1. 先别急着站队：这个问题的答案藏在“律师”这两个字的拆解里“未来十年AI会代替律师职业吗？”这个问题在网上的讨论热度一直居高不下，每隔一段时间就会被翻出来炒一遍。我身边做技术的朋友和做法律的朋友，给出的答案几乎是两个极端——搞技术的普遍觉得“迟早的事”，搞法律的普遍觉得“外行看热闹”。我自己既写过代码也跟法律行业的团队打过不少交道，帮他们做过文档检索和合同初审的工具，所以对这个问题有一些不太一样的观察。先把结论摆在前面：AI不会“代替律师”这个职业，但会极其彻底地重构律师的工作方式，并且会淘汰掉一批只会做“信息搬运”和“模板套用”的从业者。这个判断不是拍脑袋，而是基于对律师日常工作内容的拆解。很多人讨论这个问题时犯的最大错误，是把“律师”当成一个铁板一块的职业，实际上它内部的分工差异极大，不同细分方向被AI冲击的程度天差地别。这篇文章我想做的事情，是把“律师到底在干什么”这件事拆开，然后逐块分析哪些部分AI已经能做、哪些部分十年内大概率做不了、哪些部分会被做成“人机协作”的新形态。如果你是从业者，这能帮你判断该往哪个方向加固自己的护城河；如果你是技术人，这能帮你理解法律场景里真正的难点在哪；如果你只是好奇，那至少能让你在下次饭桌讨论时说出点不一样的东西。需要说明的是，法律行业受各地法规和司法实践影响很大，不同法域的情况差异明显，我下面聊的主要是通用的、跨法域的底层逻辑，具体到某个地区的细节，还得结合当地实际情况看。2. 把律师的活儿拆成六块，才能看清AI到底能吃下多少2.1 信息检索与法条查找：这块AI已经赢了，而且赢得很难看律师工作里最基础、最耗时、也最容易被低估的一块，就是“找东西”。找法条、找司法解释、找类案判决、找学术观点。传统模式下，一个刚入行的律师可能要花好几天泡在数据库里，一条一条翻判决书，就为了找到几个能支撑己方观点的案例。这块工作AI的优势是碾压性的。原因很简单：它的本质是“在海量文本里做语义匹配和归纳”，而这正是大语言模型最擅长的事情。一个训练良好的法律检索工具，可以在几秒内读完几千份判决书，然后告诉你“支持你这个观点的判决有这些，反对的有这些，争议焦点集中在哪几个问题上”。我实测过一些法律检索类工具，在“给定一段事实描述，找出相关法条和类案”这个任务上，召回率和准确率已经相当可观。当然它会有幻觉，会编造不存在的案号，这是目前所有大模型的通病，需要人工复核。但即便如此，它把“初筛”这一步的效率提升了不止一个数量级。注意：AI检索最大的坑不是“找不到”，而是“一本正经地编造”。它会给你一个格式完美、逻辑通顺、但根本不存在于数据库里的判决。所以任何AI给出的法条和案例，都必须回到原始数据库里核对一遍，这一步在十年内我都不建议省掉。2.2 文书起草与合同审查：结构化程度越高，AI越能打律师的第二大块工作是“写”。起诉状、答辩状、代理词、合同、法律意见书……这些文书有个共同特点：格式高度固定，逻辑结构有章可循。这恰恰是AI的舒适区。以合同审查为例。一份标准的商业合同，核心条款无非那么几类：主体资格、标的、价款、履行期限、违约责任、争议解决。AI可以做到的事情是：逐条比对标准模板，标出“这份合同缺了不可抗力条款”“这条违约金的计算方式对甲方明显不利”“这里的管辖约定和主合同冲突了”。这种“找差异、标风险”的工作，AI做得又快又不知疲倦。但这里有个关键的分界线：AI能识别“条款缺失”和“条款冲突”，但很难判断“这个条款在商业上是否可接受”。举个例子，一份合同里违约金定得很高，AI会标红说“违约金过高可能不被支持”，但到底要不要接受这个条款，取决于这笔交易的议价能力、对方的信用状况、以及客户愿意承担多大风险。这些是商业判断，不是法律判断，AI给不了。