AI 能力已超前於那些理應使用它的機構數年。接下來十年的商機，就是彌合這個差距。
過去幾個月，我與全國幾家最大律師事務所的合夥人坐下來，請他們展示自己實際嘗試過用 AI 做些什麼。
結果驚人地一致。一位擁有二、三十年經驗的資深律師，會上傳一份文件，然後要求模型「審查這份合約並標出問題」。模型會回傳一個勝任、普通、而且大多沒什麼用的答案。律師點點頭，因為這答案證實了他走進會議室時就有的懷疑：有趣的工具，拿來做摘要還行，但還不到能處理真正工作的程度。
這是人的自然本能反應，因為那個對話框看起來就像一個搜尋列，只會引導你輸入一兩句的查詢。
但我們接著重建了指令。
我們沒有加入什麼神奇字眼。我們做的，就像一位資深律師在把工作交給一位能幹的初級律師之前會做的事：我們說明了客戶的背景、態度、商業目標、對方動態、通常重要的條款、那些看似法律問題但其實是商業問題的點、不該提出的論點、律師願意承擔的信心水準、客戶實際會閱讀的格式，以及 AI 在給出答案前必須先完成的查核。
同樣的模型。同樣的文件。不同的指令。
輸出的結果變化之大，有時連房間裡的氣氛也跟著改變了。
這就是大家忽略的那個差距。模型並不弱。是機構還沒學會如何吸收它。
在過去幾個月，我一直低調地與美國兩家規模最大、歷史最悠久的律師事務所合作，協助他們將 AI 吸收到日常的業務工作中。這些律師事務所擁有所有結構性的理由來放慢腳步：巨大的利潤、強大的內部勢力、根深蒂固的工作流程、以及仍在付費的客戶。但即便在那裡，嚴肅的對話也已轉變。
問題不再是律師能否用 AI 來摘要文件，而是如何圍繞著前沿模型來重建實際的法律工作。
有兩個時鐘在走，而且它們已經失去同步。
第一個時鐘測量著技術的進步。它每隔幾週就往前跳一格：一個更聰明的模型、一個更長的上下文視窗、一個更好的 Agent、一個能處理雜亂檔案集並產出過去需要一個團隊才能完成的工作成果的系統。第二個時鐘追蹤著那些理應使用這項技術的機構，而它總是以機構一貫的方式移動：透過委員會、審批、試點、政策、培訓、指導小組，以及靜靜地希望在下一個薪酬週期到來之前，沒有什麼根本性的東西需要改變。
這兩個時鐘之間的距離，是當前商業領域最重要的事實。
關於 AI 的公開論戰大多忽略了這個差距，因為它幾乎完全是在圍繞第一個時鐘進行。一方認為 AI 即將吞沒整個經濟。另一方則認為它只是被過度炒作、過於昂貴的自動完成功能。這兩種論點都太過以機器為中心。在 2026 年中更重要的故事，是機器周圍的一切：誘因、習慣、定價，以及改變一個組織如何完成其工作的人為努力。
瓶頸已經轉移了。不再是智慧本身，而是對智慧的吸收。
那些正在建造技術的公司，基於 AI 將重塑經濟（而且很快）的承諾，籌集了巨額資金，現在他們必須證明這個重塑是真實的。那些理應使用它的公司，正面臨著要求他們兌現那些持續被承諾的節省成本的客戶，以及開始搶走他們工作的「AI 原生」新興競爭對手。雙方都需要同樣的東西，而這東西極度短缺：能被吸收到白領工作流程中的真實能力。
這種吸收能力，是專業服務領域最大的商業機會。
快速時鐘
在大型律師事務所安排一次關於 AI 的委員會會議所需的時間內，已經有兩代新的前沿模型問世了。對事務所來說，每個模型感覺都只是漸進式的改進，因為它和上一個模型一樣，出現在同一個聊天對話框裡。介面幾乎沒變，所以人們忽略了底層發生了多大的改變。
一位 2016 年的律師，會把當前的 AI 前沿視為科幻小說。一個模型可以閱讀記錄、將複雜問題分解成子部分、並行處理這些子部分、搜尋檔案集、操作文件、編寫程式碼、執行該程式碼、檢查引用，並在初始提示之外無需任何人為干預的情況下，產出完成的工作成果。把這個展示給十年前的律師看，這場演示大概會以執行委員會的緊急會議告終。把這個展示給今天的律師看，他會問事務所的 IT 部門是否已經批准了這個工具。
軟體產業是最容易觀察到快速時鐘運作的地方，因為程式碼要嘛能跑，要嘛不能跑。在 Anthropic 內部，Claude 現在寫了超過 80% 最終上線的程式碼，而根據三月的調查，研究員的中位數產出，是沒有 AI 時的四倍。¹ Clive Thompson 訪談了 Google、Amazon、Microsoft 和 Apple 的大約七十位工程師，發現到處都是同樣的模式：資深人員寫得更少，指導得更多，但產出卻遠比以往更多。² 工作的單位已經從「生產」轉變為「編排」。人類仍然負責，但人類不再親手鍵入每一行（或幾乎任何一行）程式碼。
但法律領域沒有編譯器。一份錯誤的合約不會當機。它會躺在抽屜裡，看起來沒事，直到有一天，對方行使了一個沒人充分考慮過的同意權，或者一個賠償條款為一個毫無戒心的客戶創造了無上限的責任。這使得評估法律 AI 比評估程式碼 AI 更困難，但我可以親自告訴你，它的威力絲毫不減。³
