นาฬิกาสองเรือน

ความสามารถของ AI นั้นล้ำหน้าไปหลายปีกว่าสถาบันที่ถูกออกแบบมาให้ใช้งานมัน ธุรกิจในทศวรรษหน้าก็คือการปิดช่องว่างนั้น

ในไม่กี่เดือนที่ผ่านมา ผมได้นั่งพูดคุยกับหุ้นส่วนในสำนักงานกฎหมายใหญ่ๆ หลายแห่งของประเทศ และขอให้พวกเขาแสดงให้เห็นว่าพวกเขาพยายามทำอะไรกับ AI จริงๆ บ้าง

รูปแบบที่พบนั้นสอดคล้องกันอย่างน่าทึ่ง ทนายความผู้มากประสบการณ์วัยยี่สิบสามสิบปี จะอัปโหลดเอกสารและขอให้โมเดล “ตรวจสอบข้อตกลงนี้และระบุปัญหา” โมเดลจะตอบกลับมาด้วยคำตอบที่ดูมีความสามารถ แต่เป็นคำตอบทั่วไปและไร้ประโยชน์เป็นส่วนใหญ่ ทนายความจะพยักหน้า เพราะคำตอบนั้นยืนยันความสงสัยที่เขามีอยู่แล้ว เครื่องมือที่น่าสนใจ ใช้สรุปความได้ดี แต่ยังไม่พร้อมสำหรับงานจริง

นี่คือสัญชาตญาณแรกตามธรรมชาติ เพราะกล่องข้อความดูเหมือนแถบค้นหาที่เชิญชวนให้พิมพ์คำถามสั้นๆ หนึ่งถึงสามประโยค

แต่แล้วเราก็สร้างคำสั่งขึ้นมาใหม่

เราไม่ได้เพิ่มคำวิเศษอะไร เราได้ทำในสิ่งที่ทนายความอาวุโสคนหนึ่งจะทำก่อนจะมอบหมายงานให้ผู้ช่วยทนายความที่เก่งคนหนึ่ง เราอธิบายภูมิหลังของลูกค้า ท่าที วัตถุประสงค์ทางธุรกิจ พลวัตของคู่สัญญา ข้อกำหนดที่มักจะมีความสำคัญ ประเด็นที่ดูเหมือนเป็นกฎหมายแต่จริงๆ แล้วเป็นเชิงพาณิชย์ ข้อโต้แย้งที่ไม่ควรทำ ระดับความมั่นใจที่ทนายความยินดีจะรับรอง รูปแบบที่ลูกค้าจะอ่านได้จริง และการตรวจสอบที่ AI ต้องทำก่อนที่จะส่งคำตอบกลับมา

โมเดลเดียวกัน เอกสารเดียวกัน คำสั่งที่แตกต่าง

ผลลัพธ์จะเปลี่ยนไปมากจนบรรยากาศในห้องมักจะเปลี่ยนตามไปด้วย

นั่นคือช่องว่างที่ทุกคนมองข้าม โมเดลไม่ได้อ่อนแอเกินไป แต่สถาบันยังไม่ได้เรียนรู้วิธีการซึมซับมัน

ในช่วงสองสามเดือนที่ผ่านมา ผมทำงานอย่างเงียบๆ กับสำนักงานกฎหมายที่ใหญ่ที่สุดและเก่าแก่ที่สุดสองแห่งในสหรัฐอเมริกา ช่วยให้พวกเขาซึมซับ AI เข้าสู่งานประจำวันของกลุ่มปฏิบัติงานของตน เหล่านี้เป็นสำนักงานที่มีเหตุผลเชิงโครงสร้างทุกประการที่จะเคลื่อนไหวอย่างช้าๆ: ผลกำไรมหาศาล กลุ่มผู้มีส่วนได้ส่วนเสียภายในที่ทรงพลัง ขั้นตอนการทำงานที่ฝังรากลึก ลูกค้าที่ยังคงจ่ายค่าใช้จ่าย และถึงอย่างนั้น การสนทนาที่จริงจังก็เปลี่ยนไปแล้ว

คำถามไม่ใช่แล้วว่าทนายความจะใช้ AI สรุปเอกสารได้หรือไม่ แต่เป็นว่าจะสร้างงานทางกฎหมายที่แท้จริงขึ้นมาใหม่รอบโมเดล前沿 (frontier models) ได้อย่างไร

นาฬิกาสองเรือนกำลังเดิน และพวกมันเดินไม่ตรงกันแล้ว

เรือนแรกวัดความก้าวหน้าของเทคโนโลยี มันเดินหน้าไปทุกสองสามสัปดาห์: โมเดลที่ฉลาดขึ้น, บริบทที่ยาวขึ้น, เอเจนต์ที่ดีขึ้น, ระบบที่สามารถรับชุดไฟล์ที่ยุ่งเหยิงและส่งคืนผลงานที่แต่ก่อนต้องใช้ทีมงาน เรือนที่สองติดตามสถาบันที่ถูกออกแบบมาให้ใช้เทคโนโลยี และมันเคลื่อนที่ไปในแบบที่สถาบันมักจะเคลื่อนที่: ผ่านคณะกรรมการ การอนุมัติ โครงการนำร่อง นโยบาย การฝึกอบรม กลุ่มอำนวยการ และความหวังอันเงียบงันว่าไม่มีอะไรจำเป็นต้องเปลี่ยนแปลงอย่างพื้นฐานก่อนถึงรอบการจ่ายค่าตอบแทนครั้งหน้า

ระยะห่างระหว่างนาฬิกาสองเรือนนี้คือข้อเท็จจริงที่สำคัญที่สุดในวงการธุรกิจตอนนี้

การโต้เถียงในที่สาธารณะเกี่ยวกับ AI ส่วนใหญ่พลาดช่องว่างนี้ไป เพราะมันแทบจะเป็นการโต้เถียงเกี่ยวกับนาฬิกาเรือนแรกเท่านั้น ฝ่ายหนึ่งคิดว่า AI กำลังจะกลืนกินเศรษฐกิจทั้งหมด อีกฝ่ายคิดว่ามันเป็นแค่ระบบเติมคำอัตโนมัติที่ถูก overhyped และแพงเกินไป ข้อโต้แย้งทั้งสองนั้นเน้นที่เครื่องจักรมากเกินไป เรื่องราวที่สำคัญกว่าในช่วงกลางปี 2026 คือทุกสิ่งที่อยู่รอบๆ เครื่องจักร: แรงจูงใจ นิสัย การกำหนดราคา งานของมนุษย์ในการเปลี่ยนแปลงวิธีการทำงานขององค์กร

จุดคอขวดได้ขยับไปแล้ว มันไม่ใช่เรื่องของความฉลาดอีกต่อไปอีกแล้ว มันคือการซึมซับมันต่างหาก

บริษัทที่สร้างเทคโนโลยีขึ้นมาระดมทุนก้อนมหาศาลโดยสัญญาว่ามันจะพลิกโฉมเศรษฐกิจ (และรวดเร็ว) และตอนนี้พวกเขาต้องแสดงให้เห็นว่าการพลิกโฉมนั้นเป็นจริง บริษัทที่ถูกออกแบบมาให้ใช้มันต้องเผชิญหน้ากับลูกค้าที่ต้องการผลประหยัดที่ทุกคนสัญญาไว้ และคู่แข่งรายใหม่ที่ "เกิดมาในยุค AI" (AI-native) ที่เริ่มแย่งงานไป ทั้งสองฝ่ายต้องการสิ่งเดียวกัน และมันขาดแคลนอย่างยิ่ง: ความสามารถที่แท้จริง ที่ถูกซึมซับเข้าไปในวิธีการทำงานของงานออฟฟิศ

การซึมซับนั้นคือโอกาสทางธุรกิจที่ยิ่งใหญ่ที่สุดในบริการวิชาชีพ

นาฬิกาเรือนที่เร็ว (The Fast Clock)

ในเวลาที่สำนักงานใหญ่ใช้ในการนัดประชุมคณะกรรมการเกี่ยวกับ AI โมเดล前沿 (frontier model) รุ่นใหม่สองรุ่นก็ถูกปล่อยออกมา แต่ละรุ่นให้ความรู้สึกเป็นการเพิ่มเติมทีละน้อยสำหรับสำนักงาน เพราะมันมาถึงภายในกล่องแชทเดียวกันกับรุ่นก่อนหน้า อินเทอร์เฟซแทบไม่เปลี่ยนแปลง ดังนั้นผู้คนจึงพลาดขนาดของการเปลี่ยนแปลงที่เกิดขึ้นเบื้องหลัง

ทนายความในปี 2016 จะมองว่า AI 前沿 (frontier) ในปัจจุบันเป็นนิยายวิทยาศาสตร์ โมเดลสามารถอ่านบันทึก แบ่งปัญหาที่ยากออกเป็นส่วนย่อย ทำงานส่วนย่อยเหล่านั้นแบบขนาน ค้นหาชุดไฟล์ จัดการเอกสาร เขียนโค้ด รันโค้ดนั้น ตรวจสอบการอ้างอิง และส่งคืนผลงานที่เสร็จสมบูรณ์ โดยไม่ต้องมีมนุษย์เข้ามาเกี่ยวข้องนอกจากคำสั่งเริ่มต้น แสดงให้ทนายความเมื่อสิบปีก่อนดู และการสาธิตจะจบลงด้วยการประชุมฉุกเฉินของคณะกรรมการบริหาร แสดงให้ทนายความในวันนี้ดู และเขาจะถามว่าแผนกไอทีของสำนักงานอนุมัติเครื่องมือนั้นหรือยัง

อุตสาหกรรมซอฟต์แวร์เป็นจุดที่ง่ายที่สุดในการเห็นนาฬิกาเรือนเร็วทำงาน เพราะโค้ดจะทำงานหรือไม่ก็ไม่ทำงาน ภายใน Anthropic ตอนนี้ Claude เขียนโค้ดมากกว่าร้อยละแปดสิบที่ถูกส่งไปยังระบบผลิต (production) และมัธยฐานของนักวิจัยที่ถูกสำรวจในเดือนมีนาคม ระบุว่าผลงานของเขามากกว่าสี่เท่าเมื่อไม่มี AI ¹ Clive Thompson สัมภาษณ์วิศวกรประมาณเจ็ดสิบคนทั่วทั้ง Google, Microsoft, Amazon และ Apple และพบรูปแบบเดียวกันทุกที่: คนอาวุโสเขียนน้อยลง สั่งงานมากขึ้น และส่งมอบงานได้มากกว่าที่เคย ² หน่วยของงานได้เปลี่ยนจากการผลิตไปสู่การประสานงาน มนุษย์ยังคงรับผิดชอบ แต่มนุษย์ไม่ได้พิมพ์ทุกบรรทัด (หรือเกือบทุกบรรทัด) ของโค้ดด้วยมืออีกต่อไป

