किया, लेकिन वे दूसरे की सबसे अधिक परवाह करते थे।

एक बोर्ड कुलीन डील पार्टनर को इसलिए नहीं रखता क्योंकि वह अधिक परिश्रम के घंटे चाहता है। वह उसे इसलिए रखता है क्योंकि उसने इतनी डीलें देखी हैं कि वह जानता है कि यह डील कहाँ टूट सकती है। एक प्रतिवादी महान ट्रायल वकील को इसलिए नहीं रखता क्योंकि वह नियमित डिस्कवरी पर अधिक समय बिताना चाहता है। वह उसे इसलिए रखता है क्योंकि वह किसी ऐसे व्यक्ति को चाहता है जो यह तय कर सके कि कौन से तीन बिंदु मायने रखते हैं और उन्हें कैसे प्रभावी बनाना है। एक संस्थापक किसी प्रशंसा को निहारने के लिए वकील नहीं रखता। वह एक वकील को यह कहने के लिए रखती है: यह मान लो, उससे लड़ो, और उन्हें यह खंड न लेने दो क्योंकि बाद में यह मायने रखेगा।

AI अर्थशास्त्र को बदल देता है क्योंकि यह पहले उत्पादन पर हमला करता है। यह पहला ड्राफ्ट तैयार करता है। यह दस्तावेज़ों की तुलना करता है। यह रिकॉर्ड का सारांश बनाता है। यह उद्धरणों की जाँच करता है। यह हस्ताक्षर ब्लॉक को अनुरूप करता है। यह उस थकाऊ समीक्षा को चलाता है जो बिल के एक बड़े हिस्से को सही ठहराती थी। अपूर्ण रूप से, और निगरानी के बिना नहीं, लेकिन इतनी तेज़ी से और इतनी अच्छी तरह से कि समय और मूल्य के बीच का पुराना संबंध अब टिक नहीं सकता।

जब उत्पादन महंगा था, तो ग्राहक का बिल उत्पादन से भरा होता था। जब उत्पादन सस्ता हो जाता है, तो दुर्लभ इनपुट वह व्यक्ति होता है जो मशीन को निर्देशित करना, उत्तर का परीक्षण करना, ग्राहक के उद्देश्य को समझना, और जब उत्तर कठिन हो तो सिफारिश करना जानता है। मूल्य जिम्मेदारी की ओर बढ़ता है: वह मानव जिसके पास यह जानने के लिए पर्याप्त अनुभव है कि क्या मायने रखता है और सलाह के पीछे खड़े होने के लिए पर्याप्त जवाबदेही है।

यहीं पर ये भविष्यवाणियाँ कि AI वकीलों को "बदल" देगा, गलत हो जाती हैं। मैं जो देख रहा हूँ कि वकील इन उपकरणों के साथ क्या कर रहे हैं, और यह देखते हुए कि निर्णय वह इनपुट है जो अपना मूल्य बनाए रखता है, संभावित अंकगणित यह है कि प्रत्येक कानूनी नौकरी का आधा हिस्सा बदल दिया जाता है, बजाय इसके कि आधी कानूनी नौकरियाँ पूरी तरह से बदल दी जाएँ। मशीन उत्पादन वाला आधा हिस्सा ले लेती है। वह हिस्सा जिसके लिए लोग वास्तव में लॉ स्कूल गए थे, बना रहता है, और उच्च स्तर पर नौकरी बेहतर हो जाती है, हालाँकि अधिक गहन, क्योंकि सप्ताह का अधिकांश समय उस कठिन संज्ञानात्मक कार्य में बीतता है जो हमेशा से मुद्दा था। कानूनी सेवा बाज़ार का निचला सिरा एक अलग कहानी है: जहाँ दाँव कम हैं और काम नियमित है, वहाँ कानूनी सेवाएँ वास्तव में वस्तुकृत हो सकती हैं, और मार्जिन उन टोकन की कीमत की ओर सिकुड़ जाएगा जो ग्राहक अनुरोधों को संसाधित करते हैं। लेकिन सबसे कुलीन लॉ फर्मों के लिए, जैसे कि जिनके साथ मैं अब काम कर रहा हूँ, निर्णय मूल्यवान रहेगा और काम वस्तुकृत नहीं होगा।

