AI 正在迅速接管法律工作里大量检索、起草、总结和比对任务，但它改变的并不只是效率，也在改变法律人的能力形成路径。真正值得警惕的，不是新人不会写，而是太快写得像样；不是工具太强，而是组织在提效的同时，忘了重新设计下一代法律人的训练流。

在高铁上看完《飞驰人生3》之后，我脑子里一直停着一个画面：现代赛车早已不是一个车手、一辆车和一条赛道的故事了。车手背后是车队、工程师、数据系统、车辆调校、赛前模拟和赛中决策。真正的比赛，已经是一套高度技术化、组织化、数据化的系统在跑。

这当然不是坏事。更强的数据、更好的工程能力、更完整的协作，本来就是现代竞技的一部分。没有人会因为怀念老派车手，就否认现代赛车技术的价值。

但电影真正让我有触动的地方，不是“人和技术谁更强”这种浅层问题，而是另一件事：当系统不能完整覆盖现实，当数据解释不了全部路况，当环境和临场变化超出既有模型时，最后还是要回到车手本人到底会不会开车。

这个念头让我立刻想到法律行业正在经历的 AI 转型。

过去一年，我越来越明确地感受到，AI 确实在放大法律人的能力。它可以帮助我们更快检索资料、比对文本、生成初稿、拆解规则、整理会议、补全清单，也可以模拟监管机构、业务团队、外部律师和产品经理的不同视角。对一个已经有经验的法律人来说，AI 很像一辆性能更好的赛车：它让你跑得更快，也让你有机会承接过去一个人难以独自完成的复杂任务。

但问题也正好在这里。

如果一个车手原本就有长期训练形成的驾驶感，技术系统是在放大他。如果一个法律人原本就经历过足够多的案件、合同、监管文件、业务会议和风险判断，AI 也会成为他的放大器。可如果一个新人从职业生涯第一天起，就在 AI 辅助下完成检索、起草、总结、比对和分析，他会不会误以为自己已经具备了专业能力？如果大量原本用来长出专业直觉的“笨功夫”都被 AI 跳过去了，下一代法律人的专家直觉还会不会自然长出来？

这可能才是 AI 进入法律行业之后，最值得认真讨论的问题。

AI 改变的，不只是效率，而是能力形成路径

我们现在谈法律 AI，最容易从效率开始谈。这很自然，因为 AI 最直观的价值，就是把原来要花几个小时甚至几天完成的工作，压缩到几分钟。法规检索、案例梳理、合同初审、会议纪要、政策对比、风险清单、法律备忘录初稿，这些任务都已经可以被 AI 大幅提速。

但如果只从效率理解 AI，就很容易漏掉一个更深的变化：AI 不只是改变了法律工作的完成方式，也在改变法律人的能力形成路径。

过去，一个法律新人要形成判断力，靠的是非常慢、也非常不性感的训练。查法条、读案例、改合同、写纪要、整理监管口径、被上级一遍遍批注、在业务会议上听别人如何讲事实、在复杂项目里理解为什么法律意见不能只写一句“有风险”。这些事情看起来低效、琐碎，甚至有点笨，但它们不是无意义的重复劳动。它们恰恰是法律人形成专业直觉的训练场。

一个资深法律人为什么会在业务方一句看似普通的话里，立刻察觉“这里可能没说全”？为什么能在一份冗长合同里，迅速抓住真正影响责任分配的条款？为什么能判断某个监管文件虽然措辞温和，但实际上已经释放出明确的执法信号？这些能力都不是从某一本教材里直接学来的。所谓专家直觉，本质上是一种经过长期训练形成的模式识别能力。它来自持续接触真实事实、真实文本、真实交易、真实监管和真实后果之后，大脑慢慢建立起的一整套判断网络。

法律人的成长，过去很大程度上就是在这些“低效但必要”的工作里完成的。可 AI 的出现，正在让很多新人直接跳过这段训练。AI 能直接给出合同审查意见，直接生成法规解读，直接整理风险清单，直接写出一份看起来像模像样的法律备忘录。问题是，产出越像样，越容易掩盖一个事实：使用者本人到底有没有真正理解其中的事实结构、规范依据、风险权重和责任边界。

这就像一个人坐进了一辆高度智能化的赛车。系统告诉他最佳路线、最佳速度、最佳刹车点，甚至帮他修正方向。他当然可能跑完一圈，甚至成绩还不错。但如果某一刻系统失灵，数据中断，路况突变，他是否还知道该怎么进弯、怎么控速、怎么判断风险？

法律 AI 时代也一样。当 AI 给出答案时，法律人是否有能力判断它靠不靠谱？当 AI 漏掉关键事实时，法律人是否知道哪里不对？当 AI 生成了漂亮但空泛的文字时，法律人是否能看出它根本没有解决真实问题？当 AI 暂时不可用时，法律人是否还能自己走完最基本的法律推理链条？