我的工程師朋友們，在認真使用這些工具方面，比白領工作的其他領域領先六個月到一年，而我現在教給律師的許多東西，都是從觀察他們學來的。在我自己的實務和顧問工作中，我觀察到科技業剛經歷的轉變，已經開始在法律界的某些角落萌芽。一位訴訟律師把一天的研究工作縮短到二十分鐘。一個交易團隊將一週的文件審查壓縮到一個下午。一位獨立律師承接了過去需要她一層樓的初級律師才能完成的工作。
其中一些律師身處世界上最大的律師事務所，正在打造他們自己的合夥人尚未注意到、也不會相信的東西。很多則是在規模較小、沒有委員會需要請示的實務中：獨立律師將自己的工作流程徹底打掉重練；從一開始就圍繞這些工具建立的精品所；那些因為不需要得到工作本身所威脅的機構許可，就能改變工作方式的律師。
快速時鐘不會等待慢速時鐘。
慢速時鐘
在一家標準的 AmLaw 50 律師事務所裡走一圈，你大多不會看到律師們透過前沿模型來管理他們的業務。
你會看到昂貴的法律 AI 訂閱服務。已獲核准的工具。供應商培訓。負責任的使用政策。創新獎項。合夥人退休研討會上，每個人都同意 AI 很重要，但沒有人說清楚哪些工作流程應該改變。
問問大型事務所裡的律師，他們今天用 AI 做什麼，你大多會發現他們在用一些有史以來最強大的技術，來整理時間記錄、摘要沒人打算讀的文件，以及撰寫用來安排下次會議的電子郵件。對一個嚴肅工具的瑣碎使用。
那些真正重要的、模型已經發展出來的能力，卻未被嘗試：實質性的任務委派，像對待優秀初級律師那樣向模型簡報，詳細說明背景、標準和判斷判斷，然後獲得過去需要數天才能完成的菁英級工作成果。
即使能力已經到位，使用方式卻仍顯膽怯。
誘因陷阱
這種緩慢是可以理解的，但這不代表它無可辯駁。
大型律師事務所的利潤建立在兩大支柱上：以時間計費的「計費工時」，以及透過槓桿作用，在每位合夥人底下堆疊初級律師，並以加價的方式收取他們的工時費用。AI 對這兩者都構成威脅。它節省的每一小時，都是無法再用舊方式收費的一小時。它最擅長的工作——初稿草擬、盡職調查、文件審查、引用檢查、摘要、比對、格式編排——正是 BigLaw 金字塔結構存在的目的。
因此，理性的合夥人會私下進行實驗。理性的事務所會慢慢行動。兩者都在保護某些真實的東西。
這就是最純粹形式的「創新者困境」。那些從重建中獲益最多的公司，正是那些當前的經濟模式使重建最為痛苦的公司。他們等待，而這種等待在理性上可以持續，直到它變得致命。
那些有能力推動改變的人，往往最沒有理由這麼做。律師事務所每年都會分配利潤。合夥人分得的份額，是事務所今年賺到的錢，而不是對未來十年的索取權。一位轉型其業務的上市公司 CEO，其報酬來自股票，而股價會在市場相信故事的那一刻，就將未來收益反映在價格中。一位管理合夥人（有時年薪高達一千萬到兩千五百萬美元，距離長達數十年的職業生涯結束僅剩五年）如果轉型他的事務所，他現在會面臨混亂、薪酬戰、更低的計費工時量，以及一份可能在他離職後才會到來的回報。拖延時間對他有利。解決問題則是在造福他的繼任者。
慢速時鐘也因恐懼而運轉。
首先是對成為「前車之鑑」的不對稱恐懼。悄悄重建工作流程的合夥人，只會得到禮貌的點頭。而那位其 AI 撰寫的文件引用到虛構案例的合夥人，則會得到一個跟著他一輩子的頭條新聞。Sullivan & Cromwell 今年春天就學到了這一課，當時一份破產案件的緊急動議中，出現了大量 AI 生成的引用錯誤。⁴ 沒有人會認為 S&C 是一家粗心大意的事務所。這正是問題的重點。聲望無法防止這種失敗。流程才能。
還有一種更安靜的恐懼，那種每個律師都曾在數百個標題中匆匆掠過的恐懼：AI 即將全面取代他們。這種恐懼並非不理性，因為律師們不斷從建造這項技術的人口中聽到這種敘事。Anthropic 的執行長 Dario Amodei 去年曾公開警告，AI 可能在五年內消滅一半的初級白領工作，包括法律領域。⁵ 我認為他對律師的看法是錯的，我稍後會再回來談為什麼。但一位合夥人不需要相信這個預測，就能感受到它的拉力。從大型事務所內部看來，對模型的每一次認真使用，都可能像是一場對自己取代過程的預演：教會機器這項工作，你就等於教會了它你的工作。
因此，事務所大多退回到 AI 作秀中。一個工作小組。一項政策。一個試點。一個供應商。一場關於「負責任創新」的演講。在過去幾個月裡，我不止一次有機會與頂尖律師事務所的領導人同台，他們稱自己的 AI 計畫是「業界最佳」，但對於唯一重要的問題卻沒有連貫的答案：哪些工作流程改變了？速度提高了多少？客戶得到了什麼改善？事務所現在在一個實際案件上，有哪些做法與以往不同？
泛泛而談總是破綻。一個重建了工作流程的事務所，會談論那個工作流程。
傳動軸
這一切以前都發生過。當電力取代工廠的蒸汽動力時，工廠老闆做了顯而易見的事：他們拔掉蒸汽機，換上電動馬達，然後讓機器和以前一樣，繼續由同一根長長的中央傳動軸驅動。將近三十年，工廠都維持著這種布局，彷彿動力仍然來自地下室的鍋爐。
