AI 能力远超那些本应使用它的机构。未来十年的商业主题，就是弥合这个差距。
过去几个月，我与美国几家最大律所的合伙人坐在一起，请他们展示自己真正尝试用 AI 做过什么。
结果出奇一致。一位经验丰富、从业二三十年的律师，会上传一份文件，然后让模型“审查这份协议并标记问题”。模型会返回一个还算合格、但过于笼统、基本没用的答案。律师点点头，因为这个答案印证了他进门时就有的怀疑：有趣的工具，做做摘要还行，干不了真活。
这是人最自然的直觉，因为这个对话框看起来就像一个搜索栏，只适合输入一两句话的查询。
但随后我们重新构建了指令。
我们没有加入什么神奇词汇。我们做的，正是一位资深律师在把任务交给一位得力助理之前会做的事。我们解释了客户背景、当前态势、商业目标、对手方的动态、通常重要的条款、那些看似法律问题实则是商业问题的点、不应提出的论点、律师愿意为之站台的信心程度、客户实际会读的格式，以及在答案返回前 AI 必须运行的检查。
同样的模型。同样的文档。不同的指令。
输出结果的变化之大，往往让整个房间的气氛也随之改变。
这就是所有人都忽略的差距。模型并不弱。是机构还没学会如何吸收它。
过去几个月，我一直在与两家美国最大、历史最悠久的律所低调合作，帮助它们将 AI 吸收进日常业务中。这些律所有着一切结构性的理由放慢脚步：巨额利润、强大的内部势力、根深蒂固的工作流程、以及仍然在付账单的客户。但即使在那里，真正严肃的讨论也已经转向了。
问题不再是律师能否用 AI 总结文件。而是如何围绕前沿模型重建实际的律师工作。
两个时钟在同时运转，但它们已经不同步了。
第一个时钟衡量的是技术的进步。它每过几周就向前跳动一次：一个更聪明的模型、一个更长的上下文窗口、一个更好的 Agent、一个能处理杂乱文件集并返回过去需要一个团队才能完成的工作产品的系统。第二个时钟追踪的是理应使用这些技术的机构，而它前进的方式，和所有机构一样缓慢：通过委员会、审批、试点、政策、培训、指导小组，以及一种安静的希望——希望在下一个薪酬周期之前，一切根本性的东西都不必改变。
这两个时钟之间的距离，是当下商业中最重要的事实。
关于 AI 的公开争论基本上忽略了这一差距，因为它几乎完全是在争论第一个时钟。一方认为 AI 即将吞噬整个经济。另一方认为它只是被过度炒作、过于昂贵的自动补全。两种论点都过于以机器为中心。在 2026 年年中，更重要的故事是机器周围的一切：激励机制、习惯、定价，以及改变一个组织工作方式所需要的人类劳动。
瓶颈已经转移了。不再是智力本身，而是对智力的吸收。
构建技术的公司押注了巨额资金，承诺 AI 将重塑经济（而且很快），现在它们必须证明这种重塑是真实的。而应该使用这些技术的公司，则面临着客户要求兑现所有人都在承诺的节省，以及那些开始抢走他们饭碗的“AI 原生”新竞争对手。双方都需要同一样东西，而它极度短缺：真正的能力，被吸收进白领工作的日常流程中。
这种吸收，是专业服务领域最大的商业机会。
快时钟
在大律所安排一次 AI 委员会会议的时间里，新一代的前沿模型已经发布了两代。对律所来说，每一次更新都感觉是渐进式的，因为它总是出现在同一个聊天框里。界面几乎没变，所以人们忽略了底层变化的规模。
2016 年的律师，会把今天的前沿 AI 理解为科幻小说。一个模型能阅读记录、将难题拆解成子部分、并行处理这些子部分、在文件集中搜索、操作文档、编写代码、运行代码、检查引用，并在无需人类参与（除了初始提示）的情况下返回完成的工作产品。把这个展示给十年前的律师看，现场演示可能会以执行委员会的紧急会议告终。展示给今天的律师看，他只会问律所的 IT 部门是否批准了这个工具。
软件行业是观察快时钟行动最明显的地方，因为代码要么能运行，要么不能。在 Anthropic 内部，Claude 现在已经编写了超过 80% 的最终交付到生产环境的代码。3 月份对研究人员的调查显示，中位数受访者认为自己的产出是没有 AI 时的四倍¹。克莱夫·汤普森采访了谷歌、亚马逊、微软和苹果的约 70 名工程师，发现了同样的模式：资深人员写得少了，指导得多了，交付速度却远快于以前²。工作的单位已经从“生产”转向了“编排”。人类仍然负责，但人类不再（或几乎不再）亲笔输入每一行代码。
但法律没有编译器。一份错误的合同不会崩溃。它会被放在抽屉里，看起来没问题，直到有一天，对手方行使了一项没人充分考虑过的同意权，或者一项赔偿条款为一个不知情的客户带来了无上限的负债。这使得法律领域的 AI 比编程领域的 AI 更难评估，但我可以亲口告诉你，它同样强大³。