แต่กฎหมายไม่มีคอมไพเลอร์ สัญญาที่ผิดพลาดไม่ทำให้ระบบล่ม มันนอนอยู่ในลิ้นชัก ดูเหมือนไม่มีปัญหา จนกระทั่งวันหนึ่งคู่สัญญาใช้สิทธิ์ในการยินยอมที่ไม่มีใครคิดถึงอย่างเพียงพอ หรือข้อตกลงชดใช้ค่าเสียหายสร้างภาระรับผิดที่ไม่จำกัดให้กับลูกค้าที่ไม่ทันระวัง ซึ่งทำให้การประเมิน AI ทางกฎหมายยากกว่าการประเมิน AI ในการเขียนโค้ด แต่ผมบอกคุณได้โดยตรงว่ามันทรงพลังไม่แพ้กัน ³

เพื่อนวิศวกรของผมนำหน้าคนทำงานออฟฟิศที่เหลือประมาณหกเดือนถึงหนึ่งปีในการใช้เครื่องมือเหล่านี้อย่างจริงจัง และสิ่งที่ผมสอนทนายความตอนนี้ส่วนใหญ่ผมเรียนรู้มาจากการดูพวกเขา ในการปฏิบัติงานของผมเองและในงานที่ปรึกษา ผมได้เห็นการเปลี่ยนแปลงที่อุตสาหกรรมเทคเพิ่งผ่านพ้นไป เริ่มเกิดขึ้นในกลุ่มเล็กๆ ของวิชาชีพกฎหมาย ทนายความด้านคดีความเปลี่ยนการค้นคว้าหนึ่งวันให้กลายเป็นยี่สิบนาที ทีมงานดีลบีบอัดการตรวจสอบเอกสารหนึ่งสัปดาห์ให้เหลือบ่ายเดียว ทนายความเดี่ยวรับงานที่แต่ก่อนต้องใช้ผู้ช่วยทนายความเต็มชั้น

ทนายความเหล่านี้บางคนอยู่ในสำนักงานที่ใหญ่ที่สุดในโลก สร้างสิ่งที่หุ้นส่วนของตัวเองยังไม่สังเกตเห็นและจะไม่เชื่อ หลายคนอยู่ในสำนักงานขนาดเล็กที่ไม่มีคณะกรรมการให้ถาม: ทนายความเดี่ยวที่รื้อขั้นตอนการทำงานของตัวเองจนเหลือแต่โครงสร้าง, สำนักงาน boutique ที่สร้างขึ้นรอบเครื่องมือเหล่านี้ตั้งแต่เริ่มต้น, ทนายความที่สามารถเปลี่ยนแปลงงานได้เพราะพวกเขาไม่ต้องการอนุญาตจากสถาบันที่งานนั้นกำลังคุกคาม

นาฬิกาเรือนเร็วไม่ได้รอนาฬิกาเรือนช้า

นาฬิกาเรือนช้า (The Slow Clock)

เดินไปตามโถงทางเดินของสำนักงานกฎหมาย AmLaw 50 ทั่วไป และโดยส่วนใหญ่แล้ว คุณจะไม่พบว่าทนายความใช้โมเดล前沿 (frontier model) ในการทำงานของพวกเขา

คุณจะพบการสมัครสมาชิก AI ทางกฎหมายราคาแพง เครื่องมือที่ได้รับการอนุมัติ การฝึกอบรมจากผู้ขาย นโยบายการใช้งานอย่างรับผิดชอบ รางวัลนวัตกรรม แผงเสวนาในงานประชุมหุ้นส่วนที่ทุกคนเห็นพ้องว่า AI มีความสำคัญ และไม่มีใครพูดอย่างชัดเจนว่าขั้นตอนการทำงานใดควรเปลี่ยนแปลง

ถามทนายความภายในสำนักงานใหญ่ๆ ว่าพวกเขาใช้ AI เพื่ออะไรในวันนี้ และคุณจะพบว่าพวกเขาส่วนใหญ่ใช้เทคโนโลยีที่ทรงพลังที่สุดเท่าที่เคยสร้างมาเพื่อทำความสะอาดรายการบันทึกเวลา สรุปเอกสารที่ไม่มีใครวางแผนจะอ่าน และร่างอีเมลเพื่อนัดประชุมครั้งต่อไป การใช้งานเล็กๆ น้อยๆ ของเครื่องมือที่จริงจัง

ความสามารถที่สำคัญจริงๆ ซึ่งโมเดลได้เติบโตขึ้นไปถึงนั้น ยังไม่ถูกทดลองใช้: การมอบหมายงานที่สำคัญ การสรุปข้อมูลให้โมเดลเหมือนกับที่คุณทำกับผู้ช่วยที่ดี บริบท มาตรฐาน และการตัดสินใจเชิงดุลยพินิจที่ถูกระบุไว้อย่างชัดเจน และได้ผลงานระดับมืออาชีพชั้นสูงกลับมาซึ่งแต่ก่อนต้องใช้เวลาหลายวัน

การใช้งานนั้นยังลังเลแม้ในจุดที่ความสามารถนั้นไม่ลังเล

กับดักแรงจูงใจ (The Incentive Trap)

ความช้านั้นเป็นสิ่งที่เข้าใจได้ ซึ่งไม่เหมือนกับว่าสมเหตุสมผล

ผลกำไรของสำนักงานกฎหมายขนาดใหญ่ตั้งอยู่บนเสาหลักสองต้น: ชั่วโมงที่เรียกเก็บเงินได้ (billable hour) ซึ่งคิดค่าบริการตามเวลา และเลเวอเรจ (leverage) ซึ่งซ้อนทนายความรุ่นน้องไว้ใต้หุ้นส่วนทุกคน และเรียกเก็บเงินชั่วโมงของพวกเขาในราคาที่บวกเพิ่ม AI คุกคามทั้งสองอย่าง ทุกชั่วโมงที่มันประหยัดได้คือชั่วโมงที่ไม่สามารถเรียกเก็บเงินด้วยวิธีเดิมได้ งานที่มันทำได้ดีที่สุด การร่างเบื้องต้น การตรวจสอบความถูกต้อง การตรวจสอบเอกสาร การตรวจสอบการอ้างอิง การสรุป การเปรียบเทียบ การจัดรูปแบบ ล้วนเป็นงานที่พีระมิด BigLaw ดำรงอยู่เพื่อขาย

ดังนั้น หุ้นส่วนที่มีเหตุผลจึงทดลองเป็นการส่วนตัว สำนักงานที่มีเหตุผลจึงเคลื่อนไหวช้า ทั้งคู่กำลังปกป้องบางสิ่งที่มีอยู่จริง

นั่นคือภาวะilemma ของผู้สร้างนวัตกรรม (innovator's dilemma) ในรูปแบบที่ชัดเจนที่สุด สำนักงานที่มีโอกาสได้รับประโยชน์จากการสร้างใหม่มากที่สุด คือสำนักงานที่เศรษฐกิจในปัจจุบันทำให้การสร้างใหม่นั้นเจ็บปวดที่สุด พวกเขารอ และการรอนั้นมีเหตุผลจนกว่าจะถึงคราวที่ร้ายแรง

คนที่สามารถบังคับให้เกิดการเปลี่ยนแปลงมักจะมีเหตุผลน้อยที่สุดที่จะทำ สำนักงานกฎหมายจ่ายผลกำไรออกทุกปี เงินปันผลของหุ้นส่วนคือส่วนแบ่งของสิ่งที่สำนักงานได้รับในปีนี้ ไม่ใช่สิทธิในสิบปีข้างหน้า CEO ของบริษัทมหาชนที่เปลี่ยนแปลงธุรกิจของเขาได้รับค่าตอบแทนเป็นหุ้น ซึ่งกำหนดราคาตามรายได้ในอนาคตทันทีที่ตลาดเชื่อในเรื่องราวนั้น Managing Partner (บางครั้งทำเงินเดือนปีละหนึ่งถึงสองหมื่นห้าล้านเหรียญสหรัฐ ห่างจากจุดสิ้นสุดของอาชีพการงานอันยาวนานอีกห้าปี) ที่เปลี่ยนแปลงสำนักงานของเขา จะได้รับการหยุดชะงักในตอนนี้ การต่อสู้เรื่องค่าตอบแทนในตอนนี้ ปริมาณชั่วโมงเรียกเก็บที่ลดลงในตอนนี้ และผลตอบแทนที่อาจมาถึงหลังจากที่เขาไปแล้ว การปล่อยให้นาฬิกาเดินต่อไปให้ผลตอบแทนแก่เขา การแก้ไขให้ผลตอบแทนแก่ผู้สืบทอด

นาฬิกาเรือนช้ายังเดินด้วยความกลัว

ประการแรกคือความกลัวที่ไม่สมมาตรที่จะกลายเป็นเรื่องเตือนใจ หุ้นส่วนที่ค่อยๆ สร้างขั้นตอนการทำงานใหม่ได้รับการพยักหน้าอย่างสุภาพ หุ้นส่วนที่คำร้องของ AI อ้างถึงคดีปลอมจะได้รับพาดหัวข่าวที่ติดตามเขาไปตลอดอาชีพการงาน Sullivan & Cromwell ได้เรียนรู้สิ่งนี้ในฤดูใบไม้ผลิที่ผ่านมา เมื่อคำร้องฉุกเฉินในคดีล้มละลายถูกส่งออกไปพร้อมกับข้อผิดพลาดในการอ้างอิงที่เกิดจาก AI มากมาย ⁴ S&C ไม่ใช่สำนักงานที่ใครจะคิดว่าประมาท นั่นคือประเด็น ชื่อเสียงไม่ได้ป้องกันความล้มเหลวนี้ กระบวนการต่างหากที่ป้องกัน

นอกจากนี้ยังมีความกลัวที่เงียบกว่า ซึ่งเป็นความกลัวที่ทนายความทุกคนเลื่อนผ่านพาดหัวข่าวหลายร้อยครั้งเกี่ยวกับ AI ที่จะมาแทนที่พวกเขาทั้งหมด ความกลัวนั้นไม่ได้ไร้เหตุผล เนื่องจากทนายความได้ยินเรื่องเล่านี้จากคนที่สร้างเทคโนโลยีอยู่เรื่อยๆ Dario Amodei ซีอีโอของ Anthropic ออกมาให้สัมภาษณ์เมื่อปีที่แล้วเตือนว่า AI อาจกวาดล้างงานออฟฟิศระดับเริ่มต้นถึงครึ่งหนึ่ง รวมถึงในวงการกฎหมาย ภายในห้าปี ⁵ ผมคิดว่าเขาคิดผิดเกี่ยวกับทนายความ และผมจะกลับมาอธิบายว่าทำไม แต่หุ้นส่วนไม่จำเป็นต้องเชื่อคำทำนายนั้นเพื่อรู้สึกถึงแรงดึงดูดของมัน เมื่อมองจากภายในสำนักงานใหญ่ การใช้งานโมเดลอย่างจริงจังทุกครั้งอาจดูเหมือนเป็นการซ้อมเพื่อการถูกแทนที่ของคุณเอง: สอนเครื่องให้ทำงาน ก็เหมือนสอนงานของคุณให้มัน