这些能力，才是法律人的“古法驾驶”。

“古法能力”不是反技术，而是专业判断的底盘

这里说的“古法”，不是怀旧，也不是拒绝技术。我并不认为法律人应该回到不用 AI 的时代。恰恰相反，未来的法律人如果不会用 AI，就像现代车队拒绝使用传感器、工程系统和数据反馈一样，很难真正参与高复杂度竞争。

真正的问题是，一个人能不能用好 AI，首先取决于他有没有可以被 AI 放大的能力。

对成熟法律人来说，AI 是能力放大器。因为他知道问题该怎么拆，材料该怎么看，风险该怎么排序，也知道 AI 的答案哪里可能漂亮但不可靠。他使用 AI，不是把判断外包出去，而是让 AI 帮自己跑得更快、更深、更广。

但对一个尚未形成基本判断力的新人来说，AI 很容易变成一套过早接管方向盘的系统。新人看到了答案，却没有经历推理链条；拿到了风险清单，却不知道为什么这些风险重要；生成了法律意见，却没有真正理解哪些事实支撑结论，哪些地方需要保留，哪些建议会改变业务决策。

这就是 AI 时代法律训练里最隐蔽的风险：不是新人不会写，而是新人太快写得“像样”了。

过去，一个法律新人写不好，问题是显性的。上级一眼就能看出来：事实没拆清楚，法条没找准，结构混乱，结论没边界。但现在，AI 可以迅速把一个不成熟的判断包装成成熟文本。结构完整、语言顺畅、标题清楚、风险点看起来也不少。表面上，交付质量提高了；可一旦顺着往下追问，可能很快就会发现，使用者本人并没有建立起对应的判断能力。

这种“文本早熟”比单纯能力不足更危险。因为它会让新人很快学会如何生成答案，却很慢才学会如何判断答案；很快学会如何输出文本，却很慢才学会如何承担结论；很快学会如何调用工具，却没有机会形成真正的专业直觉。

而法律工作最终不是文本生产。法律工作是一种在事实不完整、规则不确定、风险有轻重、责任有后果的场景下，仍然要作出判断的职业。AI 可以帮助我们写得更快，但不能替我们理解为什么这个结论成立；AI 可以帮助我们列出风险，但不能替我们判断哪些风险真正会影响交易、上线、监管沟通或商业决策；AI 可以帮助我们生成建议，但不能替我们承担这些建议进入组织决策链条之后的后果。

所以，AI 时代不是不需要“古法能力”，而是更需要重新理解它的价值。所谓古法能力，就是在没有 AI 的情况下，法律人仍然能够读原文、拆事实、找规则、做判断、控边界、负责任的能力。它不是低效的象征，而是专业判断的底盘。只有底盘足够稳，AI 才能把人带到更远的地方。否则，系统越强，反而越容易制造一种能力幻觉。

新人不能不用 AI，但也不能只用 AI

因此，我越来越觉得，AI 时代的法律人才培养，不能只讨论“新人要不要用 AI”。新人当然要用 AI。拒绝工具没有意义，也不符合真实工作环境。未来法律工作的基本形态，一定会越来越深地嵌入 AI：从知识检索到合同审核，从合规评估到案件管理，从监管追踪到内部培训，AI 都会成为法律组织的一部分。

但另一面同样重要：新人不能只用 AI。

更准确地说，新人需要的是一种“带脚手架的古法训练”。做合同审查时，不能一上来就把合同扔给 AI，让它直接输出风险清单。更好的方式，是新人先自己读一遍，先标出付款、交付、验收、违约、终止、责任限制、数据处理、知识产权、争议解决等关键条款，再说明自己判断哪些点真正影响交易风险，然后再用 AI 做补充、对照和遗漏检查。这样，AI 不是替他完成判断，而是在帮他校准判断。

做法规解读也一样。不能直接让 AI 生成一篇文章。新人至少应该先自己回答几个问题：这份规则到底要解决什么问题？新增义务主体是谁？核心义务是什么？企业动作是什么？哪些地方还有解释空间？哪些要求会真正影响产品、运营、研发或商业流程？只有先形成自己的判断框架，再让 AI 介入，AI 才是在增强能力，而不是替代训练。

做合规评估时更是如此。法律人必须先学会追问事实：数据从哪里来？谁是控制者？谁是处理者？是否涉及敏感个人信息？是否涉及未成年人？是否存在跨境传输？是否接入第三方 SDK？是否用于训练模型？是否会影响用户权益？是否需要告知、同意、评估、备案或合同安排？这些问题本身，就是专业能力的一部分。

如果新人没有经历过这些追问，只是把业务材料交给 AI，然后接受 AI 生成的结论，他可能很快会得到一份合规分析，却没有真正学会如何进行合规分析。

所以，AI 训练的关键不在于“用不用”，而在于“什么时候用、怎么用、用来做什么”。如果 AI 被放在任务最前面，直接替代人的初始判断，它可能削弱训练；如果 AI 被放在人的初步判断之后，用来补充、校验、反驳、扩展和模拟，它就可能成为非常好的训练工具。