我那些工程师朋友，在使用这些工具的认真程度上，比白领工作的其他领域领先了 6 个月到 1 年。而我现在教给律师的很多东西，都是从观察他们中学到的。在我自己的实践和咨询工作中，我看到科技行业刚刚经历的转变，正在法律行业的某些小角落开始发生。一位诉讼律师把一整天的研究缩短到 20 分钟。一个交易团队把一周的文档审查压缩到一个下午。一位独立律师接手了过去需要她手下整整一层助理才能完成的工作。
其中一些律师就在全球最大的律所里工作，他们正在构建的东西，连他们自己的合伙人都没注意到，也不会相信。还有更多人在小律所里，没有委员会需要请示：独立律师把自己的工作流程彻底拆解重构；精品律所从一开始就围绕这些工具建立；这些律师能够改变工作方式，因为他们不需要得到那份工作所威胁的机构的许可。
快时钟不会等慢时钟。
慢时钟
走进一家普通的 AmLaw 50 律所，你基本上不会看到律师们用前沿模型来管理自己的业务。
你会看到昂贵的法律 AI 订阅。经过批准的工具。供应商培训。负责任的 AI 使用政策。创新奖项。合伙人务虚会上的小组讨论，每个人都同意 AI 很重要，但没人确切说出哪些工作流程应该改变。
问问大律所里的律师他们今天用 AI 做什么，你会发现他们大多在用有史以来最强大的技术来清理时间记录、总结没人会看的文件、以及起草安排下次会议的邮件。这些都是对严肃工具的琐碎应用。
那些真正重要的能力——那些模型已经发展出来的能力——却无人尝试：实质性的任务委派、像对待优秀助理一样向模型提供背景信息、详细说明上下文、标准和判断标准，然后拿回原本需要数天才能完成的精英级别的工作产品。
即使能力已经具备，使用方式仍然畏首畏尾。
激励陷阱
这种缓慢是可以理解的，但这不等于情有可原。
大律所的利润建立在两大支柱上：按小时计费（按时间收费），以及杠杆（在每个合伙人下面堆叠初级律师，并以加价的方式收取他们的工作时间）。AI 威胁到了这两者。它节省的每一个小时，都是无法再用旧方式收费的一个小时。它最擅长的工作——初稿起草、尽职调查、文档审查、引用检查、摘要、比较、格式化——恰恰是 BigLaw 金字塔结构赖以生存的业务。
因此，理性的合伙人私下里做实验。理性的律所则缓慢行动。两者都在保护某种真实的东西。
这就是最纯粹的创新者困境。那些从重建中获益最多的律所，恰恰是那些当前经济模式使重建最为痛苦的公司。它们在等待，而这种等待在变得致命之前，都是理性的。
那些能推动变革的人，往往最没有理由去推动。律所每年都会分配利润。合伙人的分红是他今年赚取份额的一部分，而不是对未来十年的权益。一位转型自己业务的上市公司 CEO，会以股票的形式获得报酬，而股票会在市场相信故事的那一刻就将未来收益计入价格。而一位管理合伙人（有时年薪在一千万到两千五百万美元之间，距离漫长职业生涯的终点还有五年），如果转型自己的律所，现在就会面临混乱、薪酬斗争、计费量下降，而回报可能在他离开之后才会到来。拖延时间对他有利。解决问题则是在为他的继任者谋利。
慢时钟也建立在恐惧之上。
首先是对成为警示故事的不对称恐惧。悄悄重建工作流程的合伙人会得到礼貌的点头。而那个 AI 提交的结果包含虚假案例的合伙人，会得到一个追随他职业生涯余下的头条新闻。Sullivan & Cromwell 今年春天就学到了这一点，当时在一桩破产案的紧急动议中，出现了大量 AI 生成的引用错误⁴。S&C 绝不是任何人眼中粗心大意的律所。这正是问题所在。声望并不能阻止这种失败。流程才能。
还有一种更安静的恐惧，每个律师都在上百个头条新闻中看到过，那就是 AI 要彻底取代他们。这种恐惧并非不理性，因为律师们不断从构建技术的人那里听到这个叙事。Anthropic 的首席执行官达里奥·阿莫迪去年曾公开警告说，AI 可能在五年内消灭一半的初级白领工作，包括法律行业⁵。我认为他对律师的看法是错的，我稍后会解释原因。但一个合伙人不需要相信这个预测，也能感受到它的影响。从大律所内部看，每一次对模型的认真使用，都可能像是在排练你自己的替代品：教会机器这份工作，就等于教会了它你的饭碗。
因此，大多数律所都退回到了 AI 作秀的层面。一个工作组。一项政策。一个试点。一个供应商。一场关于“负责任创新”的演讲。在过去几个月里，我有不止一次机会，与一些自诩 AI 项目“行业领先”的顶级律所领导同台，但他们对那些唯一重要的问题却无法给出连贯的答案：哪些工作流程改变了？效率提高了多少？客户体验有何改善？在真实案件中，律所现在做了什么不同的事？
泛泛而谈永远是破绽。一家重建了工作流程的律所，会谈论那个工作流程本身。
