夜雨聆风
2023年6月，美国纽约南区联邦地区法院法官P. Kevin Castel作出了一项令全球法律界震动的裁决：律师Steven Schwartz因在诉讼文件中引用了ChatGPT生成的六个虚构判例，被处以5,000美元罚款，并被要求逐一通知那些被其"虚假引用"的法官。法官在裁定中写下了一句值得每位法律人深思的话："使用可靠的人工智能工具进行辅助本身并无不当之处——但可靠性需要验证。"
三年过去，这起标志性案件并未成为孤例。2025年1月，怀俄明州律师在针对沃尔玛的诉讼中提交了九个AI生成的虚假案例；同年7月，阿拉巴马州Butler Snow律所三名律师因类似行为被法院撤换。Morgan & Morgan——这家拥有超千名律师的美国大型律所——向全体律师发出紧急邮件，警告AI可能生成虚假判例信息。
在中国，AI对律师行业的渗透同样迅速。上海市律师协会2024年评选出17款法律科技产品供全市律师免费试用；中华全国律师协会于2025年3月举行"数智时代律师业务发展"专题交流会；LexisNexis发布的《法律行业生成式人工智能研究报告》显示，中国法律人已从"要不要用AI"转向"用得多深、用得多稳"。
但问题在于：当AI变得足够好用、足够顺滑，律师是否还能保持独立的专业判断？本文无意全盘否定AI，恰恰相反，我们深信AI将深刻重塑法律服务。但正如兰德公司《人工智能如何侵蚀人类能动性》报告所指出的，技术对专业判断的侵蚀往往不是以明火执仗的方式发生的——它更隐蔽，也因此更危险。律师行业需要的，不是在拥抱与拒斥之间做选边站，而是清醒地认识到：用好AI的前提，是守住法律人的判断力底线。
一、AI已经改变的和正在改变的
AI在律师行业的应用，已经远远超出"辅助检索"的初级阶段。
在法律检索领域，AI系统能在数秒内从海量法规、司法解释和裁判文书中筛选出高相关度的条文与案例，其效率远超人工检索。在合同审查领域，AI可以自动识别条款缺陷、前后矛盾和潜在风险点，将律师从逐字校对的繁琐劳动中解放出来。在文书生成领域，起诉状、答辩状、法律意见书等标准化文书的初稿，已可交由AI完成框架性起草。在案件分析领域，AI能够基于历史判决数据，提供裁判倾向的概率化预测，为诉讼策略的制定提供量化参考。
但真正值得警惕的，不是AI有多强，而是律师使用AI的方式正在发生范式级别的转变。
第一阶段，AI是"辅助工具"：律师主导全程，AI只负责提供备选信息和初步分析，最终的判断、筛选和决策完全由律师完成。这个阶段的问题在于"幻觉"——AI生成的虚假判例和不准确信息——这其实是相对容易解决的问题，只要律师坚持逐条核实即可。
第二阶段，AI成为"默认通道"：律所将AI嵌入工作流的核心环节，法律检索的第一入口是AI而非数据库，合同审查的第一遍由AI而非初级律师完成，诉讼策略的初始框架由AI生成——人的参与从"主导"转为"复核"。正是在这个阶段，兰德报告所描述的那种隐性侵蚀开始发生。
第三阶段，AI成为"准决策者"：不是AI直接拍板，而是当人想推翻AI的结论时，需要付出额外的论证成本——写补充说明、走额外流程、面对"为什么不听系统的"的质询。人的判断从正常流程变成一种需要主动申请的例外。
目前，中国律师行业大体处于第一阶段向第二阶段的过渡期。一些头部律所已深度进入第二阶段，个别场景正在逼近第三阶段的边界。这恰恰是我们讨论风险的最佳时机——在所有通道还来得及设防的时候。
二、"人是决策者"的迷思：AI对律师专业判断的三种隐性侵蚀
（一）形式上律师还在判断，实质上专业判断的边界在收窄
兰德报告指出：真正要看的，不是流程里还剩下多少个人名，而是在组织中，当一个人提出不同意见时，他有没有机会改变结果。
这个洞见放在律师行业，贴切得令人不适。
设想一家律所引进了AI合同审查系统。起初，律师在用AI审完合同后，还会逐条对照自己的知识进行二次验证。慢慢地，系统准确率越来越高，事务所开始推行"AI初审、律师复核"的流程。复核意味着什么？意味着律师的精力集中在AI标红的条款上，而对AI判定为"安全"的条款，自然而然地减少了关注。
真正的问题由此产生：如果AI遇到了一个超出其训练数据覆盖范围的条款——比如一种新型交易结构中的交叉担保安排——AI将其判定为"安全"，而律师因信任系统没有细读，那么一个真问题就被AI有效地消音了。
更隐蔽的是，即使在律师确实发现AI结论有误的情况下，要推翻系统建议也需要付出更高成本。美国的教训已经摆在眼前：Mata v. Avianca案中，被处罚的律师之所以没有核实AI生成的判例，部分原因正是"验证AI输出"被默认为异常流程而非标准流程。当律师推翻AI结论需要多付出几个小时的工作量，而接受AI结论只需要点击确认，人的判断就不只是一次性偷懒，而是被制度化地边缘化。