我见过一些团队的做法是：让AI做第一遍“体检”，把所有格式问题、明显冲突、缺失条款列出来，然后律师拿着这份清单，只花时间在真正需要判断的地方。这个流程实测下来，一份普通商业合同的初审时间能从两三个小时压缩到二十分钟左右。2.3 客户沟通与情绪安抚：这块AI十年内基本没戏律师工作里有一大块是外人看不见的：跟客户沟通。客户来找律师的时候，往往正处于人生或生意的高压时刻——被起诉了、要离婚了、合伙人翻脸了。他们需要的不仅是法律方案，还有情绪上的支撑和确定感。这块工作AI做不了，原因不在于技术，而在于信任的建立需要“人对人”的在场感。一个客户愿意把身家性命托付给你，是因为他相信你这个人，相信你会为他的利益据理力争。这种信任是通过一次次面谈、一通通电话、甚至一个眼神建立起来的。AI可以生成一封措辞完美的邮件，但它没法在客户凌晨三点崩溃的时候接起电话说“别慌，我在”。而且法律咨询中有大量“言外之意”需要捕捉。客户说“我想尽快解决”，可能意味着他资金链紧张；客户说“我不想闹大”，可能意味着他有不想曝光的隐情。这些信息往往不会写在委托合同里，但会直接影响策略选择。AI目前对这种“读空气”的能力几乎为零。2.4 谈判与庭审对抗：动态博弈是AI的硬伤谈判和庭审是律师工作里最“动态”的部分。对方抛出一个方案，你要在几秒内判断：接受还是拒绝？拒绝的话怎么还价？还价的空间在哪？这背后是对对方底线、法官倾向、市场行情的综合判断。AI在静态分析上很强，但在动态博弈上有天然短板。它没有“临场感”，没法根据对方的一个微表情、一次语气变化来调整策略。庭审更是如此，法官的一个皱眉、对方律师的一次口误，都可能是转瞬即逝的机会，需要当场抓住。这种能力依赖的是大量实战经验形成的直觉，而直觉这东西，目前还没法被参数化。2.5 尽职调查与合规审查：AI正在成为主力，但需要人把关尽职调查是律师工作里最“体力活”的一块。一个并购项目，可能要审几千份合同、几百份证照、几十份财务报表。传统模式下，初级律师和实习生要花几周时间泡在资料室里，一份一份看。这块AI的渗透速度非常快。因为尽调的本质是“按清单逐项核对”，而清单是固定的。有没有这块地的产权证？有没有这份借款合同的展期协议？有没有这个商标的续展证明？AI可以自动扫描所有文档，把缺失项、异常项、矛盾项列出来。但尽调里也有AI搞不定的部分：判断“这个瑕疵是否构成重大风险”。比如一家公司有一笔未决诉讼，AI能找出来，但这场诉讼如果败诉，对公司估值的影响有多大？会不会触发对赌协议里的回购条款？这些需要结合交易背景做判断，AI给不了。2.6 策略制定与资源整合：这是律师真正的护城河把上面五块剥掉之后，剩下的就是律师最核心的价值：策略制定和资源整合。一个复杂的商业纠纷，可能涉及诉讼、仲裁、谈判、媒体公关、政府关系多条线。什么时候打、什么时候谈、什么时候拖、什么时候快，这些决策需要的是对全局的把握和对人性的理解。这块工作AI不仅做不了，而且短期内看不到能做的迹象。因为它需要的不是“知识”，而是“判断力”和“决断力”，而这两样东西来自经验、直觉和承担后果的勇气。3. 为什么“代替”这个词本身就用错了：聊聊人机协作的真实形态3.1 从“替代”思维切换到“分工”思维讨论AI会不会代替律师，隐含的假设是“AI和律师在做同一件事，只是谁做得更好”。但真实情况是：AI和律师在做不同的事，而且这些事恰好可以互补。我见过的最有效的工作流是这样的：AI负责“广度”，人负责“深度”。AI把几千份文档过一遍，找出所有可能相关的点；律师只花时间在AI筛出来的那几十个点上做深度分析。AI负责“初稿”，人负责“定稿”。AI生成一份起诉状框架，律师在这个框架上填充策略性的表述和关键事实的取舍。这种分工模式下，一个律师的产出能力可能提升三到五倍。