传动轴
这一切都发生过。当电力取代蒸汽成为工厂动力时，工厂主做了显而易见的事：他们拆掉蒸汽机，在原地放上一台电动机，然后通过同一根长长的中央传动轴来驱动所有机器。将近三十年的时间里，工厂一直保持着这种布局，仿佛动力仍然来自地下室的锅炉。
经济学家们一直等待的生产率提升，直到整整一代人之后，工厂主们拆掉地板，围绕新的动力源重新构建了装配线，给每台机器装上一个小型电动机，让生产线跟随任务而不是传动轴，才真正到来。
问题不在于电力被过度炒作；而在于，一项通用技术只有在有人围绕它重新设计工作时才会产生回报，而重新设计可能需要比发明晚一代人的时间⁶。
AI 现在就处于这个阶段。新电机充其量只是被螺栓固定在了旧传动轴上，而下面的地板仍然是蒸汽时代的。
可口可乐，而非通用电气
当机械制冷在 20 世纪初变得廉价可靠时，最明显的赌注是那些制造制冷机的公司：通用电气、西屋、Frigidaire。但最大的赢家不是它们中的任何一个。
而是可口可乐，一家来自亚特兰大的区域性苏打糖浆公司。在罗伯特·伍德拉夫的领导下，可口可乐从 1920 年代开始，用他的话来说，致力于将产品“放在渴望可及之处”，遍布地球上的每一个城镇⁷。
可口可乐从未制造过冰箱。它比任何其他公司都更早、更彻底地理解了廉价制冷带来的可能性，并围绕这种理解重建了自身，直到一瓶冰可乐成为人类生活中永久性的固定存在。
前沿实验室就是此刻的通用电气。它们制造的东西——原始智力——正在以前所未有的速度变得廉价；与它取代的每单位人类工时相比，每个任务的成本几乎可以忽略不计。
但可口可乐那样的财富，将属于那个比其他人更早弄清楚“冷”是用来做什么的，并在此基础上构建出某种东西——而在前一年，这种东西无论花多少钱都无法实现。这条赛道现在一片开阔，同时在每一个行业里都是如此。
Kirkland 的赌注
Kirkland & Ellis 在 5 月宣布，将在三到四年内投入 5 亿美元，构建自己的 AI 平台⁸。
这个数字（占据了所有头条）其实不如它所揭示的事实重要。这家全球营收最高的律所得出的结论是，租用和其他人一样的工具（例如 Harvey、Legora 等），无法保护它已经建立的一切。这很难反驳。任何一家律所都能订阅到的服务，不可能成为一家律所与众不同的基础，而法律实践正在发生的变革太大了，仅凭一个许可证密钥是无法应对的。
Kirkland 也比大多数律所更脆弱，而这种脆弱性恰恰来自其利润的来源。去年，该律所营收达到 105 亿美元，权益合伙人平均利润达到 1110 万美元，两项均创纪录⁹。这些利润不成比例地依赖于私募股权，而当生产变得廉价时，这是最糟糕的客户基础。私募基金每年重复运行数十次相同的交易结构，对法律支出的追踪精确到基点，并且已经开始质疑，为什么机器能起草的工作仍然按律师助理的费率收费。重复的工作，正是 AI 模型学习最快的工作。即使是其最重要的客户黑石集团，也开始减少向该律所支付的费用¹⁰。
私募股权也在从另一侧施压。黑石和贝恩资本的资金现在支持着 Norm Law，一个 AI 原生的法律平台，该平台聘请了盛德律师事务所执行委员会前主席担任其董事长¹¹。那个让 Kirkland 成为史上最赚钱律所的行业，已经开始资助它的挑战者。Kirkland 能读懂自己的市场。在这 5 亿美元项目宣布后仅仅一周，第一个产品就问世了——一个面向其私募股权客户的基金设立引擎¹²。
但支票的金额并不能决定最终结果。
一个专有平台的价值，完全取决于它被嵌入了多大的实践变革。如果 Kirkland 花掉 5 亿美元，并重建其律师的实际工作方式，那么这项投资可能成为任何竞争对手都无法租用的护城河。如果它花掉 5 亿美元，却让工作流程保持不变，那么它只是给旧传动轴安装了一个非常昂贵的电机。
难题不在于 Kirkland 能否构建或购买强大的技术。它显然可以，但采购不等于吸收。难题在于，一个如此盈利的律所，能否强迫自己改变那些最初让它变得盈利的工作方式。这是每个在位者都面临的问题。
吸收这门生意
如果吸收是制约因素，那么市场上最有价值的资产，就是任何能将能力从快时钟转移到慢时钟，而又不在此过程中摧毁机构的工具。总有一天，这可能是一个产品。但今天，它通常只是一个人：一个既能以旧方式做好工作，又熟悉新工具足以重建工作方式的人，并且在这个重建过程中，他就坐在律所内部。几乎没有人正在做这项工作，而几乎所有人都即将需要它。
