夜雨聆风LegalAI 日报 · 2026 年 5 月 10 日 · 第 34 期 / 周末荐书 Vol.03
主材料：TalksOnLaw / New Law Order 访谈《Law as Code: The AI Power Shift》，嘉宾 Scott J. Shapiro。
推荐指数：★★★★☆
一句话推荐：如果你还只把 AI 当成“写得更快的助手”，这期访谈值得认真看。最先看懂它的人，会先拿到解释规则、使用规则的主动权；还没意识到这一点的人，可能会在业务、客户和交易对手面前慢一步。
本期判断
当 AI 让普通人也能拿出一套“像法律”的理由，法律人的价值就不再是把话说圆，而是把事做成。
有一天，业务同事拿着一段豆包生成的合同条款来找你。
他说：“我让 AI 看过了，它说这样写可以保护我们。你为什么不同意？”
你把同一段条款丢给 AI，换一个问法：
“这个条款会不会过度保护甲方，导致不可执行，或者破坏交易平衡？”
AI 很快又给了你一套反向理由。
这时候你会发现，AI 没有结束争议。它让双方都更会辩论。
过去，法律人的价值很大一部分来自专业门槛。别人看不懂规则，你看得懂；别人说不清诉求，你能把它翻译成合同条款、制度文本、法律意见和谈判立场。
现在，这道门槛正在降低。
业务、HR、采购、销售、客户、交易对手，都可以先问一轮 AI。哪怕答案不完美，也足够让他们带着一套“像法律”的说法进入讨论。
所以问题不是“AI 会不会替代法律人”。
真正的问题是：当普通人也能理解、讨论、甚至包装专业法律问题，法律人的价值还剩什么？
为什么这期访谈值得认真看
这正是 Scott J. Shapiro 那期访谈最值得看的地方。
Shapiro 是耶鲁法学院教授，长期研究法律系统、法哲学，以及技术如何改变法律解释和适用。他在 TalksOnLaw / New Law Order 的访谈题目叫《Law as Code: The AI Power Shift》。
这个标题有点抽象，但它抓住了一个很重要的问题。
法律不只是写在纸上的文字。它更像一套让社会运转的规则：什么条件下可以做什么，违反后有什么后果，谁有权解释，谁承担责任。
过去，真正能用好这套规则的人不多。你要懂文本，懂目的，懂例外，懂法院和监管怎么理解，也懂交易对手会怎么利用。
AI 进来以后，变化不只是“检索更快”“起草更快”。
更大的变化是：更多人开始能用法律语言表达诉求，提出自己的法律主张。
如果你还只把 AI 当成一个写文书的助手，可能会错过真正重要的变化。等你发现业务、客户、对手都能拿 AI 生成的法律理由来和你博弈时，讨论已经不是“会不会用工具”，而是“谁能判断这套理由站不站得住，谁又能在风险、交易和现实约束之间，设计一条走得通的路径”。
这就是这期访谈里的关键词：power shift。
power shift，直白说，就是规则解释和使用能力正在发生转移。在这篇访谈里，它指的是：法律规则的解释和使用能力，正在从少数专业人士手里，扩散到更多会使用 AI 的人手里。
这不只是工具变快了，而是越来越多人开始参与规则的解释和使用。
这期访谈留下的三个判断
第一，AI 正在降低参与规则博弈的门槛
以前，普通人有利益诉求，但很难把它说成法律语言。
他只能说：“我不想吃亏。”
律师或法务会把这句话翻译成：付款前置条件、验收标准、迟延违约责任、解除权、审计权、资料交付义务。
这就是法律人的传统价值之一：把朴素诉求翻译成法言法语，再落到条款、制度和方案里。
现在，AI 开始承担一部分最基础的翻译工作。
一个业务人员不需要知道“陈述保证”“解除条件”“审计权”这些词。他只要用大白话说：“我是甲方，我担心供应商延期、交付质量差、后续不配合，合同里怎么保护我？”
AI 就能给他一套条款框架。
这套框架未必成熟，未必准确，未必能直接用。