ดังนั้น โดยส่วนใหญ่แล้ว สำนักงานต่างๆ จึงถอยกลับไปสู่การแสดงละคร AI คณะทำงานเฉพาะกิจ นโยบาย โครงการนำร่อง ผู้ขาย คำปราศรัยเกี่ยวกับ "นวัตกรรมที่รับผิดชอบ" มากกว่าหนึ่งครั้งในไม่กี่เดือนที่ผ่านมา ผมมีโอกาสได้นำเสนอในแผงเสวนาควบคู่ไปกับผู้นำของสำนักงานกฎหมายชั้นนำที่เรียกโปรแกรม AI ของพวกเขาว่า "ดีที่สุดในระดับเดียวกัน" (best in class) แล้วก็ไม่มีคำตอบที่ชัดเจนสำหรับคำถามเดียวที่สำคัญ: ขั้นตอนการทำงานใดที่เปลี่ยนแปลงไป เร็วขึ้นแค่ไหน อะไรดีขึ้นสำหรับลูกค้า และสำนักงานทำอะไรที่แตกต่างไปในเรื่องที่กำลังดำเนินอยู่จริงๆ

ความทั่วๆ ไป (generality) เป็นสัญญาณบอกเสมอ สำนักงานที่สร้างขั้นตอนการทำงานใหม่ขึ้นมาใหม่จะพูดถึงขั้นตอนการทำงานนั้น

เพลาส่งกำลัง (The Driveshaft)

ทั้งหมดนี้เคยเกิดขึ้นมาก่อนแล้ว เมื่อไฟฟ้าเข้ามาแทนที่ไอน้ำในโรงงาน เจ้าของโรงงานก็ทำในสิ่งที่ชัดเจน: พวกเขาดึงเครื่องจักรไอน้ำออก วางมอเตอร์ไฟฟ้าเข้าไปแทนที่ และเดินเครื่องจักรด้วยเพลาส่งกำลังยาวเส้นเดิมจากศูนย์กลาง เป็นเวลาเกือบสามสิบปีที่โรงงานยังคงรูปแบบนั้นไว้ ราวกับว่าพลังงานยังคงมาจากเตาเผาในห้องใต้ดิน

ผลผลิตที่เพิ่มขึ้นที่นักเศรษฐศาสตร์รอคอยมาโดยตลอดนั้นเกิดขึ้นก็ต่อเมื่ออีกชั่วอายุคนต่อมา เจ้าของโรงงานรื้อพื้นและสร้างสายการประกอบใหม่รอบแหล่งพลังงานใหม่ โดยวางมอเตอร์ขนาดเล็กบนเครื่องจักรแต่ละเครื่อง และปล่อยให้สายการประกอบเป็นไปตามงานแทนที่จะเป็นตามเพลา

ปัญหาคือไม่ใช่เพราะไฟฟ้าไม่ได้ถูก overhyped แต่เป็นเพราะเทคโนโลยีอเนกประสงค์ (general-purpose technology) จะให้ผลตอบแทนก็ต่อเมื่อมีคนออกแบบงานใหม่รอบๆ มัน และการออกแบบใหม่อาจจะช้ากว่าสิ่งประดิษฐ์ถึงหนึ่งชั่วอายุคน ⁶

AI อยู่ในช่วงนั้นตอนนี้ มอเตอร์ตัวใหม่ถูกยึดเข้ากับเพลาส่งกำลังเก่า อย่างดีที่สุด และพื้นข้างใต้ก็ยังคงเป็นพื้นเดียวกับที่สร้างขึ้นสำหรับไอน้ำ

โคคา-โคล่า ไม่ใช่เจเนอรัลอิเล็กทริก (Coca-Cola, Not General Electric)

เมื่อระบบทำความเย็นเชิงกลมีราคาถูกและเชื่อถือได้ในช่วงต้นศตวรรษที่ยี่สิบ การเดิมพันที่ชัดเจนคือบริษัทที่สร้างเครื่องทำความเย็น: เจเนอรัลอิเล็กทริก, เวสติงเฮาส์, ฟริจิดแอร์ แต่ผู้ชนะที่ใหญ่ที่สุดไม่ใช่ใครเลยในนั้น

มันคือโคคา-โคล่า บริษัทน้ำเชื่อมฟาวน์เทนในภูมิภาคจากแอตแลนตา ซึ่งภายใต้การนำของโรเบิร์ต วูดรัฟฟ์ ตั้งเป้าในปี ค.ศ. 1920 ที่จะวางผลิตภัณฑ์ของตน ตามคำพูดของเขา ไว้ "ในระยะที่เอื้อมถึงความปรารถนา" (within arm's reach of desire) ในทุกเมืองบนโลก ⁷

โคคา-โคล่าไม่เคยสร้างตู้เย็น มันเข้าใจ เร็วกว่าและครบถ้วนกว่าคนอื่นๆ ว่าความเย็นราคาถูกทำให้เกิดอะไรได้บ้าง และสร้างตัวเองขึ้นมาใหม่รอบความเข้าใจนั้น จนกระทั่งโค้กเย็นๆ กลายเป็นสิ่งถาวรในชีวิตมนุษย์

ห้องปฏิบัติการ前沿 (frontier labs) คือเจเนอรัลอิเล็กทริกในช่วงเวลานี้ สิ่งที่พวกเขาสร้างขึ้น นั่นคือความฉลาดดิบ (raw intelligence) กำลังถูกลงในอัตราที่แทบจะไม่มีแบบอย่าง เมื่อเทียบกับชั่วโมงทำงานของมนุษย์ที่หนึ่งหน่วยของมันเข้ามาแทนที่ มันใกล้เคียงกับเศษส่วนที่ไม่มีนัยสำคัญต่องานหนึ่ง

แต่ความมั่งคั่งแบบโคคา-โคล่าจะตกเป็นของผู้ที่คิดออก ก่อนใคร ว่า "ความเย็น" นั้นใช้ทำอะไร และสร้างบางสิ่งบางอย่างบนนั้นซึ่งไม่สามารถเป็นไปได้ในราคาใดๆ เมื่อปีที่แล้ว เส้นทางนั้นเปิดกว้างในตอนนี้ พร้อมกันในทุกอุตสาหกรรม

การเดิมพันของเคิร์กแลนด์ (Kirkland's Bet)

เคิร์กแลนด์ แอนด์ เอลลิส (Kirkland & Ellis) ประกาศในเดือนพฤษภาคมว่าจะใช้จ่าย 500 ล้านดอลลาร์สหรัฐในช่วงสามหรือสี่ปีเพื่อสร้างแพลตฟอร์ม AI ของตนเอง ⁸

ตัวเลขนั้น (ซึ่งได้รับพาดหัวข่าวทั้งหมด) มีความสำคัญน้อยกว่าสิ่งที่มันเปิดเผย สำนักงานกฎหมายที่มีรายได้สูงสุดในโลกได้ข้อสรุปว่าการเช่าเครื่องมือเดียวกัน (เช่น Harvey, Legora ฯลฯ) กับคนอื่นๆ ไม่สามารถปกป้องสิ่งที่มันสร้างไว้ได้ ยากที่จะโต้แย้ง การสมัครสมาชิกที่ทุกสำนักงานสามารถเข้าถึงได้ ไม่สามารถเป็นสิ่งที่ทำให้สำนักงานหนึ่งแตกต่างจากอีกสำนักงานหนึ่ง และการเปลี่ยนแปลงที่กำลังเกิดขึ้นในการปฏิบัติงานด้านกฎหมายนั้นใหญ่เกินกว่าจะรับมือได้ด้วยคีย์ลิขสิทธิ์

เคิร์กแลนด์ยังมีความเสี่ยงมากกว่าสำนักงานส่วนใหญ่ และความเสี่ยงนั้นมาจากแหล่งเดียวกับผลกำไร ปีที่แล้วสำนักงานมีรายได้ 10.5 พันล้านดอลลาร์สหรัฐ และกำไรต่อหุ้นส่วนทุน 11.1 ล้านดอลลาร์สหรัฐ ซึ่งทั้งคู่เป็นสถิติสูงสุด ⁹ ผลกำไรเหล่านั้นพึ่งพาธุรกิจไพรเวทอิควิตี้ (private equity) อย่างไม่สมส่วน ซึ่งเป็นฐานลูกค้าที่ผิดเมื่อการผลิตมีราคาถูก สปอนเซอร์ (Sponsors) ดำเนินโครงสร้างดีลเดียวกันซ้ำหลายสิบครั้งต่อปี ติดตามค่าใช้จ่ายทางกฎหมายจนถึงจุดพื้นฐาน (basis point) และเริ่มถามว่าทำไมงานที่เครื่องจักรสามารถร่างได้ยังคงคิดค่าบริการในอัตราของผู้ช่วยทนายความ งานที่ซ้ำซากคืองานที่โมเดล AI เรียนรู้ได้เร็วที่สุด แม้แต่แบล็คสโตน (Blackstone) ซึ่งเป็นความสัมพันธ์ระดับเรือธง ก็เริ่มจ่ายเงินให้สำนักงานน้อยลง ¹⁰

ไพรเวทอิควิตี้กำลังบีบจากอีกด้านหนึ่งเช่นกัน เงินของแบล็คสโตนและเบน แคปิตอล (Bain Capital) อยู่เบื้องหลัง Norm Law แพลตฟอร์มกฎหมายที่เกิดมาในยุค AI (AI-native) ซึ่งดึงตัวอดีตประธานคณะกรรมการบริหารของซิดลีย์ ออสติน (Sidley Austin) มาเป็นประธานกรรมการ ¹¹ อุตสาหกรรมที่ทำให้เคิร์กแลนด์เป็นสำนักงานกฎหมายที่ทำกำไรได้มากที่สุดในประวัติศาสตร์ ได้เริ่มให้ทุนสนับสนุนผู้ท้าชิงของมัน เคิร์กแลนด์สามารถอ่านตลาดของตัวเองได้ ผลิตภัณฑ์แรกจากโปรแกรมมูลค่าครึ่งพันล้านดอลลาร์มาถึงหนึ่งสัปดาห์หลังจากการประกาศนั้นเอง ซึ่งเป็นเครื่องมือสร้างกองทุน (fund formation engine) สำหรับลูกค้าไพรเวทอิควิตี้ของสำนักงาน ¹²