真正要重构的，不只是工作流，还有训练流

这也是法律组织在设计 AI 工作流时必须认真思考的问题：AI 工作流不能只服务于交付效率，也要服务于人才成长。否则，组织短期内看起来效率提高了，长期却可能失去培养下一代专家的能力。

过去的职场训练，很多时候是在工作里自然发生的。新人做底稿、查资料、改合同、写初稿、整理纪要、跟会议、做表格。这些工作未必是被明确设计出来的“训练”，但它们客观上承担了训练功能。新人通过大量重复、修改、反馈和项目暴露，逐渐理解什么是重要事实，什么是有效论证，什么是可执行建议，什么是法律意见里的责任边界。

AI 出现后，很多基础工作会被重新分配。这本来是好事。法律人不应该永远被低价值重复劳动困住。AI 确实可以释放时间，让法律团队把更多精力投入复杂判断、组织协同、风险治理和业务支持中。

但如果基础工作被 AI 接管之后，我们没有重新设计训练机制，一个很现实的问题就会出现：新人从哪里获得原来那些“低效工作”中附带的训练？

对法律团队来说，这意味着必须重新设计新人培养方式。不能因为 AI 可以写合同审查意见，就让新人不再真正读合同；不能因为 AI 可以总结法规，就让新人不再逐条读原文；不能因为 AI 可以生成风险清单，就让新人不再学习如何识别事实；不能因为 AI 可以起草法律意见，就让新人不再经历被修改、被追问、被挑战的过程。

真正的 AI 原生法律组织，不应该把新人培养成提示词操作员，而应该把 AI 变成训练系统的一部分。AI 可以陪练，让新人先写，再从监管者、业务方、外部律师、合同相对方等不同视角提出挑战；AI 可以纠错，提示遗漏事实、错误适法和过度扩张的结论；AI 可以补充，提供更多案例、监管文件、行业实践、模板对照和风险维度；AI 也可以模拟，一次合规评审会、合同谈判会、监管问询或管理层汇报，都可以先在系统里过一遍。

但 AI 不能替新人绕过形成判断力的那段路。就像赛车训练不能只让一个人坐在模拟器里看系统提示。真正的车手必须理解车、理解路、理解速度、理解风险，也必须在某些时刻感受过失控的边缘在哪里。法律人的训练也是一样。一个人必须真正读过艰涩的规则，才会知道法律文本里的一个限定词为什么重要；必须真正改过很多轮合同，才会知道一个看似普通的责任条款如何改变整个交易结构；必须真正被追问过“你的依据是什么”，才会知道法律意见不能只靠表达漂亮；必须真正经历过业务压力，才会理解法律建议不是抽象正确，而是要进入真实组织决策。

这些经验无法完全被 AI 代替。AI 可以提高训练效率，但不能取消训练本身。

AI 放大的，究竟是专家能力，还是判断幻觉？

所以，我看完《飞驰人生3》之后，脑子里留下的不是“人和技术谁更强”这个问题。现代赛车当然需要技术，现代法律工作也当然需要 AI。问题不在于要不要进入数据化、智能化系统，而在于进入系统之后，人是否还保留真正的驾驶能力。

对成熟法律人来说，AI 是一辆更快的车。但对刚入行的新人来说，AI 也可能是一套过早接管方向盘的系统。

这背后的核心判断其实很简单：AI 会放大法律人的能力，但它首先要有东西可以放大。

如果一个人已经形成了专业判断，AI 放大的是专家能力。如果一个人还没有经过基本训练，AI 放大的可能只是判断幻觉。

这也是为什么，法律行业真正要重构的，不只是工作流，还有训练流。我们当然要把 AI 接入合同、案件、知识库、合规流程和监管追踪系统，当然要让 AI 帮助法律团队提效、降本、扩展服务半径，也当然要让法律人学会使用工具、拆解任务、设计工作流、搭建智能体。但与此同时，我们也必须追问另一个更底层的问题：当越来越多基础工作被 AI 接管之后，新人通过什么形成专业直觉？

过去的答案，是在工作中自然长出来。未来的答案，可能必须被有意识地设计出来。

这也许是法律 AI 时代一个很重要、但很容易被忽略的命题：我们不能只问 AI 如何帮助法律人完成工作，还要问 AI 如何帮助法律人成为真正的法律人。

工具越强，越不能放弃人的训练。系统越智能，越要保留人的判断。

因为法律工作最终面对的，仍然不是一个可以被模型完全封闭的问题空间，而是复杂的人、组织、交易、监管、责任和后果。AI 可以帮我们看见更多信息，跑出更多方案，生成更多文本。但在关键时刻，仍然需要有人知道：什么事实重要，什么规则适用，什么风险不能忽略，什么结论可以承担，什么建议真正可执行。

这就是法律人的“古法驾驶”能力。

它不是为了怀旧，也不是为了抵抗技术，而是因为只有真正会开车的人，才配得上更快的赛车。

说明：本文件为公众号渲染试稿，建议在浏览器中打开后复制渲染结果，再粘贴到公众号编辑器。