यह संक्रमण जूनियर के लिए कठिन होगा क्योंकि मेहनत का काम केवल वह चीज़ नहीं थी जो फर्में बेचती थीं। यह वह तरीका भी था जिससे वकील सीखते थे। पहला-पास शोध, पहला-पास प्रारूपण, पहला-पास समीक्षा, परिश्रम, चेकलिस्ट, और समापन तंत्र आकर्षक नहीं थे, लेकिन उन्होंने निर्णय की कच्ची सामग्री के बार-बार संपर्क में आना सुनिश्चित किया। यदि AI उस काम को संक्षिप्त करता है, तो फर्में यह दिखावा नहीं कर सकतीं कि पुरानी प्रशिक्षुता अपने आप काम करती रहेगी। उन्हें जानबूझकर निर्णय लेने के आसपास प्रशिक्षण डिज़ाइन करना होगा।

सर्वश्रेष्ठ जूनियर पहले से कहीं अधिक तेज़ी से आगे बढ़ेंगे। वे मॉडल से पूरी डील समझाने के लिए कह सकते हैं, बजाय इसके कि वे अंधेरे में अपने हिस्से को पीसते रहें। वे संरचना देख सकते हैं, अपनी प्रवृत्ति का परीक्षण कर सकते हैं, विकल्पों की तुलना कर सकते हैं, और पार्टनर-स्तर के तर्क के करीब पहले पहुँच सकते हैं। कमजोर लोग वह छलावरण खो देंगे जो वॉल्यूम प्रदान करता था।

भर्ती को इस नई वास्तविकता को प्रतिबिंबित करने की आवश्यकता होगी। दशकों से, फर्में लॉ स्कूल ग्रेड और लॉ रिव्यू सदस्यता के लिए काम पर रखती थीं, यह प्रमाण कि एक उम्मीदवार निर्देशों का पालन कर सकता है और क्रूर घंटों से बच सकता है, क्योंकि पिरामिड वॉल्यूम पर चलता था और वॉल्यूम को जीवित रहने योग्य होना था। लेकिन ध्यान दें कि यह एक अच्छा वकील होने के समान नहीं है (या जरूरी नहीं कि इससे संबंधित भी हो)। अब काम पर रखने लायक एसोसिएट अलग दिखता है: निर्णय, पहल, व्यावसायिक समझ, और लोगों के कौशल के शुरुआती संकेत। एक क्लर्कशिप, जहाँ एक युवा लिटिगेटर एक साल एक न्यायाधीश को कठिन निर्णय लेते हुए देखने में बिताता है। एक बैंक या Fortune 500 कंपनी के अंदर (गैर-कानूनी क्षमता में) बिताया गया समय, जहाँ एक भविष्य का डील वकील सीखता है कि ग्राहक कैसे बात करते हैं और वे वास्तव में क्या खरीदने की कोशिश कर रहे हैं। कक्षाएँ छोटी होंगी। बार आगे बढ़ेगा। जो एसोसिएट इसे पार करेंगे, उन्हें कुछ ऐसा मिल सकता है जो उनके पूर्ववर्तियों को शायद ही कभी मिला: निर्णय लेने में एक अधिक प्रत्यक्ष प्रशिक्षुता, जिसमें अधिकांश मेहनत का काम एक ऐसी मशीन को सौंप दिया गया है जिसे कभी वीकेंड नहीं चाहिए था।