แต่ขนาดของเช็คจะไม่เป็นตัวตัดสินผลลัพธ์

แพลตฟอร์มที่เป็นกรรมสิทธิ์มีมูลค่าเท่ากับการปฏิบัติงานที่เปลี่ยนแปลงไปซึ่งมันถูกเชื่อมต่อเข้าไปเท่านั้น หากเคิร์กแลนด์ใช้จ่ายครึ่งพันล้านดอลลาร์และสร้างวิธีการทำงานของทนายความขึ้นมาใหม่ การลงทุนนั้นอาจกลายเป็นคูเมือง (moat) ที่ไม่มีคู่แข่งรายใดสามารถเช่าได้ หากมันใช้จ่ายครึ่งพันล้านดอลลาร์และปล่อยให้ขั้นตอนการทำงานไม่เปลี่ยนแปลง มันก็จะติดตั้งมอเตอร์ที่แพงมากเข้ากับเพลาส่งกำลังเก่า

คำถามที่ยากไม่ใช่ว่าเคิร์กแลนด์สามารถสร้างหรือซื้อเทคโนโลยีที่ทรงพลังได้หรือไม่ แน่นอนว่ามันทำได้ แต่การจัดซื้อไม่ใช่สิ่งเดียวกับการซึมซับ คำถามที่ยากคือสำนักงานที่ทำกำไรได้ขนาดนั้นสามารถบังคับตัวเองให้เปลี่ยนแปลงงานที่ทำให้มันทำกำไรได้ตั้งแต่แรกหรือไม่ นั่นคือคำถามที่ผู้เล่นปัจจุบัน (incumbent) ทุกรายต้องเผชิญ

ธุรกิจการซึมซับ (The Absorption Business)

หากการซึมซับเป็นข้อจำกัด สินทรัพย์ที่มีค่าที่สุดในตลาดคือสิ่งที่เคลื่อนย้ายความสามารถจากนาฬิกาเรือนเร็วไปยังนาฬิกาเรือนช้า โดยไม่ทำให้สถาบันแตกหักระหว่างทาง สักวันหนึ่งสิ่งนั้นอาจเป็นผลิตภัณฑ์ แต่ในวันนี้โดยปกติแล้วมันเป็นเพียงแค่บุคคล: คนที่รู้จักงานดีพอที่จะทำด้วยวิธีเดิม และรู้จักเครื่องมือดีพอที่จะสร้างมันขึ้นมาใหม่ด้วยวิธีใหม่ โดยนั่งอยู่ภายในสำนักงานในขณะที่การสร้างใหม่เกิดขึ้น แทบไม่มีใครกำลังทำงานนี้ และเกือบทุกคนกำลังจะต้องการมัน

อุตสาหกรรมเทคโนโลยีมีตำแหน่งงานสำหรับบุคคลนี้อยู่แล้ว Palantir คิดค้นมันขึ้นมาเมื่อยี่สิบปีก่อนและเรียกมันว่า "วิศวกรที่ประจำการในพื้นที่" (forward-deployed engineer) ซึ่งเป็นคนที่ย้ายเข้าไปในการดำเนินงานของลูกค้าและสร้างงานขึ้นมาใหม่รอบซอฟต์แวร์ เพราะซอฟต์แวร์ไม่เคยติดตั้งตัวเอง ในช่วงเวลาส่วนใหญ่ บทบาทนี้ดูเหมือนเป็นความแปลกประหลาดของ Palantir ฤดูใบไม้ผลินี้ มันกลายเป็นตำแหน่งที่ทุกคนที่มีเงินกำลังเลียนแบบ OpenAI จัดตั้งบริษัทติดตั้ง (deployment company) ทั้งบริษัทขึ้นมารอบๆ มันในเดือนพฤษภาคม โดยมีเงินทุนมากกว่าสี่พันล้านดอลลาร์สหรัฐอยู่เบื้องหลัง Anthropic เปิดตัวบริษัทบริการที่เกิดมาในยุค AI (AI-native services firm) ร่วมกับแบล็คสโตน, โกลด์แมน แซคส์ (Goldman Sachs) และเฮลแมน แอนด์ ฟรีดแมน (Hellman & Friedman) เพื่อฝังวิศวกรของตนไว้ภายในบริษัทลูกค้า ผู้ขายความฉลาดได้ข้อสรุปว่าความสามารถที่ปราศจากการซึมซับจะไม่ก่อให้เกิดอะไร และการซึมซับนั้นคืองานของบุคคลหนึ่ง

แต่สังเกตว่าบุคคลนั้นทำงานให้ใคร วิศวกรที่ประจำการในพื้นที่ทำงานให้กับผู้ขาย สำหรับธุรกิจส่วนใหญ่ นั่นคือการแลกเปลี่ยนที่ดี โรงงานสามารถดำเนินการโลจิสติกส์บนแพลตฟอร์มของผู้ขายรายเดียวกับคู่แข่งทุกราย เพราะโลจิสติกส์ไม่เคยเป็นจุดได้เปรียบ ชิ้นส่วนต่างหากที่เป็น สำนักงานกฎหมายไม่มีชิ้นส่วน งานของมันดำเนินไปบนความลับของลูกค้า แพลตฟอร์มที่อยู่ใต้การทำงานนั้นเป็นแพลตฟอร์มที่คู่แข่งทุกรายสามารถเช่าได้ และขั้นตอนการทำงานของมันเป็นรหัสของวิธีการของสำนักงานเอง ปล่อยให้วิศวกรของห้องปฏิบัติการเขียนวิธีการนั้นบนราง (rails) ของห้องปฏิบัติการ และมันมีแนวโน้มที่จะย้ายไปยังผลิตภัณฑ์ของห้องปฏิบัติการ ซึ่งสำนักงานข้างบ้านสามารถสมัครสมาชิกได้ สำหรับสำนักงานกฎหมาย บุคคลนั้นควรทำงานให้กับสถาบันแทนที่จะเป็นผู้ขาย และโดยเร็วที่สุด

ทั้งหมดนี้ไม่ได้หมายความว่าผู้ขายไม่มีบทบาท Anthropic, Palantir, Snowflake และบริษัทเพื่อนร่วมอุตสาหกรรมของพวกเขาอาจจะลงเอยด้วยการสร้างสถาปัตยกรรมข้อมูลที่การสร้างใหม่ของสำนักงานจะทำงานบนนั้น แต่งานเหนือท่อประปา (plumbing) นั้นเป็นของทนายความ เพราะบริษัทซอฟต์แวร์ไม่มีความคิดมากกว่าคนอื่นนอกสำนักงานว่าจะสร้างคำสั่งและขั้นตอนการทำงานที่เข้ารหัสความเชี่ยวชาญที่สั่งสมมาของการปฏิบัติงานนั้นได้อย่างไร หนึ่งสัปดาห์ก่อนที่บทความนี้จะถูกตีพิมพ์ อเล็กซ์ คาร์ป (Alex Karp) ซีอีโอของ Palantir เอง ใช้เวลาสัมภาษณ์ทาง CNBC เพื่อบอกให้องค์กรต่างๆ เป็นเจ้าของ "ปัจจัยการผลิต" (means of production) ที่อยู่เบื้องหลัง AI ของพวกเขา แทนที่จะเช่า ¹³ แน่นอนว่าเขากำลังขายของอยู่ แต่เขาก็พูดถูกเช่นกัน

นั่นคือเหตุผลที่การจัดการการเปลี่ยนแปลง (change management) ซึ่งเป็นวลีที่ไม่น่าตื่นเต้นที่สุดในธุรกิจ กำลังจะกลายเป็นหนึ่งในงานที่มีค่าที่สุดที่มีอยู่ ไม่ใช่การจัดการการเปลี่ยนแปลงแบบเก่าที่สร้างแผนที่ผู้มีส่วนได้ส่วนเสียและแดชบอร์ดการนำไปใช้ แต่เป็นแบบใหม่ที่เปลี่ยนการตัดสินใจของผู้เชี่ยวชาญให้เป็นขั้นตอนอัตโนมัติที่เครื่องจักรสามารถเรียกใช้และสถาบันสามารถไว้วางใจได้ ทุกขั้นตอนการทำงานที่สร้างขึ้นใหม่ทำให้ขั้นตอนถัดไปมีราคาถูกลงในการสร้างใหม่ ทุกหุ้นส่วนที่เปลี่ยนใจจะเปลี่ยนคนอื่นๆ และสำนักงานที่เริ่มต้นเร็วกว่าสิบแปดเดือน เมื่อถึงเวลาที่ใครสังเกตเห็น ก็จะกลายเป็นสำนักงานที่แตกต่างไปแล้ว

เป็นเวลาหนึ่งศตวรรษแล้วที่สถาบันที่รู้ว่าต้องเปลี่ยนแปลง เรียกที่ปรึกษาการจัดการ ตั้งคณะกรรมการอำนวยการ และวาดแผนงาน (roadmap) สำนักงานต่างๆ กำลังใช้กลยุทธ์นั้นกับ AI ในตอนนี้ และมันเป็นกลยุทธ์ที่ผิด มันเคยใช้ได้ผล เมื่อมันใช้ได้ผล เพราะการเปลี่ยนแปลงที่มันจัดการนั้นเป็นเชิงองค์กร: สายการรายงาน โครงสร้างต้นทุน ฝ่ายไหนควรขาย ที่ปรึกษาทั่วไปที่ฉลาดจาก McKinsey สามารถทำแผนที่ทั้งหมดนั้นได้จากอีกฝั่งของโต๊ะประชุม

แต่การเปลี่ยนแปลงที่ทุกคนต้องการจาก AI ไม่ใช่ "เชิงองค์กร" มันอาศัยอยู่ลึกลงไปในปฏิบัติงานนั่นเอง ในพันการตัดสินใจเล็กๆ ที่ประกอบเป็นเรื่องเดียว: โมเดลควรสร้าง markup ครั้งแรกหรือแค่รายการปัญหา; มันต้องรู้อะไรเกี่ยวกับฐานการกู้ยืมของลูกค้าก่อนที่จะแตะต้องข้อกำหนด covenants; การอ้างอิงคดีใดของมันที่มนุษย์ต้องดึงกลับมาตรวจสอบ และการอ้างอิงใดที่ตรวจสอบเป็นจุด; เมื่อไหร่ที่หุ้นส่วนอ่านทุกคำ และเมื่อไหร่ที่เธออ่านบันทึกข้อยกเว้นแล้วกลับบ้าน บริษัทที่ปรึกษาการจัดการไม่สามารถตอบคำถามเหล่านั้นได้ เพราะคำตอบเหล่านั้นประกอบขึ้นเป็นสิ่งที่กำลังกลายเป็นเวอร์ชันของศตวรรษที่ 21 ของการปฏิบัติงานด้านกฎหมาย มีเพียงคนที่ทำงานกฎหมายเท่านั้นที่สามารถออกแบบงานนั้นใหม่ได้อย่างเหมาะสม