科技行业已经为这种人创造了一个职位名称。Palantir 在二十年前发明了它，称之为“前部署工程师”（forward-deployed engineer），这个人深入到客户的运营中，围绕软件重建工作，因为软件永远不会自动部署。在大部分时间里，这个角色看起来像是 Palantir 的怪癖。但今年春天，它变成了所有有钱人都在模仿的职位。OpenAI 在 5 月份围绕这个角色成立了一整家部署公司，背后有超过 40 亿美元的资金。Anthropic 与黑石、高盛和 Hellman & Friedman 联合推出了一家 AI 原生服务公司，将其工程师嵌入客户公司。智力的销售者已经得出结论：没有吸收的能力等于零，而吸收是人的工作。
但请注意这个人为谁工作。前部署工程师为供应商工作。对大多数企业来说，这是个不错的交易。一家工厂可以在与所有竞争对手相同的供应商平台上运行其物流，因为物流从来不是优势所在；产品才是。一家律所没有产品。它的工作建立在客户信任之上。支撑其工作的平台，每个竞争对手都能租用。而它的工作流程编码了律所自己的方法。让实验室的工程师在实验室的轨道上编写这些方法，它们往往会迁移到实验室的产品中，隔壁的律所就可以订阅它。对于一家律所来说，这个人应该为机构本身工作，而不是为供应商，而且宜早不宜迟。
所有这些都并不意味着供应商没有作用。Anthropic、Palantir、Snowflake 及其同行很可能最终会构建律所重建所依赖的数据架构。但管道之上的工作属于律师，因为一家软件公司，和律所之外的任何人一样，都不知道如何构建那些编码了实践本身沉淀知识的提示词和工作流程。在这篇文章发表前一周，Palantir 自己的首席执行官亚历克斯·卡普在接受 CNBC 采访时告诉企业，要拥有其 AI 的“生产资料”，而不是租用它们¹³。他当然在推销东西。但他也是对的。
这就是为什么变革管理——商业中最不吸引人的短语——即将成为最有价值的工作之一。不是那种旧式的变革管理，它产生利益相关者地图和采用率仪表板；而是一种新的变革管理，将专家判断转化为机器可以运行、机构可以信赖的自动化流程。每一个重建的工作流程都会让下一个重建更便宜，每一个被转化的合伙人都会转化其他人，而那个提前 18 个月起步的律所，等到人们注意到时，已经成为一种不同的律所。
一个世纪以来，一个知道自己必须变革的机构会请来管理顾问，成立一个指导委员会，并委托制定路线图。律所现在正在对 AI 使用这套做法，但这是错误的做法。它之所以有效，是因为它所管理的变革是组织层面的：汇报线、成本结构、该卖哪个部门。来自麦肯锡的聪明通才可以在会议桌上就把这一切规划好。
但每个人都从 AI 那里期望的变革，不是“组织层面”的。它存在于实践本身，存在于构成一个单一案件的成千上万个微小决定中：模型是生成初稿还是只列出问题清单；在触及契约条款之前，它需要了解客户的借款基数；它的哪些案例引用需要人类重新查找，哪些只需抽查；合伙人什么时候通读全文，什么时候她只读一下例外备忘录然后回家。管理咨询公司无法回答这些问题，因为这些答案本身，正迅速成为 21 世纪法律实践版本的内容。只有从事法律工作的人，才能恰当地重新设计这项工作。
这仍然需要来自高层的推动。一个合伙人不会花一整个艰难的一周来重建自己的执业方式，除非律所明确表示这是一项战略要务，而不是个人爱好。但推动只是设定方向。重建发生在每个律师的办公桌上，一次一个工作流程，它看起来完全不像一个“创新”项目。
工作坊
这就是吸收业务的样子。
一位合伙人带来一项已经填满他一周的任务：根据客户的商业偏好审查一份合同；需要转化为融资文件的条款清单和股权结构表；一个法律尚未明确、信心水平至关重要的研究问题；对方律师的一份修改版本，他需要用通俗易懂的英语向客户解释，而又不淡化这些修改对交易的影响。
大多数律师给模型一份文档和一个简单的指令。总结这个。审查这个。研究这个。修改这个。然后他们看着那个意料之中的通用答案，得出结论：这个工具本身很平庸。但模型确实按照他们要求做了。律师给了它任务，却扣留了所有能让它表现良好的东西：背景、细节、态势、判断。
一个严肃的指令，包含了优秀律师会告诉优秀助理的一切：什么重要，什么不重要，客户在担心什么，受众会注意到什么，答案不能假设什么，可接受的不确定性水平是多少，以及在工作产品离开律所之前需要验证什么。
在我的工作坊中，我将其作为一套“解剖结构”来教授：任务、背景、判断、约束、交付物、验证。一旦律师们看到这套解剖结构，他们就认出了自己提示词中的失败。他们要求“总结”，但实际上需要的是客户能看懂的、关于修改版本中哪些内容变了、哪些没变、以及哪些还需要决策的解释。他们要求“研究”，但实际上需要一份结论先行、将已确定的法律与未决问题分开、并独立验证每个引用的备忘录。他们要求“合同审查”，但实际上需要一份按优先级排列的、改变了谈判地位的条款清单，并附上针对每一条的拟议反驳语言。