但注意，这不是“AI代替了律师”，而是“会用AI的律师代替了不会用AI的律师”。3.2 法律行业的结构性变化：中间层被挤压AI对法律行业最大的冲击，可能不是“顶层”的资深律师，也不是“底层”的纯行政人员，而是中间层——那些主要工作是“信息搬运”和“模板套用”的从业者。以前一个刚入行的律师，前几年基本都在做检索、写初稿、审合同这些基础工作。这些工作虽然枯燥，但恰恰是积累经验、培养法律直觉的必经之路。现在这些工作被AI大量接管了，新人怎么成长？这是个真问题。我观察到的一些应对方式是：让新人更早地参与策略讨论，把AI当成“陪练”而不是“替身”。比如让新人先用AI生成一版分析，然后让他指出AI哪里错了、哪里漏了、哪里判断偏了。这种“找茬式学习”反而比单纯做检索成长得更快。3.3 客户预期在变，律师的服务模式必须跟着变还有一个容易被忽略的变量：客户对律师的预期正在被AI改变。以前客户不知道律师在干什么，只能按小时付费。现在客户自己也会用AI工具，他们可能已经自己查过法条、自己生成过一份合同初稿，然后拿着这些东西来找律师：“你帮我看看AI写的这个对不对。”这意味着律师的价值必须从“我知道你不知道的东西”转向“我能判断你判断不了的东西”。前者是信息差，后者是判断力。信息差会被AI抹平，判断力不会。4. 十年这个时间尺度：哪些会变，哪些不会变4.1 十年内大概率会发生的事第一，法律检索和文书起草会基本实现AI化。这不是预测，是正在发生的事。十年后还靠人工一条条翻判决书的律师，大概率会被淘汰。第二，合同审查会变成“AI初审+人工复核”的标准流程。就像现在没人用算盘算账一样，十年后没人会从零开始逐条审合同。第三，法律服务的价格结构会变。基础服务会因为AI的介入而大幅降价，但高端定制化服务的价格会更高。中间地带的从业者会很难受。第四，新的法律岗位会出现。比如“法律AI训练师”“法律数据标注师”“人机协作流程设计师”，这些岗位现在已经在一些团队里萌芽了。4.2 十年内大概率不会变的事第一，最终责任承担者必须是人。一份法律意见书出了错，客户告的是律所，不是AI公司。只要责任在人身上，人就必须在关键环节把关。第二，复杂博弈仍然依赖人的判断。谈判、庭审、危机处理，这些场景的变量太多、变化太快，AI在可预见的未来都难以胜任。第三，信任关系仍然是核心。客户选择律师，很大程度上是选择“我相信这个人会为我争取最大利益”。这种信任没法外包给AI。4.3 一个容易被忽略的变量：监管和伦理法律行业是强监管行业。AI在法律服务中的应用，会面临一系列监管问题：AI给出的法律意见算不算“法律意见”？AI生成的文件出了错，责任怎么分？AI在办案过程中接触到的客户机密信息，怎么保证不泄露？这些问题的答案不在技术里，在监管政策里。而监管的变化往往是缓慢的、保守的。这会给律师行业一个缓冲期，但这个缓冲期不是用来躺平的，是用来转型的。5. 给不同角色的实操建议：别问“会不会被代替”，问“我该怎么用”5.1 给法律从业者：把AI当成实习生，而不是对手如果你是从业者，我的建议很直接：现在就开始用AI工具，把它当成一个不知疲倦但需要监督的实习生。让它做检索、做初稿、做初审，你只做它做不了的部分——判断、决策、沟通、担责。具体怎么上手？从你最熟悉、最重复的工作开始。如果你每天要花两小时写同类文书，那就先让AI生成初稿，你改。如果你每天要花三小时审同类合同，那就先让AI标出风险点，你复核。用上一个月，你会对“哪些能交给AI、哪些必须自己来”有非常具体的体感。提示：初期一定要保留“人工复核”这一步，而且复核要严格。AI的幻觉不是偶发，是常态。你需要在实践中建立自己对AI输出质量的判断力，知道它在什么场景下容易出错。5.2 给技术从业者：法律场景的难点不在技术，在场景理解如果你是想进入法律AI领域的技术人，我的建议是：先去理解法律工作的真实流程，再谈技术方案。