มันยังคงต้องการแรงผลักดันจากข้างบน หุ้นส่วนจะไม่ใช้เวลาทั้งสัปดาห์อันแสนเหนื่อยยากในการสร้างวิธีการปฏิบัติงานของเขาใหม่ เว้นเสียแต่ว่าสำนักงานจะทำให้ชัดเจนว่านี่คือสิ่งจำเป็นเชิงกลยุทธ์ ไม่ใช่งานอดิเรก แต่แรงผลักดันนั้นกำหนดทิศทางเท่านั้น การสร้างใหม่เกิดขึ้นที่โต๊ะทำงานของทนายความแต่ละคน ทีละขั้นตอนการทำงาน และมันดูไม่เหมือนโปรแกรม "นวัตกรรม" เลย

การอบรมเชิงปฏิบัติการ (The Workshop)

นี่คือลักษณะของธุรกิจการซึมซับ

หุ้นส่วนนำเสนองานประเภทที่เติมสัปดาห์ของเขาอยู่แล้ว: สัญญาที่ต้องตรวจสอบตามความชอบทางธุรกิจของลูกค้า, เอกสารข้อกำหนด (term sheet) และตารางสัดส่วนการถือหุ้น (cap table) ที่ต้องเปลี่ยนเป็นเอกสารทางการเงิน, คำถามวิจัยที่กฎหมายยังไม่ชัดเจนและระดับความเชื่อมั่นมีความสำคัญ, การแก้ไข (redline) จากคู่ความฝ่ายตรงข้ามที่เขาต้องอธิบายให้ลูกค้าฟังเป็นภาษาอังกฤษธรรมดาโดยไม่ทำให้ผลกระทบของการเปลี่ยนแปลงต่อดีลลดลง

ทนายความส่วนใหญ่ส่งเอกสารและคำสั่งง่ายๆ ให้โมเดล สรุปสิ่งนี้ ตรวจสอบสิ่งนี้ ค้นคว้าสิ่งนี้ แก้ไขสิ่งนี้ จากนั้นพวกเขามองดูคำตอบที่คาดเดาได้และทั่วไป และสรุปว่าเครื่องมือนั้นก็ธรรมดา แต่โมเดลทำตามที่พวกเขาขอ ทนายความให้งานมันและ withhold ทุกอย่างที่ทำให้มันทำงานได้ดี: บริบท รายละเอียด ท่าที การตัดสินใจ

คำสั่งที่จริงจังจะบรรจุสิ่งที่ทนายความที่ดีจะบอกผู้ช่วยทนายความที่ดี: อะไรสำคัญ อะไรไม่สำคัญ ลูกค้ากังวลอะไร ผู้ฟังจะสังเกตอะไร คำตอบต้องไม่สมมติอะไร ระดับความไม่แน่นอนที่ยอมรับได้คือเท่าใด และจะตรวจสอบอะไรก่อนที่ผลงานจะออกจากอาคาร

ในการอบรมของผม ผมสอนสิ่งนี้ในฐานะกายวิภาค: งาน (task), ภูมิหลัง (background), การตัดสินใจ (judgment), ข้อจำกัด (constraints), ผลลัพธ์ที่ส่งมอบ (deliverable), การตรวจสอบ (verification) เมื่อทนายความเห็นกายวิภาคแล้ว พวกเขาจะรับรู้ถึงความล้มเหลวในคำสั่งของตัวเอง พวกเขาขอ "สรุป" เมื่อพวกเขาต้องการคำอธิบายที่พร้อมให้ลูกค้าใช้เกี่ยวกับสิ่งที่เปลี่ยนแปลงไปในการแก้ไข สิ่งที่ยังคงอยู่ และสิ่งที่ยังต้องตัดสินใจ พวกเขาขอ "ค้นคว้า" เมื่อพวกเขาต้องการบันทึกที่สรุปประเด็นสำคัญก่อน (bottom-line-up-front) ซึ่งแยกกฎหมายที่ชัดเจนออกจากคำถามที่ยังเปิดกว้าง และตรวจสอบการอ้างอิงทุกครั้งอย่างอิสระ พวกเขาขอ "ตรวจสอบสัญญา" เมื่อพวกเขาต้องการรายการจัดอันดับของข้อกำหนดที่เปลี่ยนท่าทีการเจรจา พร้อมกับข้อความโต้แย้งที่เสนอสำหรับแต่ละข้อ

สังเกตว่ากายวิภาคนั้นไม่มีอะไร: ไม่มีเทคนิค ไม่มีโค้ด ไม่มีไวยากรณ์ ไม่มีการตั้งค่า ทุกคำของคำสั่งที่จริงจังเป็นภาษาอังกฤษธรรมดา ภาษาอังกฤษเดียวกับที่หุ้นส่วนใช้อยู่แล้วข้ามโต๊ะกับผู้ช่วยทนายความ นี่คือกรอบความคิด ไม่ใช่ทักษะซอฟต์แวร์: ปฏิบัติต่อโมเดลเหมือนผู้ช่วยทนายความใหม่ที่ชาญฉลาดซึ่งอ่านทุกอย่างและไม่รู้อะไรเกี่ยวกับลูกค้าของคุณ และสรุปข้อมูลให้มันตามนั้น ทนายความที่ปรับตัวได้เร็วที่สุดมักไม่ใช่คนที่อายุน้อยที่สุดหรือเก่งด้านเทคนิคมากที่สุด แต่พวกเขามักเป็นผู้มอบหมายงานที่ดีที่สุด ซึ่งใช้เวลาทั้งอาชีพในการเรียนรู้ที่จะส่งต่อการตัดสินใจลงไปตามโต๊ะ

นั่นคือชั้นของคำสั่ง (prompt layer) มันสำคัญเพราะมันพิสูจน์ว่าเครื่องมือสามารถทำงานจริงได้เมื่อทนายความให้คำสั่งจริง แต่สำหรับสำนักงานหนึ่ง ชั้นของคำสั่งเป็นเพียงจุดเริ่มต้นเท่านั้น

คำถามคือสถาบันที่สร้างขึ้นรอบแรงงานมนุษย์จะซึมซับเทคโนโลยีที่จะทำให้แรงงานส่วนที่เพิ่มขึ้นนั้นมีราคาถูก รวดเร็ว และอุดมสมบูรณ์ได้อย่างไร

บริษัทไม่สามารถแก้ปัญหานั้นได้เพียงแค่สอนทนายแต่ละคนให้เขียน prompt ที่ดีขึ้นแล้วหวังว่าการเปลี่ยนแปลงจะแพร่กระจายไปเอง งานต้องเปลี่ยนจากการสอนรายบุคคลไปสู่ความสามารถของสถาบัน

นั่นคือจุดที่ prompt กลายเป็น workflow อัตโนมัติ

prompt บอกโมเดลว่าต้องทำอะไรในเรื่องนี้ workflow คือกระบวนการที่บอกโมเดลว่าทนายเฉพาะคน กลุ่มปฏิบัติงาน หรือบริษัทนั้นทำงานประเภทนั้นอย่างไร ในทางปฏิบัติไม่มีอะไรซับซ้อนเลย workflow คือคู่มือภาษาอังกฤษธรรมดาที่โมเดลอ่านก่อนเริ่มทำงาน เป็นคำสั่งประจำที่หุ้นส่วนให้กับ associate ใหม่ในวันแรก ยกเว้นว่าโมเดลจะปฏิบัติตามในทุกเรื่อง ทุกครั้ง โดยไม่ต้องมีการเตือนความจำ กระบวนการบางอย่างเป็นเชิงกลไก: วิธีทำเครื่องหมายในเอกสาร Word โดยไม่ทำให้เสียหาย วิธีตรวจสอบการอ้างอิงเป็นรอบแยกต่างหาก วิธีตรวจสอบรูปแบบก่อนส่งออก สิ่งที่มีคุณค่ามากกว่าคือสิ่งที่เป็นสาระสำคัญ: วิธีที่ทนายเฉพาะคนตรวจสอบสัญญา บทบัญญัติใดที่เธอมักจะตรวจสอบเสมอ เมื่อใดที่เธอขอข้อมูลเพิ่มเติม เมื่อใดที่เธอเสนอภาษาตอบโต้ เมื่อใดที่เธอปฏิเสธสมมติฐานเพราะบันทึกไม่สนับสนุน เมื่อใดที่เธอช้าลงเพราะประสบการณ์สอนเธอว่านี่คือจุดที่ข้อผิดพลาดซ่อนอยู่

นั่นคือหัวใจของสิ่งที่ผลิตภัณฑ์ legal-AI ส่วนใหญ่ยังคงพลาดไป พวกเขาห่อหุ้มโมเดลในอินเทอร์เฟซทางกฎหมายและขอให้ทนายปฏิบัติตาม workflow ของผลิตภัณฑ์ วิธีการที่ดีกว่าทำงานในทิศทางตรงกันข้าม: ทำให้โมเดลสอดคล้องกับการปฏิบัติงานของทนาย สินทรัพย์ที่คงทนไม่ใช่ตัวห่อหุ้ม มันคือวิธีการของบริษัทเอง ที่เขียนไว้อย่างแม่นยำพอที่โมเดลจะปฏิบัติตาม ทนายสามารถควบคุมดูแล และสถาบันสามารถปรับปรุงได้เมื่อเวลาผ่านไป ซึ่งเป็นเหตุผลว่าทำไมมันจึงไม่ควรอาศัยอยู่ในผลิตภัณฑ์ของคนอื่น

workflow การตรวจสอบสัญญาที่ดีไม่ใช่ template มันคือลำดับการตรวจสอบของหุ้นส่วน: การยกเลิกสัญญา วงเงินความรับผิด การชดใช้ค่าเสียหาย มาตรฐานดุลยพินิจ ความเป็นเจ้าของทรัพย์สินทางปัญญา การคงอยู่ คำแนะนำทีละประเด็น ภาษาตอบโต้ที่แท้จริง และการตรวจสอบครั้งสุดท้ายที่ถามว่าอะไรที่ทำให้ทนายอับอายหากลูกค้าเห็น ไฟล์บทเรียนที่ learned ไม่ใช่การแสดงความรู้ มันเป็นกลไกที่ทวีคูณ โมเดลพลาดบางอย่าง ทนายแก้ไข และการแก้ไขนั้นกลายเป็นส่วนหนึ่งของการทำงานครั้งต่อไป

ส่วนที่ยากไม่ใช่เรื่องเทคนิค ไฟล์ส่วนใหญ่เป็นข้อความธรรมดา ส่วนที่ยากคือการให้ทนายระดับอาวุโสเปิดเผยสิ่งที่พวกเขาทำเกือบจะโดยไม่รู้ตัว: ประโยคที่พวกเขาไม่ไว้ใจ คดีที่พวกเขาไม่เคยอ้างโดยไม่ตรวจสอบ ข้อความที่พวกเขาอ่านสองครั้งเพราะครั้งหนึ่งเคยทำให้ลูกค้าเสียเงิน ประเด็นทางการค้าที่สำคัญแม้ว่าจะไม่ใช่ประเด็นที่น่าสนใจทางหลักกฎหมายก็ตาม ไม่มีสิ่งใดปรากฏอย่างชัดเจนในผลงานสุดท้าย ต้องถูกสกัดออกมาในขณะที่งานกำลังดำเนินอยู่