但它已经足够改变讨论的起点。
过去，业务来找法务，可能只带着一个模糊诉求。现在，业务可能带着一套 AI 生成的条款来问：“为什么不能这么写？”
这就是 Shapiro 所说的 power shift 在企业里的具体样子。
AI 降低的不是写文书的门槛，而是参与规则博弈的门槛。
法律人不能再只靠“我懂法律语言，你不懂”建立权威。真正的专业门槛会往后移：不只是能不能把诉求写成法律语言，而是能不能判断这套说法有没有边界、会带来什么后果、能不能执行；更重要的是，遇到现实障碍时，能不能给业务设计出一条走得通的替代方案。
第二，AI 会放大理由，但不会承担后果
这里最麻烦的地方，是 AI 很会左右摇摆。
我之前写过一篇文章，叫《AI 是能干的奸臣》，讲的就是这一点：你给它一个方向，它就能把这个方向讲得很圆。
业务问它：“我这样保护自己，有没有问题？”
AI 会说，有道理。然后给出一套看起来很专业的条款。
法务换个角度问：“这个条款是不是过度、不可执行、会破坏交易平衡？”
AI 也会说，有风险。然后给出一套同样专业的反驳理由。
于是，AI 没有让讨论更快结束。
它只是让每一方都更有理由。
过去的冲突是“业务诉求 vs 法务判断”。未来的冲突可能变成“业务的 AI 理由 vs 法务的 AI 理由”。每一方看起来都有依据，每一方都能引用规则，每一方都能生成一段像样的法律论证。
但最后，还是要有人拍板。
因为 AI 不会为合同谈崩负责，不会为客户流失负责，不会为监管处罚负责，也不会为公司内部信任破裂负责。
这也是 Shapiro 那期访谈值得警惕的地方。AI 既可以帮人守规则，也可以帮人找缝隙。它可以帮你做合规，也可以帮强势一方测试规则边界、寻找漏洞、包装主张。
所以企业法务最该守住的角色，不是“AI 答案复核员”。
法务仍然要判断专业问题，解释风险边界，还要帮业务设计一条能走通的路。
刹车不是为了让车停着不动，方向盘也不是为了让车原地打转。好的法务不是只告诉业务“这里有坑”，而是告诉业务：这个坑怎么绕，哪条路更稳，哪种代价更值得。
面对 AI 生成的法律理由，法务真正要问的是：事实前提对不对？规则适用有没有过度？这个条款虽然保护我方，会不会破坏交易？这个风险是合同能解决的，还是要靠流程、验收、付款控制或供应商管理解决？如果不能按业务原方案走，那有没有第二条路、第三条路，让业务目标仍然能够实现？
AI 会让每一方都更有理由，但不会替任何人承担按这个理由做决定的后果。
第三，普通法律表达贬值，高段位法务升值
那法律人是不是就不值钱了？
我觉得恰恰相反。
AI 会压低普通法律表达的价值，但会抬高高段位法务的价值。
一方面，AI 会增加法律需求。
以前，很多业务问题不会被当成法律问题说出来。业务只会说：“我觉得这个条款不舒服”“这个客户不靠谱”“这个供应商让我不踏实”。
现在，他们更容易把问题表达成违约、赔偿、解除、合规、审计、数据权利、劳动风险。
这会让更多人愿意通过法律方式解决问题。
另一方面，AI 会让法律初稿和法律理由变得更容易获得。
条款初稿、法律理由、风险提示、合规清单，都会变得便宜、快速、随手可得。
这会挤压普通万金油法务的价值。
如果一个法务的主要价值只是“什么都懂一点、什么都能回一点、主要负责改改条款”，那业务拿 AI 已经能得到一版差不多的东西。
但高段位法务会更值钱。
这里说的高段位，不是职级更高、年限更长，也不是简历上多几个大项目。高段位法务，是能利用 AI 放大自己能力的人：懂业务、被信任、懂规则，也会把复杂判断讲成别人听得懂、愿意采纳的方案。
真正有行业门槛、在实践中不断积累信誉的法务，不是靠“知道法条”吃饭。他靠的是知道这条规则放到这个行业、这家公司、这个客户、这笔交易里，会带来什么后果。
AI 能写出条款，但它不知道这个客户能不能得罪。