經濟學家們一直等待的生產力提升，直到一代人之後，工廠老闆們拆掉地板，圍繞著新的動力來源重建裝配線，在每台機器上安裝一個小馬達，讓生產線跟隨任務而不是傳動軸時，才終於到來。
問題不在於電力沒有被過度炒作；問題在於，一項通用技術只有在有人圍繞它重新設計工作時才會產生回報，而這種重新設計可能比發明落後整整一代人的時間。⁶
AI 現在正處於這個階段。新的馬達，頂多是被螺栓固定在了舊的傳動軸上，而它下面的地板，仍然是為蒸汽動力時代建造的。
可口可樂，不是奇異電器
當機械冷藏技術在二十世紀初變得便宜且可靠時，顯而易見的賭注是那些製造冷藏機器的公司：奇異電器、西屋、Frigidaire。但最大的贏家卻不是其中任何一家。
而是可口可樂，一家來自亞特蘭大的區域性汽水糖漿公司。在 Robert Woodruff 的領導下，可口可樂在 1920 年代開始致力於將它的產品，用他的話說，放到「觸手可及之處」，遍布地球上的每個城鎮。⁷
可口可樂從未自己建造冰箱。它比任何人都更早、更全面地理解了「便宜的冷卻」帶來了什麼可能性，並圍繞著這個理解重建了自己，直到一瓶冰涼的可口可樂成為人類生活中永久不變的固定裝置。
前沿實驗室就像是這個時代的奇異電器。他們製造的東西——原始智慧——正在以一種幾無先例的速度變得廉價；與它所取代的個人工作時數相比，每個任務的成本幾乎可以忽略不計。
但是，可口可樂式的財富，將會屬於那個比任何人都更早弄清楚「冷卻」的用途是什麼，並在其之上建造出一些東西（這些東西在去年無論花多少錢都無法實現）的人。這條路現在敞開著，同時出現在每個產業中。
Kirkland 的賭注
Kirkland & Ellis 在五月宣布，將在未來三到四年內投入 5 億美元，打造自己的 AI 平台。⁸
這個數字（佔據了所有頭條新聞）的重要性，還不如它所揭示的訊息。這家全球營收最高的律師事務所已經斷定，租用與其他事務所相同的工具（例如 Harvey、Legora 等）無法保護它所建立的東西。這點很難反駁。一個每家事務所都能訂閱的服務，無法成為讓一家事務所脫穎而出的優勢，而法律實踐中正在發生的變化太大，不是一個授權金鑰就能應付的。
Kirkland 也比大多數事務所更容易受到衝擊，而這種風險與其利潤來自同一個地方。去年，該事務所營收達 105 億美元，權益合夥人人均利潤達 1110 萬美元，雙雙創下紀錄。⁹ 這些利潤不成比例地依賴於私募股權業務，而當生產成本變得低廉時，這是最不該擁有的客戶群。贊助商一年內數十次執行相同的交易結構，對法律支出追蹤到基點，並開始問，為什麼機器就能草擬的工作，仍然按初級律師的費率收費。重複性高的工作，正是 AI 模型學習最快的工作。即使是其標誌性客戶 Blackstone，也已經開始減少支付給該事務所的費用。¹⁰
私募股權也從另一面施加壓力。Blackstone 和貝恩資本的資金現在支持著 Norm Law，一個 AI 原生的法律平台，該平台聘請了 Sidley Austin 執行委員會的前主席擔任其董事長。¹¹ 那個讓 Kirkland 成為史上最賺錢律師事務所的產業，現在開始資助它的挑戰者。Kirkland 能夠解讀自己的市場。該 5 億美元計畫的第一個產品，在公告發布後一週就問世了：一個為其私募股權客戶服務的基金設立引擎。¹²
但支票的大小並不能決定結果。
一個專有平台的價值，完全取決於它與之連接的、已經改變的實務。如果 Kirkland 花了 5 億美元，並重建了其律師實際的工作方式，那麼這項投資可能成為一個任何競爭對手都無法複製的護城河。如果它花了 5 億美元，卻讓工作流程維持原樣，那麼它只是為舊的傳動軸安裝了一個非常昂貴的馬達。
困難的問題不在於 Kirkland 能否建造或購買強大的技術。它顯然可以，但採購並不等同於吸收。困難的問題在於，一家如此賺錢的事務所，能否強迫自己改變那些最初讓它賺錢的工作。這是每個在位者都面臨的問題。
吸收事業
如果吸收是限制因素，那麼市場上最有價值的資產，就是那些能夠在不摧毀機構的前提下，將能力從快速時鐘轉移到慢速時鐘的東西。有一天，這可能是一個產品。但今天，它通常只是一個「人」：一個既足夠了解舊方式以勝任工作，又足夠熟悉新工具以重建工作，並且在重建過程中身處事務所內部的人。幾乎沒有人在做這份工作，而幾乎每個人都即將需要它。