（二）议程控制：AI对法律分析框架的隐性预设
兰德报告提出了一个比"AI直接做决定"更隐蔽的风险——"议程控制"。AI没有替律师做最后的判断，但它先替律师出了题，而且是道选择题，提前决定了哪些选项有资格被摆上桌面。
在法律检索场景中，这个问题的表现尤为突出。当律师输入一个法律问题，AI返回的不是全部相关法条和案例的完整列表，而是一个经过排序和筛选的结果集。排序本身就是判断——哪些条文更"相关"、哪些案例更"权威"、哪些裁判规则更"主流"——这些判断的标准是AI根据训练数据中的统计规律确定的，不是根据个案的特殊性。
如果一个裁判观点在AI的训练数据中占比不高——比如某种创新的法律解释路径，只有少数法院采用——AI可能将其排到几十页之后，甚至不纳入结果。律师看到的，看似是"最相关"的法律依据，实际上是被AI过滤过的"最主流"的法律依据。主流不一定是错的，但律师的天职恰是在主流之外寻找对当事人有利的论证路径。如果连"看什么"的选择权都交给了AI，那么"想什么"的自主权也就不远了。
在诉讼策略辅助领域，AI经常被用来预测案件的"胜诉率"。这类预测的概率化表达——"胜诉概率62%"——具有一种天然的权威感。而律师在制定策略时，很可能将这个概率视为出发点而非参考值，围绕它来构建全部论证逻辑。问题是：AI的预测模型是基于历史判决的模式匹配，而每一个案件都有其独特的事实构成。当律师把AI的概率预判默认为案件分析的起点，就相当于接受了AI为这个案件设定的全部前提假设——包括哪些因素重要、哪些因素不重要。
（三）能力退化：长期依赖AI后，独立判断力的流失
兰德报告指出的第三种风险是：组织长期依赖AI后，可能失去独立完成集体决策的能力。这个判断迁移到律师个人层面，同样成立。
律师的专业判断力，本质上是大量积累形成的模式识别能力。一个资深律师能够在对某个条款产生"不对劲"的直觉之前，调动的是成百上千份合同的阅读经验、数十个类案的裁判结果、以及对自己客户商业逻辑的深层理解。这种能力不是知识的简单加总——它是在反复的"检索—阅读—分析—判断—验证"的完整循环中锻造出来的。
当这个循环被AI截断——检索交给AI、初筛交给AI、分析框架由AI提供、只需做一次复核——看似效率提高了，实际上律师少了"检索"环节的信息触觉、少了"初筛"环节的广度扫描、少了独立搭建分析框架的过程。每一次跳过，表面上是时间节约，深层上是能力的养分流失。
中国律师行业近年来的发展趋势印证了这种隐忧。据司法部数据，截至2024年底，全国执业律师已超过70万人。大量年轻律师进入行业后的初期训练，正在从"师傅带徒弟"式的手工作坊，转向"AI系统+模板"的标准化作业。问题不在于标准化本身——标准化可以提高基础服务质量。问题在于，如果一个律师从入行起就高度依赖AI系统，从未完整地走过"检索—分析—判断"的独立循环，那么当他面对一个AI处理不了的例外情形时，他可能没有能力判断自己不知道什么。
这就是兰德报告所称的"判断力退化"——"真正的困难不是某一次把决定交给AI，而是交出去太久以后，组织已经不知道怎样把不同的人重新组织起来，共同作出一个决定。"对律师而言，这是同一个道理：最难逆转的，不是某一次用了AI做分析，而是用了太久以后，已经不知道自己还能独立分析到什么程度。
三、律师行业用好AI的现实路径
（一）建立"挑战AI"的制度通道
兰德报告给出了第一条建议：要保留人挑战AI、改变结果的现实通道。接受AI的结论，不能永远是最容易的路径；提出不同意见，也不能总是得付出高得多的成本。
落实到律师行业，这意味着律所需要在AI工作流中植入"异议友好"的设计。具体而言：
第一，AI输出必须附带"置信度标注"和"来源追溯"。每一项AI生成的法律分析或检索结果，应同时展示其信息来源、推理路径和不确定性说明，使律师复核时有据可循。如果AI无法追溯某个结论的来源，该结论就应被标注为"待验证"。
第二，推翻AI结论不应付出额外的合规成本。律所内部的审核流程中，"不同意AI结论"与"同意AI结论"应走同样的便捷通道，而不是让持异议者多填一张表、多找一个人签字。
第三，律所管理层应明确传达一个信号：发现AI的疏漏是专业能力的体现，而非"效率低下"的表现。如果律所的考核体系只看"完成了多少份合同审查"，而不区分"AI通过的"和"律师纠正的"，那么纠正AI错误的行为就得不到应有的激励。
（二）定期进行"无AI"专业演练
兰德报告的第三条建议适用于任何依赖AI的专业领域：在组织内定期做一次没有AI结论的决策演练。
对律师行业而言，这不只是一个管理学建议，更是一项职业伦理要求。建议律所建立以下机制：