นั่นคือเหตุผลที่บริษัทที่จริงจังที่สุดกับการนำ AI มาใช้ไม่ได้ปฏิบัติต่อสิ่งนี้เป็นเรื่องแปลกใหม่ คลื่น AI จะไม่หยุดแค่การสรุปที่ดีขึ้น มันจะกดดันเรื่องการจัดบุคลากร การตั้งราคา การฝึกอบรม การควบคุมคุณภาพ ความคาดหวังของลูกค้า และการกระจายอำนาจภายในระหว่างคนที่สามารถทำงานในลักษณะนี้กับคนที่ทำไม่ได้ บริษัทที่เคลื่อนไหวอย่างจริงจังกำลังพยายามเปลี่ยนสัญชาตญาณของทนายที่ดีที่สุดของพวกเขาให้เป็นโครงสร้างพื้นฐานก่อนที่แรงกดดันนั้นจะมาถึงพร้อมกันทั้งหมด

นั่นคือการแบ่งแยกตลาดที่ฉันเห็นอย่างใกล้ชิด บางบริษัทยังคงอนุมัติซอฟต์แวร์ บริษัทอื่นกำลังเตรียมที่จะดูดซับฟังก์ชันการผลิตใหม่เข้าสู่การปฏิบัติงานด้านกฎหมาย

กลุ่มที่สองจะตามให้ทันได้ยากมาก

ไม่ว่าจะอย่างไรก็ตาม

นอกเรื่องเล็กน้อย ไม่มีอะไรในเรียงความนี้ที่ต้องการให้นาฬิกาเร็วเดินต่อไปในอัตราปัจจุบัน แม้ว่าอย่างที่ผู้คัดค้านแนะนำ เราอยู่ในฟองสบู่ AI ขนาดใหญ่และความก้าวหน้าหยุดลงในวันพรุ่งนี้ (ซึ่งสำหรับบันทึก ไม่ใช่สิ่งที่ดูเหมือนจากที่นี่) โมเดลในระดับของ Opus 4.8 และ Fable 5 ก็เพียงพอแล้วที่จะเปลี่ยนแปลงวิธีการปฏิบัติงานด้านกฎหมาย และสถาบันจะต้องดูดซับความสามารถนั้นเพื่อให้ทันไม่ว่าจะอย่างไรก็ตาม และถ้านาฬิกายังคงเดินต่อไป คำถามก็ยิ่งคมชัดขึ้น: เมื่อเครื่องจักรสามารถผลิตได้เกือบทุกอย่าง เหลืออะไรให้ทนายทำ?

คำตอบของฉันคือ กฎหมายระดับสูงจะไม่กลายเป็นสินค้าโภคภัณฑ์ และทนายของมันจะไม่ถูกแทนที่ อย่างที่ฉันเคยเขียนไว้ที่อื่น ส่วนพรีเมียมจะย้ายจากการดำเนินการไปสู่การใช้ดุลยพินิจ และยิ่งนาฬิกาเร็วเท่าไหร่ ส่วนพรีเมียมนั้นก็ยิ่งมากขึ้นเท่านั้น¹⁶

ภาพลวงตาของใบแจ้งหนี้

ในตอนท้ายของการเปลี่ยนแปลงทั้งหมดนี้ ส่วนของมนุษย์ที่จะอยู่รอดคือการตัดสินใจด้วยดุลยพินิจ

ไม่ใช่ "ดุลยพินิจ" ในฐานะคำชมเชยทางวิชาชีพที่ทนายให้กับตัวเอง การตัดสินใจที่แท้จริง: ความเสี่ยงใดที่สำคัญ การต่อสู้ใดที่คุ้มค่า การยินยอมใดที่ดูไม่เป็นอันตรายแต่จะเจ็บปวดในภายหลัง ข้อโต้แย้งใดที่ศาลอาจยอมรับ ประเด็นใดที่ลูกค้าคิดว่าเป็นเรื่องกฎหมายแต่จริงๆ แล้วเป็นเรื่องการค้า สุดท้ายนี้คือการตัดสินใจภายใต้ความกดดันและความไม่แน่นอน

นั่นคือสิ่งที่ลูกค้าพยายาม "ซื้อ" จากทนายชั้นนำมาตลอด

แต่ใบแจ้งหนี้ทำให้มองเห็นสิ่งนั้นได้ยาก

เป็นเวลาหนึ่งศตวรรษที่สำนักงานกฎหมายเรียกเก็บเงินสำหรับงานที่มองเห็นและวัดผลได้: การวิจัย การร่าง การตรวจสอบความถูกต้อง การตรวจสอบการอ้างอิง การแก้ไขเอกสาร หน้าลายเซ็น ชุดปิดเอกสาร บางงานต้องใช้ทักษะจริง ส่วนใหญ่เป็นงานหนัก ทั้งหมดใช้เวลา และเวลาวัดได้ง่าย ดังนั้นเวลาจึงกลายเป็นหน่วยที่วิชาชีพขาย

หน่วยนั้นมีเหตุผล งานต้องทำโดยคน ผู้ที่อยู่ระดับจูเนียร์ที่ทำได้เรียนรู้จากการทำ หุ้นส่วนที่ควบคุมดูแลเปลี่ยนเวลาของจูเนียร์เป็นส่วนต่างกำไร ลูกค้าจ่ายเพราะไม่มีวิธีอื่นที่จะทำให้ข้อตกลงปิด เอกสารยื่น เสร็จสิ้นการตรวจสอบ หรือบันทึกได้รับการตรวจสอบ

แต่ชั่วโมงที่เรียกเก็บเงินได้ทำให้ความแตกต่างระหว่างการผลิตและการตัดสินใจเลือนลางลง การผลิตคืองานที่มีทักษะในการรวบรวม ร่าง เปรียบเทียบ สรุป จัดรูปแบบ ตรวจสอบ และจัดระเบียบ การตัดสินใจคือช่วงเวลาที่ทนายนำเนื้อหาทั้งหมดนั้นมาบอกลูกค้าว่าต้องทำอะไร

ลูกค้าจ่ายสำหรับทั้งสองอย่าง แต่พวกเขาใส่ใจมากที่สุดกับอย่างที่สอง

คณะกรรมการบริษัทไม่ได้จ้างหุ้นส่วนด้านดีลชั้นนำเพราะต้องการชั่วโมงการตรวจสอบเพิ่มขึ้น พวกเขาจ้างเธอเพราะเธอเห็นดีลมากพอที่จะรู้ว่าดีลนี้จะพังตรงไหน จำเลยไม่ได้จ้างทนายความคดีเก่งเพราะต้องการให้ใช้เวลากับการค้นหาพยานหลักฐานที่เป็นกิจวัตรมากขึ้น เขาจ้างเขาเพราะต้องการคนที่สามารถตัดสินใจว่าสามประเด็นใดสำคัญและทำให้พวกมันโดนใจ ผู้ก่อตั้งไม่ได้จ้างทนายเพื่อชื่นชมการแก้ไขเอกสาร เธอจ้างทนายเพื่อพูดว่า: ยอมแพ้เรื่องนี้ ต่อสู้เรื่องนี้ และอย่าให้พวกเขาเอาข้อกำหนดนี้ไปเพราะมันจะมีความสำคัญในภายหลัง

AI เปลี่ยนเศรษฐศาสตร์เพราะมันโจมตีการผลิตก่อน มันร่างฉบับแรก มันเปรียบเทียบเอกสาร มันสรุปบันทึก มันตรวจสอบการอ้างอิง มันทำให้บล็อกลายเซ็นสอดคล้องกัน มันทำงานตรวจสอบที่น่าเบื่อซึ่งเคยเป็นเหตุผลของส่วนแบ่งค่าใช้จ่ายจำนวนมาก ไม่สมบูรณ์แบบ และไม่ใช่โดยไม่มีการควบคุมดูแล แต่เร็วพอและดีพอที่ความสัมพันธ์เก่าระหว่างเวลาและมูลค่าไม่สามารถคงอยู่ได้อีกต่อไป

เมื่อการผลิตมีราคาแพง ใบแจ้งหนี้ของลูกค้าเต็มไปด้วยการผลิต เมื่อการผลิตถูกลง ปัจจัยที่หายากคือบุคคลที่รู้วิธีควบคุมเครื่องจักร ทดสอบคำตอบ เข้าใจวัตถุประสงค์ของลูกค้า และให้คำแนะนำเมื่อคำตอบนั้นยาก มูลค่าจะเคลื่อนไปสู่ความรับผิดชอบ: มนุษย์ที่มีประสบการณ์มากพอที่จะรู้ว่าอะไรสำคัญและมีความรับผิดชอบมากพอที่จะยืนหยัดอยู่เบื้องหลังคำแนะนำ

นี่คือจุดที่การคาดการณ์ว่า AI จะ "แทนที่" ทนายผิดพลาด จากสิ่งที่ฉันเห็นทนายทำกับเครื่องมือเหล่านี้ และเนื่องจากการใช้ดุลยพินิจเป็นปัจจัยที่รักษามูลค่าไว้ คณิตศาสตร์ที่น่าจะเป็นไปได้คือ งานทนายครึ่งหนึ่งจะถูกแทนที่ ตรงข้ามกับงานทนายครึ่งหนึ่งจะถูกแทนที่ทั้งหมด เครื่องจักรรับส่วนการผลิต ส่วนที่ผู้คนเข้าเรียนโรงเรียนกฎหมายเพื่อมันยังคงอยู่ และในระดับสูงงานจะดีขึ้น แม้จะเข้มข้นขึ้น เพราะสัปดาห์ส่วนใหญ่จะถูกใช้ไปกับงานด้านการรับรู้ที่ยากซึ่งเป็นประเด็นหลักเสมอมาตลาดบริการกฎหมายระดับล่างเป็นเรื่องที่แตกต่าง: ที่ซึ่งเดิมพันต่ำและงานเป็นกิจวัตร บริการกฎหมายอาจกลายเป็นสินค้าโภคภัณฑ์อย่างแท้จริง และส่วนต่างกำไรจะถูกบีบอัดไปจนถึงราคาของโทเค็นที่ประมวลผลคำขอของลูกค้า แต่สำหรับสำนักงานกฎหมายชั้นนำที่สุด เช่นเดียวกับที่ฉันกำลังทำงานด้วยตอนนี้ การใช้ดุลยพินิจจะยังคงมีคุณค่าและงานจะไม่กลายเป็นสินค้าโภคภัณฑ์

