焦晨恩:从工具到伙伴 —— AI助理的正确打开方式 | 认知篇

在一个实际项目中，一份传统工作模式下至少需要60小时的研究报告，通过“律师负责框架与要点、AI辅助起草20余页初稿并自动生成案例摘要作为附件”的协作模式，最终压缩至20小时，节省近六成时间。这些时间可直接转化为律所利润，或作为价格竞争中的让利空间，也可用于提升技能。

如今，无论是学习新法规，还是查询事实、调研行业背景，AI都能大幅加快信息获取、梳理与筛选的速度。曾遇到过一位毫无法律背景的当事人，独自出庭答辩，在AI的辅助下，其答辩水平已堪比从业三年的律师。非专业人士借助AI尚且能达到如此水准，而那些执业多年的竞争对手，自然也在利用AI同步提速。

AI的快速学习能力还在催生新的服务模式。以某项法律风险审查标准为例，团队设计了6个评估维度，衍生出4000余种情形组合。每次修改标准后，人工重新排列组合成本极高，而借助AI编写代码可大幅压缩时间，使律师能将审查标准转化为可计算的算法规则。人力由此被部分解放，过去难以落地的工作方式成为可能，法律服务产品也随之衍生出新的内容。这些变化最终指向一个结果：工作模式与思路需要从根本上重构。

许多律师用AI总觉得不理想，根源往往不在技术，而在于我们默认AI是强替代工具，期待它一蹴而就，却忽略了AI生成的内容仍需人工校验。因此，了解AI的底层运作逻辑，有助于我们更理性地看待AI在法律实务中的能力边界。

AI是一名“不会交白卷的闭卷考生”——无论问题是否在它的知识范围内，它都会基于统计学概率，输出一个它认为最可能的答案。

回想法学院考试的场景：当你被要求写出法律结论，却怎么也想不起相关法条时，大概率会“紧急立法”，开始编造法条。AI的运作逻辑与此相似——当它在知识库中找不到适配答案，或根本没理解你的问题时，它不会说“我不知道”，而是直接编造一个答案。这种现象，就是所谓的“AI幻觉”。

幻觉的产生，有两方面原因：

其一，概率运算决定了它永远无法精准复现训练数据。在实际工作中，这直接导致援引法条或案例时，字词可能出现变形，案例细节也可能失真。

其二，AI只能基于训练数据作答，无法形成新的知识和观点。想象一个人只见过“猫”和“狗”，当你指着一匹马问他这是什么时，他仍然只会回答“猫”或“狗”，因为他的认知里根本没有“马”这个选项——这就是训练数据带来的局限性。

我们在写法律意见时，常会疑惑：AI到底能不能推理？从方法论上看，AI的推理本质上是基于统计学的归纳推理——从大量数据中总结出概率性的规律；而法律适用的是演绎推理（三段论），即从法条出发通过事实认定推导出结论。因此，AI无法直接满足法律工作中对严格因果关系判断的要求。

例如，从统计学上看，富人往往同时拥有多套房和多辆车，由此得出结论：房屋多的人车也多。但基于演绎推理的逻辑，“房子多”与“车子多”之间并不构成因果关系，这个结论显然不成立。

回到具体的工作场景，这个问题会更明显。我曾让实习生分析某类案件的管辖问题，他找到两个结论不同的案例后直接判断：法院在这类案件上观点不一致——案例A认为侵权行为实施地有管辖权，案例B认为侵权结果发生地有管辖权。但事实上，侵权行为的管辖连接点本就包括被告所在地、侵权行为实施地和侵权结果发生地，法院支持任意一个都合法。仅凭两个案例结果不同，并不能推出法院之间存在观点分歧——很可能只是在各自案件中依法选择了不同的连接点。

这正是归纳推理的缺陷所在，也是AI生成的推理之所以常常看似合理却经不起推敲的根源。

AI技术运作的基础原理是一方面，另外在实际使用中也还存在许多不可控因素。

技术限制：AI的随机性、权重分配、RAG切片等，都存在难以用语言精确解释和控制的变数，不过随着技术演进可以逐步克服。

Token长度：AI的输入与输出有上限，超出后要么遗漏内容，要么被压缩处理，导致信息丢失或失真。

上下文：对话中，内容长度和权重设置会影响生成质量。有时一次就能得到满意的结果，有时多聊几次结果仍不理想——此时继续追问并非良策，因为前面的回答会干扰后续生成。因此尝试几次后若仍不满意，建议直接重新开启一个话题。

AI产品微调：部署介入会显著影响AI的性能和适用性。即便底层模型相同，不同产品因开发过程中的大量预设，效果也可能天差地别。

训练数据：实际经验表明，训练数据中历史资料越丰富，AI输出质量越高。例如，民法总则施行更久、资料更充足，AI处理相关问题的客观性和精准度，明显优于资料较少的民法典。同理，一部即将出台的新法律，因毫无历史数据可参考，AI的不可控性将大幅增加。

可以把AI理解为这样一个人：知识全面，但未必知无不言——它可能遗忘，也可能在不确定时自行编造；任务处理高效，但有容量上限——难以一次性消化超大文本；思维活跃，但不擅守规则——它不受经验约束，也缺乏真正的创造力与判断力。

在法律工作中坚持使用AI，不是因为它能取代人的判断，而是因为它提供了一种极低成本、极高效率的思维跳板。它的错误，如凭空捏造法条、虚构案例、推理断裂，确实屡见不鲜，但这些错误并非AI独有。在法律实务中，引用错误或根本不存在的规范、张冠李戴的判例、跳跃式的推理，这些同样是人类会犯的毛病。正因如此，与其因为AI可能出错就弃之不用，不如正视其优势——辅以必要的校验环节，AI就能成为一个价值相当可观的协作伙伴。

“认识你自己”

—— 古希腊德尔斐神谕