AI 能列出风险，但它不知道这个供应商替换成本有多高。
AI 能给出法律建议，但它不知道这个建议在这家公司能不能落地：是靠合同条款解决，还是要靠验收节点、付款控制、项目管理和内部授权一起配合。
这就是高段位法务的空间。
它对法律人的真正提醒
这期访谈对我的启发，不是“法律会被代码取代”。这个说法太粗，也太吓人。
它真正提醒的是：规则解释和使用能力正在扩散。
过去主要是专业人士能熟练使用法律语言和规则工具，现在 AI 正在让更多人也能参与这种讨论。
这不是坏事。更多人理解法律、讨论法律、用法律方式表达权益，本身会增加法律需求，也会让社会更愿意通过规则解决问题。
但它也会带来新的混乱。
更多“像法律”的理由会出现，更多半成品法律主张会进入业务讨论。法律人的工作，不再只是给出一个专业答案，而是要在一堆看起来都有道理的答案里，判断哪一个站得住，哪一个过度，哪一个会把公司带进风险。然后，再把这个判断变成业务能执行的方案：条款怎么改，流程怎么补，权限怎么设，交易怎么继续往前走。
未来法律人的护城河，至少有四条。
第一，懂业务。
不是站在旁边挑业务的毛病，而是站到业务一边，把事情一起做成。你要知道做业务的人关心什么、害怕什么、被什么指标牵引，然后把法律判断放进这个具体处境里。
第二，被信任。
靠谱不是口号，是一件件小事攒出来的：凡事有回应，件件有着落。 业务愿不愿意在关键时刻找你，不取决于你知道多少法条，而取决于你过去有没有接住、有没有推进、有没有给出能落地的判断。
第三，懂规则。
不是只熟悉法律文本本身，而是理解立法目的、规则演进、哪些是底线、哪些是空间，以及文字背后的真实含义。AI 可以读条文，但它未必知道哪条是真正的底线，哪条是可以谈的空间，哪条只是形式要求。
第四，会沟通。
讲话要让人听得懂、愿意听、愿意采纳。专业如果不能被业务理解，就很容易变成噪音。好的沟通，是把复杂判断翻译成能执行的选择：能做什么，不能做什么，为什么，代价是什么，下一步怎么走。
马上就能开始的三个动作
下次业务拿 AI 生成的条款或法律理由来找你，不要先反驳。先问自己：业务真正想实现什么目标？他最关心什么、最害怕什么？这个方案里哪些地方容易翻车？真正实质性的法律风险在哪里？这些风险主要靠什么来控制：合同条款、验收流程、付款节点、授权机制，还是供应商管理？
然后，给自己做一次体检。你现在的价值，主要来自会背法条、会写合同，还是来自懂业务、被信任、懂规则、会沟通，能把判断变成别人愿意采纳的方案？
最后，把缺口变成训练计划。不懂业务，就补业务；不被信任，就补响应和交付；对规则理解不深，就补立法目的、规则演进和真实案例；沟通不够，就练习把风险翻译成业务听得懂、愿意用、能执行的方案。
“AI 能把话说圆，法律人要把事做成。”
参考资料
• 本期推荐访谈：TalksOnLaw / New Law Order：Law as Code: The AI Power Shift，2026-02-17
网址：https://www.talksonlaw.com/podcast/new-law-order/law-as-code-the-ai-power-shift• 延伸参考：TalksOnLaw / AI Lawyer：Law as Code，2026-03-10
说明：同一主题的延伸讨论，用于补充理解 Scott Shapiro 关于 Law as Code 的观点。
网址：https://www.talksonlaw.com/podcast/ai-lawyer/law-as-code• 嘉宾介绍：Professor Scott J. Shapiro
网址：https://www.talksonlaw.com/speakers/professor-scott-j-shapiro