การเปลี่ยนแปลงจะยากสำหรับทหารเลเวลจูเนียร์เพราะงานหนักไม่เพียงแต่เป็นสิ่งที่บริษัทขายเท่านั้น แต่ยังเป็นวิธีที่ทนายเรียนรู้ด้วย การวิจัยครั้งแรก การร่างครั้งแรก การตรวจสอบครั้งแรก การตรวจสอบความถูกต้อง รายการตรวจสอบ และกลไกการปิดเอกสารอาจไม่น่าตื่นเต้น แต่พวกเขาสร้างการเปิดรับวัตถุดิบของการใช้ดุลยพินิจซ้ำๆ หาก AI บีบอัดงานนั้น บริษัทไม่สามารถแสร้งทำเป็นว่าระบบฝึกงานเก่าจะยังคงทำงานได้เอง พวกเขาจะต้องออกแบบการฝึกอบรมเกี่ยวกับการตัดสินใจอย่างจงใจ

ทนายเลเวลจูเนียร์ที่ดีที่สุดจะเคลื่อนไหวเร็วกว่าที่เคย พวกเขาสามารถขอให้โมเดลอธิบายข้อตกลงทั้งหมดแทนที่จะทำงานหนักผ่านส่วนของตนในความมืด พวกเขาสามารถเห็นโครงสร้าง ทดสอบสัญชาตญาณ เปรียบเทียบทางเลือก และเข้าใกล้การใช้เหตุผลระดับหุ้นส่วนได้เร็วขึ้น คนที่อ่อนแอกว่าจะสูญเสียการปกปิดที่ปริมาณเคยให้ไว้

การสรรหาจะต้องสะท้อนถึงความเป็นจริงใหม่นี้ เป็นเวลาหลายทศวรรษที่บริษัทจ้างตามเกรดโรงเรียนกฎหมายและการเป็นสมาชิกวารสารกฎหมาย ซึ่งเป็นหลักฐานว่าผู้สมัครสามารถทำตามคำแนะนำและอยู่รอดในชั่วโมงที่โหดร้ายได้ เพราะพีระมิดดำเนินการด้วยปริมาณและปริมาณต้องอยู่รอดได้ แต่สังเกตว่านี่ไม่เหมือนกับการเป็น (หรือแม้แต่จำเป็นต้องมีความสัมพันธ์อย่างมากกับ) การเป็นทนายที่ดี associate ที่คุ้มค่าที่จะจ้างตอนนี้ดูแตกต่างออกไป: ตัวบ่งชี้การใช้ดุลยพิจารณาความเป็นอิสระ ความเข้าใจทางการค้า และทักษะด้านมนุษยสัมพันธ์ตั้งแต่เนิ่นๆ การเป็นเสมียนศาล ซึ่งทนายความรุ่นใหม่ใช้เวลาหนึ่งปีในการดูผู้พิพากษาตัดสินใจที่ยากลำบาก เวลา (ในความสามารถที่ไม่ใช่ทางกฎหมาย) ภายในธนาคารหรือบริษัท Fortune 500 ซึ่งทนายความด้านดีลในอนาคตจะเรียนรู้ว่าลูกค้าพูดอย่างไรและจริงๆ แล้วพวกเขาพยายามซื้ออะไร ชั้นเรียนจะเล็กลง มาตรฐานจะเปลี่ยนไป associate ที่ผ่านเกณฑ์อาจได้รับสิ่งที่รุ่นก่อนไม่ค่อยได้รับ: การฝึกงานด้านการตัดสินใจโดยตรงมากขึ้น โดยมีงานหนักส่วนใหญ่ถูกมอบหมายให้กับเครื่องจักรที่ไม่เคยต้องการวันหยุดสุดสัปดาห์อยู่แล้ว

ถอยกลับมาและภาพลวงตาก็ชัดเจนขึ้น สิ่งที่บริษัทเรียกเก็บเงินในวันนี้ ชั่วโมงการทำงานของ associate ระดับจูเนียร์และระดับกลางที่ทำงานหนัก ไม่เคยเป็นสิ่งที่ลูกค้าให้คุณค่าจริงๆ จากบริษัทชั้นนำ ชั่วโมงคือวิธีที่บริษัทเลือกที่จะออกใบแจ้งหนี้สำหรับสิ่งที่ลูกค้าต้องการซื้อจริงๆ ซึ่งก็คือการใช้ดุลยพินิจและการตัดสินใจจากหุ้นส่วนที่ลงนามในคำแนะนำ ดังนั้นทนายที่กังวลว่า AI ที่ทรงพลังมากขึ้นจะระบายมูลค่าออกจากกฎหมายกลับคิดผิด มูลค่าอยู่ที่ สิ่งเดียวที่ใบแจ้งหนี้ไม่เคยแยกรายการ และสิ่งนั้นจะไม่หายไปไหน การใช้ดุลยพินิจที่เข้มข้นเป็นสินทรัพย์ บริษัทที่ดีที่สุดมีมากกว่าคนอื่น และการตอบสนองที่成熟ต่อเทคโนโลยีนี้คือการปกป้องสินทรัพย์นั้นและในที่สุดก็ตั้งราคามัน ในขณะที่เครื่องจักรทำให้ส่วนของใบแจ้งหนี้ซึ่งเป็นเพียงบรรจุภัณฑ์กลายเป็นสินค้าโภคภัณฑ์

การรื้อพื้น

ทุกอย่างในเรียงความนี้ชี้ไปที่ข้อสรุปที่ไม่น่าตื่นเต้นเหมือนกัน การจัดการการเปลี่ยนแปลง ในระดับปฏิบัติงาน ตอนนี้เป็นการลงทุนที่สำคัญที่สุดสำหรับสำนักงานกฎหมายใดๆ (หรือองค์กรธุรกิจขนาดใหญ่ เรื่องนั้น) ใหญ่กว่าการจ้าง lateral ใดๆ การเปิดตัวสาขาใดๆ การเปิดสำนักงานใดๆ ข้อดีของการทำให้ถูกต้องคือการนำที่ทวีคูณซึ่งวัดเป็นปี ข้อเสียของการทำให้ผิดคือการดำรงอยู่: ทศวรรษที่ใช้ไปกับการปกป้องชั่วโมงที่เรียกเก็บเงินสำหรับงานที่ลูกค้าสามารถซื้อได้ถูกกว่าที่อื่น ในขณะที่คู่แข่งที่เกิดจาก AI ซึ่งได้รับทุนบางส่วนจากลูกค้าเดียวกันนั้น แย่งงานไปทีละสาขา

เวลาที่จะเผชิญหน้ากับมันคือตอนนี้ ในขณะที่ยังคงเป็นทางเลือก สถาบันเปลี่ยนตามตารางเวลาหนึ่งในสองแบบ: อย่างจงใจหรือในภาวะฉุกเฉิน และทุกอย่างเกี่ยวกับภาวะฉุกเฉินทำให้การสร้างใหม่แย่ลง พรสวรรค์กำลังจะออกไป ลูกค้ากำลังเจรจาใหม่ และคณะกรรมการบริหารกำลังประชุมเกี่ยวกับประกาศของคู่แข่งแทนที่จะเป็นแผนของตัวเอง บริษัทที่เริ่มตอนนี้จะได้สร้างใหม่ในขณะที่รายได้ยังคงสร้างสถิติ บริษัทที่รอจะทำงานเดียวกันในภายหลัง ภายใต้ความกดดัน ด้วยทรัพยากรที่น้อยลงทุกอย่าง

การลงทุนในการสร้างใหม่หมายถึงสิ่งที่มันหมายถึงในโรงงานเมื่อศตวรรษก่อน ผู้ชนะไม่ได้หยุดแค่การเปลี่ยนเครื่องจักรไอน้ำเป็นเครื่องจักรไฟฟ้า พวกเขาติดมอเตอร์บนทุกเครื่องและปล่อยให้สายการผลิตตามงาน รุ่นกฎหมายคือการเปลี่ยนแปลงในระดับปฏิบัติงานเอง: การใช้ดุลยพินิจที่เขียนไว้ในที่ที่เครื่องจักรสามารถทำงานได้และทนายสามารถควบคุมดูแลได้ ทีละ workflow ทีละกลุ่ม งานนี้ช้า เป็นส่วนตัว และมองไม่เห็นจากแผนผังองค์กร และเป็นประเภทการใช้จ่าย AI เพียงประเภทเดียวที่เปลี่ยนสิ่งที่บริษัททำจริงๆ

สำหรับบริษัทที่สามารถทำสิ่งนี้ได้ รางวัลสูงสุดคือโชคลาภของ Coca-Cola การผลิตงานกฎหมายที่ยอดเยี่ยมหมายถึงการจ่ายค่าชั้นของ associate เสมอ และต้นทุนนั้นกำลังลดลง บริษัทที่ย้ายออกจากโมเดลรายชั่วโมงและรีเซ็ตสิ่งที่ลูกค้าคาดหวังว่าจะจ่ายจะเก็บสิ่งที่ลูกค้าต้องการซื้อเสมอ (การใช้ดุลยพินิจ การตัดสินใจ) และกำจัดต้นทุนส่วนใหญ่ในการผลิตออกไป ส่วนต่างกำไรในระดับสูงจะดีขึ้นอย่างมาก Woodruff ต้องการให้ Coke อยู่ในระยะเอื้อมถึงของความต้องการ บริษัทที่รื้อพื้นก่อนจะทำให้การใช้ดุลยพินิจทางกฎหมายระดับสูงอยู่ในระยะเอื้อมถึงของทุกการตัดสินใจที่ยากลำบากในทุกองค์กรธุรกิจในโลก

หมายเหตุ

1. Anthropic Institute, "When AI Builds Itself" (Marina Favaro and Jack Clark, 4 มิถุนายน 2026) รายงานว่าโค้ดมากกว่า 80 เปอร์เซ็นต์ที่รวมเข้ากับฐานโค้ดการผลิตของ Anthropic ณ เดือนพฤษภาคม 2026 ถูกเขียนโดย Claude เพิ่มขึ้นจากตัวเลขหลักเดียวต่ำก่อนที่ Claude Code จะเปิดตัวในเดือนกุมภาพันธ์ 2025 ตัวเลขสี่เท่ามาจากการสำรวจภายในของรายงานในเดือนมีนาคม 2026 ของพนักงานวิจัยประมาณ 130 คน ซึ่งผู้ตอบแบบสอบถามมัธยฐานระบุว่าผลผลิตของพวกเขาอยู่ที่ประมาณสี่เท่าของสิ่งที่พวกเขาจะผลิตได้โดยไม่มี AI รายงานเองเตือนว่าการประมาณการตนเองประเภทนี้มักจะสูงเกินไป