एक कदम पीछे हटें और झूठ स्पष्ट हो जाता है। फर्में आज जिसके लिए बिल भेजती हैं, जूनियर और मिड-लेवल एसोसिएट समय के घंटे जो मेहनत का काम करते हैं, वह कभी भी वह चीज़ नहीं थी जिसे ग्राहक शीर्ष फर्मों से वास्तव में महत्व देते थे। घंटे वह तरीका थे जिससे फर्म ने उस चीज़ के लिए चालान करना चुना जिसे ग्राहक वास्तव में खरीदना चाहता था, जो कि उस पार्टनर से निर्णय और निर्णय लेना है जो सलाह पर हस्ताक्षर करता है। इसलिए जो वकील चिंता करते हैं कि लगातार अधिक शक्तिशाली AI कानून से मूल्य निकाल देगा, वे इसे उल्टा समझ रहे हैं। मूल्य हमेशा, विरोधाभासी रूप से, उस एक चीज़ में बैठा था जिसे बिल ने कभी आइटमाइज़ नहीं किया, और वह चीज़ कहीं नहीं जा रही है। केंद्रित निर्णय एक संपत्ति है, सर्वश्रेष्ठ फर्मों के पास किसी और से अधिक है, और इस तकनीक के लिए परिपक्व प्रतिक्रिया उस संपत्ति की रक्षा करना और अंततः इसकी कीमत निर्धारित करना है, जबकि मशीन बिल के उस हिस्से को वस्तुकृत करती है जो हमेशा सिर्फ पैकेजिंग था।

फर्श को फाड़ना

इस निबंध में हर चीज़ एक ही अनाकर्षक निष्कर्ष की ओर इशारा करती है। प्रैक्टिस के स्तर पर किया गया परिवर्तन प्रबंधन, अब किसी भी लॉ फर्म (या बड़े व्यावसायिक उद्यम, उस मामले के लिए) के लिए उपलब्ध सबसे महत्वपूर्ण निवेश है, जो किसी भी लेटरल हायर, किसी भी प्रैक्टिस लॉन्च, किसी भी कार्यालय खोलने से बड़ा है। इसे सही करने का लाभ वर्षों में मापा जाने वाला एक संचयी नेतृत्व है। इसे गलत करने का नुकसान अस्तित्वगत है: एक दशक उस काम के लिए प्रति घंटा बिल का बचाव करने में बिताया गया जिसे ग्राहक कहीं और अधिक सस्ते में खरीद सकते हैं, जबकि AI-नेटिव प्रतियोगी, उन्हीं ग्राहकों द्वारा आंशिक रूप से वित्तपोषित, एक बार में एक प्रैक्टिस एरिया का काम छीन लेते हैं।

इसका सामना करने का समय अब है, जबकि यह अभी भी एक विकल्प है। संस्थान दो समय-सारिणी में से एक पर बदलते हैं, जानबूझकर या आपात स्थिति में, और आपात स्थिति के बारे में हर चीज़ पुनर्निर्माण को बदतर बनाती है। प्रतिभा जा रही है, ग्राहक फिर से बातचीत कर रहे हैं, और कार्यकारी समिति किसी प्रतियोगी की घोषणा के बारे में बैठक कर रही है, न कि अपनी योजना के बारे में। जो फर्में अब शुरू करती हैं, वे तब पुनर्निर्माण कर सकती हैं जब राजस्व अभी भी रिकॉर्ड स्थापित कर रहा है। जो फर्में प्रतीक्षा करेंगी, वे वही काम बाद में, दबाव में, हर चीज़ से कम के साथ करेंगी।

पुनर्निर्माण में निवेश करने का मतलब वही है जो एक सदी पहले कारखानों में था। विजेता भाप के इंजन को बिजली के इंजन से बदलने पर नहीं रुके। उन्होंने हर मशीन पर एक मोटर लगा दी और लाइन को कार्य का अनुसरण करने दिया। कानूनी संस्करण स्वयं प्रैक्टिस के स्तर पर परिवर्तन है: निर्णय वहाँ लिखा गया जहाँ एक मशीन इसे चला सकती है और एक वकील इसकी निगरानी कर सकता है, वर्कफ़्लो दर वर्कफ़्लो, समूह दर समूह। काम धीमा, व्यक्तिगत, और ऑर्ग चार्ट से अदृश्य है, और यह एकमात्र प्रकार का AI खर्च है जो बदलता है कि एक फर्म वास्तव में क्या करती है।

