AI工具会≠你会
最近和朋友们吃饭，不可避免地都会聊到AI，几乎人人都说在用，但细问下去，画风就开始分化了。上班的同学说每天用Gemini查行业数据，省了不少翻报告的时间；做科研的同学说用Claude帮她润色英文摘要，改出来比自己写得流畅多了；律所搬砖的同学说他其实也装了好几个工具，但感觉就是个更聪明的搜索引擎，问完也就完了。
这其实是两件不同的事，一件事叫获取信息，另一件事叫完成工作。前者是AI的入门用法（古法AI），后者是AI真正改变一个人工作方式的地方。而大多数人，包括饭桌上的我们，都在两者之间的某个地方，还没走到头。
一、工具变了
回想起三四年前开始接触AI，和今天重新打量它，你会发现它已经不是同一个东西了。
最早的生成式AI，能力的核心是产出内容——你给它一段提示，它还你一段文字、一张图或者一段代码。那时候大家的兴奋点，是它写得出来，是它的产出让人惊叹。这个阶段，AI像一支随叫随到的笔，但笔本身并不会做决策。
后来出现了推理型AI，它开始能做多步骤的逻辑推演，拆解复杂问题，处理数学证明，像一个真正在思考而非只是在复述的助手。这时候开始意识到，AI不只是一支笔，这货居然还有点脑子。
现在进入第三个阶段，也是质变真正发生的阶段——智能体（Agentic AI）阶段。AI不再只是在对话框里回答你，它开始使用工具、管理记忆、调用外部系统、执行多步骤任务，并且可以在无人干预的情况下把一件完整的事情做完，从说话变为了做事。
这三步演进，每一步都带来了约百倍的计算量增长。但计算量的数字并不直观，更直观的变化是：我们正在从为信息付（一点点）费（或者压根儿白嫖）走向为工作服务付费。聊天机器人的价值，是给你信息；智能体系统的价值，是帮你把事情办完。
这不是一个微小的功能升级，而是整个人机协作范式的根本性位移。就像电的出现不只是让油灯变亮了，而是重构了整个工业生产方式一样。
二、它在干什么
说到底，抽象的描述不如具体的例子来得有力。我想从法律工作里挑两个场景，说说AI完成工作到底是什么意思。
先说一个做SEP的人一定不陌生的场景，稳定性分析。
拿到一件待分析的SEP之后，摆在面前的第一道坎，是对比文件检索。我们都知道检SEP的对比文件检索提案库非常重要——也就是3GPP文件库里那些数以万计的技术文稿，会议文件、工作组输入文件、变更请求……它们散落在各个发布周期里，版本交叠，索引混乱，检索本身就是一项重体力活。
过去的做法，是工程师或律师逐条梳理权利要求，手动翻检3GPP的公开提案库，靠关键词和经验判断哪些文件可能相关，再逐份比对文本。一件专利做下来，光是这一轮检索和初步比对，少则几天，多则一两周，而且高度依赖个人的技术背景和经验积累。
实际上3GPP提案库是完全公开的数据库，也可以把待分析的专利交给好用的AI，用code让它在提案库里做语义检索，不只是关键词匹配，而是基于技术语义的相关性排序，把最可能构成现有技术的文件筛出来，按相关度排列。这份框架远不是最终结论，工程师或律师拿到它，直接进入真正需要判断力的部分：这里的比对是否成立？疑问点是专利撰写的问题还是标准本身留下的解释空间？哪些地方需要追查更早版本的提案才能还原标准化讨论的历史脉络….. 相比于手动检索，这至少可以成为检索手段的重要补充，而且在SEP领域其实还有很多工作方式的变种。
再说第二个场景，这我觉得它是AI工作方式里很有意思的一种用法，模拟法庭。
庭审或仲裁前的准备，有一项工作最考验人，却也最难找到合适搭档——反复演练攻防。你手里有一套论点，你需要一个对手来不断质疑它、拆解它、从你没想到的角度进攻它，让你在正式上场之前就把漏洞找出来，把脆弱的论证补硬。但现实是，能做这件事的人，往往就是团队里最忙的那几个人，而且大家都从同一套案件材料出发，容易陷入同一套思维定势，很难真正打出对方的节奏。
AI在这里能做的，正是一个不知疲倦、没有立场偏向的对方律师。你把己方的论点结构、核心主张、关键证据的逻辑摘要交给它，让它扮演对方代理人，从对方最可能采取的角度发起攻击：这个证据的证明力如何评价？这条逻辑链中间有没有跳步？这个法律适用有没有管辖或准据法的争议空间？你的损害赔偿计算依据是什么，对方会怎么反驳？
你逐一回应，AI根据你的回应再次推进——不是一次问答，而是一场持续的攻防演练。每当你的回应站不住脚，它会继续追问；每当你找到一个有力的论点，它会换一个角度再来。你可以让它今天扮演对方的主攻律师，明天扮演挑剔的仲裁员，后天扮演一个准备做不利质证的证人，反复换位，反复演练。
而且，它不会因为这个问题太刁钻，不好意思问而手软，也不会因为合伙人说这个论点已经很好了而停止质疑。它的价值恰恰在于它的无情——它让你在真正上场之前，就把那些说不下去的地方暴露出来，而不是等到庭上才发现。
这两个场景，想说明的是同一件事。第一个例子里，AI做的是替你干那些耗时却机械的体力活，把你从检索和初步比对的泥潭里解放出来；第二个例子里，AI做的是逼你去想那些你本来懒得深想的问题，把你推向更高质量的思考。AI已经从回答你的问题变成了嵌入你的工作流，它不再只是在对话框里等你提问，它在读你的文件，执行你的流程，产出可以被直接使用的结果。