很多技术团队做出来的法律工具没人用，不是因为技术不行，是因为他们解决的是“想象中的问题”，而不是“真实的问题”。举个例子，很多团队做“智能合同审查”，上来就搞NLP模型识别条款。但真实场景里，律师最需要的可能不是“识别条款”，而是“告诉我这份合同和我们的标准模板比，改了哪些地方”。前者是技术问题，后者是场景问题。搞清楚场景，技术方案自然就出来了。5.3 给普通用户：AI可以帮你省钱，但不能帮你省心如果你只是偶尔需要法律帮助的普通人，AI确实能帮你省不少钱。简单的合同模板、基础的法律咨询、文书格式检查，这些AI都能做。但涉及重大利益的决策——买房、离婚、股权、诉讼——还是得找真人律师。原因很简单：AI给的是“一般情况下的最优解”，但你的情况可能不一般。而判断“你的情况是否特殊”，恰恰需要专业训练和经验积累。6. 我踩过的坑和看到的机会6.1 一个真实的教训：别让AI碰“事实认定”我之前帮一个团队做法律文档分析工具，初期为了展示效果，让AI直接从一堆聊天记录和邮件里“总结事实经过”。结果AI总结出来的“事实”和真实情况有出入——它把几封邮件的时间顺序搞混了，导致整个事件因果链都错了。这个教训让我明白：AI可以处理“规则”，但处理不了“事实”。规则是明确的、可检索的，事实是模糊的、需要交叉验证的。在法律场景里，事实认定是根基，根基错了，上面所有分析都是空中楼阁。所以任何涉及事实梳理的环节，必须人工介入。6.2 另一个教训：AI的“自信”是最大的风险大语言模型有个特点：它不知道自己不知道。你问它一个它完全不了解的问题，它也会给你一个看起来很有道理的答案。在法律场景里，这种“自信的无知”是致命的。我现在的做法是：任何AI给出的结论，都要问它“你的依据是什么”“这个依据的来源是哪”。如果它给不出可验证的来源，这个结论就默认不可信。这个习惯帮我避免了好几次潜在的严重错误。6.3 我看到的机会：垂直领域的“小而美”工具通用大模型很强，但在法律这种专业领域，通用模型往往不够用。因为它缺乏领域知识，也不了解特定场景的工作流。这给垂直领域的工具留下了很大空间。我观察到一些做得不错的法律AI工具，都不是“大而全”的，而是“小而美”的——只解决一个具体场景的问题，但解决得非常好。比如专门做劳动争议计算的、专门做商标查询的、专门做交通事故赔偿估算的。这些工具的技术门槛不一定高，但对场景的理解非常深。如果你是想在这个方向创业或做产品的人，我的建议是：别想着做一个“全能法律AI”，找一个你真正理解的细分场景，把它做透。法律行业太大了，任何一个细分场景都足够养活一个团队。7. 回到那个问题：十年后律师这个职业会变成什么样如果非要给一个具体的画面，我猜十年后的律师行业大概是这样：从业者总数可能减少，但人均产出大幅提升；基础服务价格大幅下降，但高端服务价格更高；入行门槛从“记忆力好”变成“判断力强”；最吃香的人不是“知道最多法条的人”，而是“最会用工具、最会做判断、最会跟人打交道的人”。这个变化对一些人来说是威胁，对另一些人来说是机会。区别在于：你是把AI当成对手，还是当成工具；你是守着“信息差”吃饭，还是转向“判断力”吃饭。我自己跟法律行业打交道这些年，最大的感受是：这个行业的核心从来不是“法律知识”，而是“用法律知识解决真实问题”。知识可以被AI替代，但解决问题的能力不能。只要真实世界还有纠纷、还有不确定性、还有人跟人之间的博弈，就需要有人来做判断、来担责任、来建立信任。这些事，AI做不了，至少十年内做不了。所以与其问“AI会不会代替律师”，不如问“在AI能做完所有基础工作的世界里，我还能提供什么不可替代的价值”。这个问题的答案，才是真正值得花时间想的。