科技業已經有了這個職位的名稱。Palantir 在二十年前發明了它，稱之為「前線部署工程師」，一個會進入客戶營運體系，圍繞著軟體重建工作的人，因為軟體永遠不會自己部署。在過去的大部分時間裡，這個角色看起來像是 Palantir 的怪癖。但今年春天，它變成了每個有錢人都在模仿的職位。OpenAI 在五月圍繞這個概念成立了一整個部署公司，背後有超過 40 億美元的資金。Anthropic 與 Blackstone、Goldman Sachs 和 Hellman & Friedman 合作，推出了一個 AI 原生的服務公司，將其工程師嵌入客戶公司。智慧的賣家們已經得出結論：沒有吸收的能力什麼都不是，而吸收是一份需要人來做的工作。
但請注意這個人是為誰工作的。前線部署工程師是為供應商工作的。對大多數企業來說，這是個不錯的交易。一家工廠可以與所有競爭對手使用相同的供應商平台來運作其物流，因為物流從來不是它的優勢；它製造的產品才是。律師事務所沒有產品。它的工作建立在客戶的信任之上。支撐其工作的平台，是每個競爭對手都能租用的。而它的程序，編碼了事務所自身的方法。如果讓實驗室的工程師在實驗室的軌道上編寫這個方法，它往往會遷移到實驗室的產品中，然後隔壁的事務所就可以訂閱使用。對於律師事務所來說，這個人應該為機構本身工作，而不是為供應商工作，而且越快越好。
這一切都不意味著供應商沒有角色。Anthropic、Palantir、Snowflake 及其同業，很可能最終會建構事務所重建工作所依賴的數據架構。但基礎設施之上的工作，屬於律師，因為一家軟體公司，與事務所之外的任何人一樣，都不知道如何建構那些能編碼實務本身累積知識的提示詞和工作流程。在這篇文章發表前一周，Palantir 的執行長 Alex Karp 在 CNBC 的採訪中，告訴企業要擁有其 AI 背後的「生產工具」，而不是租用它們。¹³ 他當然是在推銷東西。但他也是對的。
這就是為什麼「變革管理」，這個商業中最不 glamorous 的詞，即將成為最有價值的工作之一。不是那種產出利害關係人地圖和採用率儀表板的舊式變革管理，而是一種新的變革管理：將專家判斷轉化為機器可以執行、機構可以信任的自動化程序。每一個被重建的工作流程，都會讓下一個重建變得更便宜；每一個被轉化的合夥人，都會轉化其他人；而那個比別人早十八個月開始行動的事務所，當人們注意到時，已經變成另一種截然不同的事務所。
一個世紀以來，一個知道必須改變的機構，會聘請管理顧問、成立指導委員會、並委託制定路線圖。現在，律師事務所正在對 AI 使用同樣的策略，而這是錯誤的策略。這個策略過去之所以能成功（當它成功時），是因為它所管理的改變是「組織性的」：匯報關係、成本結構、哪個部門該賣掉。來自麥肯錫的聰明通才，可以隔著會議桌就把這一切都規劃好。
但每個人想從 AI 得到的改變，並不是「組織性的」。它存在於實務本身之中，存在於構成一個單一事務的成千上萬個小決定裡：模型是產出第一版標記，還是只產出問題清單；在處理契約條款之前，它需要知道客戶的哪些借款基礎資料；它引用的案例中，哪些需要人類重新查證，哪些只需抽查；合夥人何時需要逐字閱讀，何時她只需閱讀例外備忘錄就可以下班。管理顧問公司無法回答這些問題，因為答案本身，正迅速構成 21 世紀版本的「法律實務」。只有那些從事法律工作的人，才能恰當地重新設計這些工作。
這仍然需要來自高層的推動。除非事務所明確表示，這是一項戰略要務，而不是個人興趣，否則合夥人不會花費辛苦的一週來重建自己的實務方式。但這個推動只設定了方向。重建發生在每個律師的辦公桌上，一次一個工作流程，而且它看起來一點也不像一個「創新」計畫。
工作坊
以下是吸收事業的實際運作方式。
一位合夥人帶來他每週都在處理的那種任務：一份需要根據客戶商業偏好進行審查的合約；一份需要轉化為融資文件的條款清單和股權結構表；一個法律尚未明確、信心水準很重要的研究問題；一份來自對方律師的修訂版本，他需要向客戶用白話文解釋，但又不能淡化這些修改對交易造成的影響。
大多數律師會給模型一份文件和一個簡單的指令。摘要這個。審查這個。研究這個。修正這個。然後，他們看著那個預料之中、泛泛而談的答案，得出結論：這個工具本身就很普通。但模型只是做了他們要求的事。律師給了它任務，卻扣留了所有能讓它表現良好的東西：背景、細節、態度、判斷。
一個嚴肅的指令，承載著一位好律師會告訴一位好初級律師的所有資訊：什麼重要、什麼不重要、客戶在擔心什麼、受眾會注意到什麼、答案不能假設什麼、什麼程度的不確定性是可以接受的、以及在工作成果離開事務所之前必須驗證什麼。
在我的工作坊中，我將此教導為一種結構：任務、背景、判斷、限制、交付成果、驗證。一旦律師們看到這個結構，他們就能認出自己提示詞中的失敗之處。他們要求「摘要」，但實際上需要的是，一份能讓客戶理解的、關於修訂版中哪些條款變動了、哪些維持不變、以及哪些仍需要決策的說明。他們要求「研究」，但實際上需要的是，一份將既定法律與未決問題分開，並獨立驗證每個引用來源的、結論置前的備忘錄。他們要求「合約審查」，但實際上需要的是，一份按重要性排序的、列出那些會改變談判立場的條款清單，並為每個條款附上建議的修改措辭。