首先，重大疑难案件的分析，必须在AI辅助之前，由主办律师独立完成一份"无AI版"的分析框架——哪怕只是几页纸的要点梳理。这一过程的价值不在于结论本身，而在于确保律师在接触AI建议之前，已经建立了自己的判断锚点。有了这个锚点，AI的输出就只是参考，而非框架。
其次，律所应定期组织"无AI模拟"训练：给定一个真实或改造的复杂案例，要求团队在没有AI辅助的情况下，完成从法律检索到诉讼策略制定的全流程。目的不是测试快慢，而是检验团队在失去AI辅助后是否仍具备独立作战能力。
再次，年轻律师的培养方案中，必须有"无AI"阶段。在最初的一至两年内，至少一部分业务应要求完全人工完成——不是反对AI，而是确保基本功在独立状态下形成。正如一个医生不能只靠看影像分析报告学会做手术，一个律师也不能只靠读AI分析结论学会做法律分析。
（三）构建AI使用的行业伦理与操作规范
律师使用AI，本质上涉及三重伦理关系：对法庭的诚实义务、对客户的勤勉义务、以及对数据来源和当事人的保密义务。
在美国，Mata v. Avianca案之后，数十名联邦法官要求在提交文件中披露AI使用情况，多家法院出台了AI使用认证规则。在中国，上海市律师协会于2025年8月率先发布了《律师提供居（村）法律顾问服务AI工具使用指引》，这是中国律师行业首个针对AI使用的规范性文件，内容涵盖AI工具选择标准、使用场景限制、输出审核义务等。
但从行业整体来看，相关规范仍处于起步阶段。建议在以下方面加紧推进：
第一，明确AI输出的使用禁区。至少在以下环节，AI不能替代人工判断：对当事人陈述的真实性判断、对关键证据的资格与证明力评估、对诉讼时效和管辖等程序性要件的最终确认、以及涉及重大人身权益或财产权益的代理策略选择。这些关键节点不是"AI辅助+人工复核"就足够的——必须是"人工主导+AI辅助"，顺序不能颠倒。
第二，建立AI工具使用的留痕制度。每一次使用AI生成法律分析，应保留向AI提出的原始问题、AI的完整输出以及律师对输出内容的审阅与修改记录。这既是应对未来可能的执业责任争议的自我保护，也是对客户和法庭的诚信交代。
第三，制定客户告知义务规则。客户有权知道自己的案件在多大程度上依赖了AI辅助。美国律师协会（ABA）已于2024年发布了对AI使用的正式伦理意见（Formal Opinion 512），明确律师在使用生成式AI时必须遵守保密义务（Model Rule 1.6）、胜任能力义务（Model Rule 1.1）和合理收费义务（Model Rule 1.5）。中国律师行业同样需要一份系统性伦理指引。
（四）重塑法律教育与专业培训
AI时代真正考验律师的，不是会不会用AI工具——工具的门槛只会越来越低。真正的分水岭在于：当AI给出的分析和你自己独立分析得出的结论不一致时，你有没有能力判断哪一个是对的。
这一能力无法通过"AI使用培训班"获得。它需要扎实的法学功底——对法律条文背后的价值逻辑的理解，对裁判规则演变脉络的把握，对当事人类案中"相似性"与"差异性"的敏锐分辨。这些，恰恰是AI目前最不擅长而法律人最不可替代的领域。
法学教育需要随之转变。法律检索课不应只教"如何使用AI平台检索"，更应教"如何验证AI检索结果的完整性"——包括手动交叉验证、追踪引证链条、识别检索盲区。法律文书课不应只教格式和套路，更应教"如何判断AI生成的论证逻辑是否存在跳跃或偷换"。法律伦理课应将AI使用伦理作为必修模块，而不是可选的课外讲座。
结语
人工智能对律师行业的影响，不是一道"用或不用"的是非题，而是一道"如何用得更聪明、更安全"的论证题。
兰德报告的结论耐人寻味：决定一个组织能走多远的，不是顺风顺水时能否迅速得到一个漂亮答案，而是在数据失效、环境改变、旧经验不再管用的时候，还有足够多的人能够把各自看到的真实情况带到一起，提出新的可能，并共同决定下一步往哪里走。
这对律师行业是一个极为贴切的隐喻。法律服务最核心的价值，从来不是"更快地找到答案"——如果仅此而已，搜索引擎早就替代了律师。律师真正的不可替代性在于：在那些没有标准答案的灰色地带，在法条沉默、先例分歧、利益冲突的交叉点上，用专业的判断力为当事人找出最优路径。
AI可以帮律师更快地找到法条、案例和模板，但它不能替律师承担独立判断的责任——这个责任永远绑定在律师的职业资格上。用好AI的方式，不是让AI替你思考，而是让AI帮你节省那些不值得耗费精力的重复性劳动，把省下来的时间和余地，投入到那些真正需要法律人独立判断的领域。
一句话：AI是律师的工具，律师是案件的主人。可以做加法，不能做减法。
（本文成稿于2026年7月）
- END -