1. 先别急着站队：这个问题的答案藏在“律师”这两个字的拆解里“未来十年AI会代替律师职业吗？”这个问题在网上的讨论热度一直居高不下，每隔一段时间就会被翻出来炒一遍。我身边做技术的朋友和做法律的朋友，给出的答案几乎是两个极端——搞技术的普遍觉得“迟早的事”，搞法律的普遍觉得“外行看热闹”。我自己既写过代码也跟法律行业的团队打过不少交道，帮他们做过文档检索和合同初审的工具，所以对这个问题有一些不太一样的观察。先把结论摆在前面：AI不会“代替律师”这个职业，但会极其彻底地重构律师的工作方式，并且会淘汰掉一批只会做“信息搬运”和“模板套用”的从业者。这个判断不是拍脑袋，而是基于对律师日常工作内容的拆解。很多人讨论这个问题时犯的最大错误，是把“律师”当成一个铁板一块的职业，实际上它内部的分工差异极大，不同细分方向被AI冲击的程度天差地别。这篇文章我想做的事情，是把“律师到底在干什么”这件事拆开，然后逐块分析哪些部分AI已经能做、哪些部分十年内大概率做不了、哪些部分会被做成“人机协作”的新形态。如果你是从业者，这能帮你判断该往哪个方向加固自己的护城河；如果你是技术人，这能帮你理解法律场景里真正的难点在哪；如果你只是好奇，那至少能让你在下次饭桌讨论时说出点不一样的东西。需要说明的是，法律行业受各地法规和司法实践影响很大，不同法域的情况差异明显，我下面聊的主要是通用的、跨法域的底层逻辑，具体到某个地区的细节，还得结合当地实际情况看。2. 把律师的活儿拆成六块，才能看清AI到底能吃下多少2.1 信息检索与法条查找：这块AI已经赢了，而且赢得很难看律师工作里最基础、最耗时、也最容易被低估的一块，就是“找东西”。找法条、找司法解释、找类案判决、找学术观点。传统模式下，一个刚入行的律师可能要花好几天泡在数据库里，一条一条翻判决书，就为了找到几个能支撑己方观点的案例。这块工作AI的优势是碾压性的。原因很简单：它的本质是“在海量文本里做语义匹配和归纳”，而这正是大语言模型最擅长的事情。一个训练良好的法律检索工具，可以在几秒内读完几千份判决书，然后告诉你“支持你这个观点的判决有这些，反对的有这些，争议焦点集中在哪几个问题上”。我实测过一些法律检索类工具，在“给定一段事实描述，找出相关法条和类案”这个任务上，召回率和准确率已经相当可观。当然它会有幻觉，会编造不存在的案号，这是目前所有大模型的通病，需要人工复核。但即便如此，它把“初筛”这一步的效率提升了不止一个数量级。注意：AI检索最大的坑不是“找不到”，而是“一本正经地编造”。它会给你一个格式完美、逻辑通顺、但根本不存在于数据库里的判决。所以任何AI给出的法条和案例，都必须回到原始数据库里核对一遍，这一步在十年内我都不建议省掉。2.2 文书起草与合同审查：结构化程度越高，AI越能打律师的第二大块工作是“写”。起诉状、答辩状、代理词、合同、法律意见书……这些文书有个共同特点：格式高度固定，逻辑结构有章可循。这恰恰是AI的舒适区。以合同审查为例。一份标准的商业合同，核心条款无非那么几类：主体资格、标的、价款、履行期限、违约责任、争议解决。AI可以做到的事情是：逐条比对标准模板，标出“这份合同缺了不可抗力条款”“这条违约金的计算方式对甲方明显不利”“这里的管辖约定和主合同冲突了”。这种“找差异、标风险”的工作，AI做得又快又不知疲倦。但这里有个关键的分界线：AI能识别“条款缺失”和“条款冲突”，但很难判断“这个条款在商业上是否可接受”。举个例子，一份合同里违约金定得很高，AI会标红说“违约金过高可能不被支持”，但到底要不要接受这个条款，取决于这笔交易的议价能力、对方的信用状况、以及客户愿意承担多大风险。这些是商业判断，不是法律判断，AI给不了。