जो फर्में इसे कर सकती हैं, उनके लिए अंतिम पुरस्कार कोका-कोला की किस्मत है। उत्कृष्ट कानूनी कार्य का उत्पादन करने का मतलब हमेशा एसोसिएट की मंज़िलों के लिए भुगतान करना रहा है, और वह लागत गिर रही है। एक फर्म जो प्रति घंटा मॉडल से दूर जाती है और ग्राहकों की अपेक्षाओं को फिर से स्थापित करती है, वह उस चीज़ को रखती है जिसे ग्राहक हमेशा खरीदना चाहेंगे (निर्णय, निर्णय लेना) और इसे बनाने की अधिकांश लागत को हटा देती है। उच्च स्तर पर मार्जिन नाटकीय रूप से सुधरेगा। वुड्रफ चाहते थे कि कोक इच्छा की पहुँच के भीतर हो। जो फर्में पहले फर्श को फाड़ेंगी, वे दुनिया के हर व्यावसायिक उद्यम में हर कठिन निर्णय की पहुँच के भीतर कुलीन कानूनी निर्णय रखेंगी।

नोट्स

1. Anthropic Institute, "When AI Builds Itself" (Marina Favaro and Jack Clark, June 4, 2026), रिपोर्ट करता है कि मई 2026 तक Anthropic के प्रोडक्शन कोडबेस में मर्ज किए गए 80 प्रतिशत से अधिक कोड Claude द्वारा लिखा गया था, जो फरवरी 2025 में Claude Code लॉन्च होने से पहले कम एकल अंकों से बढ़कर था। चार गुना का आंकड़ा रिपोर्ट के मार्च 2026 के लगभग 130 शोध कर्मचारियों के आंतरिक सर्वेक्षण से आता है, जिसमें औसत उत्तरदाता ने अपने आउटपुट को AI के बिना लगभग चार गुना बताया; रिपोर्ट स्वयं चेतावनी देती है कि इस तरह के स्व-अनुमान उच्च होते हैं।

1. Clive Thompson, "Coding After Coders: The End of Computer Programming as We Know It," The New York Times Magazine, मार्च 2026. थॉम्पसन ने Google, Amazon, Microsoft, Apple और अन्य जगहों पर सत्तर से अधिक सॉफ़्टवेयर डेवलपर्स का साक्षात्कार लिया कि कैसे AI एजेंटों ने नौकरी बदल दी है।

1. Zack Shapiro, "The Claude-Native Law Firm," X पर प्रकाशित, 27 फरवरी, 2026: फ्रंटियर मॉडल के आसपास पुनर्निर्मित दो-वकील प्रैक्टिस चलाने का एक प्रत्यक्ष विवरण।

1. सुलिवन एंड क्रॉमवेल के एंड्रयू डिटडेरिच का मार्टिन ग्लेन, मुख्य न्यायाधीश, यू.एस. बैंकरप्सी कोर्ट फॉर द सदर्न डिस्ट्रिक्ट ऑफ न्यूयॉर्क (18 अप्रैल, 2026) को पत्र, प्रिंस ग्रुप अध्याय 15 कार्यवाही में, 9 अप्रैल, 2026 को दायर एक आपातकालीन प्रस्ताव के लिए माफी माँगते हुए जिसमें दर्जनों गलत उद्धरण और अन्य त्रुटियाँ थीं, जिनमें AI मतिभ्रम शामिल थे। त्रुटियों को बोइज़ शिलर फ्लेक्सनर के विपक्षी वकीलों द्वारा चिह्नित किया गया था और ब्लूमबर्ग लॉ और रॉयटर्स सहित व्यापक रूप से रिपोर्ट किया गया था।

1. डारियो अमोदेई ने 28 मई, 2025 को Axios के जिम वांडेहे और माइक एलन के साथ एक साक्षात्कार में रिकॉर्ड पर भविष्यवाणी की: AI एक से पांच साल के भीतर सभी प्रवेश-स्तर की व्हाइट-कॉलर नौकरियों में से आधे को समाप्त कर सकता है और बेरोजगारी को 10 से 20 प्रतिशत तक धकेल सकता है। अमोदेई ने तब से स्वयं हल्के अर्थशास्त्र की ओर रुख किया है, JPMorgan के जेमी डिमन के साथ Anthropic के वित्तीय-सेवा ब्रीफिंग (Fortune, 5 मई, 2026) में जेवन्स विरोधाभास (नौकरी के अधिकांश हिस्से को स्वचालित करें और शेष मानव भाग की मांग बढ़ सकती है) का आह्वान करते हुए।