这是一次真正的跃迁，而不只是更聪明的谷歌。如果不考虑权限范围和潜在风险，事实上AI能做得远比这个多，但这就牵扯到了下文会涉及的责任心问题。
三、一件让人不舒服的事
说了这么多AI的强大，我觉得有一件事必须说清楚，哪怕听起来有些扫兴。
一种很常见的情形，有人用AI生成了一份看起来格式精美、论据充分的法律意见，但自己根本没有能力判断里面的援引是否准确、逻辑链是否完整、结论是否适配这个具体案情。文件交出去了，对方三个问题就把漏洞问出来了。最终的问题不在于AI，在于使用者判断力的缺席。
AI有一种独特的危险性，它错起来特别有信心。它会一本正经地给你引用一个不存在的判决，会煞有介事地解释一条已被修订的法律条文；会用无懈可击的语气，把一个前提错误的逻辑讲得滴水不漏。如果你自己没有足够的专业积累，你根本不知道什么时候该信它，什么时候该拿起原始文件自己核一遍。
这就是为什么，在AI时代专业深度不是变得不重要了，而是比任何时候都更重要。
一个真正懂SEP的IP律师用AI和一个只是会用AI的人用AI，交付的结果可能是天壤之别：前者用它加速了尽调流程，但始终保持着对专利实质性的独立判断；后者可能把AI标注为标准必要的逻辑原样呈现，等到对方一质疑，才发现这份比对压根儿在假装很会地胡说。
同样的工具，不同的人拿着，结果的质量差异不是线性的，而是指数级的。在它面前，有没有真功夫，会越来越藏不住。
想了很久，我尝试把自己认为有用的东西整理成一个框架：
AI时代的核心竞争力 = 专业深度 × AI工具熟练度 × 工作流拆解能力 × 责任心
这里面是乘法，不是加法。任何一项为零，整体就是零。但顺序也很重要，专业深度是地基，其他的都建在上面。
专业深度，既是作为拆解和着手的开始，又是作为判断与校验的结束。你不懂SEP，你就没法判断AI标注的权利要求比对是否准确。你不懂诉讼程序，你就没法看出AI起草的时间线里漏掉了一个关键的时效节点。专业深度不是可以被AI外包的部分，它恰恰是你能用好AI的前提。没有它，AI给你的东西再漂亮，你也不知道哪里可以信，哪里要存疑。同时，AI的输出永远是起点，不是终点。你要有能力审核它：论据是否真实，逻辑是否自洽，结论是否适配你的具体情境，有没有重要风险被跳过。在法律、金融这些高风险领域，AI是辅助审查的工具，但最终签字负责的那个人永远只能是你。
AI工具熟练度，不是会不会点开某个软件。它是理解不同工具的能力边界——知道什么任务适合让AI做第一轮，什么任务必须全程人工，如何写一个真正有用的提示词，以及如何设计一个可以稳定复用的工作流程。这需要主动探索和刻意练习，不是装了工具自然就会的事情。
工作流拆解能力，是真正把AI嵌入工作的关键。不是单点使用AI做某一个动作，而是把一个完整的任务流程重新设计，在专业深度和AI工具熟练度之外，对于完成这项工作这件事，大脑能不能将其拆解成不同的环节，哪些环节适合AI批量处理，哪些环节必须人工判断，在哪里设置检查点，如何定义完成的标准……
责任心，是最容易被忽视、也最不可撼动的一项。怎么用，哪些能用，哪些不能用，可能很长一段时间内都会是一个问题。公司的保密信息，客户的保密资料，并不适合统统上传到AI里，这本身有权限范围的责任心问题。除了权限范围，责任也不能外包，你选择使用它，选择信任它的输出，选择把结果交出去——每一个选择都是你做的，责任也在你这里，责任是跑不掉的。
四、再反思一下
黄仁勋说：语言是AI时代的终极编程语言。这句话初听起来像是在降低门槛——好像只要会说话，就能驾驭AI。但仔细想想，恰恰相反。要用语言驱动AI完成复杂任务，你首先要能用语言把那个任务描述清楚；而要把它描述清楚，你首先要真正理解它。用AI，你自己首先脑子得清楚。描述清楚一件事这件事，其实比绝大多数人想象的要难得多。
AI可以帮你生产内容，但它没有办法帮你生产理解。理解这件事，只能靠你自己建立。你与AI的关系，折射的是你与工作的关系，也是你与自己的关系。
如果你把AI当成一个让自己可以少想一点的工具，它最终会让你真的越来越不会想。那种反正问AI就好的惰性，是我觉得这最值得警惕的一种精神状态。因为它看起来是效率的提升，实际上是判断力在悄悄萎缩。
反过来，如果你把AI当成一个让自己思考得更快、更深、更广的伙伴，它会真正成为你能力的延伸。虽然这两种用法，外表可能差不多——都在打开同一个工具，输入同一行字。
工具是中性的，赋予它意义的，是使用者。同一支笔，可以写出一份精准的法律意见，也可以写出一份误导性的文件。同一把锤子，可以建造，也可以拆毁。AI也是一样。它的强大是真实的，它的局限也是真实的。而你能在多大程度上驾驭它、让它真正服务于你的专业判断，始终取决于你本身的深度——你积累了多少真功夫，你愿意为自己的输出承担多少责任。
用AI不难，难的是想清楚你到底想用它完成什么，以及你愿意为这个结果负多少责。
夜雨聆风