我见过一些团队的做法是：让AI做第一遍“体检”，把所有格式问题、明显冲突、缺失条款列出来，然后律师拿着这份清单，只花时间在真正需要判断的地方。这个流程实测下来，一份普通商业合同的初审时间能从两三个小时压缩到二十分钟左右。2.3 客户沟通与情绪安抚：这块AI十年内基本没戏律师工作里有一大块是外人看不见的：跟客户沟通。客户来找律师的时候，往往正处于人生或生意的高压时刻——被起诉了、要离婚了、合伙人翻脸了。他们需要的不仅是法律方案，还有情绪上的支撑和确定感。这块工作AI做不了，原因不在于技术，而在于信任的建立需要“人对人”的在场感。一个客户愿意把身家性命托付给你，是因为他相信你这个人，相信你会为他的利益据理力争。这种信任是通过一次次面谈、一通通电话、甚至一个眼神建立起来的。AI可以生成一封措辞完美的邮件，但它没法在客户凌晨三点崩溃的时候接起电话说“别慌，我在”。而且法律咨询中有大量“言外之意”需要捕捉。客户说“我想尽快解决”，可能意味着他资金链紧张；客户说“我不想闹大”，可能意味着他有不想曝光的隐情。这些信息往往不会写在委托合同里，但会直接影响策略选择。AI目前对这种“读空气”的能力几乎为零。2.4 谈判与庭审对抗：动态博弈是AI的硬伤谈判和庭审是律师工作里最“动态”的部分。对方抛出一个方案，你要在几秒内判断：接受还是拒绝？拒绝的话怎么还价？还价的空间在哪？这背后是对对方底线、法官倾向、市场行情的综合判断。AI在静态分析上很强，但在动态博弈上有天然短板。它没有“临场感”，没法根据对方的一个微表情、一次语气变化来调整策略。庭审更是如此，法官的一个皱眉、对方律师的一次口误，都可能是转瞬即逝的机会，需要当场抓住。这种能力依赖的是大量实战经验形成的直觉，而直觉这东西，目前还没法被参数化。2.5 尽职调查与合规审查：AI正在成为主力，但需要人把关尽职调查是律师工作里最“体力活”的一块。一个并购项目，可能要审几千份合同、几百份证照、几十份财务报表。传统模式下，初级律师和实习生要花几周时间泡在资料室里，一份一份看。这块AI的渗透速度非常快。因为尽调的本质是“按清单逐项核对”，而清单是固定的。有没有这块地的产权证？有没有这份借款合同的展期协议？有没有这个商标的续展证明？AI可以自动扫描所有文档，把缺失项、异常项、矛盾项列出来。但尽调里也有AI搞不定的部分：判断“这个瑕疵是否构成重大风险”。比如一家公司有一笔未决诉讼，AI能找出来，但这场诉讼如果败诉，对公司估值的影响有多大？会不会触发对赌协议里的回购条款？这些需要结合交易背景做判断，AI给不了。2.6 策略制定与资源整合：这是律师真正的护城河把上面五块剥掉之后，剩下的就是律师最核心的价值：策略制定和资源整合。一个复杂的商业纠纷，可能涉及诉讼、仲裁、谈判、媒体公关、政府关系多条线。什么时候打、什么时候谈、什么时候拖、什么时候快，这些决策需要的是对全局的把握和对人性的理解。这块工作AI不仅做不了，而且短期内看不到能做的迹象。因为它需要的不是“知识”，而是“判断力”和“决断力”，而这两样东西来自经验、直觉和承担后果的勇气。3. 为什么“代替”这个词本身就用错了：聊聊人机协作的真实形态3.1 从“替代”思维切换到“分工”思维讨论AI会不会代替律师，隐含的假设是“AI和律师在做同一件事，只是谁做得更好”。但真实情况是：AI和律师在做不同的事，而且这些事恰好可以互补。我见过的最有效的工作流是这样的：AI负责“广度”，人负责“深度”。AI把几千份文档过一遍，找出所有可能相关的点；律师只花时间在AI筛出来的那几十个点上做深度分析。AI负责“初稿”，人负责“定稿”。AI生成一份起诉状框架，律师在这个框架上填充策略性的表述和关键事实的取舍。这种分工模式下，一个律师的产出能力可能提升三到五倍。