1. विद्युतीकरण की कहानी Paul A. David, "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox," American Economic Review 80, no. 2 (1990), और Warren D. Devine, Jr., "From Shafts to Wires: Historical Perspective on Electrification," Journal of Economic History 43, no. 2 (1983) में बताई गई है। कारखानों ने लगभग 1900 में विद्युतीकरण शुरू किया; मापा गया उत्पादकता लाभ 1920 के दशक में आया, एक बार जब यूनिट-ड्राइव मोटर्स ने संयंत्रों को केंद्रीय-शाफ्ट लेआउट को छोड़ने दिया।

1. यह वाक्यांश रॉबर्ट वुड्रफ का है, जो कोका-कोला के लंबे समय तक अध्यक्ष रहे, जिन्होंने 1920 के दशक में कंपनी का लक्ष्य "इच्छा की पहुँच के भीतर" कोक रखना निर्धारित किया था। यह पंक्ति कंपनी के अपने कॉर्पोरेट इतिहास और Mark Pendergrast, For God, Country and Coca-Cola (1993) में उद्धृत है।

1. किर्कलैंड एंड एलिस की योजना, पहली बार फाइनेंशियल टाइम्स द्वारा रिपोर्ट की गई और मई 2026 के अंत में ब्लूमबर्ग लॉ द्वारा पुष्टि की गई, तीन से चार वर्षों में लगभग $500 मिलियन प्रतिबद्ध करती है, जो 2026 में लगभग $100 मिलियन से शुरू होती है। किर्कलैंड ने 2025 में $10.56 बिलियन का राजस्व reported किया, जो किसी भी लॉ फर्म में सबसे अधिक है।

1. किर्कलैंड के 2025 के परिणाम, पहली बार द अमेरिकन लॉयर द्वारा मार्च 2026 में रिपोर्ट किए गए: $10.56 बिलियन का सकल राजस्व, 20 प्रतिशत ऊपर, और $11.1 मिलियन का औसत प्रति इक्विटी पार्टनर लाभ, 20 प्रतिशत ऊपर, 595 इक्विटी पार्टनर्स पर। किर्कलैंड राजस्व में $10 बिलियन और औसत पार्टनर लाभ में $11 मिलियन को पार करने वाली पहली फर्म थी।

1. ब्लूमबर्ग लॉ और Law.com, 27 फरवरी, 2026, ब्लैकस्टोन की वार्षिक प्रतिभूति फाइलिंग से रिपोर्ट करते हुए: ब्लैकस्टोन ने 2025 में किर्कलैंड को कानूनी शुल्क में $87.8 मिलियन का भुगतान किया, जो 2024 में रिकॉर्ड $101.3 मिलियन से कम है, भले ही किर्कलैंड का समग्र राजस्व 20 प्रतिशत बढ़ा। ब्लैकस्टोन भुगतानों का खुलासा करता है क्योंकि एक किर्कलैंड पार्टनर इसके बोर्ड में बैठता है।

1. नॉर्म लॉ ने नवंबर 2025 में अपने मूल नॉर्म एआई में $50 मिलियन के ब्लैकस्टोन निवेश के साथ लॉन्च किया, जिसके समर्थकों में बेन कैपिटल, ब्लैकस्टोन और वैनगार्ड शामिल हैं; जनवरी 2026 में इसने माइकल श्मिटबर्गर को अपना अध्यक्ष नियुक्त किया, जिन्होंने सात वर्षों तक सिडली ऑस्टिन की कार्यकारी समिति की अध्यक्षता की थी (ब्लूमबर्ग लॉ, 22 जनवरी, 2026)। AI-नेटिव लॉ फर्मों के लिए वेंचर फंडिंग ने उसी पैटर्न का पालन किया है: क्रॉस्बी ने सिकोइया, इंडेक्स और लक्स से $85 मिलियन से अधिक जुटाए हैं, और यूडिया ने एरिज़ोना में एक AI-संवर्धित लॉ फर्म लॉन्च करने से पहले $105 मिलियन तक की सीरीज़ A जुटाई।