請注意，這個結構不包含任何東西：沒有任何技術性的東西。沒有程式碼，沒有語法，沒有設定。一個嚴肅指令的每個字都是白話中文，就是合夥人隔著辦公桌對初級律師說的那種中文。這是一種心態，而不是一項軟體技能：把模型當作一個聰明絕頂、讀過所有東西、但對你的客戶一無所知的新進初級律師，並據此向它進行簡報。最能快速掌握這一點的律師，往往不是最年輕或最懂技術的。他們通常是最擅長委派的人，那些花了一輩子職業生涯學習如何將判斷傳遞下去的人。
這就是提示詞層。它很重要，因為它證明了，當律師給予模型真正的指令時，這個工具能夠完成真正的工作。但對一家事務所來說，提示詞層僅僅是開始。
問題在於，一個建立在人類勞動基礎上的機構，要如何吸收一項將使越來越多的這類勞動變得廉價、快速且充足的技術。
一家律師事務所無法僅靠教導個別律師寫出更好的提示詞，並期望改變能自行擴散，來解決這個問題。這項工作必須從個人指導，轉向機構能力。
這正是提示詞轉變為自動化工作流程（workflow）的關鍵所在。
提示詞（prompt）告訴模型在當前這個案件上該做什麼。工作流程（workflow）則是一套程序，告訴模型某位特定律師、某個實務群組或整個事務所，如何處理那一類別的工作。實務上，這並不稀奇。工作流程是一份用白話英文寫成的劇本，模型在開始工作前會先讀過它；它就像合夥人在第一天給新進律師的「常設指示」，差別只在於，模型會在每一個案件、每一次執行時都遵循這些指示，完全不需要提醒。有些程序是機械性的：如何在 Word 文件中標註卻不毀損檔案、如何將引證驗證作為獨立步驟執行、如何在文件送出前驗證格式。更有價值的則是實質性的程序：某位律師如何審閱合約、她總是檢查哪些條款、何時需要更多事實、何時提出對應的修訂文字、何時拒絕某個前提因為卷證不支持它、以及她在哪裡放慢腳步，因為過往經驗告訴她，這裡就是錯誤容易潛藏的地方。
這正是多數法律 AI 產品仍然忽略的核心。它們將模型包裝在一個法律介面中，然後要求律師去適應產品的流程。更好的做法應該反過來：讓模型去適應律師的執業模式。真正持久的資產，並非那個外殼包裝，而是事務所自身的作業方法，被精確地書寫下來，讓模型能夠遵循、律師可以監督、並且整個機構能隨著時間持續改進。這正是它不應該被鎖在別人的產品裡的原因。
一個好的合約審閱工作流程，不是一個範本。它是合夥人的審閱順序：終止條款、責任上限、補償條款、裁量權標準、智慧財產權歸屬、存續條款、逐項問題的建議、實際的修訂文字，以及最後一輪檢查，問自己：「如果客戶看到這個，會不會讓律師難堪？」。一份經驗教訓檔案，不是知識管理的表面功夫，它是讓經驗持續累積的機制。模型遺漏了某件事，律師修正它，而這個修正就會成為下一次執行的基礎。
困難的部分不在技術。檔案大部分是純文字。困難的部分在於，讓資深律師將他們幾乎下意識在做的事情外顯化：他們不信任的某個句子、他們從不直接引用而未經查證的某個判決、他們會讀兩次因為曾讓客戶賠錢的某個條款、以及那個雖然不是法理上最有趣、但卻至關重要的商業考量。這些東西，都不會清楚地出現在最終的工作成果中。它們必須在工作進行的當下就被擷取出來。
這就是為什麼，那些對 AI 採用最為認真的律師事務所，並非將其視為一時的新奇玩意。AI 浪潮不會止於更好的摘要。它將會衝擊人員配置、定價、培訓、品質控管、客戶期望，以及組織內部那些能以此種方式工作的人與不能的人之間的權力分配。那些認真應對的律師事務所，正試圖在這種壓力全面湧現之前，將他們最優秀律師的直覺，轉化為基礎設施。
這就是我近距離觀察到的市場分裂。有些律師事務所還在審批軟體。而另一些則已經準備好，要將一種全新的生產功能，吸收到法律執業當中。
第二組將會非常難以追趕。
無論如何
順帶一提，這篇文章中的任何論點，都不需要假設快速進步的時鐘會以目前的速度持續運轉。即使，如唱反調者所說，我們正處於一個巨大的 AI 泡沫中，且明天進步就停滯了（在此聲明，從我這裡看來，情況並非如此），達到 Opus 4.8 和 Fable 5 等級的模型，也已經足以改變法律的執業方式，而機構將必須吸收這項能力才能跟上。而如果時鐘確實繼續滴答作響，這個問題只會變得更加尖銳：當機器能產出幾乎所有東西時，留給律師的還剩下什麼？
我的答案是，法律服務的高端市場不會被商品化，它的律師也不會被取代。正如我在其他地方寫過的，溢價將從執行轉向判斷，而時鐘運轉得越快，這個溢價就越大。¹⁶
帳單的幻象
在整個轉型的最後，能夠留存下來的人類部分，就是判斷的決策。
不是律師們用來讚美自己的那種「判斷力」讚詞。而是真正的決策：哪個風險重要、哪場仗值得打、哪個讓步看起來無害但以後會造成傷害、哪個論點法院可能接受、哪個客戶認為是法律問題但其實是商業問題。這終究是在壓力與不確定性下的決策。
