用了三个月 AI,收走工具那天才是验收

上周 Google 的研究团队放出一篇工作论文，作者里有 MIT 的劳动经济学家 David Autor。题目问得很直接：AI 辅助到底是在养专业能力，还是在吃专业能力。

他们找了 133 名执业专利律师做实验，来自 11 家美国知识产权律所，随机分组，事先注册，整整做满三个月。

答案分两段。第一段人人爱听，第二段只有一部分人爱听。

前三个月，账面很好看

律师用的是 Google 内部做的 AI 撰写助手 InFlow，这个工具现在已经并进 Gemini Notebook。打分的人不知道谁用了 AI——请的是外面律所的资深专利律师，盲评。

10 天时，用 AI 那一组交出来的稿子质量高出 0.34 个标准差；到 90 天，拉到 0.38 个标准差。两次的 p 值分别是 0.03 和 0.01，站得住。

初级的提升尤其大。他们不光稿子变好，平均还快了 18 分钟。

如果实验停在 90 天，这就是一条标准的「AI 提效」新闻。

真正的测试，在把工具收走之后

三个月到期，研究者做了一件不太常见的事。他们把 AI 收走，让所有人徒手改一份现成的专利申请，全程不许碰 AI。

这是专利这行最核心的动作，考的是判断力，不是手速。

结果是：用过 AI 的人整体比对照组高 0.32 个标准差。听上去还是好消息，拆开看就变味了——这 0.32 全部来自资深律师，他们高出 0.45 个标准差。

初级律师呢？平均零提升。

而且不是「有人高有人低、平均一下抵消了」那种零。是分数两极分化：中庸的分数明显变少，同时变差的和变好的都变多了。原来那批不好不坏的人，被推去了两头。

论文里有一句话我建议原样记住：从 AI 中得到最大收益的，恰恰是最不需要它的律师。

差在哪一步，研究者给的说法很具体。

资深律师把 AI 当逻辑审计器：让它挑毛病，然后自己把每一处改动挂回法理，重新走一遍论证链。AI 在这里是另一个视角的对手，不是代笔。

初级律师也看出了问题。论文里管这个叫 diagnose-without-execute——诊断了，但没执行。他们常常已经发现稿子里有严重缺陷，然后写了一条评论，就没下文了。

看出问题，是本事。改写问题，才是练本事。这一步的分野，三个月后才显出来。

同一篇论文的结论句是这样写的：基础专业能力，可能是从 AI 辅助实践里提取出可持久技能的前提。

落到你自己身上

这几位律师的职业离你很远，但「怎么用 AI」这件事，不分行业。

第一个该改的习惯是：别让它替你交付，让它替你挑错。

写方案、写代码、写报告都一样。先自己把骨架搭出来，再让 AI 对着骨架翻漏洞，然后你亲手把每一处补回去。补的那个过程是你的。整套外包出去，快的只是这一次。

第二个要盯的动作更隐蔽。工作里最常见的场面是：AI 给了一版，你看得出哪儿不对，但改起来麻烦，就顺手在群里丢一句「这段逻辑有点问题」，然后把东西交上去了。这跟初级律师那条评论是同一个动作——省下的是当下，欠下的是能力。

第三个：底子越薄，越要留神。论文的意思不是新手别碰 AI，是说新手从 AI 里拿到的，更多是「这一版的产出」，不是「下一次你自己也能」。

手里那点判断力，才是决定 AI 是杠杆还是拐杖的东西。

有几件事必须说清

不讲清楚，上面全都要打折。

论文是单篇工作论文，没有经过同行评审。样本是一个职业、三个月，能不能推广到程序员、分析师、写作者身上，作者自己没下结论。

最后那场徒手测试，真正参加完的只有 91 人，其中初级律师 24 人，样本不算大。研究者还承认，「测试时不许用 AI」这条要求没法强制执行——真有人偷偷用了，也查不出来。

还有钱的关系：实验的直接经费由 Google 出，工具是 Google 造的，7 名作者里 6 人与 Google 有关（5 名全职员工、1 名付费承包商）。这些论文里都写着，我照原样转给你。

结论信多少，你自己定。

我的看法是，这份研究的价值不在它证明了什么，而在于它把问题问对了——「用 AI 的时候更强」和「不用 AI 的时候是不是也更强」，本来就是两件事，以前没人这么干净地测过。

你手上有没有那种「本来准备整个丢给 AI」的活？在评论区说一句是哪种，我按类型给你排一份清单：哪些可以直接交出去，哪些必须先自己上手、再让它来挑错。攒够一批我就整理出来。

· · ·