1. किर्कलैंड एंड एलिस और पैलेंटिर टेक्नोलॉजीज ने 4 जून, 2026 को प्लेटफ़ॉर्म की घोषणा की, एक सप्ताह बाद जब फाइनेंशियल टाइम्स ने पहली बार फर्म की $500 मिलियन प्रतिबद्धता की रिपोर्ट की। फंड फॉर्मेशन इंजन, किर्कलैंड के लिए विशेष, फंड डॉक्यूमेंटेशन, साइड लेटर, दायित्व ट्रैकिंग और क्लोज़िंग को प्राइवेट इक्विटी फंडरेज़िंग जीवनचक्र में फर्म के इन्वेस्टमेंट फंड्स प्रैक्टिस में 1,000 से अधिक वकीलों के लिए ले जाने के लिए बनाया गया है। किर्कलैंड ने कहा है कि प्लेटफ़ॉर्म की आर्किटेक्चर मॉडल-अज्ञेय है, जिसे इस तरह से डिज़ाइन किया गया है कि फर्म किसी एक AI प्रदाता में बंद न हो।

1. OpenAI ने 11 मई, 2026 को OpenAI डिप्लॉयमेंट कंपनी की घोषणा की, जो TPG के नेतृत्व में $4 बिलियन से अधिक प्रतिबद्ध पूंजी वाली एक स्वतंत्र इकाई है, जिसे टोमोरो के अधिग्रहण के साथ लॉन्च किया गया, एक एप्लाइड-AI कंसल्टेंसी जो पहले दिन लगभग 150 फॉरवर्ड-डिप्लॉयड इंजीनियर लेकर आई। Anthropic, Blackstone, Hellman & Friedman, और Goldman Sachs ने 4 मई, 2026 को अपनी AI-नेटिव एंटरप्राइज सर्विसेज फर्म की घोषणा की, जिसे लगभग $1.5 बिलियन (CNBC, 4 मई, 2026) पर पूंजीकृत किया गया, जिसमें Anthropic Applied AI इंजीनियर इसकी टीमों में शामिल थे। यह दौड़ एक साल के इस सबूत के बाद आती है कि अकेले क्षमता परिवर्तित नहीं हो रही थी; MIT के शोधकर्ताओं ने 2025 में रिपोर्ट किया कि, एंटरप्राइज खर्च में दसियों अरबों डॉलर के बावजूद, 95 प्रतिशत संगठन जनरेटिव AI पर कोई मापने योग्य रिटर्न नहीं देख रहे थे।

1. एलेक्स कार्प, CNBC पर साक्षात्कार, 1 जुलाई, 2026, Nvidia के साथ पैलेंटिर की संप्रभु-AI साझेदारी की घोषणा के साथ दिया गया। कार्प ने कहा कि एंटरप्राइज ग्राहक अपने AI, अपनी कंप्यूट, अपने मॉडल, अपने डेटा और अपने प्रतिस्पर्धात्मक लाभ के पीछे उत्पादन के साधनों का मालिक बनना चाहते हैं, और विक्रेता तैनाती उद्यमों को ऐसी व्यवस्था बताया जो उस लाभ को किसी तीसरे पक्ष को हस्तांतरित करती है।

1. Zack Shapiro, "The Input Layer," X पर प्रकाशित, 25 मार्च, 2026, क्यों मॉडल का आउटपुट केवल उतना ही अच्छा है जितना उसे मिलने वाला ब्रीफिंग।

1. Zack Shapiro, "The Judgment Premium," X पर प्रकाशित, 2 मार्च, 2026. तर्क: जैसे-जैसे AI कुशल उत्पादन को अवशोषित करता है, बुद्धि प्रीमियम वाष्पित हो जाता है और पेशेवर प्रीमियम निर्णय की ओर स्थानांतरित हो जाता है, वह परत जहाँ एक व्यक्ति तय करता है कि क्या करना है जब उत्तर स्पष्ट नहीं है और उस कॉल पर प्रतिष्ठा दाँव पर लगाता है।