请注意这套解剖结构不包含什么：任何技术性的东西。没有代码，没有语法，没有设置。一个严肃指令的每一个字都是通俗易懂的英语，就是合伙人已经在办公桌对面与助理使用的同一种英语。这是一种心态，而不是软件技能：把模型当作一个聪明绝顶的新助理，它什么都读过，但对你的客户一无所知，并据此向其提供指示。适应最快的律师，很少是最年轻或技术最强的。他们往往是那些最会委派任务的人，那些花了一辈子学习如何将判断向下传递的人。
这就是提示词层。它之所以重要，是因为它证明了当律师给出真正指令时，这个工具可以做真正的工作。但对于一个律所来说，提示词层只是开始。
问题是，一个围绕人类劳动建立的机构，如何吸收一项将使这种劳动中越来越大的部分变得廉价、快速和充裕的技术？
一家公司无法仅通过让个别律师学会写更好的提示词并寄希望于这种改变自行扩散来解决这个问题。这项工作必须从个人技能提升转向机构能力的建设。
这正是提示词演变为自动化工作流的关键所在。
提示词告诉模型针对当前事务该做什么。工作流则是一套程序，告诉模型某位特定律师、业务团队或律所如何完成该类工作。在实践中，这并没有什么神秘之处。工作流就是一份通俗易懂的操作手册，模型在开始工作前会先阅读它，就像合伙人在第一天给新入职律师的固定指示一样，只不过模型会在每项事务、每次操作中都遵循它，无需提醒。有些程序是机械性的：比如如何在 Word 文档中做标注而不损坏文件，如何将引文验证作为独立步骤运行，如何在任何文件发出前检查格式。更有价值的是那些实质性的程序：某位律师如何审查合同，她总是检查哪些条款，她何时要求补充更多事实，她何时提出反建议措辞，她何时因证据不支持而拒绝对方的前提，她在哪里放慢速度——因为经验告诉她这里常常隐藏着错误。
这正是大多数法律 AI 产品仍然缺失的核心。它们将模型包装在一个法律界面中，并要求律师去适应产品的流程。更好的方法则反其道而行之：让模型去适应律师的实践方式。真正持久的资产不是那个外壳，而是律所自己的方法——将其精确地写下来，让模型可以遵循，律师可以监督，机构可以随着时间的推移不断改进。而这正是它不应该存在于别人产品之内的原因。
一个好的合同审查工作流不是模板。它是合伙人的审查序列：终止条款、责任上限、赔偿条款、自由裁量标准、知识产权归属、存续条款、逐条建议、实际的反建议措辞，以及最后一遍检查——问问自己，如果客户看到这份文件，什么会让律师感到尴尬。一份经验教训记录不是知识管理的作秀。它是持续改进的机制。模型遗漏了什么，律师纠正了它，而这个纠正就会成为下一次运行的一部分。
困难的部分不在于技术。这些文件大多是纯文本。困难的部分在于让资深律师将那些他们几乎下意识完成的事情外化出来：他们不信任的某个句子，他们从不未经核实就引用的某个案例，他们读两遍的某个条款——因为它曾让客户损失过钱，那个虽然并非理论上有趣但至关重要的商业要点。这些内容都不会清晰地出现在最终的工作成果中。它们必须在工作过程中被提取出来。
这就是为什么最认真对待 AI 应用的律所并不将其视为一种新鲜事物。AI 浪潮不会止步于更好的摘要。它将继续冲击人员配置、定价、培训、质量控制、客户期望，以及律所内部那些能够以这种方式工作的人和不能的人之间的权力分配。那些认真推进的律所，正在试图将最优秀律师的本能转化为基础设施，在这些压力全面袭来之前做好准备。
这就是我近距离观察到的市场分化。一些律所仍在审批软件。另一些则准备将一种新的生产功能吸收到法律实践之中。
第二类律所将非常难以追赶。
无论如何
顺便提一句，本文中的任何内容都不需要快速时钟以当前速率继续运转。即使如反对者所言，我们正处于一个巨大的 AI 泡沫之中，并且明天进步就停止了（在此声明，从我这里看情况并非如此），Opus 4.8 和 Fable 5 级别的模型已经足以改变法律的实践方式，而机构必须吸收这种能力才能跟上步伐。如果时钟继续运转，问题只会变得更加尖锐：当机器几乎能够生产一切时，律师还剩下什么？
我的答案是，法律的高端领域不会商品化，其律师也不会被取代。正如我在其他地方所写，溢价将从执行转向判断，时钟运转得越快，这个溢价就越大。¹⁶
账单的虚构
在所有这一系列变革的尽头，能够留存下来的人的部分，是判断力。
不是律师们自诩的职业赞美词“判断力”。而是实际的判断：哪个风险最重要，哪场仗值得打，哪个让步看似无害但日后会带来麻烦，哪个论点法院可能会接受，客户认为的法律问题哪个其实是商业问题。这最终是关于在压力和不确定性下的决策。