這就是客戶一直以來試圖從頂尖律師那裡「購買」的東西。
然而，帳單讓這個事實變得難以看清。
一個世紀以來，律師事務所對可見、可量化的勞務收費：研究、草擬、盡職調查、引證檢查、修訂比對、簽名頁、交割文件。其中一些工作需要真正的技能。大部分則是苦工。這些都需要時間，而時間很容易衡量，所以時間就成了這個行業銷售的單位。
這個單位有其邏輯。工作必須由人來完成。做這些工作的初階律師，從實作中學習。監督他們的合夥人，則將初級律師的時間轉化為利潤。客戶願意付費，因為沒有其他方法可以完成交易、送交訴狀、完成盡職調查或審閱記錄。
但是，計費時數也模糊了生產與決策之間的界線。生產是那些需要技能的工作：收集、草擬、比較、摘要、格式化、檢查與組織。決策則是律師在取得所有材料後，告訴客戶該怎麼做的那一刻。
客戶為這兩者付費，但他們最在乎的是後者。
一個董事會聘請頂尖的併購合夥人，不是因為想要更多的盡職調查時數。他們聘請她，是因為她看過足夠多的交易，知道這個交易哪裡可能會出問題。一個被告聘請偉大的訴訟律師，不是因為想要他在例行性的證據開示上花更多時間。他聘請他，是因為他想要一個能決定哪三個論點最重要、以及如何讓它們發揮影響力的人。一個創辦人聘請律師，不是為了欣賞一個修訂標記。她聘請律師，是為了聽他說：這個讓步、那個要爭取、別讓他們拿走這個條款，因為它以後會很重要。
AI 改變了經濟學，因為它首先攻擊的就是生產。它草擬第一版。它比較文件。它摘要記錄。它檢查引證。它校正簽名頁格式。它執行那些過去佔據帳單很大一部分的繁瑣審閱工作。雖然不完美，也需要監督，但速度夠快、品質也夠好，以至於時間與價值之間舊有的關係再也無法維持。
當生產很昂貴時，客戶的帳單裡充滿了生產的費用。當生產變得便宜時，稀缺的投入變成了那個知道如何指揮機器、檢驗答案、理解客戶目標、並在答案困難時提出建議的人。價值正朝著責任移動：那個擁有足夠經驗來判斷什麼重要、並有足夠責任感來為建議背書的人類。
這就是為什麼那些預測 AI 會「取代」律師的論點會出錯。根據我觀察律師們使用這些工具的情況，以及判斷力是唯一能保持其價值的投入，更可能的計算方式是，每個法律工作的一半會被取代，而不是一半的法律工作會被完全取代。機器接手生產的那一半。而人們當初進法學院就是為了學的那部分則留下來，在高端市場，這份工作會變得更好，儘管也更緊張，因為每週有更多時間花在那些一直是核心的困難認知工作上。法律服務市場的低端則是另一個故事：當風險低、工作內容重複時，法律服務可能真的會商品化，利潤會被壓縮到接近處理客戶請求所需的代幣價格。但對於最頂尖的律師事務所，就像我現在合作的那些，判斷力將仍然有價值，工作也不會被商品化。
這個轉型對初階律師來說會很困難，因為苦工不僅是事務所銷售的東西，它也是律師學習的方式。初稿研究、初稿起草、初稿審閱、盡職調查、檢查清單、交割程序，這些工作雖然不光彩，但它們創造了反覆接觸判斷力原始素材的機會。如果 AI 壓縮了這些工作，事務所就不能假裝舊的學徒制會自行運作。他們必須刻意地圍繞著決策制定來設計培訓。
最優秀的初階律師將會比以往進步得更快。他們可以讓模型解釋整個交易，而不是自己在黑暗中摸索他們負責的那一小塊。他們可以看到結構、測試自己的直覺、比較各種選項，更早地接近合夥人層級的思維。而較弱的律師則會失去過去大量工作所提供的掩護。
招募也需要反映這個新現實。幾十年來，事務所根據法學院成績和法律評論的會員資格來招募新人，證明候選人能遵循指示並在嚴苛的工時下存活，因為金字塔是建立在工作量之上，而工作量必須是能讓人存活下來的。但請注意，這並不等同於（甚至可能與）成為一個好律師沒有必然的關聯。現在值得聘用的初階律師看起來不一樣了：需要有判斷力、主動性、商業敏銳度和人際交往能力的早期跡象。一份法官助理職位，讓年輕訴訟律師花一年時間觀察法官做出困難的決定。在銀行或財富 500 強公司（非法律職位）工作的經歷，讓未來的交易律師學習客戶如何說話，以及他們真正想買的是什麼。班級規模會變小。門檻會改變。跨過門檻的初階律師可能會得到他們前輩很少擁有的東西：一個更直接的決策學徒訓練，將更多的苦工委派給一個從不想要週末的機器。
退一步看，帳單的幻象就清晰了。今天事務所收取的費用，那些初階和資淺律師做苦工的時間，從來就不是客戶真正從頂尖事務所想要的東西。這些時數只是事務所選擇如何對客戶真正想買的東西（也就是簽署意見書的合夥人所提供的判斷與決策）進行開立帳單的方式。所以，那些擔心越來越強大的 AI 會抽乾法律價值的律師們，搞反了方向。價值一直以來，吊詭地，存在於帳單上從未逐項列出的那個東西裡，而那個東西不會消失。集中的判斷力是一項資產，最好的事務所擁有比任何人都多的判斷力，而對這項技術的成熟反應，就是保護這項資產並最終為它定價，同時讓機器將帳單上那些一直只是包裝的部分商品化。
拆掉地板