但注意，这不是“AI代替了律师”，而是“会用AI的律师代替了不会用AI的律师”。3.2 法律行业的结构性变化：中间层被挤压AI对法律行业最大的冲击，可能不是“顶层”的资深律师，也不是“底层”的纯行政人员，而是中间层——那些主要工作是“信息搬运”和“模板套用”的从业者。以前一个刚入行的律师，前几年基本都在做检索、写初稿、审合同这些基础工作。这些工作虽然枯燥，但恰恰是积累经验、培养法律直觉的必经之路。现在这些工作被AI大量接管了，新人怎么成长？这是个真问题。我观察到的一些应对方式是：让新人更早地参与策略讨论，把AI当成“陪练”而不是“替身”。比如让新人先用AI生成一版分析，然后让他指出AI哪里错了、哪里漏了、哪里判断偏了。这种“找茬式学习”反而比单纯做检索成长得更快。3.3 客户预期在变，律师的服务模式必须跟着变还有一个容易被忽略的变量：客户对律师的预期正在被AI改变。以前客户不知道律师在干什么，只能按小时付费。现在客户自己也会用AI工具，他们可能已经自己查过法条、自己生成过一份合同初稿，然后拿着这些东西来找律师：“你帮我看看AI写的这个对不对。”这意味着律师的价值必须从“我知道你不知道的东西”转向“我能判断你判断不了的东西”。前者是信息差，后者是判断力。信息差会被AI抹平，判断力不会。4. 十年这个时间尺度：哪些会变，哪些不会变4.1 十年内大概率会发生的事第一，法律检索和文书起草会基本实现AI化。这不是预测，是正在发生的事。十年后还靠人工一条条翻判决书的律师，大概率会被淘汰。第二，合同审查会变成“AI初审+人工复核”的标准流程。就像现在没人用算盘算账一样，十年后没人会从零开始逐条审合同。第三，法律服务的价格结构会变。基础服务会因为AI的介入而大幅降价，但高端定制化服务的价格会更高。中间地带的从业者会很难受。第四，新的法律岗位会出现。比如“法律AI训练师”“法律数据标注师”“人机协作流程设计师”，这些岗位现在已经在一些团队里萌芽了。4.2 十年内大概率不会变的事第一，最终责任承担者必须是人。一份法律意见书出了错，客户告的是律所，不是AI公司。只要责任在人身上，人就必须在关键环节把关。第二，复杂博弈仍然依赖人的判断。谈判、庭审、危机处理，这些场景的变量太多、变化太快，AI在可预见的未来都难以胜任。第三，信任关系仍然是核心。客户选择律师，很大程度上是选择“我相信这个人会为我争取最大利益”。这种信任没法外包给AI。4.3 一个容易被忽略的变量：监管和伦理法律行业是强监管行业。AI在法律服务中的应用，会面临一系列监管问题：AI给出的法律意见算不算“法律意见”？AI生成的文件出了错，责任怎么分？AI在办案过程中接触到的客户机密信息，怎么保证不泄露？这些问题的答案不在技术里，在监管政策里。而监管的变化往往是缓慢的、保守的。这会给律师行业一个缓冲期，但这个缓冲期不是用来躺平的，是用来转型的。5. 给不同角色的实操建议：别问“会不会被代替”，问“我该怎么用”5.1 给法律从业者：把AI当成实习生，而不是对手如果你是从业者，我的建议很直接：现在就开始用AI工具，把它当成一个不知疲倦但需要监督的实习生。让它做检索、做初稿、做初审，你只做它做不了的部分——判断、决策、沟通、担责。具体怎么上手？从你最熟悉、最重复的工作开始。如果你每天要花两小时写同类文书，那就先让AI生成初稿，你改。如果你每天要花三小时审同类合同，那就先让AI标出风险点，你复核。用上一个月，你会对“哪些能交给AI、哪些必须自己来”有非常具体的体感。提示：初期一定要保留“人工复核”这一步，而且复核要严格。AI的幻觉不是偶发，是常态。你需要在实践中建立自己对AI输出质量的判断力，知道它在什么场景下容易出错。5.2 给技术从业者：法律场景的难点不在技术，在场景理解如果你是想进入法律AI领域的技术人，我的建议是：先去理解法律工作的真实流程，再谈技术方案。