这正是客户一直以来试图从精英律师那里“购买”的东西。
然而，账单让这一点难以看清。
一个世纪以来，律所一直按照可见的、可量化的工作来收费：研究、起草、尽职调查、引文核查、红线标注、签字页、交割文件。其中一些工作需要真正的技能，大部分则是苦差事。所有这些都需要时间，而时间很容易衡量，所以时间成为了这个行业出售的单位。
这个单位有其逻辑。工作必须由人完成。做这些工作的初级人员通过做中学。监督他们的合伙人将初级人员的时间转化为利润。客户支付费用，因为除此之外没有其他办法来完成交易、提交诉状、完成尽职调查或审查记录。
但是，计费小时也模糊了生产与决策之间的区别。生产是收集、起草、比较、总结、格式化、检查和组织等熟练工作。决策是律师将所有材料整合起来，告诉客户该做什么的那一刻。
客户为两者都付了钱，但他们最在意的是后者。
一个董事会之所以聘请精英交易合伙人，不是因为他们想要更多的尽职调查小时数。他们聘请她，是因为她见过足够多的交易，知道这笔交易可能在何处出问题。一个被告之所以聘请伟大的庭审律师，不是因为他想要在机械的发现程序中花更多时间。他聘请他，是因为他需要有人能决定哪三个要点最重要，并知道如何让它们深入人心。一个创始人聘请律师，不是为了欣赏一份标记文件。她聘请律师是为了听到：让步这个，抗争那个，不要让他们拿走这个条款，因为它日后会很重要。
AI 改变了经济结构，因为它首先攻击的是生产环节。它起草初稿。它比较文件。它总结记录。它检查引文。它统一签名块。它运行那些曾经占据账单很大一部分的乏味审查。虽然不完美，也需要监督，但速度足够快，质量足够好，以至于时间与价值之间的旧有关系无法再维持。
当生产昂贵时，客户的账单上充满了生产环节。当生产变得更便宜时，稀缺的投入就是知道如何指挥机器、检验答案、理解客户目标以及在答案困难时提出建议的人。价值转向了责任：拥有足够经验知道什么重要、并且有足够责任感为建议负责的人。
这就是那些预测 AI 将“取代”律师的预测出错的地方。根据我观察到的律师使用这些工具的方式，以及判断力是能够保持价值的投入，更可能的算术结果是：每个法律工作的一半被取代，而不是一半的法律工作被完全取代。机器接手生产的那一半。人们真正去法学院学习的那部分留了下来，而且在高端领域，工作会变得更好，尽管更紧张，因为一周中更多的时间花在了那些一直是核心的困难认知工作上。法律服务市场的低端则是另一回事：在风险低、工作机械的地方，法律服务可能会真正商品化，利润率将压缩到处理客户请求的 token 价格附近。但对于最精英的律所，比如我现在正在合作的那些，判断力仍将保持价值，工作不会商品化。
转型对初级律师来说将是艰难的，因为苦差事不仅是律所出售的东西，也是律师学习的方式。初稿研究、初稿起草、初稿审查、尽职调查、清单和交割机制并不光鲜，但它们创造了反复接触判断力原材料的机会。如果 AI 压缩了这些工作，律所就不能假装旧的学徒制会自行运转。他们必须刻意围绕决策来设计培训。
最优秀的初级律师将比以往任何时候都进步得更快。他们可以请模型解释整个交易，而不是在黑暗中埋头苦干自己的那部分。他们可以看到结构，检验自己的直觉，比较替代方案，并更早地接近合伙人级别的推理。较弱的初级律师将失去过去工作量提供的掩护。
招聘将需要反映这一新的现实。几十年来，律所根据法学院成绩和法学评论会员身份来招聘，证明候选人能够遵循指示并承受残酷的工作时间，因为金字塔结构依赖于工作量，而工作量必须是可承受的。但请注意，这并不等同于（甚至不一定与）成为一名好律师高度相关。现在值得招聘的律师看起来不同了：具有判断力、主动性、商业敏锐度和人际交往能力的早期迹象。一份书记员工作，年轻的诉讼律师花一年时间观察法官做出艰难决定。在一家银行或财富 500 强公司（非法务角色）工作一段时间，未来的交易律师在这里学习客户如何说话以及他们真正想买什么。班级规模将缩小。门槛将提高。跨越门槛的律师可能会得到前辈们很少得到的东西：更直接的决策学徒训练，更多的苦差事被委托给一台从来不需要周末的机器。
退后一步，虚构就清晰了。律所今天收费的东西——初级和中级律师做苦力工作的小时数——从来都不是客户真正从顶级律所看重的价值。这些小时是律所选择如何为客户真正想买的东西开具发票的方式，而客户真正想买的是签署建议书的合伙人的判断力和决策力。因此，担心越来越强大的 AI 会抽走法律价值的律师们想反了。价值一直反常地存在于账单上从未逐项列出的那一样东西中，而那样东西不会消失。集中的判断力是一种资产，最好的律所拥有比任何人都多的资产，而对此技术的成熟回应是保护该资产并最终为其定价，而机器则使账单中一直只是包装的那部分商品化。