這篇文章中的所有論點，都指向同一個不那麼引人注目的結論。在業務層級上進行的變革管理，現在是任何律師事務所（或任何大型企業）所能做出的、最具影響力的投資，比任何從外部挖角、開設任何新業務、開設任何新辦公室都更重要。做對了的回報，是以年為單位計算的、持續累積的領先優勢。做錯了的代價，則是生存問題：在一個客戶可以更便宜地買到工作的市場裡，用十年時間為以小時計費的工作辯護，同時，由這些客戶部分資助的、原生 AI 的競爭對手，正一個業務領域一個業務領域地蠶食鯨吞。
現在就面對它，因為這仍然是一個選擇。機構的改變只有兩種時間表：有計畫的，或是在緊急狀況下。而緊急狀況下的一切，都讓重建變得更糟。人才正在流失，客戶正在重新談判，執行委員會正在開會討論競爭對手的公告，而不是自己的計畫。現在就開始的律師事務所，可以在收入仍創紀錄的同時進行重建。等待的律師事務所，則要在壓力之下，用更少的資源，在未來做同樣的工作。
投資於重建，其意義與一個世紀前工廠裡的重建相同。贏家並非只用電動機取代蒸汽機就完事了。他們在每台機器上都裝上馬達，讓生產線跟隨任務走。法律界的版本，是在業務層級本身進行改變：將判斷力寫下來，讓機器可以執行，律師可以監督，一個工作流程一個工作流程地、一個群組一個群組地進行。這項工作緩慢、個人化，在組織圖上看不見，但這是唯一能改變事務所實際運作方式的 AI 投資。
對於那些能夠成功實現這一目標的律師事務所來說，最終的獎賞是可口可樂般的財富。過去，要產出優質的法律工作，意味著要支付大量初階律師的薪水，而這個成本正在崩潰。一家擺脫按小時計費模式、並重新設定客戶預期支付費用的律師事務所，保留了客戶永遠想買的東西（判斷力、決策），並甩掉了大部分生產它的成本。高端市場的利潤率將會大幅提升。伍德拉夫（Woodruff）希望可口可樂唾手可得。率先拆掉地板的律師事務所，將讓頂尖的法律判斷力，成為世界上每一個商業企業中每一個艱難決策的唾手可得之物。
註釋
- Anthropic 研究所，「當 AI 建造自身」（Marina Favaro 和 Jack Clark，2026 年 6 月 4 日）報告指出，截至 2026 年 5 月，併入 Anthropic 生產程式碼庫的代碼中，超過 80% 是由 Claude 撰寫的，而 Claude Code 於 2025 年 2 月推出前，這個比例僅為個位數。四倍的數字來自該報告 2026 年 3 月對約 130 名研究人員進行的內部調查，其中受訪者的中位數認為，他們在 AI 輔助下的產出約為沒有 AI 時的四倍；該報告本身也謹慎地指出，這類自我評估的數字通常偏高。
- Clive Thompson，「編碼者之後：我們所知的電腦程式設計的終結」，紐約時報雜誌，2026 年 3 月。Thompson 採訪了 Google、Amazon、Microsoft、Apple 等公司的七十多名軟體開發人員，了解 AI Agent 如何改變了這份工作。
- Zack Shapiro，「原生 Claude 的律師事務所」，發表於 X，2026 年 2 月 27 日：第一手記錄，描述一個圍繞著前沿模型重建的、由兩位律師組成的實務運作。
- 來自 Sullivan & Cromwell 的 Andrew Dietderich 寫給美國紐約南區破產法院 Martin Glenn 首席法官的信函（2026 年 4 月 18 日），針對 Prince Group 第 15 章程序，為 2026 年 4 月 9 日提交的一份包含數十個不準確引證及其他錯誤（包括 AI 幻覺）的緊急動議道歉。這些錯誤是由對造律師事務所 Boies Schiller Flexner 指出，並被包括 Bloomberg Law 和路透社在內的媒體廣泛報導。
- Dario Amodei 在 2025 年 5 月 28 日接受 Axios 的 Jim VandeHei 和 Mike Allen 採訪時，公開做出了預測：AI 可能在一到五年內消除一半的初級白領工作，並將失業率推高至 10% 到 20%。Amodei 後來在 Anthropic 的一場金融服務簡報會上（財富雜誌，2026 年 5 月 5 日），與摩根大通的 Jamie Dimon 同台時，轉而採用了較溫和的經濟學論點，援引了傑文斯悖論（自動化大部分工作，對剩餘人類部分的需求可能會增長）。
- 電氣化的故事記載於 Paul A. David 的「發電機與電腦：現代生產力悖論的歷史觀點」，美國經濟評論第 80 卷第 2 期（1990 年），以及 Warren D. Devine, Jr. 的「從傳動軸到電線：電氣化的歷史觀點」，經濟史雜誌第 43 卷第 2 期（1983 年）。工廠大約在 1900 年開始電氣化；可衡量的生產力回報則在 1920 年代出現，當時單元驅動馬達讓工廠得以放棄中央傳動軸的佈局。