很多技术团队做出来的法律工具没人用，不是因为技术不行，是因为他们解决的是“想象中的问题”，而不是“真实的问题”。举个例子，很多团队做“智能合同审查”，上来就搞NLP模型识别条款。但真实场景里，律师最需要的可能不是“识别条款”，而是“告诉我这份合同和我们的标准模板比，改了哪些地方”。前者是技术问题，后者是场景问题。搞清楚场景，技术方案自然就出来了。5.3 给普通用户：AI可以帮你省钱，但不能帮你省心如果你只是偶尔需要法律帮助的普通人，AI确实能帮你省不少钱。简单的合同模板、基础的法律咨询、文书格式检查，这些AI都能做。但涉及重大利益的决策——买房、离婚、股权、诉讼——还是得找真人律师。原因很简单：AI给的是“一般情况下的最优解”，但你的情况可能不一般。而判断“你的情况是否特殊”，恰恰需要专业训练和经验积累。6. 我踩过的坑和看到的机会6.1 一个真实的教训：别让AI碰“事实认定”我之前帮一个团队做法律文档分析工具，初期为了展示效果，让AI直接从一堆聊天记录和邮件里“总结事实经过”。结果AI总结出来的“事实”和真实情况有出入——它把几封邮件的时间顺序搞混了，导致整个事件因果链都错了。这个教训让我明白：AI可以处理“规则”，但处理不了“事实”。规则是明确的、可检索的，事实是模糊的、需要交叉验证的。在法律场景里，事实认定是根基，根基错了，上面所有分析都是空中楼阁。所以任何涉及事实梳理的环节，必须人工介入。6.2 另一个教训：AI的“自信”是最大的风险大语言模型有个特点：它不知道自己不知道。你问它一个它完全不了解的问题，它也会给你一个看起来很有道理的答案。在法律场景里，这种“自信的无知”是致命的。我现在的做法是：任何AI给出的结论，都要问它“你的依据是什么”“这个依据的来源是哪”。如果它给不出可验证的来源，这个结论就默认不可信。这个习惯帮我避免了好几次潜在的严重错误。6.3 我看到的机会：垂直领域的“小而美”工具通用大模型很强，但在法律这种专业领域，通用模型往往不够用。因为它缺乏领域知识，也不了解特定场景的工作流。这给垂直领域的工具留下了很大空间。我观察到一些做得不错的法律AI工具，都不是“大而全”的，而是“小而美”的——只解决一个具体场景的问题，但解决得非常好。比如专门做劳动争议计算的、专门做商标查询的、专门做交通事故赔偿估算的。这些工具的技术门槛不一定高，但对场景的理解非常深。如果你是想在这个方向创业或做产品的人，我的建议是：别想着做一个“全能法律AI”，找一个你真正理解的细分场景，把它做透。法律行业太大了，任何一个细分场景都足够养活一个团队。7. 回到那个问题：十年后律师这个职业会变成什么样如果非要给一个具体的画面，我猜十年后的律师行业大概是这样：从业者总数可能减少，但人均产出大幅提升；基础服务价格大幅下降，但高端服务价格更高；入行门槛从“记忆力好”变成“判断力强”；最吃香的人不是“知道最多法条的人”，而是“最会用工具、最会做判断、最会跟人打交道的人”。这个变化对一些人来说是威胁，对另一些人来说是机会。区别在于：你是把AI当成对手，还是当成工具；你是守着“信息差”吃饭，还是转向“判断力”吃饭。我自己跟法律行业打交道这些年，最大的感受是：这个行业的核心从来不是“法律知识”，而是“用法律知识解决真实问题”。知识可以被AI替代，但解决问题的能力不能。只要真实世界还有纠纷、还有不确定性、还有人跟人之间的博弈，就需要有人来做判断、来担责任、来建立信任。这些事，AI做不了，至少十年内做不了。所以与其问“AI会不会代替律师”，不如问“在AI能做完所有基础工作的世界里，我还能提供什么不可替代的价值”。这个问题的答案，才是真正值得花时间想的。