掀开地板
本文中的一切指向同一个并不光鲜的结论。在实践层面进行的变革管理，现在是对任何律所（或任何大型企业）来说最重要的投资，比任何横向招聘、业务启动、办公室开设都重要。做对这件事的回报是长达数年的复合领先优势。做错事的后果则是生存危机：花十年时间捍卫按小时计费的账单，而客户可以更便宜地从别处购买同样的工作，同时 AI 原生的竞争对手（部分由这些客户资助）一个接一个地抢走业务领域。
现在是面对它的时候了，趁它仍然是一个选择。机构按照两种时间表之一进行变革：主动地，或在紧急情况下，而紧急情况下的一切都使重建变得更糟。人才正在流失，客户正在重新谈判，执行委员会正在开会讨论竞争对手的公告而不是自己的计划。现在开始的律所可以在收入仍创纪录时进行重建。等待的律所将在以后，在压力下，用更少的资源做同样的工作。
投资于重建意味着一个世纪前在工厂里意味着的东西。赢家没有止步于用蒸汽机替换电动机。他们在每台机器上都装了一个马达，让生产线跟随任务。法律版本是在实践层面本身的变革：将判断力写下来，让机器可以运行，律师可以监督，逐个工作流，逐个团队。这项工作缓慢、个人化，在组织架构图上不可见，但它是唯一能改变律所实际运作方式的 AI 支出。
对于能够实现这一目标的律所，最终的奖赏是可口可乐式的财富。生产优秀的法律工作一直意味着支付一层又一层的律师费用，而这个成本正在崩溃。一家摆脱按小时计费模式并重置客户期望支付金额的律所，保留了客户永远想买的东西（判断力、决策力），并甩掉了大部分生产成本。高端领域的利润率将大幅提高。伍德拉夫希望可口可乐触手可及。率先掀开地板的律所，将使精英法律判断力触手可及，服务于世界上每一个企业中的每一个艰难决策。
注释
- 人工智能研究所，《当 AI 构建自身》（Marina Favaro 和 Jack Clark，2026 年 6 月 4 日），报告称截至 2026 年 5 月，Anthropic 生产代码库中合并的代码超过 80% 由 Claude 编写，而 Claude Code 于 2025 年 2 月推出前这一比例仅为个位数。四倍的数字来自该报告 2026 年 3 月对约 130 名研究人员进行的内部调查，受访者中位数认为其产出约为不使用 AI 时的四倍；报告本身也警告此类自我估计往往偏高。
- Clive Thompson，《编码之后：我们所知的计算机编程的终结》，《纽约时报杂志》，2026 年 3 月。Thompson 采访了 Google、Amazon、Microsoft、Apple 等公司的七十多名软件开发者，讲述 AI 代理如何改变了工作。
- Zack Shapiro，《Claude 原生律所》，发布于 X，2026 年 2 月 27 日：一家围绕前沿模型重建的双律师律所的第一手记录。
- Sullivan & Cromwell 的 Andrew Dietderich 致美国纽约南区破产法院首席法官 Martin Glenn 的信函（2026 年 4 月 18 日），在 Prince Group 第 15 章程序中，就其于 2026 年 4 月 9 日提交的包含数十处不准确引文和其他错误（包括 AI 幻觉）的紧急动议道歉。错误由 Boies Schiller Flexner 的对方律师指出，并被 Bloomberg Law 和 Reuters 广泛报道。
- Dario Amodei 在 2025 年 5 月 28 日接受 Axios 的 Jim VandeHei 和 Mike Allen 采访时公开预测：AI 可能在一到五年内消除一半的初级白领工作岗位，并将失业率推高至 10% 到 20%。Amodei 后来自己也转向了更温和的经济学解释，在与 JPMorgan 的 Jamie Dimon 同台参加 Anthropic 金融服务简报会时（《财富》，2026 年 5 月 5 日）引用了杰文斯悖论（自动化大部分工作，对人类剩余部分的需求可能会增长）。
- 电气化的故事见于 Paul A. David，《发电机与计算机：现代生产力悖论的历史视角》，《美国经济评论》第 80 卷，第 2 期（1990 年），以及 Warren D. Devine, Jr.，《从传动轴到电线：电气化的历史视角》，《经济史杂志》第 43 卷，第 2 期（1983 年）。工厂大约在 1900 年开始电气化；可衡量的生产力回报出现在 1920 年代，当时单元驱动电机使工厂能够放弃中央传动轴布局。