- 這句話出自可口可樂長期總裁 Robert Woodruff 之口，他在 1920 年代設定了公司的目標：讓可口可樂「唾手可得」。這句話被引用在該公司自己的企業歷史以及 Mark Pendergrast 的著作《For God, Country and Coca-Cola》（1993 年）中。
- Kirkland & Ellis 的計畫，最初由金融時報報導，並於 2026 年 5 月下旬由 Bloomberg Law 確認，承諾在 3 到 4 年內投入約 5 億美元，其中 2026 年開始投入約 1 億美元。Kirkland 報告其 2025 年收入為 105.6 億美元，為所有律師事務所之冠。
- Kirkland 的 2025 年業績，最初由美國律師雜誌在 2026 年 3 月報導：總收入 105.6 億美元，增長 20%；權益合夥人平均利潤 1110 萬美元，同樣增長 20%，共有 595 位權益合夥人。Kirkland 是首家收入突破 100 億美元、且平均合夥人利潤突破 1100 萬美元的律師事務所。
- Bloomberg Law 和 Law.com，2026 年 2 月 27 日，根據 Blackstone 的年度證券申報文件報導：Blackstone 在 2025 年向 Kirkland 支付了 8780 萬美元的法律費用，低於 2024 年創紀錄的 1.013 億美元，儘管 Kirkland 的總收入增長了 20%。Blackstone 披露這些款項，是因為一位 Kirkland 合夥人擔任其董事會成員。
- Norm Law 於 2025 年 11 月推出，同時其母公司 Norm Ai 獲得了 Blackstone 的 5000 萬美元投資，其投資者包括 Bain Capital、Blackstone 和 Vanguard；2026 年 1 月，它任命了曾擔任 Sidley Austin 執行委員會主席七年的 Michael Schmidtberger 為其董事長（Bloomberg Law，2026 年 1 月 22 日）。對原生 AI 律師事務所的風險投資也遵循了同樣的模式：Crosby 已從 Sequoia、Index 和 Lux 籌集了超過 8500 萬美元，而 Eudia 在亞利桑那州推出 AI 增強型律師事務所之前，籌集了高達 1.05 億美元的 A 輪融資。
- Kirkland & Ellis 和 Palantir Technologies 於 2026 年 6 月 4 日宣布了該平台，即金融時報首次報導該事務所 5 億美元投資承諾的一週後。這個專為 Kirkland 打造的基金組成引擎，旨在處理該事務所投資基金業務中超過 1,000 名律師所需處理的基金文件、側書、義務追蹤和交割事宜，涵蓋私募股權募資的整個生命週期。Kirkland 表示，該平台的架構是模型無關的，旨在確保事務所不會被鎖定在任何單一 AI 供應商上。
- OpenAI 於 2026 年 5 月 11 日宣布成立 OpenAI Deployment Company，這是一個由 TPG 領投、擁有超過 40 億美元承諾資本的獨立單位，同時收購了應用 AI 諮詢公司 Tomoro，該公司在成立之初帶來了約 150 名前線部署工程師。Anthropic、Blackstone、Hellman & Friedman 和 Goldman Sachs 於 2026 年 5 月 4 日宣布了他們共同創立的 AI 原生企業服務公司，據報導資本化約為 15 億美元（CNBC，2026 年 5 月 4 日），Anthropic 的應用 AI 工程師將嵌入其團隊。這股搶奪潮出現在一年的證據顯示，單純的能力並不足以轉化為成果之後；MIT 研究人員在 2025 年報告指出，儘管企業在生成式 AI 上花費了數百億美元，但 95% 的組織並未看到可衡量的投資回報。
- Alex Karp 在 CNBC 的採訪（2026 年 7 月 1 日），與 Palantir 與 Nvidia 的主權 AI 合作夥伴關係公告同時進行。Karp 表示，企業客戶希望擁有他們 AI 背後的生產工具，包括他們的算力、模型、數據和競爭優勢，並駁斥了供應商部署模式是將這種優勢轉移給第三方的安排。
- Zack Shapiro，「輸入層」，發表於 X，2026 年 3 月 25 日，論述模型的輸出品質取決於它所接收的簡報。
- Zack Shapiro，「判斷力溢價」，發表於 X，2026 年 3 月 2 日。其論點為：當 AI 吸收了熟練的生產工作，智力溢價會消失，專業溢價則轉移到判斷力，這是一個人在答案不明確時決定該做什麼，並以自身聲譽為賭注的層面。