1. Clive Thompson, "Coding After Coders: The End of Computer Programming as We Know It," The New York Times Magazine, มีนาคม 2026 Thompson สัมภาษณ์นักพัฒนาซอฟต์แวร์มากกว่าเจ็ดสิบคนที่ Google, Amazon, Microsoft, Apple และที่อื่นๆ เกี่ยวกับวิธีที่เอเจนต์ AI เปลี่ยนงาน

1. Zack Shapiro, "The Claude-Native Law Firm" เผยแพร่บน X, 27 กุมภาพันธ์ 2026: บัญชีโดยตรงของการดำเนินการปฏิบัติงานของทนายสองคนที่สร้างขึ้นใหม่รอบๆ โมเดล frontier

1. จดหมายจาก Andrew Dietderich แห่ง Sullivan & Cromwell ถึงหัวหน้าผู้พิพากษา Martin Glenn ศาลล้มละลายสหรัฐฯ สำหรับเขตใต้ของนิวยอร์ก (18 เมษายน 2026) ในกระบวนพิจารณาบทที่ 15 ของ Prince Group ขอโทษสำหรับคำร้องกรณีฉุกเฉินที่ยื่นเมื่อวันที่ 9 เมษายน 2026 ซึ่งมีการอ้างอิงที่ไม่ถูกต้องหลายสิบรายการและข้อผิดพลาดอื่นๆ รวมถึงภาพหลอนของ AI ข้อผิดพลาดถูกชี้ให้เห็นโดยทนายความฝ่ายตรงข้ามที่ Boies Schiller Flexner และรายงานอย่างกว้างขวาง รวมถึงโดย Bloomberg Law และ Reuters

1. Dario Amodei ทำนายไว้บนบันทึกในการสัมภาษณ์เมื่อวันที่ 28 พฤษภาคม 2025 กับ Jim VandeHei และ Mike Allen ของ Axios: AI สามารถกำจัดงานปกขาวระดับเริ่มต้นได้ครึ่งหนึ่งและผลักดันการว่างงานเป็น 10 ถึง 20 เปอร์เซ็นต์ภายในหนึ่งถึงห้าปี Amodei ตั้งแต่นั้นมาได้หันไปใช้เศรษฐศาสตร์ที่นุ่มนวลขึ้น โดยอ้างถึงความขัดแย้งของ Jevons (ทำให้งานส่วนใหญ่เป็นอัตโนมัติและความต้องการส่วนที่เหลือของมนุษย์สามารถเติบโตได้) บนเวทีกับ Jamie Dimon ของ JPMorgan ในการบรรยายสรุปการบริการทางการเงินของ Anthropic (Fortune, 5 พฤษภาคม 2026)

1. เรื่องราวของการใช้ไฟฟ้าบอกไว้ใน Paul A. David, "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox," American Economic Review 80, no. 2 (1990) และ Warren D. Devine, Jr., "From Shafts to Wires: Historical Perspective on Electrification," Journal of Economic History 43, no. 2 (1983) โรงงานเริ่มใช้ไฟฟ้าประมาณปี 1900 ผลตอบแทนด้านผลิตภาพที่วัดได้มาถึงในปี 1920s เมื่อมอเตอร์ขับเคลื่อนหน่วยทำให้โรงงานละทิ้งรูปแบบเพลากลาง

1. วลีนี้เป็นของ Robert Woodruff ประธาน Coca-Cola ที่ดำรงตำแหน่งยาวนานซึ่งกำหนดเป้าหมายของบริษัทในปี 1920s ในการวาง Coke "ในระยะเอื้อมถึงของความต้องการ" วลีนี้ถูกอ้างในประวัติศาสตร์บริษัทของตนเองและใน Mark Pendergrast, For God, Country and Coca-Cola (1993)

1. แผนของ Kirkland & Ellis รายงานครั้งแรกโดย Financial Times และยืนยันโดย Bloomberg Law ในปลายเดือนพฤษภาคม 2026 มุ่งมั่นประมาณ 500 ล้านดอลลาร์ในช่วงสามถึงสี่ปี เริ่มต้นด้วยประมาณ 100 ล้านดอลลาร์ในปี 2026 Kirkland รายงานรายได้ 10.56 พันล้านดอลลาร์ในปี 2025 สูงที่สุดในบรรดาสำนักงานกฎหมายใดๆ

1. ผลลัพธ์ปี 2025 ของ Kirkland รายงานครั้งแรกโดย The American Lawyer ในเดือนมีนาคม 2026: รายได้รวม 10.56 พันล้านดอลลาร์ เพิ่มขึ้น 20 เปอร์เซ็นต์ และกำไรเฉลี่ยต่อหุ้นส่วน equity 11.1 ล้านดอลลาร์ เพิ่มขึ้น 20 เปอร์เซ็นต์เช่นกัน จากหุ้นส่วน equity 595 คน Kirkland เป็นบริษัทแรกที่ทะลุ 10 พันล้านดอลลาร์ในรายได้และเป็นบริษัทแรกที่ทะลุ 11 ล้านดอลลาร์ในกำไรเฉลี่ยต่อหุ้นส่วน

1. Bloomberg Law และ Law.com, 27 กุมภาพันธ์ 2026 รายงานจากการยื่นเอกสารประจำปีของ Blackstone: Blackstone จ่ายค่าธรรมเนียมทางกฎหมาย 87.8 ล้านดอลลาร์ให้กับ Kirkland ในปี 2025 ลดลงจากสถิติ 101.3 ล้านดอลลาร์ในปี 2024 แม้ว่ารายได้โดยรวมของ Kirkland จะเติบโต 20 เปอร์เซ็นต์ Blackstone เปิดเผยการชำระเงินเพราะหุ้นส่วนของ Kirkland นั่งอยู่ในคณะกรรมการของตน

1. Norm Law เปิดตัวในเดือนพฤศจิกายน 2025 พร้อมกับการลงทุน 50 ล้านดอลลาร์จาก Blackstone ในบริษัทแม่ Norm Ai ซึ่งผู้สนับสนุนรวมถึง Bain Capital, Blackstone และ Vanguard; ในเดือนมกราคม 2026 ได้แต่งตั้ง Michael Schmidtberger ซึ่งเป็นประธานคณะกรรมการบริหารของ Sidley Austin เป็นเวลาเจ็ดปี เป็นประธาน (Bloomberg Law, 22 มกราคม 2026) การระดมทุนร่วมลงทุนสำหรับสำนักงานกฎหมายที่เกิดจาก AI เป็นไปตามรูปแบบเดียวกัน: Crosby ระดมทุนได้มากกว่า 85 ล้านดอลลาร์จาก Sequoia, Index และ Lux และ Eudia ระดมทุน Series A ได้ถึง 105 ล้านดอลลาร์ก่อนที่จะเปิดตัวสำนักงานกฎหมายที่เสริมด้วย AI ในรัฐแอริโซนา

1. Kirkland & Ellis และ Palantir Technologies ประกาศแพลตฟอร์มเมื่อวันที่ 4 มิถุนายน 2026 หนึ่งสัปดาห์หลังจาก Financial Times รายงานครั้งแรกเกี่ยวกับความมุ่งมั่น 500 ล้านดอลลาร์ของบริษัท เครื่องยนต์การจัดตั้งกองทุน ซึ่งเฉพาะสำหรับ Kirkland สร้างขึ้นเพื่อจัดการเอกสารกองทุน จดหมายด้านข้าง การติดตามภาระผูกพัน และการปิดบัญชีตลอดวงจรชีวิตการระดมทุนของ private equity สำหรับทนายมากกว่า 1,000 คนในกลุ่มปฏิบัติงานกองทุนเพื่อการลงทุนของบริษัท Kirkland กล่าวว่าสถาปัตยกรรมของแพลตฟอร์มไม่ขึ้นอยู่กับโมเดล ออกแบบมาเพื่อให้บริษัทไม่ถูกผูกมัดกับผู้ให้บริการ AI รายเดียว

1. OpenAI ประกาศบริษัทปรับใช้ OpenAI เมื่อวันที่ 11 พฤษภาคม 2026 หน่วยงานอิสระที่มีเงินทุนที่มุ่งมั่นมากกว่า 4 พันล้านดอลลาร์นำโดย TPG เปิดตัวพร้อมกับการซื้อกิจการ Tomoro ซึ่งเป็นที่ปรึกษา AI ประยุกต์ที่นำวิศวกรประจำการประมาณ 150 คนในวันแรก Anthropic, Blackstone, Hellman & Friedman และ Goldman Sachs ประกาศบริษัทบริการองค์กรที่ใช้ AI โดยกำเนิดเมื่อวันที่ 4 พฤษภาคม 2026 มีรายงานว่ามีทุนประมาณ 1.5 พันล้านดอลลาร์ (CNBC, 4 พฤษภาคม 2026) โดยมีวิศวกร AI ประยุกต์ของ Anthropic ฝังตัวอยู่ในทีม การแข่งขันนี้ตามมาหลังจากหนึ่งปีของหลักฐานว่าความสามารถเพียงอย่างเดียวไม่สามารถเปลี่ยนเป็นผลลัพธ์ได้ นักวิจัยของ MIT รายงานในปี 2025 ว่าแม้จะมีการใช้จ่ายขององค์กรหลายหมื่นล้านดอลลาร์ 95 เปอร์เซ็นต์ขององค์กรไม่เห็นผลตอบแทนที่วัดได้จาก generative AI

1. Alex Karp สัมภาษณ์ใน CNBC, 1 กรกฎาคม 2026 พร้อมกับการประกาศความร่วมมือ sovereign-AI ของ Palantir กับ Nvidia Karp กล่าวว่าลูกค้าองค์กรต้องการเป็นเจ้าของปัจจัยการผลิตเบื้องหลัง AI ของพวกเขา คอมพิวเตอร์ โมเดล ข้อมูล และความได้เปรียบทางการแข่งขัน และปฏิเสธกิจการปรับใช้ของผู้ขายว่าเป็นข้อตกลงที่โอนความได้เปรียบนั้นไปยังบุคคลที่สาม

1. Zack Shapiro, "The Input Layer" เผยแพร่บน X, 25 มีนาคม 2026 เกี่ยวกับสาเหตุที่ผลลัพธ์ของโมเดลดีเท่ากับข้อมูลที่ได้รับเท่านั้น

1. Zack Shapiro, "The Judgment Premium" เผยแพร่บน X, 2 มีนาคม 2026 ข้อโต้แย้ง: เมื่อ AI ซึมซับการผลิตที่มีทักษะ ส่วนพรีเมียมทางสติปัญญาจะระเหยไป และส่วนพรีเมียมทางวิชาชีพจะย้ายไปสู่การใช้ดุลยพินิจ ซึ่งเป็นชั้นที่บุคคลตัดสินใจว่าจะทำอย่างไรเมื่อคำตอบไม่ชัดเจนและเสี่ยงชื่อเสียงในการตัดสินใจนั้น