- 这句话出自长期担任可口可乐总裁的 Robert Woodruff，他在 1920 年代设定了公司目标：让可口可乐“触手可及”。该表述出现在公司自己的历史记录中，以及 Mark Pendergrast 的《为了上帝、国家和可口可乐》（1993 年）中。
- Kirkland & Ellis 的计划首先由《金融时报》报道，并于 2026 年 5 月末由 Bloomberg Law 确认，承诺在三到四年内投入约 5 亿美元，从 2026 年的约 1 亿美元开始。Kirkland 报告 2025 年收入为 105.6 亿美元，为所有律所中最高。
- Kirkland 2025 年的业绩首先由《美国律师》在 2026 年 3 月报道：总收入 105.6 亿美元，增长 20%，权益合伙人平均利润 1110 万美元，同样增长 20%，涉及 595 名权益合伙人。Kirkland 是第一家收入突破 100 亿美元、合伙人平均利润突破 1100 万美元的律所。
- Bloomberg Law 和 Law.com，2026 年 2 月 27 日，报道 Blackstone 年度证券文件：Blackstone 在 2025 年向 Kirkland 支付了 8780 万美元的法律费用，低于 2024 年创纪录的 1.013 亿美元，尽管 Kirkland 整体收入增长了 20%。Blackstone 披露这些付款是因为一名 Kirkland 合伙人担任其董事会成员。
- Norm Law 于 2025 年 11 月推出，同时 Blackstone 向其母公司 Norm Ai 投资 5000 万美元，其投资者包括 Bain Capital、Blackstone 和 Vanguard；2026 年 1 月，它任命了曾担任 Sidley Austin 执行委员会主席七年的 Michael Schmidtberger 为其董事长（Bloomberg Law，2026 年 1 月 22 日）。AI 原生律所的风险投资遵循了相同模式：Crosby 已从 Sequoia、Index 和 Lux 筹集超过 8500 万美元，Eudia 在亚利桑那州推出 AI 增强型律所前筹集了高达 1.05 亿美元的 A 轮融资。
- Kirkland & Ellis 与 Palantir Technologies 于 2026 年 6 月 4 日宣布该平台，一周前《金融时报》首次报道了该律所 5 亿美元的承诺。该基金设立引擎为 Kirkland 独有，旨在承载基金文件、补充函、义务跟踪和交割，覆盖该律所投资基金业务领域超过 1000 名律师的私募股权筹资生命周期。Kirkland 表示该平台架构是模型无关的，旨在确保律所不被锁定在任何单一 AI 供应商上。
- OpenAI 于 2026 年 5 月 11 日宣布成立 OpenAI 部署公司，作为一个独立单元，拥有超过 40 亿美元的承诺资本，由 TPG 领投，同时收购了应用 AI 咨询公司 Tomoro，后者带来了约 150 名一线部署工程师。Anthropic、Blackstone、Hellman & Friedman 和 Goldman Sachs 于 2026 年 5 月 4 日宣布成立其 AI 原生企业服务公司，据报道资本约为 15 亿美元（CNBC，2026 年 5 月 4 日），Anthropic 的应用 AI 工程师嵌入其团队。这一争夺源于一年来能力的证据并未转化为实际采用；MIT 研究人员在 2025 年报告称，尽管企业支出达数百亿美元，95% 的组织未看到生成式 AI 的可衡量回报。
- Alex Karp，接受 CNBC 采访，2026 年 7 月 1 日，与 Palantir 与 Nvidia 的主权 AI 合作伙伴关系公告同时进行。Karp 表示企业客户希望拥有其 AI 背后的生产资料——计算能力、模型、数据和竞争优势——并认为供应商部署企业是将其竞争优势转移给第三方的安排。
- Zack Shapiro，《输入层》，发布于 X，2026 年 3 月 25 日，论述模型的输出仅取决于其接收到的简报质量。
- Zack Shapiro，《判断力溢价》，发布于 X，2026 年 3 月 2 日。论点：随着 AI 吸收熟练生产，智力溢价消失，专业溢价迁移至判断力——即一个人决定在答案不明确时该做什么，并用自己的声誉押注于这一判断的层面。
